数学分析 导数与微分(第5章)

一.导数
1.定义
(1)2个与导数相联系的问题:

–i.瞬时速度:
平均速度$\bar{v}=\frac{s(t)-s(t_0)}{t-t_0}$
瞬时速度$v=\underset{t\to t_0}{\lim }\frac{s(t)-s(t_0)}{t-t_0}$

–ii切线的斜率:
割线的斜率$\bar{k}=\frac{f(x)-f(x_0)}{x-x_0}$
切线的斜率$k=\underset{x\to x_0}{\lim }\frac{f(x)-f(x_0)}{x-x_0}$

(2)导数的定义:

(3)有限增量公式:

由公式(5)可推得定理5.1:若函数f在点x₀处可导,则f在x₀处连续

(4)单侧导数:

类似单侧极限与极限的关系,有定理5.2:
若$y=f(x)$在某$U(x_0)$上有定义,则$f^{\prime }(x_0)$存在的充要条件是:$f_{+}^{\prime }(x_0),f_{-}^{\prime }(x_0)$均存在,且$f_{+}^{\prime }(x_0)=f_{-}^{\prime }(x_0)$

导函数的左(右)极限与左(右)导数

2.导函数:


3.导数的几何意义
(1)几何意义:切线的斜率

(2)极值点:

(3)费马定理(定理5.3)与驻点:

设函数f在某U(x₀)上有定义,且在x₀处可导;若x₀为f的极值点,则必由$f^{\prime }(x_0)=0$

证明:

二.求导法则

总结:
①$(u\pm v{)}^{\prime }=u^{\prime }\pm v^{\prime }$
②(uv)’=u’v+uv’
\quad 特别地,当v=c(c为常数),$(cu{)}^{\prime }=c{u}^{\prime }$
③$(\frac{u}{v}{)}^{\prime }=\frac{u^{\prime }v-u{v}^{\prime }}{v^2}$
\quad 特别地,当u=1,$(\frac{1}{v}{)}^{\prime }=-\frac{v^{\prime }}{v^2}$
④反函数导数:$\frac{dy}{dx}=\frac{1}{\frac{dx}{dy}}$
⑤复合函数导数:$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}$

1.导数的四则运算:

定理5.4:若$u(x),v(x)$在x₀处可导,则$f(x)=u(x)\pm v(x)$在x₀处可导,且$$f^{\prime }(x_0)=u^{\prime }(x_0)\pm v^{\prime }(x_0)公式(1)$$

定理5.5:若$u(x),v(x)$在x₀处可导,则$f(x)=u(x)\cdot v(x)$在x₀处可导,且$$f^{\prime }(x_0)=u^{\prime }(x_0)\cdot v(x_0)+v^{\prime }(x_0)\cdot u(x_0)公式(2)$$
\quad 利用数学归纳法可将定理5.5推广到任意有限个函数乘积的情况,如:(uvw)’=u’vw+uv’w+uvw’
推论:若$v(x)$在x₀处可导,c为常数,则$$(c\cdot v(c){)}_{x=x_0}^{\prime }=c\cdot v^{\prime }(x_0)公式(3)$$

定理5.6:若$u(x),v(x)$在x₀处可导,且$v(x_0)\ne 0$,则$f(x)=\frac{u(x)}{v(x)}$在x₀也可导,且$$f^{\prime }(x_0)=\frac{u^{\prime }(x_0)\cdot v(x_0)-u(x_0)\cdot v^{\prime }(x_0)}{[v(x_0{)}^2]}公式(4)$$

2.反函数的导数

定理5.7:设$y=f(x)$为$x=\phi (x)$的反函数,若$\phi (y)$在某U(y₀)上连续,严格单调且$\phi (y_0)\ne 0$,则f(x)在$x_0(x_0=\phi (y_0))$处可导,且$$f^{\prime }(x_0)=\frac{1}{{\phi }^{\prime }(y_0)}公式(6)$$

注意:利用公式(6)求得的导函数是关于y的函数,需要再带入$y=f(x)$才能得到最终结果

3.复合函数的导数
(1)引理:

$f(x)$在x₀处可导的充要条件是:在某U(x₀)上,∃1个在x₀处连续的函数$H(x)$,使$f(x)-f(x_0)=H(x)(x-x_0)$,从而$f^{\prime }(x_0)=H(x_0)$

引理说明x₀是$g(x)=\frac{f(x)-f(x_0)}{x-x_0}$的可去间断点的充要条件是f(x)在x₀处可导,这个结论可以推广到向量函数的导数

(2)定理5.8:

设$u=\phi (x)$在x₀处可导,y=f(u)在点u₀=φ(x₀)可导,则复合函数f○φ在x₀可导,且$$(f○\phi {)}^{\prime }(x_0)=f^{\prime }(u_0)\cdot {\phi }^{\prime }(x_0)=f^{\prime }(\phi (x_0)){\phi }^{\prime }(x_0)公式(7)$$


说明:公式(7)也被称为链式法则,y=f(u),u=φ(x)的复合函数在x的求导公式一般写作$$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}公式(8)$$对于由多个函数复合而得到的复合函数,其导数公式可通过反复应用公式(8)得到
注意:区分$f^{\prime }(\phi (x))=f^{\prime }(u){|}_{u=\phi (x)}$与$(f(\phi )){)}^{\prime }=f^{\prime }(\phi (x))\cdot {\phi }^{\prime }(x)$的含义:前者表示f对u的导数,其中u=φ(x);后者表示复合函数f○φ对x的导数

4.基本初等函数导数公式:

①$(c{)}^{\prime }=0(c为常数)$

②$(x^{\alpha }{)}^{\prime }=\alpha \cdot x^{\alpha -1}(\alpha 为\forall 实数)$


③$(sinx{)}^{\prime }=cosx,(cosx{)}^{\prime }=-sinx,(tanx{)}^{\prime }=se{c}^{2}x,(cotx{)}^{\prime }=-cs{c}^{2}x,(secx{)}^{\prime }=secx\cdot tanx,(cscx{)}^{\prime }=-cscx\cdot cotx$



④$(arcsinx{)}^{\prime }=\frac{1}{\sqrt{1-x^2}},(arccosx{)}^{\prime }=-\frac{1}{\sqrt{1-x^2}},(arctanx{)}^{\prime }=\frac{1}{1+x^2},(arccotx{)}^{\prime }=-\frac{1}{1+x^2}$



⑤$(a^x{)}^{\prime }=a^x\cdot lna(a>0且a\ne 1)$
$特别地,(e^x{)}^{\prime }=e^x$

⑥$(lo{g}_a|x|{)}^{\prime }=\frac{1}{xlna}(a>0且a\ne 1)$
$特别地,(ln|x|{)}^{\prime }=\frac{1}{x}$

5.参变量函数的导数:

设有方程组$$\{\begin{array}{l}x=\phi (t)\\ y=\psi (t)\end{array}\alpha \le t\le \beta$$若φ(t),$\psi (t)$均可导,φ’(t)≠0且x=φ(t)有反函数t=φ^-1(x),则有$$\frac{dy}{dx}=\frac{dy}{dt}\cdot \frac{dt}{dx}=\frac{\frac{dy}{dt}}{\frac{dx}{dt}}=\frac{{\psi }^{\prime }(t)}{\phi (t)}$$

三.高阶导数
1.定义:

2.运算法则:

对加减法:$[u\pm v{]}^{(n)}=u^{(n)}\pm v^{(n)}$
对乘法(莱布尼兹公式):$(u\cdot v{)}^{(n)}=\sum _{k=0}^n{C}_n^k{u}^{(n-k)}{v}^{(k)}$,其中$u^{(0)}=u,v^{(0)}=v$

四.微分
1.可微与微分
(1)概念:

(2)几何解释:

2.可微的条件:

定理5.9:函数f在x₀处可微的充要条件是:f在x₀处可导,其(1)式中的$A=f^{\prime }(x_0)$

3.可微函数与微商:


3.微分的运算法则:
由导数与微分的关系可得:
①$d[u(x)\pm v(x)]=du(x)\pm dv(x)$
②$d[u(x)\cdot v(x)]=v(x)du(x)+u(x)dv(x)$
③$d[\frac{u(x)}{v(x)}]=\frac{v(x)du(x)-u(x)dv(x)}{v^2(x)}(v(x)\ne 0)$
④$d[f○g(x)]=f^{\prime }(u)\cdot g^{\prime }(x)dx,其中u=g(x)$

4.一阶微分形式的不变形:

5.高阶微分:
(1)概念:


(2)高阶微分不具有形式的不变性:

x为自变量时仍可写为$d^{2}y=f^{\prime \prime }(x)d{x}^2+f^{\prime }(x)d^{2}x$,并且此时x=x(或x=t),故$d^{2}x=0$,故$d^{2}y=f^{\prime \prime }(x)d{x}^2$;同理,当$x=c\cdot t$,也具有微分的形式不变形
可以理解为:用${\phi }^{\prime }(t)dt$近似dx时,会产生1个$o(\Delta t)$的误差,但${\phi }^{\prime }(t)dt$仍被作为dx使用,求高阶微分时不能忽略由此产生的误差,因为此时的误差至多为$o[(\Delta t{)}^2]$

6.微分在近似计算中的应用
(1)函数的近似计算:


(2)误差估计: