何为导数

1 : 如何求一条直线上一点的切线?

what did we learn in high school about what a tangent(切) line is ? :任意一点上的切线都可以有一个方程 y-y0 = k*(x-x0)来表示。

切线:一种极限是当Q趋近于P。->在一条弧线上由P,Q两点如何确定直线PQ,是切线呢?根据定理可得,当一条直线和一条弧线相交于两点的时候这条直线一定不是切线。所以只有当P和Q重合的时候着一条直线才是切线 XP-XQ=Δx , 只有当Δx -> 0 的时候直线PQ才是切线。

当求一条直线的斜率的时候我们就可以用y-y0 = k*(x-x0)来求解。Δx/Δy=k。p点可以用(x,y)来表示同样也可以用(x、f(x))来表示。所以将P、Q都用着一种形式来表示的话我们就可以得到P(x0,f(x0)),Q(x0+Δx,f(x0+Δx))。

    这样的话就应该很熟悉了吧。下面我们求y=1/x的导数。由上述可得k=(y-y0)/(x-x0)==-1/(x0+Δx)*x0 其又名为差商  

问题2:由1/x的切线和x,y轴围成三角形的面积。

同样我们需要在y=1/x上面找出来一点能过普遍表示的点。我们假设这一点为P(X0,Y0).我们已经知道P点的斜率为-1/x0^。同时这条切线也过P点P点的坐标为P(X0,Y0)。所以我们可以通过点斜式y-y0=k*(x-x0) ,求得切线。然后我们只需要求得x轴截距和y轴截距就可以了。我们知道x轴上y=0同理y轴可得x=0。所以我们可以求得截距。此题可解。x=2x0,y=2/x0=2×y0

下面介绍一些记号一些用于表示导数的记号。

问题3:求其导数。Δf / Δx = [(x+Δx)x-xn] / Δx .

  引入:

    二项式定理: junk(垃圾). 为什么说 那些都是junk呢? 我们联系上面的Δf / Δx = [(x+Δx)x-xn] / Δx . 可以看出  xn -xn 消掉了,然后 除了 n*xn-1*Δx只有一个Δx之外其余的都是Δx的平方或平方之上的,因为Δx非常的小,所以可以将剩下的消除掉。所以可以得到 f(x)= xn的导数 f(x) = n*xn-1 .

在大部分的问题中我们都会用到微积分,但是微积分在其中只占了很小的一部分,所以经常会给我们造成一中微积分特别难的感觉。实际上微积分很简单,只是因为其他的知识我们不具备所以才会感觉微积分特别难。

Differentiation 导数和变化率的更多相关文章

  1. 自动微分方法(auto diff)

    学习机器学习的同学在学习过程中会经常遇到一个问题,那就是对目标函数进行求微分,线性回归这类简单的就不说.复杂的如神经网络类那些求导过程的酸爽.像我还是那种比较粗心的人往往有十导九错,所以说自动求导就十 ...

  2. Reading | 《DEEP LEARNING》

    目录 一.引言 1.什么是.为什么需要深度学习 2.简单的机器学习算法对数据表示的依赖 3.深度学习的历史趋势 最早的人工神经网络:旨在模拟生物学习的计算模型 神经网络第二次浪潮:联结主义connec ...

  3. 数值优化(Numerical Optimization)学习系列-无梯度优化(Derivative-Free Optimization)

    数值优化(Numerical Optimization)学习系列-无梯度优化(Derivative-Free Optimization) 2015年12月27日 18:51:19 下一步 阅读数 43 ...

  4. Alink漫谈(十五) :多层感知机 之 迭代优化

    Alink漫谈(十五) :多层感知机 之 迭代优化 目录 Alink漫谈(十五) :多层感知机 之 迭代优化 0x00 摘要 0x01 前文回顾 1.1 基本概念 1.2 误差反向传播算法 1.3 总 ...

  5. R语言的导数计算(转)

    转自:http://blog.fens.me/r-math-derivative/ 前言 高等数学是每个大学生都要学习的一门数学基础课,同时也可能是考完试后最容易忘记的一门知识.我在学习高数的时候绞尽 ...

  6. pytorch学习-AUTOGRAD: AUTOMATIC DIFFERENTIATION自动微分

    参考:https://pytorch.org/tutorials/beginner/blitz/autograd_tutorial.html#sphx-glr-beginner-blitz-autog ...

  7. 导数、多元函数、梯度、链式法则及 BP 神经网络

    一元函数的导数 对于函数\(y=f(x)\),导数可记做\(f'(x_0)\).\(y'|x=x_0\)或\(\frac{dy}{dx}|x=x_0 \).定义如下: \[f'(x_0) = \lim ...

  8. Numerical Differentiation 数值微分

    zh.wikipedia.org/wiki/數值微分 数值微分是数值方法中的名词,是用函数的值及其他已知资讯来估计一函数导数的算法. http://mathworld.wolfram.com/Nume ...

  9. Sobel导数

    Sobel 导数 目标 本文档尝试解答如下问题: 如何使用OpenCV函数 Sobel 对图像求导. 如何使用OpenCV函数 Scharr 更准确地计算  核的导数. 原理 Note 以下内容来自于 ...

随机推荐

  1. 【转载】WebService相关概念

    一.序言 大家或多或少都听过 WebService(Web服务),有一段时间很多计算机期刊.书籍和网站都大肆的提及和宣传WebService技术,其中不乏很多吹嘘和做广告的成 分.但是不得不承认的是W ...

  2. 利用ms17_010漏洞实验

    1.理论 在MSF里面msfconsole可以说是最流行的一个接口程序.但是msfconsole真的是一个强大的接口程序.Msfconsole提供了一个一体化的集中控制台.通过msfconsole,你 ...

  3. ubuntu编译airplay

    1.alsa/asoundlib.h: No such file or directory 缺少一个库: apt-get install libasound2-dev   2.fatal error: ...

  4. ITOO高校云平台之考评系统项目总结

    高校云平台,将云的概念引入到我的生活, 高校云平台主要是以各大高校的业务为基础设计开发,包含权限系统,基础系统.新生入学系统.考评系统,成绩系统.选课系统,视频课系统.3月份參加云平台3.0的开发,至 ...

  5. JavaScript 实现块级作用域

    (function(){ 块级作用域: })();

  6. Java中的常用异常处理方法

    觉得自己是一个Java专家吗?是否肯定自己已经全面掌握了Java的异常处理机制?在下面这段代码中,你能够迅速找出异常处理的六个问题吗? 1 OutputStreamWriter out = ... 2 ...

  7. svgo

    SVG精简压缩工具svgo简介和初体验 SVG精简压缩工具svgo简介和初体验 « 张鑫旭-鑫空间-鑫生活 https://www.zhangxinxu.com/wordpress/2016/02/s ...

  8. pyspark mongodb yarn

    from pyspark.sql import SparkSession my_spark = SparkSession \ .builder \ .appName("myApp" ...

  9. Deep Learning 31: 不同版本的keras,对同样的代码,得到不同结果的原因总结

    一.疑问 这几天一直纠结于一个问题: 同样的代码,为什么在keras的0.3.3版本中,拟合得比较好,也没有过拟合,验证集准确率一直高于训练准确率. 但是在换到keras的1.2.0版本中的时候,就过 ...

  10. 关于 SWT 的UI线程和非UI线程

    要理解UI线程,先要了解一下“消息循环”这个概念.链接是百度百科上的条目,简单地说,操作系统把用户界面上的每个操作都转化成为对应的消息,加入消息队列.然后把消息转发给对应的应用程序(一般来说,就是活动 ...