편미분, 전미분, 델타
편미분, 전미분, 델타에 관한 정의¶
변화율 (델타) ¶
- 과연 이 둘은 같을까?
\[ dx \leftrightarrow \Delta x \]
-
정답은 다르다. 시간적인 측면에서 \(dx\) 는 연속적이고 \(\Delta x\) 는 이산적인 상황에서 사용한다.
-
\(x\) 가 변화할 때, 종속변수 \(y\) 가 변하는 변화율
- 이는 분수처럼 취급이 가능하다. (물론 아닌 경우도 있다)
- \(dx\) 는 \(\Delta x\) 를 극한으로 보낸 것이기에 어떤 숫자로 정의할 수 없다.
- \(\Delta x\) 는 분수다.
\[ \frac{dy}{dx} \]
- \(y\) 는 \(x\) 의 종속변수기 때문에 \(x\) 를 극한으로 보내는 것만으로도 만족한다.
- 적분에서의 응용 사례를 보자.
- \(f\) 를 적분하고 싶은데 \(f\) 는 \(x\) 에 대한 종속 변수이다.
- 이때, \(\Delta x\) 를 아주 작은 값으로 만들어서 더욱 근사를 한다.
편미분과 전미분¶
- 독립 변수: 다른 변수에 영향을 받지 않는 독립적인 변수
- 종속 변수: 다른 변수에 영향을 받는 변수
- 다변수 함수: 함숫값을 결정할 대 \(2\) 개 이상의 독립 변수가 필요한 함수
-
다변수 함수를 미분할 때 사용하는 것이 편미분과 전미분이다.
-
편미분: 다변수 함수에서 관심이 있는 한 변수만 변수로 생각하고, 나머지 변수들은 상수로 취급한 뒤 미분하는 방법이다.
- 주로 다변수함수에서 \(1\) 개의 변수의 값이 변화할 때의 변화율을 알기 위해 사용된다.
- 즉, 총 \(3\) 개의 과목 \(x,y,z\) 에서 \(x\) 라는 과목의 점수만 변화했을 때 전체 평균이 얼마나 변할지 궁금하면 사용한다.
- 직관적인 해석: \(x\) 가 변화하면, \(f\) 는 얼마나 변화하는가
\[ f_x(x,y,z) = \frac{\partial f}{\partial x} \]
- 전미분: 전체 과목의 점수가 모두 변화할 때 전체 평균이 어떻게 변하는지 알고 싶을 때 사용한다. 즉, 다변수 함수를 모든 변수에 대해서 미분하는 것.
\[ df(x,y,z) = \frac{\partial f}{\partial x}dx + \frac{\partial f}{\partial y}dy + \frac{\partial f}{\partial z}dz \]
- 전체 평균을 함수로 표현한다면, \(f(x,y,z) = \frac{1}{3}x + \frac{1}{3}y + \frac{1}{3}z\) 이다. 이를 전미분하면 다음과 같다.
- \(x\) 과목의 점수가 \(6\) 점, \(y\) 과목의 점수가 \(12\) 점, \(z\) 과목의 점수가 \(30\) 점 떨어졌다면, 평균은 총 \(2+4+10=16\) 점 떨어지게 된다.
- 직관적인 해석: \(x\) 에 대해서만 보자면, \(x\) 가 변화할 때 \(f\) 가 변화하는 비율은 \(1/3\) 인데, 실제로 \(x\) 는 \(-6\) 점의 변화가 있었으니 \(f\) 는 \(2\) 점이 떨어진다.
\[ f(x,y,z) = \frac{1}{3}dx + \frac{1}{3}dy + \frac{1}{3}dz \]
-
벡터장
-
\(x\) 가 변할 때 \(f\) 가 변하는 비율 (크기) \(\times\) \(x\) 방향으로의 단위 벡터: 크기 \(\times\) 방향
\[ f(x,y) = \frac{\partial f}{\partial x} i + \frac{\partial f}{\partial y} j \]