Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 미적분 #접선의 방정식 #최적화 #뉴턴법 #뉴턴-랩슨법
- lightweightmmm
- mmm
- Media Mix Modeling
- bayesian
- 프로그래머를 위한 선형대수 #선형대수 #고유값 #고유벡터 #고유분해
- 프로그래머를 위한 선형대수 #선형대수 #고유분해 #고윳값 #고유벡터
- 시계열분석 #Time-Series Analysis #이상탐지 #Anomaly Detection #Spectral Residual #CNN #SR-CNN
- 프로그래머를 위한 선형대수 #선형대수 #고유값 #고유벡터 #야코비 회전법 #QR법 #하우스홀더반사 #행렬회전
- Optimization
- 프로그래머를 위한 선형대수 #선형대수 #행렬계산
- 미적분
- 수리통계
- 프로그래머를 위한 선형대수 #선형대수 #LU분해
- bayesian inference
- 미적분 #평균값 정리 #로피탈의 정리 #접선의 방정식
- Marketing Mix Modeling
- 미적분 #사인과 코사인의 도함수
Archives
- Today
- Total
문과생 네버랜드의 데이터 창고
6. 미분소 본문
- 정의
1) 함수의 증분 $\Delta x$, $\Delta y$를 거의 따라가는 접선의 변화량 $dx$, $dy$를 미분소라고 한다.
2) 이 때, 위 그림에서 $\Delta x$에 따른 함수의 변화량은 $\Delta y$ 이다. 즉
$$ \Delta y = f(x + \Delta x) - f(x)$$
3) 이 때, $dx$에 따른 접선의 변화량은 $dy$ 이다. 즉
$$ dy = f(x) + f'(x)\Delta x $$
4) 정의역 x의 변화량은 $\Delta x = dx$로 같지만, y의 변화량은 $\Delta y$와 $dy$가 그 오차만큼 차이가 난다.
=> 다시 말해, $\Delta y$는 함수에 가까운데 비해 $dy$는 접선에 더 가깝다. - 예시로 보는 미분소
1) $y = x^{2}$은 $\frac{dy}{dx} = 2x$이고, $dy = 2xdx$이다.
2) $dy$라는 선형함수의 값은 기울기 $2x$를 갖는 함수 $2x \cdot dx$와 같고, x=2에서 정의된 근사점에 대하여 각 함수값의 변화를 표로 정리하면
dx $\Delta x$ dy $\Delta y$ 차이 11 1 4 5 1 2 2 8 16 4 4 4 16 32 16
'미적분' 카테고리의 다른 글
8. 뉴턴법 (0) | 2023.05.13 |
---|---|
7. 최대점과 최소점(정류점) (2) | 2023.05.09 |
4. 선형 근사 (2) | 2023.05.06 |
3. 미분의 연산법 (0) | 2023.05.04 |
2. 사인과 코사인 함수의 도함수 (0) | 2023.05.03 |