02-2-极限与连续性三角极限


极限、连续性与三角函数极限

更多关于导数的“变化率”解释

图 1:一般函数的图像,图上标有 $ \Delta x $ 和 $ \Delta y $

平均变化率 瞬时变化率
示例

  1. = 电荷 电流
  2. = 距离 速率(速度)
  3. = 温度 温度梯度
  4. 测量的灵敏度(敏感性):在问题集 1 上进行了一个示例。在 GPS 中,无线电信号给我们提供了 ,但存在一定的测量误差(参见图 [2] 和图 [3])。问题是我们能多精确地测量 。为了做出决定,我们找到 。换句话说,这些变量是相互关联的。我们想找出其中一个变量的变化如何影响另一个变量。

图 2:全球定位系统问题 (GPS)

图 3:在问题集 1 中,您将研究这个简化的“平坦地球”模型

极限与连续性

简单的极限

对于一个简单的极限,你只需代入极限值就可以得到一个有意义的答案。
请记住,

这绝不是一个简单的极限,因为分母 是不允许的。(极限 是在 的隐式假设下计算的。)

连续性

我们说 处连续,当

图 4:下面列出的不连续函数的图像

这个不连续函数可以在图 [4] 中看到。对于

但是 。(也可以说,函数 在 0 处左连续,而不是右连续。)

1.可去不连续点

图 5:一个可去不连续点:函数在除一个点之外的所有地方都是连续的

可去不连续点的定义
右极限: 意味着对于
左极限: 意味着对于
如果 (即极限存在) 但不等于 ,或者 是未定义的,我们就说这个不连续点是可去的。
例如, 对于 是有定义的。我们稍后将看到如何求 时的极限。

2.2. 跳跃不连续点

图 6:一个跳跃不连续点的示例

3. 无穷不连续点

图 7:一个无穷不连续点的示例:$ \frac{1}{x} $

右极限:
左极限:

4. 其它比较恶心的不连续点

图 8:一个丑陋的不连续点的示例:一个在接近原点时剧烈振荡的函数

这个函数甚至没有趋向于 ——说它趋向于任何值都是没有意义的。对于像这样的情况,我们说极限不存

导数的图像

图 9:顶部:函数 $ f(x) = \frac{1}{x} $ 的图像;底部:导函数 $ f'(x) = -\frac{1}{x^2} $ 的图像

请注意,函数 的图像与导函数 的图像不相似!(您可能还会注意到 是一个奇函数,而 是一个偶函数。奇函数的导数总是偶函数,反之亦然。)

南瓜坠落,第二部分

这次,有人将一个南瓜扔过校园里最高的建筑物。

图 10:$ y = 400 - 16t^2, \quad -5 \le t \le 5 $

图 11:顶部:函数 $ y(t) = 400 - 16t^2 $ 的图像。底部:导数 $ y'(t) $

两个三角函数极限

注意:在下面的表达式中,是以弧度计量的——不是度!

下面是第一个极限的几何证明:

图 12:半径为 1、圆心角为 $ \theta $ 的圆的一部分(扇形)

图 13:图 [12] 中的扇形,当 $ \theta $ 变得非常小时

想象一下当 变得非常小时(参见图 [13])图像会发生什么。当 时,我们看到

为什么 ?

  • 几何理解 (如图 ):
    • 非常接近 0 时(也就是角变得非常小),我们关注在单位圆中的一个扇形。
    • 是三角形的垂直高(对边)。
    • 是对应圆弧的弧长。
    • 时,这个三角形的斜边(半径 )几乎与 轴重合,三角形的垂直高 几乎与圆弧的弧长 相等。
    • 因此, 趋近于
    • 结论: 当 时,我们有

涉及余弦的第二个极限呢?


图 14:与图 [12] 相同的图像,但标记了三角形边缘与圆周之间的水平距离

从图 [15] 我们可以看出,当 时,短线段的长度 变得比沿弧线的垂直距离 小得多。因此,

图 15:图 [14] 中的扇形,当 $ \theta $ 变得非常小时

2. 为什么 ?

  • 几何理解 (如图):
    • 非常接近 0 时:
    • 是图上红色的水平短线段,它表示半径(长度为 1)与 轴上的投影 之间的极短距离。
    • 是圆弧的弧长。
    • 时,我们比较 这两个无穷小量。
    • 接近 的速度比 更快(它是 的二阶无穷小,即 )。
    • 一个更快速趋近于 0 的量除以一个较慢趋近于 0 的量,结果趋近于 0。
    • 结论: 当 时, 趋近于 0。

总结: 掌握了弧度制和单位圆几何关系后,您就可以直观地理解,当角度极小时, 几乎相等,而 趋近于 0 的速度比 快得多。


我们以一个定理来结束本次内容,该定理将有助于我们下次计算更多的导数。

定理:可导蕴含连续。

如果 处可导,那么 处连续。
证明:

请记住:你绝不能除以零!第一步是通过乘以 来实现的。这看起来似乎是违反规定的,因为当 时,我们乘以了 。但是当计算 时的极限时,我们总是假设 。换句话说,。因此,该证明是有效的。

附:为什么乘以,就变成导数的定义式了?

1. 概念回顾:平均变化率

在微积分中,导数是用来测量函数在某一个点的瞬时变化率。

首先,我们从两个点之间的平均变化率(或称为割线斜率)开始:

  • 考虑函数 上的两个点:
  • 之间的割线斜率(平均变化率)是:

2. 核心思想:取极限得到瞬时变化率

导数的思想是:我们让第二个点 无限趋近于第一个点

  • 趋近于 时,水平距离 趋近于 0,垂直距离 也趋近于 0。
  • 这条割线 的极限位置就是函数在点 处的切线。
  • 切线的斜率,就是函数在 处的瞬时变化率,我们称之为导数,记为

3. 导数的定义式

因此,函数 在点 处的导数 的定义式就是这个平均变化率的极限:

总结: 当您看到 这个形式时,它本身就是导数 的代数表达!

证明中的应用:为什么变成这样就是导数定义式了?

现在我们回到 可导蕴含连续 的证明:

我们通过代数变形得到了:

根据极限的乘法法则,我们拆分为:

  1. 左侧的极限: 观察方框中的部分
  2. 对照: 它完全匹配了上面列出的导数定义式。
  3. 代入: 因为我们已知函数 处可导,这意味着这个极限是存在的,并且它的值就是
  4. 替换: 所以我们用 替换了左侧的整个极限表达式。

这就是证明能够继续进行的关键:通过代数构造,将需要证明的极限 (连续性) 转换成一个包含已知条件 (可导性) 的表达式。


文章作者: Gustavo
版权声明: 本博客所有文章除特別声明外,均采用 CC BY-NC 4.0 许可协议。转载请注明来源 Gustavo !
评论
  目录