导数

导数的定义: y=f(x)y=f(x)x0x_0 的邻域内有定义,则

f(x)=limΔx0ΔyΔx=limΔx0f(x0+Δx)f(x0)Δxf'(x)=\lim_{\Delta x\rightarrow 0}\frac{\Delta y}{\Delta x}=\lim_{\Delta x\rightarrow 0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}

limΔx0f(x0+Δx)f(x0)Δx\lim\limits_{\Delta x\rightarrow 0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x} 不存在,则导数不存在。

ε=ΔyΔxf(x0)\varepsilon=\frac{\Delta y}{\Delta x}-f'(x_0)
由于 limΔx0(ΔyΔxf(x0))=0\lim\limits_{\Delta x\rightarrow 0}(\frac{\Delta y}{\Delta x}-f'(x_0))=0 ,所以 ε\varepsilonx0x\rightarrow 0 时是无穷小量;
又因为 limΔx0εΔxΔx=0\lim\limits_{\Delta x\rightarrow 0}\frac{\varepsilon\Delta x}{\Delta x}=0 ,所以有 Δx\Delta x 的高阶无穷小 o(Δx)=εΔxo(\Delta x)=\varepsilon\Delta x ,满足下式:

Δy=f(x0)Δx+o(Δx)\Delta y=f'(x_0)\Delta x+o(\Delta x)

这个式子就被称为有限增量公式

可导是连续的充分不必要条件,可导必然连续,连续不一定可导。

f(x)Cn[a,b]f(x)\in C^n[a,b] 表示 f(x)f(x)[a,b][a,b]nn 阶连续可导。

左导数和右导数:

f(x)f(x)[x0,x0+δ)[x_0,x_0+\delta) 上有定义,左导数为 f(x0)=limΔx0ΔyΔx=limΔx0f(x0+Δx)f(x0)Δxf'_-(x_0)=\lim\limits_{\Delta x\rightarrow 0^-}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\rightarrow 0^-}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}

f(x)f(x)[x0,x0+δ)[x_0,x_0+\delta) 上有定义,右导数为 f+(x0)=limΔx0+ΔyΔx=limΔx0+f(x0+Δx)f(x0)Δxf'_+(x_0)=\lim\limits_{\Delta x\rightarrow 0^+}\frac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\rightarrow 0^+}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}

x0处左右导数存在且相等    f(x0)存在在 x_0 处左右导数存在且相等 \iff f'(x_0) 存在

导数的莱布尼茨表示法:

f(x0)=yx=x0=dydxx=x0f'(x_0)=y'|_{x=x_0}=\frac{\mathrm{d}y}{\mathrm{d}x}\bigg|_{x=x_0}

f(n)(x)=dnydxnf^{(n)}(x)=\frac{\mathrm{d}^ny}{\mathrm{d}x^n}

d\mathrm{d} 称为微分算子(differential operator)

导数的几何含义:

函数上一点的切线: yy0=f(x0)(xx0)y-y_0=f'(x_0)(x-x_0)

函数上一点的法线: yy0=1f(x0)(xx0)y-y_0=-\frac{1}{f'(x_0)}(x-x_0)

基本求导法则

四则运算:

  1. (u±v)=u±v(u\pm v)'=u'\pm v'
  2. (ku)=ku(ku)'=ku'
  3. (uv)=uv+uv(uv)'=u'v+uv'
    (uvw)=uvw+uvw+uvw(uvw)'=u'vw+uv'w+uvw'
    (uv)=uvvuv2(\frac{u}{v})'=\frac{u'v-v'u}{v^2}

初等函数求导:

  1. (k)=0(k)'=0
  2. (xα)=αxα1(x^\alpha)'=\alpha x^{\alpha-1}
    (x)=121x(\sqrt{x})'=\frac{1}{2}\frac{1}{\sqrt{x}}
    (1x)=1x2(\frac{1}{x})'=-\frac{1}{x^2}
  3. (sinx)=cosx(\sin x)'=\cos x
    (cosx)=sinx(\cos x)'=-\sin x
    (tanx)=sec2x(\tan x)'=\sec^2x
    (cotx)=csc2x(\cot x)'=-\csc^2x
    (secx)=secxtanx(\sec x)'=\sec x\tan x
    (cscx)=cscxcotx(\csc x)'=-\csc x\cot x
  4. (arcsinx)=11x2(\arcsin x)'=\frac{1}{\sqrt{1-x^2}}
    (arccosx)=11x2(\arccos x)'=-\frac{1}{\sqrt{1-x^2}}
    (arctanx)=11+x2(\arctan x)'=\frac{1}{1+x^2}
    (arccotx)=11+x2(\mathrm{arccot}x)'=-\frac{1}{1+x^2}
  5. (ex)=ex(e^x)'=e^x
    (ax)=axlna(a^x)'=a^x\ln a
  6. (lnx)=1x(\ln|x|)'=\frac{1}{x}
    (logax)=1xlna(\log_a|x|)'=\frac{1}{x\ln a}

高阶导数 莱布尼茨公式(Leibniz formula):

(uv)(n)=k=0nCnku(nk)v(k)(uv)^{(n)}=\sum_{k=0}^nC_n^ku^{(n-k)}v^{(k)}

其中, Cnk=n!k!(nk)!C_n^k=\frac{n!}{k!(n-k)!} 为组合数, u(0)=uu^{(0)}=uv(0)=vv^{(0)}=v

反函数求导

f(x)f(x) 的反函数为 φ(x)\varphi(x) ,则对反函数求导的公式为:

f(x)=1φ(y)f'(x)=\frac{1}{\varphi'(y)}

证明:

原函数 f(x)=limΔx0ΔyΔxf'(x)=\lim\limits_{\Delta x\rightarrow 0}\frac{\Delta y}{\Delta x} ,导函数 φ(x)=limΔx0ΔxΔy\varphi'(x)=\lim\limits_{\Delta x\rightarrow 0}\frac{\Delta x}{\Delta y} ,则有

limΔx0ΔyΔx=limΔx01ΔxΔy\lim_{\Delta x\rightarrow 0}\frac{\Delta y}{\Delta x}=\lim_{\Delta x\rightarrow 0}\frac{1}{\frac{\Delta x}{\Delta y}}

又因为 φ(y)\varphi(y) 单调,所以 φ(y0)0\varphi'(y_0)\neq 0

Δy0\Delta y\rightarrow 0Δx0\Delta x\rightarrow 0

常用反函数求导:

  1. (ax)=1(logay)=ylna=axlna(a^x)'=\frac{1}{(\log_ay)'}=y\ln a=a^x\ln a
  2. (arcsinx)=1(siny)=1cosy=11sin2y=11x2(\arcsin x)'=\frac{1}{(\sin y)'}=\frac{1}{\cos y}=\frac{1}{\sqrt{1-\sin^2y}}=\frac{1}{\sqrt{1-x^2}}
    (arccosx)=11x2(\arccos x)'=-\frac{1}{\sqrt{1-x^2}}
  3. (arctanx)=1(tanx)=1sec2y=11+tan2y=11+x2(\arctan x)'=\frac{1}{(\tan x)'}=\frac{1}{\sec^2y}=\frac{1}{1+\tan^2y}=\frac{1}{1+x^2}
    (arccotx)=11+x2(\mathrm{arccot}x)'=-\frac{1}{1+x^2}

复合函数求导

复合函数求导使用链式法则(Chain rule),先对外层函数求导,再乘上对内层函数求导的结果:

(f(φ(x)))=f(φ(x))φ(x)(f(\varphi(x)))'=f'(\varphi(x))\varphi'(x)

链式法则的莱布尼茨表示法:

dydx=dydududvdtdx\frac{\mathrm{d}y}{\mathrm{d}x}=\frac{\mathrm{d}y}{\mathrm{d}u}\cdot\frac{\mathrm{d}u}{\mathrm{d}v}\cdots\frac{\mathrm{d}t}{\mathrm{d}x}

隐函数求导

  1. 对方程两边关于 xx 求导,得到一个关于 yy' 的方程。
  2. 在求导后的方程中求解 yy' 既可。

ddx(F(x,y(x)))=0\frac{\mathrm{d}}{\mathrm{d}x}(F(x,y(x)))=0

对数求导法: (常使用在多个函数连乘或连除)

y=uvlny=vlnu1yy=vlnu+uvuy=uvlnuv+vuv1u\begin{aligned}y=&u^v\\ \ln y=&v\ln u\\ \frac{1}{y}y'=&v'\ln u+\frac{u'v}{u}\\ y'=&u^v\ln u\cdot v'+vu^{v-1}\cdot u'\end{aligned}

参变量函数求导

y=f(x){x=φ(t)y=ψ(t)y=f(x)\qquad\left\{\begin{aligned}&x=\varphi(t)\\&y=\psi(t)\end{aligned}\right.

limΔx0ΔyΔx=limΔt0ψ(t0+Δt)ψ(t0)φ(t0+Δt)φ(t0)=limΔt0ψ(t0+Δt)ψ(t0)Δtφ(t0+Δt)φ(t0)Δt=ψ(t0)φ(t0)\lim_{\Delta x\rightarrow 0}\frac{\Delta y}{\Delta x}=\lim_{\Delta t\rightarrow 0}\frac{\psi(t_0+\Delta t)-\psi(t_0)}{\varphi(t_0+\Delta t)-\varphi(t_0)}=\lim_{\Delta t\rightarrow 0}\frac{\frac{\psi(t_0+\Delta t)-\psi(t_0)}{\Delta t}}{\frac{\varphi(t_0+\Delta t)-\varphi(t_0)}{\Delta t}}=\frac{\psi'(t_0)}{\varphi'(t_0)}

莱布尼茨表示法:

dydx=dydtdxdt\frac{\mathrm{d}y}{\mathrm{d}x}=\frac{\frac{\mathrm{d}y}{\mathrm{d}t}}{\frac{\mathrm{d}x}{\mathrm{d}t}}

高阶导数:

ddx(dydx)=d(dydt)/dtdxdt\frac{\mathrm{d}}{\mathrm{d}x}(\frac{\mathrm{d}y}{\mathrm{d}x})=\frac{\mathrm{d}(\frac{\mathrm{d}y}{\mathrm{d}t})/\mathrm{d}t}{\frac{\mathrm{d}x}{\mathrm{d}t}}

微分

微分(differential) 表示函数在一段极小区间 Δx (Δx0)\Delta x\ (\Delta x\rightarrow 0) 时的增加量,此时 Δx\Delta x 可以记为 dx\mathrm{d}x ,微分的定义为:

dy=f(x)dx\mathrm{d}y=f'(x)\mathrm{d}x

所以由有限增量公式可知, Δy\Delta ydy\mathrm{d}y 之间的关系是: Δy=dy+o(Δx)\Delta y=\mathrm{d}y+o(\Delta x)

函数可微与函数可导等价,且求微分与求导的法则大致等价:

  1. d(u±v)=du±dv\mathrm{d}(u\pm v)=\mathrm{d}u\pm\mathrm{d}v
  2. d(ku)=kdu\mathrm{d}(ku)=k\mathrm{d}u
  3. d(uv)=vdu+udv\mathrm{d}(uv)=v\mathrm{d}u+u\mathrm{d}v
  4. d(uv)=vduudvv2\mathrm{d}(\frac{u}{v})=\frac{v\mathrm{d}u-u\mathrm{d}v}{v^2}
  5. d((fg)(x))=f(u)g(x)dx=f(u)du\mathrm{d}((f\circ g)(x))=f'(u)g'(x)\mathrm{d}x=f'(u)\mathrm{d}u (一阶微分的形式不变性)

高阶微分:

dny=f(n)(x)dxn\mathrm{d}^ny=f^{(n)}(x)\mathrm{d}x^n

容易出错的概念: dx2=(dx)2d2x=0d(x2)=2xdx\mathrm{d}x^2=(\mathrm{d}x)^2\qquad\mathrm{d}^2x=0\qquad\mathrm{d}(x^2)=2x\mathrm{d}x

复合函数二阶微分:

d2y=(f(φ(t)))dt2=(f(φ(t))φ(t))dt2=(f(φ(t))φ(t)φ(t)+f(φ(t))φ(t))dt2=f(x)dx2+f(x)d2x\begin{aligned}\mathrm{d}^2y=(f(\varphi(t)))''\mathrm{d}t^2=&(f'(\varphi(t))\varphi'(t))'\mathrm{d}t^2\\ =&(f''(\varphi(t))\varphi'(t)\varphi'(t)+f'(\varphi(t))\varphi''(t))\mathrm{d}t^2\\ =&f''(x)\mathrm{d}x^2+f'(x)\mathrm{d}^2x\end{aligned}

利用微分进行近似计算:

f(x0+Δx)f(x0)=f(x0)Δx+o(Δx)f(x0)Δxf(x_0+\Delta x)-f(x_0)=f'(x_0)\Delta x+o(\Delta x)\approx f'(x_0)\Delta x

可得近似计算式: f(x0+Δx)f(x0)+f(x0)Δxf(x_0+\Delta x)\approx f(x_0)+f'(x_0)\Delta x

误差估计:

测量误差限 Δx=xx0δx|\Delta x|=|x-x_0|\leq \delta_x

Δy=f(x)f(x0)f(x0)Δxf(x0)δx|\Delta y|=|f(x)-f(x_0)|\approx |f'(x_0)\Delta x|\leq|f'(x_0)|\delta_x

绝对误差限 δy=f(x0)δx\delta_y=|f'(x_0)|\delta_x

相对误差限 δyy0=f(x0)f(x0)δx\frac{\delta_y}{|y_0|}=|\frac{f'(x_0)}{f(x_0)}|\delta_x

微分中值定理

费马引理(Fermat’s theorem):

费马引理揭示了函数的导数与极值点的关系,是微分中值定理重要的理论基础:

f(x)f(x)ξ\xi 处极大,所以不论 Δx\Delta x 是正负,总有 f(ξ+Δx)f(xi)0f(\xi+\Delta x)-f(xi)\leq 0

Δx>0\Delta x>0 ,则 f(ξ+Δx)f(ξ)Δx0\frac{f(\xi+\Delta x)-f(\xi)}{\Delta x}\leq 0 ,故由极限的保号性可以得:

f+(ξ)=limΔx0+f(ξ+Δx)f(ξ)Δx0f'_+(\xi)=\lim_{\Delta x\rightarrow 0^+}\frac{f(\xi+\Delta x)-f(\xi)}{\Delta x}\leq 0

Δx<0\Delta x<0 ,则 f(ξ+Δx)f(ξ)Δx0\frac{f(\xi+\Delta x)-f(\xi)}{\Delta x}\geq 0 ,同理可得:

f(ξ)=limΔx0+f(ξ+Δx)f(ξ)Δx0f'_-(\xi)=\lim_{\Delta x\rightarrow 0^+}\frac{f(\xi+\Delta x)-f(\xi)}{\Delta x}\geq 0

f(ξ)f'(\xi) 存在时,左导数等于右导数,所以 f+(ξ)=f(ξ)=0f'_+(\xi)=f'_-(\xi)=0 ,则必有 f(ξ)=0f'(\xi)=0

罗尔定理(Rolle’s theorem)

ff 满足以下条件:

  1. ff[a,b][a,b] 上连续
  2. ff(a,b)(a,b) 上可导
  3. f(a)=f(b)f(a)=f(b)

则必然 ξ(a,b)\exists\xi\in(a,b) ,使得 f(ξ)=0f'(\xi)=0

证明:

令函数在 (a,b)(a,b) 上最大值为 MM ,最小值为 mm ,则

  1. M=mM=m ,则 f(x)f(x)[a,b][a,b] 上必为常数,结论成立。
  2. M>NM>N ,则由于 f(a)=f(b)f(a)=f(b)MMmm 必然有一个在 (a,b)(a,b) 某点 ξ\xi 处取得,即 ξ\xi 是极值点,又因为 f(x)f(x) 在该点可导,由费马引理可以推得 f(ξ)=0f'(\xi)=0

拉格朗日中值定理(Lagrange mean value theorem)

ff 满足以下条件:

  1. ff[a,b][a,b] 上连续
  2. ff(a,b)(a,b) 上可导

则必然 ξ(a,b)\exists\xi\in(a,b) ,使得

f(ξ)=f(b)f(a)baf'(\xi)=\frac{f(b)-f(a)}{b-a}

证明:

构造函数 g(x)=(f(a)f(b))xf(x)(ab)g(x)=(f(a)-f(b))x-f(x)(a-b)

g(x)=f(a)f(b)f(x)(ab)g(a)=g(b)=bf(a)af(b)g'(x)=f(a)-f(b)-f'(x)(a-b)\\ g(a)=g(b)=bf(a)-af(b)

因此,由罗尔定理得, ξ(a,b)\exists\xi\in(a,b)

f(a)f(b)f(ξ)(ab)=0f(a)-f(b)-f'(\xi)(a-b)=0

f(ξ)=f(b)f(a)baf'(\xi)=\frac{f(b)-f(a)}{b-a}

导数极限定理:

ffU(x0)U(x_0) 连续,且在 U˚(x0)\mathring U(x_0) 可导,若 limxx0f(x)\lim\limits_{x\rightarrow x_0}f'(x) 存在,则 ffx0x_0 处可导,且 f(x0)=limxx0f(x)f'(x_0)=\lim\limits_{x\rightarrow x_0}f'(x)

证明:

xU˚+(x0)x\in\mathring U_+(x_0) 时, ξ(x0,x)\exists\xi\in(x_0,x) ,使 f(ξ)=f(x)f(x0)xx0f'(\xi)=\frac{f(x)-f(x_0)}{x-x_0} ,对两边同时取极限,可以得到:

limξx0+f(ξ)=limxx0+f(x)f(x0)xx0\lim_{\xi\rightarrow x_0^+}f'(\xi)=\lim_{x\rightarrow x_0^+}\frac{f(x)-f(x_0)}{x-x_0}

等式右侧即 f(x)f(x)x0x_0 处的右导数,因此上式可以写成:

f+(x0)=limxx0+f(x)f'_+(x_0)=\lim_{x\rightarrow x_0^+}f'(x)

同理,当 xU˚(x0)x\in\mathring U_-(x_0) 时,可得:

f(x0)=limxx0f(x)f'_-(x_0)=\lim_{x\rightarrow x_0^-}f'(x)

因为 ffU(x0)U(x_0) 连续,所以 limxx0+f(x)=limxx0f(x)\lim\limits_{x\rightarrow x_0^+}f'(x)=\lim\limits_{x\rightarrow x_0^-}f'(x)

综上所述, f(x0)=limxx0f(x)f'(x_0)=\lim\limits_{x\rightarrow x_0}f'(x)

达布定理(Darboux’s theorem)

达布定理又称导数介值定理:若 ff[a,b][a,b] 上可导,且 f+(a)f(b)f'_+(a)\neq f'_-(b)kk 介于 f+(a),f(b)f'_+(a),f'_-(b) 之间,则 ξ(a,b)\exists\xi\in(a,b) ,使 f(ξ)=kf'(\xi)=k

证明:

F(x)=f(x)kxF(x)=f(x)-kxF(x)F(x)[a,b][a,b] 上可导,有

F+(a)F(b)=(f+(a)k)(f(b)k)<0F'_+(a)\cdot F'_-(b)=(f'_+(a)-k)(f'_-(b)-k)<0

所以 F+(a)F'_+(a)F(b)F'_-(b) 异号

F+(a)>0F'_+(a)>0F(b)<0F'_-(b)<0
则有 x1U˚+(a)x_1\in\mathring U_+(a)x2U˚(b)x_2\in\mathring U_-(b) ,并且 F(x1)>F(a)F(x_1)>F(a)F(x2)>bF(x_2)>b

所以必然有 ξ(a,b)\xi\in(a,b) ,使 FFξ\xi 处取最大值,此时 F(ξ)=0F'(\xi)=0f(ξ)=kf'(\xi)=k

推论:

f(x)f(x)II 上满足 f(x)0f'(x)\neq 0 ,则在 IIf(x)f(x) 严格单调。

  1. f(x)>0f'(x)>0 ,函数严增。
  2. f(x)<0f'(x)<0 ,函数严减。
  3. f(a)f'(a)f(b)f'(b) 异号,则 ξ(a,b)\exists\xi\in(a,b) ,使 f(ξ)=0f'(\xi)=0 ,与 f(x)0f'(x)\neq 0 矛盾,该情况不存在。

柯西中值定理(Cauchy mean value theorem)

f,gf,g 满足以下条件:

  1. [a,b][a,b] 上连续
  2. (a,b)(a,b) 上可导
  3. f(x)f'(x)g(x)g'(x) 不同时为0
  4. g(a)g(b)g(a)\neq g(b)

则必然 ξ(a,b)\exists\xi\in(a,b) ,使得

f(ξ)g(ξ)=f(b)f(a)g(b)g(a)\frac{f'(\xi)}{g'(\xi)}=\frac{f(b)-f(a)}{g(b)-g(a)}

证明:

和证明拉格朗日中值定理类似,构造函数 F(x)=f(x)f(a)f(b)f(a)g(b)g(a)(g(x)g(a))F(x)=f(x)-f(a)-\frac{f(b)-f(a)}{g(b)-g(a)}(g(x)-g(a))

F(x)=f(x)f(b)f(a)g(b)g(a)g(x)F'(x)=f'(x)-\frac{f(b)-f(a)}{g(b)-g(a)}g'(x)

F(a)=F(b)=0F(a)=F(b)=0

因此,由罗尔定理得, ξ(a,b)\exists\xi\in(a,b)

f(ξ)f(b)f(a)g(b)g(a)g(ξ)=0f'(\xi)-\frac{f(b)-f(a)}{g(b)-g(a)}g'(\xi)=0

假设 g(ξ)=0g'(\xi)=0 ,则 f(ξ)=0f'(\xi)=0 ,与条件 f(x)f'(x)g(x)g'(x) 不同时为0矛盾,则 g(ξ)0g'(\xi)\neq 0 ,所以原式可以移项得到:

f(ξ)g(ξ)=f(b)f(a)g(b)g(a)\frac{f'(\xi)}{g'(\xi)}=\frac{f(b)-f(a)}{g(b)-g(a)}

柯西中值定理的几何意义:

有如下曲线方程

{x=g(t)y=f(t)\left\{\begin{aligned}x=g(t)\\y=f(t)\end{aligned}\right.

该曲线方程两端点构成的弦与曲线上一点的切线斜率相等。

洛必达法则

洛必达法则(L’Hôpital’s rule)常用于未定式求极限,所谓未定式,是指两个函数的极限都趋于0或无穷,求它们相除的极限,即 00\frac{0}{0}\frac{\infty}{\infty}

f,gf,g 满足以下条件:

  1. limxx0f(x)=limxx0g(x)=0\lim\limits_{x\rightarrow x_0}f(x)=\lim\limits_{x\rightarrow x_0}g(x)=0limxx0g(x)=\lim\limits_{x\rightarrow x_0}g(x)=\infty
  2. U˚(x0)\mathring U(x_0)f,gf,g 可导,且 g(x)0g'(x)\neq 0
  3. limxx0f(x)g(x)=A\lim\limits_{x\rightarrow x_0}\frac{f'(x)}{g'(x)}=AAA 是实数或 \infty

limxx0f(x)g(x)=limxx0f(x)g(x)=A\lim_{x\rightarrow x_0}\frac{f(x)}{g(x)}=\lim_{x\rightarrow x_0}\frac{f'(x)}{g'(x)}=A

00\frac{0}{0} 型证明:

补充定义 f(x0)=g(x0)=0f(x_0)=g(x_0)=0 ,保证 f,gf,g[x0,x][x0,x0+δ)[x_0,x]\subset[x_0,x_0+\delta) 上的连续性。应用柯西中值定理,得到:

f(ξ)g(ξ)=f(x)f(x0)g(x)g(x0)\frac{f'(\xi)}{g'(\xi)}=\frac{f(x)-f(x_0)}{g(x)-g(x_0)}

两边求极限得:

limxx0+f(ξ)g(ξ)=limxx0+f(x)f(x0)g(x)g(x0)\lim_{x\rightarrow x_0^+}\frac{f'(\xi)}{g'(\xi)}=\lim_{x\rightarrow x_0^+}\frac{f(x)-f(x_0)}{g(x)-g(x_0)}

因为, x0<ξ<xx_0<\xi<x ,所以当 xx0x\rightarrow x_0 时, ξx0\xi\rightarrow x_0 ,即

limxx0+f(x)g(x)=limxx0+f(x)g(x)=A\lim_{x\rightarrow x_0^+}\frac{f(x)}{g(x)}=\lim_{x\rightarrow x_0^+}\frac{f'(x)}{g'(x)}=A

\frac{*}{\infty} 型证明:

由于无法在 x0x_0 处补充定义,所以取子区间 [x,a](x0,x0+δ)[x,a]\subset(x_0,x_0+\delta)ξ[x,a]\xi\in[x,a] ,应用柯西中值定理,得到:

f(ξ)g(ξ)=f(x)f(a)g(x)g(a)\frac{f'(\xi)}{g'(\xi)}=\frac{f(x)-f(a)}{g(x)-g(a)}

Aδ<f(x)f(a)g(x)g(a)<A+δA-\delta<\frac{f(x)-f(a)}{g(x)-g(a)}<A+\delta

将等号右侧上下同除 g(x)g(x) ,可以得到:

Aδ<f(x)g(x)f(a)g(x)1g(a)g(x)<A+δA-\delta<\frac{\frac{f(x)}{g(x)}-\frac{f(a)}{g(x)}}{1-\frac{g(a)}{g(x)}}<A+\delta

对该式求上下极限,得到:

Alimxx0+f(x)g(x)limxx0+f(x)g(x)AA\leq\varliminf_{x\rightarrow x_0^+}\frac{f(x)}{g(x)}\leq\varlimsup_{x\rightarrow x_0^+}\frac{f(x)}{g(x)}\leq A

因此, f(x)g(x)\frac{f(x)}{g(x)} 的极限存在,并且

limxx0+f(x)g(x)=limxx0+f(x)g(x)=A\lim_{x\rightarrow x_0^+}\frac{f(x)}{g(x)}=\lim_{x\rightarrow x_0^+}\frac{f'(x)}{g'(x)}=A

其它未定式类型:

四则型未定式:

  1. =1010=0000=00\infty-\infty=\frac{1}{0}-\frac{1}{0}=\frac{0-0}{0\cdot 0}=\frac{0}{0}
  2. 0=010=000\cdot\infty=0\cdot\frac{1}{0}=\frac{0}{0}

指数型未定式:

  1. 00=eln00=e0ln0=e00^0=e^{\ln 0^0}=e^{0\cdot\ln 0}=e^{0\cdot\infty}
  2. 1=eln1=eln1=e01^\infty=e^{\ln 1^\infty}=e^{\infty\cdot\ln 1}=e^{\infty\cdot 0}
  3. 0=eln0=e0ln=e0\infty^0=e^{\ln\infty^0}=e^{0\cdot\ln\infty}=e^{0\cdot\infty}

泰勒公式

f(x)f(x)x=x0x=x_0 处可导,由有限增量公式可以得到:

f(x)=f(x0)+f(x0)(xx0)+o(xx0)f(x)=f(x_0)+f'(x_0)(x-x_0)+o(x-x_0)

xx0|x-x_0| 充分小时, f(x)f(x) 可以用一次多项式 f(x0)+f(x0)(xx0)f(x_0)+f'(x_0)(x-x_0) 来近似代替。

为了降低误差至 o((xx0)n)o((x-x_0)^n) 的程度,我们需要用更高阶的多项式来逼近 ff ,其中 o((xx0)n)o((x-x_0)^n) 被称作皮亚诺型余项(Peano remainder),这种逼近的方法就被称为泰勒展开公式(Taylor’s formula)

f(x)=f(x0)+f(x0)1!(xx0)++f(n)(x0)n!(xx0)n+o((xx0)n)f(x)=f(x_0)+\frac{f'(x_0)}{1!}(x-x_0)+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n+o((x-x_0)^n)

证明:

假设当 f(x)f(x) 在点 x0x_0nn 阶导数时,存在一个 nn 次多项式 Pn(x)P_n(x) ,使得 f(x)Pn(x)=o((xx0)n)f(x)-P_n(x)=o((x-x_0)^n) ,此时 limxx0f(x)Pn(x)(xx0)n=0\lim_{x\rightarrow x_0}\frac{f(x)-P_n(x)}{(x-x_0)^n}=0

Pn(x)=a0+a1(xx0)++an(xx0)nP_n(x)=a_0+a_1(x-x_0)+\cdots +a_n(x-x_0)^n

Pn(x0)=a0,Pn(x0)=a1,Pn(x0)=2!a2,,Pn(n)(x0)=n!anP_n(x_0)=a_0,P_n'(x_0)=a_1,P_n''(x_0)=2!a_2,\cdots ,P_n^{(n)}(x_0)=n!a_n

a0=Pn(x0),a1=Pn(x0)1!,a2=Pn(x0)2!,,an=Pn(n)(x0)n!a_0=P_n(x_0),a_1=\frac{P_n'(x_0)}{1!},a_2=\frac{P_n''(x_0)}{2!},\cdots ,a_n=\frac{P_n^{(n)}(x_0)}{n!}

上式表明 Pn(x)P_n(x) 的各项系数是由其在点 x0x_0 的各阶导数所确定的。由此可得:

f(k)(x0)=Pn(k)(x0),k=0,1,2,,nf^{(k)}(x_0)=P_n^{(k)}(x_0),\quad k=0,1,2,\cdots ,n

其中 k=0k=0 表示不求导。

最终得到 f(x)f(x)x0x_0 处的 nn 阶泰勒多项式(Taylor polynomial):

Tn(x)=f(x0)+f(x0)1!(xx0)++f(n)(x0)n!(xx0)nT_n(x)=f(x_0)+\frac{f'(x_0)}{1!}(x-x_0)+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n

其中 f(k)(x0)k! (k=0,1,,n)\frac{f^{(k)}(x_0)}{k!}\ (k=0,1,\cdots ,n) 被称为泰勒系数。

f(x)=Tn(x)+o((xx0)n)f(x)=T_n(x)+o((x-x_0)^n)

麦克劳林展开

当取 x0=0x_0=0 时,这个泰勒公式的特殊形式就被称为麦克劳林展开公式(Maclaurin’s series):

f(x)=f(0)+f(0)1!x++f(n)(0)n!xn+o(xn)f(x)=f(0)+\frac{f'(0)}{1!}x+\cdots +\frac{f^{(n)}(0)}{n!}x^n+o(x^n)

常用麦克劳林展开:

  1. ex=1+x1!+x22!++xnn!+o(xn)e^x=1+\frac{x}{1!}+\frac{x^2}{2!}+\cdots +\frac{x^n}{n!}+o(x^n)
  2. sinx=xx33!++(1)m1x2m1(2m1)!+o(x2m)\sin x=x-\frac{x^3}{3!}+\cdots +(-1)^{m-1}\frac{x^{2m-1}}{(2m-1)!}+o(x^{2m})
  3. cosx=1x22!++(1)mx2m(2m)!+o(x2m+1)\cos x=1-\frac{x^2}{2!}+\cdots +(-1)^{m}\frac{x^{2m}}{(2m)!}+o(x^{2m+1})
  4. ln(1+x)=xx22+x33+(1)n1xnn+o(xn)\ln(1+x)=x-\frac{x^2}{2}+\frac{x^3}{3}-\cdots +(-1)^{n-1}\frac{x^n}{n}+o(x^n)
  5. (1+x)α=1+αx+α(α1)2!x2++α(α1)(αn+1)n!xn+o(xn)(1+x)^\alpha=1+\alpha x+\frac{\alpha(\alpha-1)}{2!}x^2+\cdots +\frac{\alpha(\alpha-1)\cdots (\alpha-n+1)}{n!}x^n+o(x^n)
  6. 11x=1+x+x2++xn+o(xn)\frac{1}{1-x}=1+x+x^2+\cdots +x^n+o(x^n)

拉格朗日型余项

之前我们使用的都是皮亚诺型余项 o((xx0)n)o((x-x_0)^n) ,在 xx0x\rightarrow x_0 时成立,除此以外,还有拉格朗日型余项(Lagrange remainder),并在任何情况下都成立:

f(x)=Tn(x)+fn+1(ξ)(n+1)!(xx0)n+1(ξx0x)f(x)=T_n(x)+\frac{f^{n+1}(\xi)}{(n+1)!}(x-x_0)^{n+1}\quad(\xi在x_0和x间)

x0=0x_0=0ξ=θx(0<θ<1)\xi=\theta x(0<\theta<1) ,可以将拉格朗日型余项改写为 fn+1(θx)(n+1)!xn+1\frac{f^{n+1}(\theta x)}{(n+1)!}x^{n+1} ,该形式广泛用于泰勒公式近似计算的误差估计中。

证明:

F(t)=f(x)Tn(x,t)=f(x)[f(t)+f(t)(xt)++f(n)(t)n!(xtn)]F(t)=f(x)-T_n(x,t)=f(x)-[f(t)+f'(t)(x-t)+\cdots +\frac{f^{(n)}(t)}{n!}(x-t^n)]

F(x)=f(x)f(x)=0F(x)=f(x)-f(x)=0

并且 F(t)=[f(t)+f(t)(xt)f(t)+f(t)2!(xt)2f(t)2!2(xt)++f(n+1)(t)n!(xt)nf(n)(t)(n1)!(xt)n1]F'(t)=-[f'(t)+f''(t)(x-t)-f'(t)+\frac{f'''(t)}{2!}(x-t)^2-\frac{f''(t)}{2!}\cdot 2\cdot(x-t)+\cdots +\frac{f^{(n+1)}(t)}{n!}(x-t)^n-\frac{f^{(n)}(t)}{(n-1)!}(x-t)^{n-1}]

将导函数中的相同项消去,可以得到: F(t)=f(n+1)(t)n!(xt)nF'(t)=-\frac{f^{(n+1)}(t)}{n!}(x-t)^n

G(t)=(xt)n+1G(t)=(x-t)^{n+1} 并且 G(x)=0G(x)=0

G(t)=(n+1)(xt)nG'(t)=-(n+1)(x-t)^n

F(x0)G(x0)=f(x)[f(x0)+f(x0)(xx0)++f(n)(x0)n!(xx0n)](xx0)n+1\frac{F(x_0)}{G(x_0)}=\frac{f(x)-[f(x_0)+f'(x_0)(x-x_0)+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0^n)]}{(x-x_0)^{n+1}}

并且由前面所推知,可得:

F(x0)G(x0)=F(x0)F(x)G(x0)G(x)=F(ξ)G(ξ)=f(n+1)(ξ)n!(xξ)n(n+1)(xξ)n=f(n+1)(ξ)(n+1)!\frac{F(x_0)}{G(x_0)}=\frac{F(x_0)-F(x)}{G(x_0)-G(x)}=\frac{F'(\xi)}{G'(\xi)}=\frac{-\frac{f^{(n+1)}(\xi)}{n!}(x-\xi)^n}{-(n+1)(x-\xi)^n}=\frac{f^{(n+1)}(\xi)}{(n+1)!}

综上所述,可证得:

f(x)[f(x0)+f(x0)(xx0)++f(n)(x0)n!(xx0n)]=f(n+1)(ξ)(n+1)!(xx0)n+1f(x)-[f(x_0)+f'(x_0)(x-x_0)+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0^n)]=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}

f(x)=f(x0)+f(x0)(xx0)++f(n)(x0)n!(xx0n)+f(n+1)(ξ)(n+1)!(xx0)n+1f(x)=f(x_0)+f'(x_0)(x-x_0)+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0^n)+\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}

函数图像分析

函数图像的分析步骤:

  1. 定义域
  2. 奇偶性,周期性
  3. 和坐标轴的交点,不连续/不可导的点
  4. 单调性,导函数,极值,最值,凹凸性,拐点
  5. 渐进线

极值与最值

驻点的定义:

函数斜率为0的点被称为驻点(Stationary point),即在驻点处函数的一阶导数为0。函数的极值点必定是驻点,但反过来,函数的驻点不一定是极值点。

极值第一充分条件:

ffx0x_0 处连续,在 U˚(x0,δ)\mathring U(x_0,\delta) 上可导。

  1. x(x0δ,x0)f(x0)0;x(x0,x0+δ)f(x)0x\in(x_0-\delta,x_0)\quad f'(x_0)\leq 0;x\in(x_0,x_0+\delta)\quad f'(x)\geq 0\qquadx0x_0 处取极小值
  2. x(x0δ,x0)f(x0)0;x(x0,x0+δ)f(x)0x\in(x_0-\delta,x_0)\quad f'(x_0)\geq 0;x\in(x_0,x_0+\delta)\quad f'(x)\leq 0\qquadx0x_0 处取极大值

极值第二充分条件:

ffx0x_0 处连续,在 U˚(x0,δ)\mathring U(x_0,\delta) 上一阶可导,在 x=x0x=x_0 上二阶可导,且 f(x0)=0f'(x_0)=0f(x0)0f''(x_0)\neq 0

  1. f(x0)<0f''(x_0)<0\qquadx0x_0 处取极大值
  2. f(x0)>0f''(x_0)>0\qquadx0x_0 处取极小值

证明:

f(x)f(x)xx0x\rightarrow x_0 的条件下进行二阶泰勒展开,得到:

f(x)=f(x0)+f(x0)(xx0)+f(x0)2!(xx0)2+o((xx0)2)=f(x0)+(f(x0)2+o(1))(xx0)2f(x)f(x0)=(f(x0)2+o(1))(xx0)2\begin{aligned} f(x)=&f(x_0)+f'(x_0)(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+o((x-x_0)^2)\\ =&f(x_0)+(\frac{f''(x_0)}{2}+o(1))(x-x_0)^2 \end{aligned}\\ f(x)-f(x_0)=(\frac{f''(x_0)}{2}+o(1))(x-x_0)^2

假如 f(x0)<0f''(x_0)<0f(x0)2+o(1)<0\frac{f''(x_0)}{2}+o(1)<0 ,又因为 (xx0)2>0(x-x_0)^2>0 ,所以可得 f(x)<f(x0)f(x)<f(x_0) ,即 ffx0x_0 处取极大值,反之同理。

极值第三充分条件:

ffx0x_0 的某邻域内存在直到 (n1)(n-1) 阶的导数,且 f(n)(x0)f^{(n)}(x_0) 存在。若 f(x0)=f(x0)==f(n1)(x0)=0,f(n)(x0)0f'(x_0)=f''(x_0)=\cdots =f^{(n-1)}(x_0)=0,f^{(n)}(x_0)\neq 0 ,则有:

  1. nn 为偶数时,当 f(n)(x0)>0f^{(n)}(x_0)>0 时, x0x_0 是极小值点;当 f(n)(x0)<0f^{(n)}(x_0)<0 时, x0x_0 是极大值点。
  2. nn 为奇数时, x0x_0 不是极值点。

极值第三充分条件不是必要条件,并不能保证所有极值点都满足。

证明:

由泰勒公式和 f(x0)=f(x0)==f(n1)(x0)=0f'(x_0)=f''(x_0)=\cdots =f^{(n-1)}(x_0)=0 可以得到:

f(x)=f(x0)+f(n)(x0)n!(xx0)n+o((xx0)n)f(x)f(x0)=(f(n)(x0)n!+o(1))(xx0)nf(x)=f(x_0)+\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n+o((x-x_0)^n)\\ f(x)-f(x_0)=(\frac{f^{(n)}(x_0)}{n!}+o(1))(x-x_0)^n

nn 为奇数,则 x0x_0 两侧 f(x)f(x0)f(x)-f(x_0) 异号,无极值点。

nn 为偶数,当 f(n)(x0)>0f^{(n)}(x_0)>0 时, f(x)f(x0)>0f(x)-f(x_0)>0x=x0x=x_0 为极小值点,反之同理。

求函数最值的步骤:

  1. 求出 f(x)f(x) 的驻点。
  2. 求出 f(x)f'(x) 不存在的点。
  3. 将上述得到的所有点进行比较大小。

凹凸性

f(x)f(x) 在区间 II 上连续, x1,x2I (x1x2)\forall x_1,x_2\in I\ (x_1\neq x_2) 及任意实数 λ(0,1)\lambda\in(0,1)

  1. f[λx1+(1λ)x2]λf(x1)+(1λ)f(x2)f[\lambda x_1+(1-\lambda)x_2]\leq\lambda f(x_1)+(1-\lambda)f(x_2) ,则称 f(x)f(x)II 上的下凸函数(与上凹函数等价)。
  2. f[λx1+(1λ)x2]λf(x1)+(1λ)f(x2)f[\lambda x_1+(1-\lambda)x_2]\geq\lambda f(x_1)+(1-\lambda)f(x_2) ,则称 f(x)f(x)II 上的下凹函数(与上凸函数等价)。

将上式中的不等号改为严格不等号是严格凹(凸)函数的定义。

f(x)f(x) 为区间 II 上的可导函数,则以下三论断等价:

  1. f(x)f(x)II 上的下凸(凹)函数。
  2. f(x)f'(x)II 上的增(减)函数。
  3. 对于 II 上的任意两点 x1,x2x_1,x_2

f(x2)f(x1)+f(x1)(x2x1)( f(x2)f(x1)+f(x1)(x2x1) )f(x_2)\geq f(x_1)+f'(x_1)(x_2-x_1)\\ (\ f(x_2)\leq f(x_1)+f'(x_1)(x_2-x_1)\ )

f(x)f(x) 二阶可导,则 f(x)f(x)II 上是下凸(凹)函数的充要条件是 f(x)0f''(x)\geq 0f(x)0f''(x)\leq 0 ) )。

詹森不等式(Jensen’s inequality):

f(x)f(x)II 上是下凸函数的充要条件是:任意 x1,,xnIx_1,\cdots ,x_n\in I0<λi<1 (i=1,2,,n)0<\lambda_i<1\ (i=1,2,\cdots ,n)λ1+λ2++λn=1\lambda_1+\lambda_2+\cdots +\lambda_n=1 ,必有

f(λ1x1++λnxn)λ1f(x1)+λnf(xn)f(\lambda_1x_1+\cdots +\lambda_nx_n)\leq\lambda_1f(x_1)+\cdots \lambda_nf(x_n)

特别地,取 λi=1n\lambda_i=\frac{1}{n} ,则有

f(1ni=1nxi)1ni=1nf(xi)f(\frac{1}{n}\sum_{i=1}^nx_i)\leq\frac{1}{n}\sum_{i=1}^nf(x_i)

对于下凹函数,以上不等号方向全反。

拐点(Inflection point):

函数经过一个点后严格凹凸性发生改变,这个点就被称为拐点。

  1. f(x)f(x)x0x_0 处二阶可导,则 (x0,f(x0))(x_0,f(x_0)) 为曲线 y=f(x)y=f(x) 的拐点的必要条件是 f(x0)=0f''(x_0)=0
  2. f(x)f(x)x0x_0 处可导,在 U˚(x0)\mathring U(x_0) 上二阶可导,若 f(x)f''(x)U˚+(x0),U˚(x0)\mathring U_+(x_0),\mathring U_-(x_0) 上的符号相反,那么 (x0,f(x0))(x_0,f(x_0)) 为曲线 y=f(x)y=f(x) 的拐点。

f(x0)=0f''(x_0)=0 确定的点 (x0,f(x0))(x_0,f(x_0)) 未必是拐点。
f(x0)f''(x_0) 不存在时, (x0,f(x0))(x_0,f(x_0)) 也可能是拐点。

曲率

弧微分

弧微分是用一条线段的长度来近似代表一段弧的长度,设一段弧 MMMM' ,弧长表示为 MM\overset{\LARGE\frown}{MM'} ,直线距离表示为 MM|MM'| ,则弧微分的计算式如下:

ΔsΔx=MMMMMMΔx=MMMM(Δx)2+(Δy)2Δx=MMMM1+(ΔyΔx)2\begin{aligned}\frac{\Delta s}{\Delta x}=&\frac{\overset{\LARGE\frown}{MM'}}{|MM'|}\cdot\frac{|MM'|}{\Delta x}\\ =&\frac{\overset{\LARGE\frown}{MM'}}{|MM'|}\cdot\frac{\sqrt{(\Delta x)^2+(\Delta y)^2}}{\Delta x}\\ =&\frac{\overset{\LARGE\frown}{MM'}}{|MM'|}\cdot\sqrt{1+(\frac{\Delta y}{\Delta x})^2}\end{aligned}

Δx0\Delta x\rightarrow 0 时, MMMM=1\frac{\overset{\LARGE\frown}{MM'}}{|MM'|}=1 ,即

dsdx=limΔs0ΔsΔx=1+(dydx)2=1+(y)2\frac{\mathrm{d}s}{\mathrm{d}x}=\lim_{\Delta s\rightarrow 0}\frac{\Delta s}{\Delta x}=\sqrt{1+(\frac{\mathrm{d}y}{\mathrm{d}x})^2}=\sqrt{1+(y')^2}

ds=1+(y)2dx\mathrm{d}s=\sqrt{1+(y')^2}\mathrm{d}x

特别地,对参数方程有以下弧微分计算式:

ds=[x(t)]2+[y(t)]2dt\mathrm{d}s=\sqrt{[x'(t)]^2+[y'(t)]^2}\mathrm{d}t

对极坐标方程有以下弧微分计算式:

ds=[r(θ)]2+[r(θ)]2dθ\mathrm{d}s=\sqrt{[r(\theta)]^2+[r'(\theta)]^2}\mathrm{d}\theta

曲率

曲率(Curvature)是用于描述曲线弯曲程度的量,我们通常使用弧微分来定义曲率,将一段弧上的弧长表示为 Δs\Delta s ,切线变化的角度表示为 Δα\Delta\alpha ,则这段弧的平均曲率的计算式为:

K=ΔαΔs\overline{K}=|\frac{\Delta\alpha}{\Delta s}|

在一点处的曲率的定义为:

K=limΔs0ΔαΔs=dαdsK=\lim_{\Delta s\rightarrow 0}|\frac{\Delta\alpha}{\Delta s}|=|\frac{\mathrm{d}\alpha}{\mathrm{d}s}|

对于给定曲线 y=f(x)y=f(x) ,推导曲率的计算方式:

y=tanαy=sec2αdαdxdαdx=ysec2α=y1+tan2α=y1+(y)2dα=y1+(y)2dx\begin{aligned}y'&=\tan\alpha\\ y''&=\sec^2\alpha\cdot\frac{\mathrm{d}\alpha}{\mathrm{d}x}\\ \frac{\mathrm{d}\alpha}{\mathrm{d}x}&=\frac{y''}{\sec^2\alpha}=\frac{y''}{1+\tan^2\alpha}=\frac{y''}{1+(y')^2}\\ \mathrm{d}\alpha&=\frac{y''}{1+(y')^2}\mathrm{d}x\end{aligned}

由前面的弧微分公式可以推得:

K=dαds=y[1+(y)2]32K=|\frac{\mathrm{d}\alpha}{\mathrm{d}s}|=\frac{|y''|}{[1+(y')^2]^{\frac{3}{2}}}

y<<1|y'|<<1 时, KyK\approx|y''|

特别地,对参数方程有以下曲率计算式:

K=x(t)y(t)x(t)y(t)((x(t))2+(y(t))2)32K=\frac{|x'(t)y''(t)-x''(t)y'(t)|}{((x'(t))^2+(y'(t))^2)^{\frac{3}{2}}}

对极坐标方程有以下曲率计算式:

K=2(r)2rr+r2(r2+(r)2)32K=\frac{|2(r')^2-rr''+r^2|}{(r^2+(r')^2)^{\frac{3}{2}}}

曲率半径的定义:

曲率的倒数即曲率半径(Radius of curvature):

r=1Kr=\frac{1}{K}