微积分入门
不会这东西啥也学不动啊……
前言
懒得像线代写那么详细了,这这篇确保自己几个重要公式和定义掌握了
符号定义:\(d\)+某个变量表示某个变量的极小的一点变化
\(upd\):终于不用当做观影总结啦!留个坑,过两天把秦神课件上的内容补上
导数
导数形式
对于任意函数\(f(x)\),它的导数\(f'(x)\)为\(\frac{df(x)}{dx}=\frac{f(x+dx)-f(x)}{dx}\)
导数定义
导数在有些人的理解中可能会被概括为:某个函数的瞬时变化率
这个概括的确可以帮助人理解,但是瞬时有变化吗?这显然是矛盾的
那么导数究竟是什么?
我们考虑一个实际例子:汽车在行驶过程中的测速仪是如何测出当前时刻的速度的?
测速仪会显示出汽车在很短的时间内移动的距离,再除以这段很短的时间,将得到的答案近似为当前时间的速度
对测速仪来说,它绕开瞬时变化率,转而研究很短一段时间内的变化率解决了这个问题
回到导数上来,我们对汽车建立一个数学模型:\(s(t)\)为汽车\(t\)时刻内走过的位移
那么\(s(t)\)的导数可以表示为\(\frac{ds}{dt}(t)\),即穿过这条函数上\(s(t)\)和\(s(t+dt)\)两点直线的斜率
当\(dt\)越来越趋近于\(0\),那么这两个也越来越近,直线越来越逼近在\(t\)点时图像的切线
所以导数在数学上的含义是:经过图像上某一点的切线
但是瞬时变化率是没有意义的,我们应该把导数的实际含义看作“某一点附近的变化率的最佳近似”
这段貌似有点矫情,不理解也不妨碍看下面的内容或者做题
代数求导
考虑对\(f(x)=x^3\)求导数
\(f'(x)=\frac{df(x)}{dx}=\frac{f(x+dx)-f(x)}{dx}=\frac{(x+dx)^3-x^3}{dx}=\frac{x^3+3x^2(dx)+3x(dx^{2})+dx^3-x^3}{dx}=\frac{3x^2(dx)+3x(dx^{2})+dx^3}{dx}=3x^2+3x(dx)+dx^2\)
当\(dx\)逼近\(0\)时,含\(dx\)的项可以忽略,所以最终\(f'(x)=3x^2\)
几何求导
我们可以把\(f(x)=x^2\)看作求一个边长为\(x\)的正方形的面积,那么假设正方形的边长增加了一个\(dx\),面积的增加量应该为\(2x(dx)+dx^2\),写成导数形式即为\(\frac{df}{dx}=2x+dx=2x\)
幂函数求导
对于任意幂函数\(f(x)=x^n\),有\(f'(x)=nx^{n-1}\)
直观解释:
设\(f(x)=x^n\),那么\(f(x+dx)=(x+dx)^n\),展开后面会得到\(x^n+n(x^{n-1})dx+……\)
为什么后面我不写了?因为在求导的时候后面的项仍然会保留至少一个\(dx\),会被忽略掉
而\(x^n\)会被减掉,所以\(f'(x)=nx^{n-1}\)
组合函数求导
函数相加
\(\frac{d}{dx}(g(x)+h(x))=\frac{dg}{dx}+\frac{dh}{dx}\)
证明:
\(\frac{d}{dx}(g(x)+h(x))=\frac{g(x+dx)-g(x)+h(x+dx)-h(x)}{dx}=\frac{g(x+dx)-g(x)}{dx}+\frac{h(x+dx)-h(x)}{dx}=\frac{dg}{dx}+\frac{dh}{dx}\)
函数乘积
举个例子:\(f(x)=sin(x)x^2\)
这东西代数上不好看,我们考虑用几何求导
\(f(x)\)表示的几何意义即为边长为\(sin(x)\)和\(x^2\)的矩形的面积
仍然考虑一点微小的变化\(dx\)
矩形面积将改变
\(sin(x)*((x+dx)^2-x^2) + x^2*(sin(x+dx)-sin(x)) + ((x+dx)^2-x^2)*(sin(x+dx)-sin(x))\)
容易发现最后这一项与\(dx^2\)成正比,忽略掉
那么\(df=sin(x)d(x^2)+x^2d(sin(x))\)
把后面的改变量计算出来得
\(df=sin(x)2xdx+x^2cos(x)dx\)
\(\frac{df}{dx}=sin(x)2x+x^2cos(x)\)
仔细观察我们可以得出一个更一般的结论
\(f(x)=g(x)h(x)\)
\(f'(x)=g(x)h'(x)+h(x)g'(x)\)
我们称之为左乘右导,右乘左导
复合函数
一般可以写成\(g(h(x))\)
例如\(g(x)=sin(x),h(x)=x^2\),则\(g(h(x))=sin(x^2)\)
对于复合函数我们需要一步一步分析
先考虑一个\(dx\)对最内层\(h(x)\)的影响,这个我们应该很熟悉,我们会得到一个\(dh\),再用\(dh\)改变\(g(x)\),但是我们展开的过程应该是从外向内展开
就以上面的函数为例,当我们取\(dx\)时,\(d(sin(x^2))=cos(x^2)d(x^2)=cos(x^2)2xdx\)
归纳一个更一般的结论:\(\frac{d}{dx}g(h(x))=\frac{dg}{dh}(h(x))\frac{dh}{dx}(x)\)
注意等式右边的第一项分母是\(dh\)而不是\(dx\),因为它的内层函数的变化量
这个结论叫做链式法则
只要一直套用上面的形式,链式法则可以无限长,如果你有耐心解
指数函数求导
我们来看一个常见的指数函数\(f(x)=2^x\)
无脑地用\(dx\)求导:\(f'(x)=2^x\frac{2^{dx}-1}{dx}\)
当\(dx\)无限逼近于\(0\)时,可以得到后面这一项约等于\(0.6931……\)
我们发现指数函数的导数就是它本身乘以了一个奇怪的常数,虽然我们也不知道这个常数是怎么来的
如果我们多实验几个,会发现\(f(x)=8^x\)时,\(f'(x)≈8^x*(2.0794……)\)
如果你细心可能会发现\(8=2^3,0.2794≈3*0.6931\)
为啥?凭啥?
我们先放在一边,这个时候我们应该有一个全新的疑惑:有没有一个数的指数函数令这个常数等于\(1\)?
当然有,它就是\(e\),对于\(f(x)=e^x,f'(x)=e^x\)
为什么,是巧合吗?
因为这本身就是人家的定义啊……
通过\(e\),也许我们能解决那些迷之常数和\(2,8\)之间迷之倍数的关系
如果\(f(x)=e^{ct}\),根据链式法则\(f'(x)=ce^{ct}\)
那么\(2^x=(e^{ln(2)})^x=e^{ln(2)x}\),其导数为\(ln(2)e^{ln(2)x}=ln(2)2^x\)
同理\(f(x)=8^x,f'(x)=ln(8)8^x\)
根据初中姿势:\(ln(8)=3ln(2)\)
就都可以解释辣
隐函数求导
这玩意真**玄学啊……
隐函数
一般来说我们初中学的函数定义是:给定一个\(x\),能唯一确定一个\(y\)值的变换法则
但是我们学到的有些东西显然不满足这个性质,比如圆的方程
但是它们好像又很特殊,不同与一般的变换
如果一个变换在它的定义域上存在一个子集\(D\),使得每个\(x\in D\),存在相应的\(y\)使得\(F(x,y)=0\),则称方程确定了一个隐函数
显然圆的方程确定了一个隐函数
那么比如说我们有\(x^2+y^2=3^2\),我们怎么求出一个圆上某一点的斜率\(\frac{dy}{dx}\)?
当然我们可以大力化式子:
\(y=\sqrt{3^2-x^2}\)
然后无脑链式法则
不过还可以稍微变化一下思路,考虑将\(x^2\)写作\(x(\theta)^2,y^2\)写作\(y(\theta)^2\),然后对两边分别求导
\(2x(\theta)\frac{dx}{d\theta}+2y(\theta)\frac{dy}{d\theta}=0\)
我们对两边分别乘以\(d\theta\)得到
\(2xdx+2ydy=0\)
化简得\(\frac{dy}{dx}=-\frac{x}{y}\)
感觉这玩意\(OI\)中不会再拓展了,溜了溜了
极限
导数的正式定义
我们一般考虑导数时的操作是:选一个极小量\(dx\),然后计算\(\frac{df}{dx}\)
实际上,当\(dx\)无限逼近\(0\)时它才是真正的导数
写作\(\frac{df}{dx}=\lim\limits_{h→0}\frac{f(x+h)-f(x)}{h}\)
这里右边不用\(dx\)是因为在极限中一般不含带\(d\)的字母,我们认为\(d\)内置了极限的思想
右边这个形式就是导数的正式定义
\(upd:\)这里的\(h\)应该看作一个有限小的变化量,而非无穷小,我们只需要考虑它逼近于\(0\)的情况
极限的ε-δ定义
考虑一个函数\(f(x)=\frac{(2+x)^3-2^3}{x}\)
我们可以发现这个函数的定义域并不连续,当\(x=0\)的时候,函数变为了\(\frac{0}{0}\)
但是当\(x\)无限逼近于\(0\)的时候,它仍然是有定义的,这个比值的极限是\(12\)
那有人会发问:这个逼近到底是什么意思?
可以发现在上面的曲线中,对于\(x=0\)附近的点,它们的取值都在\(12\)附近,而且不断缩小\(x\)的取值范围,函数值的范围越来越逼近\(12\),且这个范围可以无限小
反例:
这个函数在\(x=0\)的时候同样没有定义
但是在\(x\)逼近于\(0\)的时候,它的取值不确定,也许是\(2\),也许是\(-2\),我们称它极限不存在
这就是极限的\(ε-δ\)定义
我们用\(δ\)表示自变量取值的范围,\(ε\)表示函数在值域上的范围,这段距离可以无限小
极限存在的前提就是:总能在极限点附近某一\(δ\)范围内找到一系列取值点使得范围内任意取值点都处在某一数值的\(ε\)范围之内,且这种情况对任意\(ε\)成立
如第二张图中,若我们取\(ε\)为\(1\),则不存在\(δ\)满足要求
洛必达法则
对于某个极限点,我们知道直接代入这个点会得到\(\frac{0}{0}\),如果我们要确定这个极限点的取值该怎么办?
我们假设某个函数为\(f(x)=\frac{g(x)}{h(x)}\),它存在某个点\(a\)使得\(g(a)=0,h(a)=0\)
我们可以考虑,用导数的反求极限
我们把\(g(x)\)和\(h(x)\)分开了考虑,则这两个函数在\(a\)点处的取值都为\(0\)
那么也就是说,在\(a\)点附近很小的一段区域内,函数的导数乘以变化量就约等于函数的取值
即\(g(a+dx)=\frac{dg}{dx}(a)dx\),当\(dx\)约逼近于\(0\)取值越精准
则\(\lim\limits_{x→a}\frac{g(a)}{h(a)}=\frac{\frac{dg}{dx}(a)dx}{\frac{dh}{dx}(a)dx}\)
消掉\(dx\)得到
\(\lim\limits_{x→a}f(a)=\frac{\frac{dg}{dx}(a)}{\frac{dh}{dx}(a)}\)
这个叫做洛必达法则
简单说,如果\(g(a)=0,h(a)=0\),那么\(\lim\limits_{x→a}\frac{g(x)}{h(x)}=\lim\limits_{x→a}\frac{g'(x)}{h'(x)}\)
\(ps:\)洛必达法则是洛必达向伯努利买来的
积分
积分
我们仍然考虑一个开车小汽车的问题:
给定小汽车的时间-速度函数\(v(t)\),如何求出小汽车的时间-位移函数\(s(t)\)?
其实我们问题就是求,什么函数的导数为\(v(t)\)
这类问题通常被称为求函数的原函数(反导数)
对于求曲线下面积的问题,通常手法是将曲线分解成许多个宽度极小的矩形,然后求这些矩阵面积的和
矩形的宽度越小,答案越精准,当宽度无限逼近于\(0\)时,得到的结果就是正确答案
我们用\(\int_{x}^{y}\)来表示\([x,y]\)区间内所有点表达式的和
如果要求\(T\)时刻内汽车走过的距离,我们可以写成 \(\int_{0}^{T}v(t)dt\),我们称之为\(v(t)\)的积分
为什么我们不用\(\sum\)呢?因为我们所表达的意思不是实际上的加和,而是\(dt\)在趋近于\(0\)时,加和趋近于的值
微积分基本定理
在解积分是过程中,我们可以通过导数来推出原函数,但是并不能推出原函数的常数
如果你想问咋求原函数的其他项:靠猜
因为常数项求导之后会消失
其实我们求一段面积没必要知道常数项具体是多少
仍然拿上面的小车举例子,有\(\int_{x}^{y}v(t)dt=s(y)-s(x)\)
常数项自然会被抵消掉
\(\int_{x}^{y}f(x)dx=F(x)-F(y)\)被称作微积分基本定理
泰勒级数
泰勒级数
如果一个函数\(f(x)\)在\(x=x_0\)处具有任意阶导数
则\(f(x)\)在点\(x_0\)处的泰勒级数为\(\sum\limits_{n=0}^{\infty}\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n\)
同时这也是函数在\(x_0\)处的最佳近似多项式
泰勒级数收敛到\(f(x_0)\),泰勒级数能让多项式和收敛的最大范围叫做泰勒级数的收敛半径
颓了,不想解释泰勒级数了,就说一句吧:
每增加一项,就会让\(x0\)点附近的曲线变化率更接近原函数