幂和多项式导数简明介绍

机器学习和数据科学算法中最常用的函数之一是多项式或涉及 x 幂次的函数。因此,理解如何计算此类函数的导数非常重要。

在本教程中,您将学习如何计算 x 的幂函数和多项式的导数。

完成本教程后,您将了解:

  • 计算多项式导数的一般规则
  • 求涉及 x 的任何非零实数幂次的函数导数的一般规则

让我们开始吧。

Mountains at KhairaGali

幂函数和多项式的导数,图片由 Misbah Ghufran 提供,保留部分权利

教程概述

本教程分为两部分;它们是

  1. 涉及 x 整数幂次的函数的导数
  2. 具有 x 的任何非零实数幂次的函数的微分

两个函数和的导数

让我们从寻找一个管理两个函数之和的简单规则开始。假设我们有两个函数 f(x) 和 g(x),那么它们的和的导数可以如下求出。如果需要复习,您可以参考导数的定义

Derivative of the Sum of Two Functions

两个函数和的导数

这里我们有一个通用规则,即两个函数之和的导数是各个函数导数之和。

x 的整数幂次的导数

在讨论 x 的整数幂次的导数之前,我们先回顾一下二项式定理,它告诉我们如何展开以下表达式(其中 C(n,k) 是组合函数)

(a+b)^n = a^n + C(n,1)a^(n-1)b + C(n,2)a^(n-2)b^2 + … + C(n,n-1)ab^(n-1) + b^n

我们将推导一个简单的规则,用于求涉及 x^n 的函数的导数,其中 n 是一个整数且 n>0。让我们回到本教程中讨论的导数定义,并将其应用于 kx^n,其中 k 是一个常数。

Derivative of kx^n

kx^n 的导数

以下是应用此规则的一些示例

  • x^2 的导数是 2x
  • 3x^5 的导数是 15x^4
  • 4x^9 的导数是 36x^8

如何微分多项式?

这两个规则,即两个函数之和的导数规则和 x 整数幂次的导数规则,使我们能够微分多项式。如果我们有一个 n 次多项式,我们可以将其视为涉及 x 的不同幂次的单个函数之和。假设我们有一个 n 次多项式 P(x),那么它的导数 P'(x) 由下式给出:

Derivative of a Polynomial

多项式的导数

这表明 n 次多项式的导数实际上是一个 (n-1) 次多项式。

示例

下面显示了一些示例,其中多项式函数及其导数都绘制在一起。蓝色曲线表示函数本身,而红色曲线表示该函数的导数。

Examples of Polynomial Functions and Their Derivatives

多项式函数及其导数的示例

x 的非整数幂次呢?

上述推导的规则也适用于 x 的非整数实数幂次,这些幂次可以是分数、负数或无理数。一般规则如下,其中 a 和 k 可以是任何不等于零的实数。

f(x) = kx^a

f'(x) = kax^(a-1)

一些例子是

  • x^(0.2) 的导数是 (0.2)x^(-0.8)
  • x^(????) 的导数是 ????x^(????-1)
  • x^(-3/4) 的导数是 (-3/4)x^(-7/4)

这里有一些例子,它们与它们的导数一起绘制。同样,蓝色曲线表示函数本身,红色曲线表示相应的导数

Examples of Derivatives of Expressions Involving Real Powers of x

涉及 x 实数幂次的表达式导数示例

 

扩展

本节列出了一些您可能希望探索的扩展本教程的想法。

  • 两个函数乘积的导数规则
  • 有理函数的导数规则
  • 积分

如果您探索了这些扩展内容中的任何一个,我很想知道。请在下面的评论中发布您的发现。

延伸阅读

如果您想深入了解,本节提供了更多关于该主题的资源。

教程

资源

书籍

  • 《托马斯微积分》,第14版,2017年。(基于 George B. Thomas 的原创作品,由 Joel Hass, Christopher Heil, Maurice Weir修订)
  • 微积分,第 3 版,2017 年。(Gilbert Strang)
  • 《微积分》,第8版,2015年。(James Stewart)

总结

在本教程中,您学习了如何微分多项式函数和涉及 x 的非整数幂次和的函数。

具体来说,你学到了:

  • 两个函数之和的导数
  • 常数乘以 x 的整数幂次的导数
  • 多项式函数的导数
  • 涉及 x 的非整数幂次表达式之和的导数

你有什么问题吗?

在下面的评论中提出你的问题,我会尽力回答。

掌握机器学习微积分!

Calculus For Machine Learning

通过微积分概念变得更聪明

...通过更好地理解微积分的符号和术语

在我的新电子书中探索如何实现
机器学习微积分

它提供**自学教程**,并附有关于以下内容的**完整工作代码**:
微分梯度拉格朗日乘子法雅可比矩阵等等...

将恰到好处的微积分知识带到
您的机器学习项目


查看内容

暂无评论。

发表评论

Machine Learning Mastery 是 Guiding Tech Media 的一部分,Guiding Tech Media 是一家领先的数字媒体出版商,专注于帮助人们了解技术。访问我们的公司网站以了解更多关于我们的使命和团队的信息。