Tilbake
7.5
Definisjonen av derivasjon og numerisk derivasjon

7.5 Definisjonen av derivasjon og numerisk derivasjon

En fortelling om grenseverdien som definerer det hele -- den formelle definisjonen av den deriverte og hvordan datamaskiner tilnærmer seg den numerisk.

40 min
5 oppgaver
GrenseverdiDerivasjonsdefinisjonenNumerisk derivasjonDifferenskvotient
Du leser den lesevennlige versjonen
Din fremgang i kapitlet
0 / 5 oppgaver
Lytt til denne delen

Lydfil som leser opp teksten frem til første quiz.

Bak kulissene i derivasjon

Vi har nå lært å derivere med potensregelen, sumregelen og konstantregelen. Men har du lurt på hvorfor disse reglene fungerer? Hva er det egentlig som skjer matematisk når vi deriverer?

I dette kapittelet går vi bak kulissene og ser på den formelle definisjonen av den deriverte. Vi skal forstå hva en grenseverdi er, bli kjent med Newton-kvotienten (også kalt differanskvotienten), og lære om numerisk derivasjon – en metode for å finne tilnærmede verdier av den deriverte. Selv om de konkrete reglene vi har lært er raske og praktiske, er det verdifullt å forstå fundamentet de hviler på.

Newton-kvotienten – gjennomsnittlig vekstfart i ny drakt

Vi begynner med noe kjent. Husk at gjennomsnittlig vekstfart mellom to punkter er f(x2)f(x1)x2x1\displaystyle \frac{f(x_2) - f(x_1)}{x_2 - x_1}. Nå skriver vi det på en litt annen måte. La oss si at vi starter i punktet xx og beveger oss en liten avstand hh til høyre, slik at det andre punktet er x+hx + h. Da blir gjennomsnittlig vekstfart:

f(x+h)f(x)h\frac{f(x + h) - f(x)}{h}

Denne brøken kalles Newton-kvotienten eller differanskvotienten. Den gir stigningstallet til sekanten mellom punktene (x,f(x))(x, f(x)) og (x+h,f(x+h))(x + h, f(x + h)).

La oss ta et eksempel. Med f(x)=x2f(x) = x^2, x=2x = 2 og h=0,1h = 0{,}1 får vi: f(2,1)f(2)0,1=4,4140,1=0,410,1=4,1\displaystyle \frac{f(2{,}1) - f(2)}{0{,}1} = \frac{4{,}41 - 4}{0{,}1} = \frac{0{,}41}{0{,}1} = 4{,}1. Vi vet at den eksakte deriverte er f(2)=22=4f'(2) = 2 \cdot 2 = 4, så 4,14{,}1 er en god tilnærming – ganske nær, men ikke helt nøyaktig.

Hva skjer hvis vi gjør hh enda mindre? Med h=0,01h = 0{,}01: f(2,01)f(2)0,01=4,040140,01=4,01\displaystyle \frac{f(2{,}01) - f(2)}{0{,}01} = \frac{4{,}0401 - 4}{0{,}01} = 4{,}01. Enda nærmere! Jo mindre hh, desto bedre tilnærming.

📝Oppgave Quiz 1
Lytt til denne delen

Lydfil som leser opp teksten frem til neste quiz.

Definisjonen av den deriverte – grenseverdien

Vi har sett at Newton-kvotienten gir bedre og bedre tilnærminger til den deriverte jo mindre hh vi velger. Den formelle definisjonen sier at den deriverte er det Newton-kvotienten stabiliserer seg på når hh går mot null. Vi skriver det med grenseverdi-symbolet:

f(x)=limh0f(x+h)f(x)hf'(x) = \lim_{h \to 0} \frac{f(x + h) - f(x)}{h}

Les dette som: «grenseverdien av Newton-kvotienten når hh går mot null». Merk at vi ikke kan sette h=0h = 0 direkte, for da ville vi delt på null. I stedet lar vi hh bli vilkårlig nær null og ser hva brøken nærmer seg.

La oss bevise at den deriverte av x2x^2 er 2x2x ved å bruke definisjonen. Vi starter med Newton-kvotienten: (x+h)2x2h\displaystyle \frac{(x + h)^2 - x^2}{h}. Vi utvider (x+h)2=x2+2xh+h2(x + h)^2 = x^2 + 2xh + h^2. Da får vi x2+2xh+h2x2h=2xh+h2h=h(2x+h)h=2x+h\displaystyle \frac{x^2 + 2xh + h^2 - x^2}{h} = \frac{2xh + h^2}{h} = \frac{h(2x + h)}{h} = 2x + h. Når h0h \to 0, forsvinner hh-leddet, og vi sitter igjen med f(x)=2xf'(x) = 2x.

Dette er altså grunnen til at potensregelen fungerer for x2x^2. Lignende utregninger kan gjøres for høyere potenser, og de gir alltid potensregelen.

📝Oppgave Quiz 2
Lytt til denne delen

Lydfil som leser opp teksten frem til neste quiz.

Derivasjon fra definisjonen – flere eksempler

La oss bruke definisjonen på noen flere funksjoner for å få trening. Ta f(x)=3xf(x) = 3x. Newton-kvotienten blir 3(x+h)3xh=3x+3h3xh=3hh=3\displaystyle \frac{3(x + h) - 3x}{h} = \frac{3x + 3h - 3x}{h} = \frac{3h}{h} = 3. Når h0h \to 0, er svaret fortsatt 33. Altså er f(x)=3f'(x) = 3. Det stemmer – den deriverte av en lineær funksjon er stigningstallet.

Nå et litt vanskeligere eksempel: f(x)=x2+1f(x) = x^2 + 1. Newton-kvotienten er (x+h)2+1x21h=x2+2xh+h2+1x21h=2xh+h2h=2x+h\displaystyle \frac{(x + h)^2 + 1 - x^2 - 1}{h} = \frac{x^2 + 2xh + h^2 + 1 - x^2 - 1}{h} = \frac{2xh + h^2}{h} = 2x + h. Når h0h \to 0, får vi f(x)=2xf'(x) = 2x. Legg merke til at konstanten +1+1 ikke påvirker den deriverte – den «forsvant» i utregningen.

Et tredje eksempel: f(x)=2x2xf(x) = 2x^2 - x. Newton-kvotienten gir 2(x+h)2(x+h)2x2+xh\displaystyle \frac{2(x+h)^2 - (x+h) - 2x^2 + x}{h}. Vi utvider og forenkler: 2x2+4xh+2h2xh2x2+xh=4xh+2h2hh=4x+2h1\displaystyle \frac{2x^2 + 4xh + 2h^2 - x - h - 2x^2 + x}{h} = \frac{4xh + 2h^2 - h}{h} = 4x + 2h - 1. Grenseverdien når h0h \to 0 gir f(x)=4x1f'(x) = 4x - 1.

📝Oppgave Quiz 3
Lytt til denne delen

Lydfil som leser opp teksten frem til neste quiz.

Numerisk derivasjon – tilnærminger i praksis

Noen ganger er det vanskelig eller umulig å finne den eksakte deriverte. Kanskje funksjonen er for komplisert, eller kanskje du bare har en tabell med tallverdier og ingen formel. Da bruker vi numerisk derivasjon, som gir en tilnærmet verdi.

Den enkleste metoden er å bruke Newton-kvotienten direkte med en liten verdi av hh: f(x)f(x+h)f(x)h\displaystyle f'(x) \approx \frac{f(x + h) - f(x)}{h}. Dette kalles framoverdifferansen fordi vi ser «fremover» fra xx til x+hx + h.

Men det finnes en bedre metode: sentraldifferansen. I stedet for å se bare fremover, ser vi litt til begge sider:

f(x)f(x+h)f(xh)2hf'(x) \approx \frac{f(x + h) - f(x - h)}{2h}

Sentraldifferansen er mer nøyaktig fordi den balanserer feilen på begge sider av punktet. La oss prøve: f(x)=x2f(x) = x^2, x=3x = 3, h=0,1h = 0{,}1. Sentraldifferansen gir f(3,1)f(2,9)0,2=9,618,410,2=1,20,2=6\displaystyle \frac{f(3{,}1) - f(2{,}9)}{0{,}2} = \frac{9{,}61 - 8{,}41}{0{,}2} = \frac{1{,}2}{0{,}2} = 6. Den eksakte verdien er f(3)=6f'(3) = 6, så sentraldifferansen traff eksakt her!

📝Oppgave Quiz 4
Lytt til denne delen

Lydfil som leser opp teksten frem til neste quiz.

Sammenhengen mellom alt vi har lært

La oss stoppe opp og se det store bildet. Vi har nå tre måter å tenke på den deriverte:

Den grafiske tilnærmingen: den deriverte er stigningstallet til tangenten. Vi kan tegne tangenten og lese av stigningstallet. Denne metoden gir god intuisjon, men er ikke alltid nøyaktig.

Den algebraiske tilnærmingen: vi bruker derivasjonsreglene (potensregelen, sumregelen osv.) til å finne et eksakt uttrykk for f(x)f'(x). Denne metoden er rask og gir nøyaktige svar for funksjoner vi kjenner reglene for.

Den numeriske tilnærmingen: vi bruker Newton-kvotienten eller sentraldifferansen med en liten hh for å tilnærme f(x)f'(x). Denne metoden fungerer selv når vi ikke har en formel for funksjonen, bare datapunkter.

Alle tre tilnærmingene er nyttige i ulike situasjoner. Derivasjonsreglene er det du bruker mest til daglig, men den formelle definisjonen forklarer hvorfor reglene virker, og numerisk derivasjon er uvurderlig når du jobber med data fra virkeligheten.

📝Oppgave Quiz 5
Lytt til oppsummeringen

Lydfil som leser opp oppsummeringen.

Oppsummering

I dette kapittelet har vi sett hva som ligger under derivasjonsreglene vi allerede har lært. Newton-kvotienten f(x+h)f(x)h\displaystyle \frac{f(x+h) - f(x)}{h} gir gjennomsnittlig vekstfart mellom xx og x+hx + h, og den er stigningstallet til sekanten mellom disse to punktene.

Definisjonen av den deriverte sier at f(x)=limh0f(x+h)f(x)h\displaystyle f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h} – det er grenseverdien av Newton-kvotienten når steglengden hh går mot null. Denne definisjonen forklarer hvorfor potensregelen og de andre reglene fungerer, og den kan brukes til å derivere funksjoner fra bunnen av.

Numerisk derivasjon gir tilnærmede verdier av den deriverte. Framoverdifferansen bruker Newton-kvotienten med en liten hh, mens sentraldifferansen f(x+h)f(xh)2h\displaystyle \frac{f(x+h) - f(x-h)}{2h} er mer nøyaktig fordi den ser symmetrisk til begge sider. Numerisk derivasjon er spesielt nyttig når vi ikke har en formel for funksjonen.

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.