普林斯顿微积分学习:第6章 如何求解微分(求导)问题

写在前面

这一章是上一章理论的"实战篇"。上一章我们学习了导数的定义,这一章我们要实际动手,用这个定义去求出几个具体函数的导数,并且从中总结出一套"幂函数求导公式",以后遇到 $x^n$ 这种形式就可以直接套公式,不用每次都从定义算起。
本章要解决的核心问题是:

• 怎样用导数的定义(差商取极限)去求导数;
• 遇到"分式相减"或"根式相减"时如何化简,避开 $\frac{0}{0}$ 这个陷阱;
• 怎样推导出万能公式 $\frac{d}{dx}(x^n)=n{x}^{n-1}$;
• 这个公式在 $n$ 取不同特殊值(比如 $0$、$1$、$2$、$-1$、$\frac{1}{2}$、$\frac{1}{3}$)时分别意味着什么。

6.1 导数定义回顾

上一章已经学过,函数 $f(x)$ 在某一点的导数定义是:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{f(x+h)-f(x)}{h}$$
这个式子的意思是:取曲线上很靠近的两个点,算出连接这两点的直线(割线)的斜率,然后让这两个点无限靠近,看这个斜率最终稳定在哪个数值上。那个最终稳定下来的数值,就是导数,也就是切线的斜率。
下面这张图直观地展示了这个过程——灰色虚线是"割线",随着 $h$ 越变小,割线越贴近红色的"切线":

(上图第一张:灰色虚线代表两点间的割线,h越小割线越接近红色的切线,这正是导数定义里取极限的几何意义。第二张图展示的是 $y=x^2$ 在不同点处切线斜率不同,且这个斜率正好等于 $2x$。)
如果你直接把 $h=0$ 代入差商公式,几乎总会得到 $\frac{0}{0}$ 这种没有意义的形式(因为分子 $f(x+h)-f(x)$ 在 $h=0$ 时是 $f(x)-f(x)=0$,分母 $h$ 在 $h=0$ 时也是 $0$)。所以核心技巧就是:先想办法把分子和分母里"共同的、让两者都变成0的因子" $h$ 给约掉,这样剩下的式子在 $h=0$ 处才有意义,这时候才能安心地代入 $h=0$。
下面这张流程图总结了整体的解题思路:

6.2 用定义法求 $f(x)=\frac{1}{x}$ 的导数

第一步:写出定义式。
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{\frac{1}{x+h}-\frac{1}{x}}{h}$$
如果直接令 $h=0$,分子是 $\frac{1}{x}-\frac{1}{x}=0$,分母也是 $0$,确实是 $\frac{0}{0}$ 的形式,不能直接代入。
第二步:化简分子。 分子是两个分式相减,标准做法是取公分母合并:
$$\frac{1}{x+h}-\frac{1}{x}=\frac{x-(x+h)}{x(x+h)}=\frac{-h}{x(x+h)}$$
第三步:把化简后的分子代回差商,再除以 $h$。 注意"除以 $h$"相当于"乘以 $\frac{1}{h}$",所以:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{-h}{x(x+h)}\cdot \frac{1}{h}=\underset{h\to 0}{\lim }\frac{-h}{hx(x+h)}$$
第四步:约去公因子 $h$。 分子分母都有一个 $h$,可以直接约掉(这一步正是绕开 $\frac{0}{0}$ 的关键):
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{-1}{x(x+h)}$$
第五步:现在式子里已经没有"除以 $h$"了,可以放心地令 $h=0$:
$$f^{\prime }(x)=\frac{-1}{x\cdot x}=-\frac{1}{x^2}$$
结论:
$$\frac{d}{dx}\left(\frac{1}{x}\right)=-\frac{1}{x^2}$$

6.3 用定义法求 $f(x)=\sqrt{x}$ 的导数

这次分子不再是分式相减,而是根式相减:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{\sqrt{x+h}-\sqrt{x}}{h}$$
直接代入 $h=0$ 同样会得到 $\frac{0}{0}$。但这次"取公分母"这一招不管用了,因为分子里没有分式,而是两个根号相减。
遇到根式相减时的标准技巧是"分子有理化":同时乘上分子的共轭式(即把中间的减号换成加号得到的式子),利用平方差公式 $(a-b)(a+b)=a^2-b^2$ 把根号消掉。
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{\sqrt{x+h}-\sqrt{x}}{h}\cdot \frac{\sqrt{x+h}+\sqrt{x}}{\sqrt{x+h}+\sqrt{x}}$$
分子部分,$(\sqrt{x+h}-\sqrt{x})(\sqrt{x+h}+\sqrt{x})$ 正好套用平方差公式,变成 $(x+h)-x=h$:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{(x+h)-x}{h\left(\sqrt{x+h}+\sqrt{x}\right)}=\underset{h\to 0}{\lim }\frac{h}{h\left(\sqrt{x+h}+\sqrt{x}\right)}$$
分子分母再次同时出现 $h$,约掉:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{1}{\sqrt{x+h}+\sqrt{x}}$$
现在分母不再依赖于"除以 $h$"了,可以放心代入 $h=0$:
$$f^{\prime }(x)=\frac{1}{\sqrt{x}+\sqrt{x}}=\frac{1}{2\sqrt{x}}$$
结论:
$$\frac{d}{dx}\left(\sqrt{x}\right)=\frac{1}{2\sqrt{x}}$$

直观感受一下"h趋于0"到底在发生什么

下面这个 ASCII 图,用具体数字展示了当 $h$ 越变小时,差商是怎样一步步逼近理论导数值 $\frac{1}{6}$(这是在 $x=9$ 处算的,因为 $\sqrt{9}=3$,$f^{\prime }(9)=\frac{1}{2\sqrt{9}}=\frac{1}{6}$)的:

+--------------------------------------+
|  导数定义中 h 趋于 0 是什么意思?     |
|                                      |
|  h = 0.1     时, 差商 = 0.1662...    |
|  h = 0.01    时, 差商 = 0.1666...    |
|  h = 0.001   时, 差商 = 0.16666...   |
|  h = 0.0001  时, 差商 = 0.166666...  |
|                                      |
|  h 越小, 差商越逼近一个固定值 1/6    |
|  这个固定值就是导数 f'(x)            |
+--------------------------------------+

可以看到,$h$ 每缩小10倍,差商和理论值之间的差距大约也缩小10倍——这就是"取极限"在数值上的真实样子:不是真的把 $h$ 变成 $0$,而是看这一串数字稳定地逼近哪个固定值。

6.4 组合函数的求导:$f(x)=\sqrt{x}+x^2$

这个例子的意义在于:当被求导的函数是几个部分相加时,可以把极限拆开,分别处理每一部分。
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{\left[\sqrt{x+h}+(x+h{)}^2\right]-\left[\sqrt{x}+x^2\right]}{h}$$
把根号部分和平方部分分别归类:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{\sqrt{x+h}-\sqrt{x}}{h}+\underset{h\to 0}{\lim }\frac{(x+h{)}^2-x^2}{h}$$
这两个极限我们都已经算过了(第一个是上一节刚求出的 $\frac{1}{2\sqrt{x}}$;第二个是上一章已经求过的 $2x$),所以直接得到:
$$f^{\prime }(x)=\frac{1}{2\sqrt{x}}+2x$$
结论:
$$\frac{d}{dx}\left(\sqrt{x}+x^2\right)=\frac{1}{2\sqrt{x}}+2x$$
这个例子提前预告了后面要学的"和的导数等于导数的和"这条法则,但这里我们是完全从定义出发,踏踏实实地验证了它在这个具体例子上是成立的。

6.5 幂函数求导公式的推导:$\frac{d}{dx}(x^n)=n{x}^{n-1}$

现在来推导一个"万能公式",这样以后遇到 $x^n$ 形式的函数就不用每次都从定义算了。设 $f(x)=x^n$,其中 $n$ 是正整数。
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{(x+h{)}^n-x^n}{h}$$
难点在于展开 $(x+h{)}^n$。 我们把它写成 $n$ 个括号相乘:
$$(x+h{)}^n=\underset{n\text{个括号}}{\underbrace{(x+h)(x+h)\cdots (x+h)}}$$
不需要把它完全展开,只需要分析"展开后会出现哪几类项"。下面这个 ASCII 图详细拆解了这个分析过程:

+---------------------------------------------------+
|  (x+h)^n = (x+h)(x+h)...(x+h)   共 n 个括号相乘   |
|                                                   |
|  第1种取法: 每个括号都取 x                        |
|      ----> 贡献一项: x^n                          |
|                                                   |
|  第2种取法: 恰好有1个括号取 h, 其余 (n-1) 个取 x  |
|      ----> 这样的取法一共有 n 种                  |
|      ----> 每种取法贡献: h * x^(n-1)              |
|      ----> 合计贡献: n * h * x^(n-1)              |
|                                                   |
|  第3种及以后: 至少有2个括号取 h                   |
|      ----> 这些项都含有 h^2 这个因子              |
|      ----> 当 h 趋于0时, 这些项整体趋于0          |
|      ----> 我们把它们统一记作: h^2 * (junk)       |
+---------------------------------------------------+

把这三类项的贡献加起来,我们得到一个关键的展开式:
$$(x+h{)}^n=x^n+nh{x}^{n-1}+h^2\times (\text{junk})$$
这里的 “junk”(杂项)就是指所有那些"至少含有两个 $h$"的项打包在一起、再除掉公共的 $h^2$ 之后剩下的、关于 $x$ 和 $h$ 的某个多项式——我们不关心它具体长什么样,只关心它在 $h\to 0$ 时不会"爆炸"(不会变成无穷大),这一点是成立的,因为它本身只是一个普通的多项式。
把这个展开式代入导数定义:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{x^n+nh{x}^{n-1}+h^2\times (\text{junk})-x^n}{h}$$
$x^n$ 这一项和减去的 $x^n$ 正好抵消:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\frac{nh{x}^{n-1}+h^2\times (\text{junk})}{h}$$
分子的每一项都含有至少一个 $h$,可以把 $h$ 从分子中提出来,和分母的 $h$ 约掉:
$$f^{\prime }(x)=\underset{h\to 0}{\lim }\left[n{x}^{n-1}+h\times (\text{junk})\right]$$
现在已经不存在"除以 $h$"了,可以放心令 $h\to 0$。这时候第二项 $h\times (\text{junk})$ 因为前面乘了一个趋于 $0$ 的 $h$,而 junk 又不会爆炸,所以整体趋于 $0$;第一项 $n{x}^{n-1}$ 不依赖 $h$,原样保留:
$$f^{\prime }(x)=n{x}^{n-1}$$
结论(当 $n$ 是正整数时已经严格证明,当 $a$ 是任意实数时这个公式依然成立,证明会在第9章给出):
$$\frac{d}{dx}\left(x^a\right)=a{x}^{a-1}$$
用一句话记住这个公式:把指数拿下来放在前面当系数,然后把指数本身减1。

6.6 公式的特殊情形检验

下面用刚推导出的公式 $\frac{d}{dx}(x^a)=a{x}^{a-1}$ 代入几个特殊的 $a$,看看是否和我们已知的结果吻合:

这张表说明了一件很重要的事:幂函数求导公式不只是对正整数次幂成立,对 $0$、负数、分数次幂都成立——这也是为什么这一条公式如此好用,以后只要看到 $x$ 的任意次幂,直接套用就行,不需要再回到定义重新推导。
下面这张图把这几种特殊情形画成了一棵树,方便记忆:

6.7 用代码验证以上所有结论

光靠手算容易出现符号错误或者粗心的代数失误,下面用 C++ 写一段"数值验证"程序:利用差商在 $h$ 很小(比如 $10^{-6}$)时去逼近真正的导数,然后和我们手算出来的解析公式做对比,如果两者几乎完全一致,就说明手算的公式大概率是正确的。

// verify_derivatives.cpp
// 目的:用"数值差商"去逼近导数定义里的极限,
//      从而检验我们手算出来的导数公式对不对。
//
// 思路非常直接:导数定义是
//     f'(x) = lim_{h->0} [f(x+h) - f(x)] / h
// 我们没办法真的让 h 变成 0(那样会除以0),
// 但可以让 h 变得非常小(比如 1e-6),
// 这样算出来的差商就会非常接近真正的导数值。
// 如果"数值差商"和"我们手算的解析公式"算出来的数几乎一样,
// 就说明手算的公式大概率是对的。
#include <iostream>   // 用于输入输出 std::cout
#include <cmath>      // 用于 sqrt 等数学函数
#include <iomanip>    // 用于设置输出的小数位数
// 用"中心差商"来逼近导数,比单纯的向前差商更精确。
// 中心差商公式: f'(x) ≈ [f(x+h) - f(x-h)] / (2h)
// 这是数值分析里常用的小技巧,误差比普通差商小一个量级。
double numericalDerivative(double (*f)(double), double x, double h = 1e-6) {
    return (f(x + h) - f(x - h)) / (2.0 * h);
}
// ---------- 下面定义我们要研究的三个函数 ----------
// 第一个函数: f(x) = 1/x
double f1(double x) {
    return 1.0 / x;
}
// 它的解析导数(我们手算得到的): f'(x) = -1/x^2
double f1_derivative_exact(double x) {
    return -1.0 / (x * x);
}
// 第二个函数: f(x) = sqrt(x)
double f2(double x) {
    return std::sqrt(x);
}
// 它的解析导数: f'(x) = 1 / (2*sqrt(x))
double f2_derivative_exact(double x) {
    return 1.0 / (2.0 * std::sqrt(x));
}
// 第三个函数: f(x) = sqrt(x) + x^2
double f3(double x) {
    return std::sqrt(x) + x * x;
}
// 它的解析导数: f'(x) = 1/(2*sqrt(x)) + 2x
double f3_derivative_exact(double x) {
    return 1.0 / (2.0 * std::sqrt(x)) + 2.0 * x;
}
int main() {
    // 设置输出格式:保留8位小数,方便对比数值差商和解析解
    std::cout << std::fixed << std::setprecision(8);
    double x = 4.0; // 在 x = 4 这一点做检验(选4是因为sqrt(4)=2,方便手算核对)
    std::cout << "===== 在 x = " << x << " 处验证三个函数的导数 =====\n\n";
    // ---- 验证 f(x) = 1/x ----
    std::cout << "函数 f(x) = 1/x\n";
    std::cout << "  数值差商算出的导数 ≈ " << numericalDerivative(f1, x) << "\n";
    std::cout << "  手算解析公式 -1/x^2 = " << f1_derivative_exact(x) << "\n\n";
    // ---- 验证 f(x) = sqrt(x) ----
    std::cout << "函数 f(x) = sqrt(x)\n";
    std::cout << "  数值差商算出的导数 ≈ " << numericalDerivative(f2, x) << "\n";
    std::cout << "  手算解析公式 1/(2*sqrt(x)) = " << f2_derivative_exact(x) << "\n\n";
    // ---- 验证 f(x) = sqrt(x) + x^2 ----
    std::cout << "函数 f(x) = sqrt(x) + x^2\n";
    std::cout << "  数值差商算出的导数 ≈ " << numericalDerivative(f3, x) << "\n";
    std::cout << "  手算解析公式 1/(2*sqrt(x)) + 2x = " << f3_derivative_exact(x) << "\n\n";
    // ---- 再验证幂函数公式 d/dx(x^n) = n*x^(n-1) 对若干个 n 都成立 ----
    std::cout << "===== 验证幂函数公式 d/dx(x^n) = n * x^(n-1) =====\n";
    std::cout << "(在 x = 2.0 这一点,对 n = 1, 2, 3, 4, 5 分别验证)\n\n";
    double x2 = 2.0;
    for (int n = 1; n <= 5; ++n) {
        // 用数值差商直接计算 x^n 在 x2 处的导数近似值
        double numeric = 0.0;
        {
            double h = 1e-6;
            double fxp = std::pow(x2 + h, n);
            double fxm = std::pow(x2 - h, n);
            numeric = (fxp - fxm) / (2.0 * h);
        }
        double exact = n * std::pow(x2, n - 1);
        std::cout << "  n = " << n
                  << " | 数值差商 ≈ " << numeric
                  << " | 解析公式 n*x^(n-1) = " << exact << "\n";
    }
    return 0;
}

实际编译运行后的输出结果:

===== 在 x = 4.00000000 处验证三个函数的导数 =====
函数 f(x) = 1/x
  数值差商算出的导数 ≈ -0.06250000
  手算解析公式 -1/x^2 = -0.06250000
函数 f(x) = sqrt(x)
  数值差商算出的导数 ≈ 0.25000000
  手算解析公式 1/(2*sqrt(x)) = 0.25000000
函数 f(x) = sqrt(x) + x^2
  数值差商算出的导数 ≈ 8.25000000
  手算解析公式 1/(2*sqrt(x)) + 2x = 8.25000000
===== 验证幂函数公式 d/dx(x^n) = n * x^(n-1) =====
(在 x = 2.0 这一点,对 n = 1, 2, 3, 4, 5 分别验证)
  n = 1 | 数值差商 ≈ 1.00000000 | 解析公式 n*x^(n-1) = 1.00000000
  n = 2 | 数值差商 ≈ 4.00000000 | 解析公式 n*x^(n-1) = 4.00000000
  n = 3 | 数值差商 ≈ 12.00000000 | 解析公式 n*x^(n-1) = 12.00000000
  n = 4 | 数值差商 ≈ 32.00000000 | 解析公式 n*x^(n-1) = 32.00000000
  n = 5 | 数值差商 ≈ 80.00000000 | 解析公式 n*x^(n-1) = 80.00000000

可以看到,数值差商和解析公式算出来的结果完全一致(精确到小数点后8位),这就用计算的方式确认了我们手算推导的每一个结论都是正确的。

6.8 本章小结

• 用导数定义求导的核心套路是:先想办法消掉差商里的 $\frac{0}{0}$ 障碍,再代入 $h=0$。常见的消障碍手法有:
  • 分式相减 → 取公分母合并;
  • 根式相减 → 乘以共轭式做分子有理化;
  • 多项式展开式(如 $(x+h{)}^n$)→ 分析展开后各项关于 $h$ 的次数,把"至少含 $h^2$"的项归为一类。
• 通过这套方法,我们严格推导出了万能的幂函数求导公式:
  $$\frac{d}{dx}\left(x^a\right)=a{x}^{a-1}(a\text{为任意实数})$$
• 这个公式涵盖了常数函数($a=0$)、一次函数($a=1$)、二次函数($a=2$)、倒数函数($a=-1$)、平方根函数($a=\frac{1}{2}$)等等大量常见情形,以后看到 $x$ 的任意次幂,直接套用即可,不需要每次都回到定义重新推导一遍。
• 对于"几部分相加"的函数(比如 $\sqrt{x}+x^2$),可以把求导的极限拆开,分别对每一部分求导后再相加——这预告了后面将正式学习的"加法求导法则"。

6.2 求导数的简便方法

写在前面

上一节我们老老实实地用定义(差商取极限)求了几个导数,但你应该已经感觉到了:这样算下去太累了。如果以后每遇到一个函数都要从极限算起,那光是算下面这个函数的导数就要花上半天:
$$f(x)=\frac{3x^7+x^4\sqrt{2x^5+15x^{4/3}-23x+9}}{6x^2-4}$$
好消息是:我们不需要这么做。这一节要学的是一套"组装"思路——任何复杂的函数,都是由一些简单的"零件"通过加、减、乘、除、复合这几种基本操作拼装起来的。只要我们搞清楚"每种拼装方式分别怎样影响求导",就可以把复杂函数拆开,对每个零件单独求导,再按规则组装回去,根本不需要回到最原始的定义。
本节要学习的五条法则是:

• 常数倍法则;
• 和差法则;
• 乘积法则;
• 商法则;
• 链式法则(处理函数的复合)。

6.2.1 常数的倍数

这是最简单的一条规则:一个函数乘上一个常数,它的导数就是先对函数求导,再乘上那个常数。
比如我们已经知道 $\frac{d}{dx}(x^2)=2x$,那么:
$$\frac{d}{dx}(7x^2)=7\times 2x=14x$$
如果前面是负号,可以把负号看成"乘以 $-1$",所以:
$$\frac{d}{dx}(-x^2)=-2x$$
更直接的做法:遇到 $c{x}^a$ 这种形式(其中 $c$ 是常数),直接把指数 $a$ "拿下来"乘到系数 $c$ 上,得到新的系数,然后把指数减1。比如求 $7x^2$ 的导数:把指数 $2$ 拿下来乘以 $7$,得到新系数 $14$,再把指数减1变成 $1$,所以答案是 $14x^1=14x$。再比如求 $13x^4$ 的导数:把指数 $4$ 拿下来乘以 $13$,得到 $52$,指数减1变成 $3$,答案是 $52x^3$。

6.2.2 函数的和与差

这条规则更简单:几个部分相加或相减组成的函数,直接对每一部分分别求导,再按原来的加减关系组合起来。
比如求 $3x^5-2x^2+\frac{7}{\sqrt{x}}+2$ 关于 $x$ 的导数。第一步是把 $\frac{1}{\sqrt{x}}$ 改写成 $x^{-1/2}$,这样整个函数就变成了:
$$3x^5-2x^2+7x^{-1/2}+2$$
现在对每一部分单独用上一节的幂函数公式:

• $3x^5$ 的导数是 $15x^4$;
• $-2x^2$ 的导数是 $-4x$;
• $7x^{-1/2}$ 的导数是 $7\times \left(-\frac{1}{2}\right)x^{-3/2}=-\frac{7}{2}{x}^{-3/2}$;
• 常数 $2$ 的导数是 $0$(常数求导永远是0,这一项对结果毫无影响)。
  把它们加起来:
  $$\frac{d}{dx}\left(3x^5-2x^2+\frac{7}{\sqrt{x}}+2\right)=15x^4-4x-\frac{7}{2}{x}^{-3/2}$$
  小技巧:$x^{-3/2}$ 也可以写成 $\frac{1}{x\sqrt{x}}$,所以上面的答案也可以写成:
  $$15x^4-4x-\frac{7}{2}\cdot \frac{1}{x\sqrt{x}}$$
  类似地,$x^{5/2}$ 就是 $x^2\sqrt{x}$,$x^{7/2}$ 就是 $x^3\sqrt{x}$,这种"整数次幂乘根号"的写法在化简最终答案时经常很有用。

6.2.3 乘积法则

加减法可以"逐项处理",但乘法不能简单地把两个导数相乘。这是初学者最容易犯的错误,一定要特别小心。
比如要求
$$h(x)=(x^5+2x-1)(3x^8-2x^7-x^4-3x)$$
的导数,如果直接把两个因子分别求导再相乘,得到的不是正确答案。正确的做法是用乘积法则:

乘积法则(版本1):如果 $h(x)=f(x)g(x)$,那么
$$h^{\prime }(x)=f^{\prime }(x)g(x)+f(x)g^{\prime }(x)$$
记忆这个公式有一个很直观的办法——交叉相乘再相加,就像下面这样:

+---------------------------------------------+
|  乘积法则记忆口诀: 交叉相乘再相加           |
|                                             |
|  f(x)        g(x)                           |
|  f'(x)       g'(x)                          |
|                                             |
|  从左下角 f'(x) 出发, 斜着乘到右上角 g(x):  |
|      ----> 得到 f'(x) * g(x)                |
|  从左上角 f(x) 出发, 斜着乘到右下角 g'(x):  |
|      ----> 得到 f(x) * g'(x)                |
|                                             |
|  把这两条斜线的结果加起来, 就是 h'(x):      |
|      h'(x) = f'(x)g(x) + f(x)g'(x)          |
+---------------------------------------------+

回到刚才的例子,设 $f(x)=x^5+2x-1$,$g(x)=3x^8-2x^7-x^4-3x$,容易求出:
$$f^{\prime }(x)=5x^4+2,g^{\prime }(x)=24x^7-14x^6-4x^3-3$$
代入乘积法则:
$$h^{\prime }(x)=(5x^4+2)(3x^8-2x^7-x^4-3x)+(x^5+2x-1)(24x^7-14x^6-4x^3-3)$$
这个结果可以继续展开,但展开后会比直接展开原来的 $h(x)$ 再求导还要麻烦得多,所以通常就保留这个"没有完全展开"的形式作为最终答案。

乘积法则的另一种写法

有时候函数是用 $y$ 而不是 $f(x)$ 的形式给出的,这时候更方便设 $u,v$ 来代表两部分:

乘积法则(版本2):如果 $y=uv$,那么
$$\frac{dy}{dx}=v\frac{du}{dx}+u\frac{dv}{dx}$$
比如 $y=(x^3+2x)(3x+\sqrt{x}+1)$,设 $u=x^3+2x$,$v=3x+\sqrt{x}+1$,那么:
$$\frac{du}{dx}=3x^2+2,\frac{dv}{dx}=3+\frac{1}{2\sqrt{x}}$$
代入公式:
$$\frac{dy}{dx}=(3x+\sqrt{x}+1)(3x^2+2)+(x^3+2x)\left(3+\frac{1}{2\sqrt{x}}\right)$$

三个函数相乘怎么办?

比如 $y=(x^2+1)(x^2+3x)(x^5+2x^4+7)$,这种情况可以用三变量乘积法则:

乘积法则(三变量):如果 $y=uvw$,那么
$$\frac{dy}{dx}=\frac{du}{dx}vw+u\frac{dv}{dx}w+uv\frac{dw}{dx}$$
记忆方法也很直观:

+------------------------------------------------------+
|  三变量乘积法则记忆技巧                              |
|                                                      |
|  把 uvw 写三遍, 每一遍给一个不同的变量打上导数符号:  |
|                                                      |
|  第一遍:  (du/dx) *    v    *    w                   |
|  第二遍:     u    * (dv/dx) *    w                   |
|  第三遍:     u    *    v    * (dw/dx)                |
|                                                      |
|  把这三遍的结果加起来, 就是完整答案:                 |
|    dy/dx = (du/dx)vw + u(dv/dx)w + uv(dw/dx)         |
+------------------------------------------------------+

也就是说:把 $uvw$ 完整写三遍,每一遍轮流给其中一个变量加上求导符号,这个技巧对四个或更多变量相乘同样适用——每个变量都恰好被求导一次。
设 $u=x^2+1$,$v=x^2+3x$,$w=x^5+2x^4+7$,可得 $\frac{du}{dx}=2x$,$\frac{dv}{dx}=2x+3$,$\frac{dw}{dx}=5x^4+8x^3$,代入公式:
$$\frac{dy}{dx}=(2x)(x^2+3x)(x^5+2x^4+7)+(x^2+1)(2x+3)(x^5+2x^4+7)+(x^2+1)(x^2+3x)(5x^4+8x^3)$$
这里同样不需要展开化简,保留这个形式即可。乘积法则的重要性在于:有些函数(比如以后会学到的 $x\sin x$)本身已经没办法再展开了,这时候除了用乘积法则,没有别的办法求导。

6.2.4 商法则

除法的处理方式和乘法类似,但公式略有不同。比如要求
$$h(x)=\frac{2x^3-3x+1}{x^5-8x^3+2}$$
的导数,设 $f(x)=2x^3-3x+1$,$g(x)=x^5-8x^3+2$,$h(x)=\frac{f(x)}{g(x)}$。

商法则(版本1):如果 $h(x)=\frac{f(x)}{g(x)}$,那么
$$h^{\prime }(x)=\frac{f^{\prime }(x)g(x)-f(x)g^{\prime }(x)}{[g(x){]}^2}$$
注意分子部分和乘积法则几乎一样,只是中间的加号换成了减号,这是商法则和乘积法则最容易混淆、也最容易记错的地方,一定要小心顺序:分子永远是"分子的导数乘以分母"减去"分子乘以分母的导数",顺序不能颠倒(因为减法不满足交换律)。
在这个例子里,$f^{\prime }(x)=6x^2-3$,$g^{\prime }(x)=5x^4-24x^2$,代入商法则:
$$h^{\prime }(x)=\frac{(6x^2-3)(x^5-8x^3+2)-(2x^3-3x+1)(5x^4-24x^2)}{(x^5-8x^3+2{)}^2}$$

商法则的另一种写法

商法则(版本2):如果 $y=\frac{u}{v}$,那么
$$\frac{dy}{dx}=\frac{v\frac{du}{dx}-u\frac{dv}{dx}}{v^2}$$
比如 $y=\frac{3x^2+1}{2x^8-7}$,设 $u=3x^2+1$,$v=2x^8-7$,则 $\frac{du}{dx}=6x$,$\frac{dv}{dx}=16x^7$,代入:
$$\frac{dy}{dx}=\frac{(2x^8-7)(6x)-(3x^2+1)(16x^7)}{(2x^8-7{)}^2}$$
可以看到,商法则并不比乘积法则难,只是稍微更繁琐一点(多了一个分母的平方,以及减号顺序需要留意)。

6.2.5 函数的复合与链式法则

假设要求 $h(x)=(x^2+1{)}^{99}$ 的导数。把括号里的内容展开99次显然是不现实的,用乘积法则做99次也太离谱。这时候需要换一个角度看待这个函数:
把 $h$ 看成两个函数"接力"产生的结果——先用 $g(x)=x^2+1$ 把 $x$ 变成 $x^2+1$,再用 $f(x)=x^{99}$ 把这个结果变成99次方。也就是说 $h(x)=f(g(x))$,这种"一个函数套在另一个函数外面"的结构叫做复合函数。

链式法则(版本1):如果 $h(x)=f(g(x))$,那么
$$h^{\prime }(x)=f^{\prime }(g(x))\cdot g^{\prime }(x)$$
这个公式拆开来看:第二个因子很简单,就是 $g$ 的导数;第一个因子稍微绕一点——先对 $f$ 求导,然后把求导结果里的 $x$ 全部换成 $g(x)$。
回到例子,$f(x)=x^{99}$,所以 $f^{\prime }(x)=99x^{98}$;$g(x)=x^2+1$,所以 $g^{\prime }(x)=2x$。第一个因子是把 $f^{\prime }(x)=99x^{98}$ 里的 $x$ 换成 $g(x)=x^2+1$,得到 $99(x^2+1{)}^{98}$。两个因子相乘:
$$h^{\prime }(x)=99(x^2+1{)}^{98}\cdot 2x=198x(x^2+1{)}^{98}$$

链式法则的另一种写法(更常用)

设 $y=u^{99}$,其中 $u=x^2+1$,这样问题转化为:$y$ 是 $u$ 的函数,$u$ 又是 $x$ 的函数。

链式法则(版本2):如果 $y$ 是 $u$ 的函数,$u$ 又是 $x$ 的函数,那么
$$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}$$
这一版本用起来更顺手:
$$y=u^{99},u=x^2+1⟹\frac{dy}{du}=99u^{98},\frac{du}{dx}=2x$$
$$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}=99u^{98}\times 2x=198x{u}^{98}$$
最后把 $u$ 替换回 $x^2+1$,得到 $\frac{dy}{dx}=198x(x^2+1{)}^{98}$,和刚才的结果完全一致。
再看一个例子:$y=\sqrt{x^3-7x}$。设 $u=x^3-7x$,则 $y=\sqrt{u}$,有:
$$\frac{dy}{du}=\frac{1}{2\sqrt{u}},\frac{du}{dx}=3x^2-7$$
$$\frac{dy}{dx}=\frac{1}{2\sqrt{u}}\times (3x^2-7)=\frac{3x^2-7}{2\sqrt{u}}=\frac{3x^2-7}{2\sqrt{x^3-7x}}$$

为什么叫"链式"法则?

因为整个过程是 $x\to u\to y$ 这样一条"链条":先经过 $g$(或者说先变成 $u$),再经过 $f$(或者说再变成 $y$)。链式法则把这条链上每一步的"变化率"乘起来,得到整体的变化率。
一个常见的疑问:既然 $\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}$,看起来好像可以直接把 $du$ “约掉”,这不是显然成立吗?其实不能这么想——$\frac{dy}{du}$ 和 $\frac{du}{dx}$ 并不是真正的分数,而是"分式的极限",只是它们的表现恰好和分数一样,可以这样约分,但这背后是需要证明的(详见6.2.7节的几何说明),不是一个可以想当然认为"显然"的事实。

链式法则可以连续套用多次

比如 $y={\left((x^3-10x{)}^9+22\right)}^8$,这里有"三层嵌套"。设 $u=x^3-10x$,$v=u^9+22$,$y=v^8$,那么 $x\to u\to v\to y$ 是一条更长的链:
$$\frac{dy}{dx}=\frac{dy}{dv}\cdot \frac{dv}{du}\cdot \frac{du}{dx}$$
分别求出每一段:
$$y=v^8\Rightarrow \frac{dy}{dv}=8v^7,v=u^9+22\Rightarrow \frac{dv}{du}=9u^8,u=x^3-10x\Rightarrow \frac{du}{dx}=3x^2-10$$
乘起来:
$$\frac{dy}{dx}=8v^7\cdot 9u^8\cdot (3x^2-10)$$
再把 $v=u^9+22$、$u=x^3-10x$ 代回去:
$$\frac{dy}{dx}=72{\left((x^3-10x{)}^9+22\right)}^7(x^3-10x{)}^8(3x^2-10)$$

抽象求值题:只知道函数在某一点的值和导数值

有时候题目不会给出函数的具体表达式,只给出某一点的函数值和导数值,这时候链式法则依然可以用。
例题1:已知 $g(5)=4$,$g^{\prime }(5)=7$,设 $h(x)=\sqrt{g(x)}$,求 $h^{\prime }(5)$。
设 $f(x)=\sqrt{x}$,则 $h(x)=f(g(x))$,$f^{\prime }(x)=\frac{1}{2\sqrt{x}}$,所以:
$$h^{\prime }(x)=f^{\prime }(g(x))\cdot g^{\prime }(x)=\frac{1}{2\sqrt{g(x)}}\cdot g^{\prime }(x)$$
代入 $x=5$:
$$h^{\prime }(5)=\frac{1}{2\sqrt{g(5)}}\cdot g^{\prime }(5)=\frac{1}{2\sqrt{4}}\times 7=\frac{7}{4}$$
例题2:同样已知 $g(5)=4$,$g^{\prime }(5)=7$,但这次设 $j(x)=g(\sqrt{x})$,求 $j^{\prime }(25)$。
注意这次复合的顺序反过来了:外层是 $g$,内层是 $\sqrt{x}$。设 $f(x)=\sqrt{x}$,则 $j(x)=g(f(x))$,所以:
$$j^{\prime }(x)=g^{\prime }(f(x))\cdot f^{\prime }(x)=g^{\prime }(\sqrt{x})\cdot \frac{1}{2\sqrt{x}}$$
代入 $x=25$:
$$j^{\prime }(25)=g^{\prime }(\sqrt{25})\cdot \frac{1}{2\sqrt{25}}=g^{\prime }(5)\times \frac{1}{10}=7\times \frac{1}{10}=\frac{7}{10}$$
对比这两个例题:同样是 $g$ 和 x\sqrt{\phantom x}x​ 这两个函数复合,仅仅因为复合的顺序不同(谁在外层、谁在内层),最终结果就完全不一样($\frac{7}{4}$ 对比 $\frac{7}{10}$)。这提醒我们:函数复合不满足交换律,$f(g(x))$ 和 $g(f(x))$ 一般是两个不同的函数。

6.2.6 一个综合大例题

现在我们具备了拆解任何复杂函数的能力,回头挑战一开始那个看起来很吓人的函数:
$$f(x)=\frac{3x^7+x^4\sqrt{2x^5+15x^{4/3}-23x+9}}{6x^2-4}$$
思路是先看最外层的结构,再逐层往里拆。下面这棵树展示了完整的拆解过程:

第一层(最外层):商法则。 整个函数是一个分式,设分子为 $u$,分母为 $v=6x^2-4$。分母的导数很容易:$\frac{dv}{dx}=12x$。分子的导数还需要继续往下拆。
第二层:和法则。 分子 $u=3x^7+x^4\sqrt{2x^5+15x^{4/3}-23x+9}$ 是两部分相加,设 $q=3x^7$(导数是 $21x^6$,很简单),以及 $r=x^4\sqrt{2x^5+15x^{4/3}-23x+9}$(这部分还需要继续拆)。
第三层:乘积法则。 $r$ 是两部分相乘:$w=x^4$(导数 $\frac{dw}{dx}=4x^3$)和 $z=\sqrt{2x^5+15x^{4/3}-23x+9}$(这部分需要链式法则)。
第四层:链式法则。 设 $t=2x^5+15x^{4/3}-23x+9$,那么 $z=\sqrt{t}$。先求 $t$ 的导数:
$$\frac{dt}{dx}=10x^4+20x^{1/3}-23$$
再用链式法则求 $z$ 的导数:
$$\frac{dz}{dx}=\frac{dz}{dt}\cdot \frac{dt}{dx}=\frac{1}{2\sqrt{t}}\times \left(10x^4+20x^{1/3}-23\right)=\frac{10x^4+20x^{1/3}-23}{2\sqrt{2x^5+15x^{4/3}-23x+9}}$$
从第四层往第三层回填: 现在知道了 $w,\frac{dw}{dx},z,\frac{dz}{dx}$,用乘积法则求 $r=wz$ 的导数:
$$\frac{dr}{dx}=z\frac{dw}{dx}+w\frac{dz}{dx}=\sqrt{2x^5+15x^{4/3}-23x+9}(4x^3)+x^4\cdot \frac{10x^4+20x^{1/3}-23}{2\sqrt{2x^5+15x^{4/3}-23x+9}}$$
从第三层往第二层回填: $u=q+r$,所以:
$$\frac{du}{dx}=\frac{dq}{dx}+\frac{dr}{dx}=21x^6+\frac{dr}{dx}$$
从第二层往第一层回填,套用商法则:
$$\frac{dy}{dx}=\frac{v\frac{du}{dx}-u\frac{dv}{dx}}{v^2}$$
把所有部分代入(过程繁琐但每一步都是已经会做的基本操作),最终得到:
$$\frac{dy}{dx}=\frac{\left(21x^6+\frac{26x^8+140x^{13/3}-207x^4+72x^3}{2\sqrt{2x^5+15x^{4/3}-23x+9}}\right)(6x^2-4)-\left(3x^7+x^4\sqrt{2x^5+15x^{4/3}-23x+9}\right)(12x)}{(6x^2-4{)}^2}$$
这个结果一点也不简洁,但它是完全正确、严格推导出来的。这个例子说明了一个重要的道理:面对复杂函数时不需要害怕,只需要识别最外层的结构,套用对应的法则,然后把"剩下没求导的部分"当成一个新的子问题,递归地往下拆,直到每一块都是能直接求导的简单函数为止。

6.2.7 乘积法则和链式法则的几何直观

乘积法则:面积的变化

把 $u$ 和 $v$ 想象成一个矩形的两条边长,矩形的面积就是 $uv$。当 $x$ 发生一点微小变化时,$u$ 变成 $u+\Delta u$,$v$ 变成 $v+\Delta v$,矩形跟着变大了一点。
下面这张图展示了"变大的那一部分面积"具体是怎么构成的:

新增的面积(图中L形区域,被拆成了三块)正好是:
$$\Delta (uv)=v\Delta u+u\Delta v+\Delta u\Delta v$$
其中前两块是"又长又窄的条状矩形",面积分别是 $v\Delta u$ 和 $u\Delta v$;第三块是右上角一个很小的矩形,面积是 $\Delta u\Delta v$。当 $\Delta u$ 和 $\Delta v$ 都非常小的时候,这第三块小矩形的面积要比前两块小得多,几乎可以忽略(比如 $\Delta u=\Delta v=0.001$ 时,前两块的量级是 $0.001$,第三块的量级却是 $0.000001$,小了一千倍)。
忽略掉这一项之后:
$$\Delta (uv)\approx v\Delta u+u\Delta v$$
两边同时除以 $\Delta x$,再让 $\Delta x\to 0$(此时上面的"近似等于"也变成了精确的等于),就得到了乘积法则:
$$\frac{d}{dx}(uv)=v\frac{du}{dx}+u\frac{dv}{dx}$$

三变量乘积法则的证明思路

设 $z=vw$,那么 $uvw$ 其实就是 $uz$。先对 $z=vw$ 用(两变量)乘积法则:
$$\frac{dz}{dx}=w\frac{dv}{dx}+v\frac{dw}{dx}$$
再对 $uz$ 用乘积法则:
$$\frac{d}{dx}(uvw)=\frac{d}{dx}(uz)=z\frac{du}{dx}+u\frac{dz}{dx}$$
把 $z=vw$ 和上面求出的 $\frac{dz}{dx}$ 代进去:
$$\frac{d}{dx}(uvw)=vw\frac{du}{dx}+u\left(w\frac{dv}{dx}+v\frac{dw}{dx}\right)=\frac{du}{dx}vw+u\frac{dv}{dx}w+uv\frac{dw}{dx}$$
这正是三变量乘积法则。这个证明思路很有启发性:它告诉我们,只要把"三个数相乘"看成"两个数相乘"(把后两个先打包成一个整体),复杂情形总能用简单情形拼出来。

链式法则:拉伸因子的比喻

设 $y=f(u)$,$u=g(x)$。想象 $g^{\prime }(x)$ 是一个"拉伸倍数"——$x$ 变化一点点,$u$ 的变化量大约是 $g^{\prime }(x)$ 倍那么多:
$$\Delta u\approx g^{\prime }(x)\Delta x$$
类似地,$f^{\prime }(u)$ 也是一个拉伸倍数——$u$ 变化一点点,$y$ 的变化量大约是 $f^{\prime }(u)$ 倍那么多:
$$\Delta y\approx f^{\prime }(u)\Delta u$$
把这两个近似式接起来:
$$\Delta y\approx f^{\prime }(u)g^{\prime }(x)\Delta x$$
也就是说:$x$ 的变化先被 $g^{\prime }(x)$ 这个倍数拉伸了一次,再被 $f^{\prime }(u)$ 这个倍数拉伸了一次,总的拉伸倍数就是两个倍数相乘。这正好像吹泡泡糖一样:先把它拉长2倍,再把拉长后的结果拉长3倍,总效果就是拉长了 $2\times 3=6$ 倍。
两边除以 $\Delta x$,取极限 $\Delta x\to 0$:
$$\frac{dy}{dx}=\underset{\Delta x\to 0}{\lim }\frac{\Delta y}{\Delta x}=f^{\prime }(u)g^{\prime }(x)$$
这正是链式法则。把 $u=g(x)$ 和 $y=f(u)=f(g(x))$ 代回去,就是版本1的写法 $h^{\prime }(x)=f^{\prime }(g(x))g^{\prime }(x)$;如果把 $f^{\prime }(u)$ 写成 $\frac{dy}{du}$、把 $g^{\prime }(x)$ 写成 $\frac{du}{dx}$,就是版本2的写法 $\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}$。