微分与导数

1.微分表达自变量增量与因变量增量的线性关系

2.可微必连续,连续不一定可微

3.可微必可导,对一元函数,可导必可微

4.导数不存在的点不代表切线不存在

有了数列极限、连续函数的基础,我们可以进去进入微分与导数的学习了。它们在机器学习中具有基础性的作用,很多最优化算法与它们息息相关。话不多说,进入正题!

1

可微与可导

对于函数y=f(x),x是自变量,y是因变量.很多情况我们想研究因变量对自变量的敏感度,即x的增量引起y变化量的大小。我们需要利用微分的定义

微分与导数_第1张图片

这里需要关注的地方有三点,第一,Δx表达的是对自变量x的增量,当这个增量趋于0时,我们就可以将研究的动态过程转化为静态进行研究。第二,Δy表达了对于自变量增量的改动函数变化的大小,而微分要表达的是函数变化大小Δy与自变量变化大小Δx呈一种线性关系,也就是定义里面的“线性主要部分”,且这种线性是关于Δx的一阶相关,要是无法找到与其一阶相关的,就不是微分的定义。第三,dx是在Δx趋于0的时候的记号,显然,此时dy也是趋于0的,它们都是无穷小,而它们趋于0速度的大小关系由g(x)决定(高阶、同阶或等价)。由此可知,g(x)代表了由自变量变化量而引起因变量变化量大小的因此,不妨称它为变化量因子”,它就是下面即将介绍的导数概念。

  • 例1

微分与导数_第2张图片

  • 例2

微分与导数_第3张图片

根据此,我们知道连续函数不一定可微,那么可微是否一定连续呢。答案是肯定的。

微分与导数_第4张图片

因此可微是连续的充分不必要条件,连续是可微的必要不充分条件

可微必连续,连续不一定可微

6dc71d97fa4ce79299cc4cb8197150d8.png

下面我们给出导数的定义

微分与导数_第5张图片

看起来,微分与导数存在关系,我们有:

微分与导数_第6张图片

可微函数必可导,一元可导函数必可微

b40717ce25489af96620a463231e577b.png

注:在多元函数中,可微与可导不是等价的。也即多元可导函数不一定可微

导数具有很多的现实意义。比如在几何上,切线是指过函数一点且只与该点相交的直线。这样的定义是不精准的,有了极限的概念,我们定义:

fc520763a1f84f1e7d1c14bf6fd70a6e.png

切线是割线的极限位置

我们举两个例子.

  • 例3

微分与导数_第7张图片

对于绿色曲线,我们做点A的切线,先过点A做割线AC,根据定义,只要C无限接近A,就是要求的切线。显然可知切线的斜率为:

c5243e42a527694c8e834272891369b5.png

由导数定义可知,过点A的切线斜率等于函数在该点的导数.

  • 例4

我们来算一算椭圆的切线。

微分与导数_第8张图片

2

左右导数

在函数极限中,有左极限和右极限的概念。导数本质也是一个极限,因此,也存在左导数、右导数概念。

微分与导数_第9张图片

显然我们马上可以推出:

0978c0f1ed899caf252db32922de9dc7.png

这里我们要注意左右导数与导函数左右极限的记号区别:

微分与导数_第10张图片

我们举几个例子。

  • 例5

微分与导数_第11张图片

  • 例6

微分与导数_第12张图片

  • 例7

微分与导数_第13张图片

我们知道,区间上函数的连续性,同样的,可导也有区间的概念:

f(x)在开区间(a,b)每一点均可导,则称f(x)在(a,b)上可导,进一步,若f(x)在a点右导数存在,在b点左导数存在,则称f(x)在闭区间[a,b]上可导

9847f595b8cbbfd48f38d5f27c689184.png

我们来看一个例子。

微分与导数_第14张图片

注意,其在点a,-a的导数不存在,为无穷,但其切线是存在的:

微分与导数_第15张图片

因此我们要注意,导数不存在不代表切线不存在.

你可能感兴趣的:(人工智能,算法,机器学习,java,大数据)