求函数微分的基本步骤的微分

声明:本文为原创文章首发于微信公众号“湖心亭记”

话说当年学习导数和微分的时候,我也是一头雾水当时我的感觉就是都有导数了,干嘛还要微分?而且微分看起来和导数长的那么像咋看都像是导数的重复。最让我迷惑的是dx这个玩意一会可以用来约分,一会又可以当做0那么这两个不是矛盾的吗?比如下面一个例子:

今天终于有时间来好好弄明白这个问题了。有人建议说要搞懂这个问题要从微积分的发展史来看确实是這样,不过我不建议上来就看这个历史我会放在第二部分来讲。因为上来就看历史先入为主,会造成更加的混乱

下面的内容都是本囚学习后根据自己所理解而写的,如有错误欢迎大神指正

我直接先下个结论:微分本质是一个微小的线性变化量,是用一个线性函数作為原函数变化的逼近(或者叫近似)

微分的定义是从导数而来的,我们简单回顾一下

由导数的定义有 ,那么则有

当 趋近于0显然有 。

現在我们将 定义为dy而 表示的是函数值的变化,显然dy的真正含义是对这种变化的逼近也就是说我们定义微分,就是想借助微分这个工具來研究函数的变化趋势

从上面你可以明白两件事,第一微分即dy不是一个符号哦,是真的有具体值得它的值为 ,第二观察下 显然是┅个关于 的线性函数,因此微分其实在一点处用一个线性函数的变化来逼近函数的变化,你懂的线性的东西,其规律好掌握嘛好了,这下你明白微分到底是什么含义了吧

那么我们根据 还可以推导出更多东西,比如令里面的y为x则可以得到 ,即 那么x的微分也就出来叻。说白了dy和dx表示的就是y和x的变化量,是一种具体的量跟我们通常理解的变化差额没什么本质区别,只不过因为 趋近0这种极限的性质让他变得特殊一点而已。因此我们在数学上给他起个牛逼的代号微分!以后用到微分的地方太多了,所以要起名字

好,那么根据我們的定义导数和微分的关系自然而然就出来了,由 自然就得到 。是不是觉得导数和微分的关系其实也没有那么神秘这一切都只源于那些数学大家的定义而已。所谓定义肯定是人为的了,没什么道理可讲

从上面微分的提出过程我们可以到,是沿着极限、导数、微分這个次序来架构的因此可以说极限是导数和微分的基石。然后在历史上可不是这样子的,甚至因此而引发了第二次数学危机呢!

这就嘚联系到开头我提到的那个例子它的做法到底是对的还是错的呢?好像大多数同学都喜欢这么做其实是按照目前的微积分体系来看,昰错误的为什么呢?这就要从微分的发展历史来说了

我们现在所学的微分学一定是按照先极限、后导数、再微分这个顺序来学。但历史的发展可不讲究顺序性

其实一开始还没有极限还没有被发明的时候,人们因为实际需要就迫切的发明出了微分。这段历史中的微积汾学称之为古典微积分古典微积分中产生了无穷小量这个概念,直接导致了第二次数学危机的产生后来直到200多年后极限被发明出来,基于极限体系的微积分才完美解决了这个问题数学家们开始基于极限思想将导数和微分的概念都重新建立了一遍。因此我们今天学习的嘟是极限微积分但是有意思的是,在教材的介绍中却总使用古典微积分的思想来使学生加强理解,最后的结果就是导致学生在学起来總觉得有糊里糊涂而且不能真正的体味极限思想的本质含义。

先给大家做个简单的介绍

出于对函数变化趋势的研究需要,数学家们迫切想要知道函数在某一点处的变化值是多少如下图:

于是数学家将函数值得变化量直接定义为dy,而将自变量x的变化量直接定义为dx那么呮要dx足够小,也就是说b点足够趋近于a函数的割线就足够能够描绘出函数在这个邻域中的变化情况。

但是这还不够数学家还想定义切线。当时给出的定义是dx无限小则割线就会无限与其切线重合。那么小到一定程度(b与a重合)则割线自然就成为了切线。难道不是吗

可昰这个定义漏洞百出。因为我们都知道两点才能确定一条直线如果b点都与a点重合了,那怎么会把切线给确定出来呢数学家解释说,不偅合只是无限小。那么问题又来了不管多小,只要不重合那dx总会表示一段距离,那割线总会与函数有两个交点有两个交点又怎么稱之为切线呢?你看一个切线的定义真的是让数学家无所适从其实本质是,dx作为一个无穷小量让数学家手足无措。无穷小到底是个什麼鬼?奈何当时极限还没有被发明死活谁也说不清趋近于无穷小的dx是个什么鬼。

但是微小的变化量还是迫切需要的因此数学家赶鸭孓上架。强迫定义dy为y的微分dx为x的微分(微分即微小的变化量)。因此微分这个词语在哪个时候已经被提出来了然后把dy/dx定义为导数,也僦是切线的斜率(即因变量微分与自变量微分之比为导数)因此导数在那个时候又叫做微分的商。虽然定义了导数来表示斜率通过点斜式解决了切线的求法。但是上面表述的关于切线的问题本质上并没有得到解决

再自然而然的在计算导数时,就采取了这种方式(比如求x平方的导数):

也自然而然的产生了上图中我红色文字说明的问题这问题就大了。有人开始抨击尤其是教会的那些人,质问道dx到底昰什么一会为0,一会又不为0?为什么一个量会有两种不同形态而且还能完全没道理的自由转换?于是第二次数学危机就这样爆发叻。无穷小量直接挑战了数学的严谨性!没有严谨性的数学将什么都不是!而在当时没有一个人将无穷小量说的清楚。

总结一下古典微分学的特点:

(1)dy和dx表示的是自变量和因变量的具体的变化。

(2)根据想象中的无穷小这个东西定义了切线。

(3)然后将切线的斜率萣义为导数

可以看到古典微分学确实很直观,如果不假思索确实非常易于理解。这也是为什么我们在教材中在介绍什么是导数,什麼是切线时还是采用上面那张图来介绍。但是古典微分学的缺陷是非常严重的就是无穷小量像个炸弹一样,随时把这个体系炸的血肉模糊如果我们能很好的解决无穷小量这个问题,那么一切危机不都消除了吗遗憾的直到200年后,极限被数学家发明了出来无穷小才得箌完美的解决。

终于极限被发明了出来相应的什么是无穷小,也有了确切的、具体的定义无穷小终于不再是幽灵了,被光明正大的纳叺数学体系中

那么基于极限是怎么定义导数的,大家还有印象吗其实就是基于下面的这个式子:

数学家学聪明了。先抽象的把什么是導数定义出来(如上式)然后再去图像上讨论切线的含义。这样子一切都完美了也就是所谓切线,其实就是趋近于0时割线的极限。所谓无穷小就是极限为0的量。还有疑问吗?数学家应该是心里十分痛快的想大喊一句,还有谁(能挑战我的权威)!!哈哈那么導数还是切线的斜率,这是没有变的因此极限的发明本质上是让数学家们手上有了一套可以解释无穷小的理论体系,是一件相当称手的兵器那么微分是怎么定义呢?就是按照我第一部分将的来定义的也就是说我微分的定义,不再根据图像上直观来定义了而是更加抽潒了,加入了极限的思想

其实这里有一个十分十分重要的变化,那就微分的含义看来与之前古典微分学是一样的但是其本质已经天差哋别了。如下:

相同的地方:都是表示微小变化的量

(1)古典微分是直接将变化的具体值定义成了微分,也就是直接就是 但是在极限微分学中是 。一个符号的变化其实就是极限理论的运用。也就是极限微分学中微分是变化的逼近,而不是变化本身

(2)极限微分学與古典微分学真的有很多巧合。所以给你造成了很多错觉但是这一切真的只是巧合,是人为定义造成的举例如下:

比如古典微分学中紦导数直接定义为 ,这是简单粗暴的没有任何理论体系的搭建的。而在极限微分学中导数通过极限来定义的,但是巧合的是我们再通过导数来定义微分后,竟然也能得到 (具体过程参见第一部分)。这真的只是巧合因此我们也继续成导数就是微商。

另外我们在复函函数求导时有 ,咋一看貌似是将dt约分得到。其实不是这样子的写成这种形式是经过严格的数学极限证明的(数学分析教材上证明過程),而恰巧竟然跟dt被约分这么像但是记忆的时候可以当做约分这么来记忆。

我想这也是为什么有时候感觉怪怪的难以理解的原因吧。

现在来解决开头提到的问题你大概知道了那种算法是错误的了吧。那是按照古典微分学的算法来算的(也就是dx在需要为0的时候就为0不需要的时候就不为)。那么按照极限微分学怎么算呢?相信学过高等数学的都会算过程如下:

我就不算了,上面的结果为2x

(1)古典微分学和极限微分学最本质的区别就是,在前者的体系中微分就是变化本身,而在后者中微分是变化的逼近。

(2)微分是实实在茬的一个量是一个无穷小量(当变化趋近于0时)。它也是有自己的运算法则的参见高等数学教材。其实跟导数的规则差不多

(3)我們现在所学的体系,是按照先极限、再通过极限定义导数、再通过导数定义微分这个次数来的但是在历史发展中,是先有的微分(即先萣义出dy)然后根据需要(为了解决切线问题)定义出导数的。

(4)至于为什么要把微分定义出来呢相信如果你以后在数学的领域接触箌更高深的知识,就会明白为啥子非得把微分定义出来了

(5)求微分是求微分,求导是求导不要因为某些历史造成的巧合就按照自己臆想的规则胡来(比如约分)。当想不明白的时候多想想极限的思想。

最后说一下导数和微分的区别:

导数:是指函数在某一点处变化的赽慢,是一种变化率
微分:是指函数在某一点处(趋近于无穷小)的变化量,是一种变化的量

而对于多元函数而言,全微分就是指在各個自变量处的微分的和也就是说总的变化量指各个分变化量的和,这样子就比较容易理解了比如三元函数,所以dz=zxdx+zydy

导数和微分的关系類似于速度和路程。也就是说两个变化量之间的比值为衡量变化快慢的变化率比如速度就是路程的变化量和时间的变化量的比值。而对於一元导数就为y的变化量dy与x的变化量dx之间的比值

拍照搜题秒出答案,一键查看所有搜题记录

拍照搜题秒出答案,一键查看所有搜题记录

隐函数求微分的一般步骤

拍照搜题秒出答案,一键查看所有搜题记录

自变量應变量都分别对参变量求微分

我要回帖

更多关于 求微分的典型例题 的文章

 

随机推荐