探讨最基本的微积分问题,初中生也能看懂

有两个谜题让古代的数学爱好者夜不能寐:1)曲线下的面积;2)曲线上一点的斜率。

在本文中,我们将逐步深入地探讨这两个问题。然后我们会回到求曲线斜率的微积分方法上来。

  • ​古代的两个问题:曲线下的面积和曲线上一点的斜率。

​让我们从一个简单的例子开始。

  • 。求三角形的面积和斜边的斜率。

​在上图中,曲线是一条直线,我们感兴趣的是它下面三角形的面积。

这是直线的斜率:

我们要推广这个过程。用一个公式就能求出斜率和面积。

我一直在说“曲线”。在这个例子中,曲线就是直线。其公式是:

可以通过代入点(1.5,0)和(3.5,4)来验证。

方程的阶是最高指数的值。这里,阶是1。现在我们回到面积和斜率的计算。看看曲线方程的阶是怎样的。

首先,y=2x-3下任意一个三角形的面积是多少?

  • 求面积和斜率的一般情况

开始似乎把三角形的面积完全复杂化了。但是,最后的结果很简单。这条曲线下的三角形面积是△x的平方。

把阶数会从1增加到2。我们用一个x项乘以一个一阶表达式。我们会看到这和多项式方程是一致的。曲线下的面积方程会高一个阶。

上面冗长的推导是一种常见的方法。通常我们可以从第一行跳到最后一行,然后跳过中间的内容。在本文中,我们不会对高阶多项式推广这个过程。相反,我们将重点研究不同函数的斜率。

多项式函数的斜率

你们已经知道这条直线y = mx + b的斜率是 m,我们将用微积分方法推导它。然后我们将这种方法应用于高阶情况。

这样的一个例子很简单,但是观察这个过程和结果。方程的阶数从1降到了0。现在我们把这个方法用到曲线上,更高阶的多项式。这次,我们从斜率开始。

当点越靠近,切线就越接近曲线的方向。我们来看看关于n次项的斜率。

为了理解分子,我们需要用到二项式定理

根据二项式定理,我们展开了分子的第一项。同时减去分子的第二项。

下一步是把这些都除以分母。这意味着每一项含有△x的指数都将减少1。

最后可以表示任意一项的斜率为:

我们如何处理带有多项的函数?例如函数4 x³+ 3 x²+ 7x + 1的斜率是12 x²+ 6 x+ 7。可以观察到:

  • 常数的斜率是零;
  • 当x项的系数不是1时,指数乘以系数;

三角函数的斜率

我们来看看sinx的斜率函数。

正弦函数的周期为2π。在波峰和波谷处切线是水平的。在这两点之间,切线的斜率在+1和-1之间变化。

上图放大了单位圆的一部分。角度θ的微小增加对应于该角度所包围的弧长的微小增加。在这种微小的规模上,弧线是一条直线。它形成直角三角形的斜边。

dθ是指角度θ的无限微小变化。当θ增加,sinθ增加值为:dsinθ。同样cosθ减小d cosθ。

这两个三角形相似,得到:

这两个函数,sin和cos,是相同的,但是不同步。看看它们是如何交织在一起的。一个增加,另一个减少:

一旦知道了正弦和余弦函数,就可以推导出其他的三角函数。但是你需要知道乘法法则和除法法则。

乘法法则

假设你想把两个函数相乘:

让我们取两个通用函数u和v,并将它们表示为矩形的边。它们的乘积就是矩形的面积。函数的斜率表示函数增加或减少的速率。我们感兴趣的是,随着矩形每条边的变化,面积如何变化。

面积的增加是由v du + u dv + du dv给出的。假设u和v是x的函数,我们要表示组合函数uv随x变化的变化量。就像我们对三角函数所做的那样,我们可以用表示函数斜率的比率来表示这个变化。

分子上的最后一个乘积,du dv可以忽略不计。这是因为(du dv)/dx只包含无穷小,它对结果没有影响。

让我们看看下面的这个例子。

这两个函数在一起。

你能说出哪个函数是原函数,哪个是斜率函数吗?斜率函数的值总是与原始函数在任意x值处的斜率相匹配。

除法的法则

有一个除法法则。看看你能不能从乘法法则和幂法则中推导出来。用负指数把分母变成分子。这是你应该得到的结果:

指数函数和对数

指数函数以与函数值成正比的速度增长。比例常数是对数。

对数函数的斜率如下:

复合函数求导法则

最后,我们来看函数的功能。

这里有一个操作的小符号:

将这个过程应用到我们的例子中:

这就是它看起来的样子,哪个是原函数?哪个是斜率函数?

当微积分刚发明的时候,它缺乏我们现在所期望的严谨性。在19世纪,柯西将极限理论应用于微积分。在20世纪中叶,亚伯拉罕·罗宾逊将非标准分析正式化。他的系统定义了超实数——实数的扩展。大多数微积分教科书都使用极限来严格地证明微积分定理。在本文中,我采用了一种不那么严格的方法。我没有像罗宾逊那样严格地定义无穷小。然而,我试图提取他方法的精髓。

(0)

相关推荐