Implizite Differentiation

Eindimensionale Analysis aus ersten Prinzipien

Manchmal wird dir y nicht als sauberes y = f(x) vorgelegt. Stattdessen steckt es in einer Gleichung verflochten, wie beim Kreis x² + y² = 25. Du kannst die Steigung dy/dx dennoch finden, ohne die Gleichung aufzulösen, indem du die implizite Differentiation verwendest.

Der gesamte Kniff beruht auf einer Annahme: Behandle y als eine (versteckte) Funktion von x. Differenziere dann beide Seiten der Gleichung nach x. Jedes Mal, wenn du einen y-Term differenzierst, hängt die Kettenregel einen Faktor dy/dx an, weil y von x abhängt.

Stelle dir eine Leiter vor, die an einer Wand lehnt und zu rutschen beginnt. Während der Fuß nach außen rutscht, rutscht die Spitze nach unten: Die horizontale Position x und die vertikale Position y ändern sich zusammen, gebunden durch die feste Länge der Leiter. Du löst nie nach einer in Abhängigkeit der anderen auf, doch du kannst ihre Raten in Beziehung setzen. Implizite Differentiation macht genau das und leitet eine Gleichung ab, die x und y aneinander bindet, ohne y jemals für sich allein zu entwirren.

Wo das im ML vorkommtDie implizite Differentiation ist das Tor zu den partiellen Ableitungen (nächster Kurs): Man hält einige Variablen fest und differenziert nach einer einzigen. Sie ermöglicht außerdem implizite Schichten und Gleichgewichtsmodelle im modernen ML, bei denen die Ausgabe durch eine Gleichung statt durch eine explizite Formel definiert ist und man durch diese Gleichung hindurch differenziert, um…
▶ Implizite Differentiation
← KettenregelHöhere Ableitungen →