单变量微积分——导数和微分

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 $f(x)$ 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（$P$ 和 $Q$）无限接近的时候，这条割线就和曲线 $f(x)$ 只有一个交点，即在点 $P$ 的切线，也被称为点 $P$ 的导数。

代数定义：
函数 $f(x)$ 在点 $x=x_0$ 的导数被定义为：
$$f^{\prime }(x_0)=\underset{\Delta x\to 0}{\lim }\frac{f(x_0+\Delta x_0)-f(x_0)}{\Delta x}$$
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 $\frac{f(x_0+\Delta x_0)-f(x_0)}{\Delta x}$ 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 $\Delta x\to 0$，
$$\frac{\Delta y}{\Delta x}\to f^{\prime }(x)$$
2. 莱布尼茨记法：Leibniz’s Notations
当 $\Delta x\to 0$，
$$\frac{\Delta y}{\Delta x}\to \frac{dy}{dx}or\frac{df(x)}{dx}or\frac{d}{dx}f(x)$$

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 $y=f(x)$ 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$f(x)+g(y)=C$，$C$ 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：

1. 一些常见函数的导数公式
   $$PowerRule:\frac{d}{dx}{x}^n=n{x}^{n-1}$$$$\frac{d}{dx}\sin x=\cos x$$$$\frac{d}{dx}\cos x=-\sin x$$$$\frac{d}{dx}{e}^x=e^x$$$$\frac{d}{dx}{e}^x=e^x$$
2. 通用的求导法则
   记 $u,v$ 为两个函数，它们对应的导数为 $u^{\prime },v^{\prime }$。
   两函数和的导数：
   $$(u+v{)}^{\prime }=u^{\prime }+v^{\prime }$$
   两函数乘积的导数：
   $$(uv{)}^{\prime }=u^{\prime }v+u{v}^{\prime }$$
   两函数商的导数：
   $$(\frac{u}{v}{)}^{\prime }=\frac{u^{\prime }v-u{v}^{\prime }}{v^2}$$
   （使用除法法则的时候，尽可能将原函数看成 $u\cdot (1/v)$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 $f(g(x))$ 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：
$$\underset{\Delta t\to 0}{\lim }\frac{\Delta y}{\Delta t}=\frac{dy}{dt}=\frac{dy}{dx}\cdot \frac{dx}{dt}$$
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 $y={\sin }^{10}t$ 的导数。
第一步，令 $x=\sin t$，则 $y=x^{10}$；
第二步，用链式法则分步求解导数：
$$\frac{d}{dt}{\sin }^{10}t=\frac{d}{dx}{x}^{10}\cdot \frac{d}{dt}\sin t=10{\sin }^{9}t\cos t$$

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：

1. 方程两边同时取 $x$ 的导数，
   $$f(x)+g(y)=C$$
   在这一过程中将含有 $g(y)$的一项通过链式法则写成以下形式： $$\frac{d}{dy}g(y)\cdot \frac{dy}{dx}$$最后可以得到：
   $$\frac{d}{dx}f(x)+\frac{d}{dy}g(y)\cdot \frac{dy}{dx}=0$$
2. 提出 $dy/dx$，将$f(x),g(x)$的导数记作 $f^{\prime }(x),g^{\prime }(x)$，可以得到：
   $$\frac{dy}{dx}=-\frac{f^{\prime }(x)}{g^{\prime }(y)}$$
   举例——反函数的求导
   求反正弦函数 $y={\sin }^{-1}(x)$ 的导数：
   首先，将原函数重新写成隐式函数形式，即 $\sin y=x$ 的形式；之后，按上文的步骤两边同时对 $x$ 求导，可以得到：
   $$\cos y\cdot \frac{dy}{dx}=1$$$$\frac{d}{dx}{\sin }^{-1}x=\frac{1}{\cos y}=\frac{1}{\sqrt{1-{\sin }^2(y)}}=\frac{1}{\sqrt{1-x^2}}$$
   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：
$$\frac{dy}{dx}=f^{\prime }(x)$$
这里如果我们把 $dy,dx$ 视为单独的变量（和 $\Delta y,\Delta x$相对应），即无穷小量。
通过移项，我们可以得到，
$$dy=f^{\prime }(x)dx$$
这就是函数 $y=f(x)$ 的微分形式了。简而言之，无穷小量的商就是函数 $f(x)$ 的导数。

1.2.4 补充：求不定型极限的方法——洛必达法则（$L^{\prime }H\hat{o}spita{l}^{\prime }sRule$）

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（$0/0,\pm \infty /\pm \infty ,0\cdot \pm \infty$ 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：
$$\underset{x\to a}{\lim }\frac{f(x)}{g(x)}$$并且 $f(a)=g(a)=0$（$0/0$的形式）
洛必达法则规定：
$$\underset{x\to a}{\lim }\frac{f(x)}{g(x)}=\frac{f^{\prime }(a)}{g^{\prime }(a)}$$

第一类情况的简单证明
$$\underset{x\to a}{\lim }\frac{f(x)}{g(x)}=\underset{x\to a}{\lim }\frac{\frac{f(x)}{x-a}}{\frac{g(x)}{x-a}}=\underset{x\to a}{\lim }\frac{\frac{f(x)-f(a)}{x-a}}{\frac{g(x)-g(a)}{x-a}}=\frac{{\lim }_{x\to a}\frac{f(x)-f(a)}{x-a}}{{\lim }_{x\to a}\frac{g(x)-g(a)}{x-a}}=\frac{f^{\prime }(a)}{g^{\prime }(a)}$$

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：

• $a=\pm \infty$
• $f(a),g(a)=\pm \infty$
• ${\lim }_{x\to a}\frac{f^{\prime }(a)}{g^{\prime }(a)}=\pm \infty$

洛必达法则不仅可以处理 $0/0$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 $\frac{f^{\prime }(a)}{g^{\prime }(a)}$震荡剧烈的情况。

（提示hints：如果遇到形如 $0\cdot \pm \infty$的情况，可以将其转化为 $0/0$和$\infty /\infty$的情况，$0=\frac{1}{\infty },\infty =\frac{1}{0}$）

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 ${\lim }_{x\to x_0}f(x)=f(x_0)$，那么函数 $f(x)$ 在点 $x=x_0$处是连续的。
左连续和右连续
函数的连续性说明了：
首先 $f(x)$ 在点 $x=x_0$ 处有定义，也就是 $f(x_0)$ 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$x=x_0$看去，右极限同理）。即，
$$\underset{x\to x_0^{-}}{\lim }f(x)=\underset{x\to x_0^{+}}{\lim }f(x)=f(x_0)$$

不连续的情况

1. Jump Discontinuities（在某一点，函数值突然发生变化）
2. Removable Discontinuities（函数的某一点没有定义）
3. Infinite Discontinuities（函数的左极限和右极限为无穷大）
4. 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 $f(x)$ 在点 $x=x_0$ 处是可导的，那么函数 $f(x)$ 在 $x_0$ 处连续。

简单证明
已知条件是：
$$\underset{\Delta x\to 0}{\lim }\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}$$是存在的。

如果令 $\Delta x=x-x_0$（简单换元），则上面的式子等价于
$$\underset{x\to x_0}{\lim }\frac{f(x)-f(x_0)}{x-x_0}$$

我们要证明的是：${\lim }_{x\to x_0}f(x)=f(x_0)$ （函数连续性的定义式），通过移项也就是：
$$\underset{x\to x_0}{\lim }[f(x)-f(x_0)]=0$$
等价于，
$$\underset{x\to x_0}{\lim }[\frac{f(x)-f(x_0)}{x-x_0}]\cdot (x-x_0)$$$$=f^{\prime }(x_0)\cdot \underset{x\to x_0}{\lim }(x-x_0)=f^{\prime }(x_0)\cdot 0=0$$
这也就证明了${\lim }_{x\to x_0}f(x)=f(x_0)$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/