MathLabs

11 年级

导数

导数通过区间不断缩小时平均变化率的极限来构造,用来度量某个量在某一瞬间的变化快慢。它给出切线的斜率、运动物体的瞬时速度,并且——凭借几条代数法则——为几乎所有由初等函数组合而成的函数提供了求导的方法。

直观从平均速度到瞬时速度

汽车的速度表显示的是它此刻的速度,而不是整趟行程的平均速度。若某个量由函数 y=f(x)y=f(x) 描述,x0x_0 与 x0+hx_0+h 之间的平均变化率就是连接两点 (x0,f(x0))(x_0, f(x_0)) 与 (x0+h,f(x0+h))(x_0+h, f(x_0+h)) 的直线(割线)的斜率 f(x0+h)−f(x0)h\dfrac{f(x_0+h)-f(x_0)}{h}。这个比值取决于步长 hh 的大小。要捕捉在某一瞬间 x0x_0 处的变化率,就要让步长不断缩小:令 h→0h \to 0,观察割线绕着 (x0,f(x0))(x_0, f(x_0)) 转动,直至稳定成切线——曲线在该点处最佳的直线近似。

交互式图像展示一条曲线、经过 x0 与 x0+h 两个邻近点的割线,以及控制 x0 和 h 的滑块;当 h 趋近于 0 时,割线逐渐转动成 x0 处的切线。
步长 hh 不断缩小时,经过 (x0,f(x0))(x_0, f(x_0)) 与 (x0+h,f(x0+h))(x_0+h, f(x_0+h)) 的割线。将 hh 拖向 00,可以看到割线逐渐转动成 x0x_0 处的切线;它的斜率为 f(x0+h)−f(x0)h→f′(x0)\dfrac{f(x_0+h)-f(x_0)}{h} \to f'(x_0)。

中学导数的极限定义

定义: 在一点处的导数

设 ff 是在包含 x0x_0 的开区间上有定义的函数。**ff 在 x0x_0 处的导数**,记作 f′(x0)f'(x_0),是当步长趋于零时差商的极限:f′(x0)=lim⁡h→0f(x0+h)−f(x0)hf'(x_0) = \lim_{h \to 0} \dfrac{f(x_0+h)-f(x_0)}{h},等价地 f′(x0)=lim⁡x→x0f(x)−f(x0)x−x0f'(x_0) = \lim_{x \to x_0} \dfrac{f(x)-f(x_0)}{x-x_0}。当这个极限存在(且为有限值)时,称 ff 在 x0x_0 处可导。导数的其他常见记号有 y′y'、dydx\dfrac{dy}{dx} 以及 dfdx(x0)\dfrac{df}{dx}(x_0)。

f′(x0)=lim⁡h→0f(x0+h)−f(x0)h=lim⁡x→x0f(x)−f(x0)x−x0f'(x_0) = \lim_{h \to 0} \frac{f(x_0+h)-f(x_0)}{h} = \lim_{x \to x_0} \frac{f(x)-f(x_0)}{x-x_0}

几何意义。 由于 x0x_0 处的切线是割线的极限,它的斜率恰好是 f′(x0)f'(x_0)。因此切线的方程为 y=f(x0)+f′(x0)(x−x0)y = f(x_0) + f'(x_0)(x-x_0)——这是在 x0x_0 附近对 ff 的图像的最佳线性近似。水平切线(f′(x0)=0f'(x_0)=0)标志着曲线暂时变平的点,例如局部极值点。

y=f(x0)+f′(x0)(x−x0)y = f(x_0) + f'(x_0)(x - x_0)

物理意义。 若 s(t)s(t) 是物体在时刻 tt 的位置,平均变化率 s(t0+h)−s(t0)h\dfrac{s(t_0+h)-s(t_0)}{h} 就是 [t0,t0+h][t_0, t_0+h] 上的平均速度,其极限 v(t0)=s′(t0)v(t_0)=s'(t_0) 是 t0t_0 处的瞬时速度。再求一次导数得到加速度 a(t)=v′(t)=s′′(t)a(t) = v'(t) = s''(t),即位置的二阶导数——速度本身变化的快慢。

若 ff 在 x0x_0 处可导,则 ff 在 x0x_0 处连续。

为什么成立?

在 x0x_0 处具有确定切线斜率的曲线不可能在该处出现跳跃:写出 f(x)−f(x0)=f(x)−f(x0)x−x0⋅(x−x0)f(x)-f(x_0) = \dfrac{f(x)-f(x_0)}{x-x_0} \cdot (x-x_0);当 x→x0x \to x_0 时,第一个因子趋于有限值 f′(x0)f'(x_0),第二个因子趋于 00,故乘积趋于 00,从而 f(x)→f(x0)f(x) \to f(x_0)。

证明

这正是上面的论证:当两个极限都存在时,乘积的极限等于极限的乘积,而由假设 lim⁡x→x0f(x)−f(x0)x−x0=f′(x0)\lim_{x\to x_0}\frac{f(x)-f(x_0)}{x-x_0}=f'(x_0) 是有限的,且 lim⁡x→x0(x−x0)=0\lim_{x\to x_0}(x-x_0)=0。

逆命题不成立:连续不能推出可导。标准的反例是在 x0=0x_0 = 0 处的 f(x)=∣x∣f(x) = |x|。它在该点连续,但差商 f(0+h)−f(0)h=∣h∣h\dfrac{f(0+h)-f(0)}{h} = \dfrac{|h|}{h} 当 h>0h>0 时等于 11,当 h<0h<0 时等于 −1-1,左右极限不相等,故 f′(0)f'(0) 不存在——图像在该处有一个尖角,不存在唯一确定的切线斜率。

大学求导法则

基本求导法则
法则公式条件/备注
常数倍(cf)′=cf′(cf)' = c f'cc 为常数
和与差(f±g)′=f′±g′(f \pm g)' = f' \pm g'f,gf, g 可导
幂函数求导(xn)′=nxn−1(x^n)' = n x^{n-1}n∈Rn \in \mathbb{R},xx 在定义域内
乘积求导(fg)′=f′g+fg′(fg)' = f'g + fg'f,gf, g 在 xx 处可导
商的求导(fg)′=f′g−fg′g2\left(\dfrac{f}{g}\right)' = \dfrac{f'g - fg'}{g^2}g(x)≠0g(x) \neq 0
链式法则(f∘g)′(x)=f′(g(x)) g′(x)(f \circ g)'(x) = f'(g(x))\, g'(x)gg 在 xx 处、ff 在 g(x)g(x) 处可导

若 f,gf, g 在 xx 处可导,则 fgfg 在 xx 处也可导,且 (fg)′(x)=f′(x)g(x)+f(x)g′(x)(fg)'(x) = f'(x)g(x) + f(x)g'(x)。

为什么成立?

把 f(x)g(x)f(x)g(x) 想象成一个宽为 f(x)f(x)、高为 g(x)g(x) 的矩形的面积。当 xx 变化时,两条边同时改变,因此矩形面积会因两个原因同时变化:宽以速率 f′(x)f'(x) 增长而高保持为 g(x)g(x),贡献 f′(x)g(x)f'(x)g(x);高以速率 g′(x)g'(x) 增长而宽保持为 f(x)f(x),贡献 f(x)g′(x)f(x)g'(x)。一个常见的错误是猜测 (fg)′=f′g′(fg)' = f'g',但这完全忽略了这两个独立的贡献。

证明

写出 f(x+h)g(x+h)−f(x)g(x)h\dfrac{f(x+h)g(x+h)-f(x)g(x)}{h},在分子中插入 −f(x+h)g(x)+f(x+h)g(x)-f(x+h)g(x)+f(x+h)g(x),将其拆分为 f(x+h)⋅g(x+h)−g(x)h+f(x+h)−f(x)h⋅g(x)f(x+h)\cdot\dfrac{g(x+h)-g(x)}{h} + \dfrac{f(x+h)-f(x)}{h}\cdot g(x)。当 h→0h \to 0 时,第一个差商趋于 g′(x)g'(x),且由连续性 f(x+h)→f(x)f(x+h) \to f(x);第二个差商趋于 f′(x)f'(x);两项之和趋于 f(x)g′(x)+f′(x)g(x)f(x)g'(x) + f'(x)g(x)。

定理: 链式法则

若 gg 在 xx 处可导,且 ff 在 g(x)g(x) 处可导,则 f∘gf \circ g 在 xx 处可导,且 (f∘g)′(x)=f′(g(x)) g′(x)(f \circ g)'(x) = f'(g(x))\, g'(x)。

为什么成立?

变化率通过相乘复合:如果 y=f(u)y=f(u) 变化的速度是 uu 的两倍(即 f′=2f'=2),而 u=g(x)u=g(x) 变化的速度是 xx 的三倍(即 g′=3g'=3),那么当 xx 有一个微小变化时,uu 移动 33 倍的距离,接着 yy 移动的距离又是 uu 移动距离的 22 倍——因此 yy 移动的距离是 xx 的 2×3=62 \times 3 = 6 倍。一个非常常见的错误是忘记内层导数 g′(x)g'(x):ddxsin⁡(x2)≠cos⁡(x2)\dfrac{d}{dx}\sin(x^2) \neq \cos(x^2);正确的导数是 2xcos⁡(x2)2x\cos(x^2)。

证明

由于 ff 在 g(x)g(x) 处可导,当 kk 接近 00 时可写 f(g(x)+k)−f(g(x))=[f′(g(x))+ε(k)] kf(g(x)+k) - f(g(x)) = [f'(g(x)) + \varepsilon(k)]\,k,其中 ε(k)→0\varepsilon(k) \to 0(当 k→0k \to 0 时)。代入 k=g(x+h)−g(x)k = g(x+h)-g(x),由 gg 的连续性知当 h→0h \to 0 时它趋于 00,再除以 hh 得 f(g(x+h))−f(g(x))h=[f′(g(x))+ε(k)]⋅g(x+h)−g(x)h→f′(g(x)) g′(x)\dfrac{f(g(x+h))-f(g(x))}{h} = [f'(g(x))+\varepsilon(k)]\cdot\dfrac{g(x+h)-g(x)}{h} \to f'(g(x))\,g'(x)。

三次曲线 y 等于 x 的三次方减 3x,从左下方上升到 x = -1 附近的局部极大值,再下降到 x = 1 附近的局部极小值,然后再次上升至右上方;原点处标出了一个拐点。
y=f(x)=x3−3xy = f(x) = x^3 - 3x,其中 f′(x)=3x2−3f'(x) = 3x^2 - 3。标记的局部极大值和极小值恰好位于 f′(x)=0f'(x)=0 处,即 x=±1x=\pm 1:当 f′(x)>0f'(x)>0([−1,1][-1,1] 之外)时曲线上升,当 f′(x)<0f'(x)<0([−1,1][-1,1] 之内)时曲线下降。标记在 x=0x=0 处的拐点是 f′′(x)=6xf''(x)=6x 变号之处,即曲线由下凹转为上凹的地方。

例题: 求乘积的导数

求 f(x)=x2sin⁡xf(x) = x^2 \sin x 的 f′(x)f'(x)。

解答

取 u(x)=x2u(x) = x^2 与 v(x)=sin⁡xv(x) = \sin x 应用乘积求导法则:u′(x)=2xu'(x) = 2x,v′(x)=cos⁡xv'(x) = \cos x,所以 f′(x)=u′(x)v(x)+u(x)v′(x)=2xsin⁡x+x2cos⁡xf'(x) = u'(x)v(x) + u(x)v'(x) = 2x\sin x + x^2\cos x。

例题

将球从地面竖直向上抛出,高度(米)为 h(t)=20t−5t2h(t) = 20t - 5t^2。(a) 求瞬时速度 v(t)=h′(t)v(t) = h'(t)。(b) 球何时到达最高点?(c) t=1t = 1 s 时的速度是多少?

解答

**第一步 — 用幂函数求导法则对 h(t)=20t−5t2h(t) = 20t - 5t^2 求导。** 逐项求导:(20t)′=20(20t)' = 20,(5t2)′=10t(5t^2)' = 10t,得 v(t)=h′(t)=20−10tv(t) = h'(t) = 20 - 10t。

第二步 — 求到达最高点的时刻。 在最高点球暂时静止,令 v(t)=0v(t) = 0:20−10t=0⇒t=220 - 10t = 0 \Rightarrow t = 2 s。二阶导数 h′′(t)=−10<0h''(t) = -10 < 0 确认这是极大值点。

**第三步 — 求 t=1t = 1 s 时的速度。** 代入速度公式:v(1)=20−10(1)=10v(1) = 20 - 10(1) = 10 m/s(向上)。球在 t=1t = 1 s 仍在上升,与在 t=2t = 2 s 到达顶点一致。

进阶高阶导数与后续方向

以上内容都建立在函数的极限之上,因此扎实掌握极限是学习导数的先修知识。对 f′f' 本身再求导得到二阶导数 f′′=(f′)′f''=(f')'(加速度、曲率),重复这一过程得到 nn 阶导数 f(n)f^{(n)};直到 kk 阶导数都连续的函数称为 CkC^k 类函数,若各阶导数都存在则称为 C∞C^\infty 类。从这里可以走向两个方向:直接由 f′f' 与 f′′f'' 的符号读出函数的形状——递增区间、极值、凹凸性(见导数的应用);以及把这一过程反过来:已知 f′f' 求回 ff,正是原函数问题,通向积分学的大门。

研究现代研究前沿中的导数

利用极限定义,f(x)=x2f(x) = x^2 的 f′(3)f'(3) 等于多少?

为什么 f(x)=∣x∣f(x) = |x| 在 x=0x=0 处连续但不可导?

根据链式法则,y=sin⁡(2x2)y = \sin(2x^2) 的导数是什么?

一质点沿直线运动,位置为 s(t)=t3−6t2+9ts(t) = t^3 - 6t^2 + 9t(米),t≥0t \ge 0(秒)。其加速度何时等于零?

参考文献

  1. Michael Spivak (2008). Calculus
  2. James Stewart (2015). Calculus: Early Transcendentals
  3. Augustin-Louis Cauchy (1823). Résumé des leçons données à l'École royale polytechnique sur le calcul infinitésimal
  4. Atilim Gunes Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul, Jeffrey Mark Siskind (2018). Automatic Differentiation in Machine Learning: a Survey