高数强化NO8|导数的计算|导数定义|公式|求导法则|低阶导数|高阶导数

一元函数导数的计算

利用导数定义

基本求导公式

(xa)′=axa−1, (ln⁡x)′=1x, (ex)′=ex, (sin⁡x)′=cos⁡x, (cos⁡x)′=−sin⁡x, (ax)′=axln⁡a(tan⁡x)′=sec⁡2x, (cot⁡x)′=−csc⁡2x, (sec⁡x)′=sec⁡xtan⁡x, (csc⁡x)′=−csc⁡xcot⁡x(arctan⁡x)′=11+x2, (arccot x)′=−11+x2, (arcsin⁡x)′=11−x2, (arccos⁡x)′=−11−x2 \begin{aligned} &(x^a)' = ax^{a-1},\ (\ln x)' = \frac{1}{x},\ (e^x)' = e^x,\ (\sin x)' = \cos x,\ (\cos x)' = -\sin x,\ (a^x)' = a^x \ln a \\ & \\ &(\tan x)' = \sec^2 x,\ (\cot x)' = -\csc^2 x,\ (\sec x)' = \sec x \tan x,\ (\csc x)' = -\csc x \cot x \\ & \\ &(\arctan x)' = \frac{1}{1+x^2},\ (\text{arccot}\, x)' = -\frac{1}{1+x^2},\ (\arcsin x)' = \frac{1}{\sqrt{1-x^2}},\ (\arccos x)' = -\frac{1}{\sqrt{1-x^2}} \end{aligned} (xa)=axa1, (lnx)=x1, (ex)=ex, (sinx)=cosx, (cosx)=sinx, (ax)=axlna(tanx)=sec2x, (cotx)=csc2x, (secx)=secxtanx, (cscx)=cscxcotx(arctanx)=1+x21, (arccotx)=1+x21, (arcsinx)=1x21, (arccosx)=1x21

求导法则

  1. 四则运算求导法则
    设函数f(x)与g(x)均可导,则[f(x)±g(x)]′=f′(x)±g′(x),[f(x)g(x)]′=f′(x)g(x)+f(x)g′(x),[f(x)g(x)]′=f′(x)g(x)−f(x)g′(x)g2(x). \begin{aligned} &\text{设函数}f(x)\text{与}g(x)\text{均可导,则} \\ & \\ &[f(x)\pm g(x)]' = f'(x)\pm g'(x),\quad [f(x)g(x)]' = f'(x)g(x)+f(x)g'(x), \\ & \\ &\left[ \frac{f(x)}{g(x)} \right]' = \frac{f'(x)g(x)-f(x)g'(x)}{g^2(x)}. \end{aligned} 设函数f(x)g(x)均可导,则[f(x)±g(x)]=f(x)±g(x),[f(x)g(x)]=f(x)g(x)+f(x)g(x),[g(x)f(x)]=g2(x)f(x)g(x)f(x)g(x).
  2. 复合函数求导法则
    定理:设y=f(u),u=g(x),如果g(x)在x处可导,且f(u)在对应的u=g(x)处可导,则复合函数y=f(g(x))在x处可导,且有:[f(g(x))]′=f′(g(x))g′(x) 或 dydx=dydududx. \begin{aligned} &\text{定理:设}y = f(u), u = g(x),\text{如果}g(x)\text{在}x\text{处可导,且}f(u)\text{在对应的}u = g(x)\text{处可导,} \\ &\text{则复合函数}y = f(g(x))\text{在}x\text{处可导,且有:} \\ & \\ &[f(g(x))]' = f'(g(x))g'(x)\ \text{或}\ \frac{dy}{dx} = \frac{dy}{du}\frac{du}{dx}. \end{aligned} 定理:设y=f(u),u=g(x)如果g(x)x处可导,且f(u)在对应的u=g(x)处可导,则复合函数y=f(g(x))x处可导,且有:[f(g(x))]=f(g(x))g(x)  dxdy=dudydxdu.
  3. 反函数求导法则
    定理:设函数可导且f′(x)≠0,并令其反函数为x=f−1(y),(f−1(y))′=dxdy=1dydx=1f′(x)=1f′(f−1(y)). \begin{aligned} &\text{定理:设函数可导且}f'(x) \neq 0,\text{并令其反函数为}x = f^{-1}(y), \\ &(f^{-1}(y))' = \frac{dx}{dy} = \frac{1}{\frac{dy}{dx}} = \frac{1}{f'(x)} = \frac{1}{f'(f^{-1}(y))}. \end{aligned} 定理:设函数可导且f(x)=0,并令其反函数为x=f1(y),(f1(y))=dydx=dxdy1=f(x)1=f(f1(y))1.
  4. 变上限积分求导
    (1) (∫axf(t)dt)′=f(x);(2) (∫xbf(t)dt)′=−f(x);(3) [∫au(x)f(t)dt]′=f(u(x))u′(x);(4) [∫v(x)u(x)f(t)dt]′=f(u(x))u′(x)−f(v(x))v′(x). \begin{aligned} &(1)\ \left( \int_{a}^{x} f(t)dt \right)' = f(x); \\ & \\ &(2)\ \left( \int_{x}^{b} f(t)dt \right)' = -f(x); \\ & \\ &(3)\ \left[ \int_{a}^{u(x)} f(t)dt \right]' = f(u(x))u'(x); \\ & \\ &(4)\ \left[ \int_{v(x)}^{u(x)} f(t)dt \right]' = f(u(x))u'(x) - f(v(x))v'(x). \end{aligned} (1) (axf(t)dt)=f(x);(2) (xbf(t)dt)=f(x);(3) [au(x)f(t)dt]=f(u(x))u(x);(4) [v(x)u(x)f(t)dt]=f(u(x))u(x)f(v(x))v(x).

多元函数导数的计算

利用偏导数定义

基本求导公式

复合函数求导法则

根据复合函数中间变量的不同形式,我们有如下求导公式:(1) 如果z=f(u,v)=f(φ(t),ψ(t)),则dzdt=∂f∂ududt+∂f∂vdvdt;(2) 如果z=f(u,v)=f(φ(x,y),ψ(x,y)),则∂z∂x=∂f∂u∂u∂x+∂f∂v∂v∂x;∂z∂y=∂f∂u∂u∂y+∂f∂v∂v∂y; \begin{aligned} &\text{根据复合函数中间变量的不同形式,我们有如下求导公式:} \\ & \\ &(1)\ \text{如果}z = f(u,v) = f(\varphi(t),\psi(t)),\text{则}\frac{dz}{dt} = \frac{\partial f}{\partial u}\frac{du}{dt} + \frac{\partial f}{\partial v}\frac{dv}{dt}; \\ & \\ &(2)\ \text{如果}z = f(u,v) = f(\varphi(x,y),\psi(x,y)),\text{则}\frac{\partial z}{\partial x} = \frac{\partial f}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial f}{\partial v}\frac{\partial v}{\partial x}; \\ & \\ &\frac{\partial z}{\partial y} = \frac{\partial f}{\partial u}\frac{\partial u}{\partial y} + \frac{\partial f}{\partial v}\frac{\partial v}{\partial y}; \end{aligned} 根据复合函数中间变量的不同形式,我们有如下求导公式:(1) 如果z=f(u,v)=f(φ(t),ψ(t))dtdz=ufdtdu+vfdtdv(2) 如果z=f(u,v)=f(φ(x,y),ψ(x,y))xz=ufxu+vfxvyz=ufyu+vfyv

隐函数求导法则

定理:设F(x,y,z)在(x0,y0,z0)的某邻域内有连续的一阶偏导数,且F(x0,y0,z0)=0,若Fz′(x0,y0,z0)≠0,则方程F(x,y,z)=0在点(x0,y0,z0)的某邻域内恒能唯一确定一个连续且具有连续偏导数的函数z=z(x,y),且∂z∂x=−Fx′Fz′, ∂z∂y=−Fy′Fz′,其中Fx′,Fy′,Fz′是三元函数F(x,y,z)对x,y,z的偏导数. \begin{aligned} &\text{定理:设}F(x,y,z)\text{在}(x_0,y_0,z_0)\text{的某邻域内有连续的一阶偏导数,且}F(x_0,y_0,z_0)=0, \\ &\text{若}F'_z(x_0,y_0,z_0)\neq 0,\text{则方程}F(x,y,z)=0\text{在点}(x_0,y_0,z_0)\text{的某邻域内恒能唯一确定一} \\ &\text{个连续且具有连续偏导数的函数}z = z(x,y),\text{且} \\ & \\ &\quad \frac{\partial z}{\partial x}=-\frac{F'_x}{F'_z},\ \frac{\partial z}{\partial y}=-\frac{F'_y}{F'_z}, \\ & \\ &\text{其中}F'_x,F'_y,F'_z\text{是三元函数}F(x,y,z)\text{对}x,y,z\text{的偏导数.} \end{aligned} 定理:F(x,y,z)(x0,y0,z0)的某邻域内有连续的一阶偏导数,F(x0,y0,z0)=0,Fz(x0,y0,z0)=0,则方程F(x,y,z)=0在点(x0,y0,z0)的某邻域内恒能唯一确定一个连续且具有连续偏导数的函数z=z(x,y),xz=FzFx, yz=FzFy,其中Fx,Fy,Fz是三元函数F(x,y,z)x,y,z的偏导数.

一元函数导数的计算

低阶导数的计算

![[Pasted image 20251204100726.png]]

解:ln⁡e2xe2x+1=12(ln⁡e2x−ln⁡(e2x+1))=12(2x−ln⁡(e2x+1))=x−12ln⁡(e2x+1)y′=ex1+e2x−1+12⋅2e2xe2x+1y′(1)=e1+e2−1+e21+e2=e−1−e2+e21+e2=e−11+e2 \begin{aligned} &\text{解:}\ln\sqrt{\frac{e^{2x}}{e^{2x}+1}} = \frac{1}{2}\left( \ln e^{2x} - \ln(e^{2x}+1) \right) = \frac{1}{2}\left( 2x - \ln(e^{2x}+1) \right) \\ &\quad = x - \frac{1}{2}\ln(e^{2x}+1) \\ & \\ &y' = \frac{e^x}{1+e^{2x}} - 1 + \frac{1}{2} \cdot \frac{2e^{2x}}{e^{2x}+1} \\ & \\ &y'(1) = \frac{e}{1+e^2} - 1 + \frac{e^2}{1+e^2} = \frac{e - 1 - e^2 + e^2}{1+e^2} = \frac{e - 1}{1+e^2} \end{aligned} 解:lne2x+1e2x=21(lne2xln(e2x+1))=21(2xln(e2x+1))=x21ln(e2x+1)y=1+e2xex1+21e2x+12e2xy(1)=1+e2e1+1+e2e2=1+e2e1e2+e2=1+e2e1
【小结】1.如果函数为多项相乘,直接求导比较麻烦,可以考虑先取对数再求导。求对数函数ln⁡∣f(x)∣的导数,可以忽略绝对值的影响:(ln⁡∣f(x)∣)′=f′(x)f(x)。2.要计算幂指函数u(x)v(x)的导数,基本思路是先用对数恒等变形,再运用求导法则计算其导数:[u(x)v(x)]′=[ev(x)ln⁡u(x)]′=ev(x)ln⁡u(x)[v(x)ln⁡u(x)]′=u(x)v(x)[v′(x)ln⁡u(x)+v(x)u′(x)u(x)]3.当遇到对数函数求导时,可以首先利用公式ln⁡xk=kln⁡∣x∣(x>0),ln⁡ab=ln⁡a+ln⁡b(a,b>0)将对数函数简化。 \begin{aligned} &\boxed{【小结】}1.\text{如果函数为多项相乘,直接求导比较麻烦,可以考虑先取对数再求导。求对} \\ &\text{数函数}\ln|f(x)|\text{的导数,可以忽略绝对值的影响:}\left( \ln|f(x)| \right)' = \frac{f'(x)}{f(x)}。 \\ & \\ &2.\text{要计算幂指函数}u(x)^{v(x)}\text{的导数,基本思路是先用对数恒等变形,再运用求导法则计} \\ &\text{算其导数:} \\ &\quad \left[ u(x)^{v(x)} \right]' = \left[ e^{v(x)\ln u(x)} \right]' = e^{v(x)\ln u(x)} \left[ v(x)\ln u(x) \right]' = u(x)^{v(x)} \left[ v'(x)\ln u(x) + v(x)\frac{u'(x)}{u(x)} \right] \\ & \\ &3.\text{当遇到对数函数求导时,可以首先利用公式}\ln x^k = k\ln |x|(x>0), \\ &\ln ab = \ln a + \ln b(a,b>0)\text{将对数函数简化。} \end{aligned} 【小结】1.如果函数为多项相乘,直接求导比较麻烦,可以考虑先取对数再求导。求对数函数lnf(x)的导数,可以忽略绝对值的影响:(lnf(x))=f(x)f(x)2.要计算幂指函数u(x)v(x)的导数,基本思路是先用对数恒等变形,再运用求导法则计算其导数:[u(x)v(x)]=[ev(x)lnu(x)]=ev(x)lnu(x)[v(x)lnu(x)]=u(x)v(x)[v(x)lnu(x)+v(x)u(x)u(x)]3.当遇到对数函数求导时,可以首先利用公式lnxk=klnx(x>0)lnab=lna+lnb(a,b>0)将对数函数简化。
![[Pasted image 20251204101749.png]]

解:在y−xey−1=1①两边对x求导:y′−ey−1−xey−1⋅y′=0②在②两边对x求导:y′′−ey−1⋅y′−(ey−1⋅y′)−x(ey−1⋅y′)′=0③将x=0代入①,得y(0)=1;x=0,y=1代入②,得y′(0)=1;x=0,y=1,y′=1代入③,得y′′=2.dzdx∣x=0=f′(ln⁡y−sin⁡x)⋅(y′y−cos⁡x)∣x=0=0d2zdx2∣x=0=[f′′(ln⁡y−sin⁡x)(y′y−cos⁡x)2+f′(ln⁡y−sin⁡x)(y′′y−(y′)2y2+sin⁡x)]∣x=0=1 \begin{aligned} &\text{解:在}y - xe^{y-1} = 1①\text{两边对}x\text{求导:}y' - e^{y-1} - xe^{y-1} \cdot y' = 0 \quad ② \\ &\text{在}②\text{两边对}x\text{求导:}y'' - e^{y-1} \cdot y' - \left( e^{y-1} \cdot y' \right) - x \left( e^{y-1} \cdot y' \right)' = 0③ \\ &\text{将}x=0\text{代入①,得}y(0)=1;x=0,y=1\text{代入②,得}y'(0)=1;x=0,y=1,y'=1\text{代入③,得}y''=2. \\ & \\ &\left. \frac{dz}{dx} \right|_{x=0} = f'\left( \ln y - \sin x \right) \cdot \left( \frac{y'}{y} - \cos x \right) \bigg|_{x=0} = 0 \\ & \\ &\left. \frac{d^2z}{dx^2} \right|_{x=0} = \left[ f''\left( \ln y - \sin x \right) \left( \frac{y'}{y} - \cos x \right)^2 + f'\left( \ln y - \sin x \right) \left( \frac{y''y - (y')^2}{y^2} + \sin x \right) \right] \bigg|_{x=0} \\ &\quad = 1 \end{aligned} 解:在yxey1=1①两边对x求导:yey1xey1y=0两边对x求导:y′′ey1y(ey1y)x(ey1y)=0③x=0代入,得y(0)=1x=0,y=1代入,得y(0)=1x=0,y=1,y=1代入,得y′′=2.dxdzx=0=f(lnysinx)(yycosx)x=0=0dx2d2zx=0=[f′′(lnysinx)(yycosx)2+f(lnysinx)(y2y′′y(y)2+sinx)]x=0=1
![[Pasted image 20251204113314.png]]

变限积分求导① φ(x)=∫0xf(t)dt直接用公式② φ(x)=∫0xxf(t)dt提出去③ φ(x)=∫0xf(t,x)dt换元 \begin{aligned} &\textbf{变限积分求导} \\ &①\ \varphi(x) = \int_{0}^{x} f(t)dt \quad \text{直接用公式} \\ &②\ \varphi(x) = \int_{0}^{x} xf(t)dt \quad \text{提出去} \\ &③\ \varphi(x) = \int_{0}^{x} f(t,x)dt \quad \text{换元} \end{aligned} 变限积分求导 φ(x)=0xf(t)dt直接用公式 φ(x)=0xxf(t)dt提出去 φ(x)=0xf(t,x)dt换元
解:φ(1)=∫0121⋅f(t)dt=∫01f(t)dt.φ′(x)=(x∫0x2f(t)dt)′=∫0x2f(t)dt+x⋅f(x2)⋅2xφ′(1)=∫01f(t)dt+2f(1)=φ(1)+2f(1)5=1+2f(1)f(1)=2. \begin{aligned} &\text{解:}\varphi(1) = \int_{0}^{1^2} 1 \cdot f(t)dt = \int_{0}^{1} f(t)dt. \\ & \\ &\varphi'(x) = \left( x\int_{0}^{x^2} f(t)dt \right)' \\ &\quad = \int_{0}^{x^2} f(t)dt + x \cdot f(x^2) \cdot 2x \\ & \\ &\varphi'(1) = \int_{0}^{1} f(t)dt + 2f(1) \\ &\quad = \varphi(1) + 2f(1) \\ & \\ &5 = 1 + 2f(1) \\ &f(1) = 2. \end{aligned} 解:φ(1)=0121f(t)dt=01f(t)dt.φ(x)=(x0x2f(t)dt)=0x2f(t)dt+xf(x2)2xφ(1)=01f(t)dt+2f(1)=φ(1)+2f(1)5=1+2f(1)f(1)=2.
【小结】如果积分变限函数积分号下出现关于x的函数u(x),类似于本题,则可以将u(x)移至积分号外,再进行求导,即∫axu(x)f(t)dt=u(x)∫axf(t)dt,故(∫axu(x)f(t)dt)′=u′(x)∫axf(t)dt+u(x)f(x). \begin{aligned} &\boxed{【小结】}\text{如果积分变限函数积分号下出现关于}x\text{的函数}u(x),\text{类似于本题,则可以将} \\ &u(x)\text{移至积分号外,再进行求导,即}\int_{a}^{x} u(x)f(t)dt = u(x)\int_{a}^{x} f(t)dt,\text{故} \\ & \\ &\left( \int_{a}^{x} u(x)f(t)dt \right)' = u'(x)\int_{a}^{x} f(t)dt + u(x)f(x). \end{aligned} 【小结】如果积分变限函数积分号下出现关于x的函数u(x),类似于本题,则可以将u(x)移至积分号外,再进行求导,即axu(x)f(t)dt=u(x)axf(t)dt,(axu(x)f(t)dt)=u(x)axf(t)dt+u(x)f(x).
![[Pasted image 20251204114924.png]]

解:∫0xtf(x−t)dt=u=x−t∫x0(x−u)f(u)d(x−u)=∫0x(x−u)f(u)du=x∫0xf(u)du−∫0xuf(u)du法1:两边对x求导:∫0xf(u)du+xf(x)−xf(x)=sin⁡x∫0xf(u)du=sin⁡x令x=π2, ∫0π2f(u)du=sin⁡π2=1 \begin{aligned} &\text{解:}\int_{0}^{x} t f(x-t)dt \xlongequal{u=x-t} \int_{x}^{0} (x-u)f(u)d(x-u) = \int_{0}^{x} (x-u)f(u)du \\ &\quad = x\int_{0}^{x} f(u)du - \int_{0}^{x} u f(u)du \\ & \\ &\text{法1:两边对}x\text{求导:}\int_{0}^{x} f(u)du + x f(x) - x f(x) = \sin x \\ &\quad \int_{0}^{x} f(u)du = \sin x \\ &\text{令}x=\frac{\pi}{2},\ \int_{0}^{\frac{\pi}{2}} f(u)du = \sin\frac{\pi}{2} = 1 \end{aligned} 解:0xtf(xt)dtu=xtx0(xu)f(u)d(xu)=0x(xu)f(u)du=x0xf(u)du0xuf(u)du1:两边对x求导:0xf(u)du+xf(x)xf(x)=sinx0xf(u)du=sinxx=2π, 02πf(u)du=sin2π=1
不变限求导:(∫0x(x−u)f(u)du)′=(x−x)f(x)⋅(x)′−(x−0)f(0)⋅(0)′+∫0x∂[(x−u)f(u)]∂xdu=∫0xf(u)du. \begin{aligned} &\text{不变限求导:}\left( \int_{0}^{x} (x-u)f(u)du \right)' = (x-x)f(x) \cdot (x)' - (x-0)f(0) \cdot (0)' \\ &\quad + \int_{0}^{x} \frac{\partial \left[ (x-u)f(u) \right]}{\partial x} du = \int_{0}^{x} f(u)du. \end{aligned} 不变限求导:(0x(xu)f(u)du)=(xx)f(x)(x)(x0)f(0)(0)+0xx[(xu)f(u)]du=0xf(u)du.
【小结】1、如果x出现在积分号下被积函数的自变量中,类似于本题,则可以先进行换元,再进行求导,即形如∫axf(u(x,t))dt的积分变限函数,令u=u(x,t)进行换元.2、积分变限函数的三大题型:①直接使用公式进行计算;②将关于x的函数移至积分号外,再进行求导;③先进行换元,再进行求导. \begin{aligned} &\boxed{【小结】}1、\text{如果}x\text{出现在积分号下被积函数的自变量中,类似于本题,则可以先进行换} \\ &\text{元,再进行求导,即形如}\int_{a}^{x} f(u(x,t))dt\text{的积分变限函数,令}u = u(x,t)\text{进行换元.} \\ & \\ &2、\text{积分变限函数的三大题型:} \\ &①\text{直接使用公式进行计算;} \\ &②\text{将关于}x\text{的函数移至积分号外,再进行求导;} \\ &③\text{先进行换元,再进行求导.} \end{aligned} 【小结】1如果x出现在积分号下被积函数的自变量中,类似于本题,则可以先进行换,再进行求导,即形如axf(u(x,t))dt的积分变限函数,u=u(x,t)进行换元.2积分变限函数的三大题型:直接使用公式进行计算;将关于x的函数移至积分号外,再进行求导;先进行换元,再进行求导.
![[Pasted image 20251204152153.png]]

解:F′(t)=(∫1t(∫ytf(x)dx)dy)′=∫ttf(x)dx⋅(t)′−∫1tf(x)dx⋅(1)′+∫1t∂(∫ytf(x)dx)∂tdy=∫1tf(t)dy=f(t)(t−1), F′(2)=f(2)选B \begin{aligned} &\text{解:}F'(t) = \left( \int_{1}^{t} \left( \int_{y}^{t} f(x)dx \right) dy \right)' = \int_{t}^{t} f(x)dx \cdot (t)' - \int_{1}^{t} f(x)dx \cdot (1)' \\ &\quad + \int_{1}^{t} \frac{\partial \left( \int_{y}^{t} f(x)dx \right)}{\partial t} dy \\ &\quad = \int_{1}^{t} f(t) dy = f(t)(t-1),\ F'(2) = f(2) \\&选B\end{aligned} 解:F(t)=(1t(ytf(x)dx)dy)=ttf(x)dx(t)1tf(x)dx(1)+1tt(ytf(x)dx)dy=1tf(t)dy=f(t)(t1), F(2)=f(2)B
【小结】变限积分求导公式推广:设ψ(x),φ(x)均可导,f(x,t)关于x的偏导数存在且连续,则(∫φ(x)ψ(x)f(x,t)dt)′=f(x,ψ(x))ψ′(x)−f(x,φ(x))φ′(x)+∫φ(x)ψ(x)∂f∂xdt。 \begin{aligned} &\boxed{【小结】}\text{变限积分求导公式推广:设}\psi(x),\varphi(x)\text{均可导,}f(x,t)\text{关于}x\text{的偏导数存} \\ &\text{在且连续,则} \\ &\quad \left( \int_{\varphi(x)}^{\psi(x)} f(x,t)dt \right)' = f(x,\psi(x))\psi'(x) - f(x,\varphi(x))\varphi'(x) + \int_{\varphi(x)}^{\psi(x)} \frac{\partial f}{\partial x} dt。 \end{aligned} 【小结】变限积分求导公式推广:设ψ(x),φ(x)均可导,f(x,t)关于x的偏导数存在且连续,则(φ(x)ψ(x)f(x,t)dt)=f(x,ψ(x))ψ(x)f(x,φ(x))φ(x)+φ(x)ψ(x)xfdt

高阶导数的计算

![[Pasted image 20251204153941.png]]

解:f′(x)=2(x+1)+2f(x)f′′(x)=2+2f′(x)f′′′(x)=2f′′(x)f(4)(x)=2f′′′(x)故f(n)(x)=2f(n−1)(x)=22f(n−2)(x)=⋯=2n−2f′′(x) (n≥3)f′′(0)=2+2f′(0)=2+2(2+2f(0))=10f(n)(0)=2n−2f′′(0)=2n−2⋅10=5⋅2n−1 (n≥3)当n=2时,f′′(0)=10 (n=2也适合此等式) \begin{aligned} &\text{解:}f'(x) = 2(x+1) + 2f(x) \\ &f''(x) = 2 + 2f'(x) \\ &f'''(x) = 2f''(x) \\ &f^{(4)}(x) = 2f'''(x) \\ &\text{故}f^{(n)}(x) = 2f^{(n-1)}(x) = 2^2f^{(n-2)}(x) = \dots = 2^{n-2}f''(x)\ (n \geq 3) \\ & \\ &f''(0) = 2 + 2f'(0) = 2 + 2\left( 2 + 2f(0) \right) = 10 \\ &f^{(n)}(0) = 2^{n-2}f''(0) = 2^{n-2} \cdot 10 = 5 \cdot 2^{n-1}\ (n \geq 3) \\ & \\ &\text{当}n=2\text{时,}f''(0)=10\ (n=2\text{也适合此等式}) \end{aligned} 解:f(x)=2(x+1)+2f(x)f′′(x)=2+2f(x)f′′′(x)=2f′′(x)f(4)(x)=2f′′′(x)f(n)(x)=2f(n1)(x)=22f(n2)(x)==2n2f′′(x) (n3)f′′(0)=2+2f(0)=2+2(2+2f(0))=10f(n)(0)=2n2f′′(0)=2n210=52n1 (n3)n=2时,f′′(0)=10 (n=2也适合此等式)
【小结】如果考试中给出的是抽象函数,可以计算函数的一阶、二阶、三阶导数,进一步寻找规律. \begin{aligned} &\boxed{【小结】}\text{如果考试中给出的是抽象函数,可以计算函数的一阶、二阶、三阶导数,进一步} \\ &\text{寻找规律.} \end{aligned} 【小结】如果考试中给出的是抽象函数,可以计算函数的一阶、二阶、三阶导数,进一步寻找规律.
![[Pasted image 20251204162658.png]]

解:f(n)(x)=Cn0x2⋅(ln⁡(1+x))(n)+Cn1(x2)′(ln⁡(1+x))(n−1)+Cn2(x2)′′(ln⁡(1+x))(n−2)f(n)(0)=n(n−1)2⋅2⋅(−1)n−3(n−3)!(1+x)n−2∣x=0 \begin{aligned} &\text{解:}f^{(n)}(x) = \mathrm{C}_n^0 x^2 \cdot \left( \ln(1+x) \right)^{(n)} + \mathrm{C}_n^1 (x^2)' \left( \ln(1+x) \right)^{(n-1)} \\ &\quad + \mathrm{C}_n^2 (x^2)'' \left( \ln(1+x) \right)^{(n-2)} \\ & \\ &f^{(n)}(0) = \frac{n(n-1)}{2} \cdot 2 \cdot (-1)^{n-3} \left. \frac{(n-3)!}{(1+x)^{n-2}} \right|_{x=0} \end{aligned} 解:f(n)(x)=Cn0x2(ln(1+x))(n)+Cn1(x2)(ln(1+x))(n1)+Cn2(x2)′′(ln(1+x))(n2)f(n)(0)=2n(n1)2(1)n3(1+x)n2(n3)!x=0
=n(n−1)(n−3)!(−1)n−2=n!n−2(−1)n−1 \begin{aligned} &= n(n-1)(n-3)! (-1)^{n-2} \\ &= \frac{n!}{n-2} (-1)^{n-1} \end{aligned} =n(n1)(n3)!(1)n2=n2n!(1)n1
【小结】1.常见的六个高阶导数公式(ex)(n)=ex;(ax)(n)=ax(ln⁡a)n;(sin⁡x)(n)=sin⁡(x+n2π);(cos⁡x)(n)=cos⁡(x+n2π);(xa)(n)=a(a−1)⋯(a−n+1)xa−n(ln⁡x)(n)=(−1)n−1(n−1)!xn;特例:(1x)(n)=(−1)nn!xn+1。其次,考研往往喜欢将上述六个公式与一次函数ax+b复合进行考查,此时仅需在公式之后乘以an,即(f(ax+b))(n)=anf(n)(ax+b).2.Leibniz公式, 即设函数u(x)、v(x)具有n阶导数,则(u⋅v)(n)=Cn0(u)(n)⋅v+Cn1(u)(n−1)⋅v′+Cn2(u)(n−2)⋅v′′+⋯+Cnnu⋅(v)(n).1、Leibniz公式可借助于二项式定理进行记忆;2、在考研数学中,u(x)、v(x)的选择往往有一定的规律:u(x)往往是常见的六个高阶导数公式之一,v(x)往往最多是二次函数ax2+bx+c,这样利用Leibniz公式展开最多只有3项. \begin{aligned} &\boxed{【小结】}1.\text{常见的六个高阶导数公式} \\ &\begin{aligned} &(e^x)^{(n)} = e^x; \\ &(a^x)^{(n)} = a^x (\ln a)^n; \\ &(\sin x)^{(n)} = \sin\left( x + \frac{n}{2}\pi \right); \\ &(\cos x)^{(n)} = \cos\left( x + \frac{n}{2}\pi \right); \\ &(x^a)^{(n)} = a(a-1)\cdots(a-n+1)x^{a-n} \\ &(\ln x)^{(n)} = (-1)^{n-1}\frac{(n-1)!}{x^n}; \end{aligned} \\ &\text{特例:}\left( \frac{1}{x} \right)^{(n)} = (-1)^n \frac{n!}{x^{n+1}}。 \\ &\text{其次,考研往往喜欢将上述六个公式与一次函数}ax+b\text{复合进行考查,此时仅需在公式} \\ &\text{之后乘以}a^n,\text{即}(f(ax+b))^{(n)} = a^n f^{(n)}(ax+b). \\ & \\ &2.\text{Leibniz公式, 即} \\ &\text{设函数}u(x)、v(x)\text{具有}n\text{阶导数,则} \\ &(u \cdot v)^{(n)} = \mathrm{C}_n^0 (u)^{(n)} \cdot v + \mathrm{C}_n^1 (u)^{(n-1)} \cdot v' + \mathrm{C}_n^2 (u)^{(n-2)} \cdot v'' + \dots + \mathrm{C}_n^n u \cdot (v)^{(n)}. \\ & \\ &1、\text{Leibniz公式可借助于二项式定理进行记忆;} \\ &2、\text{在考研数学中,}u(x)、v(x)\text{的选择往往有一定的规律:}u(x)\text{往往是常见的六个高阶} \\ &\text{导数公式之一,}v(x)\text{往往最多是二次函数}ax^2 + bx + c,\text{这样利用Leibniz公式展开最多} \\ &\text{只有3项.} \end{aligned} 【小结】1.常见的六个高阶导数公式(ex)(n)=ex;(ax)(n)=ax(lna)n;(sinx)(n)=sin(x+2nπ);(cosx)(n)=cos(x+2nπ);(xa)(n)=a(a1)(an+1)xan(lnx)(n)=(1)n1xn(n1)!;特例:(x1)(n)=(1)nxn+1n!其次,考研往往喜欢将上述六个公式与一次函数ax+b复合进行考查,此时仅需在公式之后乘以an(f(ax+b))(n)=anf(n)(ax+b).2.Leibniz公式设函数u(x)v(x)具有n阶导数,则(uv)(n)=Cn0(u)(n)v+Cn1(u)(n1)v+Cn2(u)(n2)v′′++Cnnu(v)(n).1Leibniz公式可借助于二项式定理进行记忆;2在考研数学中,u(x)v(x)的选择往往有一定的规律:u(x)往往是常见的六个高阶导数公式之一,v(x)往往最多是二次函数ax2+bx+c这样利用Leibniz公式展开最多只有3.
![[Pasted image 20251204165529.png]]

解:一方面,当x→0时,f(x)=x−x33+o(x3)−x(1−ax2+o(x2))=(a−13)x3+o(x3)另一方面,当x→0时,f(x)=f(0)+f′(0)x+f′′(0)2x2+f′′′(0)6x3+o(x3)由泰勒公式展开的唯一性可知,对应系数相等:f′′′(0)6=a−13又16=a−13,故a=12 \begin{aligned} &\text{解:一方面,当}x \to 0\text{时,} \\ &f(x) = x - \frac{x^3}{3} + o(x^3) - x\left( 1 - ax^2 + o(x^2) \right) \\ &\quad = \left( a - \frac{1}{3} \right)x^3 + o(x^3) \\ & \\ &\text{另一方面,当}x \to 0\text{时,}f(x) = f(0) + f'(0)x + \frac{f''(0)}{2}x^2 + \frac{f'''(0)}{6}x^3 + o(x^3) \\ &\text{由泰勒公式展开的唯一性可知,对应系数相等:} \\ &\frac{f'''(0)}{6} = a - \frac{1}{3} \\ &\text{又}\frac{1}{6} = a - \frac{1}{3},\text{故}a = \frac{1}{2} \end{aligned} 解:一方面,当x0时,f(x)=x3x3+o(x3)x(1ax2+o(x2))=(a31)x3+o(x3)另一方面,当x0时,f(x)=f(0)+f(0)x+2f′′(0)x2+6f′′′(0)x3+o(x3)由泰勒公式展开的唯一性可知,对应系数相等:6f′′′(0)=a3161=a31a=21
解:法2. 忘记泰勒公式的补救办法.lim⁡x→0arctan⁡x−x(1+ax2)x3=lim⁡x→0arctan⁡x(1+ax2)−xx3(1+ax2)=lim⁡x→0arctan⁡x−xx3+lim⁡x→0arctan⁡x⋅ax2x3=−13+a故arctan⁡x−x(1+ax2)∼(a−13)x3.由f′′′(0)3!=a−13,得a=12 \begin{aligned} &\text{解:法2. 忘记泰勒公式的补救办法.} \\ &\lim_{x \to 0} \frac{\arctan x - \frac{x}{(1+ax^2)}}{x^3} = \lim_{x \to 0} \frac{\arctan x(1+ax^2) - x}{x^3(1+ax^2)} \\ &= \lim_{x \to 0} \frac{\arctan x - x}{x^3} + \lim_{x \to 0} \frac{\arctan x \cdot ax^2}{x^3} \\ &= -\frac{1}{3} + a \\ & \\ &\text{故}\arctan x - \frac{x}{(1+ax^2)} \sim \left( a - \frac{1}{3} \right)x^3. \\ &\text{由}\frac{f'''(0)}{3!} = a - \frac{1}{3}\text{,得}a = \frac{1}{2} \end{aligned} 解:法2. 忘记泰勒公式的补救办法.x0limx3arctanx(1+ax2)x=x0limx3(1+ax2)arctanx(1+ax2)x=x0limx3arctanxx+x0limx3arctanxax2=31+aarctanx(1+ax2)x(a31)x3.3!f′′′(0)=a31,得a=21
【小结】Taylor公式计算高阶导数的理论基础:f(x)=f(x0)+f′(x0)(x−x0)+f′′(x0)2!(x−x0)2+⋯+f(n)(x0)n!(x−x0)n+… .由Taylor公式展开的唯一性可知,f(n)(x0)就等于(x−x0)n的系数乘以n! \begin{aligned} &\boxed{【小结】}\text{Taylor公式计算高阶导数的理论基础:} \\ &f(x) = f(x_0) + f'(x_0)(x-x_0) + \frac{f''(x_0)}{2!}(x-x_0)^2 + \dots + \frac{f^{(n)}(x_0)}{n!}(x-x_0)^n + \dots. \\ & \\ &\text{由Taylor公式展开的唯一性可知,}f^{(n)}(x_0)\text{就等于}(x-x_0)^n\text{的系数乘以}n! \end{aligned} 【小结】Taylor公式计算高阶导数的理论基础:f(x)=f(x0)+f(x0)(xx0)+2!f′′(x0)(xx0)2++n!f(n)(x0)(xx0)n+.Taylor公式展开的唯一性可知,f(n)(x0)就等于(xx0)n的系数乘以n!
f(x)∼kx3  ⟺  f(0)=0, f′(0)=0, f′′(0)=0, f′′′(0)=3!⋅k f(x) \sim kx^3 \iff f(0)=0,\ f'(0)=0,\ f''(0)=0,\ f'''(0)=3!\cdot k f(x)kx3f(0)=0, f(0)=0, f′′(0)=0, f′′′(0)=3!k
①已知f(0)=0, f′(0)=0, f′′(0)=2, ⇒当x→0时,f(x)∼f′′(0)2!x2=x2 ①\text{已知}f(0)=0,\ f'(0)=0,\ f''(0)=2,\ \Rightarrow \text{当}x \to 0\text{时,}f(x) \sim \frac{f''(0)}{2!}x^2 = x^2 已知f(0)=0, f(0)=0, f′′(0)=2, x0时,f(x)2!f′′(0)x2=x2
![[Pasted image 20251204171954.png]]

解:f(x)为偶函数,f′(x)为奇,f′′(x)偶,f′′′(x)奇.f′′′(0)=0, f(x)周期为2π, f′′′(x)周期2π.f′′′(2π)=f′′′(0)=0 \begin{aligned} &\text{解:}f(x)\text{为偶函数,}f'(x)\text{为奇,}f''(x)\text{偶,}f'''(x)\text{奇.} \\ &f'''(0)=0,\ f(x)\text{周期为}2\pi,\ f'''(x)\text{周期}2\pi. \\ &f'''(2\pi)=f'''(0)=0 \end{aligned} 解:f(x)为偶函数,f(x)为奇,f′′(x)偶,f′′′(x).f′′′(0)=0, f(x)周期为2π, f′′′(x)周期2π.f′′′(2π)=f′′′(0)=0
小结:偶函数的奇数阶导数为奇函数,奇函数的偶数阶导数为奇函数. \begin{aligned} &\text{小结:偶函数的奇数阶导数为奇函数,} \\ &\text{奇函数的偶数阶导数为奇函数.} \end{aligned} 小结:偶函数的奇数阶导数为奇函数,奇函数的偶数阶导数为奇函数.
改:g(x)=esin⁡x−e−sin⁡xg(4)(2π)=0 \begin{aligned} &\text{改:}g(x)=e^{\sin x}-e^{-\sin x} \\ & g^{(4)}(2\pi)=0 \end{aligned} 改:g(x)=esinxesinxg(4)(2π)=0
【小结】高阶导数方法总结高阶导数的计算一般有五种方法:第一、求出一阶、二阶、三阶导数,进行递推;第二、使用常见的六个高阶导数公式;第三、使用Leibniz公式;第四、使用Taylor公式;第五、借助函数奇偶性。 \begin{aligned} &\boxed{【小结】}\text{高阶导数方法总结} \\ &\text{高阶导数的计算一般有五种方法:} \\ &第一、求出一阶、二阶、三阶导数, 进行递推; \\ &第二、使用常见的六个高阶导数公式; \\ &第三、使用Leibniz公式; \\ &第四、使用Taylor公式; \\ &第五、借助函数奇偶性。 \end{aligned} 【小结】高阶导数方法总结高阶导数的计算一般有五种方法:第一、求出一阶、二阶、三阶导数,进行递推;第二、使用常见的六个高阶导数公式;第三、使用Leibniz公式;第四、使用Taylor公式;第五、借助函数奇偶性。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“据采集-模型训练-算法迭代-据反哺”的据闭环体系,通过自动化标注与长尾据反馈实现算法持续进化,降低对人工标注的依赖,提升据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值