数学分析笔记5：导数的应用

泰勒公式

带佩亚诺余项的泰勒公式

微分的意义是用线性函数去逼近一个复杂的函数。实际上，我们还可以引入更高次的多项式取逼近一个复杂的函数，这就是Taylor公式表达的观点。
定理5.1$f(x)$在$x_0$的某个邻域上有直到$n-1$阶导数，并且在$x_0$具有$n$阶导数，则$$f(x)=\sum _{k=0}^n\frac{f^{(k)}(x_0)}{k!}(x-x_0{)}^k+o((x-x_0{)}^n)$$

证：
首先，$n=1$时结论显然成立。
假设，如果函数$f(x)$在$x_0$处有直到$m$阶导数，有$$f(x)=\sum _{k=0}^m\frac{f^{(k)}(x_0)}{k!}(x-x_0{)}^k+o((x-x_0{)}^m)$$如果函数$f(x)$在$x_0$处有直到$m+1$阶导数，那么其一阶导数$f^{(1)}$在$x_0$处有直到$m$阶导数，有$$f^{(1)}(x)=\sum _{k=0}^m\frac{f^{(k+1)}(x_0)}{k!}(x-x_0{)}^k+o((x-x_0{)}^m)$$由洛必达法则：$$\begin{gathered} \underset{x\to x_0}{\lim }\frac{f(x)-{\sum }_{k=0}^{m+1}\frac{f^{(k)}(x_0)}{k!}(x-x_0{)}^k}{(x-x_0{)}^{m+1}}=\underset{x\to x_0}{\lim }\frac{f^{(1)}(x)-{\sum }_{k=1}^{m+1}\frac{f^{(k)}(x_0)}{(k-1)!}(x-x_0{)}^{k-1}}{(m+1)(x-x_0{)}^m} \\ =\underset{x\to x_0}{\lim }\frac{f^{(1)}(x)-{\sum }_{k=0}^m\frac{f^{(k+1)}(x_0)}{k!}(x-x_0{)}^k}{(m+1)(x-x_0{)}^m}=\underset{x\to x_0}{\lim }\frac{o((x-x_0{)}^m)}{(x-x_0{)}^m}=0 \end{gathered}$$由数学归纳法就可以证得结论

现在，我们来推导一些初等函数的泰勒公式：
例5.1$$e^x=\sum _{k=0}^n\frac{x^k}{k!}+o(x^n)$$

证：
由于$f^{(n)}(x)=e^x$，因此，$f^{(n)}(0)=1$，再应用定理5.1

例5.2 求$\ln (1+x)$在$x=0$处的Taylor公式

解：
令$f(x)=\ln (1+x)$，则$$f^{(1)}(x)=\frac{1}{1+x}$$$$f^{(2)}(x)=-\frac{1}{(1+x{)}^2}$$$$f^{(3)}(x)=2\frac{1}{(1+x{)}^3}$$$$f^{(4)}(x)=-6\frac{1}{(1+x{)}^4}$$猜想：$f^{(k)}(x)=\frac{(-1{)}^{k-1}(k-1)!}{(1+x{)}^k}$，用数学归纳法证明，如果$f^{(k)}(x)=\frac{(-1{)}^{k-1}(k-1)!}{(1+x{)}^k}$，那么$$f^{(k+1)}(x)=\frac{(-1{)}^{k-1}(k-1)!(-k)}{(1+x{)}^{k+1}}=\frac{(-1{)}^{k}k!}{(1+x{)}^{k+1}}$$有归纳法，等式成立。
因此，$f^{(k)}(0)=(-1{)}^{k-1}(k-1)!(k\ge 1)$，应用定理5.1，有$$\ln (1+x)=\sum _{k=1}^n\frac{(-1{)}^{k-1}{x}^k}{k}+o(x^n)$$

例5.3 求$(1+x{)}^{\alpha }$在$x=0$处的Taylor公式

解：
令$f(x)=(1+x{)}^{\alpha }$，求各阶导数：$$f^{(1)}(x)=\alpha (1+x{)}^{\alpha -1}$$$$f^{(2)}(x)=\alpha (\alpha -1)(1+x{)}^{\alpha -2}$$$$f^{(3)}(x)=\alpha (\alpha -1)(\alpha -2)(1+x{)}^{\alpha -3}$$我们可以将排列数的定义扩张一下，定义$A_{\alpha }^k={\prod }_{t=0}^{k-1}(\alpha -t)$，容易看出，当$\alpha$是正整数时，该数和组合数学中的排列数的定义是一致的。
猜想：$f^{(k)}(x)=A_{\alpha }^k(1+x{)}^{\alpha -k}$，再用数学归纳法，可以证明该等式成立。于是$f^{(k)}(0)=A_{\alpha }^k$，我们再扩充一下组合数的定义：$C_{\alpha }^k=\frac{A_{\alpha }^k}{k!}$，容易验证，$\alpha$是正整数时，这个数就是组合数学上的正整数，就可以得到Taylor公式：$$(1+x{)}^{\alpha }=\sum _{k=0}^n{C}_{\alpha }^k{x}^k+o(x^n)$$这个形式实际上就是$\alpha$是任意实数情形下的二项式定理。

例5.4 求$\arctan x$在$x=0$处的Taylor公式

解：
实际上，我们已经求过了$f(x)=\arctan x$的高阶导数：$$f^{(k)}(x)=(k-1)!{\cos }^k(\arctan x)\sin (k\arctan x+\frac{k\pi }{2})$$因此，$f^{(k)}(0)=(k-1)!\sin (\frac{k\pi }{2})$，因此，$\arctan x$的Taylor公式为$$\arctan x=\sum _{k=0}^n\frac{(\sin \frac{k\pi }{2})x^k}{k}+o(x^n)$$

例5.5 $$\sin x=\sum _{k=0}^n\frac{(\sin \frac{k\pi }{2})x^k}{k!}+o(x^n)$$$$\cos x=\sum _{k=0}^n\frac{(\cos \frac{k\pi }{2})x^k}{k!}+o(x^n)$$

定理5.2(Taylor公式的唯一性) $x\to x_0$时，若$$f(x)=\sum _{k=0}^n{a}_k(x-x_0{)}^k+o((x-x_0{)}^n)=\sum _{k=0}^n{b}_k(x-x_0{)}^k+o((x-x_0{)}^n)$$则必有$a_k=b_k,k=0,\cdots ,n$

证：
首先，令$x\to x_0$，就可以得到$a_0=b_0$，这样，$$\sum _{k=1}^n{a}_k(x-x_0{)}^k+o((x-x_0{)}^n)=\sum _{k=1}^n{b}_k(x-x_0{)}^k+o((x-x_0{)}^n)$$两边除以$x-x_0$，再令$x\to x_0$，又有$a_1=b_1$，这样就有$$\sum _{k=2}^n{a}_k(x-x_0{)}^k+o((x-x_0{)}^n)=\sum _{k=2}^n{b}_k(x-x_0{)}^k+o((x-x_0{)}^n)$$重复以上步骤可以证得结论

这说明我们可以通过复合的形式，得到某些复杂函数的Taylor公式。
例5.6 求$f(x)=\frac{1}{\sqrt{1-x^2}}$在$x=0$处的Taylor展开

解：
我们知道$g(x)=(1+x{)}^{-\frac{1}{2}}$在$x=0$处的Taylor展开为：$$g(x)=\sum _{k=0}^n{C}_{-\frac{1}{2}}^k{x}^k+o(x^n)$$代入，就有$$f(x)=g(x^2)=\sum _{k=0}^n{C}_{-\frac{1}{2}}^k{x}^{2k}+o(x^{2n})$$由Taylor公式唯一性，$f(x)$在$0$处所有奇数阶导数为0，而$$f^{(2k)}(0)=(2k)!C_{-\frac{1}{2}}^k$$

例5.7 求$f(x)=\arcsin x$在$x=0$处的Taylor展开

解：
$f(x)$所有偶数阶导数都为0，而$$f^{(2k+1)}(0)=(2k)!C_{\frac{1}{2}}^k$$当$n=2m+1(m\ge 0)$时，$$\arcsin x=\sum _{k=0}^m\frac{C_{-\frac{1}{2}}^k{x}^{2k+1}}{2k+1}+o(x^{2m+1})$$当$n=2m(m\ge 1)$时，$$\arcsin x=\sum _{k=0}^{m-1}\frac{C_{-\frac{1}{2}}^k{x}^{2k+1}}{2k+1}+o(x^{2m})$$

带拉格朗日余项的泰勒公式

带佩亚诺余项的Taylor公式只指出了Taylor公式的余项是$(x-x_0{)}^n$的高阶无穷小，但是没有给出余项的具体形式，而拉格朗日余项的Taylor公式将给出余项的具体形式。
定理5.3 $f(x)$在$x_0$的某个邻域上有直到$n$阶的连续导数，并且在该邻域上具有$n+1$阶导数，则$$f(x)=\sum _{k=0}^n\frac{f^{(k)}(x_0)}{k!}(x-x_0{)}^k+\frac{f^{(n+1)}(\xi )}{(n+1)!}(x-x_0{)}^{n+1}$$其中$\xi$介于$x$和$x_0$之间

证：
令$F(t)=f(x)-{\sum }_{i=0}^n\frac{f^{(i)}(t)}{i!}(x-t{)}^i$$$\begin{gathered} F^{\prime }(t)=-\sum _{i=0}^n\frac{f^{(i+1)}(t)}{i!}(x-t{)}^i+\sum _{i=1}^n\frac{f^{(i)}(t)}{(i-1)!}(x-t{)}^{i-1} \\ =-\sum _{i=0}^n\frac{f^{(i+1)}(t)}{i!}(x-t{)}^i+\sum _{i=0}^{n-1}\frac{f^{(i+1)}(t)}{i!}(x-t{)}^i \\ =-\frac{f^{(n+1)}(t)}{n!}(x-t{)}^n \end{gathered}$$令$G(t)=(x-t{)}^{n+1}$，$F(x)=G(x)=0$,由柯西中值定理$$\frac{F(x_0)}{G(x_0)}=\frac{F(x_0)-F(x)}{G(x_0)-G(x)}=\frac{F^{\prime }(\xi )}{G^{\prime }(\xi )}=\frac{f^{(n+1)}(\xi )}{(n+1)!}$$

例5.8 证明：$x>-1$时，$\ln (1+x)<x$

证：
由拉格朗日余项的泰勒公式$$\ln (1+x)=x-\frac{x^2}{2(1+\xi {)}^2}$$其中，$\xi$介于$0$到$x$之间，而$\frac{x^2}{2(1+\xi {)}^2}>0$

例5.9 证明：$x\ne 0$时,$e^x>1+x$

证：
由拉格朗日余项的泰勒公式$$e^x=1+x+\frac{e^{\xi }{x}^2}{2}$$其中，$\xi$介于$0$和$x$之间，而$\frac{e^{\xi }{x}^2}{2}>0$

例5.10 $f(x)$在原点的邻域二次可导，且$$\underset{x\to 0}{\lim }(\frac{\sin 3x}{x^3}+\frac{f(x)}{x^2})=0$$(1)求$f(0)$，$f^{\prime }(0)$，$f^{\prime \prime }(0)$
(2)求${\lim }_{x\to 0}(\frac{3}{x^2}+\frac{f(x)}{x^2})$

解：
(1)$$\begin{gathered} \frac{\sin 3x}{x^3}+\frac{f(x)}{x^2}=\frac{\sin 3x+xf(x)}{x^3} \\ =\frac{3x-\frac{9}{2}{x}^3+o(x^3)+f(0)x+f^{\prime }(0)x^2+\frac{f^{\prime \prime }(0)}{2}{x}^3+xo(x^2)}{x^3} \\ =\frac{(3+f(0))x+f^{\prime }(0)x^2+(\frac{f^{\prime \prime }(0)}{2}-\frac{9}{2})x^3+o(x^3)}{x^3} \end{gathered}$$由极限${\lim }_{x\to 0}(\frac{\sin 3x}{x^3}+\frac{f(x)}{x^2})$存在，就必须有$$\{\begin{array}{l}3+f(0)=0\\ f^{\prime }(0)=0\end{array}$$而$$\underset{x\to 0}{\lim }(\frac{\sin 3x}{x^3}+\frac{f(x)}{x^2})=\frac{f^{\prime \prime }(0)}{2}-\frac{9}{2}=0$$因此，$f^{\prime \prime }(0)=9$
(2)$$\frac{3}{x^2}+\frac{f(x)}{x^2}=\frac{3-3+\frac{9}{2}{x}^2+o(x^2)}{x^2}=\frac{9}{2}+\frac{o(x^2)}{x^2}$$令$x\to 0$，就有$$\underset{x\to 0}{\lim }(\frac{3}{x^2}+\frac{f(x)}{x^2})=\frac{9}{2}$$

函数的单调性

借助导数的正负，可以判断函数在某一个区间的单调性。
定理5.4$f(x)$在区间$I$上连续可导，则$f(x)$在$I$上单调上升（下降）的充要条件是$f(x)$在$I$上的导数非负（非正）

证:
仅证单调上升的情形。
充分性，如果$f(x)$在区间$I$上单调上升，则对任意的$x_0\in I$，对任意的$x_0<x\in I$，都有$$\frac{f(x)-f(x_0)}{x-x_0}\ge 0$$上式令$x\to x_0^{+}$，就有$f^{\prime }(x_0)\ge 0$
必要性，如果$f(x)$在区间$I$上导数非负，那么由拉格朗日中值定理，对$x_1<x_2$，$x_1\in I,x_2\in I$$$f(x_2)-f(x_1)=f^{\prime }(\xi )(x_2-x_1)\ge 0$$$f(x)$在$I$上单调上升

函数的极值与最值

在证明中值定理时，我们已经给出了极值点的一个必要条件：导数为0。本节讨论的是取极值的充分条件。
定理5.5 $f(x)$在$x_0$的某个邻域上可导，$f^{\prime }(x_0)=0$，$f^{\prime }(x)$在该邻域上单调上升（下降），则$f(x)$在$x_0$处取得极小值（极大值）

证：
仅证导数单调上升的情况。
如果$f^{\prime }(x)$在该邻域上单调上升，那么，$x<x_0$时，$f^{\prime }(x)\le 0$，则$f(x)$在$x_0$的左半邻域上单调下降，对左半邻域的任意一点$x$，有$f(x)\ge f(x_0)$。
$x>x_0$时，$f^{\prime }(x)\ge 0$，则$f(x)$在右半邻域上单调上升，从而对$x>x_0$，$f(x)\ge f(x_0)$。
综上，在该邻域内，都有$f(x)\ge f(x_0)$，$f(x)$在$x_0$处取得极小值。

推论5.1 $f(x)$在$x_0$的某个邻域上可求二阶导数，$f^{\prime }(x_0)=0$，$f^{\prime \prime }(x_0)>0(f^{\prime \prime }(x_0)<0)$，则$f(x)$在$x_0$处取得极小值（极大值）
实际上，由泰勒公式，我们由更加广义的判断方法。
定理5.6 $f(x)$在$x_0$的某个邻域上具有直到$n$阶的导数，如果$f^{(1)}(x_0)=\cdots =f^{(n-1)}(x_0)=0$，$f^{(n)}(x_0)\ne 0$，则
(1)如果$n$是偶数，$f^{(n)}(x_0)>0$时，$f(x)$在$x_0$处取得严格极小值，$f^{(n)}(x_0)<0$时，$f(x)$在$x_0$处取得严格极大值
(2)如果$n$是奇数，$f^{(n)}(x)$在$x_0$处不取极值

证：
先证明(1):由泰勒公式：$$f(x)=f(x_0)+\frac{f^{(n)}(x_0)(x-x_0{)}^n}{n!}+o((x-x_0{)}^n)$$$x\ne x_0$时$$\frac{f(x)-f(x_0)}{(x-x_0{)}^n}=\frac{f^{(n)}(x_0)}{n!}+\frac{o((x-x_0{)}^n)}{(x-x_0{)}^n}$$存在$\delta >0$，当$0<|x-x_0|<\delta$时，有$$|\frac{o((x-x_0{)}^n)}{(x-x_0{)}^n}|<\frac{f^{(n)}(x_0)}{2n!}$$此时，$$\frac{f(x)-f(x_0)}{(x-x_0{)}^n}=\frac{f^{(n)}(x_0)}{n!}+\frac{o((x-x_0{)}^n)}{(x-x_0{)}^n}\frac{f^{(n)}(x_0)}{2n!}>0$$从而$f(x)>f(x_0)$，$f(x)$在$x_0$处取得严格极小值。严格极大值情形的证明是类似的。
(2)仿照(1)的证明方法，不妨设$f^{(n)}(x_0)>0$，$f^{(n)}(x_0)<0$情形的证明是类似的，存在$\delta >0$，当$0<|x-x_0|<\delta$时，有$$\frac{f(x)-f(x_0)}{(x-x_0{)}^n}=\frac{f^{(n)}(x_0)}{n!}+\frac{o((x-x_0{)}^n)}{(x-x_0{)}^n}\frac{f^{(n)}(x_0)}{2n!}>0$$但由于$n$是奇数，当$0<x-x_0<\delta$时，$f(x)-f(x_0)>0$，当
$-\delta <x-x_0<0$时，$f(x)-f(x_0)<0$，因此，$f(x)$在$x_0$处不取极值

函数的凹凸性

我们先给出凸函数的定义。
定义5.1$f(x)$是定义在区间$I$上的函数
(1)如果对任意的$x_1,x_2\in I$，对任意的$t\in (0,1)$，都有$$f(t{x}_1+(1-t)x_2)\le tf(x_1)+(1-t)f(x_2)$$则称$f(x)$是区间$I$上的下凸函数或上凹函数
(2)如果对任意的$x_1,x_2\in I$，对任意的$t\in (0,1)$，都有$$f(t{x}_1+(1-t)x_2)\ge tf(x_1)+(1-t)f(x_2)$$则称$f(x)$是区间$I$上的上凸函数或下凹函数

不同领域对凹凸性的定义都有不同，在运筹学、凸优化、泛函分析上，凹凸都是下凹凸性。在考研高等数学当中，凹凸性都是上凹凸性。我们这里采用的是下凹凸性。不加说明的情况下，凸函数指的是下凸函数，凹函数指的是下凹函数。
定理5.7 (凸函数判断的充要条件) $f(x)$是区间$I$上的函数，$f(x)$是$I$上的凸函数的充要条件是：对区间$I$内的三个点$x_1<x_2<x_3$，有$$\frac{f(x_2)-f(x_1)}{x_2-x_1}\le \frac{f(x_3)-f(x_2)}{x_3-x_2}$$

证：
必要性，如果$f(x)$是区间$I$上的凸函数，则对区间$I$内的三个点$x_1<x_2<x_3$，$x_2=\frac{x_2-x_1}{x_3-x_1}{x}_3+\frac{x_3-x_2}{x_3-x_1}{x}_1$。
由凸函数定义：$$f(x_2)\le \frac{x_2-x_1}{x_3-x_1}f(x_3)+\frac{x_3-x_2}{x_3-x_1}f(x_1)$$整理即可得到不等式$$\frac{f(x_2)-f(x_1)}{x_2-x_1}\le \frac{f(x_3)-f(x_2)}{x_3-x_2}$$充分性：如果对区间$I$内的三个点$x_1<x_2<x_3$，有$$\frac{f(x_2)-f(x_1)}{x_2-x_1}\le \frac{f(x_3)-f(x_2)}{x_3-x_2}$$对任意的$x_1<x_3$，对任意的$t\in (0,1)$，令$x_2=t{x}_1+(1-t)x_3$，$x_1<x_2<x_3$，再套用以上不等式，相应地变形就可以证得结论。

定理5.8 $f(x)$是区间$I$上的可导函数，$f(x)$是$I$上的凸函数的充要条件是：$f^{\prime }(x)$在$I$上单调上升

证：
充分性由拉格朗日中值定理可以证得，仅证必要性：
任取区间$I$内的四个点$x_1<x_2<x_3<x_4$,则$$\frac{f(x_2)-f(x_1)}{x_2-x_1}\le \frac{f(x_3)-f(x_2)}{x_3-x_2}\le \frac{f(x_4)-f(x_3)}{x_4-x_3}$$$x_2\to x_1$，就得到不等式$$f^{\prime }(x_1)\le \frac{f(x_3)-f(x_1)}{x_3-x_1}\le \frac{f(x_4)-f(x_3)}{x_4-x_3}$$再令$x_3\to x_4$，就得到：$$f^{\prime }(x_1)\le \frac{f(x_4)-f(x_1)}{x_4-x_1}\le f^{\prime }(x_4)$$再由$x_1,x_4$的任意性，就可以得到$f^{\prime }$单调上升的结论。

定理5.9 $f(x)$是区间$I$上的可导函数，$f(x)$是$I$上的凸函数的充要条件是：对任意的$I$内的两点$x_1<x_2$，都有$$f^{\prime }(x_1)\le \frac{f(x_2)-f(x_1)}{x_2-x_1}\le f^{\prime }(x_2)$$

证:
必要性：如果$f(x)$是$I$上的凸函数，对任意的$x_1<x_3<x_2$，有不等式$$\frac{f(x_3)-f(x_1)}{x_3-x_1}\le \frac{f(x_2)-f(x_3)}{x_2-x_3}$$令$x_3\to x_1$和$x_3\to x_2$即可得出结论
充分性：如果$I$内的两点$x_1<x_2$，都有$$f(x_2)-f(x_1)\le f^{\prime }(x_1)(x_2-x_1)$$对任意的区间$I$中的三个点$x_1<x_3<x_2$，有不等式$$\frac{f(x_2)-f(x_3)}{x_2-x_3}\ge f^{\prime }(x_3)$$$$\frac{f(x_3)-f(x_1)}{x_3-x_1}\le f^{\prime }(x_3)$$因此，$$\frac{f(x_3)-f(x_1)}{x_3-x_1}\le \frac{f(x_2)-f(x_3)}{x_2-x_3}$$$f(x)$是$I$上的凸函数

有了二阶导之后，我们就有更方便的判断凹凸性的方法
推论5.2 $f(x)$在区间$I$上具有二阶导数，$f(x)$在$I$上是凸函数的充要条件是$f(x)$的二阶导数在$I$上非负

函数图像的绘制

明晰了函数的极值、最值、单调性、凹凸性之后，就可以大致画出函数曲线的轮廓，本节仅以一例，演示函数图像画图的过程。
在此，我们先补充拐点和渐近线的概念。所谓拐点，就是在该点的两侧，函数的凹凸性是相反的。渐近线分为斜渐近线，水平渐近线和铅直渐近线三类。
斜渐近线指的是$f(x)-ax-b\to 0(x\to \infty )$时的直线$y=ax+b$，当$a=0$时渐近线成了水平渐近线。铅直渐近线指$f(x)\to \infty (x\to x_0)$时的直线$x=x_0$。
有了拐点、驻点、单调性、凹凸性、渐近线，函数基本走势也就明晰了。求函数的图像就可以依据以下步骤进行：

(1)确定函数定义域
(2)研究函数有界性、奇偶性和周期性
(3)求解导数，研究导数正负，确定单调区间
(4)求解二阶导数，研究函数凹凸性，确定拐点和凹凸区间
(5)确定全体渐近线
(6)计算一些重要的点的函数值
(7)依据以上确定的趋势描绘出草图