高阶微分

高阶微分

小象实战讲义 · 人工智能数学基础

在上一节中，我们掌握了一阶微分与可导性的等价关系，以及一阶微分形式的不变性。本节我们将在此基础上进行推广，探讨高阶微分的定义与计算。理解高阶微分，不仅能深化我们对导数（即“微商”）本质的认识，也为后续学习泰勒公式奠定坚实的理论基础。学完本节，你将能清晰地定义高阶微分，并熟练地将其与高阶导数联系起来进行计算。

💡 核心导读

• 从一阶到高阶：理解高阶微分是如何在一阶微分的基础上，通过“对微分结果再次微分”这一思想自然推广而来的。
• 核心公式：掌握 $n$ 阶微分 $d^n f$ 与 $n$ 阶导数 $f^{(n)}(x)$ 之间的核心关系式：$d^n f = f^{(n)}(x) (dx)^n$。
• “微商”的由来：通过高阶微分的公式，直观理解为什么导数被称为“微商”——即微分之商。
• 几何意义的淡化：认识到高阶微分不像一阶微分那样具有“线性近似”的鲜明几何意义，它更多是一种数学形式上的推广。

一阶微分的回顾与推广的起点

首先，我们回顾一元函数一阶微分的定义。若函数 $y = f(x)$ 在区间 $(a, b)$ 内可微，则其微分 $df$ 定义为： $$df = f’(x) , dx$$ 其中，$dx$ 是自变量 $x$ 的任意增量（微分），它是一个与 $x$ 本身无关的无穷小量。

这里的关键在于，当 $f’(x)$ 存在时，$df$ 可以被视为关于 $x$ 的一个新函数。既然它是一个函数，我们自然可以思考：这个新的函数 $df$ 本身是否仍然可微？

高阶微分的定义与推导

二阶微分

假设一阶微分 $df = f’(x) dx$ 作为 $x$ 的函数仍然是可微的，那么我们可以对它再次进行微分，得到二阶微分，记作 $d^2 f$。

按照微分的定义，对 $df$ 求导后再乘以 $dx$： $$d^2 f = d(df) = (df)’ , dx$$ 由于 $dx$ 是与 $x$ 无关的常数（在微分运算中视为固定），可以将其视为常数因子。因此： $$d^2 f = \left( f’(x) dx \right)’ , dx = \left( f”(x) dx \right) , dx = f”(x) (dx)^2$$ 这里 $(dx)^2$ 表示 $dx$ 的平方，常简写为 $dx^2$，但需注意其含义是 $(dx)^2$，而非 $d(x^2)$。

关键结论：二阶微分等于二阶导数乘以自变量微分 $dx$ 的平方。 $$\boxed{d^2 f = f”(x) , dx^2}$$

n阶微分

依此类推，我们可以定义 $n$ 阶微分。若函数 $f(x)$ 的 $n$ 阶导数 $f^{(n)}(x)$ 存在，则其 $n$ 阶微分 $d^n f$ 定义为： $$\boxed{d^n f = f^{(n)}(x) , (dx)^n}$$ 其中，$(dx)^n$ 表示 $dx$ 的 $n$ 次方。

这个定义是递归的：$n$ 阶微分是 $(n-1)$ 阶微分的微分，即 $d^n f = d(d^{n-1} f)$。

import sympy as sp

# 演示高阶微分的计算
x = sp.symbols('x')
dx = sp.symbols('dx')  # 代表自变量的微分dx

# 定义一个函数，例如 f(x) = sin(x^2)
f = sp.sin(x**2)

# 计算一阶、二阶、三阶导数
f_prime = sp.diff(f, x)
f_double_prime = sp.diff(f_prime, x)
f_triple_prime = sp.diff(f_double_prime, x)

print("函数 f(x) =", f)
print("一阶导数 f'(x) =", f_prime)
print("二阶导数 f''(x) =", f_double_prime)
print("三阶导数 f'''(x) =", f_triple_prime)
print()

# 根据公式计算对应的高阶微分
df = f_prime * dx
d2f = f_double_prime * dx**2
d3f = f_triple_prime * dx**3

print("一阶微分 df =", df)
print("二阶微分 d²f =", d2f)
print("三阶微分 d³f =", d3f)
print()

# 验证递归定义：d²f 是否等于 d(df)？ 注意：在SymPy中，d(df)需要手动计算为 diff(df, x) * dx
df_func = f_prime * dx  # 将df视为关于x的函数（dx视为符号常数）
d2f_from_recursive = sp.diff(df_func, x) * dx
print("通过递归定义计算 d²f = d(df) =", d2f_from_recursive.simplify())
print("与直接公式结果是否一致？", sp.simplify(d2f - d2f_from_recursive) == 0)

高阶微分与“微商”

高阶微分的公式为我们理解“导数”的另一个名称——“微商”——提供了直观的视角。

观察 $n$ 阶微分的公式： $$d^n f = f^{(n)}(x) (dx)^n$$ 如果将等式两边的 $(dx)^n$ 除到左边，就得到： $$f^{(n)}(x) = \frac{d^n f}{(dx)^n}$$ 这个形式清晰地表明，$n$ 阶导数 $f^{(n)}(x)$ 就是 $n$ 阶微分 $d^n f$ 与自变量微分 $dx$ 的 $n$ 次方的商。这正是“微商”一词的由来。一阶导数 $f’(x) = \frac{df}{dx}$ 是这个关系在 $n=1$ 时的特例。

高阶微分的性质与说明

1. 形式不变性的推广有限：一阶微分具有形式不变性，即无论 $x$ 是自变量还是中间变量，都有 $df = f’(x) dx$。但对于高阶微分，此性质一般不再成立。当 $x$ 是中间变量时，$d^2 f$ 的表达式会包含 $d^2 x$ 项，形式更为复杂。因此，我们目前讨论的高阶微分公式 $\boxed{d^n f = f^{(n)}(x) (dx)^n}$ 仅在 $x$ 是自变量时才成立。

2. 几何意义的淡化：一阶微分 $df$ 有明确的几何意义——它表示函数曲线在一点处切线的纵坐标增量，是函数增量 $\Delta y$ 的线性主部，用于局部线性近似。而高阶微分（如 $d^2 f$）则没有这样直观的几何解释。它主要是一种数学形式上的推广，在理论分析和公式推导（如泰勒展开）中扮演重要角色。

3. 在近似计算中的应用：在数值计算中，如果我们取 $dx = \Delta x$ 为一个具体的微小数值（例如 0.1），那么高阶微分 $d^n f = f^{(n)}(x) (\Delta x)^n$ 可以给出函数高阶变化的一个量级估计。由于 $(\Delta x)^n$ 随着 $n$ 增大迅速衰减，高阶项在近似中的贡献通常越来越小。

📝 动手练一练

1. 计算练习：已知函数 $f(x) = e^{2x} + x^3$。

   • a) 求它的三阶微分 $d^3 f$。
   • b) 当 $x=1, dx=0.01$ 时，计算 $d^3 f$ 的近似数值。

2. 概念辨析：判断题：对于任意可导函数 $y=f(x)$，只要 $x$ 是自变量，其 $n$ 阶微分 $d^n y$ 总可以表示为 $f^{(n)}(x) (dx)^n$ 的形式。（ ）

参考答案：

1. a) 首先计算导数：

   • $f’(x) = 2e^{2x} + 3x^2$
   • $f”(x) = 4e^{2x} + 6x$
   • $f'''(x) = 8e^{2x} + 6$ 因此，三阶微分为： $$d^3 f = f'''(x) (dx)^3 = (8e^{2x} + 6) (dx)^3$$ b) 代入 $x=1, dx=0.01$： $$d^3 f \approx (8e^{2} + 6) \times (0.01)^3 = (8 \times 7.389 + 6) \times 10^{-6} \approx (59.112 + 6) \times 10^{-6} = 65.112 \times 10^{-6} = 6.5112 \times 10^{-5}$$

2. 正确。这正是本节推导出的，当 $x$ 为自变量时 $n$ 阶微分的标准公式。

本章小结

本节我们系统学习了高阶微分，这是对微分概念的深入拓展。

要点回顾：

• 高阶微分的定义：递归地定义为低一阶微分的微分，即 $d^n f = d(d^{n-1} f)$。
• 核心计算公式：当 $x$ 是自变量时，$n$ 阶微分与 $n$ 阶导数的关系为 $\boxed{d^n f = f^{(n)}(x) (dx)^n}$。
• “微商”的体现：由上式可得 $f^{(n)}(x) = \frac{d^n f}{(dx)^n}$，直观展示了导数作为“微分之商”的含义。
• 与一阶微分的区别：高阶微分失去了“线性近似”的直观几何意义，主要作为一种有力的数学工具存在。

行动清单：

1. 熟练推导：亲自动手从 $d(df)$ 开始，完整推导出 $d^2 f = f”(x) dx^2$，理解 $dx$ 作为常数因子的关键步骤。
2. 公式应用：选取一个具体函数（如 $f(x)=\ln(1+x)$），计算其前三阶微分，并用 Python（SymPy）验证结果。
3. 概念关联：在笔记上列出“一阶微分”、“高阶微分”、“高阶导数”、“微商”这几个概念，并用箭头和公式标明它们之间的核心关系，构建知识网络。

— 小象教研组