导数

导数(Derivative),也叫导函数值。又名微商,是微积分中的重要基础概念。当函数y=f(x)的自变量x在一点x0上产生一个增量Δx时,函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在,a即为在x0处的导数,记作f’(x0)或df(x0)/dx。

导数是函数的局部性质。一个函数在某一点的导数描述了这个函数在这一点附近的变化率。如果函数的自变量和取值都是实数的话,函数在某一点的导数就是该函数所代表的曲线在这一点上的切线斜率。导数的本质是通过极限的概念对函数进行局部的线性逼近。例如在运动学中,物体的位移对于时间的导数就是物体的瞬时速度。

不是所有的函数都有导数,一个函数也不一定在所有的点上都有导数。若某函数在某一点导数存在,则称其在这一点可导,否则称为不可导。然而,可导的函数一定连续;不连续的函数一定不可导。

对于可导的函数f(x),x↦f'(x)也是一个函数,称作f(x)的导函数(简称导数)。寻找已知的函数在某点的导数或其导函数的过程称为求导。实质上,求导就是一个求极限的过程,导数的四则运算法则也来源于极限的四则运算法则。反之,已知导函数也可以倒过来求原来的函数,即不定积分。微积分基本定理说明了求原函数与积分是等价的。求导和积分是一对互逆的操作,它们都是微积分学中最为基础的概念。
导数

导数和微分的概念

f(x0)=limΔx0,f(x0+Δx)f(x0)Δxf'({{x}{0}})=\underset{\Delta x\to 0}{\mathop{\lim }},\frac{f({{x}{0}}+\Delta x)-f({{x}_{0}})}{\Delta x} (1)

或者:

f(x0)=limxx0,f(x)f(x0)xx0f'({{x}{0}})=\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{f(x)-f({{x}{0}})}{x-{{x}{0}}} (2)

左右导数导数的几何意义和物理意义

函数f(x)f(x)x0x_0处的左、右导数分别定义为:

左导数:f(x0)=limΔx0,f(x0+Δx)f(x0)Δx=limxx0,f(x)f(x0)xx0,(x=x0+Δx){{{f}’}{-}}({{x}{0}})=\underset{\Delta x\to {{0}^{-}}}{\mathop{\lim }},\frac{f({{x}{0}}+\Delta x)-f({{x}{0}})}{\Delta x}=\underset{x\to x_{0}^{-}}{\mathop{\lim }},\frac{f(x)-f({{x}{0}})}{x-{{x}{0}}},(x={{x}_{0}}+\Delta x)

右导数:f+(x0)=limΔx0+,f(x0+Δx)f(x0)Δx=limxx0+,f(x)f(x0)xx0{{{f}’}{+}}({{x}{0}})=\underset{\Delta x\to {{0}^{+}}}{\mathop{\lim }},\frac{f({{x}{0}}+\Delta x)-f({{x}{0}})}{\Delta x}=\underset{x\to x_{0}^{+}}{\mathop{\lim }},\frac{f(x)-f({{x}{0}})}{x-{{x}{0}}}

函数的可导性与连续性之间的关系

Th1: 函数f(x)f(x)x0x_0处可微f(x)\Leftrightarrow f(x)x0x_0处可导

Th2: 若函数在点x0x_0处可导,则y=f(x)y=f(x)在点x0x_0处连续,反之则不成立。即函数连续不一定可导。

Th3: f(x0){f}'({{x}{0}})存在f(x0)=f+(x0)\Leftrightarrow {{{f}’}{-}}({{x}{0}})={{{f}’}{+}}({{x}_{0}})

平面曲线的切线和法线

切线方程 : yy0=f(x0)(xx0)y-{{y}{0}}=f'({{x}{0}})(x-{{x}{0}}) 法线方程:yy0=1f(x0)(xx0),f(x0)0y-{{y}{0}}=-\frac{1}{f'({{x}{0}})}(x-{{x}{0}}),f'({{x}_{0}})\ne 0

四则运算法则

设函数u=u(x)v=v(x)u=u(x),v=v(x)]在点xx可导,则
(1) (u±v)=u±v(u\pm v{)}’={u}’\pm {v}’ d(u±v)=du±dvd(u\pm v)=du\pm dv

(2)(uv)=uv+vu(uv{)}’=u{v}’+v{u}’ d(uv)=udv+vdud(uv)=udv+vdu

(3) (uv)=vuuvv2(v0)(\frac{u}{v}{)}’=\frac{v{u}’-u{v}’}{{{v}^{2}}}(v\ne 0) d(uv)=vduudvv2d(\frac{u}{v})=\frac{vdu-udv}{{{v}^{2}}}

基本导数与微分表

(1) y=cy=c​(常数) y=0{y}’=0​ dy=0dy=0​

(2) y=xαy={{x}^{\alpha }}​(α\alpha ​为实数) y=αxα1{y}’=\alpha {{x}^{\alpha -1}}​ dy=αxα1dxdy=\alpha {{x}^{\alpha -1}}dx​

(3) y=axy={{a}^{x}}​ y=axlna{y}’={{a}^{x}}\ln a​ dy=axlnadxdy={{a}^{x}}\ln adx​ 特例: (ex)=ex({{{e}}^{x}}{)}’={{{e}}^{x}}​ d(ex)=exdxd({{{e}}^{x}})={{{e}}^{x}}dx​

(4) y=logaxy={{\log }_{a}}x y=1xlna{y}’=\frac{1}{x\ln a}

dy=1xlnadxdy=\frac{1}{x\ln a}dx 特例:y=lnxy=\ln x (lnx)=1x(\ln x{)}’=\frac{1}{x} d(lnx)=1xdxd(\ln x)=\frac{1}{x}dx

(5) y=sinxy=\sin x

y=cosx{y}’=\cos x d(sinx)=cosxdxd(\sin x)=\cos xdx

(6) y=cosxy=\cos x

y=sinx{y}’=-\sin x d(cosx)=sinxdxd(\cos x)=-\sin xdx

(7) y=tanxy=\tan x

y=1cos2x=sec2x{y}’=\frac{1}{{{\cos }^{2}}x}={{\sec }^{2}}x d(tanx)=sec2xdxd(\tan x)={{\sec }^{2}}xdx

(8) y=cotxy=\cot x y=1sin2x=csc2x{y}’=-\frac{1}{{{\sin }^{2}}x}=-{{\csc }^{2}}x d(cotx)=csc2xdxd(\cot x)=-{{\csc }^{2}}xdx

(9) y=secxy=\sec x y=secxtanx{y}’=\sec x\tan x

d(secx)=secxtanxdxd(\sec x)=\sec x\tan xdx

(10) y=cscxy=\csc x y=cscxcotx{y}’=-\csc x\cot x

d(cscx)=cscxcotxdxd(\csc x)=-\csc x\cot xdx

(11) y=arcsinxy=\arcsin x

y=11x2{y}’=\frac{1}{\sqrt{1-{{x}^{2}}}}

d(arcsinx)=11x2dxd(\arcsin x)=\frac{1}{\sqrt{1-{{x}^{2}}}}dx

(12) y=arccosxy=\arccos x

y=11x2{y}’=-\frac{1}{\sqrt{1-{{x}^{2}}}} d(arccosx)=11x2dxd(\arccos x)=-\frac{1}{\sqrt{1-{{x}^{2}}}}dx

(13) y=arctanxy=\arctan x

y=11+x2{y}’=\frac{1}{1+{{x}^{2}}} d(arctanx)=11+x2dxd(\arctan x)=\frac{1}{1+{{x}^{2}}}dx

(14) y=arccotxy=\operatorname{arc}\cot x

y=11+x2{y}’=-\frac{1}{1+{{x}^{2}}}

d(arccotx)=11+x2dxd(\operatorname{arc}\cot x)=-\frac{1}{1+{{x}^{2}}}dx

(15) y=shxy=shx

y=chx{y}’=chx d(shx)=chxdxd(shx)=chxdx

(16) y=chxy=chx

y=shx{y}’=shx d(chx)=shxdxd(chx)=shxdx

复合函数,反函数,隐函数以及参数方程所确定的函数的微分法

(1) 反函数的运算法则: 设y=f(x)y=f(x)在点xx的某邻域内单调连续,在点xx处可导且f(x)0{f}'(x)\ne 0,则其反函数在点xx所对应的yy处可导,并且有dydx=1dxdy\frac{dy}{dx}=\frac{1}{\frac{dx}{dy}}

(2) 复合函数的运算法则:若μ=φ(x)\mu =\varphi (x)在点xx可导,而y=f(μ)y=f(\mu )在对应点μ\mu(μ=φ(x)\mu =\varphi (x))可导,则复合函数y=f(φ(x))y=f(\varphi (x))在点xx可导,且y=f(μ)φ(x){y}’={f}'(\mu )\cdot {\varphi }'(x)

(3) 隐函数导数dydx\frac{dy}{dx}的求法一般有三种方法:

  • 方程两边对xx求导,要记住yyxx的函数,则yy的函数是xx的复合函数.例如1y\frac{1}{y}y2{{y}^{2}}lnyln yey{{{e}}^{y}}等均是xx的复合函数. 对xx求导应按复合函数连锁法则做.

  • 公式法.由F(x,y)=0F(x,y)=0dydx=Fx(x,y)Fy(x,y)\frac{dy}{dx}=-\frac{{{{{F}’}}{x}}(x,y)}{{{{{F}’}}{y}}(x,y)},其中,Fx(x,y){{{F}’}{x}}(x,y)Fy(x,y){{{F}’}{y}}(x,y)分别表示F(x,y)F(x,y)xxyy的偏导数

  • 利用微分形式不变性

常用高阶导数公式

(1)(ax),(n)=axlnna(a>0)(ex),(n)=e,x({{a}^{x}}){{,}^{(n)}}={{a}^{x}}{{\ln }^{n}}a\quad (a>{0})\quad \quad ({{{e}}^{x}}){{,}^{(n)}}={e}{{,}^{x}}

(2)(sinkx),(n)=knsin(kx+nπ2)(\sin kx{)}{{,}^{(n)}}={{k}^{n}}\sin (kx+n\cdot \frac{\pi }{{2}})

(3)(coskx),(n)=kncos(kx+nπ2)(\cos kx{)}{{,}^{(n)}}={{k}^{n}}\cos (kx+n\cdot \frac{\pi }{{2}})

(4)(xm),(n)=m(m1)(mn+1)xmn({{x}^{m}}){{,}^{(n)}}=m(m-1)\cdots (m-n+1){{x}^{m-n}}

(5)(lnx),(n)=(1)(n1)(n1)!xn(\ln x){{,}^{(n)}}={{(-{1})}^{(n-{1})}}\frac{(n-{1})!}{{{x}^{n}}}

(6)莱布尼兹公式:若u(x),,v(x)u(x),,v(x)nn阶可导,则 (uv)(n)=i=0ncniu(i)v(ni){{(uv)}^{(n)}}=\sum\limits_{i={0}}^{n}{c_{n}^{i}{{u}^{(i)}}{{v}^{(n-i)}}},其中u(0)=u{{u}^{({0})}}=uv(0)=v{{v}^{({0})}}=v

微分中值定理,泰勒公式

Th1:(费马定理)

若函数f(x)f(x)满足条件: (1)函数f(x)f(x)x0{{x}{0}}的某邻域内有定义,并且在此邻域内恒有 f(x)f(x0)f(x)\le f({{x}{0}})f(x)f(x0)f(x)\ge f({{x}_{0}}),

(2) f(x)f(x)x0{{x}{0}}处可导,则有 f(x0)=0{f}'({{x}{0}})=0

Th2:(罗尔定理)

设函数f(x)f(x)满足条件: (1)在闭区间[a,b][a,b]上连续;

(2)在(a,b)(a,b)内可导;

(3)f(a)=f(b)f(a)=f(b)

则在(a,b)(a,b)内一存在个ξ\xi,使 f(ξ)=0{f}'(\xi )=0

Th3: (拉格朗日中值定理)

设函数f(x)f(x)满足条件:
(1)在[a,b][a,b]上连续;

(2)在(a,b)(a,b)内可导;

则在(a,b)(a,b)内一存在个ξ\xi,使 f(b)f(a)ba=f(ξ)\frac{f(b)-f(a)}{b-a}={f}'(\xi )

Th4: (柯西中值定理)

设函数f(x)f(x)g(x)g(x)满足条件: (1) 在[a,b][a,b]上连续;

(2) 在(a,b)(a,b)内可导且f(x){f}'(x)g(x){g}'(x)均存在,且g(x)0{g}'(x)\ne 0

则在(a,b)(a,b)内存在一个ξ\xi,使 f(b)f(a)g(b)g(a)=f(ξ)g(ξ)\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{{f}'(\xi )}{{g}'(\xi )}

洛必达法则

法则Ⅰ (00\frac{0}{0}型) 设函数f(x),g(x)f\left( x \right),g\left( x \right)满足条件: limxx0,f(x)=0,limxx0,g(x)=0\underset{x\to {{x}{0}}}{\mathop{\lim }},f\left( x \right)=0,\underset{x\to {{x}{0}}}{\mathop{\lim }},g\left( x \right)=0;

f(x),g(x)f\left( x \right),g\left( x \right)x0{{x}{0}}的邻域内可导,(在x0{{x}{0}}处可除外)且g(x)0{g}’\left( x \right)\ne 0;

limxx0,f(x)g(x)\underset{x\to {{x}_{0}}}{\mathop{\lim }},\frac{{f}’\left( x \right)}{{g}’\left( x \right)}存在(或\infty)。

则: limxx0,f(x)g(x)=limxx0,f(x)g(x)\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{{f}’\left( x \right)}{{g}’\left( x \right)}。 法则I{{I}’} (00\frac{0}{0}型)设函数f(x),g(x)f\left( x \right),g\left( x \right)满足条件: limx,f(x)=0,limx,g(x)=0\underset{x\to \infty }{\mathop{\lim }},f\left( x \right)=0,\underset{x\to \infty }{\mathop{\lim }},g\left( x \right)=0;

存在一个X>0X>0,当x>X\left| x \right|>X时,f(x),g(x)f\left( x \right),g\left( x \right)可导,且g(x)0{g}’\left( x \right)\ne 0;limxx0,f(x)g(x)\underset{x\to {{x}_{0}}}{\mathop{\lim }},\frac{{f}’\left( x \right)}{{g}’\left( x \right)}存在(或\infty)。

则: limxx0,f(x)g(x)=limxx0,f(x)g(x)\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{{f}’\left( x \right)}{{g}’\left( x \right)} 法则Ⅱ(\frac{\infty }{\infty }型) 设函数f(x),g(x)f\left( x \right),g\left( x \right)满足条件: limxx0,f(x)=,limxx0,g(x)=\underset{x\to {{x}{0}}}{\mathop{\lim }},f\left( x \right)=\infty ,\underset{x\to {{x}{0}}}{\mathop{\lim }},g\left( x \right)=\infty; f(x),g(x)f\left( x \right),g\left( x \right)x0{{x}{0}} 的邻域内可导(在x0{{x}{0}}处可除外)且g(x)0{g}’\left( x \right)\ne 0;limxx0,f(x)g(x)\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{{f}’\left( x \right)}{{g}’\left( x \right)}存在(或\infty)。则 limxx0,f(x)g(x)=limxx0,f(x)g(x).\underset{x\to {{x}{0}}}{\mathop{\lim }},\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }},\frac{{f}’\left( x \right)}{{g}’\left( x \right)}.同理法则II{I{I}’}(\frac{\infty }{\infty }型)仿法则I{{I}’}可写出。

泰勒公式

设函数f(x)f(x)在点x0{{x}{0}}处的某邻域内具有n+1n+1阶导数,则对该邻域内异于x0{{x}{0}}的任意点xx,在x0{{x}{0}}xx之间至少存在 一个ξ\xi,使得: f(x)=f(x0)+f(x0)(xx0)+12!f(x0)(xx0)2+f(x)=f({{x}{0}})+{f}'({{x}{0}})(x-{{x}{0}})+\frac{1}{2!}{f}”({{x}{0}}){{(x-{{x}{0}})}^{2}}+\cdots +f(n)(x0)n!(xx0)n+Rn(x)+\frac{{{f}^{(n)}}({{x}{0}})}{n!}{{(x-{{x}{0}})}^{n}}+{{R}{n}}(x) 其中 Rn(x)=f(n+1)(ξ)(n+1)!(xx0)n+1{{R}{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{(x-{{x}{0}})}^{n+1}}称为f(x)f(x)在点x0{{x}{0}}处的nn阶泰勒余项。

x0=0{{x}{0}}=0,则nn阶泰勒公式 f(x)=f(0)+f(0)x+12!f(0)x2++f(n)(0)n!xn+Rn(x)f(x)=f(0)+{f}'(0)x+\frac{1}{2!}{f}”(0){{x}^{2}}+\cdots +\frac{{{f}^{(n)}}(0)}{n!}{{x}^{n}}+{{R}{n}}(x)……(1) 其中 Rn(x)=f(n+1)(ξ)(n+1)!xn+1{{R}_{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{x}^{n+1}}ξ\xi在0与xx之间.(1)式称为麦克劳林公式

常用五种函数在x0=0{{x}_{0}}=0处的泰勒公式

(1) ex=1+x+12!x2++1n!xn+xn+1(n+1)!eξ{{{e}}^{x}}=1+x+\frac{1}{2!}{{x}^{2}}+\cdots +\frac{1}{n!}{{x}^{n}}+\frac{{{x}^{n+1}}}{(n+1)!}{{e}^{\xi }}

=1+x+12!x2++1n!xn+o(xn)=1+x+\frac{1}{2!}{{x}^{2}}+\cdots +\frac{1}{n!}{{x}^{n}}+o({{x}^{n}})

(2) sinx=x13!x3++xnn!sinnπ2+xn+1(n+1)!sin(ξ+n+12π)\sin x=x-\frac{1}{3!}{{x}^{3}}+\cdots +\frac{{{x}^{n}}}{n!}\sin \frac{n\pi }{2}+\frac{{{x}^{n+1}}}{(n+1)!}\sin (\xi +\frac{n+1}{2}\pi )

=x13!x3++xnn!sinnπ2+o(xn)=x-\frac{1}{3!}{{x}^{3}}+\cdots +\frac{{{x}^{n}}}{n!}\sin \frac{n\pi }{2}+o({{x}^{n}})

(3) cosx=112!x2++xnn!cosnπ2+xn+1(n+1)!cos(ξ+n+12π)\cos x=1-\frac{1}{2!}{{x}^{2}}+\cdots +\frac{{{x}^{n}}}{n!}\cos \frac{n\pi }{2}+\frac{{{x}^{n+1}}}{(n+1)!}\cos (\xi +\frac{n+1}{2}\pi )

=112!x2++xnn!cosnπ2+o(xn)=1-\frac{1}{2!}{{x}^{2}}+\cdots +\frac{{{x}^{n}}}{n!}\cos \frac{n\pi }{2}+o({{x}^{n}})

(4) ln(1+x)=x12x2+13x3+(1)n1xnn+(1)nxn+1(n+1)(1+ξ)n+1\ln (1+x)=x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+\frac{{{(-1)}^{n}}{{x}^{n+1}}}{(n+1){{(1+\xi )}^{n+1}}}

=x12x2+13x3+(1)n1xnn+o(xn)=x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+o({{x}^{n}})

(5) (1+x)m=1+mx+m(m1)2!x2++m(m1)(mn+1)n!xn{{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots +\frac{m(m-1)\cdots (m-n+1)}{n!}{{x}^{n}} +m(m1)(mn+1)(n+1)!xn+1(1+ξ)mn1+\frac{m(m-1)\cdots (m-n+1)}{(n+1)!}{{x}^{n+1}}{{(1+\xi )}^{m-n-1}}

(1+x)m=1+mx+m(m1)2!x2+{{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots +m(m1)(mn+1)n!xn+o(xn)+\frac{m(m-1)\cdots (m-n+1)}{n!}{{x}^{n}}+o({{x}^{n}})

函数单调性的判断

Th1: 设函数f(x)f(x)(a,b)(a,b)区间内可导,如果对x(a,b)\forall x\in (a,b),都有f,(x)>0f,'(x)>0(或f,(x)<0f,'(x)<0),则函数f(x)f(x)(a,b)(a,b)内是单调增加的(或单调减少)

Th2: (取极值的必要条件)设函数f(x)f(x)x0{{x}{0}}处可导,且在x0{{x}{0}}处取极值,则f,(x0)=0f,'({{x}_{0}})=0

Th3: (取极值的第一充分条件)设函数f(x)f(x)x0{{x}{0}}的某一邻域内可微,且f,(x0)=0f,'({{x}{0}})=0(或f(x)f(x)x0{{x}{0}}处连续,但f,(x0)f,'({{x}{0}})不存在。)
(1)若当xx经过x0{{x}{0}}时,f,(x)f,'(x)由“+”变“-”,则f(x0)f({{x}{0}})为极大值;

(2)若当xx​经过x0{{x}{0}}​时,f,(x)f,'(x)由“-”变“+”,则f(x0)f({{x}{0}})为极小值;

(3)若f,(x)f,'(x)经过x=x0x={{x}{0}}的两侧不变号,则f(x0)f({{x}{0}})不是极值。

Th4: (取极值的第二充分条件)设f(x)f(x)在点x0{{x}{0}}处有f(x)0f”(x)\ne 0,且f,(x0)=0f,'({{x}{0}})=0,则 当f,(x0)<0f’,'({{x}{0}})<0时,f(x0)f({{x}{0}})为极大值; 当f,(x0)>0f’,'({{x}{0}})>0时,f(x0)f({{x}{0}})为极小值。 注:如果f,(x0)<0f’,'({{x}_{0}})<0,此方法失效。

渐近线的求法

(1)水平渐近线 若limx+,f(x)=b\underset{x\to +\infty }{\mathop{\lim }},f(x)=b,或limx,f(x)=b\underset{x\to -\infty }{\mathop{\lim }},f(x)=b,则

y=by=b称为函数y=f(x)y=f(x)的水平渐近线。

(2)铅直渐近线 若limxx0,f(x)=\underset{x\to x_{0}^{-}}{\mathop{\lim }},f(x)=\infty,或limxx0+,f(x)=\underset{x\to x_{0}^{+}}{\mathop{\lim }},f(x)=\infty,则

x=x0x={{x}_{0}}称为y=f(x)y=f(x)的铅直渐近线。

(3)斜渐近线 若a=limx,f(x)x,b=limx,[f(x)ax]a=\underset{x\to \infty }{\mathop{\lim }},\frac{f(x)}{x},\quad b=\underset{x\to \infty }{\mathop{\lim }},[f(x)-ax],则 y=ax+by=ax+b称为y=f(x)y=f(x)的斜渐近线。

函数凹凸性的判断

Th1: (凹凸性的判别定理)若在I上f(x)<0f”(x)<0(或f(x)>0f”(x)>0),则f(x)f(x)在I上是凸的(或凹的)。

Th2: (拐点的判别定理1)若在x0{{x}{0}}f(x)=0f”(x)=0,(或f(x)f”(x)不存在),当xx变动经过x0{{x}{0}}时,f(x)f”(x)变号,则(x0,f(x0))({{x}{0}},f({{x}{0}}))为拐点。

Th3: (拐点的判别定理2)设f(x)f(x)x0{{x}{0}}点的某邻域内有三阶导数,且f(x)=0f”(x)=0f(x)0f”'(x)\ne 0,则(x0,f(x0))({{x}{0}},f({{x}_{0}}))为拐点。

弧微分

dS=1+y2dxdS=\sqrt{1+y{{‘}^{2}}}dx

相关文章,推荐阅读线性代数其他部分。谢谢阅读。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册