本文内容对应我的博客中微积分笔记总目录下的第一章,导数和微分。
1. 导数和微分(Derivative and Differential)
1.1 导数的定义
几何直观解释:
图中的绿色虚线代表了函数
f
(
x
)
f(x)
f(x) 的一条割线(secant line),即经过函数图像任意两个不重复的点的直线。直观的解释就是当这两个点(
P
P
P 和
Q
Q
Q)无限接近的时候,这条割线就和曲线
f
(
x
)
f(x)
f(x) 只有一个交点,即在点
P
P
P 的切线,也被称为点
P
P
P 的导数。
代数定义:
函数
f
(
x
)
f(x)
f(x) 在点
x
=
x
0
x=x_0
x=x0 的导数被定义为:
f
′
(
x
0
)
=
lim
Δ
x
→
0
f
(
x
0
+
Δ
x
0
)
−
f
(
x
0
)
Δ
x
f'(x_0)=\lim_{\Delta x\to0}\frac{f(x_0+\Delta x_0)-f(x_0)}{\Delta x}
f′(x0)=Δx→0limΔxf(x0+Δx0)−f(x0)
简而言之,导数本质上就是变化率的极限,或者是无穷小的区间内的变化率,也就是瞬时变化率。式子
f
(
x
0
+
Δ
x
0
)
−
f
(
x
0
)
Δ
x
\frac{f(x_0+\Delta x_0)-f(x_0)}{\Delta x}
Δxf(x0+Δx0)−f(x0) 是等价于上图中P,Q两点连线的斜率的。
导数的相关符号(Notations)
导数的相关符号有很多,主要还是牛顿记法和莱布尼茨记法的区别(遇到复杂的问题更多两种记法的结合,但是莱布尼茨这种记法确实间接地促进了微积分的发展)
1. 牛顿记法:Newton’s Notations
当
Δ
x
→
0
\Delta x\to 0
Δx→0,
Δ
y
Δ
x
→
f
′
(
x
)
\frac{\Delta y}{\Delta x}\quad \to \quad f'(x)
ΔxΔy→f′(x)
2. 莱布尼茨记法:Leibniz’s Notations
当
Δ
x
→
0
\Delta x\to 0
Δx→0,
Δ
y
Δ
x
→
d
y
d
x
o
r
d
f
(
x
)
d
x
o
r
d
d
x
f
(
x
)
\frac{\Delta y}{\Delta x}\quad \to \quad \frac{dy}{dx}\quad or\quad \frac{df(x)}{dx}\quad or\quad \frac{d}{dx}f(x)
ΔxΔy→dxdyordxdf(x)ordxdf(x)
1.2 求导(Differentiation)
在求导之前,我们先要看看原函数是什么类型的,如果是显式函数(都能写成 y = f ( x ) y=f(x) y=f(x) 的类型),我们可以直接记住某些函数的求导结果,或是用求导法则亦或是定义来求导,但是遇到隐式函数(可以写成 f ( x ) + g ( y ) = C f(x)+g(y)=C f(x)+g(y)=C, C C C 为常数)的时候,我们只能通过一些技巧tricks来求解。
1.2.1 显式函数求导(Explicit Function)
显示函数求导法则总结:
- 一些常见函数的导数公式
P o w e r R u l e : d d x x n = n x n − 1 Power\ Rule:\ \frac{d}{dx}x^n=nx^{n-1} Power Rule: dxdxn=nxn−1 d d x sin x = cos x \frac{d}{dx}\sin x=\cos x dxdsinx=cosx d d x cos x = − sin x \frac{d}{dx}\cos x=-\sin x dxdcosx=−sinx d d x e x = e x \frac{d}{dx}e^x=e^x dxdex=ex d d x e x = e x \frac{d}{dx}e^x=e^x dxdex=ex - 通用的求导法则
记 u , v u,\ v u, v 为两个函数,它们对应的导数为 u ′ , v ′ u',\ v' u′, v′。
两函数和的导数:
( u + v ) ′ = u ′ + v ′ (u+v)'=u'+v' (u+v)′=u′+v′
两函数乘积的导数:
( u v ) ′ = u ′ v + u v ′ (uv)'=u'v+uv' (uv)′=u′v+uv′
两函数商的导数:
( u v ) ′ = u ′ v − u v ′ v 2 \Big(\frac{u}{v}\Big)'=\frac{u'v-uv'}{v^2} (vu)′=v2u′v−uv′
(使用除法法则的时候,尽可能将原函数看成 u ⋅ ( 1 / v ) u\cdot(1/v) u⋅(1/v)的乘积,这样会方便运算)
链式法则:(Chain Rule)——复合函数
如果函数只能写成
f
(
g
(
x
)
)
f(g(x))
f(g(x)) 的形式,那么以上方法也许行不通了。这时候我们就要用链式法则:
lim
Δ
t
→
0
Δ
y
Δ
t
=
d
y
d
t
=
d
y
d
x
⋅
d
x
d
t
\lim_{\Delta t\to0}\frac{\Delta y}{\Delta t}=\frac{dy}{dt}=\frac{dy}{dx}\cdot\frac{dx}{dt}
Δt→0limΔtΔy=dtdy=dxdy⋅dtdx
链式法则的基本思路就是换元了,把一个复杂的函数进行拆解。
举个例子,求解函数
y
=
sin
10
t
y=\sin^{10}t
y=sin10t 的导数。
第一步,令
x
=
sin
t
x=\sin t
x=sint,则
y
=
x
10
y=x^{10}
y=x10;
第二步,用链式法则分步求解导数:
d
d
t
sin
10
t
=
d
d
x
x
10
⋅
d
d
t
sin
t
=
10
sin
9
t
cos
t
\frac{d}{dt}\sin^{10}t=\frac{d}{dx}x^{10}\cdot\frac{d}{dt}\sin t=10\sin^9t\cos t
dtdsin10t=dxdx10⋅dtdsint=10sin9tcost
需要注意的是,如果以上方法都求不出来导数,那么只能用定义来求解了。在这一过程中,求极限是关键,下文也会讲解如何处理特殊的极限。
1.2.2 隐式函数求导(Implicit Function)
步骤:
- 方程两边同时取
x
x
x 的导数,
f ( x ) + g ( y ) = C f(x)+g(y)=C f(x)+g(y)=C
在这一过程中将含有 g ( y ) g(y) g(y)的一项通过链式法则写成以下形式: d d y g ( y ) ⋅ d y d x \frac{d}{dy}g(y)\cdot\frac{dy}{dx} dydg(y)⋅dxdy最后可以得到:
d d x f ( x ) + d d y g ( y ) ⋅ d y d x = 0 \frac{d}{dx}f(x)+\frac{d}{dy}g(y)\cdot\frac{dy}{dx}=0 dxdf(x)+dydg(y)⋅dxdy=0 - 提出
d
y
/
d
x
dy/dx
dy/dx,将
f
(
x
)
,
g
(
x
)
f(x),\ g(x)
f(x), g(x)的导数记作
f
′
(
x
)
,
g
′
(
x
)
f'(x),\ g'(x)
f′(x), g′(x),可以得到:
d y d x = − f ′ ( x ) g ′ ( y ) \frac{dy}{dx}=-\frac{f'(x)}{g'(y)} dxdy=−g′(y)f′(x)
举例——反函数的求导
求反正弦函数 y = sin − 1 ( x ) y=\sin^{-1}(x) y=sin−1(x) 的导数:
首先,将原函数重新写成隐式函数形式,即 sin y = x \sin y=x siny=x 的形式;之后,按上文的步骤两边同时对 x x x 求导,可以得到:
cos y ⋅ d y d x = 1 \cos y\cdot\frac{dy}{dx}=1 cosy⋅dxdy=1 d d x sin − 1 x = 1 cos y = 1 1 − sin 2 ( y ) = 1 1 − x 2 \frac{d}{dx}\sin^{-1}x=\frac{1}{\cos y}=\frac{1}{\sqrt{1-\sin^2(y)}}=\frac{1}{\sqrt{1-x^2}} dxdsin−1x=cosy1=1−sin2(y)1=1−x21
其他反函数的导数的求法与本例子相似。
1.2.3 无穷小量(Infinitesimal)和微分
定义
从上文导数的定义式和相关记法中可以看出:
d
y
d
x
=
f
′
(
x
)
\frac{dy}{dx}=f'(x)
dxdy=f′(x)
这里如果我们把
d
y
,
d
x
dy,\ dx
dy, dx 视为单独的变量(和
Δ
y
,
Δ
x
\Delta y,\ \Delta x
Δy, Δx相对应),即无穷小量。
通过移项,我们可以得到,
d
y
=
f
′
(
x
)
d
x
dy=f'(x)dx
dy=f′(x)dx
这就是函数
y
=
f
(
x
)
y=f(x)
y=f(x) 的微分形式了。简而言之,无穷小量的商就是函数
f
(
x
)
f(x)
f(x) 的导数。
1.2.4 补充:求不定型极限的方法——洛必达法则( L ′ H o ^ s p i t a l ′ s R u l e L'H\hat ospital's\ Rule L′Ho^spital′s Rule)
导数的根本还是极限,一般情况下,极限非常好求,只需要带入极限端点的值到原函数即可。但遇到不定型(Indeterminate Form)的情况(
0
/
0
,
±
∞
/
±
∞
,
0
⋅
±
∞
0/0,\ \pm\infty/\pm\infty ,\ 0\cdot\pm\infty
0/0, ±∞/±∞, 0⋅±∞ 等等)时并不能直接用代入法求解。洛必达法则可以解决这类问题。
a. 洛必达法则第一类情况的定义:
假设求解的极限是:
lim
x
→
a
f
(
x
)
g
(
x
)
\lim_{x\to a}\frac{f(x)}{g(x)}
x→alimg(x)f(x)并且
f
(
a
)
=
g
(
a
)
=
0
f(a)=g(a)=0
f(a)=g(a)=0(
0
/
0
0/0
0/0的形式)
洛必达法则规定:
lim
x
→
a
f
(
x
)
g
(
x
)
=
f
′
(
a
)
g
′
(
a
)
\lim_{x\to a}\frac{f(x)}{g(x)}=\frac{f'(a)}{g'(a)}
x→alimg(x)f(x)=g′(a)f′(a)
第一类情况的简单证明
lim
x
→
a
f
(
x
)
g
(
x
)
=
lim
x
→
a
f
(
x
)
x
−
a
g
(
x
)
x
−
a
=
lim
x
→
a
f
(
x
)
−
f
(
a
)
x
−
a
g
(
x
)
−
g
(
a
)
x
−
a
=
lim
x
→
a
f
(
x
)
−
f
(
a
)
x
−
a
lim
x
→
a
g
(
x
)
−
g
(
a
)
x
−
a
=
f
′
(
a
)
g
′
(
a
)
\lim_{x\to a}\frac{f(x)}{g(x)}=\lim_{x\to a}\frac{\frac{f(x)}{x-a}}{\frac{g(x)}{x-a}}=\lim_{x\to a}\frac{\frac{f(x)-f(a)}{x-a}}{\frac{g(x)-g(a)}{x-a}}=\frac{\lim_{x\to a}\frac{f(x)-f(a)}{x-a}}{\lim_{x\to a}\frac{g(x)-g(a)}{x-a}}=\frac{f'(a)}{g'(a)}
x→alimg(x)f(x)=x→alimx−ag(x)x−af(x)=x→alimx−ag(x)−g(a)x−af(x)−f(a)=limx→ax−ag(x)−g(a)limx→ax−af(x)−f(a)=g′(a)f′(a)
b. 第二类情况的定义
洛必达法则在以下条件下也是成立的:
- a = ± ∞ a=\pm\infty a=±∞
- f ( a ) , g ( a ) = ± ∞ f(a),\ g(a)=\pm\infty f(a), g(a)=±∞
- lim x → a f ′ ( a ) g ′ ( a ) = ± ∞ \lim_{x\to a}\frac{f'(a)}{g'(a)}=\pm\infty limx→ag′(a)f′(a)=±∞
洛必达法则不仅可以处理 0 / 0 0/0 0/0形式,也可以处理 ∞ / ∞ \infty/\infty ∞/∞ 的形式。但是要注意的是洛必达法则不能应用在 f ′ ( a ) g ′ ( a ) \frac{f'(a)}{g'(a)} g′(a)f′(a)震荡剧烈的情况。
(提示hints:如果遇到形如 0 ⋅ ± ∞ 0\cdot\pm\infty 0⋅±∞的情况,可以将其转化为 0 / 0 0/0 0/0和 ∞ / ∞ \infty/\infty ∞/∞的情况, 0 = 1 ∞ , ∞ = 1 0 0=\frac{1}{\infty},\ \infty=\frac{1}{0} 0=∞1, ∞=01)
1.2.5 函数的连续性(Continuity)和其导数的关系
函数连续性定义:
如果
lim
x
→
x
0
f
(
x
)
=
f
(
x
0
)
\lim_{x\to x_0}f(x)=f(x_0)
limx→x0f(x)=f(x0),那么函数
f
(
x
)
f(x)
f(x) 在点
x
=
x
0
x=x_0
x=x0处是连续的。
左连续和右连续
函数的连续性说明了:
首先
f
(
x
)
f(x)
f(x) 在点
x
=
x
0
x=x_0
x=x0 处有定义,也就是
f
(
x
0
)
f(x_0)
f(x0) 存在。
其次,函数的左右极限是相等的(所谓的左极限就是从函数左侧朝点
x
=
x
0
x=x_0
x=x0看去,右极限同理)。即,
lim
x
→
x
0
−
f
(
x
)
=
lim
x
→
x
0
+
f
(
x
)
=
f
(
x
0
)
\lim_{x\to x_0^-}f(x)=\lim_{x\to x_0^+}f(x)=f(x_0)
x→x0−limf(x)=x→x0+limf(x)=f(x0)
不连续的情况
- Jump Discontinuities(在某一点,函数值突然发生变化)
- Removable Discontinuities(函数的某一点没有定义)
- Infinite Discontinuities(函数的左极限和右极限为无穷大)
- Other Discontinuities(函数某一点的极限没有定义)
定理——“可微必连续”
内容:如果函数
f
(
x
)
f(x)
f(x) 在点
x
=
x
0
x=x_0
x=x0 处是可导的,那么函数
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 处连续。
简单证明
已知条件是:
lim
Δ
x
→
0
f
(
x
0
+
Δ
x
)
−
f
(
x
0
)
Δ
x
\lim_{\Delta x\to0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}
Δx→0limΔxf(x0+Δx)−f(x0)是存在的。
如果令
Δ
x
=
x
−
x
0
\Delta x=x-x_0
Δx=x−x0(简单换元),则上面的式子等价于
lim
x
→
x
0
f
(
x
)
−
f
(
x
0
)
x
−
x
0
\lim_{x\to x_0}\frac{f(x)-f(x_0)}{x-x_0}
x→x0limx−x0f(x)−f(x0)
我们要证明的是:
lim
x
→
x
0
f
(
x
)
=
f
(
x
0
)
\lim_{x\to x_0}f(x)=f(x_0)
limx→x0f(x)=f(x0) (函数连续性的定义式),通过移项也就是:
lim
x
→
x
0
[
f
(
x
)
−
f
(
x
0
)
]
=
0
\lim_{x\to x_0}[f(x)-f(x_0)]=0
x→x0lim[f(x)−f(x0)]=0
等价于,
lim
x
→
x
0
[
f
(
x
)
−
f
(
x
0
)
x
−
x
0
]
⋅
(
x
−
x
0
)
\lim_{x\to x_0}[\frac{f(x)-f(x_0)}{x-x_0}]\cdot(x-x_0)
x→x0lim[x−x0f(x)−f(x0)]⋅(x−x0)
=
f
′
(
x
0
)
⋅
lim
x
→
x
0
(
x
−
x
0
)
=
f
′
(
x
0
)
⋅
0
=
0
=f'(x_0)\cdot\lim_{x\to x_0}(x-x_0)=f'(x_0)\cdot0=0
=f′(x0)⋅x→x0lim(x−x0)=f′(x0)⋅0=0
这也就证明了
lim
x
→
x
0
f
(
x
)
=
f
(
x
0
)
\lim_{x\to x_0}f(x)=f(x_0)
limx→x0f(x)=f(x0)是成立的。
参考
MIT 18.01单变量微积分讲义: https://ocw.mit.edu/courses/mathematics/18-01sc-single-variable-calculus-fall-2010/unit-5-exploring-the-infinite/part-b-taylor-series/