浅谈微积分以及泰勒展开

浅谈微积分以及泰勒展开

前言

这年头不会微积分干什么都不行啊

一.微积分

微积分其实就只有两种运算，一种是求导，另一种是求不定积分。并且其为互逆运算

导数

导数的定义

导数（Derivative），也叫导函数值。又名微商，是微积分中的重要基础概念。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’(x0)或df(x0)/dx。——百度百科

• 简而言之，所谓导数所反映的就是一个函数的变化趋势，其同样是一个函数。设 $f^{\prime }(x)$ 为 $f(x)$ 的导数，那么 $f^{\prime }(x_0)$ 就是 $f(x)$ 的图像上过横坐标为 $x_0$ 的点的切线的斜率。
• 讲的更容易理解一点，我们先抛开所有关于微积分的什么极限啊什么的。仅仅考虑一个问题：什么是变化率？
• 你可能会说：“变化率就是 $\Delta y$ 和 $\Delta x$ 的比值。”确实，就是这样。它反映的是一个变化的趋势，就是随着横坐标 $x$ 的变化，纵坐标 $y$ 变化了多少。如果变化率越大，那么相应的，$y$ 的变化就会越大。
• 而导数的本质就是变化率，只不过将其放在了一个十分微小的范围内。可以近似地看成图像在某个点的变化率。
• 那么这里有一个关于导数的悖论：“一个函数的导数所反映的是该函数在每个点时的变化率。”但一个点谈何变化？它连 $\Delta x$ 和 $\Delta y$ 都没有。
• 所以，不要把这当做导数的定义，别把导数看成某一点瞬时的变化率，而是看成某一点附近的变化率的最佳近似。

导数的求法

基本初等函数

• 这个很简单，按照定义来就行了。

• 我们假设一个函数在 $x_0$ 处产生了一个非常小的增量 $dx$ ，同时导致了纵坐标的增量 $df$ ，那么根据定义，其导数即为 $\frac{df}{dx}$ 。

• 以 $f(x)=x^2$ 为例：
  $$\begin{gathered} \begin{array}{rl}\frac{df}{dx}& =\frac{f(x_0+dx)-f(x_0)}{dx}\\ & =\frac{x_0^2+2dx\cdot x+d{x}^2-x_0^2}{dx}\\ & =2x+dx\end{array} \\ {f}^{\prime }(x)=\underset{dx\to 0}{\lim }\frac{df}{dx}=\underset{dx\to 0}{\lim }2x+dx=2x \end{gathered}$$
  当 $dx$ 无限趋近于 $0$ 时，我们可以将其省略，那么 $\frac{df}{dx}=2x$ 。所以函数 $f(x)=x^2$ 的导数为 $f^{\prime }(x)=2x$ 。

• 但是，有没有更直观的方法呢？我可不想每次求导数的时候都去这样推一遍。自然是有的。用几何法也可以证明。

• 让我们假设现在有一个边长为 $x$ 的正方形，那么它的面积就为 $x^2$ ，该函数的函数值。此时如果该正方形的边长增加一个很小的量 $dx$ ，那么它的面积 $ds$ 就会增加 $dx\cdot x+dx\cdot +d{x}^2$ ，因为 $dx$ 本身就是一个极小的值，那么其平方会变得更小，我们可以直接忽略不计。那么 $\frac{ds}{dx}$ 的值就为 $2x$ ，与我们用代数法算出来的答案是一样的。

• 感谢 @眼界小开 的建议，为了方便理解几何法，我觉得这里应该放一张图：

3B1B：微积分的本质

• 假如我们学过微积分，这时我们就会发现，导数里面的系数 $2$ 居然和原函数的指数 $2$ 相同！这是巧合吗？显然不是。我们试着写出函数 $f(x)=x^3$ 的导数 $f^{\prime }(x)=3x^2$，发现居然和二次函数一样。那是不是……

• 好吧我坦白，这就是幂函数的共性……除此之外，还有许多其他类的函数也具有相同的性质：

  1. $C^{\prime }=0$ （$C$ 为任意常数）
  2. $(x^a{)}^{\prime }=a{x}^{a-1}$
  3. $(e^x{)}^{\prime }=e^x$
  4. $(\ln x{)}^{\prime }=\frac{1}{x}$

• 我们发现这个里面有一个非常神奇的函数 $e^x$ ，它的导数居然是它自己。怎么说呢，其实自然常数 $e$ 就是这样定义的。我们对任意指数函数求导，以 $2^x$ 为例：
  $$(2^x{)}^{\prime }=\frac{2^{x+dx}-2^x}{dx}=\frac{2^x\cdot 2^{dx}-2^x}{dx}=2^x\cdot \frac{2^{dx}-1}{dx}$$
  当 $dx$ 趋近于 $0$ 的时候，$\frac{2^{dx}-1}{dx}$ 会趋近于某个常数。也就是说，$2^x$ 的导数是它自己乘上一个固定的常数。说到这里你可能就明白了，自然常数 $e$ 的值即为 ${\lim }_{dx\to 0}\frac{e^{dx}-1}{dx}=1\Rightarrow e={\lim }_{dx\to 0}(dx+1{)}^{\frac{1}{dx}}$

  再多说一点，其实 $2^x$ 的导数的那个常数就是 $\ln (2)$ 。为什么？看完复合函数的求导就知道了。

导数的运算法则

基本初等函数适用的范围毕竟还是太小了，生活中大多数函数都为基本初等函数通过某几种运算得到，这时求导就需要用到导数的运算法则。

• 导数的运算法则有以下三种：

  1. 和规则：$\begin{array}{rl}{\left(f(x)+g(x)\right)}^{\prime }& =f^{\prime }(x)+g^{\prime }(x)\\ {\left(af(x)\right)}^{\prime }& =a{f}^{\prime }(x)\end{array}$
  2. 积规则：${\left(f(x)\cdot g(x)\right)}^{\prime }=f^{\prime }(x)g(x)+f(x)g^{\prime }(x)$ （左乘右导，右乘左导）
  3. 链规则：${\left(f\left(g(x)\right)\right)}^{\prime }=g^{\prime }(x)f^{\prime }\left(g(x)\right)$

• 这三种规则都有其直观的几何理解，就比如积规则，可以想象一个分别以两个函数的函数值为边长的长方形，看其面积随着边长怎样变化。链规则则可想象三根数轴，各个因变量是如何随着各自的自变量的变化而变化。

• 类似的方法还有很多，就不再赘述了。

• 讲一讲之前的那个指数函数求导的常数证明吧：
  $$(2^x{)}^{\prime }={\left(e^{\ln (2)x}\right)}^{\prime }=\ln (2){\left(e^{\ln (2)}\right)}^x=\ln (2)\cdot 2^x$$

高阶导数

• 我们把一个函数导数的导数称作二阶导数，其所反映的是该函数的导数的变化量，即变化量的变化量。
• 三阶导数以及更高阶的导数以此类推。
• 举个栗子：速度是路程的导数，而加速度是速度的导数，所以加速度是路程的二阶导数。
• 所以对于幂函数来说，其不断求导的过程就是不断地降幂 ，并且系数会以连乘 $\prod$ 的形式存在。因为每一次求导，都会将系数乘以当前的指数，并且指数减一。
• $Forinstance:f(x)=x^{10}\Rightarrow f^{(5)}(x)=\left({\prod }_{i=6}^{10}i\right)x^5$

积分

积分的定义

积分是微积分学与数学分析里的一个核心概念。通常分为**定积分和不定积分两种。直观地说，对于一个给定的正实值函数，在一个实数区间上的定积分可以理解为在坐标平面上，由曲线、直线以及轴围成的曲边梯形的面积值（一种确定的实数**值）。——百度百科

• 对于积分来说，就理解成面积就好了。
• 积分分为定积分和不定积分两种。定积分为一个确定的数值，而不定积分则是一个函数。
• 求不定积分和求导数互为逆运算。为什么？我们假设 $f(x)$ 围成的面积的函数为 $g(x)$ ，横坐标增加 $dx$ ，那么面积的增加量 $ds$ 可以近似地看做一个长方形，那么 $g^{\prime }(x)=\frac{ds}{dx}$，就是当前长方形的高，恰好就是 $f(x)$ 的函数值。

积分的求法

• 很简单，因为求不定积分和求导数是一对互逆运算，那么我们就可以根据已知的导数反推出原函数。
• 如上面的几个导数求不定积分：
  1. $\int 0dx=C$
  2. $\int x^{a}dx=\frac{1}{a+1}{x}^{a+1}+C$
  3. $\int e^{x}dx=e^x+C$
  4. $\int x^{-1}dx=\ln x+C$

二.泰勒级数

在数学中，泰勒级数（英语：Taylor series）用无限项连加式——级数来表示一个函数，这些相加的项由函数在某一点的导数求得。——百度百科

• 说白了，泰勒级数就是用一个多项式去模拟一个函数，至少在 $OI$ 中是这样的，可以用于牛顿迭代的推导(MyBlog)以及生成函数(MyBlog)的变形。

• 我们将多项式看做一个函数，那么问题就变成了如何用一个函数去模拟另外一个函数。

• 我们先从 $x=0$ 下手~~（因为简单）~~

• 如果两个函数图像一样的话，那么至少在 $x=0$ 时的函数值要相等吧，所以我们让其的常数项相等。

• 如果两个函数图像一样的话，那么至少在$x=0$ 附近的变化趋势要相等吧，所以我们让其导数相等。

• 如果两个函数图像一样的话，那么至少在$x=0$ 附近的变化趋势的变化趋势要相等吧，所以我们让其二阶导数相等。

• ……

• 可以证明，在 $x=0$ 时，$g(x)$ 的 $n$ 阶导数只与 $x^n$ 的系数有关系，因为之前的求导时已经变成 $0$ ，而后边的因为含有 $x$ 而为 $0$

• 那么在 $x=0$ 时我们就得到了函数 $f(x)$ 的近似拟合函数
  $$g(x)=f(0)+\frac{f^{\prime }(0)}{1!}x+\frac{f^{\prime \prime }(0)}{2!}{x}^2+\dots +\frac{f^{(n)}(0)}{n!}{x}^n$$

• 这个叫做麦克劳林级数。

• 等等，那泰勒去哪儿了？

• 刚刚所展现的是在 $x=0$ 附近拟合的过程。只需稍作替换，就可以在任意地方 $x=x_0$ 处拟合了。这就是泰勒级数：
  $$g(x)=f(x_0)+\frac{f^{\prime }(x_0)}{1!}(x-x_0)+\frac{f^{\prime \prime }(x_0)}{2!}(x-x_0{)}^2+\dots +\frac{f^{(n)}(x_0)}{n!}(x-x_0{)}^n$$

• 所以麦克劳林级数只是泰勒级数在 $x=0$ 的特殊情况。

• 下面是我在 $Geogebra$ 上所拟合的 $\cos (x)$ 以及 $e^x$ ：

cos(x)

e ^x

• 数学真的是一门美妙的学科。

一些有趣的东西

• 为什么圆的面积公式为 $\pi r^2$ ？我们可以尝试将圆分成许许多多的圆环，并且将其展平，近似地看做一个个长方形。然后将他们由小到大放在坐标轴上。当相差的半径足够小的时候，就可以看作是一个底为 $r$ （半径），高为 $2\pi r$ （周长）的三角形，故得圆的面积公式。

• 为什么三角形邻边比上斜边叫做余弦？因为余弦函数是正弦函数的导数，可以在单位圆上用几何法证明。三角函数的导数循环如下：
  $$\begin{array}{rl}{\sin }^{\prime }(x)& =\cos (x)\\ {\cos }^{\prime }(x)& =-\sin (x)\\ {\left(-\sin (x)\right)}^{\prime }& =-\cos (x)\\ {\left(-\cos (x)\right)}^{\prime }& =\sin (x)\end{array}$$

——2021年2月8日