Παράγωγοι, συμβολισμοί

Αν Y=f(X) μια παραγωγίσιμη συνάρτηση του Χ οι συμβολισμοί

dY df ( X )
Y , f ' ( X ), , , D X f ( X ), D X Y
dX dX

είναι αποδεκτοί συμβολισμοί της παραγώγου της Υ.

 Y Y2  Y1
•Μέσος ρυθμός μεταβολής = 
X X 2  X 1
Η ακρίβεια αυξάνει όσο μειώνεται το διάστημα Χ2-Χ1.
Του διαστήματος αυτού τείνοντος στο μηδέν ο ρυθμός
μεταβολής που υπολογίζουμε είναι ο
dY Y
•Απόλυτος ρυθμός μεταβολής=  lim
dX x0 X
Αν Υ=f(X) συνεχής συνάρτηση σε διάστημα που
περιλαμβάνει το σημείο Χ0 , ο απόλυτος ρυθμός
μεταβολής στο σημείο Χ0 είναι η παράγωγος της f στο
δεδομένο σημείο
1 dY
• Σχετικός ρυθμός μεταβολής=
Y dX
κατά κεφαλήν ρυθμός μεταβολής .
 •Έστω ότι ο πληθυσμός Ν των μικροβίων σε μια καλλιέργεια
διπλασιάζεται κάθε εβδομάδα.
N N N 2 N1  N1 N1
Ο μέσος ημερήσιος ρυθμός μεταβολής είναι t  t2  t 1  7

7
2 1
dN
Αν N t  ce rt  (ce rt )'  rce rt  rN
dt
1 dN
r
N dt

•Στην αρχή του χρόνου (t=0) ισχύει ότι N 0  ce 0  c  N 0

•Για βήμα χρόνου μιας 1 dN

εβδομάδας N1  N 0 e r  2 N 0  N 0e r  r  ln(2)   ln(2)
N dt

dN
 ln(2) N
dt
 Αν c,a,k σταθερές, ισχύουν τα παρακάτω

(c)'  0, (aX )'  a, ( X k )'  kX k 1 , (e X )'  e X , (a X )'  a X Ln(a)

1 1
Ln( X )'  , Log a ( X )'  , sin( X )'  cos( X ), cos( X )'   sin( X )
X XLn(a)
1 1 1 1 1 1
sin ( X )'  , cos ( X )'  , tan ( X )' 
1 X 2
1 X 2 1 X 2
 Κανόνες παραγώγισης
Αν a,b σταθερές και f(x),g(x) παραγωγίσημες συναρτήσεις ισχύουν οι παρακάτω κα

(af ( x)  bg ( x))'  af ' ( x)  bg ' ( x)

( f ( x) g ( x))'  f ( x) g ' ( x)  f ' ( x) g ( x)
f ( x) f ' ( x) g ( x)  f ( x) g ' ( x)
( )' 
g ( x) [ g ( x)] 2
1 f ' ( x)
( )' 
f ( x) [ f ( x)] 2
( f ( g ( x)))'  f ' ( g ( x)) g ' ( x)
Παράγωγος σύνθετης συνάρτησης

dY dY dZ
 
dX dZ dX
 Αν γνωρίζω το
1 dW
W dt
και θέλω να βρω το 1 dH
H dt

dH dH dW
Ισχύει ότι  
dt dW dt

άρα πρέπει να βρω το

dH
dW
 Έστω ότι H  0.5W 0.75
1
dH 3  4
 W
dW 8

1
dH dH dW 3  4 dW
   W
dt dW dt 8 dt

1 1
1 dH 1 3  4 dW 1 3  4 dW 3 1 dW 3 1 dW
 W  3
W  W 
H dt H8 dt 4
8 dt 4 dt 4 W dt
0.5W
 Χρήση παραγώγων στα προβλήματα μεγιστοποίησης-
ελαχιστοποίησης

Παράδειγμα: Περίφραξη ορθογωνίου τμήματος αγρού στο σύνορο

ποταμού με περιορισμένου μήκους συρματόπλεγμα

Ζητούμενο : Μέγιστο εμβαδόν

Συνάρτηση κριτήριο: Ε=ΧΥ

Περιορισμός: L=2X+Y άρα Υ=L-2Χ

Ε=Χ(L-2Χ), Για πια τιμή του Χ το Ε μεγιστοποιείται;

Ε’=L-4X
E’=0 όταν Χ=L/4 (ακρότατο)
Ε’’=-4 (μέγιστο)
 Μεγιστοποίηση κέρδους από καλλιέργεια

• Συλλογιστική
• Το μεικτό κέρδος είναι ανάλογο του βάρους του εκτρεφόμενου ζώου
τη στιγμή της πώλησης.
• Το βάρους των ζώων αυξάνει αρχικά αλλά στη συνέχεια
σταθεροποιείται
• Το κόστος εκτροφής περιλαμβάνει ένα αρχικό κόστος αγοράς
νεαρών ζώων και το ημερήσιο κόστος που είναι ανάλογο του χρόνου
εκτροφής
• Καθαρό κέρδος = Μεικτό κέρδος –Συνολικό κόστος
• Αν σταματήσω την καλλιέργεια νωρίς τα ζώα δεν θα έχουν κερδίσει
αρκετό βάρος
• Αν συνεχίσω την καλλιέργεια πέραν ενός σημείου τα ζώα θα
κερδίζουν βάρους με μικρό ρυθμό ενώ τα έξοδα εκτροφής θα
αυξάνουν συνεχώς
 Μεγιστοποίηση κέρδους από καλλιέργεια

• Αρχικό κόστος αγοράς γόνου= Κα Ευρώ /άτομο

• Το αρχικό βάρος κάθε ατόμου είναι W0

• Μεταβολή βάρους με το χρόνο Wt  a  (W0  a)e  mt

• ημερήσιο κόστος εκτροφής ανά άτομο Κε

• Τιμή πώλησης Ε Ευρώ το κιλό

• Μεικτό κέρδος EWt  E (a  (W0  a)e  mt )

• Συνολικά έξοδα K a  K et

• Καθαρό κέρδος E (a  (W0  a)e  mt )  K a  K et

E (a  (W0  a)e  mt )  K a  K et

( E (a  (W0  a)e mt )  K a  Ket ) ' 

mEae mt  mEW0e mt  mEae mt  Ke 

mEW0e  mt  K e
 Ke
mEW0e  mt  K e  0  mEW0e  mt  K e  e  mt  
mEW0

 Ke 
ln   
 Ke   mEW0 
mt  ln     t  
 mEW 0  m
Συναρτήσεις πολλών μεταβλητών

R 
 R
n f

Y  f ( x1 , x2 ,...xn )

Z  f ( X ,Y )
Z  f ( X ,Y )  Y  X
2 2
 Υ=α =σταθερά, τότε
Z  f ( X , a)  a 2  X 2
παραβολή που έχει

Z
X
μέγιστο στο σημείο
Χ=0, Υ=α, Ζ= α2

Χ=α =σταθερά, τότε

Z  f (a, Y )  Y 2  a 2

παραβολή που έχει

ελάχιστο στο σημείο
Χ=α, Υ=0, Ζ= -α2
 Αν Ζ =σταθερά
3
-8.0
-6.0
-2.0 -4.0
2
4.0
2.0
6.0
1

8.0 0
0
Y

0 8.0

-1
2.0
6.0
4.0
-2
-4.0 -2.0
-6.0
-8.0
-3
-3 -2 -1 0 1 2 3

Ζ=2 X

4Y2  X2 Y2  X2 4Y   X2 4

 Z  f ( X ,Y )  Y 2  X 2
18

16

14

12

10
Z

2
Z  a  a  Y 2  X 2  Y 2  X 2  ( a )2
3
2
0 1
-3
-2 0 3
-1 -1 13
0 Y 14 13 14
1 -2
X 2 11
3 -3
2 9.0
11
5.4

1
1.8

0
Y

-1
3.6

7.2
-2
11 11 13
14 13 14
-3
-3 -2 -1 0 1 2 3

X
Ισοσταθμικές καμπύλες (contour
lines)
 Μερική παράγωγος
• Συμβολίζει την μεταβολή της εξαρτημένης
μεταβλητής Υ όταν μεταβάλλεται μία από τις
ανεξάρτητες μεταβλητές, των υπολοίπων
θεωρουμένων σταθερών
• Αν Ζ=f(X,Y)

Z Z
X Y
 Μερικές παράγωγοι

Z  f ( X ,Y )  Y  X
2 2

Z (Y 2  X 2 )
  0  2X  2X
X X

Z (Y 2  X 2 )
  2Y
Y Y
 Ασκήσεις
N1
f1 ( N1 , N 2 )  N1 (1   aN 2 )
K
f 2 ( N1 , N2 )  N2 (bN1  1)
Υπολογίστε τις μερικές παραγώγους

f1 f1
N1 N 2
f 2 f 2
N1 N 2
Ταχύτητα μεταβίβασης σήματος
από νευρώνες
X=r/R
0<X<1
Ταχύτητα διάδοσης
σήματος σε μονωμένους
αγωγούς
r
U=-aX2LnX
R a=σταθερά

Σε ποια τιμή Χ
μεγιστοποιείται η
ταχύτητα ;
Στους άξονες των
νευρώνων Χ=0.6
περίπου
 Αόριστο ολοκλήρωμα

Η ολοκλήρωση είναι αντίστροφη διαδικασία της παραγώγισης

d
dX
  f ( X )dX   f ( X )  c
 Κανόνες ολοκλήρωσης

e '  f ' ( x)e

f ( x) f ( x)

 f ' ( x )e dx e c
f ( x) f ( x)

1 1 1 x2
 xe dx  2 2 xe dx  2  ( x ) ' e dx  2 e  C
x2 x2 2 x2
 ln( f ( x)  '  f '( x) / f ( x)
 f '( x) / f ( x)dx  ln( f ( x) )  c

2x (1  x 2 ) '
 1  x2 dx   1  x2 dx  ln(1  x )  c
2
 n 1
( f ( x) )'  nf ' ( x) f ( x)
n


n 1
nf ' ( x) f ( x) dx  f ( x)  c
n

1
           c
5 5 5 6
(1 x ) dx 1(1 x ) dx (1 x ) '(1 x ) dx (1 x )
6
Μέθοδος αλλαγής μεταβλητής

f ' ( g ( x))  f ( g ( x)) g ' ( x)

 f ( g ( x)) g ' ( x)dx  f ( g ( x))  c

Ολοκλήρωση κατά παράγοντες

 f ( x) g ( x)  '  f ( x) g '( x)  f '( x) g ( x)

 ( f ( x) g '( x)  f '( x) g ( x))dx  f ( x) g ( x)  c