导数的基本法则与常用导数公式的推导

2024-08-25 05:52

本文主要是介绍导数的基本法则与常用导数公式的推导,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • n 次幂函数导数公式的推导
  • 导数和的运算法则的证明
  • 正弦、余弦函数导数公式的推导
    • 代数证明
      • 两个重要极限(引理)及证明
      • 具体推导
    • 几何直观
  • 导数积的运算法则的证明
  • 导数商的法则的证明
  • 链式法则的证明
  • 有理幂函数求导法则的证明
  • 反函数求导法则的证明
  • 反正切函数导数公式的推导
  • 指数函数导数公式的推导
    • 引入
    • 证明
      • 第一种方法:代入消元
      • 第二种方法:对数微分
  • 幂指函数导数公式的推导
  • 幂法则(The Power Rule)的证明
    • 第一种方法:e 的代换
    • 第二种方法:对数微分
  • e 的极限本质
  • 双曲函数导数公式的推导
    • 重要性质的证明

非专业、适用于计算机科学的微积分简要提纲,用于汇总梳理知识。如有错误恳请批评指正!

n 次幂函数导数公式的推导

d d x x n = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 ( x + Δ x ) n − x n Δ x \begin{aligned} \frac{d}{dx} x^n & = \lim_{\Delta x\to 0} \frac{\Delta y}{\Delta x} \\\\ & = \lim_{\Delta x\to 0} \frac{(x+\Delta x)^n - x^n}{\Delta x} \end{aligned} dxdxn=Δx0limΔxΔy=Δx0limΔx(x+Δx)nxn
对于微小量 Δ x \Delta x Δx,根据牛顿二项式定理

( x + y ) n = ∑ k = 0 n ( n k ) x n − k y k (x+y)^n = \sum_{k=0}^{n} \binom{n}{k} x^{n-k} y^k (x+y)n=k=0n(kn)xnkyk

我们有(略去无穷小量余项)
( x + Δ x ) n = x n + n ( Δ x ) x n − 1 + o ( Δ x ) 2 (x+\Delta x)^n = x^n + n(\Delta x) x^{n-1} + o(\Delta x)^2 (x+Δx)n=xn+n(Δx)xn1+o(Δx)2

则有
Δ y Δ x = [ x n + n ( Δ x ) x n − 1 + o ( Δ x ) 2 ] − x n Δ x = n x n − 1 + o ( Δ x ) \begin{aligned} \frac{\Delta y}{\Delta x} & = \frac{[x^n + n(\Delta x) x^{n-1} + o(\Delta x)^2] -x^n}{\Delta x} \\\\ &= nx^{n-1} + o(\Delta x) \end{aligned} ΔxΔy=Δx[xn+n(Δx)xn1+o(Δx)2]xn=nxn1+o(Δx)

Δ x → 0 \Delta x \to 0 Δx0 时,我们有
lim ⁡ Δ x → 0 Δ y Δ x = n x n − 1 \lim_{\Delta x\to 0} \frac{\Delta y}{\Delta x} = nx^{n-1} Δx0limΔxΔy=nxn1


d d x x n = n x n − 1 \boxed{\frac{d}{dx} x^n = nx^{n-1}} dxdxn=nxn1

导数和的运算法则的证明

( u + v ) ′ ( x ) = u ′ ( x ) + v ′ ( x ) \boxed{(u+v)'(x) = u'(x) + v'(x)} (u+v)(x)=u(x)+v(x)

( u + v ) ′ ( x ) = lim ⁡ Δ x → 0 ( u + v ) ( x + Δ x ) − ( u + v ) ( x ) Δ x = lim ⁡ Δ x → 0 u ( x + Δ x ) − u ( x ) + v ( x + Δ x ) − v ( x ) Δ x = lim ⁡ Δ x → 0 u ( x + Δ x ) − u ( x ) Δ x + lim ⁡ Δ x → 0 v ( x + Δ x ) − v ( x ) Δ x = u ′ ( x ) + v ′ ( x ) . \begin{aligned} (u+v)'(x) & = \lim_{\Delta x \to 0} \frac{(u+v)(x+\Delta x)-(u+v)(x)}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{u(x+\Delta x)-u(x)+v(x+\Delta x)-v(x)}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{u(x+\Delta x)-u(x)}{\Delta x} + \lim_{\Delta x \to 0} \frac{v(x+\Delta x)-v(x)}{\Delta x} \\\\ &= u'(x)+v'(x). \end{aligned} (u+v)(x)=Δx0limΔx(u+v)(x+Δx)(u+v)(x)=Δx0limΔxu(x+Δx)u(x)+v(x+Δx)v(x)=Δx0limΔxu(x+Δx)u(x)+Δx0limΔxv(x+Δx)v(x)=u(x)+v(x).

正弦、余弦函数导数公式的推导

代数证明

两个重要极限(引理)及证明

lim ⁡ Δ x → 0 c o s Δ x − 1 Δ x = 0 \boxed{\lim_{\Delta x \to 0} \frac{cos\Delta x - 1}{\Delta x} = 0 } Δx0limΔxcosΔx1=0
Δ x = θ \Delta x = \theta Δx=θ,我们考虑一个半径 r = 1 \ r = 1  r=1 的单位圆,以弧度为度量单位, θ \theta θ 扫过的弧线长度 l = θ r = θ \ l = \theta r = \theta  l=θr=θ。过 θ \theta θ 角的终止角向其起始角作垂线,则垂点到圆心的水平距离为 c o s θ \ cos \ \theta  cos θ,垂点到弧的一端的水平距离为 1 − c o s θ \ 1-cos\ \theta  1cos θ
几何证明
θ → 0 \theta \to 0 θ0 时, 1 − c o s θ \ 1-cos\ \theta  1cos θ 递减 θ \theta θ 更快,因此比值 1 − c o s θ θ → 0 \frac{1-cos\ \theta}{\theta} \to 0 θ1cos θ0,则可以证明 lim ⁡ Δ x → 0 c o s Δ x − 1 Δ x = 0 \lim_{\Delta x \to 0} \frac{cos\Delta x - 1}{\Delta x} = 0 Δx0limΔxcosΔx1=0 成立。

图象
lim ⁡ Δ x → 0 s i n Δ x Δ x = 1 \boxed{\lim_{\Delta x \to 0} \frac{sin\Delta x}{\Delta x} = 1} Δx0limΔxsinΔx=1
同理,如图
几何证明
θ → 0 \theta \to 0 θ0 时, s i n θ ≈ θ \ sin\ \theta \approx \theta  sin θθ 逐步趋向于精确,比值 s i n θ θ → 1 \frac{sin\ \theta}{\theta} \to 1 θsin θ1,因此极限 lim ⁡ Δ x → 0 s i n Δ x Δ x = 1 \lim_{\Delta x \to 0} \frac{sin\Delta x}{\Delta x} = 1 Δx0limΔxsinΔx=1 成立。

具体推导

d d x s i n x = lim ⁡ Δ x → 0 s i n ( x + Δ x ) − s i n x Δ x = lim ⁡ Δ x → 0 s i n x c o s Δ x + c o s x s i n Δ x − s i n x Δ x = lim ⁡ Δ x → 0 [ s i n x c o s Δ x − s i n x Δ x + c o s x s i n Δ x Δ x ] = lim ⁡ Δ x → 0 [ s i n x ( c o s Δ x − 1 Δ x ) + c o s x ( s i n Δ x Δ x ) ] \begin{aligned} \frac{d}{dx} sin\ x &= \lim_{\Delta x \to 0} \frac{sin(x+\Delta x)-sin\ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{sin\ x\ cos\Delta x + cos\ x \ sin\Delta x - sin \ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \left[\frac{sin\ x\ cos\Delta x - sin \ x}{\Delta x} + \frac{cos\ x \ sin\Delta x }{\Delta x}\right] \\\\ &= \lim_{\Delta x \to 0} \left[sin\ x\left(\frac{cos\Delta x - 1}{\Delta x}\right) + cos\ x\left( \frac{ \ sin\Delta x }{\Delta x}\right)\right] \\\\ \end{aligned} dxdsin x=Δx0limΔxsin(x+Δx)sin x=Δx0limΔxsin x cosΔx+cos x sinΔxsin x=Δx0lim[Δxsin x cosΔxsin x+Δxcos x sinΔx]=Δx0lim[sin x(ΔxcosΔx1)+cos x(Δx sinΔx)]

利用两个重要极限,可得
d d x s i n x = c o s x \begin{aligned} \boxed{\frac{d}{dx} sin\ x = cos\ x} \end{aligned} dxdsin x=cos x
同样地
d d x c o s x = lim ⁡ Δ x → 0 c o s ( x + Δ x ) − c o s x Δ x = lim ⁡ Δ x → 0 c o s x c o s Δ x − s i n x s i n Δ x − c o s x Δ x = lim ⁡ Δ x → 0 [ c o s x c o s Δ x − c o s x Δ x − s i n x s i n Δ x Δ x ] = lim ⁡ Δ x → 0 [ c o s x ( c o s Δ x − 1 Δ x ) − s i n x ( s i n Δ x Δ x ) ] \begin{aligned} \frac{d}{dx} cos\ x &= \lim_{\Delta x \to 0} \frac{cos(x+\Delta x)-cos\ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{cos\ x\ cos\Delta x - sin\ x \ sin\Delta x - cos \ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \left[\frac{cos\ x\ cos\Delta x - cos \ x}{\Delta x} - \frac{sin\ x \ sin\Delta x }{\Delta x}\right] \\\\ &= \lim_{\Delta x \to 0} \left[cos\ x\left(\frac{cos\Delta x - 1}{\Delta x}\right) - sin\ x\left( \frac{ \ sin\Delta x }{\Delta x}\right)\right] \\\\ \end{aligned} dxdcos x=Δx0limΔxcos(x+Δx)cos x=Δx0limΔxcos x cosΔxsin x sinΔxcos x=Δx0lim[Δxcos x cosΔxcos xΔxsin x sinΔx]=Δx0lim[cos x(ΔxcosΔx1)sin x(Δx sinΔx)]

利用两个重要极限,可得
d d x c o s x = − s i n x \begin{aligned} \boxed{\frac{d}{dx} cos\ x = -sin\ x} \end{aligned} dxdcos x=sin x

几何直观

我们在单位圆上给予 θ \theta θ 微小增量 Δ θ \Delta \theta Δθ,则 P 的纵坐标为 s i n θ \ sin\ \theta  sin θ,Q 的纵坐标为 s i n ( θ + Δ θ ) \ sin(\theta + \Delta \theta)  sin(θ+Δθ)
几何直观
如图,纵坐标增量 Δ y = ∣ P R ∣ \Delta y = |PR| Δy=PR,线段 PQ 则是对弧线 P Q ⌢ \overset{\LARGE{\frown}}{PQ} PQ的近似,我们可以很容易得到 ∣ P Q ∣ ≈ Δ θ \ |PQ| \approx \Delta\theta  PQΔθ。考虑到 Δ θ \Delta \theta Δθ 为微小量,线段 PQ 几乎是圆的一条切线,以至于 ∠ O P Q \angle OPQ OPQ 近似为直角,由几何关系, ∠ R P Q ≈ θ \angle RPQ \approx \theta RPQθ,则 c o s θ ≈ ∣ P R ∣ Δ θ = s i n ( θ + Δ θ ) − s i n θ Δ θ . \ cos\ \theta \approx \frac{|PR|}{\Delta\theta}=\frac{sin(\theta+\Delta\theta)-sin\ \theta}{\Delta\theta}.  cos θΔθPR=Δθsin(θ+Δθ)sin θ.
几何近似
那么,当 Δ θ → 0 \Delta\theta \to 0 Δθ0 时,这一近似结果就越准确,直到 lim ⁡ Δ θ → 0 s i n ( θ + Δ θ ) − s i n θ Δ θ = c o s θ \lim_{\Delta\theta \to 0} \frac{sin(\theta+\Delta\theta)-sin\ \theta}{\Delta\theta} = cos\ \theta Δθ0limΔθsin(θ+Δθ)sin θ=cos θ
成立。

y = c o s θ y = cos\ \theta y=cos θ 同理易证,但是需要注意余弦函数的单调性(单调递减,增量为负)。

导数积的运算法则的证明

( u v ) ′ = u ′ v + u v ′ \boxed{(uv)'=u'v+uv'} (uv)=uv+uv

( u v ) ′ = lim ⁡ Δ x → 0 u ( x + Δ x ) v ( x + Δ x ) − u ( x ) v ( x ) Δ x (uv)' = \lim_{\Delta x \to 0} \frac{u(x+\Delta x)v(x+\Delta x)-u(x)v(x)}{\Delta x} (uv)=Δx0limΔxu(x+Δx)v(x+Δx)u(x)v(x)

我们希望构造出 [ u ( x + Δ x ) − u ( x ) ] v ( x ) \left[u(x+\Delta x) - u(x)\right]v(x) [u(x+Δx)u(x)]v(x) 这一项以期凑出 u ′ ( x ) u'(x) u(x),于是我们注意到
u ( x + Δ x ) v ( x ) − u ( x + Δ x ) v ( x ) = 0 u(x+\Delta x)v(x)-u(x+\Delta x)v(x)=0 u(x+Δx)v(x)u(x+Δx)v(x)=0

代入得
( u v ) ′ = lim ⁡ Δ x → 0 u ( x + Δ x ) v ( x ) − u ( x ) v ( x ) + u ( x + Δ x ) v ( x + Δ x ) − u ( x + Δ x ) v ( x ) Δ x = lim ⁡ Δ x → 0 { [ u ( x + Δ x ) − u ( x ) Δ x ] v ( x ) + u ( x + Δ x ) [ v ( x + Δ x ) − v ( x ) Δ x ] } = u ′ ( x ) v ( x ) + lim ⁡ Δ x → 0 { u ( x + Δ x ) [ v ( x + Δ x ) − v ( x ) Δ x ] } = u ′ ( x ) v ( x ) + u ( x ) v ′ ( x ) . \begin{aligned} (uv)'&= \lim_{\Delta x \to 0} \frac{u(x+\Delta x)v(x)-u(x)v(x)+u(x+\Delta x)v(x+\Delta x)-u(x+\Delta x)v(x)}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \left\{ \left[\frac{u(x+\Delta x)-u(x)}{\Delta x}\right]v(x)+u(x+\Delta x) \left[\frac{v(x+\Delta x)-v(x)}{\Delta x}\right] \right\} \\\\ &= u'(x)v(x)+\lim_{\Delta x \to 0} \left\{u(x+\Delta x) \left[\frac{v(x+\Delta x)-v(x)}{\Delta x}\right] \right\} \\\\ &= u'(x)v(x)+u(x)v'(x). \end{aligned} (uv)=Δx0limΔxu(x+Δx)v(x)u(x)v(x)+u(x+Δx)v(x+Δx)u(x+Δx)v(x)=Δx0lim{[Δxu(x+Δx)u(x)]v(x)+u(x+Δx)[Δxv(x+Δx)v(x)]}=u(x)v(x)+Δx0lim{u(x+Δx)[Δxv(x+Δx)v(x)]}=u(x)v(x)+u(x)v(x).
3b1b

导数商的法则的证明

( u v ) ′ = u ′ v − u v ′ v 2 \boxed{\left(\frac{u}{v}\right)'=\frac{u'v-uv'}{v^2}} (vu)=v2uvuv

( u v ) ′ = lim ⁡ Δ x → 0 u ( x + Δ x ) v ( x + Δ x ) − u ( x ) v ( x ) Δ x \begin{aligned} \left(\frac{u}{v}\right)' = \lim_{\Delta x \to 0} \frac{\frac{u(x+\Delta x)}{v(x+\Delta x)}-\frac{u(x)}{v(x)}}{\Delta x} \end{aligned} (vu)=Δx0limΔxv(x+Δx)u(x+Δx)v(x)u(x)

Δ u = u ( x + Δ x ) − u ( x ) \Delta u = u(x+\Delta x)-u(x) Δu=u(x+Δx)u(x) Δ v = v ( x + Δ x ) − v ( x ) \Delta v = v(x+\Delta x)-v(x) Δv=v(x+Δx)v(x) ,则有
u ( x + Δ x ) v ( x + Δ x ) − u ( x ) v ( x ) = u + Δ u v + Δ v − u v = ( u + Δ u ) v − u ( v + Δ v ) ( v + Δ v ) v = u v + ( Δ u ) v − u v + u ( Δ v ) ( v + Δ v ) v = ( Δ u ) v + u ( Δ v ) ( v + Δ v ) v \begin{aligned} \frac{u(x+\Delta x)}{v(x+\Delta x)}-\frac{u(x)}{v(x)} &= \frac{u+\Delta u}{v+\Delta v} - \frac{u}{v} \\\\ &= \frac{(u+\Delta u)v-u(v+\Delta v)}{(v+\Delta v)v} \\\\ &= \frac{uv+(\Delta u)v-uv+u(\Delta v)}{(v+\Delta v)v} \\\\ &= \frac{(\Delta u)v+u(\Delta v)}{(v+\Delta v)v} \end{aligned} v(x+Δx)u(x+Δx)v(x)u(x)=v+Δvu+Δuvu=(v+Δv)v(u+Δu)vu(v+Δv)=(v+Δv)vuv+(Δu)vuv+u(Δv)=(v+Δv)v(Δu)v+u(Δv)

我们有
( u v ) ′ = lim ⁡ Δ x → 0 ( Δ u ) v + u ( Δ v ) ( v + Δ v ) u Δ x = lim ⁡ Δ x → 0 1 Δ x ( Δ u ) v + u ( Δ v ) ( v + Δ v ) u = lim ⁡ Δ x → 0 ( Δ u Δ x ) v − u ( Δ v Δ x ) ( v + Δ v ) v = ( d u d x ) v − u ( d v d x ) v 2 = u ′ v − u v ′ v 2 . \begin{aligned} \left(\frac{u}{v}\right)' &= \lim_{\Delta x \to 0} \frac{\frac{(\Delta u)v+u(\Delta v)}{(v+\Delta v)u}}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{1}{\Delta x} \frac{(\Delta u)v+u(\Delta v)}{(v+\Delta v)u} \\\\ &= \lim_{\Delta x \to 0} \frac{\left(\frac{\Delta u}{\Delta x}\right) v-u\left(\frac{\Delta v}{\Delta x}\right)}{(v+\Delta v)v} \\\\ &= \frac{ \left( \frac{du}{dx}\right)v-u \left( \frac{dv}{dx}\right)}{v^2} \\\\ &= \frac{u'v-uv'}{v^2}. \end{aligned} (vu)=Δx0limΔx(v+Δv)u(Δu)v+u(Δv)=Δx0limΔx1(v+Δv)u(Δu)v+u(Δv)=Δx0lim(v+Δv)v(ΔxΔu)vu(ΔxΔv)=v2(dxdu)vu(dxdv)=v2uvuv.

链式法则的证明

d y d t = d y d x d x d t \boxed{\frac{dy}{dt}= \frac{dy}{dx} \frac{dx}{dt}} dtdy=dxdydtdx

d y = d y d x d x = d y d x d x d t d t . \begin{aligned} dy &= \frac{dy}{dx} dx \\\\ &= \frac{dy}{dx} \frac{dx}{dt} dt. \end{aligned} dy=dxdydx=dxdydtdxdt.

有理幂函数求导法则的证明

a ∈ Q a \in Q aQ,则有
d d x ( x a ) = a x a − 1 \boxed{\frac{d}{dx} (x^a)=ax^{a-1}} dxd(xa)=axa1

假设 a = m n a=\frac{m}{n} a=nm,其中 m ∈ N m \in N mN n ∈ N n \in N nN,我们有 y = x m n y = x^{\frac{m}{n}} y=xnm,则

y n = ( x m n ) n y n = x m \begin{aligned} y^n &= \left(x^{\frac{m}{n}}\right)^n \\ y^n &= x^m \end{aligned} ynyn=(xnm)n=xm

等式两边同时求导
d d x y n = d d x x m ( d d y y n ) d y d x = m x m − 1 n y n − 1 d y d x = m x m − 1 d y d x = m n x m − 1 y n − 1 \begin{aligned} \frac{d}{dx} y^n &= \frac{d}{dx} x^m \\\\ \left(\frac{d}{dy} y^n\right) \frac{dy}{dx} &= mx^{m-1} \\\\ ny^{n-1}\ \frac{dy}{dx} &= mx^{m-1} \\\\ \frac{dy}{dx} &= \frac{m}{n} \frac{x^{m-1}}{y^{n-1}} \end{aligned} dxdyn(dydyn)dxdynyn1 dxdydxdy=dxdxm=mxm1=mxm1=nmyn1xm1

y = x m n y = x^{\frac{m}{n}} y=xnm 代入方程得
d y d x = m n [ x m − 1 ( x m n ) n − 1 ] = m n [ x m − 1 x m ( n − 1 ) n ] = m n x [ ( m − 1 ) − m ( n − 1 ) n ] = m n x [ n ( m − 1 ) − m ( n − 1 ) n ] = m n x m − n n = m n x m n − 1 = a x a − 1 . \begin{aligned} \frac{dy}{dx} &= \frac{m}{n} \left[ \frac{x^{m-1}}{(x^{\frac{m}{n}})^{n-1}}\right] \\\\ &= \frac{m}{n} \left[ \frac{x^{m-1}}{x^{\frac{m(n-1)}{n}}}\right] \\\\ &= \frac{m}{n} x^{\left[(m-1)-\frac{m(n-1)}{n}\right]} \\\\ &= \frac{m}{n} x^{\left[\frac{n(m-1)-m(n-1)}{n}\right]} \\\\ &= \frac{m}{n} x^{\frac{m-n}{n}} \\\\ &= \frac{m}{n} x^{\frac{m}{n}-1} \\\\ &= ax^{a-1}. \end{aligned} dxdy=nm[(xnm)n1xm1]=nm[xnm(n1)xm1]=nmx[(m1)nm(n1)]=nmx[nn(m1)m(n1)]=nmxnmn=nmxnm1=axa1.

反函数求导法则的证明

d x d y = 1 d y d x \boxed{\frac{dx}{dy}=\frac{1}{\frac{dy}{dx}}} dydx=dxdy1

我们有 y = f ( x ) y = f(x) y=f(x) f − 1 ( y ) = x f^{-1}(y)=x f1(y)=x,则
d d x [ f − 1 ( y ) ] = d d x ( x ) d d x [ f − 1 ( y ) ] = 1 \begin{aligned} \frac{d}{dx}[f^{-1}(y)] &= \frac{d}{dx} (x) \\\\ \frac{d}{dx}[f^{-1}(y)] &= 1 \\\\ \end{aligned} dxd[f1(y)]dxd[f1(y)]=dxd(x)=1

由链式法则
d d y [ f − 1 ( x ) ] d y d x = 1 d d y [ f − 1 ( x ) ] = 1 d y d x . \begin{aligned} \frac{d}{dy}[f^{-1}(x)]\ \frac{dy}{dx} &= 1 \\\\ \frac{d}{dy}[f^{-1}(x)] &= \frac{1}{\frac{dy}{dx}}. \\\\ \end{aligned} dyd[f1(x)] dxdydyd[f1(x)]=1=dxdy1.

反正切函数导数公式的推导

d d x a r c t a n ( x ) = 1 1 + x 2 \boxed{\frac{d}{dx}arctan(x) = \frac{1}{1+x^2}} dxdarctan(x)=1+x21

我们有 y = a r c t a n ( x ) = t a n − 1 ( x ) y = arctan(x)=tan^{-1}(x) y=arctan(x)=tan1(x) ,等式两边同时取正切以简化方程:
t a n y = t a n [ t a n − 1 ( x ) ] t a n y = x \begin{aligned} tan\ y &= tan[tan^{-1}(x)] \\ tan \ y &= x \end{aligned} tan ytan y=tan[tan1(x)]=x

在这里插入图片描述
如图,我们限制函数 t a n ( x ) tan(x) tan(x) 的定义域为 ( − π 2 , π 2 ) \left(-\frac{\pi}{2}, \frac{\pi}{2}\right) (2π,2π) ,我们沿 y = x y=x y=x t a n ( x ) tan(x) tan(x) 翻转即可得到反函数 t a n − 1 ( x ) tan^{-1}(x) tan1(x)
在这里插入图片描述
我们可以知道, lim ⁡ x → ∞ t a n − 1 ( x ) = π 2 \lim_{x\to \infty} tan^{-1}(x) = \frac{\pi}{2} limxtan1(x)=2π ,而我们显然可以推导出
d d y t a n y = d d y s i n y c o s y = c o s 2 y − s i n 2 y c o s 2 y = 1 c o s 2 y = s e c 2 y \begin{aligned} \frac{d}{dy} tan\ y &= \frac{d}{dy} \frac{sin\ y}{cos\ y} \\\\ &= \frac{cos^2 y \ -sin^2y}{cos^2 y} \\\\ &= \frac{1}{cos^2 y} \\\\ &= sec^2 y \end{aligned} dydtan y=dydcos ysin y=cos2ycos2y sin2y=cos2y1=sec2y

我们对 t a n y = x tan\ y = x tan y=x 两边同时求导
d d x [ t a n ( y ) ] = d d x x d d y [ t a n ( y ) ] d y d x = 1 1 c o s 2 y d y d x = 1 d y d x = c o s 2 y \begin{aligned} \frac{d}{dx}[tan(y)] &= \frac{d}{dx} x \\\\ \frac{d}{dy}[tan(y)]\ \frac{dy}{dx} &= 1 \\\\ \frac{1}{cos^2y}\ \frac{dy}{dx} &= 1 \\\\ \frac{dy}{dx} &= cos^2y \end{aligned} dxd[tan(y)]dyd[tan(y)] dxdycos2y1 dxdydxdy=dxdx=1=1=cos2y

我们仍需要以 x x x 消去 y y y,由三角关系, c o s ( y ) = 1 1 + x 2 cos(y)= \frac{1}{\sqrt{1+x^2}} cos(y)=1+x2 1,那么 c o s 2 ( y ) = 1 1 + x 2 cos^2(y) = \frac{1}{1+x^2} cos2(y)=1+x21,则
d d x a r c t a n ( x ) = 1 1 + x 2 . \frac{d}{dx} arctan(x) = \frac{1}{1+x^2}. dxdarctan(x)=1+x21.

指数函数导数公式的推导

d d x a x = a x ln ⁡ a \boxed{\frac{d}{dx}a^x=a^x\ln a} dxdax=axlna

引入

由导数的定义
d d x a x = lim ⁡ Δ x → 0 a x + Δ x − a x Δ x = lim ⁡ Δ x → 0 a x a Δ x − a x Δ x = lim ⁡ Δ x → 0 a x a Δ x − 1 Δ x = a x lim ⁡ Δ x → 0 a Δ x − 1 Δ x \begin{aligned} \frac{d}{dx} a^x &= \lim_{\Delta x \to 0} \frac{a^{x+\Delta x}-a^x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{a^x a^{\Delta x} - a^x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} a^x \frac{a^{\Delta x}-1}{\Delta x} \\\\ &= a^x\lim_{\Delta x \to 0} \frac{a^{\Delta x}-1}{\Delta x} \\\\ \end{aligned} dxdax=Δx0limΔxax+Δxax=Δx0limΔxaxaΔxax=Δx0limaxΔxaΔx1=axΔx0limΔxaΔx1

lim ⁡ Δ x → 0 a Δ x − 1 Δ x = M ( a ) \lim_{\Delta x \to 0} \frac{a^{\Delta x}-1}{\Delta x} = M(a) limΔx0ΔxaΔx1=M(a) ,则有
d d x a x = M ( a ) a x \frac{d}{dx}a^x = M(a)\ a^x dxdax=M(a) ax

由于 d d x a x ∣ x = 0 = M ( a ) \frac{d}{dx} a^x |_{x=0}=M(a) dxdaxx=0=M(a) ,我们只需要求解出 y = a x y=a^x y=ax 图象在 x = 0 x=0 x=0 处切线的斜率即可得到指数函数导数公式。假设一个常数 e e e ,使得 M ( e ) = 1 M(e)=1 M(e)=1 ,那么有
d d x e x = e x \boxed{\frac{d}{dx} e^x=e^x} dxdex=ex

同时, y = e x y=e^x y=ex 图象在 x = 0 x=0 x=0 的切线斜率为 1. 下面证 e e e唯一性(不完全):

随着底数 a a a 增长,指数函数的图象愈来愈陡峭,则其导数单调递增,当 a = 1 a=1 a=1 时, a x = 1 a^x=1 ax=1 恒成立且对应指数函数图象斜率恒为 0;我们用割线来逼近 a = 2 a=2 a=2 以及 a = 4 a=4 a=4 的情况:
在这里插入图片描述
如图,从 ( 0 , 1 ) (0,1) (0,1) ( 1 , 2 ) (1,2) (1,2) 关于 y = 2 x y=2^x y=2x 的割线斜率为 1,我们很容易可以看出, M ( 2 ) < 1 M(2)<1 M(2)<1

如下图,从 ( − 1 2 , 1 2 ) (-\frac{1}{2}, \frac{1}{2}) (21,21) ( 1 , 0 ) (1,0) (1,0) 关于 y = 4 x y=4^x y=4x 的割线斜率为 1,我们也可以得到 M ( 4 ) > 1 M(4)>1 M(4)>1
在这里插入图片描述
由于 y = a x y=a^x y=ax 的导数必定连续且单增,则 M ( a ) M(a) M(a) 也连续且单增,由上述推理可知 a ∈ ( 2 , 4 ) a \in (2, 4) a(2,4) 有且只有一个 e e e 满足 M ( a ) = 1 M(a) =1 M(a)=1 ,唯一性得证。

自然对数是以 e e e 为底的指数函数的反函数:
y = e x , ln ⁡ ( y ) = x y=e^x, \ln (y)=x y=ex,ln(y)=x

w = ln ⁡ x w=\ln x w=lnx,则有
d d x e w = d d x x d d w ( e w ) d w d x = 1 e w d w d x = 1 d w d x = 1 e w \begin{aligned} \frac{d}{dx}e^w &= \frac{d}{dx} x \\\\ \frac{d}{dw}(e^w)\ \frac{dw}{dx} &= 1 \\\\ e^w\ \frac{dw}{dx} &= 1 \\\\ \frac{dw}{dx} &= \frac{1}{e^w}\\\\ \end{aligned} dxdewdwd(ew) dxdwew dxdwdxdw=dxdx=1=1=ew1

由假设,我们有
d d x ln ⁡ x = 1 x \boxed{\frac{d}{dx} \ln x=\frac{1}{x}} dxdlnx=x1
在这里插入图片描述

证明

第一种方法:代入消元

我们使用 e e e 重新表达 a x a^x ax
a x = ( e ln ⁡ a ) x = e x ln ⁡ a a^x=\left(e^{\ln a}\right)^x=e^{x\ln a} ax=(elna)x=exlna

由链式法则,我们可以得到
d d x e x ln ⁡ a = ( ln ⁡ a ) e x ln ⁡ a . \frac{d}{dx} e^{x \ln a}=(\ln a)\ e^{x\ln a}. dxdexlna=(lna) exlna.


d d x a x = a x ln ⁡ a \boxed{\frac{d}{dx}a^x=a^x\ln a} dxdax=axlna

那么, M ( a ) = ln ⁡ a M(a) = \ln a M(a)=lna .

第二种方法:对数微分

u = a x u=a^x u=ax ,而由链式法则, d d x ln ⁡ u = 1 u d u d x \frac{d}{dx}\ln u=\frac{1}{u} \frac{du}{dx} dxdlnu=u1dxdu,即 ( ln ⁡ u ) ′ = u ′ u . (\ln u)'=\frac{u'}{u}. (lnu)=uu. 则有

ln ⁡ u = ln ⁡ ( a x ) ln ⁡ u = x ln ⁡ a ( ln ⁡ u ) ′ = ln ⁡ a \begin{aligned} \ln u &= \ln (a^x) \\ \ln u &= x\ln a \\ (\ln u)' &= \ln a \end{aligned} lnulnu(lnu)=ln(ax)=xlna=lna

( ln ⁡ u ) ′ = u ′ u (\ln u)'=\frac{u'}{u} (lnu)=uu 可得 u ′ = u ( ln ⁡ u ) ′ u'=u(\ln u)' u=u(lnu) ,即 ( a x ) ′ = a x ln ⁡ a . (a^x)' = a^x \ln a. (ax)=axlna.

幂指函数导数公式的推导

d d x x x = x x ( 1 + ln ⁡ x ) \boxed{\frac{d}{dx}x^x=x^x(1+\ln x)} dxdxx=xx(1+lnx)

之前我们已然推导出 ( ln ⁡ u ) ′ = u ′ u (\ln u)'=\frac{u'}{u} (lnu)=uu,设 v = x x v=x^x v=xx ,我们利用对数微分的技巧求解 v ′ v' v
ln ⁡ v = x ln ⁡ x ( ln ⁡ v ) ′ = ln ⁡ x + x ⋅ 1 x = v ′ v \begin{aligned} \ln v &= x \ln x \\ (\ln v)' &= \ln x + x \cdot \frac{1}{x} \\ &= \frac{v'}{v} \end{aligned} lnv(lnv)=xlnx=lnx+xx1=vv

则有
v ′ x x = 1 + ln ⁡ x v ′ = x x ( 1 + ln ⁡ x ) . \begin{aligned} \frac{v'}{x^x} &= 1+\ln x \\\\ v' &=x^x(1+\ln x). \end{aligned} xxvv=1+lnx=xx(1+lnx).

幂法则(The Power Rule)的证明

我们先前证明过有理数幂函数的导数公式,现在我们将其拓展到实数域:
d d x x r = r x r − 1 \boxed{\frac{d}{dx}x^r=rx^{r-1}} dxdxr=rxr1

第一种方法:e 的代换

显然 x r = e r ln ⁡ x x^r=e^{r\ln x} xr=erlnx ,则
d d x x r = d d x e r ln ⁡ x = e r ln ⁡ x d d x ( r ln ⁡ x ) = e r ln ⁡ x ( r x ) = x r ( r x ) = r x r − 1 . \begin{aligned} \frac{d}{dx}x^r &= \frac{d}{dx} e^{r\ln x} = e^{r\ln x}\ \frac{d}{dx}(r\ln x) \\\\ &= e^{r\ln x}\ \left(\frac{r}{x}\right) \\\\ &= x^r \left(\frac{r}{x}\right) = rx^{r-1}. \end{aligned} dxdxr=dxderlnx=erlnx dxd(rlnx)=erlnx (xr)=xr(xr)=rxr1.

第二种方法:对数微分

我们定义 f ( x ) = x r f(x)=x^r f(x)=xr,则有
ln ⁡ f = r ln ⁡ x ( ln ⁡ f ) ′ = f ′ f = r x f ′ = f ( ln ⁡ f ) ′ = x r ( r x ) = r x r − 1 . \begin{aligned} \ln f &= r\ln x \\ (\ln f)' &= \frac{f'}{f} = \frac{r}{x} \\ f' &= f(\ln f)' = x^r \left(\frac{r}{x}\right) \\ &= rx^{r-1}. \end{aligned} lnf(lnf)f=rlnx=ff=xr=f(lnf)=xr(xr)=rxr1.

e 的极限本质

在这里插入图片描述

lim ⁡ n → ∞ ( 1 + 1 n ) n = e \boxed{\lim_{n\to \infty}\left(1+\frac{1}{n}\right)^n = e} nlim(1+n1)n=e

取自然对数
ln ⁡ [ ( 1 + 1 n ) n ] = n ln ⁡ ( 1 + 1 n ) \ln \left[\left(1+\frac{1}{n}\right)^n\right] = n\ln \left(1+\frac{1}{n}\right) ln[(1+n1)n]=nln(1+n1)

n → ∞ n\to \infty n 时, Δ x = 1 n → 0 \Delta x =\frac{1}{n} \to 0 Δx=n10 n = 1 Δ x n=\frac{1}{\Delta x} n=Δx1,这样我们就可以将其转换为趋近于 0 的极限问题:

lim ⁡ n → ∞ n ln ⁡ ( 1 + 1 n ) = lim ⁡ Δ x → 0 [ 1 Δ x ln ⁡ ( 1 + Δ x ) ] \begin{aligned} \lim_{n\to \infty}n\ln \left(1+\frac{1}{n}\right) &= \lim_{\Delta x \to 0} \left[\frac{1}{\Delta x} \ln (1+\Delta x)\right] \\\\ \end{aligned} nlimnln(1+n1)=Δx0lim[Δx1ln(1+Δx)]

利用 ln ⁡ 1 = 0 \ln 1 = 0 ln1=0 这一性质,我们可以构造出熟悉的导数极限定义式的形式:
lim ⁡ Δ x → 0 [ 1 Δ x ln ⁡ ( 1 + Δ x ) ] = lim ⁡ Δ x → 0 { 1 Δ x [ ln ⁡ ( 1 + Δ x ) − ln ⁡ 1 ] } = lim ⁡ Δ x → 0 ln ⁡ ( 1 + Δ x ) − ln ⁡ 1 Δ x = d d x ln ⁡ x ∣ x = 1 = 1 x ∣ x = 1 = 1 \begin{aligned} \lim_{\Delta x \to 0} \left[\frac{1}{\Delta x} \ln (1+\Delta x)\right] &= \lim_{\Delta x\to 0} \left\{ \frac{1}{\Delta x} \big [ \ln (1+\Delta x)-\ln 1 \big ]\right\} \\\\ &= \lim_{\Delta x \to 0} \frac{\ln (1+\Delta x)-\ln 1}{\Delta x} \\\\ &= \frac{d}{dx} \ln x\ \bigg|_{x=1} = \frac{1}{x}\ \bigg|_{x=1} \\\\ &= 1 \end{aligned} Δx0lim[Δx1ln(1+Δx)]=Δx0lim{Δx1[ln(1+Δx)ln1]}=Δx0limΔxln(1+Δx)ln1=dxdlnx  x=1=x1  x=1=1

这是原极限取自然对数的结果,意味着
lim ⁡ n → ∞ ( 1 + 1 n ) n = lim ⁡ n → ∞ e ln ⁡ [ ( 1 + 1 n ) n ] = e lim ⁡ n → ∞ ln ⁡ [ ( 1 + 1 n ) n ] = e 1 = e . \begin{aligned} \lim_{n\to \infty}\left(1+\frac{1}{n}\right)^n &= \lim_{n\to \infty} e^{\ln\left[ \left(1+\frac{1}{n}\right)^n\right]} \\\\ &= e^{\lim_{n\to \infty}\ln\left[ \left(1+\frac{1}{n}\right)^n\right]} \\\\ &= e^1 = e. \end{aligned} nlim(1+n1)n=nlimeln[(1+n1)n]=elimnln[(1+n1)n]=e1=e.

双曲函数导数公式的推导

双曲正弦函数
sinh ⁡ ( x ) = e x − e − x 2 \sinh(x) = \frac{e^x-e^{-x}}{2} sinh(x)=2exex

双曲余弦函数
cosh ⁡ ( x ) = e x + e − x 2 \cosh(x) = \frac{e^x+e^{-x}}{2} cosh(x)=2ex+ex

则有
d d x sinh ⁡ ( x ) = cosh ⁡ ( x ) \boxed{\frac{d}{dx}\sinh(x) = \cosh(x)} dxdsinh(x)=cosh(x)

d d x cosh ⁡ ( x ) = sinh ⁡ ( x ) \boxed{\frac{d}{dx}\cosh(x) = \sinh(x)} dxdcosh(x)=sinh(x)

d d x sinh ⁡ ( x ) = e x − ( − e − x ) 2 = cosh ⁡ ( x ) . \frac{d}{dx} \sinh(x) = \frac{e^x-(-e^{-x})}{2} = \cosh(x). dxdsinh(x)=2ex(ex)=cosh(x).

cosh ⁡ ( x ) \cosh(x) cosh(x) 同理可证。

重要性质的证明

cosh ⁡ 2 ( x ) − sinh ⁡ 2 ( x ) = 1 \boxed{\cosh^2(x)-\sinh^2(x)=1} cosh2(x)sinh2(x)=1

cosh ⁡ 2 ( x ) − sinh ⁡ 2 ( x ) = ( e x + e − x 2 ) 2 − ( e x − e − x 2 ) 2 = 1 4 ( e 2 x + 2 e x e − x + e − 2 x ) − 1 4 ( e 2 x − 2 + e − 2 x ) = 1 4 ( 2 + 2 ) = 1. \begin{aligned} \cosh^2(x)-\sinh^2(x) &= \left(\frac{e^x+e^{-x}}{2}\right)^2-\left(\frac{e^x-e^{-x}}{2}\right)^2 \\\\ &= \frac{1}{4} (e^{2x}+2e^xe^{-x}+e^{-2x}) - \frac{1}{4} (e^{2x}-2+e^{-2x}) \\\\ &= \frac{1}{4} (2+2) = 1. \end{aligned} cosh2(x)sinh2(x)=(2ex+ex)2(2exex)2=41(e2x+2exex+e2x)41(e2x2+e2x)=41(2+2)=1.

来谷唯湖

这篇关于导数的基本法则与常用导数公式的推导的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1104729

相关文章

Linux上设置Ollama服务配置(常用环境变量)

《Linux上设置Ollama服务配置(常用环境变量)》本文主要介绍了Linux上设置Ollama服务配置(常用环境变量),Ollama提供了多种环境变量供配置,如调试模式、模型目录等,下面就来介绍一... 目录在 linux 上设置环境变量配置 OllamPOgxSRJfa手动安装安装特定版本查看日志在

Java常用注解扩展对比举例详解

《Java常用注解扩展对比举例详解》:本文主要介绍Java常用注解扩展对比的相关资料,提供了丰富的代码示例,并总结了最佳实践建议,帮助开发者更好地理解和应用这些注解,需要的朋友可以参考下... 目录一、@Controller 与 @RestController 对比二、使用 @Data 与 不使用 @Dat

Mysql中深分页的五种常用方法整理

《Mysql中深分页的五种常用方法整理》在数据量非常大的情况下,深分页查询则变得很常见,这篇文章为大家整理了5个常用的方法,文中的示例代码讲解详细,大家可以根据自己的需求进行选择... 目录方案一:延迟关联 (Deferred Join)方案二:有序唯一键分页 (Cursor-based Paginatio

Python实现常用文本内容提取

《Python实现常用文本内容提取》在日常工作和学习中,我们经常需要从PDF、Word文档中提取文本,本文将介绍如何使用Python编写一个文本内容提取工具,有需要的小伙伴可以参考下... 目录一、引言二、文本内容提取的原理三、文本内容提取的设计四、文本内容提取的实现五、完整代码示例一、引言在日常工作和学

SpringBoot整合MybatisPlus的基本应用指南

《SpringBoot整合MybatisPlus的基本应用指南》MyBatis-Plus,简称MP,是一个MyBatis的增强工具,在MyBatis的基础上只做增强不做改变,下面小编就来和大家介绍一下... 目录一、MyBATisPlus简介二、SpringBoot整合MybatisPlus1、创建数据库和

Redis中的常用的五种数据类型详解

《Redis中的常用的五种数据类型详解》:本文主要介绍Redis中的常用的五种数据类型详解,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Redis常用的五种数据类型一、字符串(String)简介常用命令应用场景二、哈希(Hash)简介常用命令应用场景三、列表(L

利用Python实现添加或读取Excel公式

《利用Python实现添加或读取Excel公式》Excel公式是数据处理的核心工具,从简单的加减运算到复杂的逻辑判断,掌握基础语法是高效工作的起点,下面我们就来看看如何使用Python进行Excel公... 目录python Excel 库安装Python 在 Excel 中添加公式/函数Python 读取

python中time模块的常用方法及应用详解

《python中time模块的常用方法及应用详解》在Python开发中,时间处理是绕不开的刚需场景,从性能计时到定时任务,从日志记录到数据同步,时间模块始终是开发者最得力的工具之一,本文将通过真实案例... 目录一、时间基石:time.time()典型场景:程序性能分析进阶技巧:结合上下文管理器实现自动计时

C#中的 Dictionary常用操作

《C#中的Dictionary常用操作》C#中的DictionaryTKey,TValue是用于存储键值对集合的泛型类,允许通过键快速检索值,并且具有唯一键、动态大小和无序集合的特性,常用操作包括添... 目录基本概念Dictionary的基本结构Dictionary的主要特性Dictionary的常用操作

Python中常用的四种取整方式分享

《Python中常用的四种取整方式分享》在数据处理和数值计算中,取整操作是非常常见的需求,Python提供了多种取整方式,本文为大家整理了四种常用的方法,希望对大家有所帮助... 目录引言向零取整(Truncate)向下取整(Floor)向上取整(Ceil)四舍五入(Round)四种取整方式的对比综合示例应