1.求导法则
(u±v)′=u′±v′
(uv)′=u′v+v′u
(uv)′=u′v−v′uv2
2.常用公式
(xa)′=axa−1
(ax)′=axlna
(sinx)′
微分
2016-11-23
1049
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
1.求导法则(u±v)′=u′±v′(u\pm v)'=u'\pm v'(uv)′=u′v+v′u(uv)'=u'v+v'u(uv)′=u′v−v′uv2( \frac u v)'=\frac {u'v-v'u} {v^2}2.常用公式(xa)′=axa−1(x^a)'=ax^{a-1}(ax)′=axlna(a^x)'=a^xlna(sinx)′(sinx
目录
相关文章
|
移动开发
算法
|
1月前
|
资源调度
算法
机器人
|
1月前
|
计算机视觉
|
11月前
|
机器学习/深度学习
算法
Python
微积分：微分
1.代数推导
假设我们有一个正方形初始边长为X，这时面积S1=x²
然后正方形的边长增加△x，此时面积S2=（x+△x）²
变化的面积大小是△s=（x+△x）²- x²=2x△x+（△x）²
观察可以发现当△x越小(△x)²会比2x△x率先趋近于0，也就是换句话说，当△x很小时我们可以近似的认为
△s=2x△x
仔细观察上面的式子，这个2X其实就是x的平方的导数，这时候我们是不是就理解了为什么说导数可以描述变化趋势的快慢。
102
0
0
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
人工智能
数据可视化
|
机器学习/深度学习
算法
搜索推荐
