微积分学习(二):导数
By 苏剑林 | 2009-09-12 | 20334位读者 |自从上次写了关于微积分中的极限学习后,就很长的时间没有与大家探讨微积分的学习了(估计有20多天了吧)。启事,我自己也是从今年的9月下旬才开始系统地学习微积分的,到现在也就一个月的时间吧。学习的内容有:集合、函数、极限、导数、微分、积分。不过都是一元微积分,多元的微积分正在紧张地进修中......
现在不妨和大家探讨一下关于微积分中的最基本内容——“导数”的学习。
其实,用最简单的说法,如果存在函数$f(x)$,那么它的导数(一阶导数)为
$$\lim_{\Delta x->0} f'(x)=\frac{f(x+\Delta x)-f(x)}{\Delta x}$$
其中
$$\lim_{\Delta x->-0} f'(x_0)=\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}$$
叫做函数$f(x)$在$x_0$处的“左导数”,而
$$\lim_{\Delta x->+0} f'(x_0)=\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}$$
叫做函数$f(x)$在$x_0$处的“右导数”。
只有当“左导数=右导数”的时候,我们才能够说函数$f(x)$在$x_0$处“可导”。
导数(一阶导数)的应用意义:
(一)瞬时速度、瞬时变化率
如果在直线运动中,路程s与时间t的关系为$s=f(t)$,那么t秒与$(t+\Delta t)$秒之间通过的路程为$f(t+\Delta t)-f(t)$,在这段时间内的平均速度为$\frac{f(t+\Delta t)-f(t)}{\Delta t}$。令$\Delta t$尽可能地少(即$\Delta t->0$),那么所得的结果(即$f'(x)$)就是在t时刻的瞬时速度。
(二)曲线的切率
如图,在曲线$f(x)$上,由点$(x,f(x))$和点$(x+h,f(x+h))$所确定的直线的斜率(即正切值)为
$$\frac{f(x+h)-f(x)}{h}$$
h越小,这条直线就越接近该曲线在x处的切线,相应的,$\frac{f(x+h)-f(x)}{h}$也越接近切线的斜率。于是,当$h->0$时,该直线无限接近切线,而$\frac{f(x+h)-f(x)}{h}=f'(x)$就是曲线$f(x)$在x处的切线的斜率值。
求导方法:
1、基本求导公式
http://web.nuist.edu.cn/courses/gdsx/calculus1/chap2/section2/2.2.4.1.HTM
其中,我想谈一下其中的几个基本求导公式的推导过程。
1.1 $(a^x)'=a^x ln a(a>0,a!=1)$
$$(a^x)'=\lim_{\Delta x->0} \frac{a^{x+\Delta x}-a^x}{\Delta x}=a^x \lim_{\Delta x->0} \frac{a^{\Delta x}-1}{\Delta x}$$
令$a^{\Delta x}-1=\beta<\Rightarrow a^{\Delta x}=\beta+1$,两边取对数,有$\Delta x=\frac{ln(\beta+1)}{ln a}$,故原式变为
$$\begin{aligned}(a^x)'=a^x lim_{\beta->0} \frac{\beta ln a}{ln(1+\beta)} \\ =a^x ln a lim_{\beta->0} \frac{1}{\frac{1}{\beta}ln(1+\beta)} \\ =a^x ln a lim_{\beta->0} \frac{1}{ln(1+\beta)^{\frac{1}{\beta}}}\end{aligned}$$
因为$lim_{\beta->0} (1+\beta)^{\frac{1}{\beta}}=e$,所以$lim_{\beta->0} \frac{1}{ln(1+\beta)^{\frac{1}{\beta}}}=1$
即$(a^x)'=a^x ln a$.
1.2 $(log_a x)'=\frac{1}{x ln a}$
$$\begin{aligned}(log_a x)'=\lim_{\Delta x->0} \frac{log_a (x+\Delta x)-log_a x}{\Delta x} \\ =\lim_{\Delta x->0} \frac{log_a (1+\frac{\Delta x}{x})}{\Delta x} \\ =\lim_{\Delta x->0} log_a (1+\frac{1}{x}\cdot \Delta x)^{\frac{1}{\Delta x}} \\ =log_a e^{(1/x)}=\frac{log_a e}{x}\end{aligned}$$
换底,即得$(log_a x)'=\frac{1}{x ln a}$
从以上的方法可以看出,“求导”实际上就是求极限的一种,如果从最基本的定义出发来推导导数,那么就需要动用变量$\Delta x$,并且令其趋于零。同时要致力于变成我们常见的极限(如e),这就需要我们去了解一些基本的极限公式。
当然,这远远不够。因为从定义出发求导数是极其麻烦的,我们必须找到一些方便我们求导的法则
具体的内容在这里就一笔带过了,读者应该要有一定的微积分基础,而且建议初学者不要立即去阅读维基上的微积分内容。
另外,我们以上所讨论的都是“一阶导数”,其实还有“二阶导数”、“n阶导数”等。其实定义也很简单,函数的“(n-1)阶导数的导数”就叫做该函数的“n阶导数” 。$f(x)$的n阶导数记为$f^{(n)} (x)$。
转载到请包括本文地址:https://www.spaces.ac.cn/archives/118
更详细的转载事宜请参考:《科学空间FAQ》
如果您还有什么疑惑或建议,欢迎在下方评论区继续讨论。
如果您觉得本文还不错,欢迎分享/打赏本文。打赏并非要从中获得收益,而是希望知道科学空间获得了多少读者的真心关注。当然,如果你无视它,也不会影响你的阅读。再次表示欢迎和感谢!
如果您需要引用本文,请参考:
苏剑林. (Sep. 12, 2009). 《微积分学习(二):导数 》[Blog post]. Retrieved from https://www.spaces.ac.cn/archives/118
@online{kexuefm-118,
title={微积分学习(二):导数},
author={苏剑林},
year={2009},
month={Sep},
url={\url{https://www.spaces.ac.cn/archives/118}},
}
最近评论