1.2 一元函数微分学

第一章 数学分析

全文均为手敲，如果发现有误，请于评论区交流讨论留言，作者会及时修改

1.2 一元函数微分学

1. 函数可导

   函数$f(x)$在点$x_0$处可导，当且仅当

   $$f^{\prime }(x_0)=\underset{h\to 0}{\lim }\frac{f(x_0+h)-f(x_0)}{h}存在,或当且仅当f^{\prime }(x_0^{-})=f^{\prime }(x_0^{+})$$

   一元函数可导一定连续，连续不一定可导

2. 可导函数的单调性

   $$\begin{array}{rl}& (1)f(x)单调递增\iff f’(x)\ge 0\\ & (2)f(x)严格单调递增\iff f^{\prime }(x)除有限个点为零之外,其余点f^{\prime }(x)>0\end{array}$$

3. 可导函数的驻点

   若$f^{\prime }(x)=0$，则称$x$为函数$f(x)$的驻点

4. 可导函数极值的第一充分条件

   函数$f(x)$在包含$x_0$某一邻域内连续，且存在一个左邻域内导函数非负、右邻域内导函数非正，则$x_0$为函数的极大值点。若左邻域内导函数非正、右邻域内导函数非负，则$x_0$为函数的极小值点。

5. 可导函数极值的第二充分条件

   设$x_0$为$f(x)$的一个驻点，且$f^{\prime \prime }(x_0)<0$，则$x_0$为函数的极大值点。若$f^{\prime \prime }(x_0)>0$，则$x_0$为函数的极小值点。

6. 凸函数

   设函数$f(x)$在区间$I$上有定义，若$I$中任意两点$a,b$以及任意$\lambda \in (0,1)$，都有

   $$f((1-\lambda )a+\lambda b)\le (1-\lambda )f(a)+\lambda f(b)$$

   则称$f(x)$为$I$上的凸函数。若改变上述不等号的方向，则定义凹函数。

   若$f(x)$在$I$上二阶可导，则$f(x)$是凸函数$\iff \forall x\in I,f^{\prime \prime }(x)\ge 0$

7. 二阶可导函数的拐点

   若函数$f(x)$在$x$的两侧分布严格凸和严格凹，且$f^{\prime \prime }(x)=0$，则称$x$为函数$f(x)$的拐点

8. $Fermat$引理

   若函数在极值点处可导，则其导数值为零。

9. $Role$定理

   若函数$f(x)\in C[a,b]$，$(a,b)$可导，$f(a)=f(b)$，则

   $$\exists \xi \in (a,b),s.t.f^{\prime }(\xi )=0$$

10. $Lagrange$中值定理

    若函数$f(x)\in C[a,b]$，$(a,b)$可导，则

    $$\exists \xi \in (a,b),s.t.f^{\prime }(\xi )=\frac{f(b)-f(a)}{b-a}$$

11. $Cauchy$中值定理

    若$f(x),g(x)\in C[a,b]$，$(a,b)$可导，$\forall x\in (a,b),g^{\prime }(x)\ne 0$，则

    $$\exists \xi \in (a,b),s.t.\frac{f^{\prime }(\xi )}{g^{\prime }(\xi )}=\frac{f(b)-f(a)}{g(b)-g(a)}$$

12. $Jensen$不等式

    若函数$f(x)$在$I$上是凸函数，取$\forall x_1,\cdots ,x_n\in I,{\lambda }_1,\cdots ,\lambda \in [0,1]$，满足$\sum {\lambda }_k=1$，则有

    $$f(\sum _{k=1}^n{\lambda }_k{x}_k)\le \sum _{k=1}^n{\lambda }_{k}f(x_k)$$

13. 常用导数公式（极其简单的函数不再介绍）

    一阶求导公式

    $$\begin{array}{rl}& (1)(\tan x{)}^{\prime }={\sec }^{2}x\\ & (2)(\cot x{)}^{\prime }=-{\csc }^{2}x\\ & (3)(\sec x{)}^{\prime }=\tan x\sec x\\ & (4)(\csc x{)}^{\prime }=-\cot x\csc x\\ & (5)(\arcsin x{)}^{\prime }=\frac{1}{\sqrt{1-x^2}}\\ & (6)(\arccos x{)}^{\prime }=-\frac{1}{\sqrt{1-x^2}}\\ & (7)(\arctan x{)}^{\prime }=\frac{1}{1+x^2}\\ & (8)(\mathrm{arccot}x{)}^{\prime }=-\frac{1}{1+x^2}\\ & (9)(a^x{)}^{\prime }=a^x\ln a\\ & (10)({\log }_{a}x{)}^{\prime }=\frac{1}{x\ln a}\end{array}$$

    高阶求导公式

    $$\begin{array}{rl}& (1)(x^{\alpha }{)}^{(n)}=\alpha (\alpha -1)\cdots (\alpha -n+1)x^{\alpha -n}\\ & (2)(e^{\lambda x}{)}^{(n)}={\lambda }^n{e}^{\lambda x}\\ & (3)(\ln x{)}^{(n)}=(-1{)}^{n-1}\frac{(n-1)!}{x^n}\\ & (4)(\frac{1}{x+a}{)}^{(n)}=(-1{)}^n\frac{n!}{(x+a{)}^{n+1}}\\ & (5)(\sin kx{)}^{(n)}=k^n\sin (kx+\frac{n}{2}\pi )\\ & (6)(\cos kx{)}^{(n)}=k^n\cos (kx+\frac{n}{2}\pi )\end{array}$$

14. $Leibniz$求导公式

    $$[f(x)g(x){]}^{(n)}=\sum _{k=0}^n{C}_n^k{f}^{(n-k)}(x)g^{(k)}(x)$$

15. 带$Peano$余项的$Taylor$公式

    若$f(x)$在$x_0$处具有$n$阶导数，则在$x_0$附近有

    $$f(x)=\sum _{k=0}^n\frac{f^k(x_0)}{k!}(x-x_0{)}^k+o((x-x_0{)}^k)$$

16. $Maclaurin$公式

    带$Peano$余项的$Taylor$公式中$x_0=0$的特殊形式

17. 带$Lagrange$余项的$Taylor$公式

    若$f(x)$在$[a,b]$具有连续$n$阶导数，在$(a,b)$有$n+1$阶导数，则$\forall x,x_0\in [a,b]$，$\exists \xi \in (x,x_0)$或$(x_0,x)$，有

    $$f(x)=\sum _{k=0}^n\frac{f^k(x_0)}{k!}(x-x_0{)}^k+\frac{f^{(n+1)}(\xi )}{(n+1)!}(x-x_0{)}^{n+1}$$

18. 常用函数的$Taylor$展开

    需要考虑收敛域，参照$1.6$级数部分

19. $Taylor$展开式的另一种构造方法

    $$f(x\pm h)=\sum _{k=0}^n\frac{f^k(x)}{k!}(\pm h{)}^k+\frac{f^{(n+1)}(\xi )}{(n+1)!}(\pm h{)}^{n+1}$$