Partielle Ableitungen

Partielle Ableitungen erweitern die Differentialrechnung auf Funktionen mehrerer Variablen, indem sie die Änderungsrate bezüglich einer Variablen messen, während die anderen konstant gehalten werden. Dieses Thema behandelt grundlegende und höhere partielle Ableitungen, die mehrdimensionale Kettenregel, Gradientenvektoren sowie Optimierung mit kritischen Punkten und dem zweiten Ableitungstest.

Partielle Ableitungen treiben maschinelles Lernen an (Gradientenabstieg), beschreiben Temperaturverteilungen in der Physik (Wärmeleitungsgleichung) und ermöglichen Sensitivitätsanalysen in Wirtschaft und Ingenieurwesen.

Übungstipps

• 1Beim Berechnen einer partiellen Ableitung nach x alle anderen Variablen als Konstanten behandeln, genau wie beim eindimensionalen Differenzieren.
• 2Für den Gradienten alle ersten partiellen Ableitungen berechnen und zu einem Vektor zusammenfassen; dieser Vektor zeigt immer in Richtung des steilsten Anstiegs.
• 3Bei der mehrdimensionalen Optimierung den zweiten partiellen Ableitungstest (D = f_xx * f_yy - f_xy^2) verwenden, um kritische Punkte als Maxima, Minima oder Sattelpunkte zu klassifizieren.