导数的基本法则与常用导数公式的推导

news2024/11/14 5:54:17

目录

  • n 次幂函数导数公式的推导
  • 导数和的运算法则的证明
  • 正弦、余弦函数导数公式的推导
    • 代数证明
      • 两个重要极限(引理)及证明
      • 具体推导
    • 几何直观
  • 导数积的运算法则的证明
  • 导数商的法则的证明
  • 链式法则的证明
  • 有理幂函数求导法则的证明
  • 反函数求导法则的证明
  • 反正切函数导数公式的推导
  • 指数函数导数公式的推导
    • 引入
    • 证明
      • 第一种方法:代入消元
      • 第二种方法:对数微分
  • 幂指函数导数公式的推导
  • 幂法则(The Power Rule)的证明
    • 第一种方法:e 的代换
    • 第二种方法:对数微分
  • e 的极限本质
  • 双曲函数导数公式的推导
    • 重要性质的证明

非专业、适用于计算机科学的微积分简要提纲,用于汇总梳理知识。如有错误恳请批评指正!

n 次幂函数导数公式的推导

d d x x n = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 ( x + Δ x ) n − x n Δ x \begin{aligned} \frac{d}{dx} x^n & = \lim_{\Delta x\to 0} \frac{\Delta y}{\Delta x} \\\\ & = \lim_{\Delta x\to 0} \frac{(x+\Delta x)^n - x^n}{\Delta x} \end{aligned} dxdxn=Δx0limΔxΔy=Δx0limΔx(x+Δx)nxn
对于微小量 Δ x \Delta x Δx,根据牛顿二项式定理

( x + y ) n = ∑ k = 0 n ( n k ) x n − k y k (x+y)^n = \sum_{k=0}^{n} \binom{n}{k} x^{n-k} y^k (x+y)n=k=0n(kn)xnkyk

我们有(略去无穷小量余项)
( x + Δ x ) n = x n + n ( Δ x ) x n − 1 + o ( Δ x ) 2 (x+\Delta x)^n = x^n + n(\Delta x) x^{n-1} + o(\Delta x)^2 (x+Δx)n=xn+n(Δx)xn1+o(Δx)2

则有
Δ y Δ x = [ x n + n ( Δ x ) x n − 1 + o ( Δ x ) 2 ] − x n Δ x = n x n − 1 + o ( Δ x ) \begin{aligned} \frac{\Delta y}{\Delta x} & = \frac{[x^n + n(\Delta x) x^{n-1} + o(\Delta x)^2] -x^n}{\Delta x} \\\\ &= nx^{n-1} + o(\Delta x) \end{aligned} ΔxΔy=Δx[xn+n(Δx)xn1+o(Δx)2]xn=nxn1+o(Δx)

Δ x → 0 \Delta x \to 0 Δx0 时,我们有
lim ⁡ Δ x → 0 Δ y Δ x = n x n − 1 \lim_{\Delta x\to 0} \frac{\Delta y}{\Delta x} = nx^{n-1} Δx0limΔxΔy=nxn1


d d x x n = n x n − 1 \boxed{\frac{d}{dx} x^n = nx^{n-1}} dxdxn=nxn1

导数和的运算法则的证明

( u + v ) ′ ( x ) = u ′ ( x ) + v ′ ( x ) \boxed{(u+v)'(x) = u'(x) + v'(x)} (u+v)(x)=u(x)+v(x)

( u + v ) ′ ( x ) = lim ⁡ Δ x → 0 ( u + v ) ( x + Δ x ) − ( u + v ) ( x ) Δ x = lim ⁡ Δ x → 0 u ( x + Δ x ) − u ( x ) + v ( x + Δ x ) − v ( x ) Δ x = lim ⁡ Δ x → 0 u ( x + Δ x ) − u ( x ) Δ x + lim ⁡ Δ x → 0 v ( x + Δ x ) − v ( x ) Δ x = u ′ ( x ) + v ′ ( x ) . \begin{aligned} (u+v)'(x) & = \lim_{\Delta x \to 0} \frac{(u+v)(x+\Delta x)-(u+v)(x)}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{u(x+\Delta x)-u(x)+v(x+\Delta x)-v(x)}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{u(x+\Delta x)-u(x)}{\Delta x} + \lim_{\Delta x \to 0} \frac{v(x+\Delta x)-v(x)}{\Delta x} \\\\ &= u'(x)+v'(x). \end{aligned} (u+v)(x)=Δx0limΔx(u+v)(x+Δx)(u+v)(x)=Δx0limΔxu(x+Δx)u(x)+v(x+Δx)v(x)=Δx0limΔxu(x+Δx)u(x)+Δx0limΔxv(x+Δx)v(x)=u(x)+v(x).

正弦、余弦函数导数公式的推导

代数证明

两个重要极限(引理)及证明

lim ⁡ Δ x → 0 c o s Δ x − 1 Δ x = 0 \boxed{\lim_{\Delta x \to 0} \frac{cos\Delta x - 1}{\Delta x} = 0 } Δx0limΔxcosΔx1=0
Δ x = θ \Delta x = \theta Δx=θ,我们考虑一个半径   r = 1 \ r = 1  r=1 的单位圆,以弧度为度量单位, θ \theta θ 扫过的弧线长度   l = θ r = θ \ l = \theta r = \theta  l=θr=θ。过 θ \theta θ 角的终止角向其起始角作垂线,则垂点到圆心的水平距离为   c o s   θ \ cos \ \theta  cos θ,垂点到弧的一端的水平距离为   1 − c o s   θ \ 1-cos\ \theta  1cos θ
几何证明
θ → 0 \theta \to 0 θ0 时,   1 − c o s   θ \ 1-cos\ \theta  1cos θ 递减 θ \theta θ 更快,因此比值 1 − c o s   θ θ → 0 \frac{1-cos\ \theta}{\theta} \to 0 θ1cos θ0,则可以证明 lim ⁡ Δ x → 0 c o s Δ x − 1 Δ x = 0 \lim_{\Delta x \to 0} \frac{cos\Delta x - 1}{\Delta x} = 0 Δx0limΔxcosΔx1=0 成立。

图象
lim ⁡ Δ x → 0 s i n Δ x Δ x = 1 \boxed{\lim_{\Delta x \to 0} \frac{sin\Delta x}{\Delta x} = 1} Δx0limΔxsinΔx=1
同理,如图
几何证明
θ → 0 \theta \to 0 θ0 时,   s i n   θ ≈ θ \ sin\ \theta \approx \theta  sin θθ 逐步趋向于精确,比值 s i n   θ θ → 1 \frac{sin\ \theta}{\theta} \to 1 θsin θ1,因此极限 lim ⁡ Δ x → 0 s i n Δ x Δ x = 1 \lim_{\Delta x \to 0} \frac{sin\Delta x}{\Delta x} = 1 Δx0limΔxsinΔx=1 成立。

具体推导

d d x s i n   x = lim ⁡ Δ x → 0 s i n ( x + Δ x ) − s i n   x Δ x = lim ⁡ Δ x → 0 s i n   x   c o s Δ x + c o s   x   s i n Δ x − s i n   x Δ x = lim ⁡ Δ x → 0 [ s i n   x   c o s Δ x − s i n   x Δ x + c o s   x   s i n Δ x Δ x ] = lim ⁡ Δ x → 0 [ s i n   x ( c o s Δ x − 1 Δ x ) + c o s   x (   s i n Δ x Δ x ) ] \begin{aligned} \frac{d}{dx} sin\ x &= \lim_{\Delta x \to 0} \frac{sin(x+\Delta x)-sin\ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{sin\ x\ cos\Delta x + cos\ x \ sin\Delta x - sin \ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \left[\frac{sin\ x\ cos\Delta x - sin \ x}{\Delta x} + \frac{cos\ x \ sin\Delta x }{\Delta x}\right] \\\\ &= \lim_{\Delta x \to 0} \left[sin\ x\left(\frac{cos\Delta x - 1}{\Delta x}\right) + cos\ x\left( \frac{ \ sin\Delta x }{\Delta x}\right)\right] \\\\ \end{aligned} dxdsin x=Δx0limΔxsin(x+Δx)sin x=Δx0limΔxsin x cosΔx+cos x sinΔxsin x=Δx0lim[Δxsin x cosΔxsin x+Δxcos x sinΔx]=Δx0lim[sin x(ΔxcosΔx1)+cos x(Δx sinΔx)]

利用两个重要极限,可得
d d x s i n   x = c o s   x \begin{aligned} \boxed{\frac{d}{dx} sin\ x = cos\ x} \end{aligned} dxdsin x=cos x
同样地
d d x c o s   x = lim ⁡ Δ x → 0 c o s ( x + Δ x ) − c o s   x Δ x = lim ⁡ Δ x → 0 c o s   x   c o s Δ x − s i n   x   s i n Δ x − c o s   x Δ x = lim ⁡ Δ x → 0 [ c o s   x   c o s Δ x − c o s   x Δ x − s i n   x   s i n Δ x Δ x ] = lim ⁡ Δ x → 0 [ c o s   x ( c o s Δ x − 1 Δ x ) − s i n   x (   s i n Δ x Δ x ) ] \begin{aligned} \frac{d}{dx} cos\ x &= \lim_{\Delta x \to 0} \frac{cos(x+\Delta x)-cos\ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{cos\ x\ cos\Delta x - sin\ x \ sin\Delta x - cos \ x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \left[\frac{cos\ x\ cos\Delta x - cos \ x}{\Delta x} - \frac{sin\ x \ sin\Delta x }{\Delta x}\right] \\\\ &= \lim_{\Delta x \to 0} \left[cos\ x\left(\frac{cos\Delta x - 1}{\Delta x}\right) - sin\ x\left( \frac{ \ sin\Delta x }{\Delta x}\right)\right] \\\\ \end{aligned} dxdcos x=Δx0limΔxcos(x+Δx)cos x=Δx0limΔxcos x cosΔxsin x sinΔxcos x=Δx0lim[Δxcos x cosΔxcos xΔxsin x sinΔx]=Δx0lim[cos x(ΔxcosΔx1)sin x(Δx sinΔx)]

利用两个重要极限,可得
d d x c o s   x = − s i n   x \begin{aligned} \boxed{\frac{d}{dx} cos\ x = -sin\ x} \end{aligned} dxdcos x=sin x

几何直观

我们在单位圆上给予 θ \theta θ 微小增量 Δ θ \Delta \theta Δθ,则 P 的纵坐标为   s i n   θ \ sin\ \theta  sin θ,Q 的纵坐标为   s i n ( θ + Δ θ ) \ sin(\theta + \Delta \theta)  sin(θ+Δθ)
几何直观
如图,纵坐标增量 Δ y = ∣ P R ∣ \Delta y = |PR| Δy=PR,线段 PQ 则是对弧线 P Q ⌢ \overset{\LARGE{\frown}}{PQ} PQ的近似,我们可以很容易得到   ∣ P Q ∣ ≈ Δ θ \ |PQ| \approx \Delta\theta  PQΔθ。考虑到 Δ θ \Delta \theta Δθ 为微小量,线段 PQ 几乎是圆的一条切线,以至于 ∠ O P Q \angle OPQ OPQ 近似为直角,由几何关系, ∠ R P Q ≈ θ \angle RPQ \approx \theta RPQθ,则   c o s   θ ≈ ∣ P R ∣ Δ θ = s i n ( θ + Δ θ ) − s i n   θ Δ θ . \ cos\ \theta \approx \frac{|PR|}{\Delta\theta}=\frac{sin(\theta+\Delta\theta)-sin\ \theta}{\Delta\theta}.  cos θΔθPR=Δθsin(θ+Δθ)sin θ.
几何近似
那么,当 Δ θ → 0 \Delta\theta \to 0 Δθ0 时,这一近似结果就越准确,直到 lim ⁡ Δ θ → 0 s i n ( θ + Δ θ ) − s i n   θ Δ θ = c o s   θ \lim_{\Delta\theta \to 0} \frac{sin(\theta+\Delta\theta)-sin\ \theta}{\Delta\theta} = cos\ \theta Δθ0limΔθsin(θ+Δθ)sin θ=cos θ
成立。

y = c o s   θ y = cos\ \theta y=cos θ 同理易证,但是需要注意余弦函数的单调性(单调递减,增量为负)。

导数积的运算法则的证明

( u v ) ′ = u ′ v + u v ′ \boxed{(uv)'=u'v+uv'} (uv)=uv+uv

( u v ) ′ = lim ⁡ Δ x → 0 u ( x + Δ x ) v ( x + Δ x ) − u ( x ) v ( x ) Δ x (uv)' = \lim_{\Delta x \to 0} \frac{u(x+\Delta x)v(x+\Delta x)-u(x)v(x)}{\Delta x} (uv)=Δx0limΔxu(x+Δx)v(x+Δx)u(x)v(x)

我们希望构造出 [ u ( x + Δ x ) − u ( x ) ] v ( x ) \left[u(x+\Delta x) - u(x)\right]v(x) [u(x+Δx)u(x)]v(x) 这一项以期凑出 u ′ ( x ) u'(x) u(x),于是我们注意到
u ( x + Δ x ) v ( x ) − u ( x + Δ x ) v ( x ) = 0 u(x+\Delta x)v(x)-u(x+\Delta x)v(x)=0 u(x+Δx)v(x)u(x+Δx)v(x)=0

代入得
( u v ) ′ = lim ⁡ Δ x → 0 u ( x + Δ x ) v ( x ) − u ( x ) v ( x ) + u ( x + Δ x ) v ( x + Δ x ) − u ( x + Δ x ) v ( x ) Δ x = lim ⁡ Δ x → 0 { [ u ( x + Δ x ) − u ( x ) Δ x ] v ( x ) + u ( x + Δ x ) [ v ( x + Δ x ) − v ( x ) Δ x ] } = u ′ ( x ) v ( x ) + lim ⁡ Δ x → 0 { u ( x + Δ x ) [ v ( x + Δ x ) − v ( x ) Δ x ] } = u ′ ( x ) v ( x ) + u ( x ) v ′ ( x ) . \begin{aligned} (uv)'&= \lim_{\Delta x \to 0} \frac{u(x+\Delta x)v(x)-u(x)v(x)+u(x+\Delta x)v(x+\Delta x)-u(x+\Delta x)v(x)}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \left\{ \left[\frac{u(x+\Delta x)-u(x)}{\Delta x}\right]v(x)+u(x+\Delta x) \left[\frac{v(x+\Delta x)-v(x)}{\Delta x}\right] \right\} \\\\ &= u'(x)v(x)+\lim_{\Delta x \to 0} \left\{u(x+\Delta x) \left[\frac{v(x+\Delta x)-v(x)}{\Delta x}\right] \right\} \\\\ &= u'(x)v(x)+u(x)v'(x). \end{aligned} (uv)=Δx0limΔxu(x+Δx)v(x)u(x)v(x)+u(x+Δx)v(x+Δx)u(x+Δx)v(x)=Δx0lim{[Δxu(x+Δx)u(x)]v(x)+u(x+Δx)[Δxv(x+Δx)v(x)]}=u(x)v(x)+Δx0lim{u(x+Δx)[Δxv(x+Δx)v(x)]}=u(x)v(x)+u(x)v(x).
3b1b

导数商的法则的证明

( u v ) ′ = u ′ v − u v ′ v 2 \boxed{\left(\frac{u}{v}\right)'=\frac{u'v-uv'}{v^2}} (vu)=v2uvuv

( u v ) ′ = lim ⁡ Δ x → 0 u ( x + Δ x ) v ( x + Δ x ) − u ( x ) v ( x ) Δ x \begin{aligned} \left(\frac{u}{v}\right)' = \lim_{\Delta x \to 0} \frac{\frac{u(x+\Delta x)}{v(x+\Delta x)}-\frac{u(x)}{v(x)}}{\Delta x} \end{aligned} (vu)=Δx0limΔxv(x+Δx)u(x+Δx)v(x)u(x)

Δ u = u ( x + Δ x ) − u ( x ) \Delta u = u(x+\Delta x)-u(x) Δu=u(x+Δx)u(x) Δ v = v ( x + Δ x ) − v ( x ) \Delta v = v(x+\Delta x)-v(x) Δv=v(x+Δx)v(x) ,则有
u ( x + Δ x ) v ( x + Δ x ) − u ( x ) v ( x ) = u + Δ u v + Δ v − u v = ( u + Δ u ) v − u ( v + Δ v ) ( v + Δ v ) v = u v + ( Δ u ) v − u v + u ( Δ v ) ( v + Δ v ) v = ( Δ u ) v + u ( Δ v ) ( v + Δ v ) v \begin{aligned} \frac{u(x+\Delta x)}{v(x+\Delta x)}-\frac{u(x)}{v(x)} &= \frac{u+\Delta u}{v+\Delta v} - \frac{u}{v} \\\\ &= \frac{(u+\Delta u)v-u(v+\Delta v)}{(v+\Delta v)v} \\\\ &= \frac{uv+(\Delta u)v-uv+u(\Delta v)}{(v+\Delta v)v} \\\\ &= \frac{(\Delta u)v+u(\Delta v)}{(v+\Delta v)v} \end{aligned} v(x+Δx)u(x+Δx)v(x)u(x)=v+Δvu+Δuvu=(v+Δv)v(u+Δu)vu(v+Δv)=(v+Δv)vuv+(Δu)vuv+u(Δv)=(v+Δv)v(Δu)v+u(Δv)

我们有
( u v ) ′ = lim ⁡ Δ x → 0 ( Δ u ) v + u ( Δ v ) ( v + Δ v ) u Δ x = lim ⁡ Δ x → 0 1 Δ x ( Δ u ) v + u ( Δ v ) ( v + Δ v ) u = lim ⁡ Δ x → 0 ( Δ u Δ x ) v − u ( Δ v Δ x ) ( v + Δ v ) v = ( d u d x ) v − u ( d v d x ) v 2 = u ′ v − u v ′ v 2 . \begin{aligned} \left(\frac{u}{v}\right)' &= \lim_{\Delta x \to 0} \frac{\frac{(\Delta u)v+u(\Delta v)}{(v+\Delta v)u}}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{1}{\Delta x} \frac{(\Delta u)v+u(\Delta v)}{(v+\Delta v)u} \\\\ &= \lim_{\Delta x \to 0} \frac{\left(\frac{\Delta u}{\Delta x}\right) v-u\left(\frac{\Delta v}{\Delta x}\right)}{(v+\Delta v)v} \\\\ &= \frac{ \left( \frac{du}{dx}\right)v-u \left( \frac{dv}{dx}\right)}{v^2} \\\\ &= \frac{u'v-uv'}{v^2}. \end{aligned} (vu)=Δx0limΔx(v+Δv)u(Δu)v+u(Δv)=Δx0limΔx1(v+Δv)u(Δu)v+u(Δv)=Δx0lim(v+Δv)v(ΔxΔu)vu(ΔxΔv)=v2(dxdu)vu(dxdv)=v2uvuv.

链式法则的证明

d y d t = d y d x d x d t \boxed{\frac{dy}{dt}= \frac{dy}{dx} \frac{dx}{dt}} dtdy=dxdydtdx

d y = d y d x d x = d y d x d x d t d t . \begin{aligned} dy &= \frac{dy}{dx} dx \\\\ &= \frac{dy}{dx} \frac{dx}{dt} dt. \end{aligned} dy=dxdydx=dxdydtdxdt.

有理幂函数求导法则的证明

a ∈ Q a \in Q aQ,则有
d d x ( x a ) = a x a − 1 \boxed{\frac{d}{dx} (x^a)=ax^{a-1}} dxd(xa)=axa1

假设 a = m n a=\frac{m}{n} a=nm,其中 m ∈ N m \in N mN n ∈ N n \in N nN,我们有 y = x m n y = x^{\frac{m}{n}} y=xnm,则

y n = ( x m n ) n y n = x m \begin{aligned} y^n &= \left(x^{\frac{m}{n}}\right)^n \\ y^n &= x^m \end{aligned} ynyn=(xnm)n=xm

等式两边同时求导
d d x y n = d d x x m ( d d y y n ) d y d x = m x m − 1 n y n − 1   d y d x = m x m − 1 d y d x = m n x m − 1 y n − 1 \begin{aligned} \frac{d}{dx} y^n &= \frac{d}{dx} x^m \\\\ \left(\frac{d}{dy} y^n\right) \frac{dy}{dx} &= mx^{m-1} \\\\ ny^{n-1}\ \frac{dy}{dx} &= mx^{m-1} \\\\ \frac{dy}{dx} &= \frac{m}{n} \frac{x^{m-1}}{y^{n-1}} \end{aligned} dxdyn(dydyn)dxdynyn1 dxdydxdy=dxdxm=mxm1=mxm1=nmyn1xm1

y = x m n y = x^{\frac{m}{n}} y=xnm 代入方程得
d y d x = m n [ x m − 1 ( x m n ) n − 1 ] = m n [ x m − 1 x m ( n − 1 ) n ] = m n x [ ( m − 1 ) − m ( n − 1 ) n ] = m n x [ n ( m − 1 ) − m ( n − 1 ) n ] = m n x m − n n = m n x m n − 1 = a x a − 1 . \begin{aligned} \frac{dy}{dx} &= \frac{m}{n} \left[ \frac{x^{m-1}}{(x^{\frac{m}{n}})^{n-1}}\right] \\\\ &= \frac{m}{n} \left[ \frac{x^{m-1}}{x^{\frac{m(n-1)}{n}}}\right] \\\\ &= \frac{m}{n} x^{\left[(m-1)-\frac{m(n-1)}{n}\right]} \\\\ &= \frac{m}{n} x^{\left[\frac{n(m-1)-m(n-1)}{n}\right]} \\\\ &= \frac{m}{n} x^{\frac{m-n}{n}} \\\\ &= \frac{m}{n} x^{\frac{m}{n}-1} \\\\ &= ax^{a-1}. \end{aligned} dxdy=nm[(xnm)n1xm1]=nm[xnm(n1)xm1]=nmx[(m1)nm(n1)]=nmx[nn(m1)m(n1)]=nmxnmn=nmxnm1=axa1.

反函数求导法则的证明

d x d y = 1 d y d x \boxed{\frac{dx}{dy}=\frac{1}{\frac{dy}{dx}}} dydx=dxdy1

我们有 y = f ( x ) y = f(x) y=f(x) f − 1 ( y ) = x f^{-1}(y)=x f1(y)=x,则
d d x [ f − 1 ( y ) ] = d d x ( x ) d d x [ f − 1 ( y ) ] = 1 \begin{aligned} \frac{d}{dx}[f^{-1}(y)] &= \frac{d}{dx} (x) \\\\ \frac{d}{dx}[f^{-1}(y)] &= 1 \\\\ \end{aligned} dxd[f1(y)]dxd[f1(y)]=dxd(x)=1

由链式法则
d d y [ f − 1 ( x ) ]   d y d x = 1 d d y [ f − 1 ( x ) ] = 1 d y d x . \begin{aligned} \frac{d}{dy}[f^{-1}(x)]\ \frac{dy}{dx} &= 1 \\\\ \frac{d}{dy}[f^{-1}(x)] &= \frac{1}{\frac{dy}{dx}}. \\\\ \end{aligned} dyd[f1(x)] dxdydyd[f1(x)]=1=dxdy1.

反正切函数导数公式的推导

d d x a r c t a n ( x ) = 1 1 + x 2 \boxed{\frac{d}{dx}arctan(x) = \frac{1}{1+x^2}} dxdarctan(x)=1+x21

我们有 y = a r c t a n ( x ) = t a n − 1 ( x ) y = arctan(x)=tan^{-1}(x) y=arctan(x)=tan1(x) ,等式两边同时取正切以简化方程:
t a n   y = t a n [ t a n − 1 ( x ) ] t a n   y = x \begin{aligned} tan\ y &= tan[tan^{-1}(x)] \\ tan \ y &= x \end{aligned} tan ytan y=tan[tan1(x)]=x

在这里插入图片描述
如图,我们限制函数 t a n ( x ) tan(x) tan(x) 的定义域为 ( − π 2 , π 2 ) \left(-\frac{\pi}{2}, \frac{\pi}{2}\right) (2π,2π) ,我们沿 y = x y=x y=x t a n ( x ) tan(x) tan(x) 翻转即可得到反函数 t a n − 1 ( x ) tan^{-1}(x) tan1(x)
在这里插入图片描述
我们可以知道, lim ⁡ x → ∞ t a n − 1 ( x ) = π 2 \lim_{x\to \infty} tan^{-1}(x) = \frac{\pi}{2} limxtan1(x)=2π ,而我们显然可以推导出
d d y t a n   y = d d y s i n   y c o s   y = c o s 2 y   − s i n 2 y c o s 2 y = 1 c o s 2 y = s e c 2 y \begin{aligned} \frac{d}{dy} tan\ y &= \frac{d}{dy} \frac{sin\ y}{cos\ y} \\\\ &= \frac{cos^2 y \ -sin^2y}{cos^2 y} \\\\ &= \frac{1}{cos^2 y} \\\\ &= sec^2 y \end{aligned} dydtan y=dydcos ysin y=cos2ycos2y sin2y=cos2y1=sec2y

我们对 t a n   y = x tan\ y = x tan y=x 两边同时求导
d d x [ t a n ( y ) ] = d d x x d d y [ t a n ( y ) ]   d y d x = 1 1 c o s 2 y   d y d x = 1 d y d x = c o s 2 y \begin{aligned} \frac{d}{dx}[tan(y)] &= \frac{d}{dx} x \\\\ \frac{d}{dy}[tan(y)]\ \frac{dy}{dx} &= 1 \\\\ \frac{1}{cos^2y}\ \frac{dy}{dx} &= 1 \\\\ \frac{dy}{dx} &= cos^2y \end{aligned} dxd[tan(y)]dyd[tan(y)] dxdycos2y1 dxdydxdy=dxdx=1=1=cos2y

我们仍需要以 x x x 消去 y y y,由三角关系, c o s ( y ) = 1 1 + x 2 cos(y)= \frac{1}{\sqrt{1+x^2}} cos(y)=1+x2 1,那么 c o s 2 ( y ) = 1 1 + x 2 cos^2(y) = \frac{1}{1+x^2} cos2(y)=1+x21,则
d d x a r c t a n ( x ) = 1 1 + x 2 . \frac{d}{dx} arctan(x) = \frac{1}{1+x^2}. dxdarctan(x)=1+x21.

指数函数导数公式的推导

d d x a x = a x ln ⁡ a \boxed{\frac{d}{dx}a^x=a^x\ln a} dxdax=axlna

引入

由导数的定义
d d x a x = lim ⁡ Δ x → 0 a x + Δ x − a x Δ x = lim ⁡ Δ x → 0 a x a Δ x − a x Δ x = lim ⁡ Δ x → 0 a x a Δ x − 1 Δ x = a x lim ⁡ Δ x → 0 a Δ x − 1 Δ x \begin{aligned} \frac{d}{dx} a^x &= \lim_{\Delta x \to 0} \frac{a^{x+\Delta x}-a^x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} \frac{a^x a^{\Delta x} - a^x}{\Delta x} \\\\ &= \lim_{\Delta x \to 0} a^x \frac{a^{\Delta x}-1}{\Delta x} \\\\ &= a^x\lim_{\Delta x \to 0} \frac{a^{\Delta x}-1}{\Delta x} \\\\ \end{aligned} dxdax=Δx0limΔxax+Δxax=Δx0limΔxaxaΔxax=Δx0limaxΔxaΔx1=axΔx0limΔxaΔx1

lim ⁡ Δ x → 0 a Δ x − 1 Δ x = M ( a ) \lim_{\Delta x \to 0} \frac{a^{\Delta x}-1}{\Delta x} = M(a) limΔx0ΔxaΔx1=M(a) ,则有
d d x a x = M ( a )   a x \frac{d}{dx}a^x = M(a)\ a^x dxdax=M(a) ax

由于 d d x a x ∣ x = 0 = M ( a ) \frac{d}{dx} a^x |_{x=0}=M(a) dxdaxx=0=M(a) ,我们只需要求解出 y = a x y=a^x y=ax 图象在 x = 0 x=0 x=0 处切线的斜率即可得到指数函数导数公式。假设一个常数 e e e ,使得 M ( e ) = 1 M(e)=1 M(e)=1 ,那么有
d d x e x = e x \boxed{\frac{d}{dx} e^x=e^x} dxdex=ex

同时, y = e x y=e^x y=ex 图象在 x = 0 x=0 x=0 的切线斜率为 1. 下面证 e e e唯一性(不完全):

随着底数 a a a 增长,指数函数的图象愈来愈陡峭,则其导数单调递增,当 a = 1 a=1 a=1 时, a x = 1 a^x=1 ax=1 恒成立且对应指数函数图象斜率恒为 0;我们用割线来逼近 a = 2 a=2 a=2 以及 a = 4 a=4 a=4 的情况:
在这里插入图片描述
如图,从 ( 0 , 1 ) (0,1) (0,1) ( 1 , 2 ) (1,2) (1,2) 关于 y = 2 x y=2^x y=2x 的割线斜率为 1,我们很容易可以看出, M ( 2 ) < 1 M(2)<1 M(2)<1

如下图,从 ( − 1 2 , 1 2 ) (-\frac{1}{2}, \frac{1}{2}) (21,21) ( 1 , 0 ) (1,0) (1,0) 关于 y = 4 x y=4^x y=4x 的割线斜率为 1,我们也可以得到 M ( 4 ) > 1 M(4)>1 M(4)>1
在这里插入图片描述
由于 y = a x y=a^x y=ax 的导数必定连续且单增,则 M ( a ) M(a) M(a) 也连续且单增,由上述推理可知 a ∈ ( 2 , 4 ) a \in (2, 4) a(2,4) 有且只有一个 e e e 满足 M ( a ) = 1 M(a) =1 M(a)=1 ,唯一性得证。

自然对数是以 e e e 为底的指数函数的反函数:
y = e x , ln ⁡ ( y ) = x y=e^x, \ln (y)=x y=ex,ln(y)=x

w = ln ⁡ x w=\ln x w=lnx,则有
d d x e w = d d x x d d w ( e w )   d w d x = 1 e w   d w d x = 1 d w d x = 1 e w \begin{aligned} \frac{d}{dx}e^w &= \frac{d}{dx} x \\\\ \frac{d}{dw}(e^w)\ \frac{dw}{dx} &= 1 \\\\ e^w\ \frac{dw}{dx} &= 1 \\\\ \frac{dw}{dx} &= \frac{1}{e^w}\\\\ \end{aligned} dxdewdwd(ew) dxdwew dxdwdxdw=dxdx=1=1=ew1

由假设,我们有
d d x ln ⁡ x = 1 x \boxed{\frac{d}{dx} \ln x=\frac{1}{x}} dxdlnx=x1
在这里插入图片描述

证明

第一种方法:代入消元

我们使用 e e e 重新表达 a x a^x ax
a x = ( e ln ⁡ a ) x = e x ln ⁡ a a^x=\left(e^{\ln a}\right)^x=e^{x\ln a} ax=(elna)x=exlna

由链式法则,我们可以得到
d d x e x ln ⁡ a = ( ln ⁡ a )   e x ln ⁡ a . \frac{d}{dx} e^{x \ln a}=(\ln a)\ e^{x\ln a}. dxdexlna=(lna) exlna.


d d x a x = a x ln ⁡ a \boxed{\frac{d}{dx}a^x=a^x\ln a} dxdax=axlna

那么, M ( a ) = ln ⁡ a M(a) = \ln a M(a)=lna .

第二种方法:对数微分

u = a x u=a^x u=ax ,而由链式法则, d d x ln ⁡ u = 1 u d u d x \frac{d}{dx}\ln u=\frac{1}{u} \frac{du}{dx} dxdlnu=u1dxdu,即 ( ln ⁡ u ) ′ = u ′ u . (\ln u)'=\frac{u'}{u}. (lnu)=uu. 则有

ln ⁡ u = ln ⁡ ( a x ) ln ⁡ u = x ln ⁡ a ( ln ⁡ u ) ′ = ln ⁡ a \begin{aligned} \ln u &= \ln (a^x) \\ \ln u &= x\ln a \\ (\ln u)' &= \ln a \end{aligned} lnulnu(lnu)=ln(ax)=xlna=lna

( ln ⁡ u ) ′ = u ′ u (\ln u)'=\frac{u'}{u} (lnu)=uu 可得 u ′ = u ( ln ⁡ u ) ′ u'=u(\ln u)' u=u(lnu) ,即 ( a x ) ′ = a x ln ⁡ a . (a^x)' = a^x \ln a. (ax)=axlna.

幂指函数导数公式的推导

d d x x x = x x ( 1 + ln ⁡ x ) \boxed{\frac{d}{dx}x^x=x^x(1+\ln x)} dxdxx=xx(1+lnx)

之前我们已然推导出 ( ln ⁡ u ) ′ = u ′ u (\ln u)'=\frac{u'}{u} (lnu)=uu,设 v = x x v=x^x v=xx ,我们利用对数微分的技巧求解 v ′ v' v
ln ⁡ v = x ln ⁡ x ( ln ⁡ v ) ′ = ln ⁡ x + x ⋅ 1 x = v ′ v \begin{aligned} \ln v &= x \ln x \\ (\ln v)' &= \ln x + x \cdot \frac{1}{x} \\ &= \frac{v'}{v} \end{aligned} lnv(lnv)=xlnx=lnx+xx1=vv

则有
v ′ x x = 1 + ln ⁡ x v ′ = x x ( 1 + ln ⁡ x ) . \begin{aligned} \frac{v'}{x^x} &= 1+\ln x \\\\ v' &=x^x(1+\ln x). \end{aligned} xxvv=1+lnx=xx(1+lnx).

幂法则(The Power Rule)的证明

我们先前证明过有理数幂函数的导数公式,现在我们将其拓展到实数域:
d d x x r = r x r − 1 \boxed{\frac{d}{dx}x^r=rx^{r-1}} dxdxr=rxr1

第一种方法:e 的代换

显然 x r = e r ln ⁡ x x^r=e^{r\ln x} xr=erlnx ,则
d d x x r = d d x e r ln ⁡ x = e r ln ⁡ x   d d x ( r ln ⁡ x ) = e r ln ⁡ x   ( r x ) = x r ( r x ) = r x r − 1 . \begin{aligned} \frac{d}{dx}x^r &= \frac{d}{dx} e^{r\ln x} = e^{r\ln x}\ \frac{d}{dx}(r\ln x) \\\\ &= e^{r\ln x}\ \left(\frac{r}{x}\right) \\\\ &= x^r \left(\frac{r}{x}\right) = rx^{r-1}. \end{aligned} dxdxr=dxderlnx=erlnx dxd(rlnx)=erlnx (xr)=xr(xr)=rxr1.

第二种方法:对数微分

我们定义 f ( x ) = x r f(x)=x^r f(x)=xr,则有
ln ⁡ f = r ln ⁡ x ( ln ⁡ f ) ′ = f ′ f = r x f ′ = f ( ln ⁡ f ) ′ = x r ( r x ) = r x r − 1 . \begin{aligned} \ln f &= r\ln x \\ (\ln f)' &= \frac{f'}{f} = \frac{r}{x} \\ f' &= f(\ln f)' = x^r \left(\frac{r}{x}\right) \\ &= rx^{r-1}. \end{aligned} lnf(lnf)f=rlnx=ff=xr=f(lnf)=xr(xr)=rxr1.

e 的极限本质

在这里插入图片描述

lim ⁡ n → ∞ ( 1 + 1 n ) n = e \boxed{\lim_{n\to \infty}\left(1+\frac{1}{n}\right)^n = e} nlim(1+n1)n=e

取自然对数
ln ⁡ [ ( 1 + 1 n ) n ] = n ln ⁡ ( 1 + 1 n ) \ln \left[\left(1+\frac{1}{n}\right)^n\right] = n\ln \left(1+\frac{1}{n}\right) ln[(1+n1)n]=nln(1+n1)

n → ∞ n\to \infty n 时, Δ x = 1 n → 0 \Delta x =\frac{1}{n} \to 0 Δx=n10 n = 1 Δ x n=\frac{1}{\Delta x} n=Δx1,这样我们就可以将其转换为趋近于 0 的极限问题:

lim ⁡ n → ∞ n ln ⁡ ( 1 + 1 n ) = lim ⁡ Δ x → 0 [ 1 Δ x ln ⁡ ( 1 + Δ x ) ] \begin{aligned} \lim_{n\to \infty}n\ln \left(1+\frac{1}{n}\right) &= \lim_{\Delta x \to 0} \left[\frac{1}{\Delta x} \ln (1+\Delta x)\right] \\\\ \end{aligned} nlimnln(1+n1)=Δx0lim[Δx1ln(1+Δx)]

利用 ln ⁡ 1 = 0 \ln 1 = 0 ln1=0 这一性质,我们可以构造出熟悉的导数极限定义式的形式:
lim ⁡ Δ x → 0 [ 1 Δ x ln ⁡ ( 1 + Δ x ) ] = lim ⁡ Δ x → 0 { 1 Δ x [ ln ⁡ ( 1 + Δ x ) − ln ⁡ 1 ] } = lim ⁡ Δ x → 0 ln ⁡ ( 1 + Δ x ) − ln ⁡ 1 Δ x = d d x ln ⁡ x   ∣ x = 1 = 1 x   ∣ x = 1 = 1 \begin{aligned} \lim_{\Delta x \to 0} \left[\frac{1}{\Delta x} \ln (1+\Delta x)\right] &= \lim_{\Delta x\to 0} \left\{ \frac{1}{\Delta x} \big [ \ln (1+\Delta x)-\ln 1 \big ]\right\} \\\\ &= \lim_{\Delta x \to 0} \frac{\ln (1+\Delta x)-\ln 1}{\Delta x} \\\\ &= \frac{d}{dx} \ln x\ \bigg|_{x=1} = \frac{1}{x}\ \bigg|_{x=1} \\\\ &= 1 \end{aligned} Δx0lim[Δx1ln(1+Δx)]=Δx0lim{Δx1[ln(1+Δx)ln1]}=Δx0limΔxln(1+Δx)ln1=dxdlnx  x=1=x1  x=1=1

这是原极限取自然对数的结果,意味着
lim ⁡ n → ∞ ( 1 + 1 n ) n = lim ⁡ n → ∞ e ln ⁡ [ ( 1 + 1 n ) n ] = e lim ⁡ n → ∞ ln ⁡ [ ( 1 + 1 n ) n ] = e 1 = e . \begin{aligned} \lim_{n\to \infty}\left(1+\frac{1}{n}\right)^n &= \lim_{n\to \infty} e^{\ln\left[ \left(1+\frac{1}{n}\right)^n\right]} \\\\ &= e^{\lim_{n\to \infty}\ln\left[ \left(1+\frac{1}{n}\right)^n\right]} \\\\ &= e^1 = e. \end{aligned} nlim(1+n1)n=nlimeln[(1+n1)n]=elimnln[(1+n1)n]=e1=e.

双曲函数导数公式的推导

双曲正弦函数
sinh ⁡ ( x ) = e x − e − x 2 \sinh(x) = \frac{e^x-e^{-x}}{2} sinh(x)=2exex

双曲余弦函数
cosh ⁡ ( x ) = e x + e − x 2 \cosh(x) = \frac{e^x+e^{-x}}{2} cosh(x)=2ex+ex

则有
d d x sinh ⁡ ( x ) = cosh ⁡ ( x ) \boxed{\frac{d}{dx}\sinh(x) = \cosh(x)} dxdsinh(x)=cosh(x)

d d x cosh ⁡ ( x ) = sinh ⁡ ( x ) \boxed{\frac{d}{dx}\cosh(x) = \sinh(x)} dxdcosh(x)=sinh(x)

d d x sinh ⁡ ( x ) = e x − ( − e − x ) 2 = cosh ⁡ ( x ) . \frac{d}{dx} \sinh(x) = \frac{e^x-(-e^{-x})}{2} = \cosh(x). dxdsinh(x)=2ex(ex)=cosh(x).

cosh ⁡ ( x ) \cosh(x) cosh(x) 同理可证。

重要性质的证明

cosh ⁡ 2 ( x ) − sinh ⁡ 2 ( x ) = 1 \boxed{\cosh^2(x)-\sinh^2(x)=1} cosh2(x)sinh2(x)=1

cosh ⁡ 2 ( x ) − sinh ⁡ 2 ( x ) = ( e x + e − x 2 ) 2 − ( e x − e − x 2 ) 2 = 1 4 ( e 2 x + 2 e x e − x + e − 2 x ) − 1 4 ( e 2 x − 2 + e − 2 x ) = 1 4 ( 2 + 2 ) = 1. \begin{aligned} \cosh^2(x)-\sinh^2(x) &= \left(\frac{e^x+e^{-x}}{2}\right)^2-\left(\frac{e^x-e^{-x}}{2}\right)^2 \\\\ &= \frac{1}{4} (e^{2x}+2e^xe^{-x}+e^{-2x}) - \frac{1}{4} (e^{2x}-2+e^{-2x}) \\\\ &= \frac{1}{4} (2+2) = 1. \end{aligned} cosh2(x)sinh2(x)=(2ex+ex)2(2exex)2=41(e2x+2exex+e2x)41(e2x2+e2x)=41(2+2)=1.

来谷唯湖

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2070994.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SSH 远程登录报错:kex_exchange_identification: Connection closed.....

一 问题起因 在公司,使用ssh登录远程服务器。有一天,mac终端提示:`kex_exchange_identification: Connection closed by remote host Connection closed by UNKNOWN port 65535`。 不知道为啥会出现这样的情形,最近这段时间登录都是正常的,不知道哪里抽风了,就提示这个。…

C++初学(15)

前面学习了循环的工作原理&#xff0c;接下来来看看循环完成的一项最常见的任务&#xff1a;逐字符地读取来自文本或键盘的文本。 15.1、使用cin进行输入 如果需要程序使用循环来读取来自键盘的文本输入&#xff0c;则必须有办法直到何时停止读取。一种方式是选择某个特殊字符…

发布分班查询,老师都在用哪个小程序?

新学期伊始&#xff0c;校园里又迎来了一批朝气蓬勃的新生。老师们的日程表上&#xff0c;除了日常的教学准备&#xff0c;还多了一项重要的任务——分班。这项工作不仅需要老师们精心策划&#xff0c;以确保每个班级的平衡&#xff0c;还要在分班完成后&#xff0c;及时将结果…

系统架构不是设计出来的

今天给大家分享一个 X/ Twitter 早期系统架构演变的故事&#xff0c;内容来自《数据密集型应用系统设计》这本书&#xff0c;具体数据来自 X/ Twitter 在 2012 年 11 月发布的分享。 推特的两个主要业务是&#xff1a; 发布推文&#xff08;Tweets&#xff09;。用户可以向其粉…

零基础入门~汇编语言(第四版王爽)~第3章寄存器(内存访问)

文章目录 前言3.1 内存中字的存储3.2 DS 和[address]3.3 字的传送3.4 mov、add、sub指令3.5 数据段检测点3.13.6 栈3.7 CPU提供的栈机制3.8 栈顶超界的问题3.9 push、pop指令3.10 栈 段检测点3.2实验2 用机器指令和汇编指令编程 前言 第2章中&#xff0c;我们主要从CPU 如何执…

2月公开赛Web-ssrfme

考点&#xff1a; redis未授权访问 源码&#xff1a; <?php highlight_file(__file__); function curl($url){ $ch curl_init();curl_setopt($ch, CURLOPT_URL, $url);curl_setopt($ch, CURLOPT_HEADER, 0);echo curl_exec($ch);curl_close($ch); }if(isset($_GET[url…

回归预测 | Matlab实现WOA-ESN鲸鱼算法优化回声状态网络多输入单输出回归预测

回归预测 | Matlab实现WOA-ESN鲸鱼算法优化回声状态网络多输入单输出回归预测 目录 回归预测 | Matlab实现WOA-ESN鲸鱼算法优化回声状态网络多输入单输出回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab实现WOA-ESN鲸鱼算法优化回声状态网络多输入单输出…

vue3 生命周期钩子

在 Vue 3 中&#xff0c;可以在组件不同阶段的生命周期执行特定逻辑。 生命周期整体分为四个阶段&#xff1a;创建、挂载、更新、卸载。 创建阶段 组合式APIsetup() 这是组合式 API 的入口点&#xff0c;在组件实例创建之前被调用。在此阶段&#xff0c;可以初始化响应式数据…

一键批量查询邮政快递,物流状态尽在掌握

邮政快递批量查询&#xff0c;轻松掌握物流动态 在电商行业蓬勃发展的今天&#xff0c;邮政快递作为连接商家与消费者的桥梁&#xff0c;其物流信息的及时性和准确性对于提升客户体验至关重要。然而&#xff0c;面对海量的快递单号&#xff0c;如何高效地进行批量查询&#xf…

【最长上升子序列】

题目 代码 #include <bits/stdc.h> using namespace std; const int N 1010; int a[N], f[N]; int main() {int n;cin >> n;for(int i 1; i < n; i) cin >> a[i];int res 0;for(int i 1; i < n; i){f[i] 1;for(int j 1; j < i; j){if(a[j] &…

(贪心) LeetCode 135. 分发糖果

原题链接 一. 题目描述 n 个孩子站成一排。给你一个整数数组 ratings 表示每个孩子的评分。 你需要按照以下要求&#xff0c;给这些孩子分发糖果&#xff1a; 每个孩子至少分配到 1 个糖果。 相邻两个孩子评分更高的孩子会获得更多的糖果。 请你给每个孩子分发糖果&#xf…

UE5 蓝图 计算当前时间段

思路&#xff1a; 那当前hour与阈值hour对比 。小于返回&#xff0c;大于就继续循环对比。 临时变量 折叠图表↓

快排之自省排序

introsort是introspective sort采⽤了缩写&#xff0c;他的名字其实表达了他的实现思路&#xff0c;他的思路就是进行⾃我侦测和反省&#xff0c;快排递归深度太深&#xff08;sgi stl中使⽤的是深度为2倍排序元素数量的对数值&#xff09;那就说明在这种数据序列下&#xff0c…

数据结构-栈与队列-数组和链表的推广运用-第六天

hello算法 1.数组和队列作为最基础的两种数据结构&#xff0c;区别主要在于&#xff1a; 1.数组是连续存储&#xff0c;因此可以利用一个开始节点的地址直接确定其他的节点地址。 2.链表未绑定的存储顺序&#xff0c;具有更灵活快捷的增删改查。 3.为了解决存储的问题&#xf…

【Simulink】使用简化机械臂系统动力学的抓取和放置任务及轨迹调度

abbSavedConfigs.mat 文件中的配置 文件中保存了多个关节角度配置&#xff0c;每个配置对应不同的机器人操作步骤。这些配置通常用于控制机器人在执行任务时的各个关键姿态和动作。 各个配置的功能解释&#xff1a; configSequence (18x7 double): 功能: 包含了机器人执行任…

外卖系统开发:如何打造一个无缝衔接的用户体验?

在如今高度竞争的外卖市场中&#xff0c;用户体验决定了一个外卖平台的成败。为了打造一个无缝衔接的用户体验&#xff0c;外卖系统的每一个环节都需要精心设计和优化&#xff0c;从用户下单到订单配送&#xff0c;每一步都必须顺畅无阻。本文将探讨如何通过技术手段和代码实现…

使用Python+os+fnmatch搜索文件和目录

一、搜索/home/Download目录下的zip压缩文件 import os from fnmatch import fnmatch# 搜索与pattern匹配的文件和目录 def find_file(pattern, path):result []for root, dirs, files in os.walk(path):for name in files:if fnmatch(name, pattern):result.append(os.path.…

R语言function快速掌握-自定义函数

R语言在生物学中运用的比较多的还是吊包然后使用内置函数进行一次性工作&#xff0c;但是生物信息与计算生物学领域确实低估和忽视了R语言在循环和自定义函数方面的优势。 在R语言中&#xff0c;function 是一个核心概念&#xff0c;它允许用户创建可重用的代码块来执行特定的…

【PHP报错已解决】‘/www/wwwroot/xxxxxx/public/../thinkphp/start.php‘

&#x1f3ac; 鸽芷咕&#xff1a;个人主页 &#x1f525; 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想&#xff0c;就是为了理想的生活! 引言&#xff1a; 作为开发者&#xff0c;遇到报错信息是在所难免的。然而&#xff0c;有些报错信息可能会让我们感到困惑&…

每日OJ_牛客_淘宝网店(日期模拟)

目录 牛客_淘宝网店&#xff08;日期模拟&#xff09; 解析代码 牛客_淘宝网店&#xff08;日期模拟&#xff09; 淘宝网店__牛客网 解析代码 这是一个变相的日期计算器。只不过2、3、5、7、11月算1天&#xff0c;其他7个月算2天。 既然是一个变相的日期计算器&#xff0c;那…