什么是可微

什么是可微

可微(Differentiable)是微积分中的一个基本概念,用于描述函数在某一点或某一区域内的光滑程度。一个函数在某点可微,意味着该函数在该点有确定的切线斜率,即函数在该点可以用线性函数很好地近似。可微性是研究函数性质、优化问题以及物理现象建模的重要基础。

一、可微的定义

1. 一元函数的可微性

对于一个实值函数 f(x)f(x)f(x),若在点 x=ax = ax=a 附近存在一个线性函数 L(x)=f(a)+f′(a)(x−a)L(x) = f(a) + f'(a)(x - a)L(x)=f(a)+f′(a)(x−a),使得:

lim⁡x→af(x)−L(x)x−a=0

\lim_{x \to a} \frac{f(x) - L(x)}{x - a} = 0

x→alim​x−af(x)−L(x)​=0

则称函数 f(x)f(x)f(x) 在点 x=ax = ax=a 可微,且 f′(a)f'(a)f′(a) 称为 f(x)f(x)f(x) 在 x=ax = ax=a 处的导数。

更正式地,函数 fff 在 aaa 处可微的条件是:

f′(a)=lim⁡h→0f(a+h)−f(a)h

f'(a) = \lim_{h \to 0} \frac{f(a + h) - f(a)}{h}

f′(a)=h→0lim​hf(a+h)−f(a)​

如果上述极限存在,则称 fff 在 aaa 处可微。

2. 多元函数的可微性

对于一个多元函数 f(x)f(\mathbf{x})f(x),其中 x=(x1,x2,…,xn)\mathbf{x} = (x_1, x_2, \dots, x_n)x=(x1​,x2​,…,xn​),若在某点 a=(a1,a2,…,an)\mathbf{a} = (a_1, a_2, \dots, a_n)a=(a1​,a2​,…,an​) 附近存在一个线性映射 L(h)L(\mathbf{h})L(h)(通常由函数在该点的偏导数组成),使得:

lim⁡h→0∥f(a+h)−f(a)−L(h)∥∥h∥=0

\lim_{\mathbf{h} \to \mathbf{0}} \frac{\| f(\mathbf{a} + \mathbf{h}) - f(\mathbf{a}) - L(\mathbf{h}) \|}{\| \mathbf{h} \|} = 0

h→0lim​∥h∥∥f(a+h)−f(a)−L(h)∥​=0

则称函数 fff 在点 a\mathbf{a}a 可微。

二、可微与连续的关系

1. 可微性蕴含连续性

如果一个函数在某点可微,则它在该点连续。也就是说,可微性是连续性的一个更强的条件。

证明简要:

假设 fff 在 aaa 处可微,则:

f(x)=f(a)+f′(a)(x−a)+o(x−a)

f(x) = f(a) + f'(a)(x - a) + o(x - a)

f(x)=f(a)+f′(a)(x−a)+o(x−a)

其中 o(x−a)o(x - a)o(x−a) 表示 lim⁡x→ao(x−a)x−a=0\lim_{x \to a} \frac{o(x - a)}{x - a} = 0limx→a​x−ao(x−a)​=0。取极限 x→ax \to ax→a,得:

lim⁡x→af(x)=f(a)

\lim_{x \to a} f(x) = f(a)

x→alim​f(x)=f(a)

因此,fff 在 aaa 处连续。

2. 连续性不蕴含可微性

函数在某点连续并不意味着它在该点可微。存在许多连续但不可微的函数。

例子:

绝对值函数 f(x)=∣x∣f(x) = |x|f(x)=∣x∣ 在 x=0x = 0x=0 处连续,但不可微。

证明:

左右导数不同:

lim⁡h→0+∣h∣−0h=1

\lim_{h \to 0^+} \frac{|h| - 0}{h} = 1

h→0+lim​h∣h∣−0​=1

lim⁡h→0−∣−h∣−0h=−1

\lim_{h \to 0^-} \frac{|-h| - 0}{h} = -1

h→0−lim​h∣−h∣−0​=−1

因此,导数不存在。

三、可微的几何意义

1. 切线的存在

对于一元可微函数 f(x)f(x)f(x) 在 x=ax = ax=a 处,存在一条切线 y=f(a)+f′(a)(x−a)y = f(a) + f'(a)(x - a)y=f(a)+f′(a)(x−a),这条切线最好地近似函数在 aaa 点附近的变化趋势。

2. 多元函数的切平面

对于多元可微函数 f(x)f(\mathbf{x})f(x),在点 a\mathbf{a}a 处存在一个切平面 L(x)=f(a)+∇f(a)⋅(x−a)L(\mathbf{x}) = f(\mathbf{a}) + \nabla f(\mathbf{a}) \cdot (\mathbf{x} - \mathbf{a})L(x)=f(a)+∇f(a)⋅(x−a),用于近似函数在该点附近的变化。

四、可微的判定方法

1. 一元函数的可微性

对于一元函数,检查导数是否存在即可。

常用方法:

导数公式:使用已知导数公式求导。极限法:直接计算导数的极限。

例子:

函数 f(x)=x2f(x) = x^2f(x)=x2 在 x=ax = ax=a 处可微。

f′(a)=lim⁡h→0(a+h)2−a2h=lim⁡h→02ah+h2h=2a

f'(a) = \lim_{h \to 0} \frac{(a + h)^2 - a^2}{h} = \lim_{h \to 0} \frac{2a h + h^2}{h} = 2a

f′(a)=h→0lim​h(a+h)2−a2​=h→0lim​h2ah+h2​=2a

2. 多元函数的可微性

对于多元函数,检查所有偏导数是否存在且函数在该点可用线性映射近似。

步骤:

计算所有偏导数。检查偏导数是否连续。验证线性近似条件。

例子:

函数 f(x,y)=x2+y2f(x, y) = x^2 + y^2f(x,y)=x2+y2 在任意点 (a,b)(a, b)(a,b) 可微。

偏导数:

fx=2x,fy=2y

f_x = 2x, \quad f_y = 2y

fx​=2x,fy​=2y

线性近似:

L(h,k)=f(a,b)+2ah+2bk

L(h, k) = f(a, b) + 2a h + 2b k

L(h,k)=f(a,b)+2ah+2bk

验证:

lim⁡(h,k)→(0,0)f(a+h,b+k)−f(a,b)−L(h,k)h2+k2=lim⁡(h,k)→(0,0)h2+k2−(2ah+2bk)h2+k2=0

\lim_{(h, k) \to (0, 0)} \frac{f(a + h, b + k) - f(a, b) - L(h, k)}{\sqrt{h^2 + k^2}} = \lim_{(h, k) \to (0, 0)} \frac{h^2 + k^2 - (2a h + 2b k)}{\sqrt{h^2 + k^2}} = 0

(h,k)→(0,0)lim​h2+k2​f(a+h,b+k)−f(a,b)−L(h,k)​=(h,k)→(0,0)lim​h2+k2​h2+k2−(2ah+2bk)​=0

因此,fff 在 (a,b)(a, b)(a,b) 处可微。

五、可微的扩展概念

1. 可微可导与高阶可微

可微可导:函数在某点可微,且导数连续。高阶可微:函数不仅可微,而且其导数也可微,依此类推,拥有二阶、三阶等高阶导数。

2. 可微流形

在高维几何和微分几何中,流形上的函数可微性是研究其几何性质的重要工具。

六、可微的应用

1. 优化问题

可微函数在寻找极值点(最大值和最小值)时至关重要。利用导数为零的条件,可以确定函数的局部极值。

2. 物理学

在物理学中,许多量(如速度、加速度、力)都涉及到可微函数的导数。运动方程、热方程、电磁场方程等都依赖于微分和可微性。

3. 工程学

工程设计和分析中,许多系统和模型依赖于可微函数的性质,以确保系统的稳定性和性能。

4. 计算机科学

在机器学习和深度学习中,损失函数的可微性是训练模型(如通过梯度下降法)所必需的。

七、常见误区与注意事项

1. 可微性不等同于可导性

在一些高级数学中,特别是对于多元函数,可微性 和 所有方向导数存在且连续 不完全相同。可微性更强,要求函数在该点可以用线性映射近似。

2. 可微性局限

函数在某点不可微并不意味着在该点不连续。例如,绝对值函数在 x=0x = 0x=0 处连续但不可微。

3. 边界条件

在处理定义域的边界点时,需谨慎判定可微性。例如,函数在开区间内可微,但在闭区间的端点可能不可微。

八、实例分析

示例1:一元函数的可微性

题目:判断函数 f(x)=∣x∣f(x) = |x|f(x)=∣x∣ 在 x=0x = 0x=0 处是否可微。

解答:

计算左右导数:

f′(0+)=lim⁡h→0+∣h∣−∣0∣h=lim⁡h→0+hh=1

f'(0^+) = \lim_{h \to 0^+} \frac{|h| - |0|}{h} = \lim_{h \to 0^+} \frac{h}{h} = 1

f′(0+)=h→0+lim​h∣h∣−∣0∣​=h→0+lim​hh​=1

f′(0−)=lim⁡h→0−∣−h∣−∣0∣h=lim⁡h→0−−hh=−1

f'(0^-) = \lim_{h \to 0^-} \frac{|-h| - |0|}{h} = \lim_{h \to 0^-} \frac{-h}{h} = -1

f′(0−)=h→0−lim​h∣−h∣−∣0∣​=h→0−lim​h−h​=−1

左右导数不相等,因此 f(x)=∣x∣f(x) = |x|f(x)=∣x∣ 在 x=0x = 0x=0 处不可微。

示例2:多元函数的可微性

题目:判断函数 f(x,y)=x2+y2f(x, y) = x^2 + y^2f(x,y)=x2+y2 在任意点 (a,b)(a, b)(a,b) 处是否可微。

解答:

计算偏导数:

fx=2x,fy=2y

f_x = 2x, \quad f_y = 2y

fx​=2x,fy​=2y

偏导数存在且连续。因此,函数 f(x,y)=x2+y2f(x, y) = x^2 + y^2f(x,y)=x2+y2 在任意点 (a,b)(a, b)(a,b) 处可微。

示例3:高阶可微性

题目:判断函数 f(x)=x3f(x) = x^3f(x)=x3 是否在 x=0x = 0x=0 处具有二阶导数。

解答:

计算一阶导数:

f′(x)=3x2

f'(x) = 3x^2

f′(x)=3x2

计算二阶导数:

f′′(x)=6x

f''(x) = 6x

f′′(x)=6x

函数 f(x)=x3f(x) = x^3f(x)=x3 在 x=0x = 0x=0 处具有二阶导数,且 f′′(0)=0f''(0) = 0f′′(0)=0。

示例4:非光滑函数的可微性

题目:判断函数 f(x)=x2/3f(x) = x^{2/3}f(x)=x2/3 在 x=0x = 0x=0 处是否可微。

解答:

计算导数:

f′(x)=23x−1/3

f'(x) = \frac{2}{3} x^{-1/3}

f′(x)=32​x−1/3

当 x→0x \to 0x→0,f′(x)→∞f'(x) \to \inftyf′(x)→∞。因此,导数在 x=0x = 0x=0 处不存在,函数 f(x)=x2/3f(x) = x^{2/3}f(x)=x2/3 在 x=0x = 0x=0 处不可微。

九、总结

可微性 是描述函数在某一点或某一区域内光滑程度的重要属性。一个函数在某点可微,意味着它在该点具有确定的切线或切平面,可以用线性近似来描述其局部行为。可微性不仅是微积分的核心概念,也是优化、物理建模、工程设计和机器学习等众多领域的重要基础。

关键点:

定义:可微性意味着函数在某点存在确定的导数(或导数矩阵),可以用线性函数近似。关系:可微性蕴含连续性,但连续性不一定可微。判定:通过计算导数和验证线性近似条件来判定可微性。应用:优化、物理建模、工程设计、机器学习等领域广泛应用可微性概念。高阶可微:不仅可微,还要求导数连续并可微,适用于更复杂的分析和应用。

理解可微性对于深入学习微积分、分析函数行为以及应用数学解决实际问题至关重要。

相关推荐