微积分入门（持续更新）

0x00 前言

• $Wemustknow.Wewillknow.$
   ——David Hilbert

微积分（Calculus），数学概念，是高等数学中研究函数的微分（Differentiation）、积分（Integration）以及有关概念和应用的数学分支。它是数学的一个基础学科，内容主要包括极限、微分学、积分学及其应用。

微分学包括求导数的运算，是一套关于变化率的理论。它使得函数、速度、加速度和曲线的斜率等均可用一套通用的符号进行讨论。积分学，包括求积分的运算，为定义和计算面积、体积等提供一套通用的方法。

1x01 微分（其一）一一瞬时变化率？极限的严格定义

想象一辆汽车，其所走过的路程 $(s)$ 和时间 $(t)$ 的关系为 $s=t^2$ ，现在要求速度 $(v)$ 与时间的关系。

我们先把问题简化一下，我们现在只求汽车在第 $5$ 秒时的瞬时速度。有头绪吗？

三——

二——

一——

好，揭晓答案。我们先把时间定位在 $5-5.1s$ 之内。在这个区间内，它的平均速度为：
$$v=\frac{s}{t}=\frac{5.1^2-5^2}{5.1-5}=\mathrm{10.1.}$$
现在我们再把时间的范围缩小到 $5-5.01s$ 之内。现在它的平均速度为：
$$v=\frac{s}{t}=\frac{5.01^2-5^2}{5.01-5}=\mathrm{10.01.}$$
$Andsoon,$ 我们继续将时间范围缩小、缩小、再缩小，我们可以看到的是，平均速度逐步 “趋近” $5$ 。

但是我们需要一个严格的证明啊！！！

因此，我们定义，对于 $t$ 的一个变化量，我们称之为 $\Delta t$ 。那么我们将 $5-5+\Delta t$ 这个时间段内的平均速度则可以表示为：
$$v=\frac{s}{t}=\frac{(5+\Delta t{)}^2-5^2}{\Delta t}=10+\Delta t.$$
现在，我们让 $\Delta t$ 变得很小，很小，非常小，小到几乎为 $0$ ，这时原式的值为 $10$ 。

现在我们用极限的记号来表示这个过程：
$$\underset{\Delta t\to 0}{\lim }\frac{(5+\Delta t{)}^2-5^2}{\Delta t}=10$$

我们也可以借此求出通用的公式：
$$v=2t$$
我们就把 $v=2t$ 称为 $s=t^2$ 的导函数，导函数在 $n$ 处的值就是原函数在 $n$ 处的导数。

$Butnow,$ 问题来了，当 $\Delta t$ 越来越小时，分母也越来越接近于 $0$ ，这该怎么办呢？这时候我们就要来看一下贝克莱怎么说：

. . . . . . 事实上我们必须意识到，牛顿使用 无穷小量 ，正如同使用建筑物的脚手架一样，一旦找到了和它们成比例的线元，便过河拆桥，将其抛弃不谈。然而这一有限的成分（当指 “线性主部” ）是借由 无穷小量 的帮助而得出的，故由此成分和比例得出的一切结论（包括微积分的一切定理与应用），都应归功于 无穷小量 ：那么这样一个概念必然是首先应该得到解释的。可是 无穷小量 是什么呢？是 “消散增量的速率” ？那这些 消散的增量 又是什么呢？它们既非 有限量 ，也不是 无限小 的量（即，比任何有限量都小的量），然而却又不是 零 。那么我们或许也只好称其为 “消逝量的幽灵” 了吧？
（注：贝克莱在原文中使用了 “Fluxions” 一词，历史上对应今天所言的 “导数” ；然而根据语境，当指用以作商的 微小增量 ，故译为 “无穷小量” ）

于是， 【第二次数学危机】 由此揭发。最后终于找到了一个令人比较满意的解答： $ϵ-\delta$ 语言。

$ϵ-\delta$ 语言指出，如果 $t$ 和 $\Delta t$ （$t$ 指原时间）相差与 $v$ 和 $v+\Delta t$ 之差为等价无穷小，则称 $v+\Delta t$ 为 $v$ 的极限。

（像是优雅的废话）

通俗一点：

大家知道，我们投篮的时候，篮筐越大越容易进，最极端的情况就是篮筐和篮球一样大。现假设篮球在篮筐正中心时，与篮筐边缘的距离为 $ϵ$ ，如下图所示：

若投篮者与篮筐正中心的距离为 $A$，投篮者的真实投篮距离为 $f(x)$ ，如果想要将球投进，则需要满足 $|f(x)-A|<ϵ$，即投篮者的力度需要恰到好处，不能太多也不能太少，而力度所对应的便是投篮者的手部弯曲程度，只要弯曲程度在一定范围内（如下图红色范围），就可以将球投进，这个所谓的 “一定范围” ，便是去心领域, $0<|x-x_0|<\delta$ ，（如果这里 $0$ 可以取等于，则为不去心邻域），即 $x_0-\delta <x<x_0+\delta$ ，如下图所示：

（啊这迷人的画风）

而函数有极限，就相当于投篮者拥有库里的投射能力，无论 $ϵ$ 多么的小，即无论篮筐大小多么接近篮球大小，投篮者都可以找到一个精确的角度范围将球投进。由此，极限定义可通俗地写为：

对于任意大小的篮筐（无论其与篮球大小之差 $ϵ$ 多么的小），拥有 神射能力的投篮者 （对应于拥有极限的函数）总能找到一个极小的精确的投篮角度范围 $0<|x-x_0|<\delta$ ，将球投进，即投射距离 $f(x)$ 与最佳距离 $A$ 的差距小于 $ϵ$ ，即 $|f(x)-A|<ϵ$ .

因此，数学家们解决了 “无穷小的悖论” 。那么下一节，我们来学习通用的求导方法。

1x02 微分（其二）——通用的求导方式&用图像求导

现在，我们来试求 $y=x^3$ 的导数。

首先，我们令 $x$ 的增量为 $\Delta x$ ， $y$ 的增量为 $\Delta y$ ，可得：
$$y^{{}^{\prime }}=\frac{\Delta y}{\Delta x}=\frac{(x+\Delta x{)}^3-x^3}{\Delta x}=\frac{x^3+3x^2\Delta x+3x{\Delta x}^2+{\Delta x}^3-x^3}{\Delta x}$$
化简得：
$$y^{{}^{\prime }}=3x^2+3x\Delta x+\Delta x^2$$
现在，我们让 $\Delta x$ 趋近于 $0$ ，可得：
$$y^{{}^{\prime }}=3x^2.$$
你也可以试着求一下其它形如 $y=x^n$ 函数的导数，会发现结果都是 $y^{{}^{\prime }}=n{x}^{n-1}$ .其实是因为在分解时，$x^n$ 被削去了，剩下的部分只有 $n{x}^{n-1}\Delta x$ 只包含一个 $\Delta x$ ，因此不会被趋近于 $0$ ，其他的都可以忽略不计。

上面的是通用的求导方式，即：
$$f^{{}^{\prime }}(x)=\frac{\Delta f}{\Delta x}=\frac{f(x+\Delta x)-f(x)}{\Delta x}$$
现在我们来试求 $y=\sin x$ 的导数。

你可以试着用代数方法求，我们这里试着用几何方法。

先看下面的图：

关注 $\sin$ 和 $\cos$ 的部分。

现在我们来看下面的一个单位圆：

单位圆的半径为 $r=1$ 。所以，竖直的橙色虚线的长度是 $\sin \alpha .$
竖直的红色虚线的长度是 $\sin (\alpha +\Delta \alpha ).$

因此 $d=\overline{D}-D=\sin (\alpha +\Delta \alpha )-\sin \alpha .$

现在我们把单位圆放大：

可以看见，我们把弧长放的越大，那么他就越接近一条直线。

现在连接红点和橙点，如下图所示：

图片3中的青线是圆的一条 割线 ，可以想象，当红色点 充分接近 橙色点时（即转动的角度 $\Delta \alpha$ 充分小时），这条青色的割线将趋近于橙色点处的圆的 切线 。而我们知道， 连结圆心与切点的半径是垂直于切线的 （垂径定理）。所以，在转动的角度 $\Delta \alpha$ 充分小时，可近似认为图片1中的橙色实线半径 垂直于 这条青色的割线。不仅如此，在转动的角度充分小时，这这条青色的割线还近似于 弧 $l$ 。

那么就会出现两个相似三角形，我将它们分别用橙色和青色进行重新进行标识，如下图所示：

则由相似性可知，图片4中的青色三角形在红色点处的角度是 $\alpha$ ：

则有 $d=\cos \alpha \cdot \Delta a.$

又 $\because d=\sin (\alpha +\Delta \alpha )-\sin \alpha$

$\therefore \frac{\Delta \sin \alpha }{\Delta \alpha }=\frac{\sin (\alpha +\Delta \alpha )-\sin \alpha }{\Delta \alpha }=\frac{\cos \alpha \cdot \Delta \alpha }{\Delta \alpha }=\cos \alpha$.

因此，${\sin }^{{}^{\prime }}x=\cos x.$

同理可得，
$${\cos }^{{}^{\prime }}x=-\sin x$$
$${\tan }^{{}^{\prime }}x=\frac{1}{{\cos }^{2}x}={\sec }^{2}x$$
$${\cot }^{{}^{\prime }}x=-\frac{1}{{\sin }^{2}x}=-{\csc }^{2}x$$
$${\sec }^{{}^{\prime }}x=\sec x\cdot \tan x$$
$${\csc }^{{}^{\prime }}x=-\csc x\cdot \cot x$$

1x03 微分（其三）——求导的几何意义：切线斜率

我们看一个函数 $f(x)$ 的图像。

现在，我们关注 $P,Q$ 两点。$a$ 是经过这两点的割线。现在，我们将 $P$ 越来越靠近 $Q$ ， $a$ 也逐渐下滑到 $b$ 的位置。我们说 $b$ 是函数 $y=f(x)$ 在 $Q$ 点处的切线。当然，也可以说是在 $(x_0,y_0)$ 处的切线。

你可能会说，我们为什么不把函数图像的切线直接定义成 经过且仅经过图像上一点的直线 呢？其实，很多函数的图像要么 不存在经过且仅经过图像上一点的直线 ，要么 存在很多条经过且仅经过图像上一点的直线 。而且，这样极限的定义还能够牵扯到一个重要的概念——导数。

其实，我们这条切线的方程可以表示为 $y=ax+b$ ，其中 $a$ 就是切线的斜率。通过第二节的证明，我们知道，当取的范围足够小（这里为 $PQ$ ），直线就越接近曲线的极限。此时，直线的斜率就是 竖轴增加的步长比上横轴增加的步长 ，也即 $\frac{\Delta y}{\Delta x}$ ，$y$ 的导数。

现在，我们就可以求出函数 $y=f(x)$ 在 $x_0$ 处的切线方程了。下面给出一个例子：

已知函数 $f(x)=x^2+5$ ，求出函数 $f(x)$ 的图像在 $x=-5$ 处的切线方程。

首先，我们求出 $f(x)$ 的导函数：
$$f^{{}^{\prime }}(x)=\frac{\Delta f}{\Delta x}=\frac{[(x+\Delta x{)}^2+5]-(x^2+5)}{\Delta x}=2x$$
当 $x=-5$ 时，$f^{{}^{\prime }}(-5)=-10$ .

所以 $x=-5$ 处的切线的方程为 $y=-10x+b$ ，现在我们要求出常数项。

将 $x=-5$ 带入原方程，得到 $y=50+b$ ，此时 $y=25$ ，因此 $25=50+b$ ，解得 $b=-25$ 。

所以，函数 $f(x)$ 的图像在 $x=-5$ 处的切线方程为 $y=-10x-25$ 。

同样也很容易得出，函数 $f(x)$ 的图像在 $x=x_0$ 处的切线方程为 $y=2x_{0}x-x_0^2$ .

1x04 微分（其四）——导数的计算法则，加法、乘法&链式法则

导数的加法法则为：
$$(f(x)+g(x){)}^{{}^{\prime }}=f^{{}^{\prime }}(x)+g^{{}^{\prime }}(x)$$
这灰常的显而易见：
$$(f(x)+g(x){)}^{{}^{\prime }}=\frac{\Delta f+\Delta g}{\Delta x}=\frac{\Delta f}{\Delta x}+\frac{\Delta g}{\Delta x}=f^{{}^{\prime }}(x)+g^{{}^{\prime }}(x)$$
（不要怕对无穷小量进行运算，之后会讲到什么时候不适合直接计算 洛不达，洛必错 ）

比如说，$(x^2+3x{)}^{{}^{\prime }}=(x^2{)}^{{}^{\prime }}+3x^{{}^{\prime }}=2x+3$.

导数的乘法法则为：
$$(f(x)\cdot g(x){)}^{{}^{\prime }}=f^{{}^{\prime }}(x)\cdot g(x)+f(x)\cdot g^{{}^{\prime }}(x)$$
证明如下：
$$\Delta (fg)=$$