最后更新: 2025-09-03 08:48 查看: 96 次纠错评论(0) 课件开VIP

逐项求导定理

## 15.3.4 求导极限定理
这里直接对一般区间 $I$ 来叙述定理。
**定理 15.8 （1）（求导极限定理）** 设函数列 $\left\{S_n(x)\right\}$ 在区间 $I$ 上存在连续的导函数，至少在某一点 $x_0 \in I$ 处收玫，又求导后的函数列 $\left\{S_n^{\prime}(x)\right\}$ 在 $I$ 上内闭一致收玫，则极限函数 $S(x)=\lim _{n \rightarrow \infty} S_n(x)$ 在 $I$ 上存在连续的导函数，且成立
$$
S^{\prime}(x)=\lim _{n \rightarrow \infty} S_n^{\prime}(x)
$$

**（2）（逐项求导定理）** 设函数项级数 $\sum_{n=1}^{\infty} u_n(x)$ 中每个 $u_n(x)$ 于区间 $I$ 上存在连续的导函数，至少在某一点 $x_0 \in I$ 处收玫，又逐项求导后得到的函数项级数 $\sum_{n=1}^{\infty} u_n^{\prime}(x)$ 在 $I$ 上内闭一致收玫，则和函数 $S(x)=\sum_{n=1}^{\infty} u_n(x)$ 在 $I$ 上存在连续的导函数，且成立

$$
\frac{d S(x)}{d x}=\frac{d}{d x} \sum_{n=1}^{\infty} u_n(x)=\sum_{n=1}^{\infty} \frac{d u_n(x)}{d x}
$$

证 只写出（1）的证明。
利用极限函数 $S(x)$ 在点 $x_0$ 已经有定义，再利用 Newton－Leibniz 公式，得到

$$
S_n(x)=S_n\left(x_0\right)+\int_{x_0}^x S_n^{\prime}(t) d t
$$

利用 $\left\{S_n^{\prime}(t)\right\}$ 在 $\left[x_0, x\right]$ 上一致收玫的条件，将其极限函数记为 $\lim _{n \rightarrow \infty} S_n^{\prime}(t)=T(t)$ ，并令 $n \rightarrow \infty$ ，应用定理 15.7 就从（15．6）得到

$$
S(x)=\lim _{n \rightarrow \infty} S_n(x)=S\left(x_0\right)+\int_{x_0}^x T(t) d t .
$$

这样就证明了极限函数 $S(x)$ 在 $I$ 上处处有定义．由于 $T(t)$ 连续，因此从（15．7）就得到
$$
S^{\prime}(x)=T(x)=\lim _{n \rightarrow \infty} S_n^{\prime}(x)
$$

注 要注意与前两个定理有不同之处。定理 15.8 中的主要条件是加在导函数组成的函数列（或逐项求导后得到的函数项级数）上，即要求它内闭一致收玫，而对于原来的函数列（或函数项级数）则只要求在一个点上收玫就够了．例如，前面见过多次的函数项级数

$$
\sum_{n=1}^{\infty} \frac{\sin n x}{n}
$$

我们已知它处处收玫，在 $(0,2 \pi)$ 上内闭一致收玫．但逐项求导后的级数是

$$
\sum_{n=1}^{\infty} \cos n x
$$

可以证明无论 $x$ 取什么值，这个级数的通项都不会是无穷小量，因此处处发散．这就证明了对（15．8）中的无穷级数逐项求导是不可能的。当然这并不表示（15．8）的和函数不可导。将来会知道 $S^{\prime}(x)=-\frac{1}{2}$ 在 $(0,2 \pi)$ 上处处成立，只是不可能用定理 15.8 来计算 $S^{\prime}(x)$ ．

`例` 证明：对一切 $x \in(-1,1)$ ，成立

$$
\sum_{n=1}^{\infty} n x^n=x+2 x^2+3 x^3+\cdots=\frac{x}{(1-x)^2} .
$$

证 我们知道函数项级数 $\sum_{n=0}^{\infty} x^n$ 在 $(-1,1)$ 上点态收敛于 $S(x)=\frac{1}{1-x}$ ，而 $\sum_{n=0}^{\infty} x^n$ 经过逐项求导，得到 $\sum_{n=1}^{\infty} n x^{n-1}$ ，对任意 $0<\rho<1$ ，当 $x \in[-\rho, \rho]$ 时，

$$
\left|n x^{n-1}\right| \leqslant n \rho^{n-1},
$$

由 $\sum_{n=1}^{\infty} n \rho^{n-1}$ 的收敛性，应用 Weierstrass 判别法 ，可知 $\sum_{n=1}^{\infty} n x^{n-1}$ 在 $[-\rho, \rho]$ 上一致收玫，换言之，函数项级数 $\sum_{n=1}^{\infty} n x^{n-1}$ 在 $(-1,1)$ 上内闭一致收敛．

应用逐项求导定理 ，对 $\sum_{n=0}^{\infty} x^n=\frac{1}{1-x}$ 进行逐项求导，即得

$$
\sum_{n=1}^{\infty} n x^{n-1}=\frac{1}{(1-x)^2},
$$

两边同时乘上 $x$ ，就得到

$$
\sum_{n=1}^{\infty} n x^n=x+2 x^2+3 x^3+\cdots=\frac{x}{(1-x)^2} .
$$

## 解读： 逐项求导定理

### 一句话通俗解释
**就像拆乐高：如果一个复杂的函数是由一堆简单的“积木块”（函数项）相加拼成的，那么对这个复杂函数求导，就相当于把这些“积木块”分别求导，然后再把它们加在一起。**

---

### 一个生动的比喻

想象你在组装一辆乐高卡车。这辆卡车是由很多个小部件组成的：车头、车厢、轮子、车窗等等。

*   **“函数项求和”**：整辆卡车 = 车头 + 车厢 + 轮子1 + 轮子2 + 车窗 + ...
*   **“求导”**：你想知道这辆卡车**微小变化**的规律（比如，速度如何变化）。

**逐项求导定理告诉你：**
你不用对着整辆复杂的成品卡车去研究它的变化规律。你可以直接**分别研究每个小部件的变化规律**，然后把所有小部件的变化规律**加起来**，得到的就是整辆卡车的变化规律。

1.  **整辆卡车的“导数”** = **车头的“导数”** + **车厢的“导数”** + **轮子1的“导数”** + ...

---

### 稍微正式一点（但依然通俗）的解释

在数学上，我们经常遇到这种形式的函数：
**S(x) = f₁(x) + f₂(x) + f³(x) + ...** （一项加一项，无穷多项）

我们想知道 S(x) 的导数 S‘(x) 是什么。

**直觉上，你可能会想：** “和的导数等于导数的和”，所以直接写成：
S‘(x) = f₁’(x) + f₂‘(x) + f₃’(x) + ...

**但是！** 这里有个巨大的陷阱：因为这是**无穷多项**相加，在数学上，“无穷”会带来很多反直觉的特性。有时候你这样直接“逐项求导”会得到错误的结果。

**逐项求导定理的核心就是告诉你：在什么条件下，你可以安全地、合法地这样做。**

这个条件主要是：**函数项级数 f₁(x) + f₂(x) + f₃(x) + ... 在你要研究的区间内必须“一致收敛”**，并且每一项 f_n(x) 的导数 f_n‘(x) 构成的新的级数也要“一致收敛”。

*   **“一致收敛”** 可以通俗地理解为：所有函数项“步调一致”地、共同地收敛到最终的总和函数 S(x)。它们合作得很好，没有谁在“捣乱”或“掉队”。

**所以，定理的完整意思是：**
**只要你的这个“无限求和”过程表现得足够好（一致收敛），并且每一项的导数构成的新的“无限求和”也表现得足够好（一致收敛），那么你想求总函数的导数，就可以大胆地把每一项先求导再相加。** 这个操作是合法的、正确的。

---

### 为什么要关心这个定理？（它的重要性）

这个定理是处理**级数**（尤其是**幂级数**）的超级工具。

**例子：指数函数 e^x**
我们知道 e^x 可以展开成一个无穷级数：
e^x = 1 + x + x²/2! + x³/3! + x⁴/4! + ...

现在我们想证明 **(e^x) 的导数就是它本身 (e^x)**，这是指数函数最重要的性质。

**证明方法：**
1.  利用逐项求导定理（可以证明这个级数满足定理条件）。
2.  对右边**逐项求导**：
    *   1 的导数是 0
    *   x 的导数是 1
    *   (x²/2!) 的导数是 (2x/2!) = x/1!
    *   (x³/3!) 的导数是 (3x²/3!) = x²/2!
    *   (x⁴/4!) 的导数是 (4x³/4!) = x³/3!
    *   ...
3.  把求导后的结果加起来：
    新级数 = 0 + **1** + **x/1!** + **x²/2!** + **x³/3!** + ...
    你看，这正好就是原始 e^x 的级数本身（只是开头少了个1，但多出来的0和1抵消了，实际上完全一样）！

所以，我们通过“拆开乐高块，分别求导，再拼回去”的方法，轻松证明了 (e^x)’ = e^x。没有这个定理，证明会困难得多。

### 总结

*   **是什么**：一个允许我们将“无限项求和”的函数的导数，转化为“先对每一项求导再求和”的定理。
*   **关键条件**：原级数和求导后的新级数都要“表现良好”（一致收敛）。
*   **核心思想**：**交换了两个数学操作（求导 ∑ 和求和 d/dx）的顺序**。定理保证了在满足条件时，**∑(d/dx) = d/dx(∑)** 这个交换是成立的。
*   **常用场景**：处理幂级数，为我们提供了一种求导的强大技巧。

## 反例：函数项级数

考虑定义在区间 `[0, 1]` 上的函数项级数：
$$ S(x) = \sum_{n=1}^{\infty} \frac{\sin(n^2 x)}{n^2} $$

**1. 级数本身的行为（非常好）**

*   **收敛性**：对于任意固定的 `x ∈ [0, 1]`，由于 $|\frac{\sin(n^2 x)}{n^2} | \le \frac{1}{n^2}$，而级数 $\sum \frac{1}{n^2}$ 是收敛的（p-级数，p=2>1）。根据**比较判别法（Weierstrass M判别法）**，原函数项级数 `S(x)` 在 `[0, 1]` 上**一致收敛**。
*   **结果**：因为一致收敛，级数的和函数 `S(x)` 在 `[0, 1]` 上是**连续**的。

**2. 尝试逐项求导（问题出现）**

现在我们尝试对 `S(x)` 求导。如果逐项求导定理适用，我们应该有：
$$ 
S‘(x) \stackrel{?}{=} \sum_{n=1}^{\infty} \frac{d}{dx} \left( \frac{\sin(n^2 x)}{n^2} \right) = \sum_{n=1}^{\infty} \frac{n^2 \cos(n^2 x)}{n^2} = \sum_{n=1}^{\infty} \cos(n^2 x) 
$$

现在，我们来分析这个求导后得到的级数 $\sum_{n=1}^{\infty} \cos(n^2 x)$。

*   **收敛性**：这个级数**几乎处处发散**（对于几乎所有 `x`，它都不收敛）。
*   **原因**：`\cos(n^2 x)` 的振荡频率随着 `n` 增大而急剧增加 (`n^2`)，并且相位没有规律。它的部分和序列不会稳定下来趋于一个极限值。你可以直观地理解为，当 `n` 很大时，`\cos(n^2 x)` 在 `-1` 和 `1` 之间疯狂、快速地振荡，加得越多，和反而越不稳定。

**3. 结论与对比**

*   **原级数**：$S(x) = \sum_{n=1}^{\infty} \frac{\sin(n^2 x)}{n^2}$ —— **性质良好，一致收敛**。
*   **导函数级数**：$\sum_{n=1}^{\infty} \cos(n^2 x)$ —— **发散**。

根据逐项求导定理，要求**导函数构成的级数也必须一致收敛**。显然，这个例子完全不满足这个条件。

因此，我们不能对这个级数 `S(x)` 进行逐项求导。虽然 `S(x)` 本身是一个性质很好的连续函数，但它的导数 `S'(x)` **并非**由 $\sum \cos(n^2 x)$ 给出。事实上，可以证明在这个例子中，`S(x)` 在绝大多数点甚至是**不可导**的。

---

### 通俗总结这个反例

想象一个由很多个小弹簧 ($\frac{\sin(n^2 x)}{n^2}$) 叠加而成的系统。

1.  **看整体形状（原函数）**：每个弹簧的振幅都很小 ($1/n^2$)，并且越来越小。所以把所有弹簧叠加起来，最终会形成一个非常**平滑、温和**的整体曲线 `S(x)`。它的整体运动是稳定的。
2.  **看瞬时速度（求导）**：但是，如果你去看每个小弹簧**自身的振动速度** ($\cos(n^2 x)$)，会发现高频弹簧 ($n$ 大的) 在以极高的速度疯狂振动（虽然振幅小）。当你把这些高速振动的速度全部加起来，得到的不是一个稳定的“整体速度”，而是一团**混乱和发散**的信号。

**这就违反了逐项求导的关键条件：** 虽然整体结果（位移）很平静，但构成它的每个部分的瞬时行为（速度）却极其混乱，导致你无法通过简单相加每个部分的瞬时行为来预测整体的瞬时行为。

这个反例深刻地说明了**逐项求导定理中“导函数级数一致收敛”这一条件的必要性**。它不是数学家故意设置的障碍，而是防止我们得出错误结论的重要保障。

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：逐项积分定理

下一篇：幂级数的收敛域-Abel第一定理与Cauchy-Hadamard 公式

本文对您是否有用？有用 (0) 无用 (0)