理解导数(x^n求导后nx^n-1)

2024-05-12 00:04
文章标签 理解 求导 导数 nx

本文主要是介绍理解导数(x^n求导后nx^n-1),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!

以下都是为了方便理解

请添加图片描述

请添加图片描述

微小量是 t
M(x)是一个函数
M 在 x 处的斜率 = M 在 x 处的导数 = 垂直距离 平移距离 = M ( x + t ) − M ( x ) ( x + t ) − x M在x处的斜率 = M在x处的导数= \dfrac{垂直距离}{平移距离} =\dfrac{M\left( x+t\right) -M\left( x\right) }{(x + t) -x} Mx处的斜率=Mx处的导数=平移距离垂直距离=(x+t)xM(x+t)M(x)
求导原型 = M ( x ) = M ( x + t ) − M ( x ) t 求导原型=M\left( x\right) =\dfrac{M\left( x+t\right) -M\left( x\right) }{t} 求导原型=M(x)=tM(x+t)M(x)
当前数的导数 = ( 当前数 + 微小量 ) − 当前数 微小量 当前数的导数 = \dfrac{(当前数 + 微小量) - 当前数}{微小量} 当前数的导数=微小量(当前数+微小量)当前数

将直线方程带入,进行求导: M(x)= kx+b

[ k ( x + t ) + b ] − [ k x + b ] t = k ( t ) t = k \dfrac{\left[ k\left( x+t\right) +b\right] -\left[ kx+b\right] }{t} = \dfrac{k\left( t\right) }{t}=k t[k(x+t)+b][kx+b]=tk(t)=k

x^2

若x的变化规律是平方
M 在 x 点的导数 = M ( x + t ) − M ( x ) t = ( x + t ) 2 − x 2 t M在x点的导数 = \dfrac{M\left( x+t\right) -M\left( x\right) }{t} = \dfrac{\left( x+t\right) ^{2}-x^{2}}{t} Mx点的导数=tM(x+t)M(x)=t(x+t)2x2
根据平方和公式:
M 在 x 点的导数 = x 2 + 2 x ( t ) + ( t ) 2 − x 2 t = 2 x ( t ) + ( t ) 2 t M在x点的导数 = \dfrac{x^{2}+2x\left( t\right) +\left( t\right) ^{2}-x^{2}}{t} = \dfrac{2x\left( t\right) +\left( t\right) ^{2}}{t} Mx点的导数=tx2+2x(t)+(t)2x2=t2x(t)+(t)2

M 在 x 的陡峭度 = 2 x + t M在x的陡峭度 = 2x+t Mx的陡峭度=2x+t
由于t可以忽略不记,所以最终结果是2x

x^3

M 在 x 点的导数 = M ( x + t ) − M ( x ) t = ( x + t ) 3 − x 3 t M在x点的导数 = \dfrac{M\left( x+t\right) -M\left( x\right) }{t} = \dfrac{\left( x+t\right) ^{3}-x^{3}}{t} Mx点的导数=tM(x+t)M(x)=t(x+t)3x3
根据立方和公式:
( x + t ) 3 = x 3 + t 3 + 3 x 2 t + 3 x t 2 (x + t )^{3} = x^{3} + t^{3} + 3x^{2}t + 3xt^{2} (x+t)3=x3+t3+3x2t+3xt2
M 在 x 点的导数 = x 3 + t 3 + 3 x 2 t + 3 x t 2 − x 3 t = t 3 + 3 x 2 t + 3 x t 2 t M在x点的导数 = \dfrac{x^{3} + t^{3} + 3x^{2}t + 3xt^{2} - x^{3}}{t} = \dfrac{t^{3} + 3x^{2}t + 3xt^{2}}{t} Mx点的导数=tx3+t3+3x2t+3xt2x3=tt3+3x2t+3xt2
M 在 x 点的导数 = t 3 + 3 x 2 t + 3 x t 2 t = t 2 + 3 x 2 + 3 x t M在x点的导数 = \dfrac{t^{3} + 3x^{2}t + 3xt^{2}}{t} = t^{2} + 3x^{2} + 3xt Mx点的导数=tt3+3x2t+3xt2=t2+3x2+3xt
由于t可以忽略不记,所有最终结果:3x^2
M 在 x 点的导数 = t 2 + 3 x 2 + 3 x t = 3 x 2 M在x点的导数 = t^{2} + 3x^{2} + 3xt = 3x^{2} Mx点的导数=t2+3x2+3xt=3x2

x^n

到这里我们可以发现,展开(x+t)^n是最费力的。
找规律:
在展开(x+t)^n的时候,到后面 t 相互抵消后,总会留下来一个
n x n − 1 nx^{n-1} nxn1

到现在为止我们知道了,对常数求导后结果是 0 ,对 x 的 n 次方求导结果是 n x n − 1 到现在为止我们知道了,对常数求导后结果是0,对x的n次方求导结果是nx^{n-1} 到现在为止我们知道了,对常数求导后结果是0,对xn次方求导结果是nxn1
就是下面两个红框的内容
在这里插入图片描述

导数求极值

示例:
f ( x ) = x 2 − 6 x + 9 f\left( x\right) =x^{2}-6x+9 f(x)=x26x+9
将上面例子求导
f ( x ) = 2 x − 6 f\left( x\right) = 2x-6 f(x)=2x6
极值点通常在导数为0的点
0 = 2 x − 6 0 = 2x-6 0=2x6
x = 3 x = 3 x=3
极值点是3

这篇关于理解导数(x^n求导后nx^n-1)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/981039

相关文章

一文带你理解Python中import机制与importlib的妙用

《一文带你理解Python中import机制与importlib的妙用》在Python编程的世界里,import语句是开发者最常用的工具之一,它就像一把钥匙,打开了通往各种功能和库的大门,下面就跟随小... 目录一、python import机制概述1.1 import语句的基本用法1.2 模块缓存机制1.

深入理解C语言的void*

《深入理解C语言的void*》本文主要介绍了C语言的void*,包括它的任意性、编译器对void*的类型检查以及需要显式类型转换的规则,具有一定的参考价值,感兴趣的可以了解一下... 目录一、void* 的类型任意性二、编译器对 void* 的类型检查三、需要显式类型转换占用的字节四、总结一、void* 的

深入理解Redis大key的危害及解决方案

《深入理解Redis大key的危害及解决方案》本文主要介绍了深入理解Redis大key的危害及解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着... 目录一、背景二、什么是大key三、大key评价标准四、大key 产生的原因与场景五、大key影响与危

深入理解C++ 空类大小

《深入理解C++空类大小》本文主要介绍了C++空类大小,规定空类大小为1字节,主要是为了保证对象的唯一性和可区分性,满足数组元素地址连续的要求,下面就来了解一下... 目录1. 保证对象的唯一性和可区分性2. 满足数组元素地址连续的要求3. 与C++的对象模型和内存管理机制相适配查看类对象内存在C++中,规

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【C++高阶】C++类型转换全攻略:深入理解并高效应用

📝个人主页🌹:Eternity._ ⏩收录专栏⏪:C++ “ 登神长阶 ” 🤡往期回顾🤡:C++ 智能指针 🌹🌹期待您的关注 🌹🌹 ❀C++的类型转换 📒1. C语言中的类型转换📚2. C++强制类型转换⛰️static_cast🌞reinterpret_cast⭐const_cast🍁dynamic_cast 📜3. C++强制类型转换的原因📝

深入理解RxJava:响应式编程的现代方式

在当今的软件开发世界中,异步编程和事件驱动的架构变得越来越重要。RxJava,作为响应式编程(Reactive Programming)的一个流行库,为Java和Android开发者提供了一种强大的方式来处理异步任务和事件流。本文将深入探讨RxJava的核心概念、优势以及如何在实际项目中应用它。 文章目录 💯 什么是RxJava?💯 响应式编程的优势💯 RxJava的核心概念

如何通俗理解注意力机制?

1、注意力机制(Attention Mechanism)是机器学习和深度学习中一种模拟人类注意力的方法,用于提高模型在处理大量信息时的效率和效果。通俗地理解,它就像是在一堆信息中找到最重要的部分,把注意力集中在这些关键点上,从而更好地完成任务。以下是几个简单的比喻来帮助理解注意力机制: 2、寻找重点:想象一下,你在阅读一篇文章的时候,有些段落特别重要,你会特别注意这些段落,反复阅读,而对其他部分

深入理解数据库的 4NF:多值依赖与消除数据异常

在数据库设计中, "范式" 是一个常常被提到的重要概念。许多初学者在学习数据库设计时,经常听到第一范式(1NF)、第二范式(2NF)、第三范式(3NF)以及 BCNF(Boyce-Codd范式)。这些范式都旨在通过消除数据冗余和异常来优化数据库结构。然而,当我们谈到 4NF(第四范式)时,事情变得更加复杂。本文将带你深入了解 多值依赖 和 4NF,帮助你在数据库设计中消除更高级别的异常。 什么是