高等数学初步
xujindong_
·
·
个人记录
极限
我们先来定义数列的极限。感性理解,极限是指这个数列越往后,值会越靠近某个值 a,且这个靠近可以无限接近,我们将其描述为对于任意一个距离 \varepsilon 都可以比它更小,且在某个点之后都满足距离比 \varepsilon 小。因此可以定义:
数列的极限:设 x_n 为一数列,如果存在常数 a 使得对于任意正数 \varepsilon,总存在正整数 N 使得当 n>N,|x_n-a|<\varepsilon,称数列 x_n 收敛于 a,记作 \lim_{n\to\infty}x_n=a。若不存在,称数列 x_n 发散。
类似地,我们可以定义函数的极限。先定义趋于有限值的极限,这要求函数在不断接近一个 x_0 处时,值能无限接近极限:
自变量趋于有限值时函数的极限:若存在常数 A 使得对于任意正数 \varepsilon,总存在正数 \delta,使得当 0<|x-x_0|<\delta,满足 |f(x)-A|<\varepsilon,那么称常数 A 是函数 f(x) 当 x\to x_0 时的极限,记作 \lim_{x\to x_0}f(x)=A。
注意,函数在 x_0 处可以未定义,只需要在周围有定义,或者说是某个去心邻域。邻域 U(x_0,\delta)(x_0\in\mathbb R,\delta>0) 为开区间 (x_0-\delta,x_0+\delta),去心邻域 \mathring U(x_0,\delta)(x_0\in\mathbb R,\delta>0) 为 (x_0-\delta,x_0+\delta)\setminus\{x_0\}。
我们也可以定义左极限和右极限,只从左侧接近或只从右侧接近,将 0<|x-x_0|<\delta 改为 x_0-\delta<x<x_0 或 x_0<x<x_0+\delta,分别记作 \lim_{x\to x_0^-}f(x)=A,\lim_{x\to x_0^+}f(x)=A。极限就是要求左极限和右极限都存在且相等。
我们也可以让函数往两边接近无穷。将 0<|x-x_0|<\delta 改为 |x|>X,其中 X 是某个正数,就得到 \lim_{x\to\infty}f(x) 的定义。同理可以定义 \lim_{x\to+\infty}f(x),\lim_{x\to-\infty}f(x),改为 x>X 或 x<X 即可。
用极限,我们也可以描述函数趋向于无穷大,将 |f(x)-A|<\varepsilon 改为 |f(x)|>M,其中 M 是任意正数。按上面的定义,f(x) 在 x\to x_0/\infty 时没有极限,但我们仍然称极限是无穷大。此时我们也称 f(x) 是 x\to x_0/\infty 时的无穷大。
对应的,我们已经定义了无穷小,也就是 f(x) 在 x\to x_0/\infty 时极限为 0,称 f(x) 是 x\to x_0/\infty 时的无穷小。显然在同一变化过程中,无穷大的倒数是无穷小,无穷小(不为 0)的倒数是无穷大。
极限有以下运算法则,以下性质是显然的:
- 两个无穷小的和是无穷小;
- 有界函数与无穷小的乘积是无穷小;
-
-
-
对数列的极限类似。
对函数的复合,也可以找到规律:若 (f\circ g)(x) 在 x_0 的某去心邻域有定义, \lim_{x\to x_0/\infty}g(x)=u_0/\infty,\lim_{u\to u_0/\infty}f(u)=A,且存在 x_0 的某去心邻域的 g(x) 都不等于 u_0,则 \lim_{x\to x_0/\infty}(f\circ g)(x)=A。这说的其实就是将 g(x) 放到自变量上,也是一个向 u_0 的逼近。后面的一句特判是防止 x 周围形成一个平台,比如 f(x)=[x=1],g(x)=1,这样 g(x) 无法在 x_0 周围形成一个向 u_0 的逼近,因为取到 u_0。
下面讲述极限存在的一些准则:
夹逼准则:若在 x_0 的某去心邻域内或 |x|>M 时 g(x)\leq f(x)\leq h(x),且 \lim_{x\to x_0/\infty}g(x)=\lim_{x\to x_0/\infty}h(x)=A,则 \lim_{x\to x_0/\infty}f(x)=A。
容易感性理解。对数列类似。
一个经典例子是 \lim_{x\to0}\frac{\sin x}x=1。如下图,我们有一个单位元和一个圆心角 \angle AOC=x(0<x<\frac\pi2),有 S_{\triangle AOB}<S_{\text{扇形}AOB}<S_{\triangle AOC},即 \frac{\sin x}2<\frac x2<\frac{\tan x}2,\cos x<\frac{\sin x}x<1,而前后两者在 x\to0 的极限都是 1。
单调有界定理:单调有界数列必有极限。对于函数,若 f(x) 在 x_0 的某个左邻域内单调且有界,则 f(x) 在 x_0 的左极限存在。
感性理解,单调要求往一个方向,但是有界又要求不能超过 \pm M,所以只能无限接近某个位置而不越过。
经典例子是 \lim_{x\to\infty}(1+\frac1x)^x=e。我们先构造 a_n=(1+\frac1n)^n,证明它的极限存在。
首先它单调递增,因为 a_n=\sum_{i=0}^nC_n^i\frac1{n^i}=\sum_{i=0}^n\frac1{i!}\prod_{j=0}^i(1-\frac jn),每一项都是单调递增的。而且它有界,将其放缩为 \sum_{i=0}^n\frac1{i!}\leq1+\sum_{i=0}^n\frac1{2^i}<3。因此它有极限。对原问题,构造 g(x)=(1+\frac1{\lfloor x\rfloor+1})^{\lfloor x\rfloor},h(x)=(1+\frac1{\lfloor x\rfloor})^{\lfloor x\rfloor+1},极限都是 e,用夹逼准则即可。
柯西极限存在准则:数列 x_n 收敛的充要条件是对于任意正数 \varepsilon,存在正整数 N 使 \forall n,m>N,|x_n-x_m|<\varepsilon。
必要性显然,设极限是 a,存在 N 使 \forall n>N,|x_n-a|<\frac\varepsilon2。
感性理解充分性,考虑在 N 之后,所有 x_n 会落在一个长度小于 \varepsilon 的区间内,且随着 \varepsilon 的缩小,区间长度也缩小,且趋向 0。因此最后区间内会剩一个单点。上述过程也相当于归约到了闭区间套定理。
对于极限,我们可以定义无穷小之间的比较。
在同一个变化过程中,若 \lim\frac\beta\alpha=0,称 \beta 是比 \alpha 高阶的无穷小,记作 \beta=o(\alpha);
若 \lim\frac\beta\alpha=\infty,称 \beta 是比 \alpha 低阶的无穷小;
若 \lim\frac\beta\alpha=c\ne0,称 \beta 与 \alpha 是同阶无穷小。特别地,若 c=1,称 \beta 与 \alpha 是等价无穷小,记作 \beta\sim\alpha;
若 \lim\frac\beta{\alpha^k}=c\ne0,称 \beta 是关于 \alpha 的 k 阶无穷小。
关于等价无穷小有以下定理:
必要性:$\lim\frac{\beta-\alpha}\alpha=\lim(\frac\beta\alpha-1)=0,\beta-\alpha=o(\alpha)$。
充分性:$\lim\frac\beta\alpha=\lim\frac{\alpha+o(\alpha)}\alpha=\lim(1+\frac{o(\alpha)}\alpha)=1$。
若 $\alpha\sim\tilde\alpha,\beta\sim\tilde\beta$,且 $\lim\frac{\tilde\alpha}{\tilde\beta}$ 存在,则 $\lim\frac\alpha\beta=\lim\frac{\tilde\alpha}{\tilde\beta}$。
证明:$\lim\frac\alpha\beta=\lim\frac{\tilde\alpha}{\tilde\beta}\frac\beta{\tilde\beta}\frac{\tilde\alpha}\alpha=\lim\frac{\tilde\alpha}{\tilde\beta}\lim\frac\beta{\tilde\beta}\lim\frac{\tilde\alpha}\alpha=\lim\frac{\tilde\alpha}{\tilde\beta}$。
通过极限,我们可以刻画函数的连续性,就是两端能向这里的函数值逼近,不能出现断层,即若函数 $y=f(x)$ 在点 $x_0$ 的某一邻域有定义且 $\lim_{x\to x_0}f(x)=f(x_0)$,称函数 $y=f(x)$ 在点 $x_0$ 连续。同理可定义左连续和右连续。也可定义在一个区间连续,就是在内部的某个点连续,如果含左端点就在左端点左连续,含右端点就在右端点右连续。
根据极限的四则运算,可以立即得出两个在 $x_0$ 连续的函数的和/差/积/分母不为 $0$ 的商在 $x_0$ 连续。
讨论反函数的连续性,易得:若函数 $y=f(x)$ 在区间 $I_x$ 单调递增/单调递减且连续,则它的反函数 $x=f^{-1}(y)$ 在区间 $I_y=\{y\mid y=f(x),x\in I_x\}$ 单调递增/单调递减且连续。直觉上容易理解,这相当于交换 $x$ 轴和 $y$ 轴。
对复合函数,用复合函数的极限可得:若 $(f\circ g)(x)$ 在 $x_0$ 的某去心邻域有定义, $u=g(x)$ 在 $x_0$ 连续且 $g(x_0)=u_0$,$y=f(u)$ 在 $u_0$ 连续,则 $(f\circ g)(x)$ 在 $x_0$ 连续。
综上,我们可以证明初等函数(幂函数、指数函数、对数函数、三角函数、反三角函数)在其定义域内都连续。
关于函数的连续性,有以下几个定理:
有界性与最大值最小值定理:在闭区间上的函数在该区间上有界,且一定能取得它的最大值和最小值。
容易感性理解。这里闭区间是必要的,开区间有可能在端点处左/右极限为无穷大,如 $\tan x$ 在 $(-\frac\pi2,\frac\pi2)$。
介值定理:设函数 $f(x)$ 在 $[a,b]$ 连续,且 $f(a)=A,f(b)=B$,则对于任意的 $\min(A,B)<C<\max(A,B)$,存在 $a<\xi<b,f(\xi)=C$。
几何意义就是函数值从 $A$ 连续变化到 $B$,必然经过中间每个值。
# 导数与微分
导数描述了一个函数在某点的瞬时增长率,或者说切线斜率。其定义为 $f'(x_0)=\lim_{h\to0}\frac{f(x_0+h)-f(x_0)}h$。若这个极限存在,称函数 $y=f(x)$ 在 $x_0$ 处可导。连续是可导的充分条件(不是必要条件,比如考虑 $|x|$ 在 $x_0=0$)。以下是几个常用导数:
$$(C)'=0$$
$$\begin{aligned}&(x^n)'(n\in\mathbb N^\ast)\\&=\lim_{h\to 0}\frac{(x+h)^n-x^n}h\\&=\lim_{h\to0}\sum_{i=0}^{n-1}C_n^ix^ih^{n-i-1}\\&=nx^{n-1}\end{aligned}$$
$$\begin{aligned}&(x^\mu)'(\mu\in\mathbb R,x\ne0)\\&=\lim_{h\to0}\frac{(x+h)^\mu-x^\mu}h\\&=\lim_{h\to0}x^{\mu-1}\frac{(1+\frac hx)^\mu-1}{\frac hx}\\&=\lim_{h\to0}x^{\mu-1}\frac{(1+x)^\mu-1}x\\&=\lim_{h\to0}x^{\mu-1}\frac{(1+x)^\mu-1}{\ln(1+x)^\mu}\frac{\mu\ln(1+x)}x\\&=x^{\mu-1}\lim_{t\to0}\frac t{\ln(t+1)}\lim_{x\to0}\frac{\mu\ln(1+x)}x(t=(1+x)^\mu-1)\\&=x^{\mu-1}\mu\end{aligned}$$
$$\begin{aligned}&(\sin x)'\\&=\lim_{h\to0}\frac{\sin(x+h)-\sin x}h\\&=\lim_{h\to0}\frac{2\cos(x+\frac h2)\sin\frac h2}h\\&=\lim_{h\to0}\cos(x+\frac h2)\lim_{h\to0}\frac{\sin\frac h2}{\frac h2}\\&=\cos x\end{aligned}$$
$$\begin{aligned}&(\cos x)'\\&=\lim_{h\to0}\frac{\cos(x+h)-\cos h}h\\&=\lim_{h\to0}\frac{-2\sin(x+\frac h2)\sin\frac h2}h\\&=\lim_{h\to0}-\sin(x+\frac h2)\lim_{h\to0}\frac{\sin\frac h2}{\frac h2}\\&=-\sin x\end{aligned}$$
$$\begin{aligned}&(a^x)'(a>0,a\ne1)\\&=\lim_{h\to0}\frac{a^{x+h}-a^x}h\\&=a^x\lim_{h\to0}\frac{a^h-1}h\\&=a^x\lim_{t\to0}\frac t{\log_a(1+t)}(t=a^h-1)\\&=a^x\lim_{t\to0}\frac1{\log_a(1+t)^{\frac1t}}\\&=\frac{a^x}{\log_ae}\\&=a^x\ln a\end{aligned}$$
$$(e^x)'=e^x$$
$$\begin{aligned}&(\log_a x)'(a>0,a\ne1)\\&=\lim_{h\to0}\frac{\log_a(x+h)-\log_ax}h\\&=\lim_{h\to0}\frac{\log_a\frac{x+h}x}h\\&=\frac1x\lim_{h\to0}\frac{\log_a(1+\frac hx)}{\frac hx}\\&=\frac1x\log_ae\\&=\frac1{x\ln a}\end{aligned}$$
$$(\ln x)'=\frac1x$$
函数有以下求导法则:
- $(u\pm v)'=u'\pm v'$;
- $(Cu)'=Cu'$;
- $(uv)'=u'v+uv'$;
证明:$$\begin{aligned}&(u(x)v(x))'\\&=\lim_{h\to0}\frac{u(x+h)v(x+h)-u(x)v(x)}h\\&=\lim_{h\to0}\frac{v(x+h)(u(x+h)-u(x))+u(x)(v(x+h)-v(x))}h\\&=\lim_{h\to0}v(x+h)\lim_{h\to0}\frac{u(x+h)-u(x)}h+\lim_{h\to0}\frac{u(x)(v(x+h)-v(x))}h\\&=u'(x)v(x)+v'(x)u(x)\end{aligned}$$
- $(\frac uv)'=\frac{u'v-uv'}{v^2}$;
证明:$$\begin{aligned}&\left(\frac{u(x)}{v(x)}\right)'\\&=\lim_{h\to0}\frac{\frac{u(x+h)}{v(x+h)}-\frac{u(x)}{v(x)}}h\\&=\lim_{h\to0}\frac{u(x+h)v(x)-u(x)v(x+h)}{v(x+h)v(x)h}\\&=\lim_{h\to0}\frac{v(x)(u(x+h)-u(x))-u(x)(v(x+h)-v(x))}{v(x+h)v(x)h}\\&=\frac{u'(x)v(x)+u(x)v'(x)}{v(x)^2}\end{aligned}$$
对反函数,有:若函数 $y=f(x)$ 在区间 $I_x$ 单调、可导且 $f'(x)\ne0$,那么它的反函数 $x=f^{-1}(y)$ 在区间 $I_y=\{y\mid y=f(x),x\in I_x\}$ 内可导且 $f^{-1}(x)'=\frac1{f'(y)}$。同理,反函数可以看成交换 $x$ 轴和 $y$ 轴。
对复合函数,有:若 $u=g(x)$ 在点 $x$ 处可导且 $y=f(u)$ 在点 $u=g(x)$ 处可导,那么 $y=(f\circ g)(x)$ 在点 $x$ 处可导且 $(f\circ g)'(x)=f'(u)g'(x)$。这也是好理解的,$x$ 输入 $g$ 后在 $u$ 周围产生了变化速度为 $g'(x)$ 的点列,套一层 $f$ 后变成了 $f'(u)g'(x)$。这也被称为链式法则。
这又能推出以下常用导数(其中 $\csc x=\frac1{\sin x},\sec x=\frac1{\cos x},\cot x=\frac1{\tan x}$):
$$\begin{aligned}&(\tan'x)\\&=\left(\frac{\sin x}{\cos x}\right)'\\&=\frac{(\sin x)'\cos x-\sin x(\cos x)'}{\cos^2x}\\&=\frac{\cos^2x+\sin^2x}{\cos^2x}\\&=\sec^2x\\&(\arcsin x)'\\&=\frac1{(\sin y)'}(y=\arcsin x)\\&=\frac1{\cos y}\\&=\frac1{\sqrt{1-\sin^2y}}\\&=\frac1{\sqrt{1-x^2}}\\&(\arccos x)'\\&=\frac1{(\cos y)'}\\&=-\frac1{\sin y}\\&=-\frac1{\sqrt{1-x^2}}\\&(\arctan x)'\\&=\frac1{(\tan x)'}\\&=\frac1{\sec^2x}\\&=\frac1{1+x^2}(1+\tan^2x=\frac1{\cos^2 x})\end{aligned}$$
导数可以嵌套,我们定义高阶导数 $f^{(n)}(x)$ 为导数迭代 $n$ 次。
对于一个函数,如果它在点 $x$ 处可导,我们就可以用切线拟合函数的曲线,这就是说,用 $f'(x)\Delta x$ 估计 $\Delta y$。
此时有 $\lim_{\Delta x\to0}\frac{\Delta y}{\Delta x}=f'(x_0)$,则 $\frac{\Delta y}{\Delta x}=f'(x_0)+\alpha(\lim_{\Delta x\to0}\alpha=0)$,移项可得 $\Delta y=f'(x_0)\Delta x+\alpha\Delta x=\Delta y=f'(x_0)\Delta x+o(\Delta x)$。这也是微分的定义:
设函数 $y=f(x)$ 在某区间内有定义,$x_0,x_0+\Delta x$ 在这个区间内,若函数的增量 $\Delta y=f(x_0+\Delta x)-f(x_0)$ 可表示为 $\Delta y=A\Delta x+o(\Delta x)$,其中 $A$ 是与 $\Delta x$ 无关的常数,那么称函数 $y=f(x)$ 在 $x_0$ 处可微,$A\Delta x$ 是函数 $y=f(x)$ 在点 $x_0$ 相应于自变量增量 $x$ 的微分,记作 $\mathrm dy$。可导是可微的充要条件,且一定满足 $A=f'(x_0)$。这也说明导数是函数的微分除以自变量的微分,即 $\frac{\mathrm dy}{\mathrm dx}$。
微分也可以看作差分,差分完变成若干个一次函数,导数是一次函数的斜率,也就是瞬时变化率。
根据导数的运算,容易推出微分的运算。
对复合函数的微分,令 $y=f(u),u=g(x)$,则 $\mathrm dy=f(g(x))'\mathrm dx=f(u)'g(x)'\mathrm dx$。这也可以写为 $f(u)'\mathrm du$。$u$ 是中间变量,微分形式不变,这被称为微分形式不变性。这是因为微分可视作关于自变量的增量,和自变量的移速无关。
下面介绍微分的几个中值定理:
先引入费马引理:设函数 $f(x)$ 在点 $x_0$ 的某邻域 $U(x_0)$ 有定义且在 $x_0$ 处可导,若 $x_0$ 是 $f(x)$ 在 $U(x_0)$ 的最大值或最小值,则 $f'(x_0)=0$。
这就是说,在这个函数的局部极值,切线是水平线。证明考虑左极限和右极限一个 $\geq0$ 一个 $\leq0$。称导数为 $0$ 的点为函数的驻点。
罗尔定理:若函数 $f(x)$ 在 $[a,b]$ 上连续且在 $(a,b)$ 内可导,且 $f(a)=f(b)$,则存在 $a<\xi<b$ 使 $f'(\xi)=0$。
取不是端点的最大/最小值,用费马引理即可。
我们可以拓展到 $f(a)\ne f(b)$ 的情况,得到拉格朗日中值定理:若函数 $f(x)$ 在 $[a,b]$ 上连续且在 $(a,b)$ 内可导,则存在 $a<\xi<b$ 使 $f'(\xi)=\frac{f(a)-f(b)}{a-b}$。
证明将函数偏移,减掉直线 $AB$,对 $g(x)=f(x)-x\frac{f(a)-f(b)}{a-b}$ 使用罗尔定理即可。实际意义是在 $(a,b)$ 内能找到一点的切线平行于直线 $AB$。
将这个式子变形,得到 $\Delta y=f'(x+\theta\Delta x)\cdot\Delta x$,其中 $\theta$ 是某个 $0<\theta<1$ 的值。这也被称为有限增量定理。
这可以导出,若函数 $f(x)$ 在 $[a,b]$ 上连续且在 $(a,b)$ 内可导且导数恒为 $0$,那么 $f(x)$ 在区间 $[a,b]$ 是常数。任取 $a\leq x_1<x_2\leq b$,都存在 $f'(\xi)=\frac{f(x_1)-f(x_2)}{x_1-x_2}=0,f(x_1)=f(x_2)$。
我们还可以把 $a-b$ 换成另一个函数,得到柯西中值定理: 若函数 $f(x),F(x)$ 在 $[a,b]$ 上连续且在 $(a,b)$ 内可导,且 $F'(x)\ne0(a<x<b)$,则存在 $a<\xi<b$ 使 $\frac{f'(\xi)}{F'(\xi)}=\frac{f(a)-f(b)}{F(a)-F(b)}$。
感性理解,这相当于把自变量换成一个 $F(x)$,可以前后移动,变成了一条曲线。构造 $g(x)=f(x)-\frac{f(a)-f(b)}{F(a)-F(b)}F(x)$ 用罗尔定理即可。
通过柯西中值定理,可以导出一种求 $\frac00$ 型极限的方式。
洛必达法则:若 $\lim_{x\to a/\infty}f(x)=\lim_{x\to a/\infty}F(x)=0$,在点 $a/\infty$ 的某去心邻域内 $f'(x),F'(x)$ 存在且 $F'(x)\ne0$ 且 $\lim_{x\to a/\infty}\frac{f'(x)}{F'(x)}$ 存在或为无穷大,则 $\lim_{x\to a/\infty}\frac{f(x)}{F(x)}=\lim_{x\to a/\infty}\frac{f'(x)}{F'(x)}$。
证明:我们钦定 $f(a)=F(a)=0$,当 $x$ 从 $a$ 左侧/右侧逼近时,我们可以将 $\frac{f(x)}{F(x)}$ 替换为 $\frac{f'(\xi)}{F'(\xi)}$,这个 $\xi$ 在 $x,a$ 中间向 $a$ 逼近。
用导数可以在某个点 $x_0$ 拟合函数。考虑用更高阶多项式去拟合,我们尝试构造一个多项式 $p_n(x-x_0)=\sum_{i=0}^na_i(x-x_0)^i$ 使得 $p_n$ 的 $0\sim n$ 阶导在 $x_0$ 处和 $f$ 的 $0\sim n$ 阶导相等。导 $i$ 次后,低于 $i$ 的项都没了,高于 $i$ 的项有个 $x-x_0$ 也为 $0$,第 $i$ 项变成 $i!a_i$,则 $a_i=\frac{f^{(i)}(x_0)}{i!}$。下面我们研究误差,设 $f(x)=R_n(x)+\sum_{i=0}^n\frac{f^{(i)}}{i!}(x-x_0)^i$,这被称为泰勒公式。
根据上面有 $R_n^{(k)}(x)=0(0\leq k\leq n)$。对 $\lim_{x\to x_0}\frac{R_n(x)}{(x-x_0)^n}$,我们可以洛必达 $n$ 次,上面是 $0$,下面是 $n!$。因此 $R_n(x)=o((x-x_0)^n)$。
假设 $f(x)$ 在 $x_0$ 的某邻域内有 $n+1$ 阶导数,我们还可以用中值定理继续分析。此时有 $R_n^{(k)}(x)=0(0\leq k\leq n),R_n^{(n+1)}(x)=f^{(n+1)}(x)$。对 $\frac{R_n(x)}{(x-x_0)^{n+1}}$,在 $[x_0,x]$ 用柯西中值定理,找到 $\frac{R_n'(\xi_1)}{n(\xi_1-x_0)^{n}}=\frac{R_n(x)}{(x-x_0)^{n+1}}$。我们对 $\frac{R_n'(\xi_1)}{n(\xi_1-x_0)^{n}}$ 在 $[x_0,\xi_1]$ 再用一次柯西中值定理找到 $\xi_2$。用 $n+1$ 次,会得到一个 $x_0<\xi<x$ 满足 $\frac{R_n(x)}{(x-x_0)^{n+1}}=\frac{R_n^{(n+1)}(\xi)}{(n+1)!}$,则因为 $R_n^{(k)}(x)=0(0\leq k\leq n),R_n^{(n+1)}(x)=f^{(n+1)}(x)$,有 $R_n(x)=\frac{f_n^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}$。
特别地,若 $x_0=0$,就得到麦克劳林公式,可以将 $\xi$ 替换为 $\theta x(0<\theta<1)$。
我们能立刻得到:
$$\begin{aligned}e^x&=\left(\sum_{i=0}^n\frac{x^i}{i!}\right)+\frac{e^{\theta x}}{(n+1)!}x^{n+1}(0<\theta<1)\\\sin x&=\left(\sum_{i=0}^{\infty}(-1)^i\frac{x^{2i+1}}{(2i+1)!}\right)+(-1)^n\frac{\cos\theta x}{(2n+1)!}x^{2n+1}(0<\theta<1)\\\cos x&=\left(\sum_{i=0}^{\infty}(-1)^i\frac{x^{2i}}{(2i)!}\right)+(-1)^{n+1}\frac{\cos\theta x}{(2n+2)!}x^{2n+2}(0<\theta<1)\\\ln(1+x)&=\left(\sum_{i=1}^{\infty}(-1)^{n-1}\frac{x^n}n\right)+\frac{(-1)^n}{(n+1)(1+\theta x)^{n+1}}x^{n+1}(0<\theta<1)\end{aligned}$$
通过导数,我们能刻画函数的单调性与凸性。显然有以下定理:设函数 $y=f(x)$ 在 $[a,b]$ 上连续,在 $(a,b)$ 内可导,若在 $(a,b)$ 内 $f'(x)\geq0/f'(x)\leq0$ 且等号仅在有限多个点处成立,那么函数 $y=f(x)$ 在 $[a,b]$ 单调递增/单调递减。因为等号只在有限多个点成立,不会形成相等的平台,按这些点分段,每段容易用拉格朗日中值定理证明。
下面我们定义函数的凸性。字面意义上看也就是函数的曲线向上凸或向下凸。设 $f(x)$ 在区间 $I$ 上连续,若 $\forall x_1<x_2,x_1,x_2\in I$ 都有 $f(\frac{x_1+x_2}2)>\frac{f(x_1)+f(x_2)}2/f(\frac{x_1+x_2}2)<\frac{f(x_1)+f(x_2)}2$,称 $f(x)$ 在区间 $I$ 上的图形是上凸/下凸的。
我们尝试用导数刻画。可以把上凸/下凸看成增速放缓/增速增加,而增速对应导数,增速的增速就是二阶导数。因此若开区间内 $f''(x)<0/f''(x)>0$,在闭区间内就是上凸/下凸的。也称函数凸性变化的点为拐点。
# 积分
定义如果在区间 $I$ 上可导函数 $F(x)$ 的导函数为 $f(x)$,那么 $F(x)$ 是 $f(x)$ 在区间 $I$ 上的一个原函数。原函数有很多。首先,显然将函数平移,即加上一个常数 $C$,导数不变。且可以证明所有原函数都是某个原函数平移得来,因为若两个函数的导数相同,它们的差的导数为 $0$。
我们定义,在区间 $I$ 上,函数 $f(x)$ 的带有任意常数项的原函数为 $f(x)$ 在区间 $I$ 上的不定积分,记作 $\int f(x)\mathrm dx$。
积分是微分的逆运算。如果把微分看成差分,那积分就是前缀和。这也就是说 $\int\mathrm df(x)=f(x)+C$。
根据常用导数,我们能写出以下积分表:
$$\begin{aligned}\int k\mathrm dx&=kx+C\\\int x^\mu\mathrm dx&=\frac{x^{\mu+1}}{\mu+1}+C(\mu\ne-1)\\\int\frac{\mathrm dx}x&=\ln|x|+C\\\int\sin x\mathrm dx&=-\cos x+C\\\int\cos x\mathrm dx&=\sin x+C\\\int e^x\mathrm dx&=e^x+C\\\int a^x\mathrm dx&=\frac{a^x}{\ln a}+C(a>0,a\ne1)\\\int\frac{\mathrm dx}{1+x^2}&=\arctan x+C\\\int\frac{\mathrm dx}{\sqrt{1-x^2}}&=\arcsin x+C\end{aligned}$$
显然有两个法则:$\int(f(x)+g(x))\mathrm dx=\int f(x)\mathrm dx+\int g(x)\mathrm dx,\int kf(x)\mathrm dx=k\int f(x)\mathrm dx(k\ne0)$。
求积分,常用换元积分法。换元积分法有两类:
对 $\int f(u)\mathrm du$,令 $F(u)'=f(u)$,将 $u$ 换元为 $g(x)$,则有 $\int f(u)\mathrm du=F(g(x))=\int f(g(x))g'(x)\mathrm dx$。我们可以从左往右进行,也可以从右往左进行。
若我们能将函数凑成 $f(g(x))g'(x)$,可以直接转化为 $f(u)$ 的积分,最后在结果中换回 $x$,要求 $g(x)$ 可导。这被称为第一类换元法。
也可以将 $\int f(u)\mathrm du$ 变为 $\int f(g(x))g'(x)\mathrm dx$。前提是该积分存在,且要保证 $g(x)$ 能生成一个 $u$ 的点列,也就要求 $g(x)$ 在对应的 $f(u)$ 的积分区间上单调且 $g'(x)\ne0$,最后用 $x=g^{-1}(u)$ 代回。这被称为第二类换元法。
另一种方式是分部积分法。我们知道 $(uv)'=u'v+uv'$,也就是 $uv'=(uv)'-u'v,\int uv'\mathrm dx=uv-\int u'v\mathrm dx$。因为 $v'=\frac{\mathrm dv}{\mathrm dx}$,也可以写成 $\int u\mathrm dv=uv-\int v\mathrm du$。
这样又能得到如下结果:
$$\begin{aligned}&\int\frac{\mathrm dx}{x^2+a^2}\\&=\int\frac1{a^2}\frac1{1+(\frac xa)^2}\\&=\int\frac 1a\frac1{u^2+1}(u=\frac xa,\mathrm du=\frac1a\mathrm d\frac xa)\\&=\frac1a\arctan\frac xa+C\\&\int\frac{\mathrm dx}{x^2-a^2}\\&=\int\frac1{2a}(\frac1{x-a}-\frac1{x+a})\\&=\frac1{2a}(\int\frac1{x-a}\mathrm dx-\int\frac1{x+a}\mathrm dx)\\&=\frac1{2a}(\int\frac1{x-a}\mathrm d(x-a)-\int\frac1{x+a}\mathrm d(x+a))\\&=\frac1{2a}\ln|\frac{x-a}{x+a}|+C\\&\int\frac{\mathrm dx}{\sqrt{a^2-x^2}}\\&=\int\frac1a\frac{\mathrm dx}{\sqrt{1-(\frac xa)^2}}\\&=\int\frac{\mathrm d\frac xa}{\sqrt{1-(\frac xa)^2}}\\&=\arcsin\frac xa+C\\&\int\tan x\mathrm dx\\&=\int\frac{\sin x}{\cos x}\mathrm dx\\&=-\int\frac1u\mathrm du(u=\cos x,\mathrm du=-\mathrm d\sin x)\\&=-\ln|\cos x|+C\\&\int\cot x\mathrm dx\\&=\int\frac{\cos x}{\sin x}\mathrm dx\\&=\int\frac1u\mathrm du(u=\sin x,\mathrm du=d\cos x)\\&=\ln|\sin x|
+C\\&\int\csc x\mathrm dx\\&=\int\frac{\mathrm dx}{\sin x}\\&=\int\frac{\mathrm dx}{2\sin\frac x2\cos\frac x2}\\&=\int\frac{\cos\frac x2}{\sin\frac x2}\mathrm du(u=\tan\frac x2,\mathrm du=\frac{\mathrm dx}{2\cos^2\frac x2})\\&=\ln|\tan\frac x2|+C\\&=\ln|\csc x-\cot x|+C(\tan\frac x2=\frac{\sin\frac x2}{\cos\frac x2}=\frac{2\sin^2\frac x2}{\sin x}=\frac{1-\cos x}{\sin x}=\csc x-\cot x)\\&\int\sec x\mathrm dx\\&=\int\csc(x+\frac\pi2)\mathrm d(x+\frac\pi2)\\&=\ln|\csc(x+\frac\pi2)-\cot(x+\frac\pi2)|+C\\&=\ln|\sec x+\tan x|+C\end{aligned}$$