Tailwind CSSTailwind CSS
Home
  • Tailwind CSS 书籍目录
  • Vue 3 开发实战指南
  • React 和 Next.js 学习
  • TypeScript
  • React开发框架书籍大纲
  • Shadcn学习大纲
  • Swift 编程语言:从入门到进阶
  • SwiftUI 学习指南
  • 函数式编程大纲
  • Swift 异步编程语言
  • Swift 协议化编程
  • SwiftUI MVVM 开发模式
  • SwiftUI 图表开发书籍
  • SwiftData
  • ArkTS编程语言:从入门到精通
  • 仓颉编程语言:从入门到精通
  • 鸿蒙手机客户端开发实战
  • WPF书籍
  • C#开发书籍
learn
  • Java编程语言
  • Kotlin 编程入门与实战
  • /python/outline.html
  • AI Agent
  • MCP (Model Context Protocol) 应用指南
  • 深度学习
  • 深度学习
  • 强化学习: 理论与实践
  • 扩散模型书籍
  • Agentic AI for Everyone
langchain
Home
  • Tailwind CSS 书籍目录
  • Vue 3 开发实战指南
  • React 和 Next.js 学习
  • TypeScript
  • React开发框架书籍大纲
  • Shadcn学习大纲
  • Swift 编程语言:从入门到进阶
  • SwiftUI 学习指南
  • 函数式编程大纲
  • Swift 异步编程语言
  • Swift 协议化编程
  • SwiftUI MVVM 开发模式
  • SwiftUI 图表开发书籍
  • SwiftData
  • ArkTS编程语言:从入门到精通
  • 仓颉编程语言:从入门到精通
  • 鸿蒙手机客户端开发实战
  • WPF书籍
  • C#开发书籍
learn
  • Java编程语言
  • Kotlin 编程入门与实战
  • /python/outline.html
  • AI Agent
  • MCP (Model Context Protocol) 应用指南
  • 深度学习
  • 深度学习
  • 强化学习: 理论与实践
  • 扩散模型书籍
  • Agentic AI for Everyone
langchain
  • 2.2.1 微分的概念

2.2.1 微分的概念

一、微分的基本定义

定义:设函数 y=f(x)y=f(x)y=f(x) 在点 x0x_0x0​ 的某邻域内有定义,若存在常数 AAA 使得函数的增量 Δy=f(x0+Δx)−f(x0)\Delta y = f(x_0+\Delta x)-f(x_0)Δy=f(x0​+Δx)−f(x0​) 可表示为:

Δy=AΔx+o(Δx)\Delta y = A\Delta x + o(\Delta x) Δy=AΔx+o(Δx)

其中 o(Δx)o(\Delta x)o(Δx) 是 Δx→0\Delta x \to 0Δx→0 时的高阶无穷小,则称:

  1. 函数 f(x)f(x)f(x) 在 x0x_0x0​ 处可微
  2. 线性主部 AΔxA\Delta xAΔx 称为函数在 x0x_0x0​ 处的微分,记作 dy∣x=x0=AΔxdy|_{x=x_0}=A\Delta xdy∣x=x0​​=AΔx

二、微分与导数的关系

核心定理:函数 f(x)f(x)f(x) 在 x0x_0x0​ 处可微的充分必要条件是 f(x)f(x)f(x) 在 x0x_0x0​ 处可导,且:

dy=f′(x0)dxdy = f'(x_0)dx dy=f′(x0​)dx

其中 dx=Δxdx=\Delta xdx=Δx(自变量的微分)

几何解释

微分 dydydy 表示函数曲线在点 (x0,f(x0))(x_0,f(x_0))(x0​,f(x0​)) 处切线的纵坐标变化量:

  • 当 Δx→0\Delta x \to 0Δx→0 时,Δy≈dy\Delta y \approx dyΔy≈dy
  • 误差为 o(Δx)o(\Delta x)o(Δx) 量级

微分几何意义图示

三、微分的基本性质

  1. 线性性:d(af+bg)=a df+b dgd(af+bg) = a\,df + b\,dgd(af+bg)=adf+bdg
  2. 乘法法则:d(fg)=g df+f dgd(fg) = g\,df + f\,dgd(fg)=gdf+fdg
  3. 除法法则:d(fg)=g df−f dgg2d\left(\frac{f}{g}\right) = \frac{g\,df - f\,dg}{g^2}d(gf​)=g2gdf−fdg​

四、一阶微分形式不变性

设 y=f(u)y=f(u)y=f(u) 可微:

  • 当 uuu 是自变量时:dy=f′(u)dudy = f'(u)dudy=f′(u)du
  • 当 uuu 是中间变量 u=g(x)u=g(x)u=g(x) 时:dy=f′(u)g′(x)dx=f′(u)dudy = f'(u)g'(x)dx = f'(u)dudy=f′(u)g′(x)dx=f′(u)du

应用示例: 求 y=esin⁡xy=e^{\sin x}y=esinx 的微分:

dy=esin⁡xd(sin⁡x)=esin⁡xcos⁡x dxdy = e^{\sin x}d(\sin x) = e^{\sin x}\cos x\,dx dy=esinxd(sinx)=esinxcosxdx

五、典型例题

例题1(基础计算)

求函数 y=x3−2xy=x^3-2xy=x3−2x 在 x=1x=1x=1 处当 Δx=0.01\Delta x=0.01Δx=0.01 时的微分值。

解:

  1. 求导:y′=3x2−2y'=3x^2-2y′=3x2−2
  2. 计算微分:dy=(3×12−2)×0.01=0.01dy = (3×1^2-2)×0.01 = 0.01dy=(3×12−2)×0.01=0.01

例题2(误差估计)

用微分近似计算 8.023\sqrt[3]{8.02}38.02​ 的值。

解: 取 f(x)=x3f(x)=\sqrt[3]{x}f(x)=3x​,x0=8x_0=8x0​=8,Δx=0.02\Delta x=0.02Δx=0.02

f(8.02)≈f(8)+f′(8)×0.02=2+112×0.02≈2.0017f(8.02) \approx f(8)+f'(8)×0.02 = 2 + \frac{1}{12}×0.02 \approx 2.0017 f(8.02)≈f(8)+f′(8)×0.02=2+121​×0.02≈2.0017

六、常见误区

  1. 混淆 Δy\Delta yΔy 与 dydydy 的区别:
    • Δy\Delta yΔy 是真实增量(曲线上两点纵坐标差)
    • dydydy 是线性近似增量(切线上两点纵坐标差)
  2. 忽略可微与可导的等价性(仅在一元函数中成立)
  3. 错误应用微分公式(如漏写 dxdxdx 项)

考研重点提示

  1. 微分定义的理解(每年必考选择题)
  2. 微分在近似计算中的应用(常见于填空题)
  3. 与导数几何意义的结合考察(常出现在综合题中)

该内容包含:
- 严格数学定义与几何解释
- 与导数的关系证明
- 运算性质与典型例题
- 考研常见考点提示
- 可视化图表建议
- 典型错误警示
Last Updated:: 4/27/25, 11:59 AM