什么是微分,dy又是什么

本文深入探讨了一元函数的dy定义,揭示了可微与可导的等价性,并阐述了dy的几何意义。通过微分的运算法则,我们理解了dy作为切线斜率的重要性。此外,文章还展示了dy如何用于线性近似,解释了在局部区域用切线逼近曲线的方法,并列举了一些常见的线性近似公式。
摘要由CSDN通过智能技术生成

1.dy的定义

在介绍什么是dy之前,先回顾一下之前的一些概念:
设, y = f ( x ) y=f(x) y=f(x),
若: lim ⁡ Δ x → 0 Δ y = f ( x 0 + Δ x ) − f ( x 0 ) = 0 \lim_{\Delta x \to 0}\Delta y=f(x_0+\Delta x )-f(x_0)=0 Δx0limΔy=f(x0+Δx)f(x0)=0
则:函数在 x 0 x_0 x0处连续,
若: lim ⁡ Δ x → 0 Δ y Δ x \lim_{\Delta x \to 0} \frac{\Delta y}{\Delta x} Δx0limΔxΔy存在,则函数在 x 0 x_0 x0处可导。

考虑下面这种情况,
在这里插入图片描述
在更一般的情况下,也是这样,在 x 0 x_0 x0处,我们定义如下:
Δ y = A Δ x + o ( Δ x ) \Delta y=A\Delta x+o(\Delta x) Δy=AΔx+o(Δx),其中A是与 Δ x \Delta x Δx无关的常数,则称f(x)在 x 0 x_0 x0处可微, A Δ x A\Delta x AΔx称为函数在 x 0 x_0 x0处的微分。记作 d y = A Δ x dy=A\Delta x dy=AΔx

其实,我们从上面的图里面也可以看到, A Δ x A\Delta x AΔx也就是图中画阴影的部分,已经相当接近 Δ y \Delta y Δy

2.可微与可导的关系

我自第一次学这门课到现在,一直知道对于一元函数来讲,可微与可导是一样的。
可导的定义我们非常熟悉,可微的概念我们也介绍了,下面我们推导一下,这两者究竟有什么关系
在这里插入图片描述
因此,我们发现了,可微与可导是等价的,且可微定义里面的这个常数A其实就是在那个点的导数 f ′ ( x 0 ) f\prime(x_0) f(x0)

3.dy的几何意义

在这里插入图片描述

如上图。请务必记住下面这句话:

Δ y \Delta y Δy是函数y在 x 0 x_0 x0处的增量
d y dy dy是函数y在 x 0 x_0 x0处沿着切线的增量

这种思想我们以后也会经常遇到,在一个点的局部拿切线去近似这个曲线。

4.微分的运算法则

在这里插入图片描述

5.dy再探索

若函数 y = f ( x ) y=f(x) y=f(x)在x= x 0 x_0 x0处可微,则有 d y = f ′ ( x 0 ) Δ x dy=f\prime(x_0)\Delta x dy=f(x0)Δx

看下式 lim ⁡ Δ x → 0 Δ y d y = lim ⁡ Δ x → 0 Δ y f ′ ( x 0 ) Δ x = lim ⁡ Δ x → 0 f ′ ( x 0 ) f ′ ( x 0 ) = 1 \lim_{\Delta x \to 0} \frac {\Delta y}{dy}=\lim_{\Delta x \to 0}\frac {\Delta y}{f\prime(x_0)\Delta x}=\lim_{\Delta x \to 0}\frac {f\prime(x_0)}{f\prime(x_0)}=1 Δx0limdyΔy=Δx0limf(x0)ΔxΔy=Δx0limf(x0)f(x0)=1

我们都知道, Δ y \Delta y Δy与dy都是当 Δ x \Delta x Δx趋于0时的无穷小,由上式可以看出两者是等价无穷小。
此时我们再看导数除了定义的另一种表达: d y d x = f ′ ( x ) \frac{dy}{dx}=f\prime(x) dxdy=f(x)
由此式可以看出,导数是两个微分的商,因此,导数又称微商

6.线性近似

由第五节的推导可以看出,在 Δ x \Delta x Δx趋于0时, d y ≈ Δ y dy \approx \Delta y dyΔy
即: f ′ ( x 0 ) Δ x = f ( x 0 + Δ x ) − f ( x 0 ) f\prime(x_0)\Delta x=f(x_0+\Delta x)-f(x_0) f(x0)Δx=f(x0+Δx)f(x0)
x = x 0 + Δ x x=x_0+\Delta x x=x0+Δx,也即: f ′ ( x 0 ) ( x − x 0 ) = f ( x ) − f ( x 0 ) f\prime(x_0)(x-x_0)=f(x)-f(x_0) f(x0)(xx0)=f(x)f(x0)
移项得: f ′ ( x 0 ) ( x − x 0 ) + f ( x 0 ) = f ( x ) f\prime(x_0)(x-x_0)+f(x_0)=f(x) f(x0)(xx0)+f(x0)=f(x)
由此我们引入了几个常用的线性近似(通常在x=0时)。

为上一句的“由此”注解,其实我们也可以由导数的定义得到此近似
lim ⁡ x → x 0 = f ( x ) − f ( x 0 ) x − x 0 = f ′ ( x 0 ) \lim_{x \to x_0}=\frac{f(x)-f(x_0)}{x-x_0}=f\prime(x_0) xx0lim=xx0f(x)f(x0)=f(x0)
移项得 f ( x ) ≈ f ( x 0 ) + f ′ ( x 0 ) ( x − x 0 ) f(x)\approx f(x_0)+f\prime (x_0)(x-x_0) f(x)f(x0)+f(x0)(xx0)

x 0 = 0 x_0=0 x0=0附近,有下列式子:
1 + x n ≈ 1 + 1 n x \sqrt[n]{1+x}\approx1+\frac{1}{n}x n1+x 1+n1x
sin ⁡ ( x ) ≈ x \sin(x)\approx x sin(x)x
tan ⁡ ( x ) ≈ x \tan(x)\approx x tan(x)x
e x ≈ x + 1 e^x\approx x+1 exx+1
l n ( 1 + x ) ≈ x ln(1+x)\approx x ln(1+x)x

注意区分上述式子与等价无穷小的区别,如 e x ≈ x + 1 e^x\approx x+1 exx+1在x=0处便不是无穷小量。

本文到此结束,感谢读者耐心读完。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值