本篇主要记录一元与多元微分中的导数与微分的类比学习
一元微分
导数与微分
导数(derivative): 实际上导数是一种特殊的极限,其意义是指函数值在某点的变化率(aka.斜率,tangent line)
lim x → x 0 f ( x ) − f ( x 0 ) x − x 0 \lim\limits_{x\rightarrow x_0} \cfrac{f(x) - f(x_0)}{x-x_0} x→x0limx−x0f(x)−f(x0)
微分(differential):微分的实质是将不均匀变化的函数用均匀的方式表示,其意义是指函数改变量的近似值。
可微的定义:
Δ y = f ( x 0 + Δ x ) − f ( x 0 ) = A Δ x + o ( Δ x ) \Delta y = f(x_0 + \Delta x) - f(x_0) = A\Delta x + o(\Delta x) Δy=f(x0+Δx)−f(x0)=AΔx+o(Δx) 即 d y = A Δ x 即~dy = A\Delta x 即 dy=AΔx
graphic understanding : \large \text {graphic~ understanding}: graphic understanding:
我们不难发现在上述公式中,我们把一个非均匀变化的函数用线性的方式 ( A Δ x + o ( x ) ) \Big(A\Delta x + o(x)\Big) (AΔx+o(x))近似表示出来了,可能你会有疑问 ‘这 A Δ x 和 o ( x ) A\Delta x 和 o(x) AΔx和o(x)是个啥?怎么就表示出来了?’ 别急马上揭晓,我们的目的是用线性的方式表达函数的改变量 Δ y \Delta y Δy,公式中 A Δ x ~A\Delta x~ AΔx 是 f ( x ) ~f(x)~ f(x) 的线性主要部分( 1 ^1 1线性 2 ^2 2主部),既然有主部那当然就会有次要部分即 o ( Δ x ) o(\Delta x) o(Δx), o ( Δ x ) = Δ y − d y o(\Delta x) = \Delta y - dy o(Δx)=Δy−dy是在 Δ x → 0 \Delta x\rightarrow 0 Δx→0时可以忽略的高阶无穷小部分。
我们说回到 A Δ x ~A\Delta x~ AΔx ,当中的 A A A其实就是 tan α \tan\alpha tanα,而导数 f ′ ( x 0