大家学习多元微积分,遇到的第一个难点想必就是偏导数,别问俺怎么知道的,因为俺当时也不会(小声)。但是,现在会了,就来告诉大家这个偏导数究竟是什么东东。

1、导数

首先,偏导数,人家毕竟带着“导数”二字,想必和导数脱不了干系。那么,啥是个导数?

如图所示,这是函数的图像,我们观察这个点,函数图像在这个点的坐标为,我们想像在这个点,x增大了一个很小的值,比如x变成了5.00001,这个时候y肯定也变化了,我们计算一下这个时候y变成了25.00100001。我们将此时的情形图像化一下:

那么我们来计算以下y的变化幅度和x变化幅度的比值A:

计算出来为10.0001,那么我们将x增加为5.000001呢,这时y为25.000010000001,比值为10.00000100148668。我们发现,这个比值似乎越来越接近10了!,这个10就是函数在x=5处的导数。

根据我们上面的探究,我们将x的那个微小变化表示为dx,因为x的微小变化引起的y的微小变化表示为dy,那么当这个dx越来越小时,我们根据以上的研究可以发现,的值似乎越来越靠近一个定值,我们将这个定值称之为这个函数在这个点的导数,例如上面的例子,就是函数在x=5处的导数。

我们表示的专业一点,加入我们有一个函数,我们在上面取一个点,那么函数在处的导数就可以表示为:

也就是,我们要求的导数就是这个变化幅度dx小的不能再小的时候dy和dx的比值。

说到底,导数就是表示在一个点处,x变化了一个很小的量,这时y的变化量是这个x变化量的几倍。这个x我们可以称之为自变量,所以导数就是表示一个一元函数,它的自变量变化了一丢丢,这时因变量肯定也变化了一丢丢,这个因变量变化的一丢丢是自变量变化的一丢丢的多少倍。

因而我们可以给出一个更一般的式子(这是本菜鸡自己总结的,如有错误,希望大家指正):

以上就是对导数的说明,那么我们还有一个点没解释,什么呢?就是导函数,那么导函数又是什么呢?对于函数上的每一个点,我们都有对应的导数值,那么这些点和函数在这里的导数有没有一个对应的函数关系呢?答案是有的。这个函数就是所谓的导函数,也就是导数的函数嘛。比如,的导函数就是,我们验证以下在x=5处时的结果,根据导函数,在x=5处的导数应该为2*5 = 10,与我们所计算的一致。至于导函数怎么来求,我就不啰嗦啦,想必大家学到多元函数了,也肯定会算一元导数了吧。我这一节讲的东西只是希望大家可以更加好的对导数有一个理解啦。

OK,导数我们说完了,现在我们来看偏导数。

2、偏导数

刚才我们讲导数时,我们使用了函数,我们取了自变量x在5处的一个微小的变化dx,然后计算了因变量y因dx而产生的微小变化dy,然后研究了的值,当dx越来越小时,这个值越来越靠近函数在5处的导数值。

那么,什么又是偏导数呢,我们以二元函数为例。刚刚自变量只有一个x,我们给x增加了一个微小的量dx,如下图所示:

但是问题就是,我们现在有两个自变量,一个x,一个y,我们到底增加哪个?增加x还是增加y?还是都增加?增加的话又增加多少呢?就像下面这个图一样:

图中的点按照红色箭头的方向,怕不是有无数个自变量变化的情况类,那我们该怎么分析呢?当然是先选择特殊方向了。

2.1 特殊方向1:x的方向

我们先选择单纯x方向的情况来分析吧。就像下面这样:

我们先拿一个点x=1,y=2吧(我们以函数为例的哦,可别整忘了),我们只在x方向加一个微小的增量dx,我们假设变过之后x=1.0001,y=2,那么在因变量z上的微小变化dz是多少呢?我们计算一波吧:

增加之前:

增加之后:

那么

这里的dz,就是我们上面所说的d(因变量),那么这里的d(自变量)呢?因为这里我们只改变了x,所以d(自变量) = dx,那么,那么当x变为1.00001,y还是2时呢?这里不再进行繁琐的计算啦,直接告诉大家答案吧,为4。聪明的同学估计已经猜出来了,这个在x=1,y=2时,x方向变化时,导数是不是4呀?确实是这样的,这一点x变化时,当dx足够小时,的值确实是4.由于这是二元函数中,有两个自变量,我们不能再把称作导数了,我们给它取一个新名字:偏导数,我们上面研究的就是x方向上的偏导数,记作(你可以把这个特殊的符号想象成为d上面变弯了,但意义和d差不多,都代表微小量)。

我们回想刚刚计算的过程,我们这个过程中只改变了x的值,y唯一需要做的就是像个呆瓜一样看着x在变来变去,说的专业一丢丢,就是当作一个常数。我们计算任意一个点对x的偏导数都是这么算的,在计算的过程中,y就当作一个常数就好了。以上面的例子来说(就是函数),它在一个点处的对x的偏导数就是:

其意义就是:取一个x方向上的微小变化,y不变,当这个微小变化小的不能再小时,求出dz和dx的比值。

说到这儿,肯定有不少同学想到这么一个问题:保持y不变时,比如y=2时,我们x的值和函数在这个x值处对x的偏导数之间有没有什么函数关系呢?答案是有的,怎么计算呢?就以

为例,y=2时,这个函数就变成了 ,其几何意义就是把这个函数平面上所有y=2的点都拿出来,也就是求一下这个函数和平面y=2的交线,我们根据计算可以知道,这个交线就是直线z=4x。好啦,我们现在知道了:当y=2时,求这个函数关系,就是求直线z=4x上的这个函数关系!是不是想到了我们上面说的导函数?是的,我们做了这么多,不就是为了减少自变量的个数向一元函数靠近嘛。这个思想也是数学上的一个很重要的思想:我们解方程组时的消元就和这个思想差不多。

好耶,我么终于可以开始计算这个函数关系了,很显然就是把z=4x这个函数对x求导(为甚什么是x,因为我们现在只关心x,y我们定下来了,我们现在做的就是给y一个定值,然后探究x的微小变化对函数值的影响),一顿操作下来,我们求出来z‘=4,和我们上面计算的一致啦!那么这个z‘=4的意义是什么呢?它代表着在函数z=2xy上,当y=2时,我们求函数上的点(,2)对x的偏导数,都是4。是不是和我们上面计算的一致嘞?

这个y’=4,专业术语是什么呢?我想你肯定已经猜到啦!它时函数z=2xy在y=2处的对x的偏导函数。既然说到这里了,我们能不能更一般化一下嘞?我们假设y=a(a是一个任意常数),那么我们就可以求出来当y=a时的对x的偏导函数了。我们先计算一下y=a时函数变成了,然后我们对x求导结果为z‘=2a,我们很多时候不把这里写成z'=2a,而是写成z’=2y,因为a就是y嘛。所以我们得出来z=2xy对x的偏导函数就是2y,即:

对于其他的函数,我们的计算方式都一样,啰嗦了这么多,总结起来就一句话:将y看成常数。

2.2 特殊方向1:y的方向

我想经过上面对x方向的讲解的话,我们似乎不需要再在这里啰嗦了,毕竟一个道理嘛~,刚刚将y看作常数,这个时候就把x当作常数不就好了嘛。话不多说了,我们就拿上面的z=2xy例来说,这个函数对y的偏导数就是2x嘛,也就是:

2.3 其他方向呢?

讲到这里了,有的同学要提问了:你怎么光说了x方向和y方向,其余的那么多方向怎么办,不管啦?当然不是,对于其余的那么多方向,我们有一个专业的名字:方向导数,这些方向导数,我们都可以用的组合表示出来,至于怎么表示,俺下一篇文章再讲啦!

多元微积分(一)--导数与偏导数相关推荐

  1. 梯度下降算法的细节补充(凸函数, 导数, 偏导数,梯度, 方向导数以及负梯度下降最快背后的泰勒身影)

    1. 写在前面 这篇文章, 再来对梯度下降算法进行一个小的回顾, 梯度下降算法是求解无约束多元函数极值最常用的数值方法, 很多机器学习常用算法和神经网络都是以它作为算法框架进行优化参数. 所以这个算法 ...

  2. 机器学习:导数与偏导数的区别.

    机器学习:导数与偏导数 导数和偏导数没有本质区别,都是当自变量的变化趋于0时,函数值的变化量与自变量变化量的比值的极限(如果极限存在的话). 一元函数,一个y对应一个x,导数只有一个. 二元函数,一个 ...

  3. 导数,偏导数,方向导数,梯度的理解---微积分数学基础

    文章目录 0 概述 1. 导数的概念 1.1 导数的定义 1.2 导数的本质 2. 偏导数的概念 2.1 偏导数定义 2.2 偏导数的本质 3. 方向导数 3.1 方向导数定义 3.2 方向导数的最大 ...

  4. 导数,偏导数,方向导数与梯度的定义与联系

    参考博客https://blog.csdn.net/baishuo8/article/details/81408369和知乎https://www.zhihu.com/question/3630136 ...

  5. 导数、偏导数、方向导数、梯度、梯度下降

    原作者:WangBo_NLPR 原文:https://blog.csdn.net/walilk/article/details/50978864  原作者:Eric_LH 原文:https://blo ...

  6. (转)导数、偏导数、方向导数、梯度、梯度下降

    原作者:WangBo_NLPR 原文:https://blog.csdn.net/walilk/article/details/50978864  原作者:Eric_LH 原文:https://blo ...

  7. 【RL数学基础】微积分的基本概念:导数、偏导数、方向导数、梯度

    文章目录 1.导数 2.偏导数 3.方向导数 4.梯度 1.导数 导数定义: 反应的是函数 y=f(x)y=f(x)y=f(x) 在某一点处沿着自变量 xxx 的正方向(即: xxx 轴正方向)的变化 ...

  8. (摘)导数、偏导数、方向导数、梯度、梯度下降概念和解释

    前言 机器学习中的大部分问题都是优化问题,而绝大部分优化问题都可以使用梯度下降法处理,那么搞懂什么是梯度,什么是梯度下降法就非常重要!这是基础中的基础,也是必须掌握的概念! 提到梯度,就必须从导数(d ...

  9. (转)导数、偏导数、方向导数、梯度、梯度下降概念和解释

    转自:https://www.cnblogs.com/lingjiajun/p/9895753.html 前言 机器学习中的大部分问题都是优化问题,而绝大部分优化问题都可以使用梯度下降法处理,那么搞懂 ...

  10. 深度学习知识点(1):有关导数、偏导数、方向导数、梯度的基本概念问题

    目录 1.导数 2.偏导数 3.方向导数 4.梯度 1.导数 导数反映的是函数y=f(x)在某一点处沿x轴正方向的变化率. 比如,在x=1处的导数是2. 导数是通过极限来定义的,某一点的导数=tanψ ...

最新文章

  1. 比特币挖矿——区块链技术
  2. Android AndFix热补丁动态修复框架使用教程
  3. linkedlist 置顶
  4. Selenium3+python自动化009- 多选框
  5. [云炬商业计划书阅读分享] 体育器材
  6. python2.7调用mysql存储过程并且返回结果
  7. python高级语法装饰器_Python高级编程——装饰器Decorator超详细讲解上
  8. 遍历这些字符串,如果字符串没有包含数字的,就将字符串中的小写字母转成大写字母并打印字符串
  9. 大数据数据收集数据困难_大数据就是好数据吗?研究人员在处理大数据集时遭遇的 5 大挑战...
  10. [导入]RSS商业应用和电子商务的结合
  11. Enum 作为一个数据源绑定
  12. 美国西海岸php,美国西海岸大学top 14
  13. 110 同步、异步、阻塞、非阻塞
  14. EXCEL快捷键大全(三)(九耶-钛伦特)
  15. 高并发(水平扩展,垂直扩展)
  16. 代码文本对比-前端工具
  17. “恐怖”的阿里一面,我究竟想问什么
  18. 北理工乐学 42. 五年级小学生的题目
  19. Python环境配置和安装包总结
  20. Appium+Eclipse+夜神模拟器 实现QQ打电话功能

热门文章

  1. 图解Stm32使用jlink下载程序时jtag接口(SW和JTAG模式)的简化方法
  2. logback日志使用记录
  3. 主板和机箱螺丝孔对不上?
  4. 模板类的特例化(具体化)
  5. 伯禹公益AI《动手学深度学习PyTorch版》Task 06 学习笔记
  6. C++报错:引发了未经处理的异常:写入访问权限冲突, p 是 0xCCCCCCCC
  7. 最全面的shiro知识点学习
  8. 操作系统实验六 设备管理
  9. autojs ui界面漂亮模板2
  10. spin_lock_bh使用