導數與微分
- 1. 導數
- 1.1. \(\color{#00FFFF}{問題引入:}\)
- 1.2. 導數的定義
- 1.3. 導數的意義
- 1.4. 左右導數
- 1.5. 導函數
- 1.5.1. 引入
- 1.5.2. 導函數的性質定理
- 2. 求導
- 2.1. 求基本初等函數的導函數
- 2.1.1. 常值函數
- 2.1.2. 指數函數
- 2.1.3. 對數函數
- 2.1.4. 幂函數(\(\ast\))
- 2.1.5. 正弦餘弦
- 2.2. 函數的求導法則
- 2.2.1. 四則運算法則
- 2.2.2. 反函數求導法則
- 2.2.3. 複合函數求導法則
- 2.3. 高階導數
- 2.3.1. 高階導數相關概念
- 2.3.2. 某些基本函數的n階導數
- 2.3.3. 高階導數的運算性質
- 2.3.3.1. 四則運算性質
- 2.3.3.2. Leibniz法則變式
- 2.3.3.3. 變成加和
- 2.4. 方程确定函數的求導
- 2.4.1. 顯函數與隐函數
- 2.4.2. 對數微分法
- 2.1. 求基本初等函數的導函數
- 3. 微分
- 3.1. 微分的引入
- 3.2. 微分
- 3.2.1. 線性的主部
- 3.2.2. 可導可微的關系
- 3.2.3. \(\frac{\mathrm dy}{\mathrm dx}\)的了解
- 3.2.4. 基本初等函數的微分公式
- 3.3. 求微分
- 3.3.1. 常見微分公式
- 3.3.2. 微分的四則運算法則
- 3.3.3. 微分的一階形式不變性
- 3.3.4. 微分的分析了解
- 3.4. 微分性質綜合應用舉例——參方求導
1. 導數
1.1. \(\color{#00FFFF}{問題引入:}\)
\(1^。\)切線
- 切線:設曲線\(y=f(x)\)在曲線上點\(P_0(x_0, y_0)\)處作與曲線相交的割線\(P_0Q\).進而當\(Q\)沿曲線\(y=f(x)\)趨于\(P_0\)點時,割線\(P_0Q\)的極限位置的\(P_0T\)存在且唯一,稱\(P_0T\)是曲線\(y=f(x)\)在\(P_0\)處的切線。
- 設曲線\(y=f(x)\)在曲線上\(P_0(x_0, y_0)\)處存在切線\(P_0T\)且\(P_0T\nparallel y\)軸,求\(P_0T\)的斜率\(k_{P_0T}\)(目标)
- 過\(P_0(x_0, y_0)\)作曲線\(y=f(x)\)的割線\(P_0Q, Q(x_0+\Delta x, f(x_0+\Delta x)).\) 割線\(P_0Q\)的斜率\(k_{P_0Q}=\frac{f(x+\Delta x)-f(x_0)}{\Delta x} = \frac{\Delta y}{\Delta x},\)成為\((x_0, x_0 + \Delta x)\)上函數值的平均變化率。
- (接下來我們可以構造趨近過程:\(Q\to P_0\Leftrightarrow\Delta x\to0, \,f(x_0 + \Delta x)\to f(x_0)\Rightarrow f(x_0+\Delta x)-f(x_0)\to0\Rightarrow\lim\limits_{\Delta x\to0}\Delta y\to0\Leftrightarrow f(x)\)在\(x\)處連續。)
- \(k_{P_0T}=\lim\limits_{\Delta x\to 0}k_{P_0Q}=\lim\limits_{\Delta x\to 0}\frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x}=\lim\limits_{\Delta x\to 0}\frac{\Delta y}{\Delta x}.\)(極限存在)
\(2^。\) 瞬時速度
- 質點作變速直線運動,求\(t_0\)時的瞬時速度\(v(t_0).\)
- 設質點作變速直線運動,在\(t\)時刻的位移是\(s=s(t),\,\)在\(t_0\)時刻起一小段時間\(\Delta t\)内的平均速度\(\overline{v}=\frac{s(t_0+\Delta t) - s(t_0)}{\Delta t}\),瞬時速度\(v(t_0)=\lim\limits_{\Delta t\to 0}\overline{v}=\lim\limits_{\Delta t\to0}\frac{s(t_0+\Delta t)-s(t_0)}{\Delta t}=\lim\limits_{\Delta t\to0}\frac{\Delta s}{\Delta t}\)(實際上,由于實體位移的連續必然屬性,極限存在).
\(3^。\)人口增長率問題
-
求某一時刻\(t_0\)時,人口的增長率\(k_{t_0}\)。(設\(t\)時刻某地區人口\(N=N(t)\))。
由前兩個問題的研究我們直接寫出結果:
\(\lim\limits_{\Delta t\to0}\frac{N(t_0+\Delta t)-N(t_0)}{\Delta t}=\lim\limits_{\Delta t\to0}\frac{\Delta N}{\Delta t}\)同樣是由于人口變化的實際,這個函數必然是連續的,進而原式極限存在\(=k_{t_0}.\)
從以上幾個例子中我們應該看到,導數存在鮮明的實際意義,這一點在建立微分方程的時候很關鍵。
1.2. 導數的定義
設\(y=f(x)\)在\(u(x_0, \delta_0)\)内有定義\((\delta_0>0),\)且\(x_0+\Delta x\in u(x_0, \delta_0).\)若:
- \(1^。\)\(\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta x}\)(抽象函數時使用)
- 或\(2^。\lim\limits_{\Delta x\to0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x_0}\)(用于初等函數公式推導,強調增量)
- 或\(3^。\lim\limits_{x\to x_0}\frac{f(x)-f(x_)}{x-x_0}\)(用于研究一點是否可導,變量不是主要因素,強調定點\(x_0\))
存在,則稱函數\(y=f(x)\)在\(x=x_0\)處可導。該點導數值即為這個極限的值,記作\(f'(x_0)\)或\(y'\big|_{x=x_0}\)或\(\frac{dy}{dx}\Big|_{x=x_0}\)或\(\frac{df(x)}{dx}\Big|_{x=x_0}.\)
有方程
\[\lim\limits_{\Delta\to0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}=f'(x_0). \]
有了等式才有推理空間
則稱\(f(x)\)在\(x=x_0\)處可導,\(f'(x_0)\)稱為\(f(x_0)\)在\(x=x_0\)的變化率。否則\(y=f(x)\)在\(x=x_0\)處不可導。
1.3. 導數的意義
- \(1^。\)\(f'(x_0)\)存在,則\(f'(x_0)\)表示曲線\(y=f(x)\)上點\((x_0, y_0)\)處切線斜率,在該點的切線方程為\(y-y_0=f(x_0)(x-x_0),\)同樣地可以寫出法線方程\(y-y_0=-\frac{1}{f'(x_0)}(x-x_0)(f'(x_0)\not= 0)\).
- 另外讨論\(f'(x_0)=0,\)切線\(y=y_0,\)法線\(x=x_0.\)
- 若\(y=f(x)\)在曲線上點\((x_0, y_0)\)處切線存在,推不出\(f(x)\)在\(x=x_0\)處可導。
- \(2^。\)\(s'(t_0)=v(t_0)\)
- \(3^。\)\(N'(t_0)=kt_0\)
1.4. 左右導數
設\(f(x)\)在\([x_0, x_0+\delta_0)(\delta_0>0)\)内有定義\(x_0+\Delta x\in(x_0, x_0+\delta_0).\)
若\(\lim\limits_{\Delta \to0^+}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\to0^+}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}=\lim\limits_{\Delta x\to x_0^+}\frac{f(x)-f(x_0)}{x-x_0}\)存在,則稱函數\(y=f(x)\)在\(x=x_0\)處有右導數。記為\(=f'_+(x_0).\)
同樣可以定義左導數,在這裡不再贅述。
- \(1^。\)定理:\(f(x)\)在\(x=x_0\)處可導\(\Leftrightarrow f(x)\)在\(x_0\)處左右導數存在且相等。
-
\(2^。\)定理(可導的必要條件)
若\(f(x)\)在\(x_0\)處可導,則\(f(x)\)在\(x_0\)處連續。但是反之不成立。
簡證:由\(y=f(x)\)在\(x_0\)處不可導,有\(\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta x}=f'(x_0),\)于是\(\lim\limits_{\Delta x\to0}\left(\frac{\Delta y}{\Delta x}\right)\xlongequal{極限四則運算法則}0.\)
反例:\(|x|=\sqrt{x^2}\)是初等函數,在\(x=0\)處連續但不可導。
-
\(3^。\)(可導必要條件的逆否)
不連續則不可導。(連結jc.ex1.1994.3)
1.5. 導函數
關于可導性的幾個宏
若\(y=f(x)\)在開區間\((a, b)\)内每一點都可導(雙側可導),稱\(f(x)\)在\((a, b)\)内可導。
若\(y=f(x)\)在\((a, b)\)内可導,在\(x=a\)處右可導,\(x=b\)處左可導,則稱\(y=f(x)\)在\([a, b]\)上可導。
1.5.1. 引入
若函數\(y=f(x)\)在區間\(I\)上可導(\(I\)可開可閉可半開),則\(I\)上每一個确定的\(x\)都對應一個極限,這一系列的極限又構成一個函數。
\(\forall x\in I, \lim\limits_{\Delta x\to 0}\frac{f(x+\Delta x)-f(x)}{\Delta x}\)(存在)\(=f'(x)=\frac{\mathrm{d}}{\mathrm{d} x}f(x).\)這個求解導數的法則,也能作為一個函數的對應法則。按照函數定義知\(f'(x)\)是區間\(I\)上\(x\)的函數,稱為\(y=f(x)\)的導函數或簡稱為導數。
1.5.2. 導函數的性質定理
若\(f'(x)\)是區間\(I\)上\(f'(x)\)的導函數,則\(f'(x_0)=f'(x)\Big|_{x=x_0}\)
簡證:由\(f(x)\)在\(I\)上可導,即\(\forall x\in I,\lim\limits_{\Delta x\to0}\frac{f(x+\Delta x)-f(x)}{\Delta x}=f'(x)\).
現取\(x=x_0\in I.\lim\limits_{\Delta x\to0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}=f‘(x)\Big|_{x=x_0}\)左邊是導數定義,右邊是導函數帶代入值。
2. 求導
2.1. 求基本初等函數的導函數
這一系列的求算都是為了求一般的初等函數作準備。
2.1.1. 常值函數
\(y=C,\,x\in\mathbb{R}.\)
\(\lim\limits_{\Delta x\to0}\frac{f(x+\Delta x)-f(x)}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{C-C}{\Delta x}=\lim\limits_{\Delta x\to0}0=0\)
得:
\[\forall x\in\mathbb{R}, (C)'=0. \]
2.1.2. 指數函數
\(y=a^x(a>0, a\not=1,a\)為常數\(),x\in\mathbb{R}.\)
\(\forall x\in\mathbb{R}\)(求解過程中\(x\)是常量)\(\lim\limits_{\Delta x\to0}\frac{a^{x+\Delta x}-a^x}{\Delta x}=a^x\lim\limits_{\Delta x\to0}=a^x\ln a.\)
得:
\[(a^x)'=a^x\ln a. \]
特别地,\((e^x)'=e^x.\)
2.1.3. 對數函數
\(y=\log_ax(a>0, a\not=1, a\)為常數\()\)
\(\forall x\in(0, +\infty),\lim\limits_{\Delta x\to0}\frac{\log_a(x+\Delta x)-\log_ax}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{\log_a(1+\frac{\Delta x}{x})}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{\ln(1+\frac{\Delta x}{x})}{x\frac{\Delta x}{x}\cdot\ln a}=\lim\limits_{\Delta x\to0}\frac{1}{x\ln a}\).
特别地,\((\ln x)'=\frac{1}{x}.\)
2.1.4. 幂函數(\(\ast\))
\(\forall x\in\mathbb{D},(x\not=0)\lim\limits_{\Delta x\to0}\frac{{(x+\Delta x)}^a-x^a}{\Delta x}=x^a\cdot\frac{{(1+\frac{\Delta x}{x})}^a-1}{\frac{\Delta x}{x}\cdot x}=x^a\cdot\frac{a}{x}=a\cdot x^{a-1}.\)
現在另外讨論\(x=0\in\mathbb{D}(\)因為\(0^a\)有意義\()\Rightarrow\lim\limits_{x\to0}\frac{f(x)-f(0)}{x-0}=\lim\limits_{x\to0}\frac{x^a}{x}=\)
\[\lim\limits_{x\to0}x^{a-1}=. \begin{cases} 0&a>1\\ 1&a=1\\ \infty&0<a<1 \end{cases}\]
2.1.5. 正弦餘弦
\(\forall x\in\mathbb{R},\lim\limits_{\Delta x\to0}\frac{\sin(x+\Delta x)-\sin x}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{2\cos(x+\frac{\Delta x}{2})\sin(\frac{\Delta x}{2})}{\Delta x}=\lim\limits_{\Delta x\to0}\cos(x+\frac{\Delta x}{2})=\cos x.\)
同理\((\cos x)=-\sin x, x\in\mathbb{R}\)
2.2. 函數的求導法則
2.2.1. 四則運算法則
線性加減:\((u(x)\pm v(x))'=u'(x)\pm v'(x).\)
萊布尼茨乘除:\((u(x)v(x))'=u'(x)v(x)+u(x)v'(x).\)
\(\left(\frac{u(x)}{v(x)}\right)'=\frac{u'(x)v(x)+u(x)v'(x)}{v^2(x)}\)
進而我們可以求解\((\tan x)'=(\frac{\sin x}{\cos x})'=\frac{\cos^2x+\sin^2x}{\cos^2x}=\frac{1}{\cos^2x}=\sec^2x.(\cot x)'=-\csc^2x(x\not=k\pi, k\in\mathbb{Z}), (\sec x)'=(\frac{1}{\cos x})'=-\frac{-\sin x}{\cos^2x}=\sec x\tan x(k\not=\frac{(2k+1)\pi}{2},k\in\mathbb{Z}).\)同理\((\csc x)'=-\csc x\cot x.\)
2.2.2. 反函數求導法則
分析:若\(y=f(x)\)的反函數\(x=\varphi(y), \varphi'(y)=\frac{\mathrm dx}{\mathrm dy}\not=0\),那麼\(f'(x)\frac{\mathrm dy}{\mathrm dx}=\frac{1}{\varphi'(x)}.\)
\(\varphi'(y)=\lim\limits_{\Delta y\to0}\frac{\Delta x}{\Delta y},\)于是\(\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{1}{\frac{\Delta x}{\Delta y}}\big(\)由\(x=\varphi(y)\)嚴格單調,則\(y=f(x)\)嚴格單調\(,\Delta x\to0,\Delta x\not=0, \Rightarrow x-x_0\not=0\Rightarrow x\not= x_0\Rightarrow f(x)\not=f(x_0)\Rightarrow f(x)-f(x_0)\not=0\Rightarrow[f(x_0+\Delta x)-f(x_0)]\not=0\Rightarrow \color{#00FFFF}\Delta y\not=0.\big)\)
由\(x=\varphi(y)\)可導且連續,知\(x=\varphi(y)\)連續。即有\(\color{#00FFFF}\lim\limits_{\Delta x\to0}\Delta y=0.\)
進而原式可以轉化為\(\lim\limits_{\Delta y\to0}\frac{1}{\frac{\Delta x}{\Delta y}}=\frac{1}{\varphi'(x).}\)
由此我們可以得到一系列反三角函數的導數(略去)。
2.2.3. 複合函數求導法則
\(y=f(u),u=\varphi(x),\)求\(\frac{\mathrm df}{\mathrm dx}=?\)
定理:複合函數求導法則
若\(u=\varphi(x)\)對\(x\)可導,\(y=f(u)\)對\(u\)可導,則複合函數\(y=f[\varphi(x)]\)也可導,且\(\frac{\mathrm dy}{\mathrm dx}=\frac{\mathrm dy}{\mathrm du}\frac{\mathrm du}{\mathrm dx}\),這個運算法則稱為鍊式法則。
- \(\color{#FF0000}{差別}\) \((f[\varphi(x)])'\)和\(f'(\varphi(x)).\)前者是對\(x\)導,後者是對\(u\)導。
證明:由\(f'(u)\)存在,知\(\lim\limits_{\Delta u\to0}\frac{\Delta y}{\Delta u}=f'(u),\lim\limits_{\Delta x\to0}\frac{\Delta u}{\Delta x}=\varphi'(x),\)于是\(\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta u}\cdot\frac{\Delta u}{\Delta x}\xlongequal{u=\varphi(x)可導必連續}\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta u}\cdot\lim\limits_{\Delta x\to0}\frac{\Delta u}{\Delta x}=\lim\limits_{\Delta u\to0}\frac{\Delta y}{\Delta u}\cdot \lim\limits_{\Delta x\to0}\frac{\Delta u}{\Delta x}=f'(u)\cdot \varphi'(x)=[f(\varphi(x))]'.\) ■
- \(\color{#00FFFF}{思考:}\)在某處會不會出現\(\Delta u=0\)導緻分式無意義的情況呢?顯然有可能。是以這個方法emmm留着玩罷
證法二:
由\(f'(u)\)存在,即\(\lim\limits_{\Delta u\to0}\frac{\Delta y}{\Delta u}=f'(u).\)利用無窮大與極限的關系,我們得到這樣的表達式:\(\frac{\Delta y}{\Delta u}=f'(u)+\alpha,\lim\limits_{\Delta u\to0}\alpha=0.\)在這個式子中\(\Delta u\not=0.\)并補充定義\(\alpha =0,\)當\(\Delta u\not=0.\)
于是\(\lim\limits_{\Delta \to0}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\to0}\frac{f'(u)\Delta u+\alpha\Delta u}{\Delta x}=\lim\limits_{\Delta x\to0}[f'(u)\frac{\Delta u}{\Delta x}+\alpha\frac{\Delta u}{\Delta x}]=f'(u)\varphi'(x)+0\cdot\varphi'(x)=f'(u)\varphi'(x).\)進而\(\Delta u\)可以為0,畢竟主推導過程并未出現\(\frac{1}{\Delta u}\)結構。
鍊式法則也可以推廣到多項,并利用數學歸納法證明
同時出于書寫的簡便性原則,我們也可以将其提煉為内層-外層法則。
- 例 求\(\sin(x^2+x)\)的導數。(Thomas.p208.ex4)
-
\(\frac{\mathrm d}{\mathrm dx}\sin(x^2+x)=\cos(\underbrace{x^2+x}_\text{單獨的裡面函數})\cdot(\underbrace{2x+1}_\text{裡面函數的導數})\)
另外幾個有價值的例子:
- \(1^。\)\(y=\ln\sqrt{\frac{e^{2x}}{e^{2x}-1}}+\sqrt{1+\cos^2(\frac{1}{x})+\sin^2(\frac{1}{x})}\).
先化簡再求導
- 原式\(=\frac{1}{2}\cdot 2x\ln e-\frac{1}{2}\ln(e^{2x}-1)+\sqrt2.\)
- 再求導\(=1-\frac{1}{2}\frac{1}{e^{2x}-1}\cdot2e^{2x}=-\frac{1}{e^{2x}}.\)
- \(2^。\)\((\ln|x|)'=\frac{1}{x}.\)
這不僅為我們求解一般的對數絕對值提供了很大的幫助,更是為求積分的一個易錯點作準備。
- \(3^。\)\(\color{#FF0000}{例誤}\)\(y'=(x^{\sin x})'=\sin x\cdot x^{\sin x-1}???\)
- 注意:幂函數求導法則可是常數啊老哥!
- \(4^。\)一點提醒:對分段函數,如果在分界點處左右表達式不同,需要求左右導數。因為
- 很有可能有一側的導數不存在\(?\)
- 想象那個末端的延長趨勢,極大可能不一樣噢。
2.3. 高階導數
2.3.1. 高階導數相關概念
若\(f(x)\)在區間\(I\)上的導函數\(f'(x)\)在\(I\)上可導,即\([f'(x)]'(\)存在\()=f''(x)\),\(y'=y''=\frac{\mathrm dy'}{\mathrm dx}=\frac{\mathrm d}{\mathrm dx}y'=\frac{\mathrm d}{\mathrm dx}\frac{\mathrm dy}{\mathrm dx}\xlongequal{\mathrm {def}}\frac{\mathrm d^2y}{\mathrm dx^2}\)
注意:
- \(dx^2=\mathrm dx\cdot\mathrm dx=(\mathrm dx)^2\not=\mathrm d(x^2)=2x\mathrm dx.\)
- 若函數\(f(x)\)在\(x\)處\(n\)階可導,則在點\(x\)的某鄰域内\(f(x)\)必定有一切低于\(n\)階的導數。
2.3.2. 某些基本函數的n階導數
- 這個标題的隐含意思是說,許多函數的高階導數求不出來/絕大多數函數的很高很高階的導數求不出來。
- 兩個主要方法 利用公式,歸納。
例
- \(1^。\)(函數的更高階不易求)\(y=e^{-x^2}.\)
- \(y'=e^{-x^2}\cdot(-2x)\)
- \(y''=e^{-x^2}(-2x)\cdot(-2x)+e^{-x^2}\cdot(-2)=-2e^{-x^2}(1-2x^2).\)
- \(2^。\)(容易看出規律)\(y=x^a\)
- \(y'=a\cdot x^{a-1}\)
- \(y''=a(a-1)\cdot x^{a-2}.\)
- \(\cdots\cdots\)
- \(y^{(n)}=a(a-1)\cdots(a-n+1)\cdot x^{(a-n)}\)
- (數學歸納法證)
特别地,取\(a=n,\)則\((x^n)^{(n)}=n!.\)
另外,\(\forall n, m\in \mathbb{N}, m>n,(x^n)^{(m)}=0.\)
有趣的問題:\(0^0\)的存在性,可以為了計算友善,記作1;但也可根據構造說明無意義:\(0^0=0^{(1-1)}=\frac{0}{0}?\)
- \(3^。\)\(y=\ln x\)(求一二階導規律不明顯)
- \(y'=\frac{1}{x}\)
- \(y''=-\frac{1}{x^2}\)
- \(y'''=\frac{2}{x^3}\)
- \(\cdots\cdots\)
- \(y^{(n)}=(-1)^{n-1}\cdot(n-1)!\cdot x^{-n}\)
-
我們也可以使用幂函數的解法:
\[\begin{aligned} &y^{(n)}=(x^{-1})^{(n-1)}\\ =&(-1)^{n-1}\cdot(n-1)!\cdot x^{-1-(n-1)}\\ =&(-1)^{n-1}\frac{(n-1)!}{x^n} \end{aligned}\]
-
同理,由于\((1+x)'=1,\)得
\[[(1+x)^a]^{(n)} =a(a-1)(a-2)\cdots(a-n+1)(1+x)^{a-n}; \]
\[[\ln(1+x)]^{(n)} =(-1)^{(n-1)}\frac{(n-1)!}{x^{n}} \]
- \(4^。\)對\(y=\sin x\):
- \(y'=\cos x\)
- \(y''=-\sin x\)
- \(y'''=-\cos x\)
- \(y''''=\sin x\)(經過四次導數變了回來?)
- 如果分類的話,與守株待兔有某種神似,是很低效而滑稽的。
- 尋找轉機:\(\cos x=\sin(x+\frac{\pi}{2})?\)類似地寫下去。
- 猜想并證明:
-
同理有
\[(\cos x)^{(n)}=\cos(x+\frac{k\pi}{2}). \]
2.3.3. 高階導數的運算性質
2.3.3.1. 四則運算性質
若\(u^{(n)},v^{(n)}\)均存在,則:
\[\begin{aligned} (u\pm v)^{(n)}&=u^{(n)}\pm v^{(n)}\\ (Cu)^{(n)}&=C\cdot u^{(n)}\\ (uv)^{(n)}&=\sum_{i=1}^n C^i_n u^{(n-i)}\cdot v^{(i)} \end{aligned}\]
2.3.3.2. Leibniz法則變式
若一個乘式中有一項禁不住導,把其“看成”\(v\),另一項有\(n\)階導數公式,進而使用Leibniz公式求解即可。
- 例\(e^x\cdot x^2?\)
\[\begin{aligned} &(e^x\cdot x^2)^{(n)}\\ =&C_n^0 e^x\cdot x^2+C_n^1 e^x\cdot 2x+C_n^2 e^x\cdot2\\ =&e^x(x^2+2nx+n(n-1)) \end{aligned}\]
2.3.3.3. 變成加和
更多地,我們會發現Leibniz公式在絕大多數情況下,并不好用,簡潔易行的加和公式不失為一個很好的選擇。
- 例
-
\(1^。\)
\(y=\frac{1}{x^2+3x+2}=\frac{1}{(x+2)(x+1)}=\frac{1}{x+1}-\frac{1}{x+2}\)
\(y^{(n)}=[(x+1)^{-1}-(x+2)^{-1}]^{(n)}=(-1)^{n}\cdot n!((1+x)^{-n}-(2+x)^{-n}).\)
- \(2^。\)\(e^x\cos x.\)雖然兩個均有\(n\)階導數公式,但二者均不會導為0.進而考慮多次導找規律。
-
2.4. 方程确定函數的求導
2.4.1. 顯函數與隐函數
定義:設\(F(x, y)=0,D,C\)均為非空實數集,如果\(\forall x_0\in D, F(x_0, y) = 0\)有唯一的解\(y_0,\)即\(F(x_0, y_0) = 0, y_0\in C,\)按照函數的定義,得到了\(D\)上的一個函數,記作\(y=y(x),\)稱為方程\(F(x, y)\)确定的函數,如何求\(y=y(x)\)的導數,如果從\(F(x, y)=0\)中解出\(y\)用\(x\)的表示,則稱\(y=y(x)\)是顯函數。
- 例 \(y^3-c^3 = 1\)确定\(y=y(x),y=\sqrt[3]{1+x^3},x\in\mathbb{R},\)滿足\((\sqrt[3]{1+x^3})^3-x^3\equiv1\)(恒等關系)
如果\(F(x, y)=0\)确定\(y=y(x),\)但是\(y\)不能用\(x\)的具體表達式表示,稱為方程确定的隐函數.
-
例
方程\(y-xe^y=1\)确定的函數\(y=y(x)\)為隐函數,有\(y(x)-xe^{y(x)}\equiv1.x\in D\)
對方程兩邊同時求導
\[y'(x)-e^{y(x)}-xe^{y(x)}\cdot y'(x)=0. \]
整理得:
\[y'(x)=\frac{e^{y(x)}}{1-xe^{y(x)}} \]
若求\(\frac{\mathrm dy}{\mathrm dx}\Big|_{x=0},\)由方程得\(y=1,\)故而\(y'=e.\)
進而求得,在曲線上\((0, 1)\)處切線方程:\(y-1=ex,\)
法線方程:\(y-1=-\frac{1}{e}x.\)
\(y''=\frac{e^yy'(1-xe^y)+e^{2y}(xy'+1)}{(1-xe^y)^2}\)
也可以對方程求導。(對直接求值的問題更加友善)
例 \(y=f(x+y),\)求\(\frac{\mathrm d^2y}{\mathrm dx^2},\)其中\(f\)二階可導。
解:由\(y=y(x),\)方程兩邊對\(x\)求導,\(y'=f'(x+y)\cdot(1+y')\Rightarrow y'=\frac{f'}{1-f'}(1).\)\(y''=\frac{(1+y')f''(1-f')+f'\cdot (1+y')f''}{(1-f')^2},\)再代入\((1)\)式即可 ■
2.4.2. 對數微分法
當項數較少時仍然可以使用\(f(x)=e^{\ln f(x)}\)變形。但項數過多以後,寫在\(e\)頭上的函數式就會顯得臃腫。
- 例
- \(y=x^{\sin x}\)\(\ln y=\sin x\ln x.\)隐函數求導:\(\frac{1}{y}\cdot y'=\cos x\ln x+\frac{\sin x}{x}.\)
-
\(y=\frac{(\ln x)^x}{x^{\ln x}},\)求\(y'\)\(\ln y=x\ln\ln x-(\ln x)^2.\)
隐函數求導:\(\frac{1}{y}\cdot y'=\ln\ln x+x\frac{1}{\ln x}\frac{1}{x}-2\frac{\ln x}{x}\)
- 例二 \(y=\frac{\sqrt[3]{3x+1}\cdot x^2}{\sqrt{2x+1}\cdot\sqrt[3]{1-5x}}\)
- \(\ln y=\frac{1}{3}\ln|3x+1|+2\ln |x|-\frac{1}{2}\ln|2x+1|-\frac{1}{3}\ln|1-5x|\)
- \(\frac{1}{y}\cdot y'=\frac{1}{3}\frac{1}{3x+1}3+2\frac{1}{x}-\frac{1}{2}\frac{1}{2x+1}2-\frac{1}{3}\frac{1}{1-5x}(-5)\)
- \(y'=y\cdot(\frac{1}{3x+1}+\frac{2}{x}-\frac{1}{2x+1}+\frac{5}{3(1-5x)}\)
這個題目中關于根式的對數,最好取絕對值,這樣相當于擴大定義域。在較大的定義域都能成立的話,縮小到小範圍自然能成立。
3. 微分
3.1. 微分的引入
若\(y=f(x)\)在\(x\)處可導,按照定義\(\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta x}=f'(x)\Leftrightarrow\frac{\Delta y}{\Delta x}=f'(x)+\alpha\Leftrightarrow\Delta y = f'(x)\Delta x+\alpha\Delta x.\)其中\(\lim\limits_{\Delta x\to0}\alpha = 0.\)故而\(\lim\limits_{\Delta x\to0}\frac{\alpha\Delta x}{\Delta x}=0.\)知\(\alpha\Delta x=o(\Delta x)(\Delta x\to0),\)進而\(\Delta y=f'(x)\Delta x+o(\Delta x).\)(當\(|\Delta x|\)很小\(|o(\Delta x)|\)更小)\(\therefore\Delta y\approx f'(x)\Delta x\)
3.2. 微分
3.2.1. 線性的主部
設\(y=f(x),\)若\(\Delta y=f(x+\Delta x)-f(x)\)可表示為\(\Delta y=A\Delta x + o(\Delta x)(\Delta x\to0)\)其中\(A\)是與\(\Delta x\)無關的,稱\(y=f(x)\)在\(x\)處可微,其中\(A\Delta x\)稱為\(y=f(x)\)的線性主部/微分,記作\(\mathrm dy.\)即\(\mathrm dy= A\Delta x.\)
線性主部這個概念極好地描述了微積分的線性拟合的思想,也說明了微分作為主要部分的特征。
3.2.2. 可導可微的關系
可微即可導。(一進制函數微分學的歸結原則)
充分性是顯然的,下證必要性。
\(f(x)\)在\(x\)處可微,由定義知\(\Delta y=A\Delta x+o(\Delta x)(\Delta \to0)\)于是\(\lim\limits_{\Delta x\to0}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\to0}[A+\frac{o(\Delta x)}{\Delta x}]=A\big(=f'(x)\big),\)
3.2.3. \(\frac{\mathrm dy}{\mathrm dx}\)的了解
如果\(y=f(x)\)在\(x\)處可微(\(x\)為自變量) \(\mathrm dy=f'(x)\Delta x\)或\(\mathrm df(x)=f'(x)\Delta x\)
由\(y=x\)在\(x\)處可導\(\Leftrightarrow\)在\(x\)處可微。
得\(\mathrm dx=\Delta x:\)自變量的增量=自變量的微分。
于是原式可以化成\(\mathrm dy=f'(x)\mathrm dx\)即\(\frac{\mathrm dy}{\mathrm dx}=f'(x).\)自此我們證明了原來導數記号的除式的本質。導數也可以稱為微商。
3.2.4. 基本初等函數的微分公式
\(\mathrm dy=f'(x)\mathrm dx\)
3.3. 求微分
3.3.1. 常見微分公式
(見上一節)
3.3.2. 微分的四則運算法則
若\(u(x), v(x)\)均可微,則\(\mathrm d(u\pm v)=\mathrm du \pm \mathrm dv\)
\(\mathrm d(C\cdot u)=C\mathrm du\).
\(\mathrm d(uv)=v\mathrm du + u\mathrm du.\)
\(\mathrm d(\frac{u}{v})=\frac{v\mathrm du-u\mathrm dv}{v^2}(v\not=0)\)
3.3.3. 微分的一階形式不變性
- 這個性質與複合函數求導法則是對應的。同時,這樣的結構性的性質由于抽象程度相應更高,進而還能逆用作為不定積分的理論基礎。
- 大緻的了解就是在考察一個函數的微分的時候,我們可以将某一個變量塊(中間變量)看作一個整體,作為自變量,将求複雜微分變成複合函數微分,利用Thomas中齒輪的了解,複合函數的微分就是隻着眼于最後一個齒輪傳動點。亦是外層-裡層法則的思想的展現。
若\(y=f(x)\)可微,且\(x\)為自變量,則\(\mathrm dy = f'(x)\mathrm dx.\)
若\(y=f(x)\)可微,\(x=\varphi(t)\)可微,\(t\)為自變量,于是\(\mathrm dy=[f(\varphi(t))]'\mathrm dt.\Rightarrow\mathrm d(f(\varphi(t)))=f'(\varphi(t))\varphi'(t)\mathrm dt\)=\(f'(\varphi(t))\mathrm d\varphi(t)\xlongequal{x=\varphi(t)}\Rightarrow\mathrm df(x)=f'(x)\mathrm dx.\)知\(x\)為中間變量時,這個形式仍然成立。亦即\(y=f(x)\)可微,不論\(x\)時自變量還是中間變量。都有\(\mathrm df(x)=f'(x)\mathrm dx.\)
這個性質稱為微分的一階形式不變性
- 若\(y=f(u),\)如果\(\mathrm dy=g(u)\mathrm du = \mathrm df(u)=f'(u)\mathrm du.\)則\(f'(u)=g(u),\frac{\mathrm dy}{\mathrm du}=g(u)\)(微商性質的展現)
運用時,類似裡層-外層的法則。不再贅述
3.3.4. 微分的分析了解
\(\Delta x\to0, \Delta y\sim \mathrm dy.\)稱\(\mathrm dy\)是\(\Delta y\)的最佳近似,即\(\Delta y=f(x_0 + \Delta x)-f(x_0)\approx f'(x_0)\Delta x.\Rightarrow f(x_0+\Delta x)\approx f(x_0)+f'(x_0)\Delta x\).
若\(y=f(x)\)在\(x\)處可微,\(\Delta y=A\Delta x+o(\Delta x)=f'(x)\mathrm dx + o(\Delta x),\)當\(|\Delta x|\)很小,有\(\Delta y = \mathrm dy.\)若\(f'(x)\not=0,\lim\limits_{\Delta x\to0}\frac{\Delta y}{\mathrm dy}=\frac{f'(x)\Delta x+o(\Delta x)}{f'(x)\Delta x}=\lim\limits_{\Delta x\to0}[1+\frac{1}{f'(x)}\cdot\frac{i(\Delta x)}{\Delta x}]=1.\)這說明當\(|x|\)很小的時候,\(f(x)=f(0+x)\approx f(0)+f'(0)x\)
這樣的近似的正确性我們也可以通過其他方式驗證。
例如求\(f(x)=(1+x)^a\)的近似值時的\((1+x)^a\approx1+ax,\)經由\(\lim\limits_{x\to0}\frac{(1+x)^a-1}{x}=a\)可驗證。
3.4. 微分性質綜合應用舉例——參方求導
除了隐函數之外,綜合型求導隻能靠參方,極坐标也可以認為在參數方程之下。
若
\[\begin{cases} x=\varphi(t),&\\ y=\psi(t)& \end{cases}\]
确定\(y=y(x),\)求\(\frac{\mathrm dy}{\mathrm dx}.\)
分析
\[\frac{\mathrm dy}{\mathrm dx}\left(=\frac{\frac{\mathrm dy}{\mathrm dt}}{\frac{\mathrm dx}{\mathrm dt}}\right)\left(=\frac{\mathrm d\psi(t)}{\mathrm d\varphi(t)}=\frac{\psi'(t)\mathrm dt}{\varphi'(t)\mathrm dt}\right)=\frac{\psi'(t)}{\varphi'(t)} \]
總結:若\(\varphi'(t),\psi'(t)\)存在且\(\varphi'(t)\not=0,\)則\(\frac{\mathrm dy}{\mathrm dx}=\frac{\psi'(t)}{\varphi'(t)}\)
也可以了解成一階微分形式不變性+反函數微分法則的綜合。
例
- \(1^。\)
\[\begin{cases} x&=f'(t)\\ y&=f(t)-tf'(t). \end{cases}\]
\(f'''(t)\)存在,\(f''(t)\not=0,\)求\(\frac{\mathrm{d}^3y}{\mathrm dx^3}\).
解:\(\frac{\mathrm dy}{\mathrm dx}=-t.\)
\(\frac{\mathrm d^2x}{\mathrm d^2x}=\frac{(-t)'}{f''(t)}.\)
\(\frac{\mathrm d^3y}{\mathrm dx^3}=\frac{\frac{f'''(t)}{(f''(t))^2}}{f''(t)}=\frac{f'''(t)}{[f''(t)]^3}\)
- \(2^。\)
\[\begin{cases} x&=\ln(1+t^2)\\ y&=t-\arctan t \end{cases}\]
則:
\[\frac{\mathrm dy}{\mathrm dx}=\frac{1-\frac{1}{1+t^2}}{\frac{2t}{1+t^2}}=\frac{t}{2} \]
\[\frac{\mathrm d^2y}{\mathrm dx^2}=\frac{\frac{1}{2}}{\frac{2t}{1+t^2}}=\frac{1+t^2}{4t}. \]