惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Blog — PlanetScale
Blog — PlanetScale
Jina AI
Jina AI
C
Check Point Blog
V
V2EX
H
Help Net Security
Microsoft Azure Blog
Microsoft Azure Blog
P
Proofpoint News Feed
A
About on SuperTechFans
D
DataBreaches.Net
腾讯CDC
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
IT之家
IT之家
WordPress大学
WordPress大学
人人都是产品经理
人人都是产品经理
T
The Blog of Author Tim Ferriss
Recent Announcements
Recent Announcements
Google DeepMind News
Google DeepMind News
云风的 BLOG
云风的 BLOG
MongoDB | Blog
MongoDB | Blog
J
Java Code Geeks
博客园_首页
T
Tailwind CSS Blog
M
MIT News - Artificial intelligence
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻

又见苍岚

COLMAP PatchMatch Stereo 算法详解 事件驱动的状态机框架:从理论到工程实践 Git 在国内网络环境下无法 Push 的排查与修复 —— 配置 Clash 代理 分段五次多项式插值原理详解 路径插值方法深度对比研究 Claude Code 使用指南 OpenClaw 记忆管理与技能创建指南 CBS(Conflict-Based Search)算法详解 A* 算法及其变种详解 OpenClaw 配置多 Agents Windows Powershell 无法加载文件,因为在此系统上禁止运行脚本问题的解决方案 MaxClaw 安装流程 大模型 AI 名词介绍 AList 网盘聚合工具简介 Protobuf 简介与测试 Claude Code 简介以及 GLM 4.7 模型接入 Github 歌词下载工具 163MusicLyrics Python __getattr__ 懒加载 Python TypedDict 机器人仿真平台 Gazebo 安装记录 机器人仿真平台 Gazebo 简介 多机器人路径规划问题(Multi-Agent Path Finding, MAPF)简介 Python exifread 读取修改过的 jpeg 信息错误问题修复 3D 坐标系变换的理解 3D 旋转矩阵基本概念 MongoDB Compass 介绍 Python 环境管理工具 uv Flutter 开发指南 Snipaste 安装下载与黑屏问题解决方案 全局路径规划算法记录
求导法则
Yiwei Zhang · 2023-11-17 · via 又见苍岚

导数表示函数数值随着自变量的变化率,本文记录相关计算规则。

基本求导公式

对于在 $x$ 附近连续的函数 $f(x)$
$$
\Delta y=f(x+\Delta x)-f(x)
$$

则 $ \frac{\Delta y}{\Delta x} $ 在 $x$ 趋近于 0 时为导数:
$$
\lim _{\Delta x \rightarrow 0} \frac{\Delta y}{\Delta x}=f^{\prime}(x)
$$

求导四则运算法则与性质

  1. 若函数 $u(x), v(x) $ 可导,则:

    $$ \begin{array}{c}(u(x) \pm v(x))^{\prime}=u^{\prime}(x) \pm v^{\prime}(x), \\ (u(x) \bullet v(x))^{\prime}=u^{\prime}(x) \bullet v(x)+u(x) \bullet v^{\prime}(x), \\ \left(\frac{u(x)}{v(x)}\right)=\frac{u^{\prime}(x) v(x)-v^{\prime}(x) u(x)}{v^{2}(x)} .\end{array} $$
  2. 加减乘都可以推广到n个函数的情况,例如乘法:

    $$ \left(u_{1} \ldots u_{n}\right)^{\prime}=u_{1}^{\prime}\left(u_{2} \ldots u_{n}\right)+u_{1} u_{2}^{\prime}\left(u_{3} \ldots u_{n}\right)+\ldots+\left(u_{1} \ldots u_{n-1}\right) u_{n}^{\prime} $$
  3. 数乘性

常数可任意进出导数符号。

$$
(c u(x))^{\prime}=c u^{\prime}(x)
$$

  1. 线性性

求导运算也是满足线性性的,即可加性、数乘性,对于n个函数的情况 :

$$
\left[\sum_{i=1}^{n} C_{i} f_{i}(X)\right]^{\prime}=\left[c_{1} f_{1}+\cdots+c_{n} f_{n}\right]^{\prime}=c_{1} f_{1}^{\prime}+\cdots+c_{n} f_{n}^{\prime}
$$

反函数求导法则

若函数 $ x=\varphi(x) $ 严格单调且可导,则其反函数 $ y=f(x) $ 的导数存在,且有:

$$ f^{\prime}(x)=\frac{1}{\varphi^{\prime}(y)} $$

复合函数求导法则

若 $ u=g(x) $ 在点x可导 $ y=f(u) $ 在相应的点u也可导,则其复合函数 $ y=f(g(x)) $ 在点x可导且

$$ y^{\prime}(x)=f^{\prime}(x) \bullet g^{\prime}(x) $$

参考资料

文章链接:
https://www.zywvvd.com/notes/study/math/derivative/derivative/