【考研数学】高等数学第二模块 —— 微分学

---

一、导数与微分

1.1 基本概念

导数

某点处导数存在的充要条件是该点处左右导数均存在且相等。如 $y=|x|$ 在 $x=0$ 处的左导数和右导数不相等，因此在该点处不可导。
正是因为可能有不可导点的存在，很多时候需要用定义而不能直接求导函数。

可微

$dy$ 和 $\Delta y$ 的关系是：$\Delta y-dy=o(\Delta x)$ 。

连续、可导、可微的关系

一元函数可微等价于可导，可导则一定连续，但连续不一定可导。因此只有连续性满足时，不轻易直接利用求导公式求导，而根据定义进行求导。

可导与连续可导

函数 $f(x)$ 在某区间内可导，则函数在该区间上处处可导，但是导函数不一定是连续的。如果 $f(x)$ 在某区间内连续可导，才可以说导函数也是连续的。

那么，导函数连续不连续有什么影响呢？影响之一就是洛必达法则的使用。例如某函数二阶可导，最多只能洛一次，不能洛到二阶导。说一个例子大家就明白了。

1.2 求导公式与法则

基本求导公式不过多赘述，只补充几个比较容易混的。微分记得后面带上一个 $dx$ ，复合函数求导则采用链式求导法则。

$(arcsinx{)}^{\prime }=\frac{1}{\sqrt{1-x^2}}$
$(arccosx{)}^{\prime }=-\frac{1}{\sqrt{1-x^2}}$
$(a^x{)}^{\prime }=a^{x}lna$
$(secx{)}^{\prime }=secx\cdot tanx$
$(cscx{)}^{\prime }=-cscx\cdot cotx$

反函数求导法则如下，一阶反函数求导公式可以记一记，二阶可以现场推。

关于高阶导数，有以下几个公式需要掌握。 $$(\frac{1}{ax+b}{)}^{(n)}=\frac{(-1{)}^{n}n!a^n}{(ax+b{)}^{n+1}}$$$$(sinx{)}^{(n)}=sin(x+\frac{n\pi }{2}),(cosx{)}^{(n)}=cos(x+\frac{n\pi }{2})$$

1.3 隐函数与参数方程确定的函数求导

需要注意的是隐函数存在的条件，这一块多元函数考的比较多，放到那里来说。

---

二、中值定理与一元微分应用

2.1 中值定理

罗尔中值定理（Rolle）

若 $y=f(x)$ 在 $[a,b]$ 上连续，在 $(a,b)$上可导，且有 $f(a)=f(b)$ ，则存在 $\xi \in (a,b)$ ，使得 $f^{\prime }(\xi )=0$ 。

1.注意条件，一定是闭区间上连续，开区间上可导，而且 $\xi$ 是在开区间范围内。
2.当不满足罗尔定理的条件时，也有可能存在 $f^{\prime }(\xi )=0$ 。
3.罗尔定理存在推广形式，当区间一端为无穷时同样可以有这样的结论。
4.可多次使用，如在证明二阶导数为0情况下。

拉格朗日中值定理（Lagrange）

若 $y=f(x)$ 在 $[a,b]$ 上连续，在 $(a,b)$上可导，则存在 $\xi \in (a,b)$ ，使得 $$f^{\prime }(\xi )=\frac{f(b)-f(a)}{b-a}.$$

拉氏定理可以利用罗尔定理证明得到。
出现三点，可多次使用。

柯西中值定理（Cauchy）

若 $f(x),g(x)$ 在 $[a,b]$ 上连续，在 $(a,b)$上可导，且 $g^{\prime }(x)\ne 0$ ，则存在 $\xi \in (a,b)$ ，使得 $$\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{f^{\prime }(\xi )}{g^{\prime }(\xi )}.$$

泰勒中值定理（Taylor）

设 $f(x)$ 在 $x_0$ 的某个邻域内有 $n+1$ 阶导数，那么在该邻域内，有$$f(x)=f(x_0)+f^{\prime }(x_0)(x-x_0)+\frac{f^{\prime \prime }(x_0)}{2!}(x-x_0{)}^2+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0{)}^n+R_{n(x)}$$
当 $R_{n(x)}=o((x-x_0{)}^n)$ 时，称为皮亚诺余项。当 $$R_{n(x)}=\frac{f^{(n+1)}(\xi )}{(n+1)!}(x-x_0{)}^{n+1}$$ 时，称为拉格朗日余项，其中 $\xi$ 位于 $x$ 和 $x_0$ 之间。

• 皮亚诺余项比较粗略，而拉格朗日余项给出了具体形式，在证明时提供了方便。
• 特别地，$x_0=0$ 时，称为麦克劳林展开，在求极限时可以用到。没什么是两发泰勒展开不能解决的极限(￣︶￣*))，如果有，那就多展几阶。

下面是一些常用的泰勒展开，背出来前面几次是最好的了。

几个推广形式

导数零点定理

设 $y=f(x)$ 在 $[a,b]$ 上连续，在 $(a,b)$上可导，且 $f_{+}^{\prime }(a)f_{-}^{\prime }(b)<0$ ，则存在 $\xi \in (a,b)$ ，使得 $f^{\prime }(\xi )=0$ 。

不能用零点定理来证明，因为不能保证 $f^{\prime }(x)$ 是连续的。

导数介值定理
设 $y=f(x)$ 在 $[a,b]$ 上连续，在 $(a,b)$上可导，且 $f_{+}^{\prime }(a)\ne f_{-}^{\prime }(b)$ ，不妨设 $f_{+}^{\prime }(a)<f_{-}^{\prime }(b)$ ，则对任意的 $\eta \in (f_{+}^{\prime }(a),f_{-}^{\prime }(b))$ ，存在 $\xi \in (a,b)$ ，使得 $f^{\prime }(\xi )=\eta$ 。

利用导数零点定理证明得到，构造辅助函数 $g(x)=f(x)-\eta x$ 。

2.2 单调性与极值、凹凸性、渐近线

极值判别方法

一般可以按照如下步骤进行极值点的判断：

1. 找出极值疑点：驻点（$f^{\prime }(x)=0$）和导数不存在但在该点处函数有意义的点。
2. 对这些点根据临近符号判断，常用的方法是因式分解、保号性等。

凹凸性

这个一般不会拿来判断凹凸性，更多是帮助理解。

不过对于选择题，可以拿来检验某个点是否为拐点。

判断凹凸性的方法是根据二阶导数来判断，二阶导大于0则是凹的，反之则凸。凹凸性的变化点称为拐点。

设 $f(x)$ 三阶可导，且 $f^{\prime \prime }(x_0)=0,f^{\prime \prime \prime }(x_0)\ne 0$ ，则点 $(x_0,f(x_0)$ 称为一个拐点。

拐点是一个点，不是一个自变量值。

渐近线

渐近线在极限那里就接触过了，主要有三种，水平、铅直和斜。水平的一般看趋于无穷的极限，铅直的看趋近与某点的极限，斜的则是先看除以 $x$的极限，假设为 $k$ ，再看减去 $kx$ 的极限。

一般水平和铅直的都有了，就不用去考虑斜的了。

弧微分、曲率与曲率半径

弧微分基本公式：$(ds{)}^2=(dx{)}^2+(dy{)}^2,ds=\sqrt{1+(f^{\prime }(x){)}^2}dx$ 。
参数方程和极坐标公式如下：

曲率计算公式：$$k=\frac{|y^{\prime \prime }|}{(1+y^{\prime 2}{)}^{\frac{3}{2}}}.$$
曲率半径：$R=1/k.$

曲率圆有一个隐含条件，就是在该点处的切线是与曲率圆相切的，垂直关系。

三、多元函数微分

3.1 基本概念

和一元类似，极限、连续等概念，不过复杂的多，因为是在二维平面，有无数个方向趋近于那个点，因此求它的极限也就相当复杂，一般是代换为一元或夹挤定理。这一部分不是重点。

导数的话有新名词，叫偏导数，符号是 $\partial$ 。如果保持一个自变量不变，就是一个一元函数，可以利用前面的所有性质定理，所以不必太害怕。另一个新概念是叫方向导数，和方向余弦有关。

可微的话是叫作全微分，也是比较复杂写的，而且多元函数可微、连续和可偏导之间关系和一元大有不同。

还有一个概念是梯度，也就是方向导数最大，函数上升最快的地方，很有应用意义。

3.2 基本理论

有界闭区域上连续性质

对于二元函数 $f(x,y)$ ，若其两个混合偏导数 $f_{xy}^{\prime \prime },f_{yx}^{\prime \prime }$ 在定义域内连续，则有两个混合偏导数相等。

连续、可偏导和可微的关系

多元函数有关连续、可偏导和可微之间的关系，见下图：

图中只有红色箭头可以进行推得，其余均不成立。连续可偏导指的是偏导数连续。a,b,c表示相对应的反例，分别如下所示。$$a:f(x,y)=|x|+|y|$$$$\begin{array}{rl}b:f(x,y)=& \{\begin{array}{l}\frac{x^{2}y}{x^4+y^2},(x,y)\ne (0,0)\\ 0,(x,y)=(0,0)\end{array}\end{array}$$$$\begin{array}{rl}c:f(x,y)=& \{\begin{array}{l}\frac{xy}{\sqrt{x^2+y^2}},(x,y)\ne (0,0)\\ 0,(x,y)=(0,0)\end{array}\end{array}$$

求偏导类型

对于显函数求偏导，只要把另一个自变量当成常数即可。对于复合函数求偏导，需要正确理清楚各个字母之间的函数关系，最好是像下面这样写出来。

对于隐函数，需要先确定是否存在。如下图中的定理2，如果不能保证 $F_z^{\prime }(x_0,y_0,z_0)\ne 0$ ，那么就不能确定 $z=f(x,y)$ 。可以说，哪个偏导不为0，哪个才有资格做函数。

对于变换求偏导，则是需要添加几个中间变量，像复合函数求导那样进行。

3.3 多元函数微分应用

无条件极值

求解步骤如下：

条件极值

所谓条件极值，是指在有约束条件 $\phi (x,y)$ 下的极值。主要有三种办法：

拉格朗日数乘法用的多，关键在解那个方程组，有些可以利用线性代数的一些内容，比如降秩矩阵行列式为0等。解完后按照无条件极值进行判断。

化为一元函数的比较简单些，参数方程有时候有奇效。

对于一些包含边界的区域（如 $4x^2+y^2\le 25$），需要同时计算无条件极值（$4x^2+y^2<25$）和条件极值（$4x^2+y^2=25$）。首先算无条件极值时不用着急去判断是不是极值，可以等所有的极值点求出来后，再去比较大小。

3.4 多元微分物理与几何应用

1. 方向导数与梯度

方向导数

设 $z=f(x,y)$ 在点 $M_0(x_0,y_0)$ 的邻域内有定义，过点 $M_0(x_0,y_0)$ 作射线 $l$ ，任取 $M(x_0+\Delta x,y_0+\Delta y)\in l$ ，令 $\rho =\sqrt{(\Delta x{)}^2+(\Delta y{)}^2}$ 。若极限 $$\underset{\rho \to 0}{\lim }\frac{f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)}{\rho }$$ 存在，称此极限为函数 $z=f(x,y)$ 在点 $M_0(x_0,y_0)$ 处沿射线 $l$ 的方向导数，记为 $\partial f/\partial l{|}_{M_0}$ 。

计算公式：$\partial f/\partial l{|}_{M_0}=\partial f/\partial x{|}_{M_0}\cos \alpha +\partial f/\partial y{|}_{M_0}\cos \beta$ ，其中 $\cos \alpha ,\cos \beta$ 分别为射线 $l$ 的方向余弦。三维空间有类似定义。

梯度

三元函数 $u=f(x,y,z)$ 在点 $M_0(x_0,y_0,z_0)$ 处沿射线 $l$ 的方向导数为 ∂ u ∂ l ∣ M 0 = ∂ u ∂ x ∣ M 0 cos ⁡ α + ∂ u ∂ y ∣ M 0 cos ⁡ β + ∂ u ∂ z ∣ M 0 cos ⁡ γ = { ∂ u ∂ x , ∂ u ∂ y , ∂ u ∂ z } M 0 ⋅ { cos ⁡ α , cos ⁡ β , cos ⁡ γ } \frac{\partial u}{\partial l}\big|_{M_0}=\frac{\partial u}{\partial x}\big|_{M_0}\cos\alpha+\frac{\partial u}{\partial y}\big|_{M_0}\cos\beta+\frac{\partial u}{\partial z}\big|_{M_0}\cos\gamma=\{\frac{\partial u}{\partial x},\frac{\partial u}{\partial y},\frac{\partial u}{\partial z}\}_{M_0}\cdot\{\cos\alpha,\cos\beta,\cos\gamma\} ∂l∂u​ ​M0​​=∂x∂u​ ​M0​​cosα+∂y∂u​ ​M0​​cosβ+∂z∂u​ ​M0​​cosγ={∂x∂u​,∂y∂u​,∂z∂u​}M0​​⋅{cosα,cosβ,cosγ} 其中 $\cos \alpha ,\cos \beta ,\cos \gamma$ 分别为射线 $l$ 的方向余弦。

令 { ∂ u ∂ x , ∂ u ∂ y , ∂ u ∂ z } M 0 = g r a d   u ∣ M 0 \{\frac{\partial u}{\partial x},\frac{\partial u}{\partial y},\frac{\partial u}{\partial z}\}_{M_0}=\pmb{grad}\space u |_{M_0} {∂x∂u​,∂y∂u​,∂z∂u​}M0​​=grad u∣M0​​ ，而 { cos ⁡ α , cos ⁡ β , cos ⁡ γ } = e \{\cos\alpha,\cos\beta,\cos\gamma\}=\pmb{e} {cosα,cosβ,cosγ}=e 为射线 $l$ 对应的单位向量，模为 1 ，方向与 $l$ 相同。设 $gradu{|}_{M_0}$ 与 $e$ 的夹角为 $\theta$ ，则有 $$\frac{\partial u}{\partial l}{|}_{M_0}=gradu{|}_{M_0}\cdot e=|gradu{|}_{M_0}|\cdot |e|=\sqrt{(\frac{\partial u}{\partial x}{)}^2+(\frac{\partial u}{\partial y}{)}^2+(\frac{\partial u}{\partial z}{)}^2}\cdot \cos \theta ,$$ 由此可知，当且仅当 $\theta =0$ 时，方向导数取最大，此时梯度方向与 $e$ 方向相同，称 g r a d   u ∣ M 0 = { ∂ u ∂ x , ∂ u ∂ y , ∂ u ∂ z } M 0 \pmb{grad}\space u|_{M_0}=\{\frac{\partial u}{\partial x},\frac{\partial u}{\partial y},\frac{\partial u}{\partial z}\}_{M_0} grad u∣M0​​={∂x∂u​,∂y∂u​,∂z∂u​}M0​​ 为函数 $u$ 在点 $M_0$ 处的梯度。

2. 多元微分学的几何应用

空间曲面的切平面与法线

设 $\Sigma :F(x,y,z)=0$ 为空间曲面，$M_0(x_0,y_0,z_0)\in \Sigma$ ，则曲面 $\Sigma$ 在点 $M_0(x_0,y_0,z_0)$ 处的法向量为 n = { F x ′ ( M 0 ) , F y ′ ( M 0 ) , F z ′ ( M 0 ) } \pmb{n}=\{F'_x(M_0),F'_y(M_0),F'_z(M_0)\} n={Fx′​(M0​),Fy′​(M0​),Fz′​(M0​)} 。

过点 $M_0(x_0,y_0,z_0)$ 的切平面为 $F_x^{\prime }(M_0)(x-x_0)+F_y^{\prime }(M_0)(y-y_0)+F_z^{\prime }(M_0)(z-z_0)=0$ ，法线为 $$\frac{x-x_0}{F_x^{\prime }(M_0)}=\frac{y-y_0}{F_y^{\prime }(M_0)}=\frac{z-z_0}{F_z^{\prime }(M_0)}.$$ 空间曲线的切线与法平面

设曲线 $L$ 用下列参数方程表示：$$L:\{\begin{array}{l}x=u(t)\\ y=v(t)\\ z=w(t)\end{array},$$ 取参数 $t=t_0$ ，对应曲线上的点为 $M_0(x_0,y_0,z_0)\in L$ ，则

曲线 $L$ 在点 $M_0$ 处的切向量为 T = { u ′ ( t 0 ) , v ′ ( t 0 ) , w ′ ( t 0 ) } . \pmb{T}=\{u'(t_0),v'(t_0),w'(t_0)\}. T={u′(t0​),v′(t0​),w′(t0​)}.

曲线 $L$ 在点 $M_0$ 处的切线为 $$\frac{x-x_0}{u^{\prime }(t_0)}=\frac{y-y_0}{v^{\prime }(t_0)}=\frac{z-z_0}{w^{\prime }(t_0)}.$$ 曲线 $L$ 在点 $M_0$ 处的法平面方程为 $$u^{\prime }(t_0)(x-x_0)+v^{\prime }(t_0)(y-y_0)+w^{\prime }(t_0)(z-z_0)=0.$$ 当曲线的方程为 $$\Gamma =\{\begin{array}{l}F(x,y,z)=0\\ G(x,y,z)=0\end{array},$$ 点 $M_0(x_0,y_0,z_0)\in \Gamma$ ，则切线的方向向量为 T = ( { F x ′ , F y ′ , F z ′ } × { G x ′ , G y ′ G F z ′ } ) ∣ M 0 \pmb{T}=(\{F'_x,F'_y,F'_z\}\times\{G'_x,G'_yGF'_z\})\big|_{M_0} T=({Fx′​,Fy′​,Fz′​}×{Gx′​,Gy′​GFz′​}) ​M0​​