61 KiB
第3讲
一元函数微分学的概念
| 考题 | -元函数微分学的概念 |
| 题型 | 选择题、填空题 |
| 目标 | ①理解导数与微分的概念；②理解导数与微分的关系；③理解导数的几何意义 |
| 重难点 | ①高阶导数的计算；②导数几何意义的应用；③可导充要条件的应用 |
基础知识结构
引例一位王子/公主去往高铁站乘车，零时刻在家门口乘坐出租车出发，由于时间上有些来不及，便不断催促师傅加速，当到达高铁站后，整理文件时却发现重要文件遗落在家，焦急难耐，但已经来不及返回拿文件再乘车，遂放弃原车次列车，乘坐出租车匀速回家.
实际问题数学化，时间与位移图像如图3-1所示.
图3-1
I _ { 1 } ： \operatorname* { l i m } _ { \Delta t \to 0 } { \frac { f ( t + \Delta t ) - f ( t ) } { \Delta t } } { \frac { \# \# } { \Gamma } } \underline { { \underline { { a } } } } _ { } 泣意：a是瞬时变化率，不是平均变化率，→线性函数变化率不变o tt+△t
I _ { \imath } \operatorname* { l i m } _ { \Delta t \to 0 } { \frac { f ( t + \Delta t ) - f ( t ) } { \Delta t } } = \operatorname* { l i m } _ { \Delta t \to 0 } { \frac { 0 } { \Delta t } } = 0 0
I _ { 3 } \operatorname* { l i m } _ { \Delta t \to 0 } { \frac { f ( t + \Delta t ) - f ( t ) } { \Delta t } } = 定值. o tt+△tt
极限是研究函数变化趋势的，导数是研究变化快慢趋势的.
基础内容精讲
1 导数
\Delta x \to 0 ^ { + } \ , \Delta x \to 0 ^ { - }
设 y = f ( x ) 定义在区间I上，让自变量在 \boldsymbol { x } = \boldsymbol { x } _ { 0 } 处加一个增量△x（可正可负），其中x _ { 0 } \in I , x _ { 0 } + \Delta x \in I ，则可得函数的增量 \Delta y = f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) .若函数增量△y与自变量增量△x的比值在 \Delta x \to 0 时的极限存在，即 \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta y } { \Delta x } } 存在，则称函数 y = f ( x ) 在点 x _ { 0 } 处可导，并称这个极限为 y = f ( x ) 在点 x _ { 0 } 处的导数，记作 f ^ { \prime } ( x _ { 0 } ) ，即
变化率
f ^ { \prime } ( x _ { \scriptscriptstyle 0 } ) = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta y } { \Delta x } } = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( x _ { \scriptscriptstyle 0 } + \Delta x ) - f ( x _ { \scriptscriptstyle 0 } ) } { \Delta x } } .\tag{*}
当然， \left. { \frac { \mathrm { d } y } { \mathrm { d } x } } \right| _ { x = x _ { 0 } } , \left. { \frac { \mathrm { d } [ f ( x ) ] } { \mathrm { d } x } } \right| _ { x = x _ { 0 } } , \left. { y } ^ { \prime } ( x _ { 0 } ) \right. 或 y ^ { \prime } \big | _ { x = x _ { 0 } } 这些符号记法与 f ^ { \prime } ( x _ { 0 } ) 等价.顺便交代一下，“导数”这
个名词被认为是拉格朗日最先使用的，记号 f ^ { \prime } ( x _ { 0 } ) , y ^ { \prime } \vert _ { x = x _ { 0 } } 多次出现在拉格朗日的文章中，而莱布尼茨则\left. { \frac { \mathrm { d } \boldsymbol { y } } { \mathrm { d } \boldsymbol { x } } } \right| _ { \boldsymbol { x } = \boldsymbol { x } _ { 0 } } , \left. { \frac { \mathrm { d } [ f ( \boldsymbol { x } ) ] } { \mathrm { d } \boldsymbol { x } } } \right| _ { \boldsymbol { x } = \boldsymbol { x } _ { 0 } } \overrightarrow { } (微的形式，也叫微商) 考研只用拉格朗日和菜布尼茨写法
喜欢写作V
菜布尼茨所用的符号d具有普适意义：如果要求A对B的变化率，就把A，B填进 \frac { \mathrm { d } \ b u } { \mathrm { d } \ b u } ，得 \frac { \mathrm { d } A } { \mathrm { d } B } ，它可表示几孚所有你想研究的变化率问题，而不仅仅是位移s对时间t的变化率— \cdot \frac { \mathrm { d } s } { \mathrm { d } t } 等于速度v.
比如： \frac { \mathrm { d } ( \sharp \sharp \sharp \sharp ) } { \mathrm { d } ( \sharp \sharp | \partial ] ) } ，它往往小于零，你同意吗？再比如： \frac { \mathrm { d } ( \vec { + } | \vec { w } | ) } { \mathrm { d } ( \vec { w } \cdot \vec { + \theta } ) } \ , \frac { \ast } { \mathcal { E } } \frac { \mathrm { d } ( \vec { + } | \vec { w } | ) } { \mathrm { d } ( \vec { w } \cdot \vec { + \theta } ) } { > } 0 ，也就是涨价可…增加利润，此时定价低了：若\frac { \mathrm { d } ( \vec { 4 } \mathrm { d } \langle \vec { \omega } \| ) } { \mathrm { d } ( \langle \vec { w } \hbar \rangle \mathscr { H } ) } < 0 也就是降价可增加利润，此时定价高了.综上， \lg { \frac { \mathsf { d } ( \sharp \{ \sharp \} ) } { \mathsf { d } ( \sharp \{ \sharp \} + \sharp ) } } = 0 \sharp \sharp 利润最大，也就是说导数为零时的价格应是商品标签上的数字.懂得了这些道理后，请问，当 \frac { \mathrm { d } ( \nexists { \cdot } \mathit { s } _ { 0 } ^ { \pm } ) } { \mathrm { d } ( \acute { \infty } \varkappa \mathcal { D } ) } > 0 时，说明什么？
注这里有几点需要说明
（1）在考题中，增量△x一般会被命题人广义化为“狗”：
\enclose{circle} { 1 } 4 \enclose{circle} { 1 } \frac { 4 } { 7 } - \frac { 4 } { 5 } - \Delta x , ( \Delta x ) ^ { 2 } \triangleq
增量式
f ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) } { \Delta x } } { \frac { \jmath ^ { - } \mathcal { X } \mathcal { K } } { \exp { ( { x _ { 0 } } + \mathcal { X } \imath ) } } } \operatorname* { l i m } _ { \mathcal { W } \to 0 } { \frac { f ( x _ { 0 } + \mathcal { Y } \imath ) - f ( x _ { 0 } ) } { \mathcal { Y } \mathcal { Y } } }\tag{**}
（2）若在上面（*）式中，令 x _ { 0 } + \Delta x = x ，则可将导数定义式写成
{ \mathit { a } } \not \equiv \not \equiv f ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ( x ) - f ( x _ { 0 } ) } { x - x _ { 0 } } } ,\tag{***}
（**），（***）两式等价，考生将会在各种场合见到这两种等价写法
（3）下面这三种提法是等价的
①y=f（x）在点 \scriptstyle x _ { 0 } 处可导；
②y=f（x）在点 x _ { 0 } 处导数存在；
③ f ^ { \prime } ( x _ { 0 } ) = A （A为有限数）
（4）函数在一点可导的充要条件，考研必考
①单侧导数
\operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) } { \Delta x } } { \frac { \mathrm { i } \mathcal { Z } } { \longrightarrow } } f _ { - } ^ { \prime } ( x _ { 0 } ) ,
\operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) } { \Delta x } } { \frac { { \mathrm { i } } \mathscr { Z } } { - } } f _ { + } ^ { \prime } ( x _ { 0 } ) ,
这里， f _ { - } ^ { \prime } ( x _ { 0 } ) , f _ { + } ^ { \prime } ( x _ { 0 } ) 分别是f（x）在点 x _ { 0 } 处的左导数、右导数，统称为单侧导数。
注意：在实际问题中，在一点处可导左，右的变化率均存在且相等；
在几何上，有斜着的切线或水平的切线，但是没有铅直切线
② f ^ { \prime } ( x _ { 0 } ) 存在 \Leftrightarrow 其左导数 f _ { - } ^ { \prime } ( x _ { 0 } ) 与右导数 f _ { + } ^ { \prime } ( x _ { 0 } ) 均存在且相等．这一点当然是与极限存在的充分必要条件（左、右极限均存在且相等)对应.因为从本质上来说，导数的定义就是一个极限问题，
（5）函数在一点可导的必要条件：若f（x）在一点可导，则f（x)在该点连续．反之未必。
如： f ( x ) = \left| x \right| 在x=0处的情形
再如： f ( x ) = { \left\{ \begin{array} { l l } { x ^ { 2 } , \ x \in } \\ { 0 , \ x \in } \end{array} \right. } 有理数， \mathbf { \lambda } = x ^ { 2 } \underline { { D ( x ) } } 在x=0处的无理数情形 狄利克雷函数 D ( x ) = { \left\{ \begin{array} { l l } { 1 , x \in { \mathcal { F } } { \mathrm { ~ } } 3 { \mathrm { ~ z ~ } } \notin x , } \\ { 0 , x \in { \mathcal { F } } , { \mathrm { ~ } } 3 { \mathrm { ~ z ~ } } \notin x } \end{array} \right. }
\frac { f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) } { \Delta x } = a
\Rightarrow \operatorname* { l i m } _ { \Delta x \to 0 } f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) } { \Delta x } } \Delta x
\Rightarrow f ( x _ { 0 } ) = \operatorname* { l i m } _ { \Delta x \to 0 } f ( x _ { 0 } + \Delta x )
f ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { x \to 0 } { \frac { f ( x ) - f ( 0 ) } { x - 0 } } = \operatorname* { l i m } _ { x \to 0 } { \frac { f ( x ) } { x } } = \operatorname* { l i m } _ { x \to 0 } { \frac { x ^ { 2 } D ( x ) } { x } } = \operatorname* { l i m } _ { x \to 0 } x D ( x ) = 0
F _ { 2 } ( 3 ) \cdot 1 \cdot \frac { 3 } { 4 } \times \frac { 5 } { 4 } \times \frac { 3 } { 4 } = \frac { 3 } { 4 } \times 3 . 1 \cdot \frac { 4 } { 4 }
（6)还记得在函数连续性那里的直观解释吗？现在把可导放进来，再看一遍。
存在是说，给了一个x，就有一个y对应在那里（见图3-2），它附近的点X们所对应的Y们，也是如此，它们只是在那里，无牵无挂；连续是说，Y们充分靠近y（见图3-3），它们彼此的距离小到无法用任何小的
考研数学基础30讲·高等数学分册
正实数表达，只能用超实数“无穷小”来衡量，它们并不只是在那里，它们相依相偎；可导是说，它们不仅依偎在一起，而且Y们靠近y的速度不会比X们靠近x的速度慢，也就是速度一样或者速度更快（见图3-4）
图3-2
图3-3
图3-4
所以，函数存在是y和Y们无牵无挂地待在那里；函数连续是y和Y们充分靠近；导函数存在是y和Y们不仅充分靠近，且靠近的速度更快.连续曲线不是曲线不断开，恰恰相反，它每一个位置都是断开的．就算Y们靠得更近，比如可导，也只是靠得更近而已，依然是断开的.
例3.1
(B)若f(x)是可导的奇函数，则f'(x)是偶函数
(C)若f(x)是可导的周期为T的周期函数，则f'(x)也是以T为周期的周期函数
(D)若f(x)是可导的有界函数，则f'(x)是有界函数
解 应选(D).
对于选项(A)，由导数定义，得
{ \begin{array} { r l } & { f ^ { \prime } ( - x ) = \underset { \Delta x 0 } { \operatorname* { l i m } } \frac { f ( - x + \Delta x ) - f ( - x ) } { \Delta x } = \underset { \Delta x 0 } { \operatorname* { l i m } } \frac { f ( x - \Delta x ) - f ( x ) } { \Delta x } } \\ & { \qquad = ( - 1 ) \underset { \frac { [ - \Delta x ] } { 4 0 } } { \operatorname* { l i m } } \frac { f ( x [ - \Delta x ] ) - f ( x ) } { \frac { [ - \Delta x ] } { 4 0 } } = - f ^ { \prime } ( x ) , } \end{array} }
故f'(x)是奇函数.
对于选项(B)，由导数定义，得
\begin{array} { l } { f ^ { \prime } ( - x ) = \displaystyle \operatorname* { l i m } _ { \Delta x \to 0 } \frac { f ( - x + \Delta x ) - f ( - x ) } { \Delta x } } \\ { \displaystyle \quad = \operatorname* { l i m } _ { \Delta x \to 0 } - f ( x - \Delta x ) + f ( x ) } \\ { \displaystyle \quad = \operatorname* { l i m } _ { - \Delta x \to 0 } \frac { f ( x - \Delta x ) - f ( x ) } { - \Delta x } } \\ { \displaystyle \quad = f ^ { \prime } ( x ) \ , } \end{array}
故f'(x)是偶函数.
对于选项(C)，由导数定义，得
f ^ { \prime } ( x + T ) = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( x + T + \Delta x ) - f ( x + T ) } { \Delta x } }
\begin{array} { l } { \displaystyle \frac { f ( x + T ) = f ( x ) } { \Delta x \to 0 } \operatorname* { l i m } _ { \Delta x \to 0 } \frac { f ( x + \Delta x ) - f ( x ) } { \Delta x } } \\ { = f ^ { \prime } ( x ) , , } \end{array}
故f(x)也是以T为周期的周期函数.
对于选项(D)，举反例： f ( x ) = { \sqrt { x } } ( x \in ( 0 , 1 ] ) 有界，而 f ^ { \prime } ( x ) = { \frac { 1 } { 2 \sqrt { x } } } ( x \in ( 0 , 1 ] ) 无界.应选(D).
选项（A)，（B)结论的应用见注例1和注例2.
注例1设 f ( x ) = \ln ( 1 - x ) - \ln ( 1 + x ) , - 1 < x < 1 ，则 f ^ { \prime \prime } ( 0 ) =
解 f ( x ) = \ln { \frac { 1 - x } { 1 + x } } （每求导一次，奇偶性互换一次），故f"(x)是奇函数，所以 f ^ { \prime \prime } ( 0 ) { = } 0
注例2设 f ( x ) = { \frac { 1 } { 2 ^ { x } + 1 } } , x \in \mathbf { R } 则 f ^ { ( 4 ) } ( 0 ) =
解 f ( x ) = { \frac { 1 } { 2 ^ { x } + 1 } } - { \frac { 1 } { 2 } } + { \frac { 1 } { 2 } } = g ( x ) + { \frac { 1 } { 2 } }
因为 g ( - x ) + g ( x ) = { \frac { 1 } { 2 ^ { - x } + 1 } } - { \frac { 1 } { 2 } } + { \frac { 1 } { 2 ^ { x } + 1 } } - { \frac { 1 } { 2 } } = { \frac { 2 ^ { x } } { 2 ^ { x } + 1 } } + { \frac { 1 } { 2 ^ { x } + 1 } } - 1 = 0 ，所以g(x)是奇函数，于是 g ^ { ( 4 ) } ( x ) 是奇函数，即 g ^ { ( 4 ) } ( 0 ) = 0 ，所以 f ^ { ( 4 ) } ( 0 ) = g ^ { ( 4 ) } ( 0 ) = 0
由例3.1结论，若 f ( x ) = \sin ( \cos x ) + \cos ( \sin x ) ，则 f ^ { ( 5 ) } ( 2 \pi ) =
分析利用函数的奇偶性、周期性
复合函数奇偶性：内偶则偶，内奇同外．
解 f ( x ) = \sin ( \cos x ) + \cos ( \sin x ) 为偶函数，故 f ^ { ( 5 ) } ( x ) 为奇函数，因为f(x)的周期为2π，故 f ^ { ( 5 ) } ( 2 \pi ) = f ^ { ( 5 ) } ( 0 ) = 0
例3.2 设f(x)是二阶可导且以2为周期的奇函数， f \left( { \frac { 1 } { 2 } } \right) > 0 , f ^ { \prime } \left( { \frac { 1 } { 2 } } \right) > 0 ，记 M = f \left( - { \frac { 1 } { 2 } } \right) N = f ^ { \prime } { \left( { \frac { 3 } { 2 } } \right) } , K = f ^ { \prime } ( 0 ) .则（ ）（A) M < N < K (B) M > N > K (C) M < K < N (D) M > K > N
解 应选(C).
由f(x)为奇函数，则 f \left( - \frac { 1 } { 2 } \right) = - f \left( \frac { 1 } { 2 } \right) < 0 .根据例3.1(B)选项的结论，知f'(x)为偶函数，由例3.1(A)选项的结论，知 f ^ { \prime \prime } ( x ) 为奇函数（事实上，若f(x)无穷阶可导，则每求导一次，奇偶性即互换一次），由 f ^ { \prime \prime } ( x ) 存在，故 f ^ { \prime \prime } ( 0 ) { = } 0 必背结论
又 f ^ { \prime } { \left( \frac { 1 } { 2 } \right) } > 0 ，由例3.1(C)选项的结论，知f'(x)也是以2为周期的周期函数，则 f ^ { \prime } \left( { \frac { 3 } { 2 } } \right) = f ^ { \prime } \left( { \frac { 3 } { 2 } } - 2 \right) = f ^ { \prime } \left( - { \frac { 1 } { 2 } } \right) = f ^ { \prime } \left( { \frac { 1 } { 2 } } \right) > 0 ，故 f { \Biggl ( } - { \frac { 1 } { 2 } } { \Biggr ) } < f ^ { \prime \prime } ( 0 ) < f ^ { \prime } { \Biggl ( } { \frac { 3 } { 2 } } { \Biggr ) } 即 M < K < N ，应选(C).
例3.3 设f(x)在x=0的某邻域内有定义，并且 | f ( x ) | { \leqslant } 1 { - } \cos x ，则f(x)在x=0处（ ）
(A)极限存在但不连续 (B)连续但不可导(C)可导且f'(0)=0 (D)可导且 f ^ { \prime } ( 0 ) \neq 0
解 应选(C).
可分为三个层次去做题.
第一层次：夹逼准则找极限.
因为 0 \leqslant { \big | } f ( x ) { \big | } \leqslant 1 - \cos x ，且 \operatorname* { l i m } _ { x \to 0 } ( 1 - \cos x ) = 0 ，所以由夹逼准则知 \operatorname* { l i m } _ { x \to 0 } \left| f ( x ) \right| = 0 ，故 \operatorname* { l i m } _ { x \to 0 } f ( x ) = 0
第二层次：特殊点找函数值.
将x=0代人所给不等式，有 \vert f ( 0 ) \vert { \leqslant } 1 { - } \cos 0 { = } 0 ，所以f(0)=0，故 \operatorname* { l i m } _ { x \to 0 } f ( x ) = f ( 0 ) ，得f(x)在 x=0处连续，且
\mid f ( x ) - f ( 0 ) \mid = \mid f ( x ) - 0 \mid = \mid f ( x ) \mid \leqslant 1 - \cos x ~ .
第三层次：夹逼准则找极限，此时极限是导数的定义.
0 { \leqslant } \left| \frac { f ( x ) - f ( 0 ) } { x - 0 } \right| { \leqslant } \frac { 1 - \cos x } { | x | } ~ .
因为 \operatorname* { l i m } _ { x \to 0 } { \frac { 1 - \cos x } { \left| x \right| } } = \operatorname* { l i m } _ { x \to 0 } { \frac { { \frac { 1 } { 2 } } x ^ { 2 } } { \left| x \right| } } = 0 ，再次使用夹逼准则，有 \operatorname* { l i m } _ { x \to 0 } \left| { \frac { f ( x ) - f ( 0 ) } { x - 0 } } \right| = 0 ，也即 \operatorname* { l i m } _ { x \to 0 } { \frac { f ( x ) - f ( 0 ) } { x - 0 } } = 0 故f'(0)=0，应选(C).
方法总结）f(x)是抽象函数，利用抽象函数和具体函数的关系式，通过具体函数的信息去求抽象函数的点信息：
例3.4 设函数 f ( x ) = ( \mathbf { e } ^ { x } - 1 ) ( \mathbf { e } ^ { 2 x } - 2 ) { \cdots } ( \mathbf { e } ^ { n x } - n ) ，其中n为正整数，则f'(0)=（）.(A) ( - 1 ) ^ { n - 1 } ( n - 1 ) ! (B) ( - 1 ) ^ { n } ( n - 1 ) ! (C) ( - 1 ) ^ { n - 1 } n ! (D) ( - 1 ) ^ { n } n !
解 应选(A).
关于多项式相乘函数在一个点处的导数问题
方法一利用导数的定义，有
{ \begin{array} { r l } { f ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { x \to 0 } { \frac { f ( x ) - f ( 0 ) } { x - 0 } } = \operatorname* { l i m } _ { x \to 0 } { \frac { ( \mathrm { e } ^ { x } - 1 ) ( \mathrm { e } ^ { 2 x } - 2 ) \cdots ( \mathrm { e } ^ { n x } - n ) - 0 } { x } } } & { } \\ { = \operatorname* { l i m } _ { x \to 0 } { \frac { \mathrm { e } ^ { x } - 1 } { x } } \cdot \operatorname* { l i m } _ { x \to 0 } [ ( \mathrm { e } ^ { 2 x } - 2 ) \cdots ( \mathrm { e } ^ { n x } - n ) ] = ( - 1 ) ^ { n - 1 } ( n - 1 ) ! } & { . } \end{array} }
方法二公式法.
f ^ { \prime } ( x ) = ( \mathrm { e } ^ { x } - 1 ) ^ { \prime } ( \mathrm { e } ^ { 2 x } - 2 ) \cdots ( \mathrm { e } ^ { \mathrm { i } x } - n ) + ( \mathrm { e } ^ { x } - 1 ) ( \mathrm { e } ^ { 2 x } - 2 ) ^ { \prime } \cdots ( \mathrm { e } ^ { \mathrm { i } x } - n ) + \cdots + ( \mathrm { e } ^ { x } - 1 ) ( \mathrm { e } ^ { 2 x } - 2 ) \cdots ( \mathrm { e } ^ { \mathrm { i } x } - n ) ^ { \prime } ,
故 ; f ^ { \prime } ( 0 ) = ( 1 - 2 ) \cdots ( 1 - n ) + 0 + \cdots + 0 = ( - 1 ) ^ { n - 1 } ( n - 1 ) !
方法三 令 g ( x ) = ( \mathrm { e } ^ { 2 x } - 2 ) ( \mathrm { e } ^ { 3 x } - 3 ) \cdots ( \mathrm { e } ^ { n x } - n ) （令不为0的项为g(x)），则 f ( x ) = ( { \mathrm { e } } ^ { x } - 1 ) g ( x ) ，于是f ^ { \prime } ( x ) = \operatorname { e } ^ { x } g ( x ) + ( \mathbf { e } ^ { x } - 1 ) g ^ { \prime } ( x ) ，故 f ^ { \prime } ( 0 ) = g ( 0 ) + 0 = ( - 1 ) ^ { n - 1 } ( n - 1 ) !
注(1)多项相乘不建议用方法二，一方面多项相乘公式不一定知道，另一方面就算知道公式，计算也很烦琐.
（2）针对方法三，关键： \mathbf { e } ^ { 0 } - 1 = 0 , ( \mathbf { e } ^ { 0 } - 2 ) ( \mathbf { e } ^ { 0 } - 3 ) \cdots ( \mathbf { e } ^ { 0 } - n ) \neq 0
必背公式： ( u \nu ) ^ { \prime } = u ^ { \prime } \nu + u \nu ^ { \prime } .
必背公式应用： \left[ ( \mathrm { e } ^ { x } - 1 ) g ( x ) \right] ^ { \prime } = \mathrm { e } ^ { x } g ( x ) + ( \mathrm { e } ^ { x } - 1 ) g ^ { \prime } ( x )
推广公式： ( u _ { 1 } u _ { 2 } u _ { 3 } ) ^ { \prime } = u _ { 1 } ^ { \prime } u _ { 2 } u _ { 3 } + u _ { 1 } u _ { 2 } ^ { \prime } u _ { 3 } + u _ { 1 } u _ { 2 } u _ { 3 } ^ { \prime }
例3.5 设f(x)在x=a处连续， F ( x ) = f ( x ) \vert x - a \vert ，则f(a)=0是F(x)在 x = a 处可导的）此题可当结论直接记位
(A)充要条件 (B)充分非必要条件(C)必要非充分条件 (D)既非充分又非必要条件
分析 f ^ { \prime } ( x _ { 0 } ) 存在其左导数 f _ { - } ^ { \prime } ( x _ { 0 } ) 和右导数 f _ { + } ^ { \prime } ( x _ { 0 } ) 均存在且相等．
解 应选(A).
由题意得，
F ( x ) = { \left\{ \begin{array} { l l } { - ( x - a ) f ( x ) , } & { x < a , } \\ { 0 , } & { x = a , } \\ { ( x - a ) f ( x ) , } & { x > a . } \end{array} \right. }
又
F _ { - } ^ { \prime } ( a ) = \operatorname * { l i m } _ { x a ^ { - } } \frac { - ( x - a ) f ( x ) } { x - a } = - \operatorname * { l i m } _ { x a ^ { - } } f ( x ) = - f ( a ) ,
F _ { _ { + } } ^ { \prime } ( a ) = \operatorname * { l i m } _ { x a ^ { + } } { \frac { ( x - a ) f ( x ) } { x - a } } = \operatorname * { l i m } _ { x a ^ { + } } f ( x ) = f ( a ) ,
故f(a)=0是 F ( x ) 在x=a处可导的充要条件，应选(A).
例3.6 设函数
f _ { 1 } ( x ) = ( x ^ { 2 } - 1 ) \left| x ^ { 3 } + x ^ { 2 } - 2 x - 2 \right| ,
f _ { 2 } ( x ) = ( x ^ { 2 } - 1 ) \left. x ^ { 3 } - 2 x ^ { 2 } - x + 2 \right. ,
f _ { 3 } ( x ) = ( x ^ { 2 } - 1 ) \left| x ^ { 3 } + 3 x ^ { 2 } - 2 x - 6 \right| ,
将函数f(x)(i=1,2,3)的不可导点个数记为 n _ { i } ，则（）.
（A) n _ { 2 } < n _ { 1 } < n _ { 3 } (B) n _ { 1 } < n _ { 2 } < n _ { 3 }
(C） n _ { 3 } < n _ { 2 } < n _ { 1 }
(D) n _ { 2 } < n _ { 3 } < n _ { 1 }
分析该题是例3.5结论的具体应用.
解 应选(A).
由例3.5可知，若(x)在 \boldsymbol { x } = \boldsymbol { x } _ { 0 } 处连续，则 f ( x ) = \big | x - x _ { 0 } \big | \varphi ( x ) 在点 x _ { 0 } 处可导的充分必要条件是\varphi ( x _ { 0 } ) = 0 因式分解：
\begin{array} { r l } & { \quad \left| x ^ { 3 } + x ^ { 2 } - 2 x - 2 \right| } \\ & { \qquad \quad } \\ & { \qquad \quad = \left| x ^ { 2 } ( x + 1 ) - 2 ( x + 1 ) \right| } \\ & { \qquad \quad = \left| ( x ^ { 2 } - 2 ) ( x + 1 ) \right| } \\ & { \qquad \quad = \left| x + 1 \right| \left| x + \sqrt { 2 } \right| \left| x - \sqrt { 2 } \right| } \\ & { \qquad \quad f _ { 1 } ( x ) = ( x ^ { 2 } - 1 ) \frac { \left| x ^ { 3 } + x ^ { 2 } - 2 x - 2 \right| } { \left| x ^ { 3 } + x ^ { 2 } - 2 x - 2 \right| } = ( x + 1 ) ( x - 1 ) \left| ( x + \sqrt { 2 } ) ( x - \sqrt { 2 } ) ( x + 1 ) \right| } \\ & { \qquad \quad = ( x + 1 ) ( x - 1 ) \left| x + \sqrt { 2 } \right| \left| x - \sqrt { 2 } \right| \left| x + 1 \right| \ . } \end{array}
当 f _ { 1 } ( x ) = \left| x + { \sqrt { 2 } } \right| \left[ ( x + 1 ) ( x - 1 ) \left| x - { \sqrt { 2 } } \right| \left| x + 1 \right| \right] = \left| x + { \sqrt { 2 } } \right| Q _ { 1 } ( x ) 时， \mathscr { Q } _ { 1 } ( - \sqrt { 2 } ) \neq 0 ，故 x = - { \sqrt { 2 } } 是 f _ { 1 } ( x ) 的不可导点.
当 f _ { 1 } ( x ) = \left| x - { \sqrt { 2 } } \right| \left[ ( x + 1 ) ( x - 1 ) \left| x + { \sqrt { 2 } } \right| \left| x + 1 \right| \right] = \left| x - { \sqrt { 2 } } \right| Q _ { 2 } ( x ) 时， \mathscr { Q } _ { 2 } ( \sqrt { 2 } ) \neq 0 ，故 x = { \sqrt { 2 } } 是 f _ { 1 } ( x ) 的不可导点 因式分解
{ \begin{array} { r l r l } { \ i \ . } & { } & & { \cdots \ } & { \cdots } \\ & { f _ { 2 } ( x ) = ( x ^ { 2 } - 1 ) \underbrace { { \Big | } x ^ { 3 } - 2 x ^ { 2 } - { \overline { { x + 2 { \Big | } } } } = ( x + 1 ) ( x - 1 ) { \big | } ( x + 1 ) ( x - 1 ) ( x - 2 ) { \big | } } _ { = ( x + 1 ) ( x - 1 ) = 1 } } & & { = { \Big | } x ^ { 2 } ( x - 2 ) - ( x - 2 ) { \Big | } } \\ & { } & & { = ( x - 1 ) ( x - 1 ) { \Big | } x - 2 { \Big | } { \Big | } x - 1 { \Big | } { \Big | } x + 1 { \Big | } \ . } & & { = { \Big | } ( x - 2 ) ( x ^ { 2 } - 1 ) { \Big | } } \\ & { } & & { = { \Big | } ( x - 2 ) ( x - 1 ) ( x + 1 ) { \Big | } \ . } \end{array} }
当 f _ { 2 } ( x ) = | x - 2 | [ ( x + 1 ) ( x - 1 ) | x - 1 | | x + 1 ] = | x - 2 | Q _ { 3 } ( x ) 时， Q _ { 3 } ( 2 ) \neq 0 ，故x=2是f(x)的不可导点.
{ \begin{array} { r l } & { f _ { 3 } ( x ) = ( x ^ { 2 } - 1 ) { \frac { { \big | } x ^ { 3 } + 3 x ^ { 2 } - 2 x - 6 { \big | } = ( x + 1 ) ( x - 1 ) { \big | } ( x + { \sqrt { 2 } } ) ( x - { \sqrt { 2 } } ) ( x + 3 ) { \big | } } { { \big | } x ^ { 3 } + 3 x ^ { 2 } - 2 x - 6 { \big | } } } \qquad { \mathrm { ~ i ~ f ~ } } x ^ { 3 } + 3 x ^ { 2 } \qquad \qquad } \\ & { \qquad = ( x + 1 ) ( x - 1 ) { \big | } x - { \sqrt { 2 } } { \big | } { \big | } x + { \sqrt { 2 } } { \big | } | x + 3 { \big | } ~ . } \\ & { \qquad = | x ^ { 2 } - 2 ( x + 3 ) { \big | } ~ } \end{array} }
当 f _ { 3 } ( x ) = \left| x + { \sqrt { 2 } } \right| \left[ ( x + 1 ) ( x - 1 ) \left| x - { \sqrt { 2 } } \right| \left| x + 3 \right| \right] = \left| x + { \sqrt { 2 } } \right| Q _ { 4 } ( x ) 时， \mathscr { Q } _ { 4 } ( - \sqrt { 2 } ) \neq 0 =(x-√2)(x+√2)(x+3)
x = - { \sqrt { 2 } }
f _ { 3 } ( x )
当 f _ { 3 } ( x ) = \left| x - { \sqrt { 2 } } \right| \left[ ( x + 1 ) ( x - 1 ) \left| x + { \sqrt { 2 } } \right| \left| x + 3 \right| \right] = \left| x - { \sqrt { 2 } } \right| Q _ { 5 } ( x ) 时， \mathcal { Q } _ { s } ( \sqrt { 2 } ) \neq 0 ，故 x = { \sqrt { 2 } } 是 f _ { 3 } ( x ) 的不可导点．
当 f _ { 3 } ( x ) = \left| x + 3 \right| \left[ ( x + 1 ) ( x - 1 ) \left| x - \sqrt { 2 } \right| \left| x + \sqrt { 2 } \right| \right] = \left| x + 3 \right| Q _ { 6 } ( x ) 时, Q _ { 6 } ( - 3 ) \neq 0 ，故x=-3是 f _ { 3 } ( x ) 的不可导点.
所以 f _ { 1 } ( x ) 有两个不可导点 x = - \sqrt { 2 } x = { \sqrt { 2 } } ： f _ { 2 } ( x ) 有一个不可导点x=2； f _ { 3 } ( x ) 有三个不可导点x = - { \sqrt { 2 } } x = { \sqrt { 2 } } ，x=-3.于是, n _ { 2 } < n _ { 1 } < n _ { 3 } ，应选(A).
（1）f（x）与|f（x）连续、可导的关系总结
①设f（x）在 x _ { 0 } 处连续，则|f（x）在 x _ { 0 } 处连续；反之不真．
②设f（x）在 x _ { 0 } 处可导，则
a. f ( x _ { 0 } ) \neq 0 \Rightarrow { \big | } f ( x ) { \big | } 在 x _ { 0 } 处可导且 \begin{array} { r } { \Big [ \big | f ( x ) \big | \Big ] ^ { \prime } \Big | _ { x = x _ { 0 } } = \left\{ \begin{array} { l l } { f ^ { \prime } ( x _ { 0 } ) , \quad f ( x _ { 0 } ) > 0 , } \\ { - f ^ { \prime } ( x _ { 0 } ) , f ( x _ { 0 } ) < 0 . } \end{array} \right. } \end{array}
f ( x _ { 0 } ) = 0 \left\{ { \begin{array} { l } { f ^ { \prime } ( x _ { 0 } ) = 0 \Rightarrow { \big | } f ( x ) { \big | } } \\ { f ^ { \prime } ( x _ { 0 } ) \neq 0 \Rightarrow { \big | } f ( x ) { \big | } } \end{array} } \right. 在 x _ { 0 } 处可导且 [ | f ( x ) | ] ^ { \prime } | _ { x = x _ { 0 } } = 0 在 x _ { 0 } 处不可导．有
（2) f（x）在 x _ { 0 } 处连续 \Rightarrow \left| f ( x ) \right| 在 x _ { 0 } 处必连续，为什么？
因为在 x _ { 0 } 处，f（x)的微观性态图（放大足够多倍）如图3-5（a)-（c）所示
（a)
（b)
C)
而|f（x）如图3-6（a）（c）所示
图3-5
（a)
(b)
图3-6
（C）
点点相依相偎的图3-5(a)-（c)，加上绝对值后依然相依相偎成为图3-6（a)-（c)，故成立（无论是还是，只要相依相偎即可）.为什么反过来不对？很简单，你看|f(x)相依相偎，连续[见图3-7(b)]，可f(x)却相距甚远，自然不连续[见图3-7(a)].
(a)
图3-7
(b)
（3）f（x）在 \boldsymbol { x } _ { 0 } 处可导 \neq \left| f ( x ) \right| 在 x _ { 0 } 处可导
比如，f（x)在 x _ { 0 } 点处的微观性态图如图3-8（a）所示（放大足够多倍），其在 x _ { 0 } 处可导，则\left| f ( x ) \right| 如图3-8（b）所示
（a)
图3-8
(b)
如果说连续，f（x)在 x _ { 0 } 处连续⇒|f（x））在 x _ { 0 } 处连续，是的，点与点就是相依相偎在一起的，正如(2)所述.但说可导，不仅要相依相偎，而且要 \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ( x ) - f ( x _ { 0 } ) } { x - x _ { 0 } } } 存在（唯一的数），也就是f(x)相依相偎到 f ( x _ { 0 } ) 的速度要不比 x \to x _ { 0 } 的速度慢.（①若快，则 \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ( x ) - f ( x _ { 0 } ) } { x - x _ { 0 } } } = 0 ；②若同阶，则\operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ( x ) - f ( x _ { 0 } ) } { x - x _ { 0 } } } = A \neq 0 \ .
请看图3-8(a)和图3-8(b)，对于|f(x)， \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { \left| f ( x ) \right| - \left| f ( x _ { 0 } ) \right| } { x - x _ { 0 } } } < 0 ( \searrow ) 而 \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { \left| f ( x ) \right| - \left| f ( x _ { 0 } ) \right| } { x - x _ { 0 } } } > 0 ^ ( . . . \cdot ) , 故 \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { \left| f ( x ) \right| - \left| f ( x _ { 0 } ) \right| } { x - x _ { 0 } } } 不存在，|f(x）|在 x _ { 0 } 处不可导，即若f(x)在 x _ { 0 } 处可导， f ( x _ { 0 } ) = 0 f ^ { \prime } ( x _ { 0 } ) \neq 0 ，则|f(x)|在 x _ { 0 } 处必不可导.反例同(2).
现在，试试看，你应该可以清楚回答了：若f(x)在 x _ { 0 } 处可导，且 f ( x _ { 0 } ) \neq 0 则|f（x）在 x _ { \mathfrak { o } } 处必可导，如图3-9（a)，图3-9(b)所示
(a)
(b)
图3-9
提示：对于连续或可导函数，只要 f ( x _ { 0 } ) \ ( < ) \ 0 ，无论 f ( x _ { 0 } ) 与0的距离有多小，它旁边相依相偎的f(x）一定 ( { \stackrel { > } { < } } ) 0 ，考研中常用这一点
例3.7 设函数f(x)处处可导，f(0)=-1，f(0)=1，令 g ( x ) = \lvert f ( x - 1 ) \rvert ，则（）. (A)g(x)在x=0处必可导 (B)g(x)在x=0处必不可导 (C)g(x)在x=1处必可导 (D)g(x)在x=1处必不可导
解 应选(C).
因为f(x)处处可导，所以 g ( x ) = \lvert f ( x - 1 ) \rvert 可能不可导的点有且仅有f(x-1)=0的点，而当x=0时，f(0-1)的值不得而知，故g(x)可能可导也可能不可导；当x=1时，f(1-1)=f(0)≠0，所以g(x)在x=1处必可导.
②导数的几何意义
函数y=f(x)在点 x _ { 0 } 处的导数值 f ^ { \prime } ( x _ { 0 } ) 就是曲线 y = f ( x ) 在点 ( x _ { 0 } , y _ { 0 } ) 处切线（见图3-10）的斜率k，即 k = f ^ { \prime } ( x _ { 0 } ) ，于是曲线y=f(x)在点 ( x _ { 0 } , y _ { 0 } ) 处的切线方程为 y - y _ { 0 } = f ^ { \prime } ( x _ { 0 } ) ( x - x _ { 0 } )
什么是切线？它就像一把锋利无比的刀，“嗖”地切过点( x _ { 0 } , y _ { 0 } ) ，在此瞬间，切线的方向就是点 ( x _ { 0 } , y _ { 0 } ) 运动的方向.想想看，掷铁饼（作为质点）时，运动员旋转轨迹的每一点的切线方向就是铁饼那一瞬时的运动方向.在那一瞬时脱手，铁饼就会沿着该点的切线方向飞出.
图3-10
法线方程为
y - y _ { 0 } = - \frac { 1 } { f ^ { \prime } ( x _ { 0 } ) } ( x - x _ { 0 } ) ( f ^ { \prime } ( x _ { 0 } ) \neq 0 ) ~ .
注切线存在不代表导数存在，但导数存在切线一定存在注例1研究y=f(x)=|x在x=0处的切线问题.解从x=0出发，取增量△x，有 \Delta y = f ( 0 + \Delta x ) - f ( 0 ) = \left| \Delta x \right| \Delta x > 0 时， \Delta y = \Delta x f _ { + } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { \Delta x \to 0 } \frac { \Delta y } { \Delta x } = 1 \frac { \mathrm { i } \mathcal { Z } } { - } k _ { + } \Delta x < 0 时， \Delta y = - \Delta x f _ { - } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { \Delta x 0 } \frac { \Delta y } { \Delta x } = - 1 \frac { \mathrm { i } \overrightarrow { \mathrm { i } } } { \mathrm { i } } k _ { - }
图3-11
如图3-11所示，曲线 y = f ( x ) = \left| x \right| 在原点0处出现了两条单侧切线，这两条单侧切线形成了一
个角，数学上称这里的原点O为一个角点.不过，虽然此曲线在角点0处有两条单侧切线，但按照
前面讲到的f（x）在点 x _ { 0 } 处可导的充要条件，这里的 f _ { + } ^ { \prime } ( 0 ) = k _ { + } \neq k _ { - } = f _ { - } ^ { \prime } ( 0 ) ，显然f(0)不存在，所以
我们说 y = f ( x ) = \left| x \right| 在原点O处不可导，也就没有切线.注例2研究 y = f ( x ) = x ^ { \frac { 1 } { 3 } } 在 x=0处的切线问题
解显然，在x=0处 \frac { \Delta y } { \Delta x } = \frac { f ( 0 + \Delta x ) - f ( 0 ) } { \Delta x } = \frac { ( \Delta x ) ^ { \frac { 1 } { 3 } } } { \Delta x } = \frac { 1 } { ( \Delta x ) ^ { \frac { 2 } { 3 } } } .
当 \Delta x > 0 □ f _ { + } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { \Delta x \to 0 ^ { + } } \frac { 1 } { ( \Delta x ) ^ { \frac { 2 } { 3 } } = \sqrt [ 3 ] { ( \Delta x ) ^ { 2 } } } （其中(△x)²>0）
\Delta x < 0 时， f _ { - } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { \Delta x 0 } \frac { 1 } { ( \Delta x ) ^ { \frac { 2 } { 3 } } } = + \infty +
这样的结果称为无穷导数：又±被叫作广义的数，所以无穷导数在有些数学场合也可被视为导数存在的特殊情形.不过要强调的是，学习“高等数学”这门课程的考生，还是将无穷导数视为导数不存在为好，因为这是“高等数学”里的“规矩”.
图3-12
还要指出，如图3-12和图3-13所示， y = f ( x ) = x ^ { \frac { 1 } { 3 } } 与 y = f ( x ) = - x ^ { \frac { 1 } { 3 } } 銀在 \scriptstyle x = 0 处有垂直于x轴的切线 \scriptstyle x = 0 .我们说，若曲线 y = f ( x ) 在点 P ( x _ { 0 } , y _ { 0 } ) 处 有垂直于x轴的切线，则等价于
f ^ { \prime } ( x _ { 0 } ) = + \infty \frac { \sqrt { 3 } } { 3 } - \infty ( \frac { 1 } { 3 } \pi \mp \frac { \Xi } { 3 } \frac { 1 5 } { 3 } + \frac { 3 } { 3 } \times \frac { 1 } { 3 } ) .
图3-13
总结： \enclose{circle} { 1 } f _ { + } ^ { \prime } ( x _ { 0 } ) \neq f _ { - } ^ { \prime } ( x _ { 0 } ) ，出现角点（尖点），则f（x）在 x _ { 0 } 处不可导，没有切线；
②f（x）在点 x _ { 0 } 的导数是无穷导数时，在该点有切线但无导数。
例3.8 设曲线 y = f ( x ) = x ^ { n } 在点(1,1)处的切线与x轴的交点为 ( \xi _ { n } , 0 ) ，则 \operatorname* { l i m } _ { n \to \infty } f ( \xi _ { n } ) = 分析由 f _ { n } ( x ) = x ^ { n } （其中 \{ f _ { n } ( x ) \} 是函数列），知
\begin{array} { c } { { f _ { 1 } ( x ) = x ^ { 1 } \Rightarrow f _ { 1 } ^ { \prime } ( 1 ) = 1 \ , } } \\ { { { } } } \\ { { f _ { 2 } ( x ) = x ^ { 2 } \Rightarrow f _ { 2 } ^ { \prime } ( 1 ) = 2 \ , } } \\ { { { } } } \\ { { \cdots \cdots \cdots } } \\ { { { } } } \\ { { f _ { n } ( x ) = x ^ { n } \Rightarrow f _ { n } ^ { \prime } ( 1 ) = n \ . } } \end{array}
解 应填 \frac { 1 } { \mathbf { e } }
由于 f ^ { \prime } ( 1 ) = { \frac { \mathrm { d } y } { \mathrm { d } x } } { \bigg | } _ { x = 1 } = n x ^ { n - 1 } { \Big | } _ { x = 1 } = n , n = 1 , 2 , \cdots ，故过点(1,1)的切线方程为 y - 1 = n ( x - 1 ) 令 y = 0 得 x = \xi _ { n } = 1 - { \frac { 1 } { n } } .于是
\operatorname* { l i m } _ { n \to \infty } f ( \xi _ { n } ) = \operatorname* { l i m } _ { n \to \infty } \left( 1 - { \frac { 1 } { n } } \right) ^ { n } = { \frac { 1 } { \mathrm { e } } } \ .
函数f(x)在点 x _ { 0 } 处的二阶导数为
f ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ^ { \prime } ( x _ { 0 } + \Delta x ) - f ^ { \prime } ( x _ { 0 } ) } { \Delta x } } { \frac { { \vec { \mathbf { z } } } { \hat { \mathbf { \zeta } } } } { \mathbf { z } } } f ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } } \ .
函数f(x)在点 x _ { 0 } 处的n(n为大于2的整数)阶导数为
f ^ { ( n ) } ( x _ { 0 } ) = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ^ { ( n - 1 ) } ( x _ { 0 } + \Delta x ) - f ^ { ( n - 1 ) } ( x _ { 0 } ) } { \Delta x } } { \frac { { \bar { \mathbf { g } } } { \bar { \mathbb { X } } } } { \mathbf { \bar { \mathbf { X } } } } } { \Bigg [ } f ^ { ( n ) } ( x _ { 0 } ) = \operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ^ { ( n - 1 ) } ( x ) - f ^ { ( n - 1 ) } ( x _ { 0 } ) } { x - x _ { 0 } } } { \Bigg ] } \cdots
写法： f ^ { \prime } ( x ) , f ^ { \prime } ( x ) , f ^ { \prime \prime } ( x ) ，当 n \geqslant 4 时，要写 f ^ { ( n ) } ( x )
注(1）如果f（x）在点 x _ { \mathfrak { o } } 处有二阶导数，则f(x)在 x _ { 0 } 的某个邻域内有一阶导数且 f ^ { \prime } ( x ) 在 x _ { 0 } 处连续．
\mathcal { Q } \star o f ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { x x _ { 0 } } \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } = a \ ( \rlap / \ast \frac { \lambda } { \lambda } \neq \pmb { \mathscr { Q } } ) ,
\emptyset | \operatorname* { l i m } _ { x x _ { 0 } } [ f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) ] = \operatorname* { l i m } _ { x x _ { 0 } } { \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } } ( x - x _ { 0 } ) = 0 \ .
\ell | \operatorname * { l i m } _ { x x _ { 0 } } f ^ { \prime } ( x ) = f ^ { \prime } ( x _ { 0 } ) \ , \frac { 1 } { \ell x } f ^ { \prime } ( x ) \neq x _ { 0 } \ \xi ( \cdot \pm \frac { \mu } { 4 } \ k ) \neq
7 9 0 0 k m - 1 4 9 = 3 1 9 1 0 - 1 1 9 1 = 3 1 3 9 k m
（2）如果f（x）在点 x _ { 0 } 处有n阶导数，则f（x）在 \boldsymbol { x } _ { 0 } 的某个邻域内有1~（n-1）阶的各阶导数.
总结：f（x）存在=f（x）在 x _ { 0 } 附近有定义且在 x _ { 0 } 处连续；
f ^ { \prime \prime } ( x _ { 0 } ) 存在→f（x）在 x _ { 0 } 附近有定义且在 x _ { 0 } 处连续；
f ^ { ( n ) } ( x _ { 0 } ) \mathcal { H } \mathcal { H } \Rightarrow f ^ { ( n - 1 ) } ( x ) 在 x _ { 0 } 附近有定义且在 x _ { 0 } 处连续，
例3.9 设f(x)在 \boldsymbol { x } = \boldsymbol { x } _ { 0 } 处二阶可导，且 f ^ { \prime } ( x _ { 0 } ) = 0 , f ^ { \prime \prime } ( x _ { 0 } ) \neq 0 .证明：
(1)若 f ^ { \prime \prime } ( x _ { 0 } ) < 0 ，则f(x)在 x _ { 0 } 处取得极大值;
(2)若 f ^ { \prime \prime } ( x _ { 0 } ) > 0 ，则f(x)在 x _ { 0 } 处取得极小值.
分析概念题.
必背公式来源：函数极限的局部保号性.
\operatorname * { l i m } _ { x x _ { 0 } } f ( x ) = A < 0 \xrightarrow { x \in ( x _ { 0 } - \delta , x _ { 0 } ) \bigcup ( x _ { 0 } , x _ { 0 } + \delta ) } f ( x ) < 0 \ .
\operatorname * { l i m } _ { x x _ { 0 } } f ( x ) = A > 0 \xrightarrow { x \in ( x _ { 0 } - \delta , x _ { 0 } ) \bigcup ( x _ { 0 } , x _ { 0 } + \delta ) } f ( x ) > 0 \ .
必背公式应用：
\operatorname* { l i m } _ { x \to x _ { 0 } } { \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } } { \overset { < } ( } > 0 \Rightarrow { \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } } { \overset { < } ( } > ) ^ { 0 } \ .
(1)因 f ^ { \prime \prime } ( x _ { 0 } ) < 0 ，故按二阶导数的定义有
f ^ { \prime \prime } ( x _ { 0 } ) = \operatorname * { l i m } _ { x x _ { 0 } } { \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } } < 0 \ .
根据函数极限的局部保号性，存在 x _ { 0 } 的去心邻域 \mathring { U } ( x _ { 0 } , \delta ) ，当 x \in \mathring { U } ( x _ { 0 } , \delta ) 时，有 \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } < 0 因为 f ^ { \prime } ( x _ { 0 } ) = 0 ，所以上式为 { \frac { f ^ { \prime } ( x ) } { x - x _ { 0 } } } < 0 .从而当 x \in \mathring { U } ( x _ { 0 } , \delta ) 时，f(x)与 \boldsymbol { x } - \boldsymbol { x } _ { 0 } 符号相反.当 x - x _ { 0 } < 0 时， f ^ { \prime } ( x ) > 0 ；当 x - x _ { 0 } > 0 时， f ^ { \prime } ( x ) < 0 .根据判别极值的第一充分条件，f(x)在点 x _ { 0 } 处取得极大值.
(2)因 f ^ { \prime \prime } ( x _ { 0 } ) > 0 ，故按二阶导数的定义有
f ^ { \prime \prime } ( x _ { 0 } ) = \operatorname * { l i m } _ { x x _ { 0 } } \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } > 0 .
根据函数极限的局部保号性，存在 x _ { 0 } 的去心邻域 \mathring { U } ( x _ { 0 } , \delta ) ，当 x \in \overset { \circ } { U } ( x _ { 0 } , \delta ) 时，有 \frac { f ^ { \prime } ( x ) - f ^ { \prime } ( x _ { 0 } ) } { x - x _ { 0 } } > 0 因为 f ^ { \prime } ( x _ { 0 } ) = 0 ，所以上式为 { \frac { f ^ { \prime } ( x ) } { x - x _ { 0 } } } > 0 .从而当 x \in \mathring { U } ( x _ { 0 } , \delta ) 时， f ^ { \prime } ( x ) 与 \boldsymbol { x } - \boldsymbol { x } _ { 0 } 符号相同.当 x - x _ { 0 } < 0 时，f ^ { \prime } ( x ) < 0 ；当 x - x _ { 0 } > 0 时， f ^ { \prime } ( x ) > 0 .根据判别极值的第一充分条件，f(x)在点 x _ { 0 } 处取得极小值.
4微分的概念 一元函数可徽可导
(1)引例.
如图3-14所示，设正方形边长为1，当其边长增加△x时，它的面积S增加了
\begin{array} { c } \overline { { { \oplus } } } \vec { \mathfrak { q } } . \vec { \mathfrak { x } } \langle \mathcal { U } \not \circ \not \exists \ \frac { 1 } { 2 } \not \equiv \not \underline { { { \langle \not \circ \mathfrak { u } \not \circ \not \langle \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ \mathit { u } \not \circ } } } \\ { { \neg \not \equiv \left( 1 + \Delta x \right) ^ { 2 } - 1 ^ { 2 } = \underline { { { 2 \Delta x } } } + \left( \Delta x \right) ^ { 2 } \ . \ \not \simeq \left( 1 + \Delta x \right) ^ { 2 } . } } \end{array}
上述面积的增量△S由两部分组成，一部分是2△x（图3-14中两个小长
图3-14
方形的面积），它是△x的一次项；另一部分是 ( \Delta x ) ^ { 2 } （图3-14中右上角小正方形的面积），它满足\operatorname* { l i m } _ { \Delta x \to 0 } { \frac { ( \Delta x ) ^ { 2 } } { \Delta x } } = 0 ，即 ( \Delta x ) ^ { 2 } = o ( \Delta x ) .故 \Delta S = 2 \Delta x + o ( \Delta x ) ,2△x为增量的主要部分，也叫线性主部， o ( \Delta x ) 为△x→0时△x的高阶无穷小，是误差，当△x足够小时，有 \Delta S \approx 2 \Delta x
(2)概念.
设函数 y = f ( x ) 在点 x _ { 0 } 的某邻域内有定义，且 x _ { 0 } + \Delta x 在该邻域内，对于函数增量
\Delta y = f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } ) ,
若存在与△x无关的常数A，使得
\Delta y = A \Delta x + o ( \Delta x ) \ , \qquad \Delta y = \mathrm { d } y + o ( \Delta x )
其中o(△x)是在△x→0时比△x更高阶的无穷小，则称f(x)在点 x _ { 0 } 处可微，并把增量的主要部分A△x称为线性主部，也叫作f(x)在点 x _ { 0 } 处的微分，记 \left. \mathrm { d } y \right| _ { x = x _ { 0 } } = A \Delta x 或 \left. \mathrm { d } y \right| _ { x = x _ { 0 } } = f ^ { \prime } ( x _ { 0 } ) \mathrm { d } x 1
可微可导的证明：
\begin{array} { r l } & { f ^ { \prime } ( x _ { 0 } ) = \displaystyle \operatorname* { l i m } _ { \Delta x \to 0 } \frac { \Delta y } { \Delta x } = \operatorname* { l i m } _ { \Delta x \to 0 } \frac { A \Delta x } { \Delta x } + \operatorname* { l i m } _ { \Delta x \to 0 } \frac { O ( \Delta x ) } { \Delta x } = A \mathrm { ~ , } } \\ & { \oplus \displaystyle \# \# \mathcal { C } _ { q } ^ { \dagger } \neq \omega \mathrm { d } y \vert _ { x = x _ { 0 } } = A \ast \Delta x = f ^ { \prime } ( x _ { 0 } ) \Delta x \mathrm { ~ , } } \\ & { \stackrel { \mathcal { K } } { \to } \displaystyle \frac { \mathrm { d } x = \Delta x } { \sqrt { \mathrm { ~ } } } , \frac { \mathrm { d } x } { \sqrt { \mathrm { ~ } } } \mathbb { d } y \vert _ { x = x _ { 0 } } = f ^ { \prime } ( x _ { 0 } ) \mathrm { d } x } \\ & { \stackrel { \mathrm { A r ~ o d u } } { \to } \mathrm { d } x + o ( \Delta x ) \mathrm { ~ , ~ } \frac { \mathrm { d } y } { \mathrm { d } x } \mathrm { ~ , } \Delta x = \mathrm { d } x } \\ & { \qquad \quad \times \mathrm { d } \mathrm { ~ 1 } } \\ & { \qquad \mathrm { 1 } \ast \Delta x \quad 0 } \end{array}
注（1）可微的判别
①写增量 \Delta y = f ( x _ { 0 } + \Delta x ) - f ( x _ { 0 } )
②写线性增量 A \Delta x = f ^ { \prime } ( x _ { 0 } ) \Delta x
③作极限 \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta y - A \Delta x } { \Delta x } } \Leftrightarrow \Delta y = A \Delta x + o ( \Delta x )
若该极限等于0，则y=f（x）在点 x _ { 0 } 处可微，否则不可微。
(2)从上述判别步骤可以看出，用形式简单的“线性增量 A \Delta x ^ { n } 去代替形式复杂的“增量 \Delta y ^ { \prime \prime } 且其误差 \ " \Delta y - A \Delta x \ " 是o△x)，这就是说，用“简单的量”代替了“复杂的量”，且产生的误差又可以忽略不计，这就是可微的含义.
判别可微首先考虑（3)，若没有则结合厂（x）的信息考虑（1）
(3) { } ^ { \mathfrak { a } } f ( x ) 在点 x _ { 0 } 处可微”与“f(x)在点 x _ { \mathfrak { o } } 处可导”互为充要条件，故判别f(x）在点 x _ { 0 } 处是否可微可以转化为判别其在点 x _ { 0 } 处是否可导，这样的话考生会比较熟悉.
（4）可微的几何意义
若f（x）在点 x _ { 0 } 处可微，则在点 ( x _ { 0 } , y _ { 0 } ) 附近可以用切线段近似代替曲线段，这是可微的几何意义。
(5)图3-15可以较好地帮助考生理解以上论述.
图3-15
例3.10 设函数y=f(x)在任意点x处的增量 \Delta y = \frac { y \Delta x } { x + \sqrt { x ^ { 2 } + y ^ { 2 } } } + o ( \Delta x ) ，且f(0)=1，则y = f ( x ) 在点x=0处的微分dy=（）.
(A)0 (B)dx (C)2dx (D) 3dx
分析概念题，转化成导数 \frac { \mathrm { d } y } { \mathrm { d } x } 代入数值即可.
解 应选(B).
由 \Delta y = \frac { y \Delta x } { x + \sqrt { x ^ { 2 } + y ^ { 2 } } } + o ( \Delta x ) ，知 \frac { \mathrm { d } y } { \mathrm { d } x } = y ^ { \prime } = \frac { y } { x + \sqrt { x ^ { 2 } + y ^ { 2 } } } ，又f(0)=1，可得y(0)=1，进而 \left. \mathrm { d } y \right| _ { x = 0 } = y ^ { \prime } ( 0 ) \mathrm { d } x = \mathrm { d } x ，应选(B).
例3.11 设函数f(u)可导，且 y = f ( x ^ { 2 } ) ，当自变量x在x=-1处取得增量 \Delta x = - 0 . 1 时，相应的函数增量△y的线性主部为0.1，则f'(1)=（）.(A)-1 (B)0.1 (C)0.5 (D)1
分析概念题.对复合函数 y = f [ g ( x ) ] 求导，有 y ^ { \prime } { = } f ^ { \prime } [ g ( x ) ] { \bullet } g ^ { \prime } ( x )
必背公式来源： \Delta y = A \Delta x + o ( \Delta x ) ，其中 \mathrm { d } y = A \Delta x = y ^ { \prime } \mathrm { d } x 为线性主部.
本题依然是考查微分的定义.函数的微分是函数增量的线性主部，且 \mathrm { d } y = y ^ { \prime } \mathrm { d } x = y ^ { \prime } \Delta x ，而
\mathrm { d } y = f ^ { \prime } ( x ^ { 2 } ) \mathrm { d } ( x ^ { 2 } ) = 2 x f ^ { \prime } ( x ^ { 2 } ) \mathrm { d } x = 2 x f ^ { \prime } ( x ^ { 2 } ) \Delta x ,
因此，由0.1=-2f'(1)·(-0.1)，可得f'(1)=0.5，故选(C).
题一练设函数f(x)在x=1处可导，且△f(l)是f(x)在增量为△x时的函数值增量，则 \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta f ( 1 ) - \mathrm { d } f { \big | } _ { x = 1 } } { \Delta x } } = （ ）.(A)f() (B)1 (C）8 (D)0
分析 \Delta y = \mathrm { d } y + o ( \Delta x ) ，则 \Delta y - \mathrm { d } y = o ( \Delta x ) ，故 \Delta f ( x ) - \mathrm { d } [ f ( x ) ] = o ( \Delta x )
由于 \Delta f ( 1 ) = f ( 1 + \Delta x ) - f ( 1 ) ，故 \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta f ( 1 ) } { \Delta x } } = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { f ( 1 + \Delta x ) - f ( 1 ) } { \Delta x } } = f ^ { \prime } ( 1 ) ，又
\operatorname* { l i m } _ { \Delta x \to 0 } \frac { \mathrm { d } f \big | _ { x = 1 } } { \Delta x } = \operatorname* { l i m } _ { \Delta x \to 0 } \frac { f ^ { \prime } ( 1 ) \mathrm { d } x } { \Delta x } = \operatorname* { l i m } _ { \Delta x \to 0 } \frac { f ^ { \prime } ( 1 ) \Delta x } { \Delta x } = f ^ { \prime } ( 1 ) ,
于是，原式 = f ^ { \prime } ( 1 ) - f ^ { \prime } ( 1 ) = 0
注在微分概念中，由 \Delta y = A \Delta x + o ( \Delta x ) 得 \mathrm { d } y = A \Delta x 故由 \Delta x = 1 \cdot \Delta x + o ( \Delta x ) 得 \mathrm { d } x = 1 \cdot \Delta x 也就有\mathrm { d } y = A \Delta x = A \mathrm { d } x 线性主部
习题
3.1设 f ( x ) = \left\{ { \frac { 1 - \cos x } { \sqrt { x } } } , x > 0 , \right. \nonumber 其中g(x)是有界函数，则f(x)在x=0处（ ）(A)极限不存在 (B)极限存在，但不连续(C)连续，但不可导 (D)可导
3.2设函数 f ( x ) = \left| x ^ { 3 } - 1 \right| \varphi ( x ) ,其中φ(x)在x=1处连续,则(l)=0是f(x)在x=1处可导的（ ）.(A)充分必要条件 (B)充分但非必要条件(C)必要但非充分条件 (D)既非充分又非必要条件
3.3设函数f(x)可导，且曲线y=f(x)在点 ( x _ { 0 } , f ( x _ { 0 } ) ) 处的切线与直线y=2-x垂直，则当△x→0时，该函数在 \boldsymbol { x } = \boldsymbol { x } _ { 0 } 处的微分dy是（ ）.(A)与△x同阶但非等价的无穷小 (B)与△x等价的无穷小(C)比△x高阶的无穷小 (D)比△x低阶的无穷小
3.4设函数y=f(x)在点 x _ { 0 } 处可导，且 f ^ { \prime } ( x _ { 0 } ) \neq 0 .当自变量有增量△x时，函数y=f(x)的增量为Δy，则当△x→0时，Δy-dy是dy的（）.(A)高阶无穷小 (B)低阶无穷小 (C)同阶非等价无穷小(D)等价无穷小
3.5设f(x)=(x-a)·φ(x)，其中𝜑(x)连续，则f(a)=
3.6设f(x)满足f(0)=0，且f'(0)存在，则 \operatorname* { l i m } _ { x \to 0 } { \frac { f ( 1 - { \sqrt { \cos x } } ) } { \ln ( 1 - x \sin x ) } } =
3.7证明：(1)若F(x)在 [ x _ { 0 } , x _ { 0 } + \delta ) ( \delta > 0 ) 连续，在 ( x _ { 0 } , x _ { 0 } + \delta ) 内可导，当 \operatorname* { l i m } _ { x \to x _ { 0 } ^ { + } } F ^ { \prime } ( x ) \frac { \# \# \# } { \# } A 时，有 F _ { + } ^ { \prime } ( x _ { 0 } ) = A
(2)若F(x)在 ( x _ { 0 } - \delta , x _ { 0 } ] ( \delta > 0 ) 连续，在 ( x _ { 0 } - \delta , x _ { 0 } ) 内可导，当 \operatorname* { l i m } _ { x x _ { 0 } ^ { - } } F ^ { \prime } ( x ) \frac { \# \# \# } { \# } A 时，有 F _ { - } ^ { \prime } ( x _ { 0 } ) = A
3.8设 f ( x ) = \left\{ \begin{array} { l l } { \displaystyle x ^ { 2 } \sin \frac { \pi } { x } , } & { ~ x < 0 , } \\ { \displaystyle A , } & { ~ x = 0 , } \\ { \displaystyle a x ^ { 2 } + b , } & { ~ x > 0 , } \end{array} \right. 求常数A,a,b的值，使f(x)在x=0处可导，并求f'(0).
3.9设δ>0,f(x)在[-δ,δ]上有定义，f(0)=1，且满足
\operatorname* { l i m } _ { x \to 0 } { \frac { \ln ( 1 - 2 x ) + 2 x f ( x ) } { x ^ { 2 } } } = 0 ,
证明：f(x)在x=0处可导，并求f'(0).
解答
3.1(D）解
f _ { + } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { x \to 0 ^ { + } } { \frac { f ( x ) - f ( 0 ) } { x } } = \operatorname* { l i m } _ { x \to 0 ^ { + } } { \frac { 1 - \cos x } { x ^ { \frac { 3 } { 2 } } } } = 0 ,
f _ { - } ^ { \prime } ( 0 ) = \operatorname * { l i m } _ { x 0 ^ { - } } \frac { x ^ { 2 } g ( x ) } { x } = \operatorname * { l i m } _ { x 0 ^ { - } } x g ( x ) = 0 \ .
第二个等式利用了g(x)是有界函数这一条件，有界函数乘以无穷小量仍是无穷小量.由于f(x)在点x=0处的左导数等于右导数，因而f(x)在x=0处可导.
3.2(A）解由(1)=0可知
f _ { + } ^ { \prime } ( 1 ) = \operatorname* { l i m } _ { x 1 ^ { + } } { \frac { f ( x ) - f ( 1 ) } { x - 1 } } = \operatorname* { l i m } _ { x 1 ^ { + } } { \frac { | x ^ { 3 } - 1 | \varphi ( x ) } { x - 1 } } = \operatorname* { l i m } _ { x 1 ^ { + } } ( x ^ { 2 } + x + 1 ) \varphi ( x ) = 0 ,
f _ { - } ^ { \prime } ( 1 ) = \operatorname* { l i m } _ { x 1 } { \frac { f ( x ) - f ( 1 ) } { x - 1 } } = \operatorname* { l i m } _ { x 1 } { \frac { | x ^ { 3 } - 1 | \varphi ( x ) } { x - 1 } } = - \operatorname* { l i m } _ { x 1 } ( x ^ { 2 } + x + 1 ) \varphi ( x ) = 0 ,
即f(1)=f(l)=0，所以f'(1)=0.
设f(x)在x=1处可导，因为f(1)=0，所以
f _ { + } ^ { \prime } ( 1 ) = \operatorname * { l i m } _ { x 1 ^ { + } } { \frac { f ( x ) - f ( 1 ) } { x - 1 } } = \operatorname * { l i m } _ { x 1 ^ { + } } { \frac { | x ^ { 3 } - 1 | \varphi ( x ) } { x - 1 } } = \operatorname * { l i m } _ { x 1 ^ { + } } ( x ^ { 2 } + x + 1 ) \varphi ( x ) = 3 \varphi ( 1 ) ,
f _ { - } ^ { \prime } ( 1 ) = \operatorname * { l i m } _ { x 1 ^ { - } } { \frac { f ( x ) - f ( 1 ) } { x - 1 } } = \operatorname * { l i m } _ { x 1 ^ { - } } { \frac { | x ^ { 3 } - 1 | \varphi ( x ) } { x - 1 } } = - \operatorname * { l i m } _ { x 1 ^ { - } } ( x ^ { 2 } + x + 1 ) \varphi ( x ) = - 3 \varphi ( 1 ) ~ .
由f(1)=f(1)可得，3𝜑(1)=-3𝜑(l)，故𝜑(1)=0，应选(A).
3.3(B）解由题设可知 f ^ { \prime } ( x _ { 0 } ) = 1 .而 \left. \mathrm { d } y \right| _ { x = x _ { 0 } } = f ^ { \prime } ( x _ { 0 } ) \Delta x = \Delta x ，因而 \operatorname* { l i m } _ { \Delta x 0 } \frac { \mathrm { d } y } { \Delta x } | _ { x = x _ { 0 } } = 1 ，即当 \Delta x \to 0 时，该函数在 \boldsymbol { x } = \boldsymbol { x } _ { 0 } 处 \mathrm { d } y 与△x是等价无穷小，故选(B).
3.4(A）解题目给出f(x)在 x _ { 0 } 处可导，考查 \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta y - \mathrm { d } y } { \mathrm { d } y } } ，注意，如果f(x)在 x _ { 0 } 处可导，则必定可微分，因此可以由微分的性质入手.
由微分的定义可知 \Delta y - \mathrm { d } y = o ( \Delta x ) ，而 \left. \mathrm { d } y = y ^ { \prime } \mathrm { d } x , \mathrm { d } y \right| _ { x = x _ { 0 } } = f ^ { \prime } ( x _ { 0 } ) \Delta x
由题设知 f ^ { \prime } ( x _ { 0 } ) \neq 0 ，可得
\operatorname* { l i m } _ { \Delta x \to 0 } { \frac { \Delta y - \mathrm { d } y } { \mathrm { d } y } } = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { o ( \Delta x ) } { f ^ { \prime } ( x _ { 0 } ) \Delta x } } = \operatorname* { l i m } _ { \Delta x \to 0 } { \frac { 1 } { f ^ { \prime } ( x _ { 0 } ) } } \bullet { \frac { o ( \Delta x ) } { \Delta x } } = 0 ,
故选(A).
3.5φ(a）分析概念题.有的同学用公式法求出f'(a)，但这是错误解法，
\begin{array} { r } { f ^ { \prime } ( a ) = f ^ { \prime } ( x ) \big | _ { x = a } = \big [ \varphi ( x ) + ( x - a ) \bullet \varphi ^ { \prime } ( x ) \big ] \big | _ { x = a } = \varphi ( a ) + 0 = \varphi ( a ) , } \end{array}
错误，因为φ(x)仅连续，φ(x)不一定存在！应该用“导数定义”求出.
解导数定义.
f ^ { \prime } ( a ) = \operatorname* { l i m } _ { x \to a } { \frac { f ( x ) - f ( a ) } { x - a } } = \operatorname* { l i m } _ { x \to a } { \frac { ( x - a ) \bullet \varphi ( x ) - 0 } { x - a } } = \operatorname* { l i m } _ { x \to a } \varphi ( x ) = \varphi ( a ) \ .
注求导数时，当函数不具备“导数存在”的条件时，往往只能用“导数定义”求，
3.6 - \frac { 1 } { 4 } f ^ { \prime } ( 0 ) 解
\begin{array} { r l } { { \operatorname* { l i m } _ { x \to 0 } \frac { f ( 1 - \sqrt { \cos x } ) - f ( 0 ) } { ( 1 - \sqrt { \cos x } ) - 0 } \cdot \operatorname* { l i m } _ { x \to 0 } \frac { 1 - \sqrt { \cos x } } { \sin ( 1 - x \sin x ) } } } \\ & { = f ^ { \prime } ( 0 ) \operatorname* { l i m } _ { x \to 0 } \frac { 1 - \sqrt { \cos x } } { \ln ( 1 - x \sin x ) } } \\ & { \frac { \sin ( \hat { \phi } ) - \hat { \mathcal { X } } ( \hat { \mathcal { H } } ) \cdot \sqrt { \frac { \sin \hat { \phi } + \hat { \mathcal { Y } } } { 1 + \hat { \mathcal { Y } } } } } { \frac { \sin \hat { \phi } } { \cos \hat { \mathcal { Y } } } \cdot \sqrt { \frac { \sin \hat { \phi } + \hat { \mathcal { Y } } } { 1 + \hat { \mathcal { Y } } } } \times } f ^ { \prime } ( 0 ) \operatorname* { l i m } _ { x \to 0 } \frac { 2 } { x + \sin x } = - \frac { 1 } { 4 } f ^ { \prime } ( 0 ) \operatorname* { l i m } _ { x \to 0 } \frac { x ^ { 2 } } { x ^ { 2 } } = - \frac { 1 } { 4 } f ^ { \prime } ( 0 ) \ . } \end{array}
3.7证明 (1) F _ { * } ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { x \to x _ { 0 } ^ { * } } { \frac { F ( x ) - F ( x _ { 0 } ) } { x - x _ { 0 } } } 洛必达法则 \operatorname* { l i m } _ { x x _ { 0 } ^ { + } } { \frac { F ^ { \prime } ( x ) } { 1 } } = A
(2) F _ { - } ^ { \prime } ( x _ { 0 } ) = \operatorname* { l i m } _ { x \to x _ { 0 } ^ { - } } { \frac { F ( x ) - F ( x _ { 0 } ) } { x - x _ { 0 } } } 洛必达法则 \operatorname* { l i m } _ { x x _ { 0 } ^ { - } } { \frac { F ^ { \prime } ( x ) } { 1 } } = A
注满足(1)，(2)的条件时，有 \operatorname* { l i m } _ { x \to x _ { 0 } ^ { * } \atop ( x _ { 0 } ^ { - } ) } F ^ { \prime } ( x ) \frac { \# \varkappa _ { } ^ { \# } } { \# \Gamma ^ { \prime } ( x ) } A F _ { _ { + } } ^ { \prime } ( x _ { _ { 0 } } ) \frac { \# \# \# } { \# } A 但 \operatorname* { l i m } _ { x x _ { 0 } ^ { + } \atop ( x _ { 0 } ^ { - } ) } F ^ { \prime } ( x ) 不存在时，
F _ { \mathrm { + } } ^ { \prime } ( x _ { 0 } ) 亦可能存在．如 F ( x ) = { \left\{ \begin{array} { l l } { x ^ { 2 } \sin { \frac { 1 } { x } } , } & { x \neq 0 , } \\ { 0 , } & { x = 0 . } \end{array} \right. }
当x=0时， F ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { x \to 0 } { \frac { F ( x ) - F ( 0 ) } { x - 0 } } = \operatorname* { l i m } _ { x \to 0 } x \sin { \frac { 1 } { x } } = 0 .
x \neq 0 F ^ { \prime } ( x ) = 2 x \sin \frac { 1 } { x } - \cos \frac { 1 } { x } , \operatorname* { l i m } _ { x 0 } F ^ { \prime } ( x ) 不存在.但由F(0)=0，知F(0)=0（存在).
3.8解由可导与连续的关系有
\operatorname* { l i m } _ { x \to 0 ^ { - } } x ^ { 2 } \sin { \frac { \pi } { x } } = \operatorname* { l i m } _ { x \to 0 ^ { + } } ( a x ^ { 2 } + b ) = A ,
所以A=b=0.又
f _ { - } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { x 0 ^ { - } } { \frac { x ^ { 2 } \sin { \frac { \pi } { x } } - 0 } { x - 0 } } = 0 , f _ { + } ^ { \prime } ( 0 ) = \operatorname* { l i m } _ { x 0 ^ { + } } { \frac { a x ^ { 2 } - 0 } { x - 0 } } = 0 ,
所以a可以为任意常数，且 f ^ { \prime } ( 0 ) = 0
3.9证明使用泰勒公式，有
\operatorname* { l i m } _ { x \to 0 } { \frac { \ln ( 1 - 2 x ) + 2 x f ( x ) } { x ^ { 2 } } } = \operatorname* { l i m } _ { x \to 0 } { \cfrac { - 2 x - { \frac { 1 } { 2 } } \bullet 4 x ^ { 2 } + o ( x ^ { 2 } ) + 2 x f ( x ) } { x ^ { 2 } } } = 2 \operatorname* { l i m } _ { x \to 0 } { \cfrac { f ( x ) - 1 } { x } } - 2 + 0 = 0 ,
于是极限 \operatorname* { l i m } _ { x \to 0 } { \frac { f ( x ) - f ( 0 ) } { x - 0 } } = 1 ，即为f(0)，于是函数f(x)在x=0处可导，且 f ^ { \prime } ( 0 ) { = } 1