MIT 18.01 单变量微积分
常用公式
三角函数
\[ \sin^2x + \cos ^ 2 x = 1\\ \]
求导
三角函数求导
\[ \sin'x = \cos x\\ \cos'x = - \sin x\\ \tan'x = \frac{1}{\cos^2x} = \sec^2x\\ \arctan' x = \frac{1}{1+x^2}\\ \]
指数函数和对数函数
\[ \frac{\text d}{\text d x}\ln x = \frac{1}{x}\\ \frac{\text d}{\text d x}e^x = e^x\\ \frac{\text d}{\text dx}a^x = \ln a \cdot a^x\\ \frac{\text d}{\text d x} \ln u = \frac{1}{u}\frac{\text d u}{\text d x} \]
导数(derivative)
Lecture1: 导数的几何解释
如图, \(P\)点的导数便是过\(P\)点的切线(tangent line)的斜率, 记作\(f'(P)\).
什么样子的线是切线? 我们先看由点\(PQ\)构成的割线(secant line). 当\(PQ\)两点的距离趋于\(0\)时, 割线与切线便无限接近.
如图. 可得 \[ f'(x) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x} \]
一些符号
导数(牛顿记法): \(f'\)
导数(莱布尼兹记法): \(\frac{\text df}{\text dx},\frac{\text dy}{\text d x},\frac{\text d}{\text dx}f,\frac{\text d}{\text dx}y\)
一个有用的公式(推导见手写笔记): \[ \frac{\text d}{\text d x}x^n = n \cdot x^{n-1} \]
Lecture2: 极限, 连续性和三角函数的极限
我们用\(\frac{\Delta y}{\Delta x}\)来计量某个函数在一段时间内的平均变化率. 当\(\Delta x \to 0\)时, 这便变成了瞬时变化率.
Limits and Continuity
简单的极限可以直接带入运算:
但是对于 \[ \lim_{\Delta x \to 0}\frac{\Delta f}{\Delta x} \] 它不是一个简单极限. 因为我们不能将\(\Delta x = 0\)代入运算, 这样永远会得到\(\frac{0}{0}\). 注意: \[ \lim_{x \to x_0} \] 暗示了\(x \neq x_0\).
左右极限(Left and Right Limt)
我们用以下两个记号来表示左极限和右极限: \[ \lim_{x\to x_0^-} (左极限, 此时x < x_0)\\ \lim_{x\to x_0^+} (右极限, 此时x > x_0)\\ \]
连续性(Continuity)
我们称\(f(x)\)在\(x_0\)连续, 当且仅当 \[ \lim_{x \to x_0}f(x) = f(x_0) \] 这意味着:
- \(f(x)\)在点\(x_0\)的极限必须存在, 且左右极限相等
- \(f(x_0)\)是有定义的
- \(\lim_{x\to x_0}f(x)\)与\(f(x_0)\)相等
如图, \(\lim_{x \to 0^+}f(x) = 1\), 但是\(f(0) = 0\). 因此该函数在点\(0\)不连续.
以下是不连续的几种情况:
- Removable Discontinuity
该点的左右极限存在且相等, 但与该点的函数值不等(或该点的函数值未定义)
- Jump Discontinuity
左右极限均存在, 但不相等.
- Infinite Discontinuity
\(x = 0\)时, 左极限为负无穷, 右极限为正无穷.
- Other (ugly) discontinuities
导数的图像(Picturing the derivative)
注意导数的图像和原函数的图像没有什么相关性. 而且对一个奇函数求导, 它的导数一定是一个偶函数.
定理: 可导必连续(Theorem: Differentiable Implies Continuous)
\[ 如果f在x_0处可导, 那么f必定在x_0处连续. \]
Lecture 3: 导数的四则运算及三角函数
求导公式(Derivative Formulas)
特殊求导公式
\[ \lim_{\theta \to 0}\frac{\sin\theta}{\theta} = 1\\ \lim_{\theta\to0}\frac{1 - cos\theta}{\theta} = 0 \]
证明:
sin, cos
\[ \frac{\text d}{\text d x}\sin x = \cos x\\ \frac{\text d}{\text d x}\cos x = -\sin x\\ \]
推导过程:
一般求导公式
加法法则 \[ (u+v)' = u' + v' \]
乘积法则
\[ (uv)' = u'v + uv' \]
除法法则(quotient rule) \[ (\frac{u}{v})' = \frac{u'v - uv'}{v^2}(v \neq 0) \]
证明: 加法法则
证明: 乘法法则
几何上的理解: \((uv)' \cdot \Delta x = (u + \Delta u)(v + \Delta v) - uv\), 即图中粉色, 白色, 黄色部分之和. 又因为\(\Delta u \cdot \Delta v \approx 0\), 所以有 \[ (uv)' \approx \frac{u \Delta v + v \Delta u}{\Delta x} \\ = uv’ +u'v \]
- 证明: 除法法则
Lecture 4:链式法则和高阶导数
链式法则(Chain Rule)
\[ \frac{\text{d}y}{\text{d}t} = \frac{\text{d} y}{\text{d}x} \cdot \frac{\text{d}x}{\text{d}t} \]
高阶导数(Higher Derivatives)
Lecture 5 隐函数微分及逆函数导数
隐函数微分(Implicit Differentiation)
有些函数(例如\(x^2 + y^2 = 1\))不具有明显的\(y = f(x)\)形式, 但是能通过变形得到(本例可得\(y = \sqrt{1 - x^2}\)). 这样的函数称为隐函数. 对隐函数求导, 可在方程两边同时对\(x\)求导, 得到一个包含\(\frac{\text{d}y}{\text{d}x}\)的式子, 再求解\(\frac{\text{d}y}{\text{d}x}\)即可.
反函数(Inverse Function)
若\(y = f(x),g(x) = y\), 则\(g\)是\(f\)的反函数, 记作\(f^{-1}\). 函数和它的反函数关于\(y = x\)对称.
Lecture 6 指数函数与对数函数,对数微分,双曲线函数
指数函数,对数函数和自然对数
见课程pdf和手写笔记
### 对数微分(Logarithmic Differentiation)
Lecture 7 连续性和第一次考试复习
导数伪装的极限
(普林斯顿微积分读本修订版,人民邮电出版社,ISBN: 978-7-115-43559-0, P101)
Leture 9 线性和二阶近似
线性近似(Linear Approximation)
\[ f(x) \approx f(x_0) + f'(x_0)(x - x_0) \]
注意上表近似符号左边和右边的函数. 如果\(f(x_0) + f'(x)(x - x_0)\)比\(f(x)\)更容易计算, 便可以用线性近似来加速计算.
二阶近似(Quadratic Approximations)
一阶(线性)近似可能精度不够, 这时便需要二阶或更高阶的近似. \[ f(x) \approx f(x_0) + f'(x_0)(x - x_0) + \frac{f''(x_0)}{2}(x-x_0)^2 \]
关于为什么二阶导的系数是\(\frac{1}{2}\):
可以看出, 二阶近似的效果更好:
基础的结论:
Lecture 10: 曲线构图
Lecture 10: Curve Sketching
利用\(f'\)和\(f''\)的符号来画出\(f\)的近似图像
- \(f' > 0\), \(f\)递增. 反之亦然
- \(f'' > 0\), \(f'\)递增, 反之亦然
画图的一般步骤:
当\(f'(x_0) = 0\)时, 点\(x_0\)称为驻点(临界点, critical points).
当\(f''(x_0) = 0\)时, 点\(x_0\)称为拐点(inflection point).