【考研数学】数学“背诵”手册（一） | 高数部分（1）

---

引言

复习到后期，去做到前面内容的题目时，有一些需要记忆的结论就比较模糊，比如微分方程的特解形式、施密特正交、各种分布的概率密度等等。我便把这些模糊的点都记录下来了，整理在一起，方便随时查阅

---

一、高数

常见泰勒展开

基本形式：$$f(x)=\sum _{n=0}^{\infty }\frac{f^{(n)}(x_0)}{n!}(x-x_0{)}^n.$$ 常见展开式：$$e^x=1+x+\frac{1}{2}{x}^2+\cdots +\frac{1}{n!}{x}^n+\cdots ,-\infty <x<+\infty .$$ $$\ln (1+x)=x-\frac{1}{2}{x}^2+\frac{1}{3}{x}^3+\cdots +(-1{)}^{n-1}\frac{x^n}{n}+\cdots ,-1<x\le 1.$$ $$\sin x=x-\frac{1}{3!}{x}^3+\frac{1}{5!}{x}^5+\cdots +(-1{)}^n\frac{x^{2n+1}}{(2n+1)!}+\cdots ,-\infty <x<+\infty .$$ $$\cos x=1-\frac{1}{2!}{x}^2+\frac{1}{4!}{x}^4+\cdots +(-1{)}^n\frac{x^{2n}}{(2n)!}+\cdots ,-\infty <x<+\infty .$$ $$\frac{1}{1+x}=1-x+x^2+\cdots +(-1{)}^n{x}^n+\cdots ,-1<x<1.$$ $$\frac{1}{1-x}=1+x+x^2+\cdots +x^n+\cdots ,-1<x<1.$$

$n$ 阶导数公式、曲率

分数 $1/(ax+b)$ 的 $n$ 阶导数：$$(\frac{1}{ax+b}{)}^{(n)}=(-1{)}^n\frac{a^{n}n!}{(ax+b{)}^{n+1}}$$ $$(\sin x{)}^{(n)}=\sin (x+\frac{n\pi }{2}),(\cos x{)}^{(n)}=\cos (x+\frac{n\pi }{2})$$

曲率与曲率半径：$$k=\frac{|y^{\prime \prime }|}{[1+(y^{\prime }{)}^2{]}^{\frac{3}{2}}},R=\frac{1}{k}$$

不可导点的判断方法

对于 $F(x)=g(x)|f(x)|$ 型的函数，判断在某点 $x_0$ 处 $f(x),g(x)$ 可导但 $F(x)$ 不可导方法为：

1. 不可导点只可能在 $f(x)$ 零点中，因此首先求出 $f(x)$ 零点；
2. 满足下列条件，就说明在 $x_0$ 处 $F(x)$ 不可导：$$\{\begin{array}{l}f(x_0)=0\\ f^{\prime }(x_0)\ne 0\\ g(x_0)\ne 0\end{array}$$

这样方法的一个原理为：一般 $f(x)$ 在某点 $x_0$ 处可导，$f^{\prime }(x)$ 在该点处均可导，只有一种情况下不可导，那就是 $f^{\prime }(x_0)\ne 0$ 时。

多元微分函数连续、可微、连续可偏导之间的关系

一元函数可微定义：设函数 $y=f(x)$ 在某区间内有定义，$x_0$ 及 $x_0+\Delta x$ 都在该区间内，若函数的增量 $\Delta y=f(x_0+\Delta x)-f(x_0)$ 可表示为 $\Delta y=A\Delta x+o(\Delta x)$ ，其中 $A$ 是不依赖于 $\Delta x$ 的常数，则称函数 $y=f(x)$ 在点 $x_0$ 是可微的，而 $A\Delta x$ 称为函数在 $x_0$ 相应于自变量增量 $\Delta x$ 的微分，记作 $dy$ ，即 $dy=A\Delta x$ 。实际上，$dy=f^{\prime }(x)\Delta x$ 。对一元函数来说，可导即为可微。

$dy$ 和 $\Delta y$ 并不等同，事实上，$\Delta y=dy+o(\Delta x)$ 。

多元函数极值

1. 无条件极值

求函数 $z=f(x)$ 的定义域 $D$ 为开区域，如果含有边界的话则需要分开计算后比较。之后令 $z_x^{\prime }=0,z_y^{\prime }=0$ ，解出极值疑点 $(x_0,y_0)$，之后进行判别，记：$$\begin{gathered} A=f_{xx}^{\prime \prime }(x_0,y_0),B=f_{xy}^{\prime \prime }(x_0,y_0),C=f_{yy}^{\prime \prime }(x_0,y_0) \\ AC-B^2\{\begin{array}{l}<0,不是极值点\\ >0\{\begin{array}{ll}A>0& ,极小值点\\ A<0& ,极大值点\end{array}\end{array} \end{gathered}$$ 如果出现 $AC-B^2=0$ ，则该方法失效，需要利用极值点的定义或特殊路径进行判断。

2. 条件极值

一般方法为拉格朗日数乘法，令 $F=f(x,y)+\lambda \phi (x,y)+\mu g(x,y)$ ，随后令 $F$ 对各个变量的偏导数为 0 ，解出备选点，比较。

解这个方程有些时候较为困难，一般思路是把 $\lambda$ 消掉，通过式子加减或乘除（注意讨论是否为零），另一思路是结合线代里线性方程组的思想，用系数矩阵的行列式判断非零解；最后就是可以化简为一元，把约束条件代入目标函数或利用参数方程。需要注意如果一元的取值是闭区间，也是要算一下边界的。

三角函数的积分性质

1. 华里士公式（ “点火”公式 ）

首先是在区间 $[0,\pi /2]$ 上 $\sin ,\cos$ 可以互换，即 $${\int }_0^{\pi /2}f(\sin x)dx={\int }_0^{\pi /2}f(\cos x)dx$$ 特别地，有华里士公式（点火公式）：$$I_n={\int }_0^{\pi /2}(\sin x{)}^{n}dx={\int }_0^{\pi /2}(\cos x{)}^{n}dx=\frac{n-1}{n}{I}_{n-2},I_0=\frac{\pi }{2},I_1=1.$$ 可以推广到更大的区间，在 $[0,\pi ]$ 上，由于 $\sin x$ 均为正，因此直接点火，乘个 2 就行。$${\int }_0^{\pi }(\sin x{)}^{n}dx=2{\int }_0^{\pi /2}(\sin x{)}^{n}dx.$$ $\cos x$ 由于一半区间为负，因此奇数次和偶数次，奇数次为 0 （可以记忆为奇函数对称为 0 ），偶数次同样是乘 2 。$${\int }_0^{\pi }(\cos x{)}^{n}dx=2{\int }_0^{\pi /2}(\cos x{)}^{n}dx$$ 对于在区间 $[0,2\pi ]$ 上，$\sin ,\cos$ 均有正有负，因此奇数次为 0 ，偶数次乘一个 4 。$${\int }_0^{2\pi }(\sin x{)}^{n}dx={\int }_0^{2\pi }(\cos x{)}^{n}dx=4{\int }_0^{\pi /2}(\sin x{)}^{n}dx.$$
2. 特殊性质

在 $[0,\pi ]$ 上可以降到 $[0,\pi /2]$ 上；证明方法为拆区间，令 $t=x-\pi /2$ ，把后半部分换掉。$${\int }_0^{\pi }f(\sin x)dx=2{\int }_0^{\pi /2}f(\sin x)dx,thenwehave,{\int }_0^{\pi /2}f(\sin x)dx={\int }_{\pi /2}^{\pi }f(\sin x)dx.$$ 多一个 $x$ 可以提到积分外面来，即 $${\int }_0^{\pi }xf(\sin x)dx=\frac{\pi }{2}{\int }_0^{\pi }f(\sin x)dx=\pi {\int }_0^{\pi /2}f(\sin x)dx.$$ 证明方法为令 $t=x-\pi$ 。

原函数与被积函数的奇偶性结论

• $f(x)$ 为奇函数可推出 ${\int }_a^{x}f(t)dt$ 为偶函数。
• $f(x)$ 为偶函数，不能得到 ${\int }_a^{x}f(t)dt$ 为奇函数，但可以得到 ${\int }_0^{x}f(t)dt$ 为奇函数。
• ${\int }_a^{x}f(x)dx$ 为奇/偶函数，一定可以推得 $f(x)$ 为相反的奇偶性。
• ${\int }_a^{x}f(x)dx$ 为周期函数，一定可以推得 $f(x)$ 也为周期函数，反之不一定。

反常积分判断收敛

首先要清楚，反常积分有两类，一类是区间是无穷，另一类是区间有限但函数无界。对于区间无穷的反常积分，主要参考对象是 $p$ 积分，即 $${\int }_a^{+\infty }\frac{1}{x^p}dx\{\begin{array}{l}收敛,p>1\\ 发散,p\le 1\end{array}$$ 对于区间有限但函数无界（如在 $a$ 处）的反常积分，主要参考对象是 $q$ 积分，即 $${\int }_a^b\frac{1}{(x-a{)}^q}dx\{\begin{array}{l}收敛,q<1\\ 发散,q\ge 1\end{array}$$ 记忆方式为，无穷小次数越高越收敛，无穷大次数越低越收敛，小于 1 就叫低，大于 1 就叫高。

解题思路为：首先找出瑕点，如 $x=a,x=+\infty$ ，如果有多个，注意要分区间，一次只能处理一个瑕点。接着将函数去进行等价，无穷小等价有很多公式，原则是低阶+高阶为低阶；无穷大等价原则是低阶+高阶为高阶。

若被积函数为幂函数，如 $x^2,\sqrt{x}$ 等等，将其等价为 $p$ 积分或 $q$ 积分。

若被积函数为指数函数，由于其干啥都快，因此按照求被积函数的极限判断即可，如瑕点为 $x=+\infty$ ，在分母里基本上极限就是无穷小，那就收敛。

若被积函数为对数函数，有以下结论：

1. ${\ln }^{a}x$ ，若瑕点是 0 ，无论 $a$ 为何值都收敛；
2. $1/{\ln }^{a}x$ ，若瑕点为 $+\infty$ ，无论 $a$ 为何值，均收敛；
3. ${\ln }^{a}x/x^p$ ，若瑕点为 $0or+\infty$，敛散性判断时只看 $1/x^p$ ；
4. $1/x^p{\ln }^{a}x$ ，若瑕点为 $0or+\infty$，当 $p\ne 1$ 时，敛散性只看 $1/x^p$ ；当 $p=1$ 时，记忆为无穷小的判断方法，即 $a$ 越大越收敛，故 $a>1$ 时，反常积分收敛，$a\le 1$ 时，发散。

微分方程的解的结构、通解公式和特解形式

1. 一阶以及可降阶

对于可分离变量的形式，有什么要记得，唯一注意的是可能需要因式分解才能做到分离变量。

齐次微分方程：令 $u=y/x$ ，则 $dy/dx=xdu/dx+u$ 。

一阶齐次线性，$dy/dx+Py=0$ ，其通解公式为 $$y=C{e}^{-\int Pdx}$$ 一阶非齐，$dy/dx+Py=Q$ ，其通解公式为 $$y=(\int Q{e}^{\int Pdx}dx+C)e^{-\int Pdx}$$

这个公式的推导方法是两边同时乘上 $e^{\int Pdx}$ ，当涉及 $Q$ 未知时，往往可以利用这个方法，把不定积分形式转化为定积分形式。

伯努利方程，$dy/dx+Py=Q{y}^n(n\ne 0,1)$ ，解法是令 $z=y^{1-n}$ ，可化为 $$\frac{dz}{dx}+(1-n)Pz=(1-n)Q.$$ 全微分方程，$Pdx+Qdy=0$ ，满足 $\partial Q/\partial x=\partial P/\partial y$ 。

可降阶的高阶微分方程，缺 $x$ 型的，则令 $y^{\prime }=p(y),y^{\prime \prime }=pdp/dy$ ；缺 $y$ 型的，则令 $y^{\prime }=p(x),y^{\prime \prime }=dp/dx$ 。

2. 高阶解的结构

1. 齐次解线性组合，仍为齐次解。
2. 齐次解 + 非齐次解 = 非齐次解。
3. 非齐次解相减为齐次解。
4. 非齐次方程可拆分，解为拆分后的解之和。
5. 非齐次解线性组合，系数和为 1 仍为非齐次解。
6. 非齐次解线性组合，系数和为 0 是齐次解。
7. 齐次线性无关的解的线性组合，为齐次的通解。特别地，二阶齐次线性微分方程有两个线性无关的解，它们进行线性组合就能得到通解。
8. 非齐通解为齐次通解 + 非齐特解。

3. 高阶常系数线性微分方程

二阶常系数齐次微分方程，$y^{\prime \prime }+p{y}^{\prime }+qy=0$ ，首先求解特征方程，判别式大于 0 ，则存在两个不同根 ${\lambda }_1,{\lambda }_2$，通解为 $$y=C_1{e}^{{\lambda }_{1}x}+C_2{e}^{{\lambda }_{2}x}$$ 若等于 0 ，则两根相同 ${\lambda }_1={\lambda }_2$ ，通解为 $$y=(C_1+C_{2}x)e^{{\lambda }_{1}x}$$ 若判别式小于 0 ，则有两个共轭虚跟 $\alpha \pm i\beta$ ，通解为 $$y=e^{\alpha x}(C_1\cos \beta x+C_2\sin \beta x)$$ 对于三阶的，可同理。

二阶常系数非齐微分方程，$y^{\prime \prime }+p{y}^{\prime }+qy=f(x)$ ，有两种情况。

一是当 $f(x)=P_n{e}^{kx}$ 时，若 $k$ 不是特征根，令特解形式为 $y=P_n^{\prime }{e}^{kx}$ ；若 $k$ 与其中一个特征根相同，多乘一个 $x$ ；若 $k$ 与两个特征根均相同，多乘一个 $x^2$ 。

二是当 $f(x)=e^{\alpha x}(P_l\cos \beta x+P_s\sin \beta x)$ 时，令 n = max ⁡ { l , s } n=\max\{l,s\} n=max{l,s} ，若 $\alpha \pm \beta i$ 不是特征根，令特解为 $y_0=e^{\alpha x}(P_n^{(1)}cos\beta x+P_n^{(2)}\sin \beta x)$ ；若是特征根，则多乘一个 $x$ 。

4. 欧拉方程

形如 $x^n{y}^{(n)}+a_{n-1}{x}^{n-1}{y}^{(n-1)}+\cdots +a_{1}x{y}^{\prime }+a_{0}y=f(x)$ ，令 $x=e^t,dx/dt=x$ ，则 $$x{y}^{\prime }=dy/dt,x{y}^{\prime \prime }=d^{2}y/d{t}^2-dy/dt$$ 这样就化为了 $y,t$ 的方程，记得求解完后变回 $x$ 。

高次韦达定理

设 $x_1,x_2,\cdots ,x_n$ 是多项式方程 $P_n(x)=a_n{x}^n+a_{n-1}{x}^{n-1}+\cdots +a_{1}x+a_0$ 的根，则有 $$x_1+x_2+\cdots +x_n=-\frac{a_{n-1}}{a_n},x_1{x}_2\cdots x_n=(-1{)}^n\frac{a_0}{a_n}.$$ 分母都是最高次项的系数，加和的分子是第二次高次项的系数，相乘的分子是最后常数项的系数，带个 $(-1{)}^n$ 。

---