xy0v0's Blog

Back

数学分析(一)5.1:导数和微分

导数、求导法则、参数与极坐标求导、高阶导数,以及微分的概念、形式不变性和近似计算。

1 导数的定义与几何意义

设 y=f(x)y=f(x),固定 x0x_0,记 Δx=x−x0\Delta x=x-x_0、Δy=f(x0+Δx)−f(x0)\Delta y=f(x_0+\Delta x)-f(x_0)。当 Δx≠0\Delta x\ne0 时,差商 Δy/Δx\Delta y/\Delta x 表示这段变化中的平均变化率;令 Δx→0\Delta x\to0,若差商趋于有限值,就得到在 x0x_0 的导数。

只令 Δx→0+\Delta x\to0^+ 或 Δx→0−\Delta x\to0^-,得到右导数 f+′(x0)f'_+(x_0) 与左导数 f−′(x0)f'_-(x_0)。由双侧极限与单侧极限的关系, f 在 x0 可导⇔f+′(x0),f−′(x0) 都存在且相等.f\text{ 在 }x_0\text{ 可导} \iff f'_+(x_0),f'_-(x_0)\text{ 都存在且相等}. 说 ff 在 [a,b][a,b] 上可导,是指在 (a,b)(a,b) 上可导,且 f+′(a)f'_+(a)、f−′(b)f'_-(b) 都存在有限值。

差商也是曲线上两点 (x0,f(x0))(x_0,f(x_0)) 与 (x0+Δx,f(x0+Δx))(x_0+\Delta x,f(x_0+\Delta x)) 所连割线的斜率。当 Δx→0\Delta x\to0 时,若割线斜率趋于有限值 f′(x0)f'(x_0),便得到曲线在 (x0,f(x0))(x_0,f(x_0)) 处的切线,其方程为 y−f(x0)=f′(x0)(x−x0).y-f(x_0)=f'(x_0)(x-x_0).

解. 由定义, f′(1)=limh→0(1+h)2−1h=limh→0(2+h)=2.f'(1)=\lim_{h\to0}\frac{(1+h)^2-1}{h} =\lim_{h\to0}(2+h)=2. 故切线为 y−1=2(x−1)y-1=2(x-1),即 y=2x−1y=2x-1。 ◻

证明. lim⁡x→0|x|=0=f(0)\lim_{x\to0}|x|=0=f(0),故连续。但 f+′(0)=limh→0+|h|h=1,f−′(0)=limh→0−|h|h=−1,f'_+(0)=\lim_{h\to0^+}\frac{|h|}{h}=1, \qquad f'_-(0)=\lim_{h\to0^-}\frac{|h|}{h}=-1, 两者不等,因此不可导。 ◻

2 可导性与一阶展开

导数不仅给出一个极限,还能把函数增量分成一个线性部分和更小的余项。

证明. 若 f′(x0)=Af'(x_0)=A,令 r(h)=f(x0+h)−f(x0)−Ah.r(h)=f(x_0+h)-f(x_0)-Ah. 由导数定义,r(h)/h→0r(h)/h\to0,从而得到所述展开。反之,将展开除以 Δx≠0\Delta x\ne0 并取极限,得 f′(x0)=Af'(x_0)=A。 ◻

证明. 若 ff 在 x0x_0 可导,由 Δy=f′(x0)Δx+o(Δx)\Delta y=f'(x_0)\Delta x+o(\Delta x) 得 Δy→0\Delta y\to0,故连续。逆命题由 |x||x| 在 00 处的例子否定。 ◻

3 基本初等函数的导数

先列出基本初等函数的常用导数公式,再由差商证明正弦、余弦与指数函数 exe^x 的公式。其余公式在相应求导法则建立后说明。 f(x)f′(x)适用范围C0x∈ℝxααxα−1x>0,α∈ℝexexx∈ℝaxaxln⁡aa>0,a≠1ln⁡|x|1/xx≠0log⁡a|x|1/(xln⁡a)x≠0,a>0,a≠1\begin{array}{c|c|l} f(x)&f'(x)&\text{适用范围}\\\hline C&0&x\in\mathbb R\\ x^\alpha&\alpha x^{\alpha-1}&x>0,\ \alpha\in\mathbb R\\ e^x&e^x&x\in\mathbb R\\ a^x&a^x\ln a&a>0,\ a\ne1\\ \ln|x|&1/x&x\ne0\\ \log_a|x|&1/(x\ln a)&x\ne0,\ a>0,\ a\ne1 \end{array} 整数幂及其他有定义的幂函数,可在相应可导的区间使用幂函数公式;x=0x=0 处应另按定义判断。 f(x)f′(x)f(x)f′(x)sin⁡xcos⁡xcos⁡x−sin⁡xtan⁡xsec⁡2xcot⁡x−csc⁡2xsec⁡xsec⁡xtan⁡xcsc⁡x−csc⁡xcot⁡xarcsin⁡x1/1−x2arccos⁡x−1/1−x2arctan⁡x1/(1+x2)arccot⁡x−1/(1+x2)\begin{array}{c|c@{\qquad}c|c} f(x)&f'(x)&f(x)&f'(x)\\\hline \sin x&\cos x&\cos x&-\sin x\\ \tan x&\sec^2x&\cot x&-\csc^2x\\ \sec x&\sec x\tan x&\csc x&-\csc x\cot x\\ \arcsin x&1/\sqrt{1-x^2}&\arccos x&-1/\sqrt{1-x^2}\\ \arctan x&1/(1+x^2)&\operatorname{arccot}x&-1/(1+x^2) \end{array} 三角函数的公式限于函数有定义处;arcsin⁡x,arccos⁡x\arcsin x,\arccos x 的导数公式适用于 |x|<1|x|<1,其余两种反三角函数的导数公式适用于 ℝ\mathbb R。这里 arccot⁡x\operatorname{arccot}x 的值域取 (0,π)(0,\pi)。

例如,由正弦加法公式, sin⁡(x+h)−sin⁡xh=sin⁡xcos⁡h−1h+cos⁡xsin⁡hh.\frac{\sin(x+h)-\sin x}{h} =\sin x\frac{\cos h-1}{h}+\cos x\frac{\sin h}{h}. 其中 sin⁡h/h→1\sin h/h\to1,且由 cos⁡h−1=−2sin⁡2(h/2)\cos h-1=-2\sin^2(h/2) 得 (cos⁡h−1)/h→0(\cos h-1)/h\to0,所以 (sin⁡x)′=cos⁡x(\sin x)'=\cos x。同理可得 (cos⁡x)′=−sin⁡x(\cos x)'=-\sin x。

由已知极限 lim⁡h→0(eh−1)/h=1\lim_{h\to0}(e^h-1)/h=1, (ex)′=limh→0exeh−1h=ex.(e^x)'=\lim_{h\to0}e^x\frac{e^h-1}{h}=e^x. 常数函数的差商恒为零,故其导数为零。

4 四则运算的求导法则

若两个函数都可导,它们的增量可分别展开,因而能计算和、积、商的导数。

证明. 和差法则直接由差商的极限运算得到。对乘积,固定所考察的 xx,有 u(x+h)v(x+h)−u(x)v(x)h=u(x+h)v(x+h)−v(x)h+v(x)u(x+h)−u(x)h.\begin{align*} \frac{u(x+h)v(x+h)-u(x)v(x)}h &=u(x+h)\frac{v(x+h)-v(x)}h\\ &\quad+v(x)\frac{u(x+h)-u(x)}h. \end{align*} 因可导必连续,令 h→0h\to0 得 (uv)′=uv′+vu′(uv)'=uv'+vu'。又因 v(x)≠0v(x)\ne0,由连续性知附近分母也非零,且 1/v(x+h)−1/v(x)h=−1v(x+h)v(x)v(x+h)−v(x)h→−v′(x)v(x)2.\frac{1/v(x+h)-1/v(x)}h =-\frac1{v(x+h)v(x)}\frac{v(x+h)-v(x)}h \longrightarrow-\frac{v'(x)}{v(x)^2}. 再把 u/vu/v 视为 u⋅(1/v)u\cdot(1/v),由乘积法则得到商法则。 ◻

例如,(sec⁡x)′=(1/cos⁡x)′=sin⁡x/cos⁡2x=sec⁡xtan⁡x(\sec x)'=(1/\cos x)'=\sin x/\cos^2x=\sec x\tan x。

5 反函数与复合函数的导数

反函数交换自变量与因变量,两者的差商互为倒数。因此,在原函数的导数不为零时,可以利用反函数的连续性求出这一倒数的极限。

证明. 令 x=g(y)x=g(y)。由反函数连续性,y→y0y\to y_0 时 x→x0x\to x_0;由一一对应性,y≠y0y\ne y_0 时 x≠x0x\ne x_0。故 g(y)−g(y0)y−y0=x−x0f(x)−f(x0)→1f′(x0).\frac{g(y)-g(y_0)}{y-y_0} =\frac{x-x_0}{f(x)-f(x_0)} \longrightarrow\frac1{f'(x_0)}. ◻

解. 若 y=arcsin⁡xy=\arcsin x,则 x=sin⁡yx=\sin y,y∈[−π/2,π/2]y\in[-\pi/2,\pi/2]。当 |x|<1|x|<1 时,cos⁡y>0\cos y>0,因而 dydx=1cos⁡y=11−sin⁡2y=11−x2.\frac{\mathrm dy}{\mathrm dx}=\frac1{\cos y} =\frac1{\sqrt{1-\sin^2y}}=\frac1{\sqrt{1-x^2}}. 若 y=arctan⁡xy=\arctan x,则 x=tan⁡yx=\tan y,y∈(−π/2,π/2)y\in(-\pi/2,\pi/2),故 dydx=1sec⁡2y=11+x2.\frac{\mathrm dy}{\mathrm dx}=\frac1{\sec^2y}=\frac1{1+x^2}. 同理,由 x=cos⁡yx=\cos y 和 x=cot⁡yx=\cot y 可得另外两种反三角函数的公式。 ◻

对于复合函数,内函数先产生增量,再由外函数把它变为函数值增量。

证明. 由 ff 可导,可写 f(u0+k)−f(u0)=(f′(u0)+η(k))k,η(k)→0(k→0),f(u_0+k)-f(u_0)=\bigl(f'(u_0)+\eta(k)\bigr)k, \qquad \eta(k)\to0\quad(k\to0), 并定义 η(0)=0\eta(0)=0,使该等式在 k=0k=0 时也成立。令 h=Δxh=\Delta x、Δu=g(x0+h)−g(x0)\Delta u=g(x_0+h)-g(x_0),则 Δu→0\Delta u\to0,且 Δyh=(f′(u0)+η(Δu))Δuh→f′(u0)g′(x0).\frac{\Delta y}{h} =\bigl(f'(u_0)+\eta(\Delta u)\bigr)\frac{\Delta u}{h} \longrightarrow f'(u_0)g'(x_0). 这个证明允许 Δu=0\Delta u=0,不需要把差商除以可能为零的内函数增量。 ◻

由反函数法则,(ln⁡x)′=1/eln⁡x=1/x(\ln x)'=1/e^{\ln x}=1/x(x>0x>0)。在 x<0x<0 时对 ln⁡(−x)\ln(-x) 用链式法则,仍得 (ln⁡|x|)′=1/x(\ln|x|)'=1/x。进而由 log⁡a|x|=ln⁡|x|ln⁡a,ax=exln⁡a,xα=eαln⁡x(x>0),\log_a|x|=\frac{\ln|x|}{\ln a},\qquad a^x=e^{x\ln a},\qquad x^\alpha=e^{\alpha\ln x}\ (x>0), 得到前表中的对数、一般指数和实幂导数。

解. 记 u=sin⁡(xn)u=\sin(x^n)、v=[φ(u)]nv=[\varphi(u)]^n,则逐层求导得 u′=nxn−1cos⁡(xn),v′=n[φ(u)]n−1φ′(u)u′,y′=n[f(v)]n−1f′(v)v′=n3[f(v)]n−1f′(v)[φ(u)]n−1φ′(u)xn−1cos⁡(xn).\begin{align*} u'&=nx^{n-1}\cos(x^n),\\ v'&=n[\varphi(u)]^{n-1}\varphi'(u)u',\\ y'&=n[f(v)]^{n-1}f'(v)v'\\ &=n^3[f(v)]^{n-1}f'(v)[\varphi(u)]^{n-1} \varphi'(u)x^{n-1}\cos(x^n). \end{align*} 每个函数层都要乘上该层的导数;幂函数与 f,φf,\varphi 本身的求导分别进行。 ◻

解. 取对数得 ln⁡y=vln⁡u\ln y=v\ln u,两边求导, y′y=v′ln⁡u+vu′u,\frac{y'}y=v'\ln u+v\frac{u'}u, 所以 y′=uv(v′lnu+vu′u).\boxed{y'=u^v\left(v'\ln u+v\frac{u'}u\right).} 也可先写成 y=evln⁡uy=e^{v\ln u},再用链式法则得到同一结果。例如 x>0x>0 时,(xx)′=xx(ln⁡x+1)(x^x)'=x^x(\ln x+1)。 ◻

6 极值的必要条件

导数的符号来自差商的符号。在一个内点取得极值时,左右差商的限制方向相反。

证明. 只证极大值情形。对充分小的 h>0h>0,有 f(x0+h)−f(x0)h≤0;\frac{f(x_0+h)-f(x_0)}h\le0; 对充分小的 h<0h<0,相应差商不小于零。因此 f+′(x0)≤0f'_+(x_0)\le0、f−′(x0)≥0f'_-(x_0)\ge0。可导性要求两者相等,故只能等于零。极小值情形同理。 ◻

满足 f′(x0)=0f'(x_0)=0 的点称为驻点。驻点不一定是极值点,例如 x3x^3 在 00 处导数为零,但任意小的邻域内都有正值和负值。极值点也可能不可导,例如 |x||x| 的极小值点 00。费马定理要求内点;f(x)=xf(x)=x 在 [0,1][0,1] 的端点取得最值,但端点的单侧导数为 11。

7 参变量函数与极坐标求导

当曲线用参数表示时,先求 x,yx,y 关于参数的变化率。当 xx 关于参数的变化率不为零时,两者相除便可得到曲线的导数;为此还需保证参数能在局部看作 xx 的函数。 设 x=φ(t),y=ψ(t).x=\varphi(t),\qquad y=\psi(t). 在所讨论的参数点附近,假设 φ\varphi 连续严格单调,因而 tt 可看作 xx 的连续反函数;再设两函数在该点可导,且 φ′(t)≠0\varphi'(t)\ne0。由反函数与链式法则, dydx=ψ′(t)φ′(t).\boxed{\frac{\mathrm dy}{\mathrm dx}=\frac{\psi'(t)}{\varphi'(t)}.} 若它们在附近二阶可导,且 φ′\varphi' 在附近非零,则 d2ydx2=1φ′(t)ddt(ψ′(t)φ′(t))=ψ″(t)φ′(t)−ψ′(t)φ″(t)[φ′(t)]3.\boxed{\frac{\mathrm d^2y}{\mathrm dx^2} =\frac1{\varphi'(t)}\frac{\mathrm d}{\mathrm dt} \left(\frac{\psi'(t)}{\varphi'(t)}\right) =\frac{\psi''(t)\varphi'(t)-\psi'(t)\varphi''(t)}{[\varphi'(t)]^3}.} 第二次求导仍须把关于 tt 的导数除以 dx/dt\mathrm dx/\mathrm dt,不能写成 ψ″/φ″\psi''/\varphi''。

解. 先验证 xx 关于 tt 严格递增。对 s>ts>t,有 |sin⁡s−sin⁡t|≤2|sins−t2|<s−t,|\sin s-\sin t|\le2\left|\sin\frac{s-t}{2}\right|<s-t, 故 a(s−sin⁡s)>a(t−sin⁡t)a(s-\sin s)>a(t-\sin t)。当 t∉2πℤt\notin2\pi\mathbb Z 时,xt′=a(1−cos⁡t)>0x'_t=a(1-\cos t)>0,因而可用参数求导公式,得 dydx=sin⁡t1−cos⁡t=cot⁡t2.\frac{\mathrm dy}{\mathrm dx}=\frac{\sin t}{1-\cos t}=\cot\frac t2. 再求导得 d2ydx2=−12csc⁡2(t/2)a(1−cos⁡t)=−14asin⁡4(t/2).\frac{\mathrm d^2y}{\mathrm dx^2} =\frac{-\frac12\csc^2(t/2)}{a(1-\cos t)} =-\frac1{4a\sin^4(t/2)}. 在 t=2kπt=2k\pi 处,上述除法公式的分母为零,不能直接套用。 ◻

若曲线用极坐标 r=r(θ)r=r(\theta) 表示,则 x=r(θ)cos⁡θ,y=r(θ)sin⁡θ.x=r(\theta)\cos\theta,\qquad y=r(\theta)\sin\theta. 于是,在 xx 可局部用作自变量且分母非零处, dydx=r′(θ)sin⁡θ+r(θ)cos⁡θr′(θ)cos⁡θ−r(θ)sin⁡θ.\frac{\mathrm dy}{\mathrm dx} =\frac{r'(\theta)\sin\theta+r(\theta)\cos\theta} {r'(\theta)\cos\theta-r(\theta)\sin\theta}.

8 高阶导数

对导函数继续求导,便得到二阶及更高阶导数。

对 n≥1n\ge1,逐次求导可得 (xα)(n)=α(α−1)⋯(α−n+1)xα−n(x>0),(eax)(n)=aneax,(sin⁡x)(n)=sin⁡(x+nπ2),(cos⁡x)(n)=cos⁡(x+nπ2),(ln⁡(1+x))(n)=(−1)n−1(n−1)!(1+x)n(x>−1).\begin{align*} (x^\alpha)^{(n)}&=\alpha(\alpha-1)\cdots(\alpha-n+1)x^{\alpha-n} &&(x>0),\\ (e^{ax})^{(n)}&=a^ne^{ax},\\ (\sin x)^{(n)}&=\sin\left(x+\frac{n\pi}2\right),\\ (\cos x)^{(n)}&=\cos\left(x+\frac{n\pi}2\right),\\ (\ln(1+x))^{(n)}&=\frac{(-1)^{n-1}(n-1)!}{(1+x)^n} &&(x>-1). \end{align*} 多项式的导数可直接在全实轴计算;若 mm 为非负整数,则 xmx^m 的 nn 阶导数在 n>mn>m 时恒为零。

证明. n=1n=1 时即乘积求导法则。设 nn 阶公式成立,且 u,vu,v 都 n+1n+1 阶可导,对等式逐项求导, (uv)(n+1)=∑k=0n(nk)(u(k+1)v(n−k)+u(k)v(n−k+1)).(uv)^{(n+1)}=\sum_{k=0}^n\binom nk \bigl(u^{(k+1)}v^{(n-k)}+u^{(k)}v^{(n-k+1)}\bigr). 把第一部分的下标改为 j=k+1j=k+1,与第二部分同类项合并,再用 (nj−1)+(nj)=(n+1j)\binom n{j-1}+\binom nj=\binom{n+1}j,即得 n+1n+1 阶公式。 ◻

解. x2x^2 的三阶及以上导数都为零,而 exe^x 的各阶导数不变。因此当 n≥2n\ge2 时, y(n)=x2ex+n(2x)ex+(n2)2ex=ex(x2+2nx+n(n−1)).y^{(n)}=x^2e^x+n(2x)e^x+\binom n2\,2e^x =e^x\bigl(x^2+2nx+n(n-1)\bigr). n=1n=1 时直接求导也符合最后的公式。 ◻

9 微分与一阶近似

由可导性的一阶展开,函数增量可分成线性部分与 o(Δx)o(\Delta x) 余项。这个线性部分称为微分,它给出了在所考察点用切线近似函数变化的办法。

由可导的等价表述,一元函数在一点可微当且仅当在该点可导,且 A=f′(x0)A=f'(x_0)。约定独立变量的微分 dx=Δx\mathrm dx=\Delta x,便有 dy=f′(x0)dx,Δy=dy+o(Δx).\boxed{\mathrm dy=f'(x_0)\mathrm dx,\qquad \Delta y=\mathrm dy+o(\Delta x).} 微分是切线对应的纵向变化,函数增量是曲线上实际的纵向变化。二者一般不相等;例如 f(x)=x2f(x)=x^2 时, Δy=2x0Δx+(Δx)2,dy=2x0Δx.\Delta y=2x_0\Delta x+(\Delta x)^2,\qquad \mathrm dy=2x_0\Delta x. 若 f′(x0)≠0f'(x_0)\ne0,则 Δy/dy→1\Delta y/\mathrm dy\to1;若 f′(x0)=0f'(x_0)=0,仍有一阶展开,但不能再除以零微分比较相对误差。

由求导法则,微分满足 d(u±v)=du±dv,d(uv)=vdu+udv,d(uv)=vdu−udvv2(v≠0).\begin{align*} \mathrm d(u\pm v)&=\mathrm du\pm\mathrm dv,\\ \mathrm d(uv)&=v\mathrm du+u\mathrm dv,\\ \mathrm d\left(\frac uv\right)&=\frac{v\mathrm du-u\mathrm dv}{v^2}\qquad(v\ne0). \end{align*} 例如,商函数的微分为 d(uv)=u′v−uv′v2dx=vdu−udvv2.\mathrm d\left(\frac uv\right) =\frac{u'v-uv'}{v^2}\mathrm dx =\frac{v\mathrm du-u\mathrm dv}{v^2}.

10 一阶微分的形式不变性与高阶微分

设 u=g(x)u=g(x)、y=f(u)y=f(u),且两函数在相应点可导。把 uu 看作中间变量,由链式法则, dy=f′(g(x))g′(x)dx=f′(u)du,du=g′(x)dx.\mathrm dy=f'(g(x))g'(x)\mathrm dx=f'(u)\mathrm du, \qquad \mathrm du=g'(x)\mathrm dx. 因此,无论 uu 是独立变量还是可导的中间变量,一阶微分都保持 dy=f′(u)du\mathrm dy=f'(u)\mathrm du 的形式,称为一阶微分的形式不变性。

当 xx 为独立变量、dx\mathrm dx 视作固定增量时,定义 d2y=d(dy)=f″(x)(dx)2,dny=f(n)(x)(dx)n.\mathrm d^2y=\mathrm d(\mathrm dy)=f''(x)(\mathrm dx)^2, \qquad \mathrm d^ny=f^{(n)}(x)(\mathrm dx)^n. 但在 y=f(u)y=f(u)、u=g(x)u=g(x) 中,若 f,gf,g 二阶可导,二阶微分一般为 d2y=f″(u)(du)2+f′(u)d2u.\mathrm d^2y=f''(u)(\mathrm du)^2+f'(u)\mathrm d^2u. 第二项一般不为零,所以高阶微分一般不具有一阶微分那样的形式不变性。例如 y=u2,u=x2y=u^2,u=x^2 时,y=x4y=x^4,故 d2y=12x2(dx)2\mathrm d^2y=12x^2(\mathrm dx)^2;若只写 2(du)22(\mathrm du)^2,就会少掉 4x2(dx)24x^2(\mathrm dx)^2。

11 近似计算与误差

当增量很小时,在一阶展开中略去 o(Δx)o(\Delta x) 余项,可得 f(x0+Δx)≈f(x0)+f′(x0)Δxf(x_0+\Delta x)\approx f(x_0)+f'(x_0)\Delta x。

解. 对 f(x)=sin⁡xf(x)=\sin x,取 x0=π/6x_0=\pi/6。三角函数求导以弧度为单位,所以 Δx=3∘=π/60\Delta x=3^\circ=\pi/60,得 sin⁡33∘≈sin⁡π6+cos⁡π6⋅π60=12+3π120≈0.545345.\sin33^\circ\approx\sin\frac\pi6+\cos\frac\pi6\cdot\frac\pi{60} =\frac12+\frac{\sqrt3\pi}{120}\approx0.545345. 对 f(x)=exf(x)=e^x,取 x0=0x_0=0、Δx=−0.03\Delta x=-0.03,得 e−0.03≈e0+e0(−0.03)=0.97.e^{-0.03}\approx e^0+e^0(-0.03)=0.97. 这里用的是一阶近似,未给出余项上界。 ◻

若输入量的真值为 x=x0+Δxx=x_0+\Delta x,用 x0x_0 作为近似值,|Δx||\Delta x| 称为绝对误差;若 x0≠0x_0\ne0,通常用 |Δx|/|x0||\Delta x|/|x_0| 估计相对误差。若已知 |Δx|≤δx|\Delta x|\le\delta_x,则对输出量 y=f(x)y=f(x),可用 δy=|f′(x0)|δx\delta_y=|f'(x_0)|\delta_x 作为一阶绝对误差估计;当 f(x0)≠0f(x_0)\ne0 时,相应的一阶相对误差估计为 δy|f(x0)|=|f′(x0)f(x0)|δx.\frac{\delta_y}{|f(x_0)|} =\left|\frac{f'(x_0)}{f(x_0)}\right|\delta_x. 微分只描述一阶变化,δy\delta_y 一般不是严格的误差上界。严格控制 |f(x)−f(x0)||f(x)-f(x_0)|,还需要区间上的导数界;这将在中值定理中得到。

阅读 / 下载 PDF