
مشتق چیست؟ شیب در یک نقطه، به زبان ساده
مشتق یعنی شیبِ یک منحنی در یک نقطهٔ مشخص. به زبانِ دیگر، مشتق میگوید خروجیِ یک تابع در همین لحظه با چه نرخی تغییر میکند. برای تابعِ f(x) = x²، مشتق در x = 3 برابرِ 6 است: در آن نقطه، خروجی تقریباً ۶ برابرِ تغییرِ ورودی عوض میشود.
اگر شیب خط را میدانی، نصفِ راه را آمدهای. تنها مشکل این است که شیب را با دو نقطه تعریف کردهایم، و حالا میخواهیم شیبِ یک نقطه را بدانیم. کلِ مشتق، راهحلِ همین یک گره است.
مشکل: منحنی یک شیب ندارد
روی یک خطِ راست، شیب همهجا یکی است. روی y = x² اینطور نیست: نزدیکِ صفر تقریباً تخت است و هرچه جلوتر میروی تندتر میشود. پس جملهٔ «شیبِ این منحنی چقدر است؟» بیمعناست. سؤال درست این است: شیبِ این منحنی در این نقطه چقدر است؟
و اینجا گیر میکنیم. شیب یعنی تغییر y ÷ تغییر x، و با یک نقطه تغییری نداریم. نتیجه 0 ÷ 0 میشود، که تعریفنشده است.
راهحل: نقطهٔ دوم را نزدیک کن
بهجای یک نقطه، دو نقطهٔ خیلی نزدیک بگیر: x و x + h. شیبِ بینِ این دو را میشود حساب کرد. حالا h را کوچک و کوچکتر کن و ببین جواب به کجا میرود.
برای f(x) = x² در x = 3، مقدار f(3) = 9 است:
h |
f(3 + h) |
شیب بین دو نقطه |
|---|---|---|
1 |
16 |
7 |
0.1 |
9.61 |
6.1 |
0.01 |
9.0601 |
6.01 |
0.001 |
9.006001 |
6.001 |
عددها آشکارا به 6 نزدیک میشوند. آن 6 همان شیب در نقطهٔ x = 3 است. ما h را هیچوقت صفر نکردیم؛ فقط پرسیدیم جواب به چه سمتی میرود. نام این ایده حد است، و مشتق با همین تعریف میشود:
f'(x) = lim(h → 0) [ f(x + h) − f(x) ] / h
شکلِ هندسیاش هم همین است. خطی که از دو نقطهٔ منحنی میگذرد، با نزدیکشدنِ نقطهها میچرخد و به خط مماس میرسد. مشتق، شیبِ همین خطِ مماس است.
مشتق شیبِ خطی است که منحنی را در یک نقطه لمس میکند.
از جدول تا فرمول
جدول برای یک نقطه جواب داد. جبر برای همهٔ نقطهها جواب میدهد:
f(x + h) − f(x) = (x + h)² − x²
= x² + 2xh + h² − x²
= 2xh + h²
تقسیم بر h: 2x + h
وقتی h → 0: 2x
پس مشتقِ x² برابرِ 2x است. در x = 3 میشود 6، همان که جدول نشان داد.
نکتهٔ مهم اینجاست: مشتق خودش یک تابع است. ورودیاش یک نقطه است و خروجیاش شیبِ منحنیِ اصلی در آن نقطه:
x |
f(x) = x² |
f'(x) = 2x |
معنی |
|---|---|---|---|
-2 |
4 |
-4 |
منحنی پایین میآید |
0 |
0 |
0 |
تخت است |
1 |
1 |
2 |
ملایم بالا میرود |
3 |
9 |
6 |
تند بالا میرود |
دو نماد برای مشتق میبینی: f'(x) که «اف پرایم» خوانده میشود، و dy/dx که یادآورِ «تغییرِ خیلی کوچکِ y به تغییرِ خیلی کوچکِ x» است. هر دو یک چیزند.
مشتق و نرخ تغییر: سرعت لحظهای
شیب فقط یک مفهومِ هندسی نیست. اگر محورِ افقی زمان باشد، شیب همان نرخ تغییر است. سنگی را رها کن. با تقریبِ g ≈ 10 m/s² و با صرفنظر از اثرِ هوا، مسافتِ سقوط این است:
s(t) = 5t²
بعد از ۳ ثانیه، سنگ ۴۵ متر پایین آمده. سرعتِ میانگینش 45 ÷ 3 = 15 m/s است. ولی این سؤال دیگری است. اینکه همین لحظه چقدر تند میرود را مشتق میگوید:
s'(t) = 10t
s'(3) = 30 m/s
عقربهٔ سرعتسنجِ ماشین هم همین را نشان میدهد: نرخِ تغییرِ مسافت در همین لحظه، نه میانگینِ کلِ سفر.
قواعدی که هر بار تعریف را تکرار نمیکنند
حسابکردن با تعریف برای هر تابع طولانی است. این چند قاعده از همان تعریف درمیآیند:
| تابع | مشتق | مثال |
|---|---|---|
عددِ ثابت c |
0 |
مشتقِ 7 میشود 0 |
xⁿ |
n × xⁿ⁻¹ |
مشتقِ x³ میشود 3x² |
c × f(x) |
c × f'(x) |
مشتقِ 5x² میشود 10x |
f(x) + g(x) |
f'(x) + g'(x) |
مشتقِ x² + x میشود 2x + 1 |
ثابت مشتقش صفر است، چون خطی افقی است و هیچ تغییری ندارد.
مشتق چطور کمینه و بیشینه را پیدا میکند
اینجا شاید پرکاربردترین نتیجهٔ مشتق است. در بالای یک قله یا ته یک درّه، منحنی لحظهای تخت میشود، پس بیشینه و کمینه در نقاطیاند که مشتق صفر است (یا مشتق وجود ندارد).
تابعِ f(x) = x³ − 3x را ببین:
f'(x) = 3x² − 3 = 0 → x = 1 یا x = −1
حالا علامتِ مشتق را دو طرفِ هر نقطه نگاه کن:
| نقطه | قبل از آن | بعد از آن | نتیجه | مقدار تابع |
|---|---|---|---|---|
x = −1 |
مثبت (بالا میرود) | منفی (پایین میآید) | بیشینهٔ محلی | 2 |
x = 1 |
منفی (پایین میآید) | مثبت (بالا میرود) | کمینهٔ محلی | −2 |
چرا «محلی»؟ چون این تابع با بزرگشدنِ x تا بینهایت بالا میرود. تفاوتِ این دو را در اکسترمم محلی و مطلق دیدهایم.
همین روش با روشی که برای رأس سهمی داریم هم میخواند. برای f(x) = x² − 6x + 5، مشتق 2x − 6 است و صفرش در x = 3. فرمولِ x = −b / 2a هم همان 3 را میدهد.
دو هشدار که جلوی اشتباه را میگیرند:
- مشتقِ صفر همیشه قله یا درّه نیست. برای
x³مشتق در صفر، صفر است، ولی منحنی از آنجا فقط رد میشود و بالا میرود. - کمینه همیشه مشتق ندارد. قدر مطلق در صفر کمینه دارد، ولی آنجا گوشهٔ تیز است و شیبِ یکتایی ندارد.
چرا هوش مصنوعی با مشتق کار میکند
یادگیری ماشین در نهایت یک مسئلهٔ کمینهکردن است: عددی به نامِ خطا داریم و میخواهیم پارامترها را طوری تنظیم کنیم که این عدد کم شود. مشتق میگوید خطا با کمی تغییرِ پارامتر به کدام سمت میرود، و قدم برعکسِ همان سمت برداشته میشود. نام این کار gradient descent است.
یک نمونهٔ یکپارامتری: خطا L(w) = (w − 3)² است و مشتقش 2(w − 3). از w = 0 شروع میکنیم و هر بار 0.1 برابرِ مشتق را کم میکنیم:
| قدم | w |
مشتق | w بعدی |
|---|---|---|---|
| ۱ | 0 |
-6 |
0.6 |
| ۲ | 0.6 |
-4.8 |
1.08 |
| ۳ | 1.08 |
-3.84 |
1.464 |
w قدمبهقدم به 3 نزدیک میشود، نقطهای که خطا در آن کمینه است. مدلهای بزرگ همین کار را با میلیونها پارامتر انجام میدهند.
خودت در پایتون امتحان کن
بهجای جدولِ دستی، چند خط پایتون هم همان تقریب را حساب میکند:
def f(x):
return x ** 2
def slope(x, h):
return (f(x + h) - f(x)) / h
for h in [1, 0.1, 0.01, 0.001]:
print(h, slope(3, h))
جوابها نزدیکِ جدولِ بالا هستند. ممکن است آخرِ بعضی عددها رقمهای اضافی ببینی؛ این خطای گردکردنِ اعشار در کامپیوتر است، نه اشتباهِ ریاضی.
اشتباههای رایج
- یکیگرفتنِ مقدار و شیب.
f(3) = 9ارتفاعِ منحنی است؛f'(3) = 6شیبش. تابعی میتواند مقدارِ خیلی بزرگ و مشتقِ صفر داشته باشد. - «مماس فقط در یک نقطه منحنی را لمس میکند». این برای دایره درست است، نه همیشه. مماس میتواند منحنی را جای دیگری هم قطع کند؛ معیار رفتارِ محلی است.
- قاطیکردنِ سرعتِ میانگین و لحظهای. میانگین از دو نقطهٔ دور میآید و مشتق از دو نقطهٔ بینهایت نزدیک.
- ربطندادن به زاویه. شیب همان تانژانت زاویهٔ خط با محورِ افقی است؛ مشتقِ
2یعنی مماس با زاویهٔtan⁻¹(2)، حدودِ ۶۳ درجه، بالا میرود.
جمعبندی
مشتق شیب است، فقط در یک نقطه. با نزدیککردنِ دو نقطه و نگاهکردن به حدِ جواب ساخته میشود، خودش یک تابع است، و میگوید هر چیزی الان با چه نرخی تغییر میکند. در خودآموز ریشه مسیرِ رسیدن به این ایده از شیب و حد میگذرد و تا gradient descent ادامه پیدا میکند.
اگر میخواهی این موضوع را کامل یاد بگیری
خودآموز ریاضی از چهار عمل تا هوش مصنوعی
هیچ ایدهٔ پیشرفتهای در ریاضی از هوا نیامده؛ هر کدام ریشهای در چیزی ساده دارد که همین حالا بلدی. از «عدد یعنی چه» شروع میکنیم و به همان ریاضیای میرسیم که هوش مصنوعی با آن آموزش میبیند — بدون حفظکردنِ بیدلیل و بدون فرضِ اینکه قبلاً چیزی بلد بودهای.
- ۸ ترم
- ۷۳ فصل
- همهٔ فصلها رایگان




