漫步微积分八——多项式求导

2024-05-08 16:18

本文主要是介绍漫步微积分八——多项式求导,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

微分学有其自身的独特性和重要性,已被应用到物理、生物和社会科学中。它能够快速渗入到应用中,并得到问题的核心。然而,从整体效率的角度看,它的具体内容推迟一下,我们先花一点时间学习如何快速而准确的求导。

我们已经知道,对函数求导的过程称作微分。这个过程直接依赖于导数的极限定义,
f ′ ( x ) = lim ⁡ Δ x → 0 f ( x + Δ x ) − f ( x ) Δ x , f'(x)=\lim_{\Delta x\to 0}\frac{f(x+\Delta x)-f(x)}{\Delta x}, f(x)=Δx0limΔxf(x+Δx)f(x),

或等价的
d y d x = lim ⁡ Δ x → 0 Δ y Δ x \frac{dy}{dx}=\lim_{\Delta x\to 0}\frac{\Delta y}{\Delta x} dxdy=Δx0limΔxΔy

我们看到这种方法非常慢而且麻烦。现在我们的目的就是建立一些法则,利用他们可以快速求导大部分函数。本篇以及之后的几篇文章,我们会学到在完全不考虑极限的情况下,如何计算多项式的导数;即便是类似下面棘手的代数函数,我们也能轻松应对
x x 2 + 1 , [ x + x + 1 x − x + 1 ] 1 / 3 , 1 + 1 + 1 + x . \frac{x}{\sqrt{x^2+1}},\qquad \left[\frac{x+\sqrt{x+1}}{x-\sqrt{x+1}}\right]^{1/3},\qquad \sqrt{1+\sqrt{1+\sqrt{1+x}}}. x2+1 x,[xx+1 x+x+1 ]1/3,1+1+1+x .

我们还将学习如何对三角函数求导。目前阶段,我们的目标是培养计算技能,这种技能只能通过实践得到。在没有实践的情况下,我们不可能学会如何拼写,或滑雪,或演奏乐器,正是在实践中不断发现问题,纠正问题,最终拥有相应的技能。微分也不例外。

回顾一下, x x x的多项式就是常数乘以 x x x幂次方的和。幂可以是零或一个正数:
P ( x ) = a n x n + a n − 1 x n − 1 + ⋯ + a 1 x + a 0 . P(x)=a_nx^n+a_{n-1}x^{n-1}+\cdots+a_1x+a_0. P(x)=anxn+an1xn1++a1x+a0.

多项式由一些简单的部分拼凑起来的方式启发我们对求导法则的讨论:

1.常数的导数是零
d d x c = 0 \frac{d}{dx}c=0 dxdc=0

这个命题的几何意义是一条水平直线 y = f ( x ) = c y=f(x)=c y=f(x)=c斜率是零。为了根据定义证明该命题,我们注意到 Δ y = f ( x + Δ x ) − f ( x ) = c − c = 0 \Delta y=f(x+\Delta x)-f(x)=c-c=0 Δy=f(x+Δx)f(x)=cc=0,所以
d y d x = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 0 Δ x = lim ⁡ Δ x → 0 0 = 0. \frac{dy}{dx}=\lim_{\Delta x\to 0}\frac{\Delta y}{\Delta x}=\lim_{\Delta x\to 0}\frac{0}{\Delta x}=\lim_{\Delta x\to 0}0=0. dxdy=Δx0limΔxΔy=Δx0limΔx0=Δx0lim0=0.

2.如果 n n n是一个正数,那么
d d x x n = n x n − 1 . \frac{d}{dx}x^n=nx^{n-1}. dxdxn=nxn1.

用语言来描述就是, x n x^n xn的导数是指数 n n n作为系数,指数减1作为新的指数。前面的文章中我们已经知道了三个具体的例子:
d d x x 2 = 2 x , d d x 3 x 2 = 6 x , d d x x 4 = 4 x 3 . \frac{d}{dx}x^2=2x,\quad \frac{d}{dx}3x^2=6x,\quad \frac{d}{dx}x^4=4x^3. dxdx2=2x,dxd3x2=6x,dxdx4=4x3.

为了证明通用性,对于 y = f ( x ) = x n y=f(x)=x^n y=f(x)=xn,我们利用二项式定理的

\begin{eqnarray*}
\Delta y
&=&f(x+\Delta x)-f(x)=(x+\Delta x)n-xn\
&=&\left[xn+nx{n-1}\Delta x+\frac{n(n-1)}{2}x^{n-2}(\Delta x)^2+\cdots +(\Delta x)n\right]-xn\
&=&nx^{n-1}\Delta x+\frac{n(n-1)}{2}x^{n-2}(\Delta x)^2+\cdots +(\Delta x)^n
\end{eqnarray*}
据此可以得出
\begin{eqnarray*}
\frac{dy}{dx}
&=&\lim_{\Delta x\to 0}\frac{\Delta y}{\Delta x}\
&=&\lim_{\Delta x\to 0}\left[nx{n-1}+\frac{n(n-1)}{2}x{n-2}(\Delta x)+\cdots +(\Delta x)^{n-1}\right]\
&=&nx^{n-1}
\end{eqnarray*}

我们的法则对负或分数形式的指数依然成立。关于证明会在后面讨论。
3.如果 c c c是一个常数, u = f ( x ) u=f(x) u=f(x)关于 x x x可导,那么
d d x ( c u ) = c d u d x . \frac{d}{dx}(cu)=c\frac{du}{dx}. dxd(cu)=cdxdu.

也就是说,对常数乘以函数求导,结果等于该常数乘以函数的导数。为了证明它,考虑 y = c u = c f ( x ) y=cu=cf(x) y=cu=cf(x),观察 Δ y = c f ( x + Δ x ) − c f ( x ) = c [ f ( x + Δ x ) − f ( x ) ] = c Δ u \Delta y=cf(x+\Delta x)-cf(x)=c[f(x+\Delta x)-f(x)]=c\Delta u Δy=cf(x+Δx)cf(x)=c[f(x+Δx)f(x)]=cΔu,所以
d y d x = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 c Δ u Δ x = c lim ⁡ Δ x → 0 Δ u Δ x = c d u d x . \frac{dy}{dx}=\lim_{\Delta x\to 0}\frac{\Delta y}{\Delta x}=\lim_{\Delta x\to 0}\frac{c\Delta u}{\Delta x}=c\lim_{\Delta x\to 0}\frac{\Delta u}{\Delta x}=c\frac{du}{dx}. dxdy=Δx0limΔxΔy=Δx0limΔxcΔu=cΔx0limΔxΔu=cdxdu.

结合法则1和2,对于任何常数 c c c和正数 n n n,我们有
d d x c x n = c n x n − 1 \frac{d}{dx}cx^n=cnx^{n-1} dxdcxn=cnxn1

例1:现在我们快速的计算下面的导数:
\begin{eqnarray*}
\frac{d}{dx}3x7&=&21x6,\quad \frac{d}{dx}22x{101}=2222x{100},\
\frac{d}{dx}55x&=&55x^0=55,\quad \frac{d}{dx}\left(-\frac{1}{2}x{12}\right)=-6x{11}
\end{eqnarray*}
4.如果 u = f ( x ) , v = g ( x ) u=f(x),v=g(x) u=f(x),v=g(x)是关于 x x x的函数,那么
d d x ( u + v ) = d u d x + d v d x \frac{d}{dx}(u+v)=\frac{du}{dx}+\frac{dv}{dx} dxd(u+v)=dxdu+dxdv

也就是说,两个函数和的导数等于他们各自导数的和。证明是很常规的:令 y = u + v = f ( x ) + g ( x ) y=u+v=f(x)+g(x) y=u+v=f(x)+g(x),那么 Δ y = [ f ( x + Δ x ) + g ( x + Δ x ) ] − [ f ( x ) + g ( x ) ] = [ f ( x + Δ x ) − f ( x ) ] + [ g ( x + Δ x ) − g ( x ) ] = Δ u + Δ v \Delta y=[f(x+\Delta x)+g(x+\Delta x)]-[f(x)+g(x)]=[f(x+\Delta x)-f(x)]+[g(x+\Delta x)-g(x)]=\Delta u+\Delta v Δy=[f(x+Δx)+g(x+Δx)][f(x)+g(x)]=[f(x+Δx)f(x)]+[g(x+Δx)g(x)]=Δu+Δv
\begin{eqnarray*}
\frac{dy}{dx}
&=&\lim_{\Delta x\to 0}\frac{\Delta y}{\Delta x}=\lim_{\Delta x\to 0}\frac{\Delta u+\Delta v}{\Delta x}=\lim_{\Delta x\to 0}\left[\frac{\Delta u}{\Delta x}+\frac{\Delta v}{\Delta x}\right] \
&=&\lim_{\Delta x\to 0}\frac{\Delta u}{\Delta x}+\lim_{\Delta x\to 0}\frac{\Delta v}{\Delta x}=\frac{du}{dx}+\frac{dv}{dx}.
\end{eqnarray*}
同样的,两个函数差的导数等于他们导数的差
d d x ( u − v ) = d u d x − d v d x . \frac{d}{dx}(u-v)=\frac{du}{dx}-\frac{dv}{dx}. dxd(uv)=dxdudxdv.

更进一步,这个结果可以扩展到有限项的加减
d d x ( u − v + w ) = d u d x − d v d x + d w d x . \frac{d}{dx}(u-v+w)=\frac{du}{dx}-\frac{dv}{dx}+\frac{dw}{dx}. dxd(uv+w)=dxdudxdv+dxdw.

例2:现在对多项式求导就非常容易了。例如,
\begin{eqnarray*}
\frac{d}{dx}(15x4+9x3-7x^2-3x+5)
&=&\frac{d}{dx}15x4+\frac{d}{dx}9x3-\frac{d}{dx}7x^2-\frac{d}{dx}3x+\frac{d}{dx}5\
&=&60x3+27x2-14x-3.
\end{eqnarray*}
现在我们可以忽略掉中间步骤,而直接写出最终结果。

例3:函数 y = ( 3 x − 2 ) 4 y=(3x-2)^4 y=(3x2)4不是一个标准形式的多项式。目前还没有给出它的求导规则,当然后面会学习到的。目前我们可以利用二项式定理展开。
\begin{eqnarray*}
y
&=&(3x-2)4=[3x+(-2)]4\
&=&(3x)4+4(3x)3(-2)+\frac{4\cdot 3}{2}(3x)2(-2)2+\frac{4\cdot 3\cdot 2}{3\cdot 2\cdot 1}(3x)(-2)3+(-2)4\
&=&81x4-216x3+216x^2-96x+16
\end{eqnarray*}
所以
d y d x = 324 x 3 − 648 x 2 + 432 x − 96. \frac{dy}{dx}=324x^3-648x^2+432x-96. dxdy=324x3648x2+432x96.

例4:虽然 x , y x,y x,y经常被用来表示自变量和因变量,但是这不妨碍我们选择我们喜欢的任何字母来表示他们,并且计算方法是一样。
s = 13 t 3 − 4 t 2 + 25 s=13t^3-4t^2+25 s=13t34t2+25

是关于时间 t t t的多项式;根据利用本文得出的法则,它的导数为
d s d t = 39 t 2 − 8 t . \frac{ds}{dt}=39t^2-8t. dtds=39t28t.

例5:沿着直线运动的物体,位置 s s s对于时间 t t t的函数为
s = t 3 + 5 t 2 − 8 t . s=t^3+5t^2-8t. s=t3+5t28t.

停止运动时它的加速度是多少?

速度 v v v和加速度 a a a分别是
v = d s d t = 3 t 2 + 10 t − 8 a = d v d t = 6 t + 10. v=\frac{ds}{dt}=3t^2+10t-8\quad a=\frac{dv}{dt}=6t+10. v=dtds=3t2+10t8a=dtdv=6t+10.

物体停止时, v = 0 v=0 v=0
3 t 2 + 10 t − 8 = ( 3 t − 2 ) ( t + 4 ) = 0 3t^2+10t-8=(3t-2)(t+4)=0 3t2+10t8=(3t2)(t+4)=0

t = 2 3 , − 4 t=\frac{2}{3},-4 t=32,4。对应的加速度分别为 a = 14 , − 14 a=14,-14 a=14,14

这篇关于漫步微积分八——多项式求导的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/970810

相关文章

微积分-积分应用5.4(功)

术语“功”在日常语言中用来表示完成一项任务所需的总努力量。在物理学中,它有一个依赖于“力”概念的技术含义。直观上,你可以将力理解为对物体的推或拉——例如,一个书本在桌面上的水平推动,或者地球对球的向下拉力。一般来说,如果一个物体沿着一条直线运动,位置函数为 s ( t ) s(t) s(t),那么物体上的力 F F F(与运动方向相同)由牛顿第二运动定律给出,等于物体的质量 m m m 与其

微积分直觉:隐含微分

目录 一、介绍 二、梯子问题 三、结论 四、一个额外的例子 一、介绍         让我们想象一个半径为 5 的圆,以 xy 平面为中心。现在假设我们想在点 (3,4) 处找到一条切线到圆的斜率。         好吧,为了做到这一点,我们必须非常接近圆和切线之间的空间,并沿着该曲线迈出一小步。该步骤的 y 分量为 dy,x 分量为

HDU 1428 漫步校园 (搜索 + dp)

OJ题目:click here ~~ 题意分析:题目中有句话“他考虑从A区域到B区域仅当存在一条从B到机房的路线比任何一条从A到机房的路线更近(否则可能永远都到不了机房了…)。”,关键是对这句话的理解。此刻在A区域,选择下面要走的B区域的条件是,存在一条B区域到机房的路线比A区域到机房的所有路线都近,也就是说,存在一条B区域到机房的路线比A区域到机房的最短路线更近(比最短的近

算法笔记02--归纳法之多项式求值(Horner规则)

多项式求值 假设有n+2个实数a0,a1,...,an和x的序列,求多项式 p_nx = a_nx^n + a_n-1x^n-1 + ...+ a_1x + a_0; 则需要乘法:n+n-1 + ...+2+1 = n(n+1)/2 需要加法:n 可见算法效率为O(n^2) 而p_nx = ((...((((a_n)x + a_n-1)x + a_n-2)x + a_n-3)....)

分数阶微积分MATLAB计算

习题1 syms t z;Gam=int(exp(-t)*t^(z-1),t,0,inf);I1=subs(Gam,z,sym(1/2)),I2=subs(Gam,z,sym(3/2)),I3=subs(Gam,z,sym(5/2)),I4=subs(Gam,z,sym(7/2))

链表(篇5)用链表实现多项式相加

使用链接实现两个多项式相加 例: 输入:第一数= 5x ^ 2 + 4x ^ 1 + 2x ^ 0第二数= 5x ^ 1 + 5x ^ 0输出:5x ^ 2 + 9x ^ 1 + 7x ^ 0输入:第一数= 5x ^ 3 + 4x ^ 2 + 2x ^ 0第二数= 5x ^ 1 + 5x ^ 0输出:5x ^ 3 + 4x ^ 2 + 5x ^ 1 + 7x ^ 0 代码

【机器学习】基扩展的基本概念以及其中的多项式回归、样条方法和广义可加模型的简单介绍(含python代码实例)

引言 基扩展是提升模型性能的重要工具,正确选择和应用基扩展方法可以显著提高模型的预测能力和解释性 文章目录 引言一、基扩展1.1 基扩展定义1.2 基扩展方法1.2.1 多项式基扩展1.2.2 样条基扩展1.2.3 径向基函数(RBF)1.2.4 傅里叶基扩展1.2.5 wavelet基扩展1.2.6 单隐藏层神经网络 1.3 应用场景1.4 使用基扩展的注意点 二、多项式回归2.

PyTorch 的自动求导与计算图

在深度学习中,模型的训练过程本质上是通过梯度下降算法不断优化损失函数。为了高效地计算梯度,PyTorch 提供了强大的自动求导机制,这一机制依赖于“计算图”(Computational Graph)的概念。 1. 什么是计算图? 计算图是一种有向无环图(DAG),其中每个节点表示操作或变量,边表示数据的流动。简单来说,计算图是一个将复杂计算分解为一系列基本操作的图表。每个节点(通常称为“张量”

约瑟夫环和一元多项式

约瑟夫环 一、问题描述     假设有 n 个人围成一圈,从第一个人开始报数,报数到 m 的人将被淘汰出圈,然后从下一个人开始继续从 1 报数,如此重复,直到最后只剩下一个人。求最后剩下的这个人的编号。 二、问题分析 可以使用循环链表来模拟这个过程。 1.创建一个包含 n 个节点的循环链表,每个节点代表一个人,节点中存储这个人的编号。 2.从第一个节点开始报数,每报到 m,就将对应

微积分的理解

三角函数 s i n ( θ ) ′ = c o s ( θ ) sin(\theta)' = cos(\theta) sin(θ)′=cos(θ) 乘法法则