微积分入门

最新推荐文章于 2024-09-29 17:00:56 发布

szdytom

最新推荐文章于 2024-09-29 17:00:56 发布

阅读量122

点赞数

本文链接：https://blog.csdn.net/szdytom/article/details/132989468

版权

摘要：
本文将会更加深入地研究加法，尤其是连续加法(integral)。简单探讨无限的意义。

格式约定：

这是正文。

这是引用，导言，注释或拓展内容

斜体只是调侃，活跃气氛，没有实际意义

一种朴素的极限思想？

一个概率小问题

一些连续的求和问题，与面积无关……

(可以跳过这一小节，对全文完整性没有影响。)

例题2.1 给定一条长为 \(1\) 的线段，在上面等均匀随机地(uniform)取 2 个点，这两个点之间距离的数学期望是多少？

数学期望

数学期望(mathematic expectation)是试验中每次可能结果的概率乘以其结果 \(x\) 的总和，记作 \(\operatorname{E}(x)\)。通俗地讲，就是将随机事件进行足够多次并取每次结果的平均值。

例如，在 \(3,5,8\) 三个数中随机选一个数 \(x\)，则 \(x\) 的数学期望为

\[\operatorname{E}(x) = \frac{3}{3}+\frac{5}{3}+\frac{8}{3}=\frac{16}{3} \]

如果抽出 \(3,5\) 的概率都是 \(25\%\)，抽出 \(8\) 的概率为 \(50\%\)，则 \(x\) 的数学期望为

\[\operatorname{E}(x)=3\ 25\%+5\ 25\%+8\ 50\%=6 \]

再例如，掷一枚公平的六面骰子，其每次“点数”的期望值是 \(\frac{7}{2}\)，计算如下：

\[\operatorname{E}(x)=1\frac{1}{6}+2\frac{1}{6}+3\frac{1}{6}+4\frac{1}{6}+5\frac{1}{6}+6\frac{1}{6}=\frac{7}{2} \]

值得注意的是，\(\frac{7}{2}\) 虽然是“点数”的期望值，但却不属于可能结果中的任一个，没有掷出此点数的可能。

在不产生歧义的前提下，数学期望也可以简称为期望(mean)。

解：不妨称所选两点分别为点 A 和点 B。

在一条线段任意的取点似乎无从下手，因此我们不妨先考虑有限的弱化情况：假如我们在线段上均匀的取两个点(其实就是线段的两个端点，称之为点 1 和点 2)，并要求所选两点必须在点 1 或点 2 上，

/	B 在点 1	B 在点 2
A 在点 1	\(0\)	\(1\)
A 在点 2	\(1\)	\(0\)

则距离(称为 \(d\))有 2 种不同情况，其中距离为 \(0\) 有 \(\frac12\) 的概率，距离为 \(1\) 有 \(\frac12\) 的概率。此时，

\[\operatorname{E}_2(d)=0\frac12+1\frac12=\frac12 \]

(我们使用角标 2 表示这是钦定 2 个点的弱化情况)

假如我们在线段上均匀的取三个点(线段的两个端点和线段的中点，称之为点 1、点 2 和点 3)，并要求所选两点必须在点 1、点 2 或点 3 上，

/	B 在点 1	B 在点 2	B 在点 3
A 在点 1	\(0\)	\(\frac12\)	\(1\)
A 在点 2	\(\frac12\)	\(0\)	\(\frac12\)
A 在点 3	\(1\)	\(\frac12\)	\(0\)

则距离)有 3 种不同情况，其中距离为 \(0\) 有 \(\frac13\) 的概率；距离为 \(\frac12\) 有 \(\frac49\) 的概率；距离为 \(1\) 有 \(\frac29\) 的概率。此时，

\[\operatorname{E}_3(d)=0\frac13+\frac12\frac49+1\frac29=\frac49 \]

通过类似的方法，还可以计算出

\[\begin{aligned}\operatorname{E}_4(d)&=\frac5{12}\\\operatorname{E}_5(d)&=\frac6{15}\end{aligned} \]

我们注意到，随着钦定的点数 \(n\) 增大，答案 \(\operatorname{E}_n(x)\) 逐渐趋近于 \(\frac13\)。我们知道，钦定的点越多，算出的值越接近在连续的线段上选点的真实答案，因此你可能会猜测

\[\lim_{n\to\infty}\operatorname{E}_n(d)=\frac13 \]

\(\lim\) 记号

\(\lim\) 是英语单词 limit 的缩写，它指的是变量在一定的变化过程中，从总的来说逐渐稳定的这样一种变化趋势以及所趋向的值。例如

\[\lim_{x\to\infty}\frac1x=0 \]

表示当 \(x\) 足够大时，\(\frac1x\) 趋近于 \(0\)。

\(x\) \(1\) \(10\) \(100\) \(1000\) \(10000\) \(\cdots\)
\(\frac1x\) \(1\) \(0.1\) \(0.01\) \(0.001\) \(0.0001\) \(\cdots\)

这是因为，对于不存在一个确定的数 \(n>0\)，使得无论当 \(x\) 多大时都有 \(\frac1x>n\)。(换句话说就是，对于任意确定的数 \(n>0\)，总能找到一个数 \(x\)，使得 \(\frac1x<n\)，并且所能选的所有 \(x\) 的最小值随着 \(n\) 减小而减小)

\(x\)	\(1\)	\(10\)	\(100\)	\(1000\)	\(10000\)	\(\cdots\)
\(\frac1x\)	\(1\)	\(0.1\)	\(0.01\)	\(0.001\)	\(0.0001\)	\(\cdots\)

但是这如何证明呢？我们不妨假定在线段上均匀地取 \(n\) 个点(当 \(n\) 越来越大时答案会越来越接近真实值)，称之为 \(D_1,D_2,D_3,\cdots,D_n\)，并要求所选两点必须在 \(D_1,D_2,D_3,\cdots,D_n\) 中的某个点上。

显然此时原线段被 \(D_ i\) 分割为 \(n-1\) 段，每段长度都为 \(\frac1{n-1}\)。那么距离有 \(n\) 种不同情况，即对于 \(k\in\{0,1,2,\cdots,n-1\}\)，距离可能是 \(\frac{k}{n-1}\)。我们不妨记距离为 \(\frac{k}{n-1}\) 的概率为 \(\operatorname{P_ d}(k)\)。那么所求的期望为

\[\operatorname{E}_n(d)=0\operatorname{P_d}(0)+\frac{1}{n-1}\operatorname{P_d}(1)+\frac{2}{n-1}\operatorname{P_d}(2)+\cdots+1\operatorname{P_d}(n-1) \]

我们知道，概率是发生该事件的情况数除以总情况数。总情况数显然有 \(n^2\) 种。观察上表，我们注意到每种距离的情况都是在 2 条斜线上的(除 \(0\) 外，只有中间 1 条斜线)：

n = 3 的情况

容易看出，距离为 \(0\) 的情况有 \(n\) 种，\(\frac1{n-1}\) 有 \(2(n-1)\) 种，\(\frac2{n-1}\) 有 \(2(n-2)\) 种，……，即距离为 \(\frac{k}{n-1}\) 的有 \(2(n-k)\) 种情况。由此可得

\[\operatorname{P_d}(k)=\begin{cases}\frac1n&\mbox{if}&k=0\\\frac{2(n-k)}{n^2}&\mbox{if}&1\le k\le n-1\end{cases} \]

进一步，代入到 \(\operatorname{E}_n(d)\)，

\[\begin{aligned}\operatorname{E}_n(d)&=0\operatorname{P_d}(0)+\frac1{n-1}\operatorname{P_d}(1)+\cdots+\frac{n-1}{n-1}\operatorname{P_d}(n-1)\\&=0\frac1n+\frac1{n-1}\frac{2(n-1)}{n^2}+\cdots+1\frac{2(n-(n-1))}{n^2}\\&=\frac2{n^2(n-1)}(1(n-1)+2(n-2)+\cdots+(n-1)(n-(n-1)))\\&=\frac2{n^2(n-1)}(\frac16(n^3-n))\\&=\frac{n^3-n}{3 n^2 (n-1)}\\&=\frac13+\frac1{3n}\end{aligned} \]

那么当 \(n\) 足够大，我们有

\[\lim_{n\to\infty}\operatorname{E}_n(d)=\frac13 \]

由此，我们确信，所求之期望就是 \(\frac13\)。\(\qquad\qquad\text{w5}\)

路程速度加速度

汽车速度表上的速度代指是什么？

假如我们有一个匀速直线运动的物体，\(0\) 时刻时位置 \(s=0\)，其速度 \(v=5\)，\(t\) 个时刻后物体的速度、位置分别是多少？

\(t\) \(0\) \(1\) \(2\) \(3\) \(4\) \(5\)
\(v\) \(5\) \(5\) \(5\) \(5\) \(5\) \(5\)
\(s\) \(0\) \(5\) \(10\) \(15\) \(20\) \(25\)

学过函数的同学，很容易就能看出，速度和位置满足

\[\begin{aligned}v(t)&=5\\s(t)&=5t\end{aligned} \]
假如我们有一个匀加速直线运动的物体，\(0\) 时刻时位置 \(s=0\)，速度 \(v=0\)，其加速度 \(a=2\)，\(t\) 个时刻后物体的速度、位置分别是多少？

\(t\) \(0\) \(1\) \(2\) \(3\) \(4\) \(5\)
\(a\) \(2\) \(2\) \(2\) \(2\) \(2\) \(2\)
\(v\) \(0\) \(2\) \(4\) \(6\) \(8\) \(10\)
\(s\) \(0\) \(1\) \(4\) \(9\) \(16\) \(25\)

学过物理的同学，很容易就能看出，加速度、速度和位置满足

\[\begin{aligned}a(t)&=2\\v(t)&=2t\\s(t)&=t^2\end{aligned} \]

\(t\)	\(0\)	\(1\)	\(2\)	\(3\)	\(4\)	\(5\)
\(v\)	\(5\)	\(5\)	\(5\)	\(5\)	\(5\)	\(5\)
\(s\)	\(0\)	\(5\)	\(10\)	\(15\)	\(20\)	\(25\)

\(t\)	\(0\)	\(1\)	\(2\)	\(3\)	\(4\)	\(5\)
\(a\)	\(2\)	\(2\)	\(2\)	\(2\)	\(2\)	\(2\)
\(v\)	\(0\)	\(2\)	\(4\)	\(6\)	\(8\)	\(10\)
\(s\)	\(0\)	\(1\)	\(4\)	\(9\)	\(16\)	\(25\)

导数

以上例子中，函数 \(a(t),v(t),s(t)\) 之间的关系是什么？

不难发现，加速度 \(a(t)\) 本质上是速度 \(v(t)\) 的速度，而速度 \(v(t)\) 是路程 \(s(t)\) 的速度。因此 \(a(t)\) 和 \(v(t)\) 是这样一种函数，它指示另外一个函数的增长速度。

指示原函数 \(f(x)\) 在自变量 \(x\) 极小的变化时因变量 \(f(x)\) 的变化速度的函数，称为导函数(derivative function)，简称导数(derivative)，记作 \(f'(x)\) 或 \(\operatorname{D}f(x)\)。形式化的

\[f'(x)=\lim_{h\to0}\frac{f(x+h)-f(x)}{h} \]

觉得这个定义不专业，不严谨？你可以看一看数学分析教材，那里的定义要多专业有多专业，除了看不懂之外没有任何缺点。

瞬时速度

导数是函数的瞬间变化率(instant change rate)。这听起来很矛盾，为什么既有“瞬间”，又有“变化”呢？我的意思是变化是在时间中体现的，当在一个时刻里，物体就没有变化的空间了。

我们知道时刻 \(a\) 至时刻 \(b\) 的速度的定义是

\[v=\frac{s_b-s_a}{b-a} \]

但是我们刚才定义的速度函数 \(v(t)\) 就很奇怪了，它只需要一个参数时刻参数 \(t\) 就可以得到一个速度。但是我给一辆行使中的小汽车拍一张照片，你不可能说出他的速度吧？

汽车的速度仪表盘本质上是计算了时刻 \(t\) 到时刻 \(t+dt\) 的速度，其中 \(dt\) 是一个非常小的值，例如 0.01 秒。

例如当 \(s(t)=t^2,t=3\) 时，若取 \(dt=0.01\) 则 \(v(3)=\frac{s(3+0.01)-s(3)}{0.01}=6.01\)，当 \(dt\) 越来越小时，\(v(t)\) 就会越来越接近 \(s(t)\) 的瞬间变化率：

\(dt\) \(1\) \(0.1\) \(0.01\) \(0.001\) \(0.0001\) \(\cdots\)
\(v(3)\) \(7\) \(6.1\) \(6.01\) \(6.001\) \(6.0001\) \(\cdots\)

我们注意到，随着 \(dt\) 越来越小，\(v(3)\) 的值越来越接近 \(6\)，也就是说

\[v(3)=\frac{s(3+dt)-s(3)}{dt}=6 \]

由此，我们对“瞬间变化率”有了初步的认识，更进一步的，

\[\begin{aligned}v(t)&=\frac{s(t+dt)-s(t)}{dt}\\&=\frac{(t+dt)^2-t^2}{dt}\\&=\frac{t^2+2t\ dt+(dt)^2-t^2}{dt}\\&=2t+dt\end{aligned} \]

由于 \(dt\) 是一个极小的，趋近于 \(0\) 的数，因此可以忽略不计，即

\[v(t)=2t \]

\(dt\)	\(1\)	\(0.1\)	\(0.01\)	\(0.001\)	\(0.0001\)	\(\cdots\)
\(v(3)\)	\(7\)	\(6.1\)	\(6.01\)	\(6.001\)	\(6.0001\)	\(\cdots\)

上面那个飞矢不动的悖论吗？人家古希腊几千年前就研究过啦

记号 \(dx\)

\(dx\) 在微积分中很常用，表示 \(x\) 的一个极小变化量。也就是说 \(dx\) 默认趋近于 \(0\)。因此，下面两种写法是等价的：

\[f'(x)=\lim_{h\to0}\frac{f(x+h)-f(x)}{h} \]

\[f'(x)=\frac{f(x+dx)-f(x)}{dx} \]

不定积分

之前的例子中，函数 \(a(t),v(t),s(t)\) 之间的关系是什么？

不难发现，速度 \(v(t)\) 本质上是加速度 \(a(t)\) 的某种连续的和，而路程 \(s(t)\) 是速度 \(v(t)\) 的某种连续的和。因此 \(v(t)\) 和 \(s(t)\) 是这样一种函数，它指示另外一个函数的连续和。

几何上看，这种连续的和是函数下方区域的面积，下图为 \(v(t)=2t\) 时 \(s(3)\) 所对应的面积。

面积示意图

关于函数 \(f(x)\) 下方的面积的函数，称为函数 \(f(x)\) 的不定积分(indefinite integral)，记作 \(\int f(x)dx\)。

求导

函数千千万万，怎么计算每一个的导数？

单项式的导数

我们刚才已经知道，对于 \(f(x)=x^2\)，其导数 \(f'(x)=2x\)，那么对于任意一个单项式 \(f(x)=x^n\) 呢？

若 \(f(x) = x^n(n\not=0)\)，则其导数

\[\begin{aligned}f'(x)&=\frac{f(x+dx)-f(x)}{dx}\\&=\frac{(x+dx)^n-x^n}{dx}\end{aligned} \]

\((x+dx)^n\) 展开后的 \(x^n\) 项与后面的 \(-x^n\) 抵消，\(nx^{n-1}dx\) 项保留下来了，除去分母之后变为 \(nx^{n-1}\)，而剩下的众多项都至少包含 \((dx)^2\)，除去分母之后任然包含 \(dx\)，因此忽略不计。所以我们得到

\[f'(x)=nx^{n-1} \]

定理2.2 上面这条规律(不规范地)记作

\[\operatorname{D}(x^n)=nx^{n-1}(n\not=0) \]

sin 和 cos 的导数

让那些被“解析”、“代数”夺去的直观意义，在这里补回来吧！

若 \(f(x)=\sin(x)\) 或 \(f(x)=\cos(x)\)，那么函数的导数是什么呢？

例题2.3 求函数 \(f(x)=\sin(x)\) 的导数。

我们考虑使用几何方法，在单位圆(unit circle)上讨论这个问题。

单位圆

以原点为圆心，半径长度为 \(1\) 的圆称为单位圆。单位圆在三角学、复数乃至数论等众多方向有重要的应用。

单位圆的解析式为

\[x^2+y^2=1 \]

我们学习三角函数时就已经知道

\[\sin^2(\theta)+\cos^2(\theta)=1 \]

由此我们就知道了单位圆的一个重要性质：单位圆上的点都可以写成 \((\cos(\theta),\sin(\theta))\) 的形式，同样的，形如 \((\cos(\theta),\sin(\theta))\) 的点都是在单位圆上。

解：现在我们想知道，

\[f'(x)=\lim_{h\to0}\frac{\sin(x+h)-\sin(x)}{h} \]

图下所示，点 \(C\) 在单位圆 \(\odot A\) 上，使得 \(\angle FAC=x\)，\(\odot A\) 与 \(x\) 轴交于点 \(B(1,0)\)，过点 \(C\) 做 \(CF\perp AB\) 于点 \(F\)，做 \(\odot A\) 的切线 \(CD\)，使得 \(\angle CAD=h\)，过 \(D\) 做 \(DE\perp CF\)。

几何图示

由于 \(\angle FAC=x\)，容易知道 \(C(\cos(x),\sin(x))\)。当 \(h\) 足够小时 \(D\) 几乎在 \(\odot A\) 上，所以我们是要求出 \(CE\) 的长度，即

\[\sin(x+h)-\sin(x)=CE \]

通过圆的基础知识，我们知道连接切点和圆心的半径与切线相互垂直，即 \(AC\perp CD\)，所以

\[\triangle AFC\sim\triangle CED \]

根据相似三角形的性质可知，

\[\begin{aligned}CE&=AF\frac{CD}{AC}\\&=\cos(x)\frac{\sin(h)}{1}\\&=\cos(x)\sin(h)\end{aligned} \]

代入上式可得

\[\begin{aligned}f'(x)&=\lim_{h\to0}\frac{\sin(x+h)-\sin(x)}{h}\\&=\lim_{h\to0}\frac{\cos(x)\sin(h)}{h}\\&=\cos(x)\lim_{h\to0}\frac{\sin(h)}{h}\end{aligned} \]

所以现在只要求出 \(\lim_{h\to0}\frac{\sin(h)}{h}\) 的值，即可知道 \(f(x)=\sin(x)\) 的导数。

绘制一个中心角为 \(h\) 弧度、半径为 \(1\) 的扇形(sector) \(S\)。这将用于建立可用于缩放定理的不等式：

扇形图

通过扇形的面积公式，我们知道扇形的面积是 \(S=\frac h2\)。

如下图，画三角形 \(T\) 与 \(S\) 的角相同，其底面为 \(1\)，高度为 \(\sin(h)\)。这意味着 \(T\) 的面积是 \(T=\frac{\sin(h)}2\)。由于 \(T\) 包含在 \(S\) 中，其面积必然更小：

扇形图2，包含三角形 T

如下图，画半径为 \(\cos(h)\) 的扇形 \(S'\)，其的面积为\(\frac{h\cos^2(h)}2\)。因为 \(S'\) 包含在三角形 \(T\) 中，所以它的面积必然更小：

扇形图3，包含扇形 S'

由此我们得到不等式

\[\frac{1}{2} h (\cos ^2 (h))\leq \frac{\sin (h)}{2}\leq \frac{h}{2} \]

每一项同时乘以 \(\frac2h\) 得到，

\[\cos ^2 (h)\leq \frac{\sin (h)}{h}\leq 1 \]

当 \(h=0\) 时，有

\[\cos^2(h)=(\cos(0))^2=1 \]

即

\[1\leq\frac{\sin(h)}h\leq1 \]

由夹逼定理可得

\[\lim_{h\to0}\frac{\sin(h)}h=1 \]

代入之前的式子，得到

\[f'(x)=\cos(x) \]

至此，我们就求出了 \(\sin(x)\) 的导数(即 \(\cos(x)\))。\(\qquad\qquad\text{w5}\)

试一试2.4 尝试仿造上面的方法(或自己设计新方法)求出函数 \(f(x)=\cos(x)\) 的导数。

答案： \(f'(x)=-\sin(x)\)

这两条规律记作(分被称为定理2.3和定理2.4)

\[\begin{aligned}\operatorname{D}(\sin(x))&=\cos(x)\\\operatorname{D}(\cos(x))&=-\sin(x)\end{aligned} \]

自然常数

传说中有一个人，叫做 FISHER_，拥有无穷无尽的神力和高深莫测的魔法。他掌管这世界上一切吉祥的和不祥的事情的发生和停止……

FISHER_ 在 3 月 5 日(神渔标准时间)的开始时刻重量为 \(1\) 个单位，从此之后他的体重以每天翻一倍的速度增长，那么他的体重关于自 3 月 5 日以来的天数的函数 \(f(x)\) 是什么？

注意到，这里的增长速度就是函数 \(f(x)\) 的导数。不假思索地，你可能会回答

\[f(x)=2^x \]

我们来验证一下：由于体重每天翻一倍，函数 \(f(x)\) 的导数应该和自己一样，即

\[f'(x)=f(x) \]

对于函数 \(f(x)=2^x\)，它的导数我们目前还不知道怎么求，但是从数值上拟合 \(x=5\) 处的导数，可以发现似乎 \(f(x)=2^x\) 的导数并不是自己(看起来这个数趋近于 \(22.1807097779\))

\(x\)	5
\(2^x\)	\(32\)
\(dx\)	\(0.00001\)
\(\operatorname{D}(2^x)\)	\(22.1808\)

\(dt\)	\(0.1\)	\(0.01\)	\(0.001\)	\(0.0001\)	\(0.00001\)	\(\cdots\)
\(\operatorname{D}(2^x)\)	\(22.9675\)	\(22.2578\)	\(22.1884\)	\(22.1815\)	\(22.1808\)	\(\cdots\)

我们尝试对 \(f(x)=2^x\) 求导

\[\begin{aligned}f'(x)&=\frac{f(x+dx)-f(x)}{dx}\\&=\frac{2^{x+dx}-2^x}{dx}\\&=\frac{2^x2^{dx}-2^x}{dx}\\&=2^x(\frac{2^{dx}-1}{dx})\end{aligned} \]

注意上面式子里括号中的一部分，\(\frac{2^{dx}-1}{dx}\) 与 \(x\) 的取值无关，数值计算得到它是一个大约为 \(0.69\) 的常数。因此 \(f(x)=2^x\) 的导数并不是他它自身，而是自身的约 \(0.7\) 倍。

这么说来，\(f(x)=2^x\) 是一个不错的尝试，我们已经很接近正确答案了。

那么那个函数的导数是它自己呢？或者说以什么数为底数能使得后面那部分的常数恰好等于 \(1\) 呢？不妨设未知数 \(e\)，使得函数 \(f(x)=e^x\) 满足 \(f'(x)=e^x\)，即

\[\operatorname{D}(e^x)=e^x \]

在解出 \(e\) 的值之前，我们最好先搞清楚为什么 \(f(x)=2^x\) 的导数不是它自己，难道第二天的重量翻倍不是变为 \(2\) 个单位吗？

如果“天”为时间的最小颗粒单位，那么 1 天之后，重量确实为 \(2\) 个单位；

但是如果时间的最小颗粒单位为 \(\frac12\) 天，那么每 \(\frac12\) 天，重量变为原来的 \((1+\frac12)\) 倍，所以 1 天后 FISHER_ 的重量为 \((1+\frac12)^2=\frac{4}{9}\)，比 \(2\) 稍大；

相似地，那么如果时间的最小单位为 \(\frac1n\) 天，那么每 \(\frac1n\) 天，重量变为原来的 \((1+\frac1n)\) 倍，所以 1 天后 FISHER_ 的重量为 \((1+\frac1n)^n\)，在本问题中，时间是连续的，因此 1 天之后，FISHER 真正的重量为

\[f(1)=\lim_{n\to\infty}(1+\frac1n)^n \]

由于 \(f(x)=e^x\)，所以 \(f(1)=e\)，解得

\[e=\lim_{n\to\infty}(1+\frac1n)^n \]

所以 \(e\) 等于多少呢，这很难说，简单的数值拟合可以发现 \(e\in(2,3)\)，而且离 \(3\) 比较接近。事实上，\(e\) 是一个无理数，我们只知道它的值大约是 \(2.71828\)。\(\lim_{n\to\infty}(1+\frac1n)^n\) 被称为自然常数(natural constant)，记作 \(\mathtt{e}\)。

这里的常数 \(\mathtt{e}\) 和上面未知数的 \(e\) 还用了不同的字体？搞这么多花里胡哨的玩意儿！

还有一个问题没有搞清楚：上面函数 \(f(x)=2^x\) 的导数到底是多少呢？

我们要搞清楚下面式子，

\[\lim_{h\to0}\frac{2^h-1}{h} \]

就可以就出 \(f(x)=2^x\) 的导数。

例题2.5 若函数 \(f(x)=2^x\)，就函数 \(f(x)\) 的导数 \(f'(x)\)。

解：由我们之前的推导已经知道

\[f'(x)=2^x\lim_{h\to0}\frac{2^h-1}{h} \]

令 \(k=a^h-1\)，则 \(h=\log_2(k-1)\)，换元得

\[f'(x)=2^x\lim_{h\to0}\frac{k}{\log_2(k-1)} \]

注意到当 \(h\) 趋近于 \(0\) 时 \(k\) 也趋近于 \(0\)，因此可以转化为

\[f'(x)=2^x\lim_{k\to0}\frac{1}{\frac{1}{k}\log_2(k-1)} \]

应用定理1.10，

\[f'(x)=2^x\lim_{k\to0}\frac{1}{\log_2(k-1)^\frac1k} \]

转化 \(\lim\) 的位置

\[f'(x)=2^x\frac{1}{\log_2\lim_{k\to0}(k-1)^\frac1k} \]

现在只需要知道 \(\lim_{k\to0}(k-1)^\frac1k\) 即可，我们根据 \(\mathtt e\) 的定义

\[\lim_{k\to\infty}(1+\frac1k)^k=\mathtt e \]

用 \(\frac1k\) 替换 \(k\)，

\[\lim_{\frac1k\to\infty}(1+k)^\frac1k=\mathtt e \]

由于当 \(\frac1k\to\infty\) 时，\(k\to0\)，最终得到

\[\lim_{k\to0}(1+k)^\frac1k=\mathtt e \]

代回上面式子

\[f'(x)=2^x\frac1{\log_2\mathtt e} \]

代入 \(1=\log_22\)，应用换底公式(定理1.12)，

\[f'(x)=2^x\ln2 \]

自然对数

在应用中，以 \(\mathtt e\) 为底对数十分常见，称为自然对数(natural logarithm)，记作 \(\ln\)。即

\[\forall_a\ln a=\log_\mathtt e2 \]

至此，我们就求出了 \(2^x\) 的导数(即 \(2^x\ln2\))。\(\qquad\qquad\text{w5}\)

将上述过程中的 \(2\) 替换成任意其他常数，可以得到

定理2.6 对于任意常数 \(c\)，函数 \(f(x)=c^x\) 的导数 \(f'(x)=c^x\ln c\)。

那么假如指数不是 \(x\)，而是 \(2x\) 或者其他的什么玩意儿呢？

例题2.7 若函数 \(f(x)=\mathtt{e}^{2x}\)，求函数 \(f(x)\) 的导数 \(f'(x)\)。

这个问题相当简单，用现实意义来解释，就是 FISHER_ 达到某个重量只用原来一半的时间，此时 FISHER 每 \(\frac12\) 天就能使重量翻一倍。这个问题用已经研究过的知识可以轻松解决，请读者自己动手试一试。

解：根据乘方的基本性质，有

\[f(x)=(\mathtt e^2)^x \]

取 \(c=\mathtt e^2\) 代入定理2.6，

\[f'(x)=(\mathtt e^2)^x\ln(\mathtt e^2) \]

化简即得答案 \(f'(x)=2\mathtt e^{2x}\)。\(\qquad\qquad\text{w5}\)

函数和

\(x^2+x\) 的导数是多少？

我们知道 \(\operatorname{D}(x^2)=2x,\operatorname{D}(x)=1\)，那么 \(\operatorname{D}(x^2+x)\) 是否就是 \(\operatorname{D}(x^2)+\operatorname{D}(x)=2x+1\)？

从这一节开始，我们将讨论通用的求导法则。我们再看一下导数的定义

\[f'(x)=\frac{f(x+dx)-f(x)}{dx} \]

导数就是因变量的变化量除以自变量的变化量，我们把自变量的变化量记作 \(dx\)，那么我们不妨把因变量的变化量记作 \(df\)。所以导数就是

\[f'(x)=\frac{df}{dx} \]

假设我们有函数 \(f(x)\) 和 \(g(x)\)，想要求函数 \((f+g)(x)\) 的导数 \((f+g)'(x)\)。

函数加减运算

为了方便，我们记

\[\begin{aligned}(f+g)(x)&=f(x)+g(x)\\(f-g)(x)&=f(x)-g(x)\end{aligned} \]

\[\begin{aligned}(f+g)'(x)&=\frac{(f+g)(x+dx)-(f+g)(x)}{dx}\\&=\frac{f(x+dx)+g(x+dx)-f(x)-g(x)}{dx}\\&=\frac{df+dg}{dx}\\&=f'(x)+g'(x)\end{aligned} \]

由此我们得出，两个函数的和的导数等于这两个函数的导数的和，即

定理2.8 对于两个函数 \(f(x),g(x)\)，有 \((f+g)'(x)=f'(x)+g'(x)\)。

函数积

\(x^2\mathtt e^x\) 的导数是多少？

我们知道 \(\operatorname{D}(x^2)=2x,\operatorname{D}(\mathtt e^x)=\mathtt e^x\)，那么 \(\operatorname{D}(x^2\mathtt e^x)\) 是否就是 \(\operatorname{D}(x^2)\operatorname{D}(\mathtt e^x)=2x\mathtt e^x\)？

现在我们有函数 \(f(x)\) 和 \(g(x)\)，想要求函数 \(h(x)=f(x)g(x)\) 的导数 \(h'(x)\)。

无论什么时候，把代数中的乘法与几何中图形的面积联系起来，往往都是很好的。绘制一个长方形，其长宽分别为 \(f(x)\) 和 \(g(x)\)。

长方形图

现在我们 \(x\) 增加一点点 \(dx\)，则 \(f(x)\) 增加了 \(df\)，\(g(x)\) 增加了 \(df\)。总的来说，面积增加了 \(f(x)dg+g(x)df+df\ dg\)。其中 \(df\ dg\) 是极小的，可以忽略不计。

长方形增加长宽图

由此我们知道了

定理2.9 (乘积求导法则)若我们有函数 \(f(x)\) 和 \(g(x)\)，则函数 \(h(x)=f(x)g(x)\) 的导数是

\[h'(x)=f(x)g'(x)+f'(x)g(x) \]

函数复合

函数的复合运算

函数复合就是将一个函数的输出作为下一个函数的输入的过程，即

\[\begin{aligned}(f\circ g)(x)&=f(g(x))\\(f\circ g\circ h)(x)&=f(g(h(x)))\end{aligned} \]

假如现在我们有两个函数 \(f(x)\) 和 \(g(x)\)，求 \((f\circ g)'(x)\)。

由于有

\[f'(x)=\frac{f(x+dx)-f(x)}{dx} \]

取 \(x=g(x)\)，并代入，得到

\[(f\circ g)'(x)=\frac{f(g(x)+dg)-f(g(x))}{dx} \]

取 \(x=g(x)\) 后代入 \(f'(x)=\frac{f(x+dx)-f(x)}{dx}\)，

\[(f\circ g)'(x)=\frac{f'(g(x))dg}{dx} \]

代入 \(g'(x)=\frac{dg}{dx}\)

\[(f\circ g)'(x)=\frac{f'(g(x))g'(x)dx}{dx} \]

分子分母约去 \(dx\) 就得到了答案，即

\[(f\circ g)'(x)=f'(g(x))g'(x) \]

定理2.10 (链式求导法则)对于两个函数 \(f(x)\) 和 \(g(x)\)，其复合函数 \((f\circ g)'(x)\) 的导数 \((f\circ g)'(x)=f'(g(x))g'(x)\)。

小结

对于如何求导的研究至此告一段落了，通过定理2.2 到定理2.10，我们知道了

常见函数的导数：

原函数 \(f(x)\)	导数 \(f'(x)\)	(限制条件)
\(x^n\)	\(nx^{n-1}\)	/
\(\sin(x)\)	\(\cos(x)\)	/
\(\cos(x)\)	\(-\sin(x)\)	/
\(c^x\)	\(c^x\ln c\)	\(c>0\)

求导法则：

组合方式	导数
\(f(x)+g(x)\)	\(f'(x)+g'(x)\)
\(f(x)g(x)\)	\(f(x)g'(x)+f'(x)g(x)\)
\(f(g(x))\)	\(f'(g(x))g'(x)\)

熟练运用上面的规律，已经可以求出大量函数的导数了，请读者自己动手算一算下面例题

例题2.11 已知函数 \(f(x)=2^{x\sqrt{x^2+x}}\)，求该函数的导数 \(f'(x)\)。

解：对函数 \(g_1(x)=x^2\) 应用定理2.2，

\[g_1'(x)=2x \]

对函数 \(g_2(x)=x\) 应用定理2.2，

\[g_2'(x)=1 \]

对函数 \(g_3(x)=g_1(x)+g_2(x)\) 应用定理2.8，

\[g_3'(x)=2x+1 \]

对函数 \(g_4(x)=\sqrt x\) 应用定理2.2(\(\sqrt x=x^{\frac12}\))，

\[g_4'(x)=\frac{x^{-\frac12}}{2} \]

整理得

\[g_4'(x)=\frac{1}{2 \sqrt{x}} \]

对函数 \(g_5(x)=(g_3\circ g_4)(x)\) 应用定理2.10并整理，

\[g_5'(x)=\frac{2 x+1}{2 \sqrt{x^2+x}} \]

对函数 \(g_6(x)=g_2(x)g_5(x)\) 应用定理2.9并整理，

\[g_6'(x)=\frac{x (4 x+3)}{2 \sqrt{x (x+1)}} \]

对函数 \(g_7(x)=2^x\) 应用定理2.6，

\[g_7'(x)=2^x\ln x \]

对函数 \(f(x)=(g_6\circ g_7)(x)\) 应用定理2.10并整理，

\[f'(x)=\frac{2^{x \sqrt{x (x+1)}-1} x (4 x+3) \ln 2}{\sqrt{x (x+1)}} \]

即为函数 \(f(x)\) 的导数。\(\qquad\qquad\text{w5}\)

此题计算量确实较大(我用了将近 30 分钟)，但是思路其实是相当简单的：反复运用这些法则，把复杂的函数转化为基本的函数。

积分

加法和减法，乘法和除法……

回顾先前的例子，我们知道函数 \(v(t)\) 是 \(s(t)\) 的导数，反过来函数 \(s(t)\) 是 \(v(t)\) 的(不定)积分。这使得我们意识到，求导和积分互为逆变换。也就是说，

定义2.12 对于给定的函数 \(f(x)\)，如果存在一类函数 \(F(x)\) 使得 \(F'(x)=f(x)\)，则称所有 \(F(x)\) 中常数项为 \(0\) 的那个函数为 \(f(x)\) 的不定积分。

例如，对于函数 \(f(x)=x^2\)，其不定积分为 \(F(x)=\frac13x^3\)。

定积分

考虑这样一个问题：

例题2.13 求函数 \(f(x)=x^2\) 图像下方从 \(x=1\) 到 \(x=3\) 区域(换句话说就是 \(y=x^2,x=1,y=0,x=3\) 四条(曲)线围成的图形的面积)的面积。

x^2下方的面积图像

解：我们使用与最开始那个概率问题相似的方法，不妨先用几个矩形拟合一下 \(y=x^2\) 的曲线：

2个矩形的拟合图像

4个矩形的拟合图像

16个矩形的拟合图像

50个矩形的拟合图像

100个矩形的拟合图像

容易发现，所使用的的矩形越多，拟合结果越精准。不妨假设现在用 \(n\) 个矩形进行拟合，这 \(n\) 个矩形的面积记作 \(S_n\)。每个矩形的宽为 \(\frac{3-1}n=\frac2n\)，第 \(k\) 个矩形的高为

\[\begin{aligned}f(1+\frac{2k}n)&=(1+\frac{2k}n)^2\\&=1+\frac{4k}n+\frac{4k^2}{n^2}\\&=1+\frac4nk+\frac4{n^2}k^2\end{aligned} \]

所以我们要求的就是

\[\begin{aligned}S_n&=\frac2n(f(1+\frac{2}n)+f(1+\frac{4}n)+f(1+\frac{6}n)+\cdots+f(1+\frac{2n}n))\\&=\frac2n(1+1+1+\cdots+1)+\frac{8}{n^2}(1+2+3+\cdots+n)+\frac{8}{n^3}(1^2+2^2+3^2+\cdots+n^2)\\&=\frac2nn+\frac{8}{n^2}\frac{n(n+1)}{2}+\frac{8}{n^3}\frac{n(n+1)(2n+1)}{6}\\&=\frac{26}{3}+\frac{10}{n}+\frac{4}{3 n^2}\end{aligned} \]

那么当 \(n\) 足够大时，

\[\lim_{n\to\infty}S_n=\frac{26}3 \]

故该面积为 \(\frac{26}3\)。\(\qquad\qquad\text{w5}\)

这种有明确的上下界的积分(上面例题中上下界为 \(1\) 至 \(3\))，叫做定积分(definite integral)。记作 \(\int_a^bf(x)dx\)。例如例题2.13就是要求

\[\int_1^3x^2dx \]

例题解答中所使用的定积分求法较为复杂，一个简单的办法是使用牛顿-莱布尼茨公式(Newton-Leibniz formula，又名微积分基本定理)。

定理2.14 (牛顿-莱布尼茨公式)一个连续函数在区间 \([a,b]\) 上的定积分等于它的任意一个原函数(不定积分)在区间 \([a,b]\) 上的增量。即如果有 \(F'(x)=f(x)\)，则

\[\int_a^bf(x)dx=F(b)-F(a) \]

使用这个方法求定积分变得十分简单，还是以 \(\int_1^3x^2dx\) 为例：注意到

\[\operatorname{D}(\frac13x^3)=x^2 \]

固有

\[\int_1^3x^2dx=\frac133^2-\frac131^2=\frac{26}3 \]

极限

\(y=\frac{\sin(x)}x\) 的图像是什么样子的？在 \(x=0\) 时应该如何画？

类似于 \(f(x)=\frac{\sin(x)}x\) 这样的函数在一些特殊点无法直接取值，但是其值任然是有意义的。

sin(x)/x的图像

我们注意图中红圈标记处，直接计算会得到 \(\frac{\sin0}{0}\) 这样没有意义的结果，但是我们从图像中可以很清晰的得出 \(f(0)=1\) 的结论，这是因为

\[\lim_{x\to0}\frac{\sin(x)}x=1 \]

这就使用了极限(limitation)的概念。

极限的标准定义

设 \(f:\mathbb D\subset\mathbb R\to\mathbb R\) 是一个定义在实数上的函数。并在某个开区间 \(x>A\) 或 \(x<A\) 上有定义。 \(L\) 是一个给定的实数。 \(c\) 是一个实数，并且函数 \(f\) 在 \(c\) 的某个去心邻域上有定义。如果对任意的正实数 \(\epsilon\) ，都存在一个正实数 \(\delta\) ，使得对任意的实数 \(x\) ，只要 \(f\) 在点 \(x\) 处有定义，并且 \(x\) 在 \(c\) 的某个 \(\delta\) -(去心)邻域中(即 \(|x-c|\le\delta\) )，就有 \(|f(x)-L|\le\epsilon\) ，那么就称 \(L\) 是函数 \(f\) 在 \(x\) 趋于 \(c\) 时的极限，或简称 \(L\) 为 \(f\) 在 \(c\) 的极限，记为 \(\lim_{x\to c}f(x)=L\) 。反之则称 \(L\) 不是 \(f\) 在 \(x\) 趋于 \(c\) 时的极限。

来自维基教科书(啥都看不懂系列)

注意，极限要求从函数两边趋近能达到同样的结果。举个例子，函数 \(f(x)=\frac1x\) 在 \(x=0\) 时的值是未定义的，(如下图红线所示)因为从小于 \(0\) 出发回趋向于 \(-\infty\) 而从大于 \(0\) 出发回趋向于 \(+\infty\)。

y=1/x的极限示意图

洛必达法则

微积分需要连续，连续需要无穷小，可是谁知道无穷小长什么样子？\(\qquad\qquad\)———— 伯特兰·罗素

之前我们尝试求三角函数的导数时，曾经用相当巧妙的几何方法求出过

\[\lim_{h\to0}\frac{\sin(h)}{h}=1 \]

那个方法虽然巧妙，但是相当复杂，而且不具备通用性，有较高的思维难度。下面介绍洛必达法则(L'Hospital's rule)，此方法能够较为简单地求出大多数函数的极限。

定理2.15 (洛必达法则描述简化版)对于一个形如

\[\lim_{x\to a}\frac{f(x)}{F(x)} \]

的极限，如果它满足

\(x\) 趋向于常数 \(a\) 时，函数 \(f(x)\) 和 \(F(x)\) 都趋向于 \(0\)；
在 \(a\) 附近(可以理解为 \(x=a-dx\) 和 \(x=a+dx\))，\(f'(x)\) 和 \(F'(x)\) 都有定义，且 \(F'(x)\not=0\)；
\(\lim_{x\to0}\frac{f(x)}{F(x)}\) 有定义。

则有

\[\lim_{x\to a}\frac{f(x)}{F(x)}=\lim_{x\to a}\frac{f'(x)}{F'(x)} \]

证明：(通俗不严谨版，某种程度上说，仅供感性理解)

由于在 \(a\) 附近，\(f'(x)\) 和 \(F'(x)\) 都有定义，我们知道，所求的极限也是有定义的。

由于当 \(x=0\) 时，\(f(x)=0,F(x)=0\)，所以我们知道

\[\begin{aligned}\lim_{x\to a}f(x+dx)&=f'(x)\\\lim_{x\to a}F(x+dx)&=F'(x)\end{aligned} \]

当 \(x\) 的变化量足够小时(即变化量为极小的 \(dx\))，应该有

\[\begin{aligned}f(x)&=\lim_{h\to0}f(x+h)\\F(x)&=\lim_{h\to0}F(x+h)\end{aligned} \]

由此得出

\[\begin{aligned}f(x)&=f(x+dx)\\F(x)&=F(x+dx)\end{aligned} \]

代入之前的式子，

\[\begin{aligned}\lim_{x\to a}f(x)&=f'(x)\\\lim_{x\to a}F(x)&=F(x+dx)\end{aligned} \]

由此相除得到

\[\lim_{x\to a}\frac{f(x)}{F(x)}=\lim_{x\to a}\frac{f'(x)}{F'(x)} \]

即为所求证的等式。\(\qquad\qquad\blacksquare\)

严谨的证明请见参考文献 - 洛必达法则的证明。

泰勒展开

没有其他外力，没有初速度的条件下，质点只能静止在原地。毫无自由可言。

给质点一个初速度，我们可以使质点单向匀速运动；

若再给定一个加速度，我们可以使速度均匀变化，从而产生拐弯运动；

若再给定加速度的变化率，我们使加速度均匀变化，速度拐弯变化，产生可转向拐弯运动；

……如果一开始就设定好质点的初速度，加速度，加加速度，加加加…加速度的话，正如用一只无形的手调控着它的命运，那么无论想让它何时拐，往何处拐，如何拐……就全都在初始条件的设计之中了。

考虑函数 \(f(x)=\sin(x)\)，它的导数为

\[f'(x)=\cos(x) \]
当 \(x=0\) 时，显然有 \(f(0)=0,f'(0)=1\)。但是满足上述条件的函数不止一个，至少还有

\[f(x)=x \]
考虑函数 \(f'(x)=\cos(x)\)，它的导数为

\[f''(x)=-\sin(x) \]
当 \(x=0\) 时，显然有 \(f(0)=0,f'(0)=1,f''(x)=0\)。但是满足上述条件的函数不止一个，至少还有

\[f(x)=x \]
考虑函数 \(f''(x)=-\sin(x)\)，它的导数为

\[f'''(x)=-\cos(x) \]
当 \(x=0\) 时，显然有 \(f(0)=0,f'(0)=1,f''(x)=0,f'''(x)=-1\)。但是满足上述条件的函数不止一个，至少还有

\[f(x)=x-\frac16 x^3 \]
考虑函数 \(f'''(x)=-\cos(x)\)，它的导数为

\[f^{(4)}(x)=\sin(x) \]

高阶导数记号 \(f^{(n)}(x)\)

对原函数求 1 次导数，我们记作 \(f'(x)\)；以此类推求 2 次导数，就记作 \(f''(x)\)；但是当求很多次导数时，这种记号阅读和书写都不方便，所以我们用 \(f^{(n)}(x)\) 表示对原函数 \(f(x)\) 求 \(n\) 次导数后的函数。

当 \(x=0\) 时，显然有 \(f(0)=0,f'(0)=1,f''(x)=0,f'''(x)=-1,f^{(4)}(x)=0\)。但是满足上述条件的函数不止一个，至少还有

\[f(x)=x-\frac16 x^3 \]

以此类推，我们不停的对 \(f(x)=\sin(x)\) 求导，会得到一个循环，即

\[f^{(n)}(x)=\begin{cases}\sin(x)&\mbox{if}&n\operatorname{mod}4=0\\\cos(x)&\mbox{if}&n\operatorname{mod}4=1\\-\sin(x)&\mbox{if}&n\operatorname{mod}4=2\\-\cos(x)&\mbox{if}&n\operatorname{mod}4=3\end{cases} \]

而且我们总能找到一个多项式函数，使得当 \(x=0\) 时这个多项式的前 \(n\) 阶导数与 \(\sin(x)\) 的导数相同，例如多项式

\[\frac{x^5}{120}-\frac{x^3}{6}+x \]

与 \(\sin(x)\) 的前 \(6\) 项导数相同，而多项式

\[-\frac{x^{11}}{39916800}+\frac{x^9}{362880}-\frac{x^7}{5040}+\frac{x^5}{120}-\frac{x^3}{6}+x \]

与 \(\sin(x)\) 的前 \(12\) 项导数相同，这使得它们的函数图像在 \(x=0\) 附近极为接近(如下图)。

泰勒展开值与真实值的对比图

我们之所以总能够构造出这样的多项式，是因为多项式的每求导一次，最高次项的次数减 \(1\)，并且其导数是完全可控的(由多项式的系数决定)。这些系数的分母是为了抵消求导导致的系数增加(下式中加粗的 \(n\))

\[\operatorname{D}(x^n)=\mathbf{n}x^{n-1} \]

每次求导时，指数 \(n\) 减一，导致系数一层层一共乘大了 \(n(n-1)(n-2)\cdots1\)，即 \(n!\)，所以分子要除去 \(n!\)。

综合上面描述，我们把这种多项式称为原函数的泰勒级数(Taylor's series)，把这种展开过程称为泰勒展开(Taylor's expand)。

定理2.16 (泰勒公式)函数 \(f(x)\) 在 \(x=x_0\) 处的泰勒级数为

\[f(x)=\frac{f(x_0)}{0!}+\frac{f'(x_0)}{1!}(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+\frac{f'''(x_0)}{3!}(x-x_0)^3+\cdots \]

特别地，当取 \(x_0=0\) 的级数尤为常用，可以称为麦克劳林级数或 0 处的泰勒级数。此时有

\[f(x)=\frac{f(0)}{0!}+\frac{f'(0)}{1!}x+\frac{f''(0)}{2!}x^2+\frac{f'''(0)}{3!}x^3+\cdots \]

如果我们求 \(f(x)=\mathtt e^x\) 的麦克劳林级数，并代入 \(x=1\)，可以得到 \(\mathtt e\) 的一个渐进的表达形式，极为有趣

\[\mathtt e=\frac1{0!}+\frac1{1!}+\frac1{2!}+\frac{1}{3!}+\cdots \]

习题

已知二次函数 \(y=-x^2-2x-8\) 与直线 \(l\) 交于 \(A(-4,0),B(0,8)\)，在二次函数上有一动点 \(P\)，且点 \(P\) 在直线 \(l\) 上方运动，求 \(\triangle PAB\) 面积的最大值。
在 \([0,1]\) 区间内等概率地随机选取一个数 \(x\)，求 \(x^2\) 的数学期望 \(\operatorname{E}(x^2)\)。
求 \(f(x)=\tan(x)\) 的导数 \(f'(x)\)。
求 \(f(x)=\sqrt{x^2+2x}+\sqrt{x^2+2}+x\) 的导数 \(f'(x)\)。
求 \(f(x)=\sqrt{x^2+2x}+\sqrt{x^2+2}+x\) 当 \(-4\le x\le4\) 时的取值范围。
求出 \(f(x)=\cos x\) 的麦克劳林级数的前 5 项。
求 \(\lim_{x\to1}\frac{\sin(\pi x)}{x^2-1}\) 的值。
求 \(f(x)=\arcsin(x)\) 的导数。
求半径为 \(r\) 的球的表面积公式(用含 \(r\) 的式子表示)。
平面上的解析式 \(y^2\sin(x)=x\) 上有一点 \(A(m,n)\)，求 \(A\) 点处该图像的切线的斜率。
求函数 \(f(x)=\ln x\) 的导数 \(f'(x)\)。
在边长为 \(1\) 的正方形内等概率随机选取两点，它们之间的距离的数学期望是多少？