अवकलज (Derivative) — एक पल पर ढलान
“अवकलज बस 'इसी पल की ढलान' है।”
सूत्र
f'(x) = lim(h→0) [f(x+h) − f(x)] / hकैसे पढ़ें: x में एक बेहद छोटे बदलाव से आउटपुट कितनी गुना ज़्यादा बदलता है, उसकी लिमिट
- h
- — x में एक बेहद छोटा बदलाव
- f(x+h)−f(x)
- — फ़ंक्शन का मान कितना बदला
- lim(h→0)
- — जब वह बदलाव सिकुड़कर 0 की ओर जाए, उसकी लिमिट
शुरुआत
अवकलज सुनने में डरावना लगता है, पर यह असल में एक ही चीज़ है — 'इस पल यह कितनी खड़ी (steep) है'।
सरल शब्दों में
दो बिंदुओं के बीच की ढलान (rise ÷ run) निकालें, फिर दोनों बिंदुओं को अनंत रूप से पास लाकर 'एक अकेले बिंदु पर ढलान' पाएँ।
अंतर्ज्ञान
किसी वक्र के एक बिंदु पर रूलर टिका दें और वह स्पर्शरेखा (tangent line) बन जाती है। उसकी ढलान ही अवकलज है — जैसे किसी पहाड़ की 'मौजूदा खड़ीपन'।
कैसे बनता है
ऊपर f(x+h)−f(x) 'rise' है, नीचे h 'run' है → इनका अनुपात एक ढलान है। h को 0 भेजने पर जो बचता है वह उस पल की ढलान है।
उदाहरण
f(x)=x² के लिए x=1 पर: (1+h)²−1 = 2h+h², इसे h से भाग देने पर 2+h मिलता है, और h→0 होने पर यह 2 है। तो x=1 पर ढलान 2 है।
आम ग़लतफ़हमी
'तात्क्षणिक बदलाव (instantaneous change)' का मतलब बदलाव 0 होना नहीं है — दो लगभग-शून्य मात्राओं का अनुपात किसी non-zero मान की ओर अभिसरित (converge) हो सकता है।
कहाँ उपयोग होता है
वेग (velocity, स्थिति का अवकलज), optimization (max/min जहाँ ढलान 0 है), और मशीन लर्निंग में gradient descent — यह सब इसी एक विचार पर टिका है।
कहाँ से आया
न्यूटन और लाइबनिट्स दोनों ने 1600 के दशक में अलग-अलग इसे खोजा; लाइबनिट्स का नोटेशन dy/dx ही आज तक बचा हुआ है।
पूर्वापेक्षाएँ
त्वरित जाँच
f(x)=x² के लिए, x=3 पर अवकलज (ढलान) क्या है?
- 3
- 6✓
- 9
- 0
अभ्यास
f(x)=x³ के लिए, x=2 पर ढलान क्या है?
उत्तर: 12
- f'(x)=3x²
- x=2 डालें → 3·4 = 12
मुख्य बात: अवकलज = उस बिंदु पर ढलान। सूत्र बनाएँ, एक बार प्रतिस्थापित करें।
वक्र y=x² पर, स्पर्शरेखा की ढलान कहाँ 0 है? यह भी लिखें कि क्यों।
उत्तर: undefined
- y'=2x
- ढलान 0 → 2x=0 → x=0
- वक्र के 'सबसे नीचे' स्पर्शरेखा क्षैतिज होती है, इसलिए ढलान 0 है
मुख्य बात: जहाँ ढलान 0 है वहीं फ़ंक्शन की चोटी/तली है — optimization का बीज।