Turunan

Grafik fungsi (warna hitam) dan garis tangen pada fungsi (warna merah). Kemiringan dari garis tangen sama dengan turunan fungsi pada titik tersebut.

Dalam matematika, turunan atau derivatif dari sebuah fungsi adalah cara mengukur sensitivitas perubahan nilai fungsi terhadap perubahan pada nilai variabelnya. Sebagai contoh, turunan dari posisi sebuah benda bergerak terhadap waktu mengukur kecepatan benda bergerak ketika waktu berjalan. Turunan adalah alat penting dalam kalkulus.

Turunan sebuah fungsi satu variabel di suatu titik, jika itu ada, adalah kemiringan dari garis singgung dari grafik fungsi di titik tersebut. Garis singgung adalah hampiran (aproksimasi) linear terbaik dari fungsi di sekitar titik tersebut. Konsep turunan dapat diperumum untuk fungsi multivariabel. Dalam perumuman ini, turunan dianggap sebagai transformasi linear, dengan translasi yang sesuai, menghasilkan hampiran linear dari grafik fungsi multivariabel tersebut. Matriks Jacobi adalah matriks yang merepresentasikan transformasi linear terhadap suatu basis yang ditentukan. Matriks ini dapat ditentukan dengan turunan parsial dari variabel-variabel independen. Pada fungsi multivariabel bernilai real, matriks Jacobi tereduksi menjadi vektor gradien.

Proses menemukan turunan disebut diferensiasi. Kebalikan proses ini disebut dengan antiturunan. Teorema fundamental kalkulus menyatakan hubungan diferensiasi dengan integrasi. Turunan dan integral adalah dua operasi dasar dalam kalkulus satu-variabel.

Konsep turunan fungsi yang universal banyak digunakan dalam berbagai cabang matematika maupun bidang ilmu yang lain. Dalam bidang ekonomi, turunan digunakan untuk menghitung biaya marginal, total penerimaan, dan biaya produksi. Bidang biologi menggunakan turunan untuk menghitung laju pertumbuhan mikroorganisme, dalam bidang fisika untuk menghitung kepadatan kawat, dalam bidang kimia untuk menghitung laju pemisahan, dalam bidang geografi untuk menghitung laju pertumbuhan penduduk, dan masih banyak lagi.

Pendahuluan

Secara informal, turunan dari sebuah fungsi Templat:Math dengan variabel Templat:Math adalah ukuran dari rasio perubahan nilai Templat:Math terhadap perubahan nilai variabel Templat:Math. Jika Templat:Math dan Templat:Math adalah bilangan real, dan jika grafik fungsi Templat:Math diplot terhadap Templat:Math, besar turunan dari fungsi ini pada sembarang titik menandakan kemiringan dari grafik fungsi pada titik tersebut.

Kemiringan dari fungsi linear Templat:Math adalah $m=\frac{\mathrm{\Delta }y}{\mathrm{\Delta }x}$

Kasus sederhana dari fungsi Templat:Math adalah fungsi linear yang memiliki persamaan Templat:Math, dengan bilangan real Templat:Math dan Templat:Math. Kemiringan dari fungsi ini, Templat:Math, dinyatakan dengan

$m=\frac{\text{perubahan nilai }y}{\text{perubahan nilai }x}=\frac{\mathrm{\Delta }y}{\mathrm{\Delta }x},$

dengan simbol Templat:Math (Delta) adalah singkatan untuk "perubahan nilai", dan simbol $\mathrm{\Delta }x$ dan $\mathrm{\Delta }y$ masing-masing menyatakan besar perubahan yang terjadi. Sebagai contoh,$$\mathrm{\Delta }y=f(x+\mathrm{\Delta }x)-f(x).$$Persamaan di atas berlaku, karena$$\begin{array}{cc}y+\mathrm{\Delta }y& =f(x+\mathrm{\Delta }x)\\ & =m(x+\mathrm{\Delta }x)+b=mx+m\mathrm{\Delta }x+b\\ & =y+m\mathrm{\Delta }x.\end{array}$$dan menghasilkan persamaan $\mathrm{\Delta }y=m\mathrm{\Delta }x$ yang memberikan persamaan kemiringan dari suatu garis.

Jika fungsi Templat:Math tidak linear (maksudnya grafik fungsi bukan berupa garis lurus), maka perubahan nilai Templat:Math dibagi dengan perubahan nilai Templat:Math dapat berubah-ubah tergantung nilai perubahan nilai Templat:Math yang dipilih. Turunan adalah metode untuk menentukan nilai unik dari perbandingan perubahan nilai tersebut, yang tidak tergantung besar perubahan $(\mathrm{\Delta }x),$ melainkan titik Templat:Math yang dipilih. Metode menentukan turunan dapat diilustrasikan lewat Gambar 1 sampai Gambar 3, yang menggambarkan nilai limit dari perbandingan Templat:Math dengan besar Templat:Math menuju 0.

Asal-usul definisi

Garis sekan yang berubah menjadi garis singgung ketika $\mathrm{\Delta }x\to 0$.

Salah satu cara umum untuk menyatakan cara diferensiasi yang intuitif ke dalam definisi yang matematis adalah dengan mendefinisikan turunan sebagai limit dari perbandingan dua bilangan real. Pendekatan ini dapat dijabarkan sebagai berikut.

Misalkan Templat:Math adalah fungsi bernilai real yang terdefinisi pada suatu lingkungan buka dari suatu bilangan real Templat:Math. Dalam geometri, garis singgung dari grafik fungsi Templat:Math di Templat:Math adalah suatu garis unik yang melalui titik Templat:Math dan tidak memotong fungsi Templat:Math di sekitar titik Templat:Math. Turunan dari Templat:Math terhadap Templat:Math di Templat:Math secara geometris adalah besar kemiringan dari garis singgung grafik Templat:Math di Templat:Math. Besar kemiringan garis singgung akan sangat mirip dengan besar kemiringan garis yang melalui titik Templat:Math dan sebuah titik lain di grafik yang dekat dengannya, sebagai contoh Templat:Math. Garis yang didefinisikan ini disebut dengan garis sekan. Nilai Templat:Math yang dekat dengan nol akan memberikan hampiran (dugaan, aproksimasi) yang baik mengenai besar kemiringan garis singgung; dan secara umum, nilai (mutlak) Templat:Math yang semakin kecil akan memberikan hampiran yang lebih baik. Besar kemiringan Templat:Math dari garis sekan adalah perbedaan nilai Templat:Math antara dua titik tersebut, dibagi dengan perbedaan nilai Templat:Math pada dua titik yang sama, dengan kata lain$$m=\frac{\mathrm{\Delta }f(a)}{\mathrm{\Delta }a}=\frac{f(a+h)-f(a)}{(a+h)-(a)}=\frac{f(a+h)-f(a)}{h}.$$Limit digunakan untuk mengubah nilai hampiran ke nilai yang pasti (exact). Jika nilai dari limit ketika Templat:Math menuju nol ada, maka nilai ini menyatakan besar kemiringan dari garis singgung fungsi di titik Templat:Math. Limit ini didefinisikan sebagai turunan dari fungsi Templat:Math di Templat:Math:

$$f^{\prime }(a)=\underset{h\to 0}{\lim }\frac{f(a+h)-f(a)}{h}.$$

Jika nilai limit ada, Templat:Math dikatakan terdiferensialkan di Templat:Math. Notasi $f^{\prime }(a)$ adalah salah satu notasi umum untuk turunan. Definisi turunan ini mengandung hubungan yang intuitif bahwa suatu fungsi terdiferensialkan Templat:Math bersifat menaik jika dan hanya jika turunannya bernilai positif, dan menurun jika dan hanya jika turunannya bernilai negatif. Fakta ini sering digunakan dalam analisis mengenai perilaku fungsi, contohnya dalam menentukan titik ekstrem fungsi.

Selain itu, turunan juga memenuhi sifat$$\underset{h\to 0}{\lim }\frac{f(a+h)-(f(a)+f^{\prime }(a)\cdot h)}{h}=0,$$

yang menghasilkan interpretasi yang intuitif (lihat Gambar 1) bahwa garis singgung fungsi Templat:Math di Templat:Math memberikan hampiran linear terbaik$$f(a+h)\approx f(a)+f^{\prime }(a)h$$

untuk nilai fungsi Templat:Math di sekitar Templat:Math (yakni, untuk nilai Templat:Math yang kecil). Interpretasi ini adalah konsep termudah yang dapat diperumum ke kasus-kasus lainnya.

Metode subtitusi Templat:Math dengan nol pada perbandingan beda tidak dapat dilakukan karena menghasilkan pembagian oleh nol. Hal ini menyebabkan besar kemiringan dari garis singgung tidak dapat ditemukan secara langsung lewat subtitusi. Besar kemiringan dapat ditentukan mendefinisikan Templat:Math menjadi perbandingan (quotinent) beda sebagai fungsi dari Templat:Math:$$Q(h)=\frac{f(a+h)-f(a)}{h}.$$

$Q(h)$ secara geometris menyatakan kemiringan dari garis sekan yang melalui $(a,f(a))$ dan $(a+h,f(a+h))$. Jika Templat:Math adalah fungsi kontinu, secara informal mengartikan grafik fungsinya berupa kurva tak putus dan tidak mengandung celah, maka fungsi Templat:Math kontinu selain di $h=0$. Jika limit $\underset{h\to 0}{\lim }Q(h)$ ada, maka ada cara lain memilih nilai untuk Templat:Math yang membuat Templat:Math menjadi fungsi kontinu, membuat fungsi Templat:Math terdiferensialkan di Templat:Math, dan besar turunannya di Templat:Math sama dengan Templat:Math. Pada praktiknya, keberadaan Templat:Math yang kontinu di $h=0$ ditunjukkan dengan mengubah ekspresi pada pembilang agar dapat "mencoret" semua suku Templat:Math pada penyebut. Manipulasi seperti itu memungkinkan nilai limit dari Templat:Math untuk nilai Templat:Math yang kecil terlihat jelas, walaupun Templat:Math masih tidak terdefinisi di $h=0$. Proses manipulasi ini dapat sangat panjang dan melelahkan untuk fungsi yang rumit, dan banyak jalan pintas digunakan untuk menyederhanakan proses.

Contoh perhitungan

Fungsi kuadrat

Fungsi kuadrat memiliki persamaan Templat:Math dan diferensialkan di Templat:Math, dengan nilai turunan fungsi di titik tersebut adalah 6. Hasil ini didapatkan dari menghitung limit dengan Templat:Math menuju nol, dari persamaan beda Templat:Math:

$$\begin{array}{cc}{f}^{\prime }(3)& =\underset{h\to 0}{\lim }\frac{f(3+h)-f(3)}{h}=\underset{h\to 0}{\lim }\frac{(3+h{)}^2-3^2}{h}\\ & =\underset{h\to 0}{\lim }\frac{9+6h+h^2-9}{h}=\underset{h\to 0}{\lim }\frac{6h+h^2}{h}=\underset{h\to 0}{\lim }(6+h).\end{array}$$Ekspresi terakhir menunjukkan persamaan beda sama dengan ekspresi Templat:Math saat $h\ne 0$ dan tidak terdefinisi saat Templat:Math, karena definisi dari persamaan beda. Tetapi, definisi dari limit menyatakan persamaan beda tidak harus terdefinisi saat Templat:Math. Nilai limit adalah hasil dari membuat variabel Templat:Math menuju nol, mengartikan ekspresi Templat:Math saat nilai Templat:Math menuju sekecil mungkin akan menjadi:$$\underset{h\to 0}{\lim }(6+h)=6+0=6.$$Mengartikan kemiringan dari grafik fungsi kuadrat di titik Templat:Math adalah Templat:Math, dan turunannya di Templat:Math adalah $f^{\prime }(3)=6$. Secara umum, perhitungan yang sama dapat digunakan untuk menunjukkan bahwa turunan fungsi kuadrat di Templat:Math adalah $f^{\prime }(a)=2a$:

$\begin{array}{cc}{f}^{\prime }(a)& =\underset{h\to 0}{\lim }\frac{f(a+h)-f(a)}{h}=\underset{h\to 0}{\lim }\frac{(a+h{)}^2-a^2}{h}\\ & =\underset{h\to 0}{\lim }\frac{a^2+2ah+h^2-a^2}{h}=\underset{h\to 0}{\lim }\frac{2ah+h^2}{h}\\ & =\underset{h\to 0}{\lim }(2a+h)=2a\end{array}$

Sejarah

Kalkulus, atau dikenal dalam sejarah lebih awalnya, kalkulus infinitesimal, merupakan cabang matematika yang berfokus pada konsep limit, fungsi, turunan, integral, dan deret takhingga. Isaac Newton dan Gottfried Leibniz menemukan kalkulus secara terpisah pada pertengahan abad ke-17. Namun dalam pertikaian yang pahit, Leibniz dituduh bahwa ia mencuri karya Newton dan sebaliknya. Pertikaian ini berlanjut hingga kematian mereka berdua.

Definisi

Sebuah fungsi dengan variabel real, $y=f(x)$, dikatakan terdiferensialkan atau dapat diturunkan pada suatu titik $a$ di domainnya, jika domain fungsi tersebut mengandung suatu interval buka $I$ yang beranggotakan $a$, dan nilai limit

$$L=\underset{h\to 0}{\lim }\frac{f(a+h)-f(a)}{h}$$ada. Hal ini mengartikan bahwa, untuk setiap bilangan real positif $\epsilon$ (bahkan jika nilainya sangat kecil), akan ada suatu bilangan real positif $\delta$ sedemikian sehingga, untuk semua Templat:Mvar yang memenuhi $|h|<\delta$ dan $h\ne 0$, menyebabkan nilai $f(a+h)$ terdefinisi dan$$|L-\frac{f(a+h)-f(a)}{h}|<\epsilon ,$$dengan bar vertikal menyatakan nilai mutlak (lihat definisi epsilon-delta dari limit).

Jika fungsi $f$ terdiferensialkan di $a$, dengan kata lain jika nilai limit $L$ ada, maka nilai limit ini disebut turunan dari $f$ di $a$, dan dinyatakan dengan $f^{\prime }(a)$ atau $\frac{df}{dx}(a)$ (dibaca "turunan dari $f$ terhadap $x$ di $a$" atau "Templat:Math per Templat:Math di $a$").

Kekontinuan dan keterdiferensialan

Fungsi tangga tidak memiliki turunan pada titik berwarna merah, karena fungsi tidak kontinu di titik tersebut.

Fungsi $f$ yang terdiferensialkan di suatu titik $a$, juga akan bersifat kontinu di titik tersebut. Sebagai contoh dari sifat ini, misalkan Templat:Math adalah fungsi tangga yang menghasilkan nilai 1 untuk semua Templat:Math kurang dari nilai Templat:Math, dan menghasilkan nilai yang berbeda, misalnya 10, untuk semua nilai Templat:Math yang lebih besar atau sama dengan Templat:Math. Fungsi Templat:Math tidak dapat memiliki turunan di titik Templat:Math. Untuk nilai Templat:Math yang negatif, titik Templat:Math akan terletak di sisi rendah dari fungsi tangga, menjadikan garis sekan dari Templat:Math ke Templat:Math akan sangat curam; dan semakin curam saat Templat:Math menuju nol. Sedangkan nilai Templat:Math yang positif, maka Templat:Math terletak pada sisi tinggi dari fungsi tangga, sehingga garis sekan dari Templat:Math ke Templat:Math tidak memiliki kemiringan (datar). Alhasil garis-garis sekan tidak menuju besar kemiringan yang sama, mengakibatkan nilai limit dari persamaan beda tidak ada.

Fungsi nilai mutlak bersifat kontinu, namun tidak dapat didiferensiasi di Templat:Math karena garis sekannya tidak menghasilkan kemiringan yang sama ketika dihitung dari kiri dan dari kanan.

Tetapi, bahkan jika fungsi kontinu di suatu titik, fungsi tersebut mungkin tidak terdiferensialkan di sana. Sebagai contoh, fungsi nilai mutlak Templat:Math bersifat kontinu di Templat:Math, namun tidak terdiferensialkan di titik itu. Jika Templat:Math positif, maka kemiringan dari garis sekan dari 0 ke Templat:Math bernilai 1, sedangkan jika Templat:Math negatif, maka kemiringan garis sekan dari 0 ke Templat:Math bernilai -1. Bahkan fungsi mulus tidak dapat diturunkan di titik yang garis singgungnya merupakan garis vertikal: Sebagai contoh, fungsi Templat:Math tidak terdiferensialkan di Templat:Math.

Secara singkat, fungsi yang terdiferensialkan adalah fungsi yang kontinu, tetapi ada fungsi kontinu yang tidak dapat didiferensialkan.

Sebagian besar fungsi pada praktiknya memiliki turunan di semua titik atau hampir semua titik. Pada awal sejarah kalkulus, banyak matematikawan mengasumsikan fungsi kontinu dapat diturunkan di banyak titik. Pada kondisi yang standar, hal ini berlaku karena kebanyakan fungsi adalah fungsi monoton atau fungsi Lipschitz. Tetapi pada tahun 1872, Weierstrass menemukan contoh pertama dari fungsi yang kontinu dimanapun namun tidak terdiferensialkan dimanapun. Contoh tersebut sekarang dikenal sebagai fungsi Weierstrass.

Turunan sebagai sebuah fungsi

Turunan di berbagai titik berbeda pada suatu fungsi terdiferensialkan. Pada kasus ini, besar turunannya sama dengan:$\sin \left(x^2\right)+2x^2\cos \left(x^2\right)$

Misalkan Templat:Math adalah fungsi yang memiliki turunan di setiap titik di domainnya. Seseorang dapat mendefinisikan sebuah fungsi yang memetakan setiap titik Templat:Mvar ke nilai dari turunan Templat:Mvar di Templat:Mvar. Salah satu notasi untuk menulis fungsi ini adalah $f^{\prime }$, dan disebut sebagai fungsi turunan atau turunan dari Templat:Math. Terkadang Templat:Math memiliki turunan pada sebagian besar, tapi tidak semua, titik di domainnya. Fungsi yang nilainya di Templat:Mvar sama dengan $f^{\prime }(a)$ kapanpun nilai $f^{\prime }(a)$ terdefinisi, dan tidak terdefinisi di nilai-nilai yang lainnya, juga disebut turunan dari Templat:Math. Fungsi ini memiliki domain yang lebih kecil daripada domain dari Templat:Math.

Menggunakan ide tersebut, turunan dapat dianggap sebagai fungsi dari fungsi: Turunan adalah sebuah operator dengan domainnya adalah himpunan semua fungsi yang memiliki turunan di semua titik pada domain mereka, dan citra-nya (range) adalah himpunan berisi fungsi-fungsi. Jika operator ini dinyatakan dengan Templat:Math, maka Templat:Math sama dengan fungsi $f^{\prime }$. Selain itu, karena Templat:Math adalah sebuah fungsi, nilainya dapat dihitung di titik Templat:Mvar. Dengan menggunakan definisi dari fungsi turunan, $D(f)(a)=f^{\prime }(a).$

Sebagai contoh, pertimbangkan fungsi Templat:Math; Templat:Math adalah fungsi satu variabel yang bernilai real, mengartikan fungsi ini menerima sebuah angka lalu menghasilkan sebuah angka:

$\begin{array}{cc}1& \mapsto 2,\\ 2& \mapsto 4,\\ 3& \mapsto 6.\end{array}$

Operator Templat:Math di sisi lain, tidak menerima maupun menghasilkan angka, melainkan fungsi:

$\begin{array}{cc}D(x\mapsto 1)& =(x\mapsto 0),\\ D(x\mapsto x)& =(x\mapsto 1),\\ D(x\mapsto x^2)& =(x\mapsto 2\cdot x).\end{array}$

Karena Templat:Math menghasilkan sebuah fungsi, hasil dari Templat:Math dapat dievaluasi di suatu titik. Sebagai contoh, ketika Templat:Math diterapkan pada fungsi kuadrat Templat:Math, Templat:Math akan menghasilkan fungsi Templat:Math, yang dapat diberi nama Templat:Math. Fungsi hasil ini selanjutnya dapat digunakan untuk menghitung Templat:Math, Templat:Math, dan seterusnya.

Notasi turunan

Beberapa notasi untuk menyatakan turunan dikembangkan pada awal perkembangan kalkulus, dan beberapa notasi tersebut masih digunakan saat ini.

Notasi Leibniz

Gottfried Wilhelm von Leibniz (1646 - 1716), filsuf Jerman, matematikawan, dan nama notasi matematika yang paling luas digunakan dalam kalkulus.

Simbol

$dx$

,

$dy$

, dan

$\frac{dy}{dx}$

diperkenalkan oleh Gottfried Wilhelm Leibniz pada tahun 1675. Notasi ini masih umum digunakan ketika persamaan

$y=f(x)$

ingin dipandang sebagai hubungan antara variabel terikat dan variabel bebas. Turunan pertama dengan notasi ini ditulis sebagai

$$\frac{dy}{dx},\frac{df}{dx},\text{ atau }\frac{d}{dx}f,$$

dan awalnya dianggap sebagai perbandingan dua besaran infinitesimal ("infinitely small", "yang tak hingga kecilnya"). Turunan tingkat tinggi, yakni turunan ke-Templat:Math dari

$y=f(x)$

, dituliskan sebagai

$$\frac{d^{n}y}{d{x}^n},\frac{d^{n}f}{d{x}^n},\text{ atau }\frac{d^n}{d{x}^n}f.$$

Notasi tersebut merupakan 'singkatan' dari penerapan operator turunan secara berulang. Sebagai contoh, notasi turunan kedua

$\frac{d^{2}y}{d{x}^2}=\frac{d}{dx}\left(\frac{dy}{dx}\right).$

Dengan menggunakan notasi Leibniz, turunan dari $y$ di titik $x=a$ dapat ditulis dalam dua cara berbeda:

${\frac{dy}{dx}|}_{x=a}=\frac{dy}{dx}(a).$

Notasi Leibniz memungkinkan penulisan variabel diferensiasi (sebagai penyebut), yang berperan dalam turunan parsial. Notasi ini juga dapat digunakan untuk menulis aturan rantai sebagai

$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}.$

Selain itu, notasi Leibniz memperlihatkan hubungan variabel yang sesuai dengan analisis dimensi. Sebagai contoh, turunan kedua $\frac{d^{2}y}{d{x}^2}$ memiliki dimensi yang sama dengan $\frac{y}{x^2}$.

Notasi Lagrange

Terkadang disebut dengan notasi petik/prima (prime notation), salah satu notasi turunan yang umum lainnya adalah notasi yang diperkenalkan Joseph-Louis Lagrange. Notasi ini menggunakan simbol prima, yang mirip dengan simbol petik. Turunan dari fungsi $f$ dituliskan sebagai $f^{\prime }$. Serupa dengan itu, turunan kedua dan ketiga dari fungsi ditulis sebagai

$(f^{\prime }{)}^{\prime }=f^{″}$   dan   $(f^{″}{)}^{\prime }=f^{‴}.$

Untuk menyatakan turunan tingkat tinggi, beberapa penulis menggunakan angka Romawi yang ditulis sebagai tika atas, sedangkan yang lain menuliskan angka dalam simbol kurung:

$f^{\mathrm{i}\mathrm{v}}$   atau   $f^{(4)}.$

Notasi yang kedua dapat diperumum untuk menghasilkan notasi $f^{(n)}$ untuk turunan ke-n dari $f$. Notasi ini ringkas dan paling berguna ketika turunan dianggap sebagai fungsi tersendiri, berbeda dengan notasi Leibniz yang mengganggap turunan sebagai hubungan antar variabel. Nilai fungsi turunan ke-n di $a$ dituliskan sebagai $f^{(n)}(a)$.

Notasi Newton

Notasi Newton untuk turunan juga disebut sebagai notasi dot/titik. Notasi ini menggunakan titik yang diletakkan di atas nama fungsi, untuk merepresentasikan turunan terhadap waktu. Jika $y=f(t)$, maka

$\dot{y}$   dan   $\ddot{y}$

masing-masing menyatakan turunan pertama dan turunan kedua dari $y$. Notasi Newton saat ini hanya digunakan untuk turunan terhadap waktu atau terhadap panjang busur, yang umum ditemukan dalam persamaan diferensial di fisika dan geometri diferensial. Notasi Newton, malangnya, sulit digunakan untuk turunan tingkat tinggi (turunan ke-4 atau lebih), dan tidak dapat digunakan untuk fungsi multivariabel.

Notasi Euler

Notasi yang diperkenalkan Leonhard Euler menggunakan operator diferensial $D$, yang ketika diterapkan pada sebuah fungsi $f$ akan menghasilkan turunan pertama $Df$. Turunan ke-n dengan notasi ini ditulis sebagai $D^{n}f$. Jika $y=f(x)$ adalah variabel terikat, maka tika bawah $x$ umum dilekatkan ke $D$ untuk memperjelas $x$ adalah variabel bebas. Notasi Euler selanjutnya dapat ditulis sebagai

$D_{x}y$   atau  $D_{x}f(x)$,

walaupun tika bawah umumnya tidak digunakan jika konteks variabel $x$ dapat dipahami, contohnya ketika $x$ adalah satu-satunya variabel bebas dalam ekspresi. Notasi Euler berguna dalam menyatakan dan menyelesaikan sistem persamaan diferensial linear.

Kaidah dalam menentukan turunan fungsi

Templat:See also Definisi turunan dapat digunakan untuk menentukan turunan suatu fungsi, seperti $x^n$ dan $\sin (x)$. Proses ini dilakukan membuat persamaan perbandingan beda, lalu menghitung limitnya. Tapi pada praktiknya proses ini seringkali melelahkan. Dalam pendidikan terkait kalkulus diferensial, proses ini hanya dilakukan pada awal pembelajaran. Selanjutnya, menentukan turunan fungsi dilakukan dengan merujuk pada tabel/daftar turunan fungsi yang umum maupun dengan menggunakan aturan-aturan turunan.

Kaidah untuk fungsi-fungsi dasar

Setiap aturan pada bagian ini dapat dihasilkan dengan membuat persamaan beda, lalu menghitung limit $h\to 0$. Proses tersebut memerlukan strategi yang berbeda untuk mendapatkan hasil turunan, tergantung jenis fungsinya. Pada bagian ini, $a$ berupa bilangan real.

• Turunan pangkat:

  $\frac{d}{dx}{x}^a=a{x}^{a-1}.$

  $\frac{d}{dx}{x}^a=\frac{d}{dx}x\cdot a\cdot x^{a-1}$

• Turunan implisit:

Contoh 1: mencari turunan dy/dx dari:

$x^3+3x+2=y^2$

dapat dilakukan dengan cara berikut:

$\to \frac{d}{dx}(x^3+3x+2)=\frac{d}{dx}(y^2)$

$\to \frac{d}{dx}{x}^3+\frac{d}{dx}3x+\frac{d}{dx}2=\frac{d}{dx}{y}^2$

$\to 3x^2+3=\frac{d}{dx}\frac{dy}{dy}{y}^2$

$\to 3x^2+3=\frac{dy}{dx}\frac{d}{dy}{y}^2$

$\to 3x^2+3=\frac{dy}{dx}2y$

$\to \frac{dy}{dx}=\frac{3x^2+3}{2y}$

Contoh 2: mencari turunan dx/dy dari:

$x^3+3x+2=y^2$

dapat dilakukan dengan cara berikut:

$\to \frac{d}{dy}{x}^3+\frac{d}{dy}3x+\frac{d}{dy}2=\frac{d}{dy}{y}^2$

$\to \frac{d}{dy}\frac{dx}{dx}{x}^3+\frac{d}{dy}\frac{dx}{dx}3x=2y$

$\to \frac{dx}{dy}\frac{d}{dx}{x}^3+\frac{dx}{dy}\frac{d}{dx}3x=2y$

$\to \frac{dx}{dy}3x^2+\frac{dx}{dy}3=2y$

$\to \frac{dx}{dy}=\frac{2y}{3x^2+3}$

• Fungsi eksponensial dan logaritma:

  $\frac{d}{dx}{e}^x=e^x.$

  $\frac{d}{dx}{a}^x=a^x\ln (a),a>0$

  $\frac{d}{dx}\ln (x)=\frac{1}{x},x>0.$

  $\frac{d}{dx}{\log }_a(x)=\frac{1}{x\ln (a)},x,a>0$

• Fungsi trigonometri:

  $\frac{d}{dx}\sin (x)=\cos (x).$

  $\frac{d}{dx}\cos (x)=-\sin (x).$

  $\frac{d}{dx}\tan (x)={\sec }^2(x)=\frac{1}{{\cos }^2(x)}=1+{\tan }^2(x).$

• Fungsi invers trigonometri:

  $\frac{d}{dx}\arcsin (x)=\frac{1}{\sqrt{1-x^2}},-1<x<1.$

  $\frac{d}{dx}\arccos (x)=-\frac{1}{\sqrt{1-x^2}},-1<x<1.$

  $\frac{d}{dx}\arctan (x)=\frac{1}{1+x^2}$

Kaidah untuk fungsi komposit

Beberapa aturan berikut dapat digunakan untuk menentukan turunan komposisi fungsi dengan membaginya menjadi masalah-masalah turunan yang lebih sederhana. Pada bagian ini, $f$, $g$, dan $h$ adalah fungsi yang terdiferensialkan pada selang $I$.

• Aturan konstanta:

  $f^{\prime }(x)=0.$ untuk $f(x)$ berupa fungsi konstan.

• Kaidah jumlah:

  $(\alpha f+\beta g{)}^{\prime }=\alpha f^{\prime }+\beta g^{\prime }$ untuk semua fungsi Templat:Math dan Templat:Math, dan untuk semua bilangan real $\alpha$ dan $\beta$.

• Kaidah darab:

  $(f\cdot g{)}^{\prime }=f^{\prime }\cdot g+f\cdot g^{\prime }$ untuk semua fungsi Templat:Math dan Templat:Math. Aturan ini mencakup kasus yang istimewa, yakni fakta bahwa $(\alpha \cdot f{)}^{\prime }=\alpha \cdot f^{\prime }$ dengan $\alpha$ berupa konstanta. Karena menurut aturan konstanta, $(\alpha \cdot f{)}^{\prime }=\alpha \cdot f^{\prime }+{\alpha }^{\prime }\cdot f=\alpha \cdot f^{\prime }+0\cdot f=\alpha \cdot f^{\prime }$.

• Kaidah hasil-bagi:

  $\left(\frac{g}{h}\right)=\frac{g^{\prime }\cdot h-g\cdot h^{\prime }}{h^2}$ untuk semua fungsi $g$ dan $h$, di semua titik $x$ di $I$ yang memenuhi $h(x)\ne 0$. Pada kasus $g$ berupa fungsi konstan bernilai $1$, akan didapatkan hubungan $\left(\frac{1}{h}\right)=\frac{-h^{\prime }}{h^2}$

• Aturan rantai untuk komposisi fungsi:

  Jika fungsi $h$ terdiferensialkan pada selang $I_1$, dan fungsi $g$ terdiferensialkan pada selang $I_2=h(I_1)$ ($I_2$ adalah citra dari $I_1$ yang dihasilkan fungsi $h$), maka komposisi fungsi $g\circ h$ terdiferensialkan di $I_1$ dan

  $(g\circ h{)}^{\prime }(x)=g^{\prime }(h(x))\cdot h^{\prime }(x).$

• Kaidah fungsi invers:

  Jika fungsi $f$ bersifat bijektif, dan $f^{-1}$ adalah invers dari fungsi tersebut, maka

  $[f^{-1}{]}^{\prime }(x)=\frac{1}{f^{\prime }(f^{-1}(x))}$

  Hubungan ini berlaku sembarang titik $x$ yang memenuhi $f^{\prime }(f^{-1}(x))\ne 0$

Contoh perhitungan

Turunan dari fungsi

$f(x)=x^4+\sin \left(x^2\right)-\ln (x)e^x+7$

dapat dilakukan dengan pertama kali menerapkan kaidah jumlah; turunan dari penjumlahan fungsi-fungsi sama dengan penjumlahan dari turunan fungsi-fungsi:

$$f^{\prime }(x)=\frac{d}{dx}(x^4)+\frac{d}{dx}(\cos \left(x^2\right))-\frac{d}{dx}(e^x)-\frac{d}{dx}(\ln (x)e^x)+\frac{d}{dx}(7)$$Tahap selanjutnya adalah menghitung turunan dari masing-masing fungsi. Kaidah rantai digunakan untuk menentukan turunan dari $\cos (x^2)$, sedangkan kaidah darab digunakan untuk menentukan turunan $\ln (x)e^x$:

$\begin{array}{cc}{f}^{\prime }(x)& =4x^{(4-1)}+\frac{d\left(x^2\right)}{dx}\cos \left(x^2\right)-\frac{d(\ln x)}{dx}{e}^x-\ln (x)\frac{d\left(e^x\right)}{dx}+0\\ & =4x^3+2x\cos \left(x^2\right)-\frac{1}{x}{e}^x-\ln (x)e^x.\end{array}$

Turunan tingkat tinggi

Misalkan $f$ adalah fungsi terdiferensialkan, dan $f^{\prime }$ adalah fungsi turunannya. Turunan dari $f^{\prime }$ (jika ada) ditulis sebagai $f^{″}$ dan disebut turunan kedua dari $f$. Serupa dengan itu, turunan dari turunan kedua, jika ada, ditulis sebagai $f^{‴}$ dan disebut turunan ketiga dari $f$; dan seterusnya. Turunan berulang ini disebut turunan tingkat tinggi. Turunan ke-Templat:Math juga dapat dituliskan sebagai $f^{(n)}$. Jika $x(t)$ menyatakan posisi suatu objek pada waktu $t$, maka turunan tingkat tinggi dari $x$ memiliki interpretasi khusus dalam bidang fisika. Turunan pertama dari $x$ menyatakan kecepatan objek, turunan kedua menyatakan besar akselerasinya, sedangkan turunan ketiga dari $x$ menyatakan sentakan.

Fungsi mulus

Templat:Main Sebuah fungsi yang dapat diturunkan tak hingga kali disebut fungsi mulus. Tidak semua fungsi merupakan fungsi mulus; sebagai contoh, fungsi $f$ yang tidak kontinu tidak dapat diturunkan. Serupa dengan itu, bahkan jika $f$ memiliki turunan, fungsi turunan keduanya mungkin tidak ada. Sebagai contoh, misalkan fungsi

$f(x)=\{\begin{array}{cc}+x^2,& \text{jika }x\ge 0\\ -x^2,& \text{jika }x\le 0.\end{array}$

Perhitungan menunjukkan bahwa $f^{\prime }(x)=2|x|$ adalah fungsi yang terdiferensialkan namun tidak memiliki turunan di nol. Jika suatu fungsi dapat diturunkan Templat:Math kali berturut-turut dan turunan ke-Templat:Math-nya bersifat kontinu, maka fungsi tersebut merupakan anggota kelas keterdiferensialan Templat:Math.

Polinomial Taylor dengan sisa

Templat:Main Pada garis bilangan real, setiap fungsi polinomial terdiferensialkan tak hingga kali. Dengan menggunakan kaidah turunan pangkat, sebuah polinomial berderajat Templat:Math akan menjadi fungsi konstan jika diturunkan sebanyak Templat:Math kali. Semua turunan fungsi tersebut selanjutnya sama dengan 0 (fungsi konstan). Hal ini mengartikan fungsi polinomial termasuk fungsi mulus.

Turunan tingkat tinggi dari sebuah fungsi $f$ di suatu titik $x$, akan memberikan hampiran polinomial terbaik untuk fungsi tersebut di sekitar titik $x$. Sebagai contoh, jika $f$ terdiferensialkan dua kali, maka

$f(x+h)\approx f(x)+f^{\prime }(x)h+\frac{1}{2}{f}^{″}(x)h^2$

dalam artian bahwa

$\underset{h\to 0}{\lim }\frac{f(x+h)-f(x)-f^{\prime }(x)h-\frac{1}{2}{f}^{″}(x)h^2}{h^2}=0.$

Jika $f$ terdiferensialkan tak hingga kali, maka persamaan turunan kedua dapat diteruskan menjadi deret Taylor untuk fungsi $f$ yang dievaluasi di Templat:Math sekitar titik Templat:Math.

Kaidah untuk turunan tingkat tinggi

• Aturan Leibniz

  Jika $f$ dan $g$ dapat diturunkan sebanyak $n$ kali, maka turunan ke-$n$ dari fungsi $f(x)\cdot g(x)$ adalah

  $(fg{)}^{(n)}=\sum _{k=0}^n(\genfrac{}{}{0ex}{}{n}{k})f^{(k)}{g}^{(n-k)}.$

  Ekspresi $(\genfrac{}{}{0ex}{}{n}{k})$ yang muncul pada persamaan tersebut menandakan koefisien binomial. Aturan ini adalah perumuman dari kaidah darab.

Turunan pada sistem bilangan kompleks

Definisi dan aturan-aturan terkait turunan dapat diperumum untuk fungsi dengan variabel kompleks dan nilai kompleks. Perumuman ini dapat dilakukan karena bilangan kompleks juga memiliki sifat penjumlahan, perkalian, dan pembagian; sama seperti bilangan real. Selain itu, konsep jarak (Euklides) antar bilangan pada bilangan kompleks dapat dijelaskan secara sederhana.

Jika $U\subset ℂ$ berupa himpunan buka, dan $f:U\to ℂ$ adalah fungsi bernilai kompleks, maka $f$ dikatakan terdiferensialkan di titik $z\in ℂ$ bila nilai limit

$\underset{h\to 0}{\lim }\frac{f(z+h)-f(z)}{h}$

ada. Turunan kompleks ini disimbolkan dengan $f^{\prime }(z).$ Definisi ini memungkinkan untuk menggunakan konsep kelinearan: turunan menyatakan besar "kemiringan" dari fungsi [kompleks] linear terbaik yang menghampiri fungsi $f.$ Tapi, perhatian lebih diperlukan karena nilai $h$ pada limit berupa bilangan kompleks. Berbeda dengan limit pada bilangan real yang hanya memerlukan dua arah ("limit dari kanan" dan "limit dari kiri"), limit pada bilangan kompleks dapat "bergerak" dari takhingga banyaknya arah. Akibatnya, konsep turunan fungsi kompleks jauh lebih ketat ketimbang pada fungsi bernilai real. Sebagai contoh fungsi nilai mutlak kompleks tidak memiliki turunan dimanapun. Sebuah fungsi kompleks dapat diturunkan pada suatu titik, jika dan hanya jika fungsi tersebut memenuhi persamaan Cauchy-Riemann di titik tersebut.

Walaupun (atau tepatnya karena) konsep turunan yang jauh lebih ketat, aturan-aturan perhitungan turunan pada fungsi bilangan real dapat digunakan untuk fungsi bilangan kompleks. Hal ini mencakup aturan jumlah, darab, dan rantai, juga aturan fungsi invers. Banyak fungsi kompleks, seperti eksponensial dan logaritma, memiliki sifat turunan yang mirip dengan versi realnya.

Jika fungsi $f$ terdiferensialkan di keseluruhan domain $U$, maka fungsi $f$ disebut fungsi holomorfik di $U$. Fungsi kompleks yang terdiferensialkan di keseluruhan $ℂ$ disebut fungsi entire. Fungsi holomorfik memiliki beberapa sifat yang unik. Sebagai contoh, teorema Picard menyimpulkan bahwa citra (range) dari fungsi entire hanya dapat berupa: Templat:Nowrap Templat:Nowrap atau $\{z_0\}$ untuk suatu Templat:Nowrap Hasil ini dapat digunakan untuk menyimpulkan bahwa, jika fungsi kompleks $f$ tidak pernah menghasilkan nilai $z$ maupun nilai $w$, maka $f$ adalah fungsi konstan.

Turunan untuk fungsi bernilai vektor

Grafik dari fungsi bernilai vektor $𝐫(z)=(2\cos z,4\sin z,z)$yang berbentuk heliks. Panah menandakan vektor yang dihasilkan fungsi di $z=19,5$.

Sebuah fungsi bernilai vektor

$𝐲$

dengan variabel real, adalah fungsi yang memetakan bilangan real (ril) ke suatu vektor di suatu ruang vektor

${ℝ}^n$

. Fungsi bernilai vektor dapat dibagi menjadi fungsi-fungsi koordinatnya,

$y_1(t),y_2(t),\dots ,y_n(t)$

. Hal ini mengartikan fungsi

$𝐲$

dapat ditulis sebagai

$𝐲(t)=(y_1(t),y_2(t),\dots ,y_n(t))$

. Contoh dari fungsi bernilai vektor adalah kurva parametrik di

${ℝ}^2$

atau

${ℝ}^3$

. Fungsi-fungsi koordinat adalah fungsi bernilai real, mengakibatkan definisi turunan dapat diterapkan bagi mereka semua. Turunan dari fungsi

$𝐲(t)$

didefinisikan sebagai sebuah vektor, disebut vektor singgung, yang koordinatnya adalah nilai turunan dari semua fungsi koordinatnya. Dengan kata lain,

$${𝐲}^{\prime }(t)=(y{\text{'}}_1(t),\dots ,y{\text{'}}_n(t)).$$

Bentuk tersebut dapat dihasilkan dari menghitung

$${𝐲}^{\prime }(t)=\underset{h\to 0}{\lim }\frac{𝐲(t+h)-𝐲(t)}{h},$$

dengan mengasumsikan limit dari fungsi tersebut ada. Sebagai contoh, bila

$𝐲(t)$

adalah vektor yang menandakan posisi suatu partikel pada waktu

$t$

, turunan

${𝐲}^{\prime }(t)$

dapat dipandang sebagai vektor kecepatan dari partikel pada waktu

$t$

.

Turunan untuk fungsi multivariabel

Pembahasan pada bagian-bagian sebelumnya hanya memperhatikan fungsi dengan satu variabel. Fungsi yang memetakan vektor ke vektor maupun vektor ke bilangan juga dapat memiliki turunan. Tetapi, garis singgung pada grafik fungsi tersebut belum tentu unik, karena ada banyak arah yang mungkin untuk membuat garis tersebut. Oleh karena itu, perumuman turunan diperlukan untuk jenis fungsi ini.

Keterdiferensialan dan matriks Jacobi

Turunan parsial

Templat:MainTemplat:Multiple image Misalkan $f$ adalah fungsi multivariabel, sebagai contoh $f(x,y)=x^2+xy+y^2.$ Fungsi $f$ dapat dianggap sebagai keluarga fungsi satu variabel yang diindeks oleh variabel-variabel yang lain:

$f(x,y)=f_x(y)=x^2+xy+y^2.$

Dalam contoh ini, setiap nilai $x$ akan menghasilkan sebuah fungsi $f_x$ yang merupakan fungsi satu variabel. Hal ini dapat dinyatakan dengan pemetaan

$x\mapsto f_x,$

$f_x(y)=x^2+xy+y^2.$

Setelah suatu nilai $x$ dipilih, misalnya $x=a$, maka $f(x,y)$ selanjutnya menentukan sebuah fungsi $f_a$ yang memetakan $y$ ke $a^2+ay+y^2$, juga dapat ditulis sebagai $f_a(y)=a^2+ay+y^2$. Dalam ekspresi tersebut $a$ adalah sebuah konstanta dan bukan sebuah variabel, menjadikan $f_a$ sebagai fungsi satu variabel. Alhasil, definisi turunan untuk fungsi satu variabel berlaku:

${f_a}^{\prime }(y)=a+2y.$

Prosedur ini dapat diterapkan untuk sembarang pemilihan nilai $a$. Menggunakan notasi Leibniz, turunan ini menyampaikan perbandingan perubahan nilai fungsi $f$ dalam arah $y$:

$\frac{\partial f}{\partial y}(x,y)=x+2y.$

dan disebut sebagai turunan berarah dari $f$ terhadap $y$. Dalam ekspresi tersebut, simbol ∂ adalah huruf d melengkung yang disebut sebagai simbol turunan parsial. Untuk membedakannya dengan huruf d yang digunakan dalam turunan satu variabel, ∂ terkadang dilafalkan sebagai "der", "del", atau "parsial", ketimbang "de".

Secara umum, turunan parsial sebuah fungsi $f(x_1,\dots ,x_n)$ dalam arah $x_i$ di titik $(a_1,\dots ,a_n)$ didefinisikan sebagai

$\frac{\partial f}{\partial x_i}(a_1,\dots ,a_n)=\underset{h\to 0}{\lim }\frac{f(a_1,\dots ,a_i+h,\dots ,a_n)-f(a_1,\dots ,a_i,\dots ,a_n)}{h}.$

Dalam perbandingan beda di atas, semua nilai variabel kecuali $x_i$ dibuat konstan. Tindakan membuat konstan variabel-variabel ini akan menghasilkan fungsi satu variabel

$f_{a_1,\dots ,a_{i-1},a_{i+1},\dots ,a_n}(x_i)=f(a_1,\dots ,a_{i-1},x_i,a_{i+1},\dots ,a_n),$

dan dari definisi,

$\frac{d{f}_{a_1,\dots ,a_{i-1},a_{i+1},\dots ,a_n}}{d{x}_i}(a_i)=\frac{\partial f}{\partial x_i}(a_1,\dots ,a_n).$

Ekspresi ini juga menunjukkan bahwa perhitungan turunan parsial dapat disederhanakan menjadi perhitungan turunan satu variabel.

Turunan parsial juga memainkan peran penting dalam pembahasan terkait fungsi bernilai vektor. Misalkan $𝐟(x_1,\dots ,x_n)$ sebagai fungsi bernilai vektor. Jika semua turunan parsial $\frac{\partial 𝐟}{\partial x_j}$ terdefinisi di titik $𝐚=(a_1,\dots ,a_n)$, turunan-turunan parsial ini mendefinisikan sebuah vektor

$\mathrm{\nabla }𝐟(a_1,\dots ,a_n)=(\frac{\partial 𝐟}{\partial x_1}(a_1,\dots ,a_n),\dots ,\frac{\partial 𝐟}{\partial x_n}(a_1,\dots ,a_n)),$

yang disebut sebagai gradien dari $𝐟$ di $𝐚$. Jika $𝐟$ terdiferensialkan di setiap titik di suatu domain, maka gradien adalah sebuah fungsi bernilai vektor $\mathrm{\nabla }𝐟$ yang memetakan titik $(a_1,\dots ,a_n)$ ke vektor $\mathrm{\nabla }𝐟(a_1,\dots ,a_n)$. Akibatnya, gradien menentukan suatu medan vektor.

Turunan berarah

Plot kontur dari fungsi $f(x,y)=x^2+y^2$. Vektor gradien ditandai oleh warna hitam, dan vektor unit $𝐮$ yang dikali dengan turunan berarah $f$dalam arah $𝐮$ ditandai wana jingga. Vektor gradien lebih panjang daripada vektor turunan berarah, karena vektor gradien menunjuk pada arah dengan perubahan nilai fungsi paling besar.

Jika $f$ adalah fungsi bernilai real di ${ℝ}^n$, maka turunan parsial $f$ mengukur variasi turunan dalam arah sumbu koordinat. Sebagai contoh, jika $f$ adalah fungsi dari $x$ dan $y$, maka turunan parsial $f$ mengukur variasi di $f$ dalam arah $x$ dan $y$. Tapi, turunan $f$ tidak mengukur secara langsung variasi $f$ pada setiap arah lainnya, contohnya di sepanjang garis diagonal $y=x$. Ini diukur menggunakan turunan berarah. Misalkan vektor

$𝐯=(v_1,\dots ,v_n),$

turunan berarah $f$ dalam arah $𝐯$ di titik x didefinisikan melalui limit

$D_{𝐯}f(𝐱)=\underset{h\to 0}{\lim }\frac{f(𝐱+h𝐯)-f(𝐱)}{h}.$

Dalam beberapa kasus, menghitung atau menaksir turunan berarah akan lebih mudah setelah panjang vektor diubah. Proses ini seringkali dilakukan dengan mengubah suatu masalah menjadi perhitungan berupa turunan berarah dalam arah satuan vektor. Sebagai contoh, misalkan $𝐯=\lambda 𝐮$ dan $𝐮$ adalah satuan vektor pada arah $𝐯$. Mensubstitusi $h=\frac{k}{\lambda }$ ke perbandingan beda di ruas kanan persamaan, akan menghasilkan bentuk

$\frac{f(𝐱+(k/\lambda )(\lambda 𝐮))-f(𝐱)}{k/\lambda }=\lambda \cdot \frac{f(𝐱+k𝐮)-f(𝐱)}{k}.$

Dengan mengambil limit $h$ menuju nol dari persamaan di atas, didapatkan hubungan turunan berarah $f$ dalam arah vektor $𝐯$ sama saja dengan $\lambda$ kali turunan berarah $f$ dalam arah vektor satuan $𝐮$. Oleh karena itu, $D_{𝐯}(f)=\lambda D_{𝐮}(f)$. Karena sifat penskalaan ini, turunan berarah seringkali digunakan hanya untuk vektor satuan.

Jika semua turunan parsial $f$ ada dan kontinu di $𝐱$, maka semua turunan parsial menentukan turunan berarah $f$ pada arah $𝐯$ melalui rumus berikut:

$D_{𝐯}f(𝒙)=\sum _{j=1}^n{v}_j\frac{\partial f}{\partial x_j}.$

Rumus di atas merupakan akibat dari definisi turunan total. Rumus ini juga menunjukkan bahwa turunan berarah bersifat linear di $𝐯$, dalam artian $D_{𝐯+𝐰}(f)=D_{𝐯}(f)+D_{𝐰}(f)$.

Definisi yang sama juga berlaku ketika $f$ berupa fungsi yang memiliki nilai di ${ℝ}^m$; dengan menerapkan definisi pada setiap komponen vektor. Pada kasus ini, turunan berarah merupakan vektor di ${ℝ}^m$.

Diferensial total dan matriks Jacobi

Templat:MainJika $f$ merupakan sebuah fungsi dari himpunan terbuka dari ${ℝ}^n$ ke ${ℝ}^m$, maka turunan berarah $f$ dalam arah yang dipilih merupakan hampiran linear terbaik ke $f$ di titik dan arah tersebut. Tetapi jika $n>1$, maka tidak ada turunan berarah tunggal yang dapat memberikan gambaran lengkap mengenai perilaku fungsi $f$. Turunan total memberikan gambaran lengkap dengan meninjau semua arah sekaligus. Dalam artian, untuk suatu vektor $𝐯$ yang dimulai dari $𝐚$, terdapat rumus hampiran linear yang berlaku sebagai:

$f(𝐚+𝐯)\approx f(𝐚)+f^{\prime }(𝐚)𝐯.$

Sama seperti turunan satu variabel, $f^{\prime }(𝐚)$ dipilih sehingga galat hampiran tersebut dapat dibuat sekecil mungkin.

Jika $n$ dan $m$ bernilai 1, maka turunan $f^{\prime }(𝐚)$ merupakan sebuah nilai dan bentuk $f^{\prime }(𝐚)𝐯$ merupakan hasil kali dari dua bilangan. Tetapi dalam dimensi yang lebih tinggi, $f^{\prime }(𝐚)$ tidak dapat berupa sebuah bilangan. Jika $f^{\prime }(𝐚)$ adalah sebuah bilangan, maka $f^{\prime }(𝐚)𝐯$ akan berupa vektor di ${ℝ}^n$. Sedangkan bentuk-bentuk lainnya berupa vektor di ${ℝ}^m$ sehingga rumus hampiran linear menjadi tidak masuk akal. Agar rumus hampiran linear menjadi masuk akal, $f^{\prime }(𝐚)$ harus sebuah fungsi yang memetakan vektor di ${ℝ}^n$ ke vektor di ${ℝ}^m$, dan $f^{\prime }(𝐚)𝐯$ harus menyatakan fungsinya dapat dihitung di $𝐯$.

Untuk menentukan jenis fungsi apakah tersebut, perhatikan bahwa rumus hampiran linear dapat ditulis ulang sebagai

$f(𝐚+𝐯)-f(𝐚)\approx f^{\prime }(𝐚)𝐯.$

Perhatikan bahwa jika vektor lain dipilih, katakanlah $𝐰$, maka persamaan hampiran tersebut menentukan persamaan hampiran lain dengan memasukkan $𝐰$ ke $𝐯$. Ini menentukan persamaan aproksimasi ketiga dengan memasukan nilai $𝐰$ ke $𝐯$ dan $𝐚+𝐯$ ke $𝐚$. Dengan mengurangi kedua persamaan tersebut akan mendapatkan persamaan berikut.

$f(𝐚+𝐯+𝐰)-f(𝐚+𝐯)-f(𝐚+𝐰)+f(𝐚)\approx f^{\prime }(𝐚+𝐯)𝐰-f^{\prime }(𝐚)𝐰.$

Jika diasumsikan bahwa $𝐯$ bernilai kecil dan bahwa perubahan turunan kontinu di $𝐚$, maka $f^{\prime }(𝐚+𝐯)$ kira-kira sama dengan $f^{\prime }(𝐚)$. Karena itu, ruas kanan pada persamaan tersebut kira-kira sama dengan nol. Ruas kiri pada persamaan dapat ditulis ulang dalam cara yang berbeda dengan menggunakan rumus hampiran linear, dengan $𝐯+𝐰$ dimasukkan $𝐯$. Rumus hampiran linear menyiratkan:

$\begin{array}{cc}0& \approx f(𝐚+𝐯+𝐰)-f(𝐚+𝐯)-f(𝐚+𝐰)+f(𝐚)\\ & =(f(𝐚+𝐯+𝐰)-f(𝐚))-(f(𝐚+𝐯)-f(𝐚))-(f(𝐚+𝐰)-f(𝐚))\\ & \approx f^{\prime }(𝐚)(𝐯+𝐰)-f^{\prime }(𝐚)𝐯-f^{\prime }(𝐚)𝐰.\end{array}$

Rumus tersebut menyarankan bahwa $f^{\prime }(𝐚)$ merupakan transformasi linear dari ruang vektor ${ℝ}^n$ ke ruang vektor ${ℝ}^m$. Bahkan rumus ini dapat membuat sebuah turunan yang tepat dengan mengukur galat pada hampirannya. Asumsi bahwa galat pada rumus hampiran linear dibatasi oleh hasil kali dari konstanta dengan $\Vert 𝐯\Vert$, dengan konstantanya bebas dari $𝐯$ namun kontinu bergantung pada $𝐚$. Setelah menambahkan sebuah bentuk galat yang sesuai, maka semua persamaan hampiran di atas dapat ditulis ulang sebagai pertidaksamaan. Khususnya, $f^{\prime }(𝐚)$ merupakan sebuah transformasi linear hingga bentuk galat kecil. Dalam limit, ketika $𝐯$ dan $𝐰$ menuju ke nol, $f^{\prime }(𝐚)$ harus berupa transformasi linear. Karena turunan total didefinisikan dengan mengambil limit ketika $𝐯$ menuju ke nol, $f^{\prime }(𝐚)$ harus berupa transformasi linear.

Turunan pada sistem bilangan hiperreal

Dalam matematika, bilangan hiperreal adalah sebuah cara memaknai besaran tak hingga dan infinitesimal (tak hingga kecilnya tapi tidak nol). Hiperreal adalah perumuman dari himpunan bilangan real $ℝ$, dan mencakup bilangan-bilangan yang lebih besar daripada $1+1+\dots +1$ (untuk sembarang terhingga banyaknya suku). Pada sistem bilangan ini, turunan fungsi real $y=f(x)$ di titik real $x$ dapat didefinisikan sebagai bayangan perbandingan Templat:Math untuk infinitesimal Templat:Math, dengan Templat:Math. Perluasan (perumuman, ekstensi) alami fungsi $f$ untuk hiperreal masih dilambangkan sebagai $f$, dan turunannya dikatakan ada jika besar bayangan tidak bergantung pada pemilihan infinitesimal.

Perumuman

Templat:Main Konsep turunan dapat diperluas menjadi perumuman lainnya. Kaitan yang paling umumnya adalah turunan fungsi di sebuah titik disajikan sebagai hampiran linear dari fungsi pada titik tersebut.

• Perumuman penting mengenai turunan melibatkan fungsi kompleks dari variabel kompleks, seperti fungsi (dengan domain) bilangan kompleks $ℂ$ ke $ℂ$. Gagasan turunan fungsi kompleks diperoleh dengan menggantikan variabel real dengan variabel kompleks melalui definisi berikut: Jika $ℂ$ diidentifikasi sebagai ${ℝ}^2$ dengan menulis bilangan kompleks $z$ sebagai $x+iy$, maka sebuah fungsi terdiferensialkan dari $ℂ$ ke $ℂ$ pasti terdiferensialkan sebagai sebuah fungsi dari ${ℝ}^2$ ke ${ℝ}^2$ (dalam artian bahwa semua turunan parsial juga ada), tetapi kebalikannya tidak benar pada umumnya: turunan kompleks hanya ada jika turunan real merupakan linear kompleks dan turunan kompleks memaksakan kaitannya antara turunan parsial yang disebut sebagai persamaan Cauchy–Riemann – lihat fungsi holomorfik.
• Perumuman lainnya melibatkan fungsi antara manifold terdiferensialkan atau manifold mulus. Secara intuitif, manifold $M$ dikatakan sebagai ruang yang dapat dihampiri mendekati setiap titik $x$ melalui sebuah ruang vektor yang disebut sebagai ruang garis singgung: contoh prototipikalnya adalah permukaan mulus di ${ℝ}^3$. Turunan (atau diferensial) dari peta (terdiferensialkan) $f:M\to N$ di antara manifold, di sebuah titik $x$ di $M$, merupakan peta linear dari ruang singgung $M$ di $x$ ke ruang singgung $N$ di $f(x)$, sehingga turunan fungsi menjadi sebuah peta antara berkas garis singgung $M$ dan $N$. Definisi tersebut merupakan bentuk dasar dalam geometri diferensial, dan definisi tersebut mempunyai banyak kegunaan – lihat pushforward dan pullback.
• Diferensiasi juga dapat didefinisikan sebagai pemetaan antara ruang vektor dimensi takhingga, seperti ruang Banach dan ruang Fréchet. Perumuman dari turunan berarah disebut turunan Gateaux, dan perumuman dari diferensial disebut turunan Fréchet.
• Salah satu kekurangan turunan biasa adalah bahwa ada sangat banyak sekali fungsi yang tidak terdiferensialkan. Namun ada cara memperluas gagasan turunan sehingga semua fungsi kontinu dan fungsi lainnya dapat diturunkan melalui konsep yang dikenal sebagai turunan lemah. Tujuannya adalah agar memasukkan fungsi kontinu dalam sebuah ruang yang lebih besar yang disebut ruang distribusi, dan tujuan ini hanya mengharuskan bahwa fungsi "rata-rata" terdiferensialkan.
• Pengenalan dan studi mengenai banyak topik yang serupa dalam aljabar dan topologi diilhami melalui sifat-sifat turunan — sebagai contoh, lihat aljabar diferensial.
• Definisi turunan yang ekuivalen diskret adalah beda hingga. Dalam kalkulus skala waktu, studi mengenai kalkulus diferensial disatukan dengan kalkulus beda hingga.

Lihat pula

• Analisis matematis
• Aturan pendiferensialan
• Diferintegral
• Generalisasi turunan
• Integral
• Infinitesimal
• Invers perkalian
• Kelajuan (mathematika)
• Kelas keterdiferensialan
• Linearisasi
• Pendiferensialan numerik
• Pendiferensialan otomatik
• Penerapan turunan
• Sejarah kalkulus
• Teorema Radon–Nikodym
• Turunan aritmetika
• Turunan fraktal
• Turunan Hasse
• Turunan Schwarz
• Turunan simetrik

Daftar pustaka

Buku cetak

• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation

Buku daring

• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation

Pranala luar

• Templat:Springer
• Khan Academy: "Newton, Leibniz, and Usain Bolt"
• Templat:MathWorld
• Online Derivative Calculator from Wolfram Alpha.