1.函数
1.1 定义
函数f 是从一个集合 D(称为定义域,D包含于实数集R)到另一个集合 Y(称为值域)的映射。对于定义域中的每一个元素 x,函数f都指定了一个唯一的元素 y 在值域中,记作
y = f ( x ) , x ∈ X y=f\left( x\right) ,x\in X y=f(x),x∈X
其中x叫做自变量,y叫做因变量,f叫做映射规则,f(x)表示一个函数值。
函数的两要素是指函数的定义域和值域。
定义域是函数中所有可能的输入值的集合。换句话说,定义域是使得函数有意义的所有 xx 值的集合。
值域是函数中所有可能的输出值的集合。换句话说,值域是函数 f(x)f(x) 在定义域内所有可能的 yy 值的集合。
常见函数类型
-
线性函数:
f ( x ) = a x + b f(x)=ax+b f(x)=ax+b
,其中 a 和 b 是常数。
-
多项式函数:
f ( x ) = a n x n + a n − 1 x n − 1 + ⋯ + a 1 x + a 0 f(x)=a_{n}x^{n}+a_{n−1}x^{n−1}+⋯+a_{1}x+a_{0} f(x)=anxn+an−1xn−1+⋯+a1x+a0
,其中 ai是常数。
-
指数函数:
f ( x ) = a x f(x)=a^{x} f(x)=ax
,其中 a>0 且 a≠1。
-
对数函数:
f ( x ) = l o g a ( x ) f(x)=log_{a}(x) f(x)=loga(x)
,其中 a>0 且 a≠1。
-
三角函数
-
正弦函数(sin):
s i n ( θ ) = 对边 斜边 sin(θ)=\dfrac{对边}{斜边} sin(θ)=斜边对边 -
余弦函数(cos):
c o s ( θ ) = 邻边 斜边 cos(θ)=\dfrac{邻边}{斜边} cos(θ)=斜边邻边 -
正切函数(tan):
t a n ( θ ) = 对边 邻边 = s i n ( θ ) c o s ( θ ) tan(θ)=\dfrac{对边}{邻边}=\dfrac{sin(θ)}{cos(θ)} tan(θ)=邻边对边=cos(θ)sin(θ)
- 基本关系
1.2.1 毕达哥拉斯恒等式
s
i
n
2
(
θ
)
+
c
o
s
2
(
θ
)
=
1
sin^2(θ)+cos^2(θ)=1
sin2(θ)+cos2(θ)=1
这个恒等式可以从直角三角形的勾股定理推导出来。
1.2.2 商数关系
t
a
n
(
θ
)
=
s
i
n
(
θ
)
c
o
s
(
θ
)
c
o
t
(
θ
)
=
c
o
s
(
θ
)
s
i
n
(
θ
)
=
1
t
a
n
(
θ
)
tan(θ)=\dfrac{sin(θ)}{cos(θ)}\\ cot(θ)=\dfrac{cos(θ)}{sin(θ)}=\dfrac{1}{tan(θ)}
tan(θ)=cos(θ)sin(θ)cot(θ)=sin(θ)cos(θ)=tan(θ)1
1.2.3 倒数关系
s
e
c
(
θ
)
=
1
c
o
s
(
θ
)
c
s
c
(
θ
)
=
1
s
i
n
(
θ
)
sec(θ)=\dfrac{1}{cos(θ)}\\ csc(θ)=\dfrac{1}{sin(θ)}
sec(θ)=cos(θ)1csc(θ)=sin(θ)1
1.3. 三角函数的周期性
-
正弦函数和余弦函数:
s i n ( θ + 2 k π ) = s i n ( θ ) sin(θ+2kπ)=sin(θ) sin(θ+2kπ)=sin(θ)c o s ( θ + 2 k π ) = c o s ( θ ) cos(θ+2kπ)=cos(θ) cos(θ+2kπ)=cos(θ)
其中,k 是任意整数。
-
正切函数:
t a n ( θ + k π ) = t a n ( θ ) tan(θ+kπ)=tan(θ) tan(θ+kπ)=tan(θ)
其中,k 是任意整数。
1.4. 三角函数的对称性
-
正弦函数:
s i n ( − θ ) = − s i n ( θ ) sin(−θ)=−sin(θ) sin(−θ)=−sin(θ) -
余弦函数:
c o s ( − θ ) = c o s ( θ ) cos(−θ)=cos(θ) cos(−θ)=cos(θ) -
正切函数:
t a n ( − θ ) = − t a n ( θ ) tan(−θ)=−tan(θ) tan(−θ)=−tan(θ)
1.5. 三角函数的和差公式
-
正弦函数的和差公式:
s i n ( A ± B ) = s i n ( A ) c o s ( B ) ± c o s ( A ) s i n ( B ) sin(A±B)=sin(A)cos(B)±cos(A)sin(B) sin(A±B)=sin(A)cos(B)±cos(A)sin(B) -
余弦函数的和差公式:
c o s ( A ± B ) = c o s ( A ) c o s ( B ) ∓ s i n ( A ) s i n ( B ) cos(A±B)=cos(A)cos(B)∓sin(A)sin(B) cos(A±B)=cos(A)cos(B)∓sin(A)sin(B) -
正切函数的和差公式:
t a n ( A ± B ) = t a n ( A ) ± t a n ( B ) 1 ∓ t a n ( A ) t a n ( B ) tan(A±B)=\dfrac{tan(A)±tan(B)}{1∓tan(A)tan(B)} tan(A±B)=1∓tan(A)tan(B)tan(A)±tan(B)
1.6. 三角函数的倍角公式
-
正弦函数的倍角公式:
s i n ( 2 θ ) = 2 s i n ( θ ) c o s ( θ ) sin(2θ)=2sin(θ)cos(θ) sin(2θ)=2sin(θ)cos(θ) -
余弦函数的倍角公式:
c o s ( 2 θ ) = c o s 2 ( θ ) − s i n 2 ( θ ) = 2 c o s 2 ( θ ) − 1 = 1 − 2 s i n 2 ( θ ) cos(2θ)=cos^2(θ)−sin^2(θ)=2cos^2(θ)−1=1−2sin^2(θ) cos(2θ)=cos2(θ)−sin2(θ)=2cos2(θ)−1=1−2sin2(θ) -
正切函数的倍角公式:
t a n ( 2 θ ) = 2 t a n ( θ ) 1 − t a n 2 ( θ ) tan(2θ)=\dfrac{2tan(θ)}{1−tan^2(θ)} tan(2θ)=1−tan2(θ)2tan(θ)
1.7. 三角函数的半角公式
-
正弦函数的半角公式:
s i n ( θ 2 ) = ± 1 − c o s ( θ ) 2 sin(\dfrac{θ}{2})=±\sqrt{\dfrac{1−cos(θ)}{2}} sin(2θ)=±21−cos(θ) -
余弦函数的半角公式:
c o s ( θ 2 ) = ± 1 + c o s ( θ ) 2 cos(\dfrac{θ}{2})=±\sqrt{\dfrac{1+cos(θ)}{2}} cos(2θ)=±21+cos(θ) -
正切函数的半角公式:
t a n ( θ 2 ) = ± 1 − c o s ( θ ) 1 + c o s ( θ ) tan(\dfrac{θ}{2})=±\sqrt{\dfrac{1−cos(θ)}{1+cos(θ)}} tan(2θ)=±1+cos(θ)1−cos(θ)
1.2函数的特性
1.2.1 有界性
上界:存在一个实数k1,使得
∃
k
1
,
f
(
x
)
≤
k
\exists k_{1},f(x) \leq k
∃k1,f(x)≤k
下界:存在一个实数k2,使得
∃
k
2
,
f
(
x
)
≥
k
\exists k_{2},f(x) \geq k
∃k2,f(x)≥k
注:特殊符号说明:
∀
:任给一个数,
∃
:存在一个数
\forall :任给一个数,\exists:存在一个数
∀:任给一个数,∃:存在一个数
有界:
一个函数 f(x) 在其定义域 D 上称为有界的,如果存在两个实数 M 和 m,使得对于定义域中的任意x,都有:
m
≤
f
(
x
)
≤
M
m≤f(x)≤M
m≤f(x)≤M
其中:
- M 称为函数的上界。
- m 称为函数的下界。
一个函数有界的充要条件:既有上界,又有下界。
分类
根据函数的有界性,可以分为以下几种情况:
- 有界函数:如果函数 f(x) 在其定义域 D 上既有上界又有下界,则称 f(x) 是有界函数。
- 无界函数:如果函数 f(x) 在其定义域 D 上没有上界或没有下界,则称 f(x) 是无界函数。
1.2.2 单调性
定义
一个函数 f(x) 在其定义域 D 上称为单调的,如果对于定义域中的任意 x1 和 x2,当 x1<x2 时,有:
- 单调递增:如果 f(x1)≤f(x2),则函数 f 是单调递增的。
- 严格单调递增:如果 f(x1)<f(x2),则函数 f 是严格单调递增的。
- 单调递减:如果 f(x1)≥f(x2),则函数 f 是单调递减的。
- 严格单调递减:如果 f(x1)>f(x2),则函数 f 是严格单调递减的。
1.2.3 奇偶性
定义
一个函数 f(x) 在其定义域 D 上称为:
- 偶函数:如果对于定义域中的任意 x,都有 f(−x)=f(x),则函数 f 是偶函数。偶函数的图形关于 y 轴对称。
- 奇函数:如果对于定义域中的任意 x,都有 f(−x)=−f(x),则函数 f是奇函数。奇函数的图形关于原点对称。
1.2.4 周期性
定义
一个函数 f(x) 在其定义域 D 上称为周期函数,如果存在一个正数 T,使得对于定义域中的任意 x,都有:
f
(
x
+
T
)
=
f
(
x
)
f(x+T)=f(x)
f(x+T)=f(x)
其中 T称为函数的周期。如果存在最小的正数 T 满足上述条件,则称 T 为函数的最小正周期。
2.极限
2.1 数列极限
定义
一个数列 {an} 的极限是 L,如果对于任意给定的正数 ϵ,总存在一个正整数 N,使得对于所有 n>N,都有:
∣
a
n
−
L
∣
<
ϵ
∣a_n−L∣<ϵ
∣an−L∣<ϵ
换句话说,当 n 足够大时,数列的项 an可以无限接近L。此时,我们称数列 {an} 收敛于 L,记作:
lim
n
→
∞
a
n
=
L
\lim _{n\rightarrow \infty }a_{n}=L
n→∞liman=L
如果数列不收敛于任何有限值,则称该数列为发散的。
理解:对于任意小的区间 ϵ,对于某个正整数N,使N后边的所有项n,∣an−L∣落在ϵ的这个区间内。
极限的性质
-
唯一性:如果数列 {an}收敛,则其极限是唯一的。
-
有界性:如果数列 {an}收敛,则它是有界的。
-
保序性:如果数列 {an} 和 {bn} 都收敛,且对于所有 n,都有 an≤bn,则
lim n → ∞ a n ≤ lim n → ∞ b n \lim _{n\rightarrow \infty }a_{n}\leq \lim _{n\rightarrow \infty }b_{n} n→∞liman≤n→∞limbn -
四则运算:如果数列 {an}和 {bn} 都收敛,则它们的和、差、积、商(分母不为零)的极限也存在,并且满足相应的极限运算法则。
极限的判定 -
直接法:
-
通过分析数列的通项公式,直接计算其极限。
-
例如,数列
{ a n } = ( n 2 + 1 2 n 2 + 3 ) \{a_{n}\}=(\dfrac{n^{2}+1}{2n^{2}+3}) {an}=(2n2+3n2+1)
,计算其极限:
lim n → ∞ n 2 + 1 2 n 2 + 3 = lim n → ∞ 1 + 1 n 2 2 + 3 n 2 = 1 2 \lim _{n\rightarrow \infty }\dfrac{n^{2}+1}{2n^{2}+3}=\lim _{n\rightarrow \infty }\dfrac{1+\dfrac{1}{n^{2}}}{2+\dfrac{3}{n^2}}=\dfrac{1}{2} n→∞lim2n2+3n2+1=n→∞lim2+n231+n21=21
-
-
夹逼定理:
- 如果数列 {an}、{bn} 和 {cn} 满足 an≤bn≤cn,且
lim n → ∞ a n = lim n → ∞ c n = L \lim _{n\rightarrow \infty }a_{n}= \lim _{n\rightarrow \infty }c_{n}=L n→∞liman=n→∞limcn=L
,则
lim n → ∞ b n = L \lim _{n\rightarrow \infty }b_{n}=L n→∞limbn=L
- 如果数列 {an}、{bn} 和 {cn} 满足 an≤bn≤cn,且
2.3 无穷大与无穷小
-
无穷大:如果对于任意大的正数 M,总存在正数 δ,使得当 0<∣x−a∣<δ时,有 ∣f(x)∣>M,则称 f(x)在 x 趋近于 a 时趋向于无穷大,记作
lim x → a f ( x ) = ∞ \lim _{x\rightarrow a }f(x)=\infty x→alimf(x)=∞
无穷大分为正无穷大和负无穷大。无穷大加无穷大不确定,因为如果负无穷大加正无穷大不知道为多少;同理无穷大减无穷大也不确定;无穷大除以无穷大也不确定;
无穷大乘无穷大肯定为无穷大。
-
无穷小:如果
lim x → a f ( x ) = 0 或 lim x → ∞ f ( x ) = 0 \lim _{x\rightarrow a }f(x)=0或\lim _{x\rightarrow \infty }f(x)=0 x→alimf(x)=0或x→∞limf(x)=0
,则称 f(x)在 x 趋近于a或趋近于∞ 时的无穷小。运算法则:
1.无穷小加、减、乘无穷小都是无穷小
2.有界函数与无穷小的乘积也为无穷小
3.常数与无穷小的乘积也为无穷小
4.无穷小除以无穷小不确定。
注意:无穷小和负无穷大的区别及无穷小和非常小的数的区别。
负无穷大也是无穷大,不是无穷小;非常小的数是一个常数,不是无穷小。
如果f(x)是无穷大,则1/f(x)为无穷小;如果f(x)是无穷小,则1/f(x)为无穷大。
-
高阶无穷小
设 α和 β 是两个无穷小量(即当 x→a时, α→0且 β→0)。
如果
lim x → a α β = 0 \lim _{x\rightarrow a }\dfrac{α}{β}=0 x→alimβα=0
,则称 α是 β的高阶无穷小,记作 α=o(β)。即α的收敛速度比 β快。如:
lim x → 0 x 2 3 x = 0 \lim _{x\rightarrow 0 }\dfrac{x^{2}}{3x}=0 x→0lim3xx2=0
x2比3x收敛速度快,则x2是3x的高阶无穷小,记作
x 2 = o ( 3 x ) x^{2}=o(3x) x2=o(3x) -
低阶无穷小
设 α 和 β 是两个无穷小量。
如果
lim
x
→
a
α
β
=
∞
\lim _{x\rightarrow a }\dfrac{α}{β}=\infty
x→alimβα=∞
,则称 α 是 β 的低阶无穷小。
-
同阶无穷小
设 α 和 β 是两个无穷小量。
如果
lim x → a α β = c (其中 c 是一个非零常数) \lim _{x\rightarrow a }\dfrac{α}{β}=c(其中 c 是一个非零常数) x→alimβα=c(其中c是一个非零常数)
,则称 α 和 β 是同阶无穷小。 -
等价无穷小
-
设 α 和 β 是两个无穷小量(即当 x→a 时, α→0且 β→0)。
-
如果
lim x → a α β = 1 \lim _{x\rightarrow a }\dfrac{α}{β}=1 x→alimβα=1
,则称 α 和 β 是等价无穷小,记作 α∼β。
-
-
k阶无穷小
-
设 α和 β 是两个无穷小量,且
β = o ( x k ) 当 x → 0 β=o(x^{k}) 当 x→0 β=o(xk)当x→0 -
如果
lim x → a α β k = c (其中 c 是一个非零常数) \lim _{x\rightarrow a }\dfrac{α}{β^{k}}=c(其中 c 是一个非零常数) x→alimβkα=c(其中c是一个非零常数)
,则称 α 是 β 的 k 阶无穷小。
-
2.4 无穷大极限
函数 f(x) 当 x趋于无穷大时,如果存在一个常数 A,使得对于任意小的正数 ϵ,总存在一个正数 X,使得当 ∣x∣>X 时, ∣f(x)−A∣<ϵ,则我们说 f(x) 当 x 趋于无穷大时的极限是 A。
具体分类:
-
当 x→+∞ 时的极限:
- 如果存在一个常数 A,使得对于任意小的正数 ϵ,总存在一个正数 X,使得当 x>X时, ∣f(x)−A∣<ϵ,则我们说 f(x)当 x→+∞ 时的极限是 A,记作
lim x → + ∞ f ( x ) = A \lim _{x\rightarrow +\infty }f(x)=A x→+∞limf(x)=A
- 如果存在一个常数 A,使得对于任意小的正数 ϵ,总存在一个正数 X,使得当 x>X时, ∣f(x)−A∣<ϵ,则我们说 f(x)当 x→+∞ 时的极限是 A,记作
-
当 x→−∞时的极限:
- 如果存在一个常数 A,使得对于任意小的正数 ϵ,总存在一个正数 X,使得当 x<−X时, ∣f(x)−A∣<ϵ,则我们说 f(x) 当 x→−∞时的极限是 A,记作
lim x → − ∞ f ( x ) = A \lim _{x\rightarrow -\infty }f(x)=A x→−∞limf(x)=A
- 如果存在一个常数 A,使得对于任意小的正数 ϵ,总存在一个正数 X,使得当 x<−X时, ∣f(x)−A∣<ϵ,则我们说 f(x) 当 x→−∞时的极限是 A,记作
2.导数
2.1 导数定义
当函数y=f(x)的自变量x在一点x0上产生一个增量Δx时,函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在,a即为在x0处的导数,记作
f
’
(
x
0
)
或
d
y
d
x
∣
x
=
x
0
f’(x_{0})或\dfrac{dy}{dx}|_{x=x_{0}}
f’(x0)或dxdy∣x=x0
即:
f
′
(
x
0
)
=
lim
Δ
x
→
0
f
(
x
0
+
Δ
x
)
−
f
(
x
0
)
Δ
x
f′(x_{0})=\lim _{Δx\rightarrow 0}\dfrac{f(x_{0} + Δx)−f(x_{0})}{Δx}
f′(x0)=Δx→0limΔxf(x0+Δx)−f(x0)
其中:
-
Δx 是一个很小的增量,表示 x 的变化量。
-
f ( x 0 + Δ x ) f(x_{0} + Δx) f(x0+Δx)
是 x 在 x0 点增加 Δx 后的函数值。
-
f(x0) 是 x 在 x0 点的函数值。
-
f ( x 0 + Δ x ) − f ( x 0 ) Δ x \dfrac{f(x_{0} + Δx)−f(x_{0})}{Δx} Δxf(x0+Δx)−f(x0)
是函数在 x=x0 处的平均变化率。
-
lim Δ x → 0 \lim _{Δx\rightarrow 0} Δx→0lim
表示当 Δx 趋近于 0 时的极限。
-
平均变化率:在 x=x0 和 x=x0 + Δx 之间,函数的平均变化率是
f ( x 0 + Δ x ) − f ( x 0 ) Δ x \dfrac{f(x_{0} + Δx)−f(x_{0})}{Δx} Δxf(x0+Δx)−f(x0)
。这个比值表示函数在这段区间内的平均变化速度。 -
瞬时变化率:当 Δx 趋近于 0 时,平均变化率的极限值就是函数在 x=x0处的瞬时变化率,即导数 f′(x0)。
2.2.导数的几何意义
2.2.1 切线
由导数定义可知,f(x)在点 (a,f(a))处的斜率:
f
′
(
a
)
=
lim
x
→
a
f
(
x
)
−
f
(
a
)
x
−
a
f′(a)=\lim _{x\rightarrow a}\dfrac{f(x)−f(a)}{x−a}
f′(a)=x→alimx−af(x)−f(a)
所以切线方程可以表示为:
y
−
f
(
a
)
=
f
′
(
a
)
(
x
−
a
)
y-f(a)=f′(a)(x-a)
y−f(a)=f′(a)(x−a)
其中:
- y 是切线上的点的纵坐标。
- f(a) 是函数在点 x=a 处的值。
- f′(a) 是函数在点 x=a 处的导数,即切线的斜率。
- x 是切线上的点的横坐标。
- a 是切点处的横坐标。
化简切线方程:
y
−
f
(
a
)
=
f
′
(
a
)
(
x
−
a
)
=
>
y
=
f
′
(
a
)
x
−
a
f
′
(
a
)
+
f
(
a
)
y-f(a)=f′(a)(x-a)=>y=f'(a)x-af'(a)+f(a)
y−f(a)=f′(a)(x−a)=>y=f′(a)x−af′(a)+f(a)
将切线方程化简为标准形式 y=mx+b,其中 m 是斜率,b 是截距。
2.2.2 法线
是与切线垂直的直线。切线的斜率为f’(a),则法线的斜率为
−
1
f
′
(
a
)
-\dfrac{1}{f'(a)}
−f′(a)1
法线方程的一般形式是:
y
−
f
(
a
)
=
−
1
f
′
(
a
)
(
x
−
a
)
y−f(a)=−\dfrac{1}{f′(a)}(x−a)
y−f(a)=−f′(a)1(x−a)
其中:
- y 是法线上的点的纵坐标。
- f(a是函数在点 x=a处的值。
- f′(a)是函数在点 x=a处的导数,即切线的斜率。
- x 是法线上的点的横坐标。
- a 是法线点处的横坐标。
化简法线方程:
将法线方程化简为标准形式 y=mx+b,其中 m 是斜率,b 是截距。
3.可导与连续的关系
3.1 定义
连续性
一个函数 f(x) 在点 x=a 处连续,如果满足以下条件:
lim
x
→
a
f
(
x
)
=
f
(
a
)
或者
lim
h
→
0
f
(
a
+
h
)
−
f
(
a
)
=
0
\lim _{x\rightarrow a}f(x)=f(a)或者\lim _{h\rightarrow 0}f(a+h)-f(a)=0
x→alimf(x)=f(a)或者h→0limf(a+h)−f(a)=0
这意味着当 x 接近 a 时,函数值 f(x)也接近 f(a)。换句话说,函数在点 x=a处没有跳跃或断裂。
可导性
一个函数 f(x) 在点 x=a处可导,如果它在该点处的导数存在,即:
f
′
(
a
)
=
lim
h
→
0
f
(
a
+
h
)
−
f
(
a
)
h
f'(a)=\lim _{h\rightarrow 0}\dfrac{f(a+h)−f(a)}{h}
f′(a)=h→0limhf(a+h)−f(a)
这意味着函数在点 x=a 处的变化率是有限的,并且有一个确定的值。
所以从连续和可导定义看出,可导的条件比连续的条件更严格。
3.2 定理
1.可导性蕴含连续性
如果函数 f(x) 在点 x=a处可导,那么它在点 x=a 处连续。
证明:如果函数 f(x) 在点 x=a处可导,则
f
′
(
a
)
=
lim
h
→
0
f
(
a
+
h
)
−
f
(
a
)
h
f'(a)=\lim _{h\rightarrow 0}\dfrac{f(a+h)−f(a)}{h}
f′(a)=h→0limhf(a+h)−f(a)
我们要证f(x)在点 x=a 处连续,需要证明
lim
x
→
a
f
(
x
)
=
f
(
a
)
\lim _{x\rightarrow a}f(x)=f(a)
x→alimf(x)=f(a)
变换上述等式:
lim
x
→
a
(
f
(
x
)
−
f
(
a
)
)
=
lim
x
→
a
(
f
(
x
)
−
f
(
a
)
x
−
a
(
x
−
a
)
)
=
lim
x
→
a
f
(
x
)
−
f
(
a
)
x
−
a
.
lim
x
→
a
(
x
−
a
)
=
f
′
(
a
)
.
0
=
0
\lim _{x\rightarrow a}(f(x)-f(a))=\lim _{x\rightarrow a}(\dfrac{f(x)-f(a)}{x-a}(x-a))=\lim _{x\rightarrow a}\dfrac{f(x)-f(a)}{x-a}.\lim _{x\rightarrow a}(x-a)=f'(a).0=0
x→alim(f(x)−f(a))=x→alim(x−af(x)−f(a)(x−a))=x→alimx−af(x)−f(a).x→alim(x−a)=f′(a).0=0
所以
lim
x
→
a
f
(
x
)
=
f
(
a
)
\lim _{x\rightarrow a}f(x)=f(a)
x→alimf(x)=f(a)
2.连续性不一定蕴含可导性
反例:考虑函数 f(x)=∣x|在 x=0处是否可导。
证明:
连续性:
lim
x
→
0
∣
x
∣
=
0
=
f
(
0
)
\lim _{x\rightarrow 0}|x|=0=f(0)
x→0lim∣x∣=0=f(0)
函数是连续的
可导性:
左导数:
f
−
′
(
0
)
=
lim
h
→
0
−
f
(
h
+
0
)
−
f
(
h
)
h
=
lim
h
→
0
−
−
h
−
0
h
=
−
1
f_{-}'(0)=\lim _{h\rightarrow 0^{-}}\dfrac{f(h+0)-f(h)}{h}=\lim _{h\rightarrow 0^{-}}\dfrac{-h-0}{h}=-1
f−′(0)=h→0−limhf(h+0)−f(h)=h→0−limh−h−0=−1
右导数:
f
+
′
(
0
)
=
lim
h
→
0
+
f
(
0
+
h
)
−
f
(
h
)
h
=
lim
h
→
0
+
h
−
0
h
=
1
f_{+}'(0)=\lim _{h\rightarrow 0^{+}}\dfrac{f(0+h)-f(h)}{h}=\lim _{h\rightarrow 0^{+}}\dfrac{h-0}{h}=1
f+′(0)=h→0+limhf(0+h)−f(h)=h→0+limhh−0=1
左右导数不相等,所以函数不是可导的。
4.求导公式
4.1 求导规则
-
常数规则:
d d x ( c ) = 0 \dfrac{d}{dx}(c)=0 dxd(c)=0其中 c 是常数。
-
幂函数规则:
d d x ( x n ) = n x n − 1 \dfrac{d}{dx}(x^{n})=nx^{n−1} dxd(xn)=nxn−1其中 n 是任意实数。
-
常数倍规则:
d d x ( c ⋅ f ( x ) ) = c ⋅ f ′ ( x ) 或 ( c v ) ′ = c v ′ \dfrac{d}{dx}(c⋅f(x))=c⋅f′(x)或(cv)'=cv' dxd(c⋅f(x))=c⋅f′(x)或(cv)′=cv′其中 c 是常数。
-
和差规则:
d d x ( f ( x ) ± g ( x ) ) = f ′ ( x ) ± g ′ ( x ) 或 ( u ± v ) ′ = u ′ ± v ′ \dfrac{d}{dx}(f(x)±g(x))=f′(x)±g′(x)或(u±v)'=u'±v' dxd(f(x)±g(x))=f′(x)±g′(x)或(u±v)′=u′±v′ -
乘积规则:
d d x ( f ( x ) ⋅ g ( x ) ) = f ′ ( x ) ⋅ g ( x ) + f ( x ) ⋅ g ′ ( x ) 或 ( u v ) ′ = u ′ v + u v ′ \dfrac{d}{dx}(f(x)⋅g(x))=f′(x)⋅g(x)+f(x)⋅g′(x)或(uv)'=u'v+uv' dxd(f(x)⋅g(x))=f′(x)⋅g(x)+f(x)⋅g′(x)或(uv)′=u′v+uv′ -
商规则:
d d x ( f ( x ) g ( x ) ) = f ′ ( x ) ⋅ g ( x ) − f ( x ) ⋅ g ′ ( x ) [ g ( x ) ] 2 或 ( u v ) ′ = u ′ v − u v ′ v 2 \dfrac{d}{dx}(\dfrac{f(x)}{g(x)})=\dfrac{f′(x)⋅g(x)−f(x)⋅g′(x)}{[g(x)]^{2}}或(\dfrac{u}{v})'=\dfrac{u'v-uv'}{v^{2}} dxd(g(x)f(x))=[g(x)]2f′(x)⋅g(x)−f(x)⋅g′(x)或(vu)′=v2u′v−uv′其中 g(x)≠0。
-
链式法则(复合函数求导):
d d x ( f ( g ( x ) ) ) = f ′ ( g ( x ) ) ⋅ g ′ ( x ) 或 d y d x = d y d u . d u d x \dfrac{d}{dx}(f(g(x)))=f′(g(x))⋅g′(x)或\dfrac{dy}{dx}=\dfrac{dy}{du}.\dfrac{du}{dx} dxd(f(g(x)))=f′(g(x))⋅g′(x)或dxdy=dudy.dxdu
4.2 常见函数的求导公式
-
指数函数:
d d x ( e x ) = e x \dfrac{d}{dx}(e^{x})=e^{x} dxd(ex)=exd d x ( a x ) = a x l n ( a ) \dfrac{d}{dx}(a^{x})=a^{x}ln(a) dxd(ax)=axln(a)
其中 a>0且 a≠1。
-
对数函数:
d d x ( l n x ) = 1 x \dfrac{d}{dx}(lnx)=\dfrac{1}{x} dxd(lnx)=x1d d x ( l o g a ( x ) ) = 1 x l n ( a ) \dfrac{d}{dx}(log_{a}(x))=\dfrac{1}{xln(a)} dxd(loga(x))=xln(a)1
其中 a>0且 a≠1。
-
三角函数:
d d x ( s i n ( x ) ) = c o s ( x ) \dfrac{d}{dx}(sin(x))=cos(x) dxd(sin(x))=cos(x)d d x ( c o s ( x ) ) = − s i n ( x ) \dfrac{d}{dx}(cos(x))=−sin(x) dxd(cos(x))=−sin(x)
d d x ( t a n ( x ) ) = s e c 2 ( x ) = 1 c o s 2 ( x ) \dfrac{d}{dx}(tan(x))=sec^{2}(x)=\dfrac{1}{cos^{2}(x)} dxd(tan(x))=sec2(x)=cos2(x)1
-
反三角函数:
d d x ( a r c s i n ( x ) ) = 1 1 − x 2 \dfrac{d}{dx}(arcsin(x))=\dfrac{1}{\sqrt{1-x^{2}}} dxd(arcsin(x))=1−x21d d x ( a r c c o s ( x ) ) = − 1 1 − x 2 \dfrac{d}{dx}(arccos(x))=−\dfrac{1}{\sqrt{1-x^{2}}} dxd(arccos(x))=−1−x21
d d x ( a r c t a n ( x ) ) = 1 1 + x 2 \dfrac{d}{dx}(arctan(x))=\dfrac{1}{1+x^{2}} dxd(arctan(x))=1+x21
5.高阶导数
高阶导数是指对函数进行多次求导得到的导数。具体来说,如果一个函数 f(x) 的一阶导数是 f′(x),那么二阶导数就是对一阶导数再求导,记作
f
′
′
(
x
)
或
d
2
y
d
x
2
f''(x) 或 \dfrac{d^{2}y}{dx^{2}}
f′′(x)或dx2d2y
。类似地,三阶导数是对二阶导数再求导,记作
f
′
′
′
(
x
)
或
d
3
y
d
x
3
f'''(x)或 \dfrac{d^{3}y}{dx^{3}}
f′′′(x)或dx3d3y
,以此类推。
定义
对于一个函数 f(x),其 n 阶导数定义为:
f
(
n
)
(
x
)
=
d
n
y
d
x
n
f^{(n)}(x)=\dfrac{d^{n}y}{dx^{n}}
f(n)(x)=dxndny
其中 n是正整数。
高阶导数的符号表示
-
一阶导数:
f ′ ( x ) 或 d y d x f′(x)或 \dfrac{dy}{dx} f′(x)或dxdy -
二阶导数:
f ′ ′ ( x ) 或 d 2 y d x 2 f''(x) 或 \dfrac{d^{2}y}{dx^{2}} f′′(x)或dx2d2y -
三阶导数:
f ′ ′ ′ ( x ) 或 d 3 y d x 3 f'''(x) 或 \dfrac{d^{3}y}{dx^{3}} f′′′(x)或dx3d3y -
n 阶导数:
f ( n ) ( x ) 或 d n y d x n f^{(n)}(x)或\dfrac{d^{n}y}{dx^{n}} f(n)(x)或dxndny
6.隐函数求导
隐式方程是指函数关系不是显式地表示为 y=f(x),而是表示为 F(x,y)=0的形式。隐函数求导的基本思想是通过对方程两边同时求导,然后解出
d
y
d
x
\dfrac{dy}{dx}
dxdy
隐函数求导的基本步骤
- 对方程两边求导:假设有一个隐式方程 F(x,y)=0,我们对方程两边分别对 x 求导。
- 使用链式法则:在求导过程中,如果遇到 y 的函数,需要使用链式法则,将 y 视为 x 的函数。
- 通过求导得到的方程,解出 dy/dx。
7.参数方程求导
参数方程是一种描述曲线的方法,其中曲线的 x 和 y 坐标分别由两个独立的参数方程表示。假设我们有一个参数方程:
{
x
=
f
(
t
)
y
=
g
(
t
)
\begin{cases}x=f(t)\\ y=g(t)\end{cases}
{x=f(t)y=g(t)
其中 t 是参数。我们希望求出曲线的导数 dy/dx。
参数方程求导的基本步骤
-
求 x 对 t 的导数:
d x d t = f ′ ( t ) \dfrac{dx}{dt}=f′(t) dtdx=f′(t) -
求 y对 t 的导数:
d y d t = g ′ ( t ) \dfrac{dy}{dt}=g′(t) dtdy=g′(t) -
求 dy/dx:
d y d x = d y d t d x d t = g ′ ( t ) f ′ ( t ) \dfrac{dy}{dx}=\dfrac{\dfrac{dy}{dt}}{\dfrac{dx}{dt}}=\dfrac{g′(t)}{f′(t)} dxdy=dtdxdtdy=f′(t)g′(t)
3.微分
3.1.定义
微分是函数在某个变化过程中的改变量的线性主要部分。
若函数y=f(x)在点x处有导数f’(x)存在,则y因x的变化量△x所引起的改变量
△
y
=
f
(
x
+
△
x
)
−
f
(
x
)
△y=f(x+△x)-f(x)
△y=f(x+△x)−f(x)
可以表示为
△
y
=
f
′
(
x
)
⋅
△
x
+
o
(
△
x
)
△y=f'(x)·△x+o(△x)
△y=f′(x)⋅△x+o(△x)
,其中o(△x)是△x的高阶无穷小,即当△x趋于0时,o(△x)相对于△x趋于0的速度更快。因此,
微分dy可以近似地表示为
d
y
=
f
′
(
x
)
△
x
dy=f'(x)△x
dy=f′(x)△x
,它描述了函数值y随自变量x变化而变化的线性部分。
3.2.可微的充要条件
函数 f(x) 在点 x=a 处可微的充要条件是:
-
函数在点 x=a处连续:
lim x → a f ( x ) = f ( a ) \lim _{x\rightarrow a}f(x)=f(a) x→alimf(x)=f(a) -
函数在点 x=a 处左右导数存在且相等:
f − ′ ( a ) = f + ′ ( a ) f'_{-}(a)=f'_{+}(a) f−′(a)=f+′(a)
简单来说,就是可微的充要条件是函数 f(x) 在点 x=a 处可导。
3.3.微分公式与法则
根据微分定义
d
y
=
f
′
(
x
)
d
x
dy=f'(x)dx
dy=f′(x)dx
可知,求微分实际上就是求导数,所以微分公式同求导公式,详见导数章节,这里不再赘述。
3.4.微分的几何意义
假设一个可微函数y=f(x)的曲线,在x=x0处增加一个非常小的改变量△x,那么:
△
y
=
f
(
x
0
+
△
x
)
−
f
(
x
0
)
△y=f(x_{0}+△x)-f(x_{0})
△y=f(x0+△x)−f(x0)
△y是函数增量的精确值,现在我们在x=x0处做函数的切线,根据微分定义可知:
d
y
=
f
′
(
x
0
)
△
x
dy=f'(x_{0})△x
dy=f′(x0)△x
f’(x)是切线的斜率,dy是△y的近似值,如上图所示,所以
△
y
≈
f
′
(
x
0
)
△
x
f
(
x
0
+
△
x
)
=
△
y
+
f
(
x
0
)
≈
f
′
(
x
0
)
△
x
+
f
(
x
0
)
△y\approx f'(x_{0})△x\\ f(x_{0}+△x)=△y+f(x_{0})\approx f'(x_{0})△x+f(x_{0})
△y≈f′(x0)△xf(x0+△x)=△y+f(x0)≈f′(x0)△x+f(x0)
所以微分提供了一种在局部范围内用直线近似曲线的方法,这对于理解和分析函数的行为非常有用。
3.5.微分中值定理
3.5.1 罗尔定理
如果函数 f(x)满足以下条件:
- 在闭区间 [a,b]上连续。
- 在开区间 (a,b)上可导。
- 在区间端点的函数值相等,即 f(a)=f(b)。
那么,在开区间 (a,b)内至少存在一点 c,使得:f′©=0
罗尔定理的几何意义是:如果函数 f(x) 在区间 [a,b]上的两个端点处的函数值相等,那么在区间 (a,b)内至少存在一点 c,使得该点处的切线是水平的(即导数为零)。
3.5.2 拉格朗日中值定理
如果函数 f(x)满足以下条件:
- 在闭区间 [a,b] 上连续。
- 在开区间 (a,b)上可导。
那么,在开区间 (a,b) 内至少存在一点 c,使得:
f
′
(
c
)
=
f
(
b
)
−
f
(
a
)
b
−
a
f′(c)=\dfrac{f(b)−f(a)}{b−a}
f′(c)=b−af(b)−f(a)
拉格朗日中值定理的几何意义是:在区间 [a,b] 上,函数 f(x) 的图像上至少存在一点 c,使得该点处的切线斜率等于区间端点法线的斜率。
罗尔定理是拉格朗日中值定理的特例,从图形上理解就是将拉格朗日中值定理图像中的b点向下旋转,使f(b)=f(a),此时两端点之间连线的斜率为0。
3.5.3 柯西中值定理
如果函数 f(x) 和 g(x) 满足以下条件:
- 在闭区间 [a,b]上连续。
- 在开区间 (a,b)上可导。
- 在开区间 (a,b) 内,g′(x)≠0。
那么,在开区间 (a,b) 内至少存在一点 c,使得:
f
′
(
c
)
g
′
(
c
)
=
f
(
b
)
−
f
(
a
)
g
(
b
)
−
g
(
a
)
\dfrac{f′(c)}{g′(c)}=\dfrac{f(b)−f(a)}{g(b)−g(a)}
g′(c)f′(c)=g(b)−g(a)f(b)−f(a)
柯西中值定理的几何意义是:在区间 [a,b] 上,函数 f(x)和 g(x) 的图像上至少存在一点 c,使得该点处的切线斜率之比等于区间端点连线的斜率之比。
怎么理解柯西中值定理?
将f(x)和g(x)看作是参数方程:
{
x
=
f
(
t
)
y
=
g
(
t
)
\begin{cases}x=f(t)\\ y=g(t)\end{cases}
{x=f(t)y=g(t)
d y d x = d y d t d x d t = g ′ ( t ) f ′ ( t ) \dfrac{dy}{dx}=\dfrac{\dfrac{dy}{dt}}{\dfrac{dx}{dt}}=\dfrac{g'(t)}{f'(t)} dxdy=dtdxdtdy=f′(t)g′(t)
a、b端点连线的斜率为:
g
(
b
)
−
g
(
a
)
f
(
b
)
−
f
(
a
)
\dfrac{g(b)-g(a)}{f(b)-f(a)}
f(b)−f(a)g(b)−g(a)
根据拉格朗日中值定理可知,至少存在一点c,使得该点处的切线斜率等于区间端点连线的斜率,即:
g
′
(
t
)
f
′
(
t
)
=
g
(
b
)
−
g
(
a
)
f
(
b
)
−
f
(
a
)
\dfrac{g'(t)}{f'(t)}=\dfrac{g(b)-g(a)}{f(b)-f(a)}
f′(t)g′(t)=f(b)−f(a)g(b)−g(a)
3.5.4 洛必达法则
洛必达法则用于求解不定型极限问题。不定型极限是指在求极限时,分子和分母都趋向于零(即 0/0 型)或分子和分母都趋向于无穷大(即 ∞/∞ 型)的情况。洛必达法则通过求导数来简化这些极限的计算。
设函数 f(x)和 g(x 满足以下条件:
-
在点 a 的某个去心邻域内可导,且 g′(x)≠0。
-
lim x → a f ( x ) = 0 且 lim x → a g ( x ) = 0 ,或者 lim x → a f ( x ) = ± ∞ 且 lim x → a g ( x ) = ± ∞ 。 \lim _{x\rightarrow a}f(x)=0 且 \lim _{x\rightarrow a}g(x)=0,或者 \lim _{x\rightarrow a}f(x)=±∞ 且 \lim _{x\rightarrow a}g(x)=±∞。 x→alimf(x)=0且x→alimg(x)=0,或者x→alimf(x)=±∞且x→alimg(x)=±∞。
如果
lim
x
→
a
f
′
(
x
)
g
′
(
x
)
\lim _{x\rightarrow a}\dfrac{f′(x)}{g′(x)}
x→alimg′(x)f′(x)
存在(或为无穷大),那么:
lim
x
→
a
f
(
x
)
g
(
x
)
=
lim
x
→
a
f
′
(
x
)
g
′
(
x
)
\lim _{x\rightarrow a}\dfrac{f(x)}{g(x)}=\lim _{x\rightarrow a}\dfrac{f′(x)}{g′(x)}
x→alimg(x)f(x)=x→alimg′(x)f′(x)
4.不定积分
4.1.定义
如果函数 F(x) 满足 F′(x)=f(x),则称 F(x) 是 f(x) 的一个原函数。不定积分
∫
f
(
x
)
d
x
\int f(x) dx
∫f(x) dx
表示 f(x) 的所有原函数,通常写成:
∫
f
(
x
)
d
x
=
F
(
x
)
+
C
\int f(x) dx=F(x)+C
∫f(x) dx=F(x)+C
其中,C是积分常数,表示原函数的不确定性。 f(x)是被积函数,dx表示对 x 的积分变量。
不定积分的结果是一个函数簇,而不是一个具体的数值。其几何含义是一组平行的曲线簇。
4.2.基本积分公式
-
常数积分:
∫ k d x = k x + C ( 其中 k 是常数 ) ∫k dx=kx+C(其中 k 是常数) ∫k dx=kx+C(其中k是常数) -
幂函数积分:
∫ x n d x = x n + 1 n + 1 + C ( 其中 n ≠ − 1 ) ∫x^{n} dx=\dfrac{x^{n+1}}{n+1}+C(其中 n≠−1) ∫xn dx=n+1xn+1+C(其中n=−1) -
指数函数积分:
∫ e x d x = e x + C ∫e^{x} dx=e^{x}+C ∫ex dx=ex+C∫ a x d x = a x l n a + C ( 其中 a > 0 且 a ≠ 1 ) ∫a^{x} dx=\dfrac{a^{x}}{lna}+C(其中 a>0 且 a≠1) ∫ax dx=lnaax+C(其中a>0且a=1)
-
对数函数积分:
∫ 1 x d x = l n ∣ x ∣ + C ∫\dfrac{1}{x} dx=ln∣x∣+C ∫x1 dx=ln∣x∣+C -
三角函数积分:
∫ s i n x d x = − c o s x + C ∫sinx dx=−cosx+C ∫sinx dx=−cosx+C∫ c o s x d x = s i n x + C ∫cosx dx=sinx+C ∫cosx dx=sinx+C
-
反三角函数积分:
∫ 1 1 − x 2 d x = a r c s i n x + C ∫\dfrac{1}{\sqrt{1−x^{2}}} dx=arcsinx+C ∫1−x21 dx=arcsinx+C∫ 1 1 + x 2 d x = a r c t a n x + C ∫\dfrac{1}{1+x^{2}} dx=arctanx+C ∫1+x21 dx=arctanx+C
4.3.换元积分法
4.3.1 第一类换元积分法
-
选择合适的变量替换:
选择一个合适的变量替换 u=g(x),使得积分变得更简单。 -
求导数:
求 u 对 x 的导数
d u d x = g ′ ( x ) \dfrac{du}{dx}=g′(x) dxdu=g′(x)
,并将其改写为
d u = g ′ ( x ) d x du=g′(x) dx du=g′(x) dx -
替换积分变量:
将原积分中的 x 替换为 u,并将 dx 替换为
d u g ′ ( x ) \dfrac{du}{g′(x)} g′(x)du -
求解新积分:
求解新的积分
∫ f ( u ) d u ∫f(u) du ∫f(u) du -
回代变量:
将 u 回代为 g(x),得到最终的不定积分结果。
简单理解就是观察函数,将d前边的某一部分求原函数,然后放到d的里面。
4.3.2 第二类换元积分法
第二类换元积分法通常涉及三角函数替换或带根号形式的替换。
-
选择合适的变量替换:
选择一个合适的变量替换 x=g(t),使得积分变得更简单。 -
求导数:
求 x 对 t 的导数
d x d t = g ′ ( t ) \dfrac{dx}{dt}=g′(t) dtdx=g′(t)
,并将其改写为
d x = g ′ ( t ) d t dx=g′(t) dt dx=g′(t) dt -
替换积分变量:
将原积分中的 x 替换为 g(t),并将 dx替换为 g′(t) dt。 -
求解新积分:
求解新的积分
∫ f ( g ( t ) ) g ′ ( t ) d t ∫f(g(t))g′(t) dt ∫f(g(t))g′(t) dt -
回代变量:
将 t 回代为
g − 1 ( x ) g^{−1}(x) g−1(x)
,得到最终的不定积分结果。
简单理解就是将变量替换 x=g(t),对dx求出dt,然后对t进行积分,最后将t换回x。
5.定积分
定积分是微积分中的一个重要概念,用于求解函数在某个区间上的累积效应或面积。
5.1.定义
定积分
∫
a
b
f
(
x
)
d
x
∫_{a}^{b}f(x) dx
∫abf(x) dx
表示函数 f(x)在区间 [a,b]上的累积效应或面积。定积分的定义可以通过以下步骤来理解:
-
分割区间:
将区间 [a,b]分割成 n 个小区间,每个小区间的长度为 Δxi,其中
Δ x i = x i − x i − 1 Δx_{i}=x_{i}−x_{i−1} Δxi=xi−xi−1
,且 x0=a,xn=b。 -
取样本点:
在每个小区间
[ x i − 1 , x i ] [x_{i−1},x_{i}] [xi−1,xi]
内取一个样本点 ξi。 -
构造黎曼和:
构造黎曼和
∑ i = 1 n f ( ξ i ) Δ x i \sum _{i=1}^{n}f(ξ_{i})Δx_i i=1∑nf(ξi)Δxi
,表示函数 f(x) 在区间 [a,b]上的近似累积效应或面积。 -
取极限:
当分割的区间数 n 趋向于无穷大,且每个小区间的长度 Δxi趋向于零时,黎曼和的极限即为定积分:
∫ a b f ( x ) d x = lim n → ∞ ∑ i = 1 n f ( ξ i ) Δ x i ∫_{a}^{b}f(x) dx=\lim _{n\rightarrow \infty}\sum _{i=1}^{n}f(ξ_{i})Δx_{i} ∫abf(x) dx=n→∞limi=1∑nf(ξi)Δxi
说明:
黎曼和是通过将区间 [a,b]分成 n 个等宽的子区间,每个子区间的宽度为
Δ
x
=
b
−
a
n
Δx=\dfrac{b−a}{n}
Δx=nb−a
,然后选择每个子区间内的一点 xi,计算矩形的面积之和来近似积分的。
黎曼和可以表示为:
S
n
=
∑
i
=
1
n
f
(
x
i
)
Δ
x
S_n=∑_{i=1}^nf(x_i)Δx
Sn=i=1∑nf(xi)Δx
其中:
- Sn是黎曼和的值。
- n是子区间的数量。
- xi是第 i个子区间 [xi−1,xi]内的一点。
- Δx是每个子区间的宽度。
以上定义的几何图形:
5.2.几何意义
定积分
∫
a
b
f
(
x
)
d
x
∫_{a}^{b}f(x) dx
∫abf(x) dx
的几何意义是函数 f(x) 在区间 [a,b]上的曲线下面积。具体来说:
- 如果 f(x)≥0,则定积分表示曲线下方的面积。
- 如果 f(x)≤0,则定积分表示曲线上方的面积的负值。
5.3.性质
定积分具有以下重要性质:
-
线性性质:
∫ a b [ c f ( x ) + d g ( x ) ] d x = c ∫ a b f ( x ) d x + d ∫ a b g ( x ) d x ∫_{a}^{b}[cf(x)+dg(x)] dx=c∫_{a}^{b}f(x) dx+d∫_{a}^{b}g(x) dx ∫ab[cf(x)+dg(x)] dx=c∫abf(x) dx+d∫abg(x) dx
其中 c 和 d 是常数。 -
区间可加性:
∫ a b f ( x ) d x = ∫ a c f ( x ) d x + ∫ c b f ( x ) d x ∫_{a}^{b}f(x) dx=∫_{a}^{c}f(x) dx+∫_{c}^{b}f(x) dx ∫abf(x) dx=∫acf(x) dx+∫cbf(x) dx
其中 a≤c≤b。 -
积分上下限交换:
∫ a b f ( x ) d x = − ∫ b a f ( x ) d x ∫_{a}^{b}f(x) dx=−∫_{b}^{a}f(x) dx ∫abf(x) dx=−∫baf(x) dx -
定积分中值定理
如果函数 f(x) 在闭区间 [a,b] 上连续,则存在 c∈[a,b],使得:
∫ a b f ( x ) d x = f ( c ) ( b − a ) ∫_{a}^{b}f(x) dx=f(c)(b−a) ∫abf(x) dx=f(c)(b−a)
证明:
设f(x)在[a,b]上连续,因为闭区间上连续函数必有最大最小值,不妨设最大值为M,最小值为m,最大值和最小值可相等。
对
m
≤
f
(
x
)
≤
M
m\leq f(x)\leq M
m≤f(x)≤M
两边同时积分可得:
m
(
b
−
a
)
≤
∫
a
b
f
(
x
)
d
x
≤
M
(
b
−
a
)
m(b-a)\leq \int _{a}^{b}f(x)dx\leq M(b-a)
m(b−a)≤∫abf(x)dx≤M(b−a)
同除以b-a从而得到:
m
≤
1
(
b
−
a
)
∫
a
b
f
(
x
)
d
x
≤
M
m\leq \dfrac{1}{(b-a)}\int _{a}^{b}f(x)dx\leq M
m≤(b−a)1∫abf(x)dx≤M
由连续函数的介值定理可知,必定
∃
c
∈
[
a
,
b
]
\exists c\in [a,b]
∃c∈[a,b]
,使得
f
(
c
)
=
1
(
b
−
a
)
∫
a
b
f
(
x
)
d
x
f(c)=\dfrac{1}{(b-a)}\int _{a}^{b}f(x)dx
f(c)=(b−a)1∫abf(x)dx
,即:
∫
a
b
f
(
x
)
d
x
=
f
(
c
)
(
b
−
a
)
,
∃
c
∈
[
a
,
b
]
\int _{a}^{b}f(x)dx=f(c)(b-a),\exists c\in [a,b]
∫abf(x)dx=f(c)(b−a),∃c∈[a,b]
5.4.微积分基本公式
牛顿-莱布尼茨公式
∫
a
b
f
(
x
)
d
x
=
F
(
b
)
−
F
(
a
)
∫_{a}^{b}f(x)dx=F(b)−F(a)
∫abf(x)dx=F(b)−F(a)
其中, F ( x ) 是 f ( x ) 的一个原函数,即 F ′ ( x ) = f ( x ) 。 其中,F(x)是 f(x)的一个原函数,即 F′(x)=f(x)。 其中,F(x)是f(x)的一个原函数,即F′(x)=f(x)。
微积分基本定理
微积分基本定理分为两部分,分别描述了积分上限函数的性质和定积分的基本公式。
第一部分(Part 1)
如果 f(t) 在区间 [a,b]上连续,则积分上限函数
F
(
x
)
=
∫
a
x
f
(
t
)
d
t
F(x)=∫_{a}^{x}f(t) dt
F(x)=∫axf(t) dt
在区间 [a,b] 上可导,并且其导数为:
F
′
(
x
)
=
f
(
x
)
F′(x)=f(x)
F′(x)=f(x)
第一基本定理表明不定积分是微分的逆运算,保证了某连续函数的原函数的存在性。
第二部分(Part 2)
如果 F(x)是 f(x)的一个原函数,即 F′(x)=f(x),则:
∫
a
b
f
(
x
)
d
x
=
F
(
b
)
−
F
(
a
)
∫_{a}^{b}f(x) dx=F(b)−F(a)
∫abf(x) dx=F(b)−F(a)
第二基本定理则提供了定积分和不定积分之间的联系,使得定积分的计算变得简便。
5.5.定积分换元法
步骤
- 选择合适的变量替换:
选择一个合适的变量替换 t=g(x),使得积分变得更简单,并求反函数:
x = g − 1 ( t ) = h ( t ) x=g^{-1}(t)=h(t) x=g−1(t)=h(t)
- 求导数:
对 x 的导数
d x = h ′ ( t ) d t dx=h'(t)dt dx=h′(t)dt
- 替换积分变量:
将原积分中的 x 替换为 t,并将 dx 替换为
h ′ ( t ) d t h'(t)dt h′(t)dt
-
确定新的积分上下限:
将原积分的上下限 a 和 b 替换为新的上下限 t 的值。即 t 的下限为 t1,上限为 t2。 -
求解新积分:
求解新的定积分
∫ t 1 t 2 f ( h ( t ) ) h ′ ( t ) d t ∫_{t_{1}}^{t_{2}}f(h(t)) h'(t)dt ∫t1t2f(h(t)) h′(t)dt
6.多元函数
6.1.二元极限
定义
设函数 f(x,y) 在点 (a,b) 的某个去心邻域内有定义。如果对于任意给定的正数 ϵ,总存在正数 δ,使得当
0
<
(
x
−
a
)
2
+
(
y
−
b
)
2
<
δ
0<\sqrt{(x−a)^2+(y−b)^2}<δ
0<(x−a)2+(y−b)2<δ
时,总有:
∣f(x,y)−L∣<ϵ
则称 L 为函数 f(x,y)在点 (a,b)处的极限,记作:
lim
(
x
,
y
)
→
(
a
,
b
)
f
(
x
,
y
)
=
L
\lim _{(x,y)\rightarrow (a,b)}f(x,y)=L
lim(x,y)→(a,b)f(x,y)=L
几何意义
当点 (x,y)从任意方式趋近于点 (a,b) 时,函数 f(x,y) 的值趋近于 L。换句话说,函数图像在二维平面的点 (a,b)附近趋近于一个三维立体平面上的点 (a,b,L)。可将(a,b)想象为(a,b,L)投影在二维平面的点。
如果 (x,y)从不同方式趋近于点 (a,b),函数 f(x,y) 的值不相等,则表示 f(x,y) 不存在。
6.2.偏导数
偏导数是多元函数求导的一种形式,表示在多个自变量中,当其中一个自变量改变而其他自变量保持不变时函数值的变化率。
这实质上是将其他自变量视为常数,然后按照单变量函数求导的方法进行运算。
定义
设函数 f(x,y) 在点 (x0,y0) 的某个邻域内有定义。如果极限:
lim
Δ
x
→
0
f
(
x
0
+
Δ
x
,
y
0
)
−
f
(
x
0
,
y
0
)
Δ
x
\lim_{Δx→0}\dfrac{f(x_0+Δx,y_0)−f(x_0,y_0)}{Δx}
Δx→0limΔxf(x0+Δx,y0)−f(x0,y0)
存在,则称此极限为函数 f(x,y)在点 (x0,y0) 处对 x 的偏导数,记作:
∂
f
∂
x
∣
(
x
0
,
y
0
)
或
f
x
′
(
x
0
,
y
0
)
\dfrac{∂f}{∂x}∣(x_0,y_0)或f'_x(x_0,y_0)
∂x∂f∣(x0,y0)或fx′(x0,y0)
类似地,如果极限:
lim
Δ
y
→
0
f
(
x
0
,
y
0
+
Δ
y
)
−
f
(
x
0
,
y
0
)
Δ
y
\lim _{Δy→0}\dfrac{f(x_0,y_0+Δy)−f(x_0,y_0)}{Δy}
limΔy→0Δyf(x0,y0+Δy)−f(x0,y0)
存在,则称此极限为函数 f(x,y)在点 (x0,y0)处对 y的偏导数,记作:
∂
f
∂
y
∣
(
x
0
,
y
0
)
或
f
y
′
(
x
0
,
y
0
)
\dfrac{∂f}{∂y}∣(x_0,y_0)或f'_y(x_0,y_0)
∂y∂f∣(x0,y0)或fy′(x0,y0)
偏导数的计算方法
对于二元函数z=f(x,y),求z对x的偏导数时,将y看作常量,对x求导;求z对y的偏导数时,将x看作常量,对y求导。
6.3.全微分
定义
如果函数z=f(x, y)在点(x, y)处的全增量
Δ
z
=
f
(
x
+
Δ
x
,
y
+
Δ
y
)
−
f
(
x
,
y
)
Δz=f(x+Δx,y+Δy)-f(x,y)
Δz=f(x+Δx,y+Δy)−f(x,y)
可以表示为
Δ
z
=
A
Δ
x
+
B
Δ
y
+
o
(
ρ
)
Δz=AΔx+BΔy+o(ρ)
Δz=AΔx+BΔy+o(ρ)
,其中A、B不依赖于Δx, Δy,仅与x, y有关,ρ趋近于0(ρ=√[(Δx)²+(Δy)²]),此时称函数z=f(x, y)在点(x, y)处可微分,AΔx+BΔy称为函数z=f(x, y)在点(x, y)处的全微分,记为dz即dz=AΔx +BΔy。
可微的必要条件条件
若z=f(x,y)在(x,y)点处可微,则偏导数
f
x
′
(
x
,
y
)
和
f
y
′
(
x
,
y
)
f_{x}'(x,y)和f_{y}'(x,y)
fx′(x,y)和fy′(x,y)
存在,并且
d
z
=
f
x
′
(
x
,
y
)
Δ
x
+
f
y
′
(
x
,
y
)
Δ
y
或
d
z
=
f
x
′
(
x
,
y
)
d
x
+
f
y
′
(
x
,
y
)
d
x
dz=f_{x}'(x,y)Δx+f_{y}'(x,y)Δy或dz=f_{x}'(x,y)dx+f_{y}'(x,y)dx
dz=fx′(x,y)Δx+fy′(x,y)Δy或dz=fx′(x,y)dx+fy′(x,y)dx
可微的充分条件
z=f(x,y)在(x,y)的某个邻域内有连续的偏导数
f
x
′
(
x
,
y
)
和
f
y
′
(
x
,
y
)
f_{x}'(x,y)和f_{y}'(x,y)
fx′(x,y)和fy′(x,y)
则在(x,y)处可微,
d
z
=
f
x
′
(
x
,
y
)
Δ
x
+
f
y
′
(
x
,
y
)
Δ
y
或
d
z
=
f
x
′
(
x
,
y
)
d
x
+
f
y
′
(
x
,
y
)
d
x
dz=f_{x}'(x,y)Δx+f_{y}'(x,y)Δy或dz=f_{x}'(x,y)dx+f_{y}'(x,y)dx
dz=fx′(x,y)Δx+fy′(x,y)Δy或dz=fx′(x,y)dx+fy′(x,y)dx
6.4.梯度
梯度是一个向量,表示多元函数在某一点处的最大变化率和变化方向。
定义
设 f(x1,x2,…,xn)是一个定义在 Rn(n维欧几里得空间) 上的多元函数,函数 f在n维向量点 a=(a1,a2,…,an)处的梯度定义为:
∇
f
(
a
)
=
(
∂
f
∂
x
1
(
a
)
,
∂
f
∂
x
2
(
a
)
,
…
,
∂
f
∂
x
n
(
a
)
)
∇f(a)=(\dfrac{∂f}{∂x_1}(a),\dfrac{∂f}{∂x_2}(a),…,\dfrac{∂f}{∂x_n}(a))
∇f(a)=(∂x1∂f(a),∂x2∂f(a),…,∂xn∂f(a))
其中,
∂
f
∂
x
i
(
a
)
\dfrac{∂f}{∂x_i}(a)
∂xi∂f(a)
是函数 f 在点 a 处对第 i 个自变量的偏导数。
性质
- 最大变化率:梯度 ∇f(a) 的方向是函数 f在点 a 处变化率最大的方向。
- 变化率:梯度 ∇f(a) 的大小(模)是函数 f 在点 a 处沿梯度方向的变化率。
沿梯度方向是是函数 f在点 a 处变化率增加最大的方向;沿梯度反方向是是函数 f在点 a 处变化率减小最大的方向;沿梯度垂直方向函数 f在点 a 处变化率为0。
梯度下降
梯度下降是一种优化算法,用于寻找多元函数的最小值。其基本思想是沿着函数的负梯度方向逐步更新参数,以减少函数值。
算法步骤
-
初始化:选择一个初始点 x0。
-
迭代更新:对于每次迭代 k,计算当前点的梯度
∇ f ( x k ) ∇f(x_k) ∇f(xk)
,并更新参数:
x k + 1 = x k − η ∇ f ( x k ) x_{k+1}=x_k−η∇f(x_k) xk+1=xk−η∇f(xk)
其中,η 是学习率(步长),控制每次更新的步幅。 -
终止条件:当梯度的模足够小或达到预设的迭代次数时,停止迭代。通常,终止条件可以是以下几种:
-
梯度的模足够小:当梯度的模(或范数)
∥ ∇ f ( x k ) ∥ ∥∇f(xk)∥ ∥∇f(xk)∥
小于某个阈值时,停止迭代。说明:
梯度的范数表示梯度向量的大小,即梯度向量的长度。
梯度的范数(模) ∥∇f(xk)∥是这个向量的欧几里得长度,定义为:
∣ ∣ ∇ f ( x k ) ∣ ∣ = ( ∂ f ∂ x 1 ) 2 + ( ∂ f ∂ x 2 ) 2 + ⋯ + ( ∂ f ∂ x n ) 2 ||∇f(x_k)||=\sqrt{(\dfrac{∂f}{∂x_1})^2+(\dfrac{∂f}{∂x_2})^2+⋯+(\dfrac{∂f}{∂x_n})^2} ∣∣∇f(xk)∣∣=(∂x1∂f)2+(∂x2∂f)2+⋯+(∂xn∂f)2 -
达到预设的迭代次数:当迭代次数达到预设的最大迭代次数时,停止迭代。
-
函数值变化足够小:当函数值的变化
∣ f ( x k + 1 ) − f ( x k ) ∣ ∣f(x_{k+1})−f(x_k)∣ ∣f(xk+1)−f(xk)∣
小于某个阈值时,停止迭代。
-
学习率
学习率 η是一个重要的超参数,控制着每次更新的步幅。选择合适的学习率对于梯度下降算法的性能至关重要:
- 学习率过大:如果步幅过大,算法可能会“跳过”最优解,导致在最优解附近来回震荡。
- 学习率过小:可能导致算法收敛速度过慢。
6.5.二重积分
二重积分是多元微积分中的一个重要概念,用于计算二维区域上的函数积分。它通常用于计算平面区域上的面积、质量、重心等问题。二
重积分的基本思想是将一个二维区域分割成无数个小区域,然后在每个小区域上计算函数值的积分。
定义
设 f(x,y)f(x,y) 是定义在平面区域 D 上的函数,二重积分记作:
∬
D
f
(
x
,
y
)
d
A
∬_Df(x,y) dA
∬Df(x,y) dA
其中 dA表示面积元素。
几何意义
如果 f(x,y)是非负函数,二重积分
∬
D
f
(
x
,
y
)
d
A
∬_Df(x,y) dA
∬Df(x,y) dA
表示以 D 为底、以 f(x,y)为顶的曲顶柱体的体积。
二重积分的计算步骤-直角坐标系
在直角坐标系下,二重积分可以表示为两个定积分的乘积:
∬
D
f
(
x
,
y
)
d
A
=
∫
a
b
∫
g
(
x
)
h
(
x
)
f
(
x
,
y
)
d
y
d
x
∬_Df(x,y) dA=∫_a^b∫_{g(x)}^{h(x)}f(x,y) dy dx
∬Df(x,y) dA=∫ab∫g(x)h(x)f(x,y) dy dx
其中 D 是由 x=a 到 x=b 以及 y=g(x)到 y=h(x) 围成的区域。
-
确定积分区域 D:首先,你需要确定积分区域 D的边界。这个区域可以是矩形、圆形、多边形等。
-
设置积分限:根据积分区域 D,设置积分的限。例如,对于直角坐标系中的矩形区域,积分限通常是 a≤x≤b 和 c≤y≤d。
-
写出积分表达式:根据积分限写出二重积分的表达式:
∫ a b ∫ g ( x ) h ( x ) f ( x , y ) d y d x = ∫ a b d x ∫ g ( x ) h ( x ) f ( x , y ) d y ∫_a^b∫_{g(x)}^{h(x)}f(x,y) dy dx=∫_a^bdx∫_{g(x)}^{h(x)}f(x,y) dy ∫ab∫g(x)h(x)f(x,y) dy dx=∫abdx∫g(x)h(x)f(x,y) dy -
计算内层积分:先对 y 进行积分,得到关于 x 的表达式。
-
计算外层积分:再对 x 进行积分,得到最终的积分值。
二重积分的计算步骤-极坐标系
极坐标系的二重积分计算步骤同直角坐标系,不同的是需要将直角坐标系的坐标转换为极坐标。
极坐标系的基本概念
- 原点:极坐标系的原点称为极点(通常记作 O)。
- 极径:从极点到某一点的距离称为径向距离(通常记作 r)。
- 极角:从极点到某一点的射线与极轴(通常是正 xx 轴)之间的角度称为极角(通常记作 θ)。
给定点的极坐标 (r,θ),可以转换为直角坐标 (x,y):
x
=
r
c
o
s
θ
y
=
r
s
i
n
θ
x=rcosθ\\ y=rsinθ
x=rcosθy=rsinθ
在极坐标下,二重积分的表达式为:
∬
D
f
(
x
,
y
)
d
A
=
∬
D
f
(
r
,
θ
)
r
d
r
d
θ
∬_Df(x,y) dA=∬_Df(r,θ) r dr dθ
∬Df(x,y) dA=∬Df(r,θ) r dr dθ
其中 r 和 θ 分别是极径和极角。
注意:转换为极坐标系的二重积分中需要多加一个r ,这个最容易忘记。