数项级数:
-
级数收敛的定义:部分和数列收敛
-
柯西收敛准则:任给正数 ϵ \epsilon ϵ,存在正整数 N N N,使得 m > N m>N m>N时对于任意正整数 p p p, ∣ u m + . . . u m + p ∣ < ϵ |u_{m}+...u_{m+p}|<\epsilon ∣um+...um+p∣<ϵ
-
级数收敛的必要条件: lim n → ∞ u n = 0 \lim\limits_{n\to\infty}u_n=0 n→∞limun=0
收敛级数的性质
- 级数收敛满足线性性
- 去掉,增加,改变有限个项不影响收敛性,因此可以只看 n n n很大的情况
- 收敛级数的项任意加括号,既不改变级数的收敛性,也不改变他的和,因为加完括号的数列 v n v_n vn的部分和数列 S n S_n Sn是原来部分和数列的子列。若加括号后收敛不能代表加括号前收敛。
正项级数收敛判断
-
正项级数收敛充要条件:部分和数列有界。因为正项级数部分和数列单增,单调有界数列必有极限。
-
比较原则:若存在 N N N,对于 n > N n>N n>N, u n < v n u_n<v_n un<vn,大数列收敛,则小数列收敛;小数列发散,则大数列发散。
-
推论: lim n → ∞ u n v n = l \lim\limits_{n\to\infty}\frac{u_n}{v_n}=l n→∞limvnun=l,若 0 < l < + ∞ 0<l<+\infty 0<l<+∞,则 u n , v n u_n,v_n un,vn具有同敛性;若 l = 0 l=0 l=0,则 v n v_n vn收敛, u n u_n un也收敛;若 l = ∞ l=\infty l=∞则 v n v_n vn发散, u n u_n un也发散
-
达朗贝尔判别法,对 n > N 0 n>N_0 n>N0,若 u n + 1 u n < 1 \frac{u_{n+1}}{u_n}<1 unun+1<1,则级数 u n u_n un收敛,反之则发散
-
推论:若级数 lim n → ∞ u n + 1 u n = q \lim\limits_{n\to\infty}\frac{u_{n+1}}{u_n}=q n→∞limunun+1=q,若 q < 1 q<1 q<1则 u n u_n un收敛, q > 1 q >1 q>1,则 u n u_n un发散,等于不能判断
-
柯西判别法:对 n > N 0 n>N_0 n>N0成立 u n n < 1 \sqrt[n]{u_n}<1 nun<1,则收敛,大于1则发散,等于1不能判断,因为用比较判别法与 l n l^n ln比较就可以
-
推论:若级数 lim n → ∞ u n n = l \lim\limits_{n\to\infty}\sqrt[n]{u_n}=l n→∞limnun=l, l > 1 l>1 l>1时发散, l < 1 l<1 l<1时发散,根式判别法比比式范围更加广
-
积分判别法, f ( n ) f(n) f(n)是1到正无穷的非负减函数,则 ∫ 1 ∞ f ( x ) d x \int_1^\infty f(x)dx ∫1∞f(x)dx和 ∑ f ( n ) \sum f(n) ∑f(n)有相同的敛散性。出现 ln x , 1 x \ln x,\frac{1}{x} lnx,x1可能会积分
交错级数收敛判别
莱布尼茨判别法: u n u_n un单调递减(比较的时候要加绝对值) lim n → ∞ u n = 0 \lim\limits_{n\to\infty}u_n=0 n→∞limun=0则交错级数收敛。
其他判别法
- 阿贝尔判别法: { a n } \{a_n\} {an}单调有界, ∑ b n \sum b_n ∑bn收敛,则 ∑ a n b n \sum a_n b_n ∑anbn收敛
- 狄利克雷判别法:如果 { a n } \{a_n\} {an}单调递减, lim n → ∞ a n = 0 \lim\limits_{n\to \infty}a_n=0 n→∞liman=0, ∑ b n \sum b_n ∑bn部分和数列有界,则 ∑ a n b n \sum a_n b_n ∑anbn收敛
绝对收敛
- 若级数 ∑ ∣ u n ∣ \sum |u_n| ∑∣un∣收敛,则称 ∑ u n \sum u_n ∑un绝对收敛,如果 ∑ ∣ u n ∣ \sum |u_n| ∑∣un∣不收敛但是 ∑ u n \sum u_n ∑un收敛,则称条件收敛
- 绝对收敛的级数一定收敛
- 绝对收敛重排以后也绝对收敛,且和数相同。条件收敛重排以后不一定收敛。
- 柯西定理:如果 ∑ u n = A , ∑ v n = B \sum u_n=A,\sum v_n=B ∑un=A,∑vn=B都绝对收敛,则正方形顺序和对角线顺序的乘积的任意顺序都绝对收敛且值为 A B AB AB
- 阿贝尔变换:如果 δ k = v 1 + . . v k \delta_k=v_1+..v_k δk=v1+..vk,则 ∑ i = 1 n v n ϵ n = ( ϵ 1 − ϵ 2 ) δ 1 + ( ϵ 2 − ϵ 3 ) δ 2 + . . . ( ϵ n − 1 − ϵ n ) δ n − 1 + ϵ n δ n \sum_{i=1}^nv_n\epsilon_n=(\epsilon_1-\epsilon_2)\delta_1+\left(\epsilon_2-\epsilon_3\right)\delta_2+...(\epsilon_{n-1}-\epsilon_{n})\delta_{n-1}+\epsilon_n\delta_n ∑i=1nvnϵn=(ϵ1−ϵ2)δ1+(ϵ2−ϵ3)δ2+...(ϵn−1−ϵn)δn−1+ϵnδn展开即可证明
函数列与函数项级数
函数列点态收敛
- 极限函数: lim n → ∞ f n ( x ) = f ( x ) , x ∈ D \lim\limits_{n\to \infty}f_n(x)=f(x),x\in D n→∞limfn(x)=f(x),x∈D
- 点态收敛的 ϵ − N \epsilon-N ϵ−N语言:对于任意 x ∈ D x\in D x∈D,任意正数 ϵ \epsilon ϵ,存在 N N N,当 n > N n>N n>N时, ∣ f n ( x ) − f ( x ) ∣ < ϵ |f_n(x)-f(x)|<\epsilon ∣fn(x)−f(x)∣<ϵ
函数列一致收敛
- 一致收敛:存在 N N N,对于任意 x ∈ D x\in D x∈D,任意正数 ϵ \epsilon ϵ, ∣ f n ( x ) − f ( x ) ∣ < ϵ |f_n(x)-f(x)|<\epsilon ∣fn(x)−f(x)∣<ϵ
- 一致收敛的柯西准则:一致收敛的充要条件是:任意正数 ϵ \epsilon ϵ总存在 N N N,当 n > N n>N n>N时,对任意 x x x都有 ∣ f n ( x ) − f ( x ) ∣ < ϵ |f_n(x)-f(x)|<\epsilon ∣fn(x)−f(x)∣<ϵ
- 判断一致收敛定理:函数列一致收敛的充要条件是 lim n → ∞ sup x ∈ D ∣ f n ( x ) − f ( x ) ∣ < ϵ \lim \limits_{n\to\infty}\sup \limits_{x\in D}|f_n(x)-f(x)|<\epsilon n→∞limx∈Dsup∣fn(x)−f(x)∣<ϵ,就是把 n n n看作一个常数,然后 x x x取到最大,再求极限
函数项级数一致收敛
- 定义:部分和数列 S n ( x ) S_n(x) Sn(x)在 n → ∞ n\to\infty n→∞时收敛
- 优级数判别法:函数项级数满足,是收敛的正项级数,则一致收敛。
- 阿贝尔判别法: ∑ u n ( x ) \sum u_n(x) ∑un(x)一致收敛,对于每一个 x x x, v n ( x ) v_n(x) vn(x)单调, v n ( x ) v_n(x) vn(x)一致有界。则 ∑ u n ( x ) v n ( x ) \sum u_n(x)v_n(x) ∑un(x)vn(x)收敛.遇到 ( − 1 ) n (-1)^n (−1)n这种可能会用莱布尼茨判别法和阿贝尔判别法。
- 狄利克雷判别法: u n ( x ) u_n(x) un(x)部分和数列一致有界, v n ( x ) v_n(x) vn(x)一致收敛到0,且对每个 x x x单调。遇到 cos n x \cos nx cosnx可能会用到 ∑ cos n x \sum\cos nx ∑cosnx有界,用 2 sin ( 1 2 x ) cos k x = sin ( ( k − 1 2 ) x ) − sin ( ( k + 1 2 ) x ) 2\sin(\frac{1}2x)\cos kx=\sin ((k-\frac{1}2)x)-\sin((k+\frac{1}2)x) 2sin(21x)coskx=sin((k−21)x)−sin((k+21)x)。
函数列与极限函数的关系
-
如果函数项级数一致收敛,则 f n ( x ) {f_n(x)} fn(x)求极限时顺序可以交换, f ( x 0 ) = lim n → ∞ f n ( x 0 ) f(x_0)=\lim\limits_{n\to\infty}f_n(x_0) f(x0)=n→∞limfn(x0)
-
若函数列级数一致收敛,每一项都连续,则极限函数连续,推论是各项连续的函数列,极限函数不连续,则不一致收敛
函数项级数和与和函数的性质
- 若函数列级数一致收敛,每一项都连续,则 ∫ a b lim n → ∞ f n ( x ) d x = lim n → ∞ ∫ a b f ( x ) d x \int_a^b\lim \limits_{n\to\infty}f_n(x)dx=\lim \limits_{n\to\infty}\int_a^bf(x)dx ∫abn→∞limfn(x)dx=n→∞lim∫abf(x)dx成立(积分和极限可以交换)
- 若函数项级数每一项都有连续的导数,且导数一致收敛,则微分和极限可交换
- 若函数项级数一致收敛,每一项都连续,则和函数连续,级数求和运算和极限运算可以交换
- 若函数项级数一致收敛,且每一项都有连续的导函数,导函数一致收敛,则求导和求和可以交换
幂级数
定义:幂级数就是类似于 ∑ n = 0 ∞ a n x n \sum \limits_{n=0}^\infty a_nx^n n=0∑∞anxn
幂级数点态收敛
- 阿贝尔定理:如果幂级数在 x = x 0 x=x_0 x=x0处收敛,则对于 − ∣ x 0 ∣ < x < ∣ x 0 ∣ -|x_0|<x<|x_0| −∣x0∣<x<∣x0∣的所有 x x x均绝对收敛,注意 x = x 0 x=x_0 x=x0处不一定绝对收敛。若在 x = x 0 x=x_0 x=x0处发散,则在 ∣ x ∣ > ∣ x 0 ∣ |x|>|x_0| ∣x∣>∣x0∣处都发散。
- 幂级数只在原点半径为 R R R的内部收敛, R = 0 R=0 R=0,只在原点收敛; R = + ∞ R=+\infty R=+∞,在 R \R R上收敛; 0 < R < + ∞ 0<R<+\infty 0<R<+∞,在 ( − R , R ) (-R,R) (−R,R)上收敛 ∣ x ∣ > R |x|>R ∣x∣>R处发散;在 x = R x=R x=R处需要判断
- 收敛半径求法: ρ = lim n → ∞ ∣ a n ∣ n \rho=\lim\limits_{n\to\infty}\sqrt[n]{|a_n|} ρ=n→∞limn∣an∣或者 ρ = lim n → ∞ a n + 1 a n , R = 1 ρ \rho=\lim\limits_{n\to\infty}\frac{a_{n+1}}{a_n},R=\frac1{\rho} ρ=n→∞limanan+1,R=ρ1,一个是根式判别法,一个是比式判别法。
- 注意求收敛区间,如果是 x − x 0 x-x_0 x−x0的形式,则要当做 x x x算出以后,再换一下。
- 求收敛域必须把两端的带进去看一下是不是收敛
幂级数一致收敛
- 若幂级数收敛半径为 R R R,则在 ( − R , R ) (-R,R) (−R,R)上任意闭区间一致收敛。设闭区间边界是 x ˉ \bar{x} xˉ,在 x ˉ \bar x xˉ上绝对收敛,然后用优级数判别法
- 若幂级数收敛半径为 R R R,且在 x = R x=R x=R处收敛,则在 [ 0 , R ] [0,R] [0,R]上一致收敛,若在 x = − R x=-R x=−R处收敛,则在 [ − R , 0 ] [-R,0] [−R,0]上一致收敛。拆成 ∑ a n x n = ∑ a n R n ( x R ) n \sum a_n x^n=\sum a_n R^n(\frac{x}{R})^n ∑anxn=∑anRn(Rx)n,再用阿贝尔判别法
幂级数性质
- 幂级数的和函数在 ( − R , R ) (-R,R) (−R,R)上连续,若幂级数在收敛区间的左端点收敛,则其和函数也在这一端点连续。根据一致收敛的函数列项级数求和与极限可交换可以证明
- 幂级数逐项求导和逐项求积后收敛区间不变。因为某一点 x 0 x_0 x0处求导以后结过可以写为 M ∣ x 0 ∣ n r n \frac{M}{|x_0|}nr^n ∣x0∣Mnrn,根据比试判别法可以知道收敛。如果收敛半径超过 R R R,那么当 n n n取大一些时候发现求导前的级数收敛半径也超过 R R R
- 幂级数和函数导数等于逐项求导,和函数的积分等于逐项求积,可以用来计算每一项系数带 n n n的和函数
泰勒级数
- f ( x ) = f ( x 0 ) + f ( 1 ) ( x 0 ) ( x − x 0 ) + 1 2 f ( 2 ) ( x 0 ) ( x − x 0 ) 2 + . . . . f(x)=f(x_0)+f^{(1)}(x_0)(x-x_0)+\frac{1}2f^{(2)}(x_0)(x-x_0)^2+.... f(x)=f(x0)+f(1)(x0)(x−x0)+21f(2)(x0)(x−x0)2+....
- 积分型余项: R n ( x ) = 1 n ! ∫ 0 x f ( n + 1 ) ( t ) ( x − t ) n d t R_n(x)=\frac1{n!}\int_0^xf^{(n+1)}(t)(x-t)^ndt Rn(x)=n!1∫0xf(n+1)(t)(x−t)ndt,拉格朗日余项: R n ( x ) = 1 ( n + 1 ) ! f ( n + 1 ) ( ε ) x n + 1 R_n(x)=\frac1{(n+1)!}f^{(n+1)}(\varepsilon)x^{n+1} Rn(x)=(n+1)!1f(n+1)(ε)xn+1,柯西型余项: R n = 1 n ! f ( n + 1 ) ( θ x ) ( 1 − θ ) n x n + 1 R_n=\frac{1}{n!}f^{(n+1)}(\theta x)(1-\theta)^nx^{n+1} Rn=n!1f(n+1)(θx)(1−θ)nxn+1
初等函数泰勒展开
-
e x = 1 + x + 1 2 x 2 + . . . + 1 n x n + . . . e^x=1+x+\frac1{2}x^2+...+\frac1{n}x^n+... ex=1+x+21x2+...+n1xn+...
-
sin x = x − x 3 3 ! + . . . \sin x=x-\frac{x^3}{3!}+... sinx=x−3!x3+...
-
cos x = 1 + 1 2 x 2 + . . . \cos x=1+\frac{1}2x^2+... cosx=1+21x2+...
-
ln x = x − x 2 2 + x 3 3 + . . . \ln x=x-\frac{x^2}{2}+\frac{x^3}3+... lnx=x−2x2+3x3+...
-
( x + 1 ) α = 1 + α x + α ( α + 1 ) 2 ! x 2 + . . . + α ( α − 1 ) . . . ( α − n + 1 ) n ! x n + . . . (x+1)^\alpha=1+\alpha x+\frac{\alpha(\alpha+1)}{2!}x^2+...+\frac{\alpha(\alpha-1)...(\alpha-n+1)}{n!}x^n+... (x+1)α=1+αx+2!α(α+1)x2+...+n!α(α−1)...(α−n+1)xn+...当 α ≤ − 1 \alpha \le-1 α≤−1,收敛域为 ( − 1 , 1 ) (-1,1) (−1,1); − 1 < α < 0 -1<\alpha<0 −1<α<0,收敛域为 ( − 1 , 1 ] (-1,1] (−1,1];
α > 0 \alpha>0 α>0,收敛域为 [ − 1 , 1 ] [-1,1] [−1,1]
-
一般从已知的通过变量代换,逐项求导求积来求
傅里叶级数
三角函数列
- 1 , cos x , sin x , cos 2 x , sin 2 x , . . . sin n x , cos n x 1,\cos x,\sin x,\cos 2x,\sin 2x,...\sin nx, \cos nx 1,cosx,sinx,cos2x,sin2x,...sinnx,cosnx
- 正交性:任意不同的函数在 [ − π , π ] [-\pi,\pi] [−π,π]上的积分是 0 0 0,任意相同的函数积分不是0
傅里叶级数计算
-
以 2 π 2\pi 2π为周期的
f ( x ) = a 0 2 + ∑ n = 1 + ∞ ( a n cos n x + b n sin n x ) f(x)=\frac{a_0}2+\sum\limits_{n=1}^{+\infty}(a_n\cos nx+b_n\sin nx) f(x)=2a0+n=1∑+∞(ancosnx+bnsinnx)
a 0 = 1 π ∫ − π π f ( x ) d x a_0=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)dx a0=π1∫−ππf(x)dx
a n = 1 π ∫ − π π f ( x ) cos n x d x a_n=\frac{1}\pi\int_{-\pi}^\pi f(x)\cos nxdx an=π1∫−ππf(x)cosnxdx
b n = 1 π ∫ − π π f ( x ) sin n x d x b_n=\frac{1}\pi\int_{-\pi}^\pi f(x)\sin nxdx bn=π1∫−ππf(x)sinnxdx
-
以 2 l 2l 2l为周期的
f ( x ) = a 0 2 + ∑ n = 1 + ∞ ( a n cos n π x l + b n sin n π x l ) f(x)=\frac{a_0}2+\sum\limits_{n=1}^{+\infty}(a_n\cos\frac{n\pi x}{l}+b_n\sin\frac{n\pi x}l) f(x)=2a0+n=1∑+∞(ancoslnπx+bnsinlnπx)
a 0 = 1 l ∫ − l l f ( x ) d x a_0=\frac{1}{l}\int_{-l}^{l}f(x)dx a0=l1∫−llf(x)dx
a n = 1 l ∫ − l l f ( x ) cos n π x l d x a_n=\frac{1}l\int_{-l}^l f(x)\cos \frac{n\pi x}{l}dx an=l1∫−llf(x)coslnπxdx
b n = 1 l ∫ − l l f ( x ) sin n π x l d x b_n=\frac{1}l\int_{-l}^l f(x)\sin \frac{n\pi x}{l}dx bn=l1∫−llf(x)sinlnπxdx
-
计算技巧
具体计算时如果 f ( x ) f(x) f(x)里有 x x x的,要用分部积分,把 cos n x d x \cos nxdx cosnxdx先换掉
如果有 sin x \sin x sinx的,要用和差化积
可以利用函数图像的奇偶性,偶函数 b n = 0 b_n=0 bn=0,奇函数 a n = 0 a_n=0 an=0
偶函数可以用 a n = 2 l ∫ 0 l f ( x ) cos n π x l d x a_n=\frac{2}l\int_{0}^l f(x)\cos \frac{n\pi x}{l}dx an=l2∫0lf(x)coslnπxdx算
-
收敛定理: f f f是以 2 π 2\pi 2π为周期的连续函数,且在 [ − π , π ] [-\pi,\pi] [−π,π]上按段光滑,则 f f f的傅里叶级数收敛于 f f f.
-
光滑:导函数连续。按段光滑:导函数只有有限个第一类间断点,且左右极限都存在
-
只有 [ 0. π ] [0.\pi] [0.π]上的函数式,要根据要求进行奇延拓和偶延拓
贝塞尔不等式
若函数在 [ − π , π ] [-\pi,\pi] [−π,π]上可积,则 a 0 2 2 + ∑ n = 1 ∞ ( a n 2 + b n 2 ) ≤ 1 π ∫ − π π f 2 ( x ) d x \frac{a_0^2}{2}+\sum\limits_{n=1}^\infty(a_n^2+b_n^2)\le\frac{1}{\pi}\int_{-\pi}^{\pi}f^2(x)dx 2a02+n=1∑∞(an2+bn2)≤π1∫−ππf2(x)dx
多元函数的极限和连续
二元函数的极限
- f f f是二元函数, ( x 0 , y 0 ) (x_0,y_0) (x0,y0)是聚点,任给 ε \varepsilon ε,总存在正数 δ \delta δ,使得当 P ∈ U ˚ ( ( x 0 , y 0 ) , δ ) P\in \mathring{U}((x_0,y_0),\delta) P∈U˚((x0,y0),δ)时都有 ∣ f ( P ) − A ∣ < ε |f(P)-A|<\varepsilon ∣f(P)−A∣<ε则记为 lim ( x , y ) → ( x 0 , y 0 ) f ( x , y ) = A \lim\limits_{(x,y)\to(x_0,y_0)}f(x,y)=A (x,y)→(x0,y0)limf(x,y)=A
- 计算时可以通过不同的路径接近,看极限是否相同,也可以用三角换元
- 重极限:任何方式趋近极限都相同。累次极限: x , y x,y x,y按照一定的顺序趋近
- 若累次极限不相等,则不存在重极限,若存在重极限,则累次极限存在且相等
二元函数的连续性
- 对于 P 0 ∈ D P_0\in D P0∈D给定的正数 ε \varepsilon ε,总存在 δ \delta δ,只要 P ∈ U ( P 0 , δ ) P\in U(P_0,\delta) P∈U(P0,δ)就有 ∣ f ( P 0 ) − f ( P ) ∣ < ε |f(P_0)-f(P)|<\varepsilon ∣f(P0)−f(P)∣<ε,称 f f f关于集合 D D D连续,等价于 lim ( x , y ) → ( x 0 . y 0 ) f ( x , y ) = f ( x 0 , y 0 ) \lim\limits_{(x,y)\to (x_0.y_0)}f(x,y)=f(x_0,y_0) (x,y)→(x0.y0)limf(x,y)=f(x0,y0)
- 复合函数连续性: u , v u,v u,v对于 x , y x,y x,y连续, u , v u,v u,v对于 f f f连续,则 g ( x , y ) = f ( u ( x , y ) , v ( x , y ) ) g(x,y)=f(u(x,y),v(x,y)) g(x,y)=f(u(x,y),v(x,y))也连续
多元函数微分学
可微性
-
充要条件:满足 lim ( x , y ) → ( x 0 , y 0 ) f ( x 0 + Δ x , y 0 + Δ y ) − ( f ( x 0 , y 0 ) + f x ( x 0 , y 0 ) d x + f y ( x 0 , y 0 ) d y ) Δ x 2 + Δ y 2 = 0 \lim\limits_{(x,y)\to(x_0,y_0)}\frac{f(x_0+\Delta x,y_0+\Delta y)-(f(x_0,y_0)+f_x(x_0,y_0)dx+f_y(x_0,y_0)dy)}{\sqrt{\Delta x^2+\Delta y^2}}=0 (x,y)→(x0,y0)limΔx2+Δy2f(x0+Δx,y0+Δy)−(f(x0,y0)+fx(x0,y0)dx+fy(x0,y0)dy)=0
-
充分条件:满足 f x , f y f_x,f_y fx,fy连续,则 f f f可微,但是 f f f可微不能推出偏导数都连续,只能推出偏导数存在
-
可微的几何意义: z = f ( x , y ) z=f(x,y) z=f(x,y)在 P P P点存在不平行 z z z轴的切平面
-
切平面的方程 z − z 0 = f x ( x 0 , y 0 ) ( x − x 0 ) + f y ( x 0 , y 0 ) ( y − y 0 ) , x − x 0 f x ( x 0 , y 0 ) = y − y 0 f y ( x 0 , y 0 ) = z − z 0 − 1 z-z_0=f_x(x_0,y_0)(x-x_0)+f_y(x_0,y_0)(y-y_0),\frac{x-x_0}{f_x(x_0,y_0)}=\frac{y-y_0}{f_y(x_0,y_0)}=\frac{z-z_0}{-1} z−z0=fx(x0,y0)(x−x0)+fy(x0,y0)(y−y0),fx(x0,y0)x−x0=fy(x0,y0)y−y0=−1z−z0
偏导数存在性
满足 f x ( x 0 , y 0 ) = lim Δ x → 0 f ( x 0 + Δ x , y 0 ) − f ( x 0 , y 0 ) Δ x f_x(x_0,y_0)=\lim\limits_{\Delta x\to 0}\frac{f(x_0 +\Delta x,y_0)-f(x_0,y_0)}{\Delta x} fx(x0,y0)=Δx→0limΔxf(x0+Δx,y0)−f(x0,y0)
复合函数微分法
- 链式法则:画出函数关系图,然后一个一个求偏导。
- 对于那种等式的证明题或者求值题,一般都是求导数解决的。
- 对于复杂的函数也可以用符合函数微分法求导
方向导数
- l l l是点 P 0 P_0 P0发射出的射线, ρ \rho ρ是 P 0 , P P_0,P P0,P之间的距离,函数 f f f沿着 l l l方向的方向导数: f l ( P 0 ) = lim ρ → 0 f ( P ) − f ( P 0 ) ρ f_l(P_0)=\lim\limits_{\rho\to0}\frac{f(P)-f(P_0)}\rho fl(P0)=ρ→0limρf(P)−f(P0)
- 方向导数和偏导数的关系:如果 f f f可微,则在任一方向的方向导数存在,且 f l ( P 0 ) = f x ( P 0 ) cos α + f y ( P 0 ) cos β + f x ( P 0 ) cos γ f_l(P_0)=f_x(P_0)\cos\alpha+f_y(P_0)\cos\beta+f_x(P_0)\cos\gamma fl(P0)=fx(P0)cosα+fy(P0)cosβ+fx(P0)cosγ,可以用来计算方向导数(先计算出偏导数,再计算出角度)
梯度
如果 f ( x , y , z ) f(x,y,z) f(x,y,z)存在对每一个变量的偏导数,则存在向量 ( f x ( P 0 ) , f y ( P 0 ) , f z ( P 0 ) ) (f_x(P_0),f_y(P_0),f_z(P_0)) (fx(P0),fy(P0),fz(P0))称为 f f f在 P 0 P_0 P0点的梯度
高阶偏导数
- 注意 ∂ 2 u ∂ x ∂ y \frac{\partial^2 u}{\partial x\partial y} ∂x∂y∂2u是 u u u对 x x x的导数再对 y y y的导数,不是简单的除法关系,一定要小心
- ∂ u ∂ x \frac{\partial u}{\partial x} ∂x∂u仍然是 x , y x,y x,y的函数
泰勒公式
f ( x , y ) = f ( x 0 , y 0 ) + f x ( x 0 , y 0 ) ( x − x 0 ) + f y ( x 0 , y 0 ) ( y − y 0 ) + 1 2 f x x ( x 0 , y 0 ) ( x − x 0 ) 2 + f x y ( x 0 , y 0 ) ( x − x 0 ) ( y − y 0 ) + 1 2 f y y ( x 0 , y 0 ) ( y − y 0 ) 2 + . . . f(x,y)=f(x_0,y_0)+f_x(x_0,y_0)(x-x_0)+f_y(x_0,y_0)(y-y_0)+\frac{1}2f_{xx}(x_0,y_0)(x-x_0)^2+f_{xy}(x_0,y_0)(x-x_0)(y-y_0)+\frac{1}2f_{yy}(x_0,y_0)(y-y_0)^2+... f(x,y)=f(x0,y0)+fx(x0,y0)(x−x0)+fy(x0,y0)(y−y0)+21fxx(x0,y0)(x−x0)2+fxy(x0,y0)(x−x0)(y−y0)+21fyy(x0,y0)(y−y0)2+...
取极值的条件
-
f x ( x 0 , y 0 ) = 0. f y ( x 0 , y 0 ) = 0 f_x(x_0,y_0)=0.f_y(x_0,y_0)=0 fx(x0,y0)=0.fy(x0,y0)=0,偏导数不存在的点也可能取极值
-
当 f x x ( P 0 ) > 0 , ( f x x f y y − f x y 2 ) ( P 0 ) > 0 f_{xx}(P_0)>0,(f_{xx}f_{yy}-f_{xy}^2)(P_0)>0 fxx(P0)>0,(fxxfyy−fxy2)(P0)>0时取极大值
当 f x x ( P 0 ) < 0 , ( f x x f y y − f x y 2 ) f ( P 0 ) > 0 f_{xx}(P_0)<0,(f_{xx}f_{yy}-f_{xy}^2)f(P_0)>0 fxx(P0)<0,(fxxfyy−fxy2)f(P0)>0时取极大值
当 ( f x x f y y − f x y 2 ) f ( P 0 ) < 0 (f_{xx}f_{yy}-f_{xy}^2)f(P_0)<0 (fxxfyy−fxy2)f(P0)<0时不取极值, ( f x x f y y − f x y 2 ) f ( P 0 ) = 0 (f_{xx}f_{yy}-f_{xy}^2)f(P_0)=0 (fxxfyy−fxy2)f(P0)=0不确定
隐函数定理及其应用
隐函数存在定理(唯一的连续隐函数 y = g ( x ) y=g(x) y=g(x))
- F ( x , y ) F(x,y) F(x,y)在以 P 0 P_0 P0为内点的区域中连续
- F ( x 0 , y 0 ) = 0 F(x_0,y_0)=0 F(x0,y0)=0(也称初始条件)
- 存在连续的偏导数 F y ( x , y ) F_y(x,y) Fy(x,y)
- F y ( x 0 , y 0 ) ≠ 0 F_y(x_0,y_0)\ne0 Fy(x0,y0)=0
隐函数可微性定理(隐函数存在连续的导函数 f ′ ( x ) = − F x ( x , y ) F y ( x , y ) f'(x)=-\frac{F_x(x,y)}{F_y(x,y)} f′(x)=−Fy(x,y)Fx(x,y))
- 满足4条隐函数存在定理
- 存在连续的 F x ( x , y ) F_x(x,y) Fx(x,y)
隐函数求导可以用公式,但是更加直接的方法就是用多元函数求导法,直接整个 F ( x , y ) F(x,y) F(x,y)求对 x x x的导数
隐函数的反函数就是一个把 x x x当作 y y y的函数,一个把 y y y当作 x x x的函数
隐函数组
方程组 { G ( x , y , u , v ) = 0 F ( x , y , u , v ) = 0 \{^{F(x,y,u,v)=0}_{G(x,y,u,v)=0} {G(x,y,u,v)=0F(x,y,u,v)=0,确定了隐函数组 { v = g ( x , y ) u = f ( x , y ) \{^{u=f(x,y)}_{v=g(x,y)} {v=g(x,y)u=f(x,y),其雅可比行列式为 ∂ ( F , G ) ∂ ( u , v ) = ∣ F u F v G u G v ∣ \frac{\partial(F,G)}{\partial(u,v)}=\begin{vmatrix} F_u & F_v\\G_u & G_v\end{vmatrix} ∂(u,v)∂(F,G)=∣∣∣∣FuGuFvGv∣∣∣∣
隐函数组定理(存在唯一的隐函数 u = f ( x , y ) , v = g ( x , y ) u=f(x,y),v=g(x,y) u=f(x,y),v=g(x,y),且具有连续的一阶偏导数)
- 若 F ( x , y , u , v ) , G ( x , y , u , v ) F(x,y,u,v),G(x,y,u,v) F(x,y,u,v),G(x,y,u,v)连续
- F ( x 0 , y 0 , u 0 , v 0 ) = 0 , G ( x 0 , y 0 , u 0 , v 0 ) = 0 F(x_0,y_0,u_0,v_0)=0,G(x_0,y_0,u_0,v_0)=0 F(x0,y0,u0,v0)=0,G(x0,y0,u0,v0)=0初始条件
- F , G F,G F,G具有一阶连续偏导数
- J = ∂ ( F , G ) ∂ ( u , v ) ≠ 0 J=\frac{\partial(F,G)}{\partial(u,v)}\ne0 J=∂(u,v)∂(F,G)=0
曲线积分
第一型
-
∫ L f ( x , y , z ) d s \int_L f(x,y,z)ds ∫Lf(x,y,z)ds,积分的路径是L,物理意义是密度计算质量
参数式计算: L : x = x ( t ) , y = y ( t ) L:x=x(t),y=y(t) L:x=x(t),y=y(t),
∫ L f ( x , y ) d s = ∫ a b f ( x ( t ) , y ( t ) ) x ′ ( t ) 2 + y ′ ( t ) 2 d t \int_L f(x,y)ds=\int_a^b f(x(t),y(t))\sqrt{x'(t)^2+y'(t)^2}dt ∫Lf(x,y)ds=∫abf(x(t),y(t))x′(t)2+y′(t)2dt,积分的上下限就是参数方程的t的范围
-
可能利用对称性计算
-
尽量用参数表示,遇到不能直接用参数表示的时候,试试对称性, x 2 x^2 x2化成 x 2 + y 2 + z 2 3 \frac{x^2+y^2+z^2}3 3x2+y2+z2这种,再利用式子消元
第二型
-
∫ L P ( x , y ) d x + Q ( x , y ) d y \int_L P(x,y)dx+Q(x,y)dy ∫LP(x,y)dx+Q(x,y)dy,积分路径是L,物理意义是计算功
参数式计算: L : x = x ( t ) , y = y ( t ) L:x=x(t),y=y(t) L:x=x(t),y=y(t),
∫ L P ( x , y ) d x + Q ( x , y ) d y = ∫ a b P ( x ( t ) , y ( t ) ) x ′ ( t ) + Q ( x ( t ) , y ( t ) ) y ′ ( t ) d t \int_L P(x,y)dx+Q(x,y)dy=\int_a^b P(x(t),y(t))x'(t)+Q(x(t),y(t))y'(t)dt ∫LP(x,y)dx+Q(x,y)dy=∫abP(x(t),y(t))x′(t)+Q(x(t),y(t))y′(t)dt
如果是直接 y = f ( x ) y=f(x) y=f(x)也可以直接就换成同一个参数,如果可以的话
重积分
二重积分
-
计算,分成先x后y或者先y后x,比如 ∫ d y ∫ f ( x ) d x \int dy \int f(x)dx ∫dy∫f(x)dx外面一个积分y是区域最远能取到的值,里面一个积分是任意y,x的上下限,用y表示。如果x的上限或者下限不能用同一个式子表示,可能需要把y分段
-
格林公式: ∬ D ( ∂ Q ∂ x − ∂ P ∂ y ) d x d y = ∮ P d x + Q d y \iint_D(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y})dxdy=\oint Pdx+Q dy ∬D(∂x∂Q−∂y∂P)dxdy=∮Pdx+Qdy,注意格林公式要求曲线是闭的,即是面的边缘,如果算的时候只要求算某一部分的曲线,那么要自己添上去算出总的再减掉, P , Q P,Q P,Q还是原来的,变的是路径,如果是任意路径,很有可能是0
-
计算D的面积: S D = ∬ D d v = 1 2 ∮ L x d y − y d x S_D=\iint_Ddv=\frac{1}2 \oint_Lxdy-ydx SD=∬Ddv=21∮Lxdy−ydx
-
积分路径的无关性四个等价条件:
i) 对于封闭光滑曲线L, ∮ P d x + Q d y = 0 \oint Pdx+Qdy=0 ∮Pdx+Qdy=0,
ii) ∫ L P d x + Q d y \int_L Pdx+Qdy ∫LPdx+Qdy与路径无关
iii)P,Q有如下关系 d u = P d x + Q d y du=Pdx+Qdy du=Pdx+Qdy
iv) ∂ P ∂ y = ∂ Q ∂ x \frac{\partial P}{\partial y}=\frac{\partial Q}{\partial x} ∂y∂P=∂x∂Q,处处成立
-
变量替换: x = x ( u , v ) , y = y ( u , v ) x=x(u,v),y=y(u,v) x=x(u,v),y=y(u,v),把x,y换到了u,v上, J ( u , v ) = ∂ ( u , v ) ∂ ( x , y ) = ∣ x u x v y u y v ∣ J(u,v)=\frac{\partial(u,v)}{\partial(x,y)}=\begin{vmatrix}x_u& x_v\\y_u&y_v\end{vmatrix} J(u,v)=∂(x,y)∂(u,v)=∣∣∣∣xuyuxvyv∣∣∣∣,因为是dx所以肯定试试 x u x_u xu这样的 ∬ D f ( x , y ) d x d y = ∬ D ′ f ( x ( u , v ) , y ( u , v ) ) ∣ J ∣ d u d v \iint_Df(x,y)dxdy=\iint_{D'}f(x(u,v),y(u,v))|J|dudv ∬Df(x,y)dxdy=∬D′f(x(u,v),y(u,v))∣J∣dudv,注意换了积分区域以后的上下限。
-
极坐标变量替换: ∬ D f ( x , y ) d x d y = ∬ D f ( r sin θ , r cos θ ) r d θ d r \iint_Df(x,y)dxdy=\iint_Df(r\sin\theta,r\cos\theta)rd\theta dr ∬Df(x,y)dxdy=∬Df(rsinθ,rcosθ)rdθdr,算的时候还有极点在区域中和不在区域中两种情况,注意角的范围。极点在里面或者在边界是0到 2 π 2\pi 2π,在外面是切线的角度
-
x = a sin θ , y = b cos θ , J = a b r x=a\sin\theta,y=b\cos\theta,J=abr x=asinθ,y=bcosθ,J=abr
三重积分
-
化为累次积分,就是考虑任意(x,y),z的范围,就是先积z再积x,y;或者是任意z的x,y的范围,就是先积xy再积z
-
换元法: x = x ( u , v , w ) , y = y ( u , v , w ) , z = z ( u , v , w ) x=x(u,v,w),y=y(u,v,w),z=z(u,v,w) x=x(u,v,w),y=y(u,v,w),z=z(u,v,w), J = ∣ x u x v x w y u y v y w z u z v z w ∣ , ∭ V f ( x , y , z ) d v = ∭ V ′ f ( x ( u , v , w ) , y ( u , v , w ) , z ( u , v , w ) ) ∣ J ∣ d u d v d w J=\begin{vmatrix}x_u&x_v&x_w\\y_u&y_v&y_w\\z_u&z_v&z_w\end{vmatrix},\iiint_Vf(x,y,z)dv=\iiint_{V'}f(x(u,v,w),y(u,v,w),z(u,v,w))|J|dudvdw J=∣∣∣∣∣∣xuyuzuxvyvzvxwywzw∣∣∣∣∣∣,∭Vf(x,y,z)dv=∭V′f(x(u,v,w),y(u,v,w),z(u,v,w))∣J∣dudvdw
-
柱面换元法: x = r sin θ , y = r cos θ , z = z , J = r x=r\sin\theta,y=r\cos\theta,z=z,J=r x=rsinθ,y=rcosθ,z=z,J=r
-
球坐标换元法: x = r sin ϕ cos θ , y = r sin ϕ sin θ , z = r cos θ , J = r 2 sin ϕ x=r\sin\phi\cos\theta,y=r\sin\phi\sin\theta,z=r\cos\theta,J=r^2\sin\phi x=rsinϕcosθ,y=rsinϕsinθ,z=rcosθ,J=r2sinϕ
-
椭球坐标换元法: x = a r sin ϕ cos θ , y = b r sin ϕ sin θ , z = c r cos θ , J = a b c r 2 sin ϕ x=ar\sin\phi\cos\theta,y=br\sin\phi\sin\theta,z=cr\cos\theta,J=abcr^2\sin\phi x=arsinϕcosθ,y=brsinϕsinθ,z=crcosθ,J=abcr2sinϕ
-
路线无关性:
i) ∂ P ∂ y = ∂ Q ∂ x , ∂ Q ∂ z = ∂ R ∂ y , ∂ R ∂ x = ∂ P ∂ z \frac{\partial P}{\partial y}=\frac{\partial Q}{\partial x},\frac{\partial Q}{\partial z}=\frac{\partial R}{\partial y},\frac{\partial R}{\partial x}=\frac{\partial P}{\partial z} ∂y∂P=∂x∂Q,∂z∂Q=∂y∂R,∂x∂R=∂z∂P
ii) d u = P d x + Q d y + R d z du=Pdx+Qdy+Rdz du=Pdx+Qdy+Rdz
iii) ∫ C P d x + Q d y + R d z \int_CPdx+Qdy+Rdz ∫CPdx+Qdy+Rdz,路径无关
iv) ∮ P d x + Q d y + R d z = 0 \oint Pdx+Qdy+Rdz=0 ∮Pdx+Qdy+Rdz=0
重积分应用
曲面的面积
- z = f ( x , y ) , S = ∬ D 1 + f x ( x , y ) 2 + f y ( x , y ) 2 d x d y z=f(x,y),S=\iint_D\sqrt{1+f_x(x,y)^2+f_y(x,y)^2}dxdy z=f(x,y),S=∬D1+fx(x,y)2+fy(x,y)2dxdy,D是xy平面上的投影
- x = x ( u , v ) , y = y ( u , v ) , z = z ( u , v ) , E = x u 2 + y u 2 + z u 2 , F = x u x v + y u y v + z u z v , G = x v 2 + y v 2 + z v 2 , x=x(u,v),y=y(u,v),z=z(u,v),E=x_u^2+y_u^2+z_u^2,F=x_ux_v+y_uy_v+z_uz_v,G=x_v^2+y_v^2+z_v^2, x=x(u,v),y=y(u,v),z=z(u,v),E=xu2+yu2+zu2,F=xuxv+yuyv+zuzv,G=xv2+yv2+zv2, S = ∬ D ′ E G − F 2 d u d v S=\iint_{D'}\sqrt{EG-F^2}dudv S=∬D′EG−F2dudv
质心
- x c = ∭ V p ( x , y , z ) d v ∭ p ( x , y , z ) d v = ∭ V p ( x , y , z ) d v m x_c=\frac{\iiint_Vp(x,y,z)dv}{\iiint p(x,y,z)dv}=\frac{\iiint_Vp(x,y,z)dv}m xc=∭p(x,y,z)dv∭Vp(x,y,z)dv=m∭Vp(x,y,z)dv
- 密度是常数,有 x c = 1 V 0 ∭ V x d V x_c=\frac{1}V_0\iiint_V xdV xc=V10∭VxdV, V 0 V_0 V0是总体积
转动惯量
- J x = ∭ V ( y 2 + z 2 ) p ( x , y , z ) d v J_x=\iiint_V(y^2+z^2)p(x,y,z)dv Jx=∭V(y2+z2)p(x,y,z)dv
- J x y = ∭ V z 2 p ( x , y , z ) d v J_xy=\iiint_Vz^2p(x,y,z)dv Jxy=∭Vz2p(x,y,z)dv
引力
- F x = k ∭ V x − x 0 ) r 3 p d V F_x=k\iiint_V\frac{x-x_0)}{r^3}pdV Fx=k∭Vr3x−x0)pdV,算的时候算三个分量
曲面积分
第一型
-
∬ s f ( x , y , z ) d s = ∬ D f ( x , y , z ( x , y ) ) 1 + z x 2 + z y 2 d x d y \iint_sf(x,y,z)ds=\iint_Df(x,y,z(x,y))\sqrt{1+z_x^2+z_y^2}dxdy ∬sf(x,y,z)ds=∬Df(x,y,z(x,y))1+zx2+zy2dxdy
-
x = x ( u , v ) , y = y ( u , v ) , z = z ( u , v ) , ∬ S f ( x , y , z ) d s = ∬ D f ( x ( u , v ) , y ( u , v ) , z ( u , v ) ) E G − F 2 x=x(u,v),y=y(u,v),z=z(u,v),\iint_Sf(x,y,z)ds=\iint_Df(x(u,v),y(u,v),z(u,v))\sqrt{EG-F^2} x=x(u,v),y=y(u,v),z=z(u,v),∬Sf(x,y,z)ds=∬Df(x(u,v),y(u,v),z(u,v))EG−F2
E = x u 2 + y u 2 + z u 2 , F = x u x v + y u y v + z u z v , G = x v 2 + y v 2 + z v 2 E=x_u^2+y_u^2+z_u^2,F=x_ux_v+y_uy_v+z_uz_v,G=x_v^2+y_v^2+z_v^2 E=xu2+yu2+zu2,F=xuxv+yuyv+zuzv,G=xv2+yv2+zv2
第二型
- ∬ S P ( x , y , z ) d y d z + Q ( x , y , z ) d z d x + R ( x , y , z ) d x d y \iint_SP(x,y,z)dydz+Q(x,y,z)dzdx+R(x,y,z)dxdy ∬SP(x,y,z)dydz+Q(x,y,z)dzdx+R(x,y,z)dxdy, ∬ S R ( x , y , z ) d x d y = ∬ D x y R ( x , y , z ( x , y ) ) d x d y \iint_SR(x,y,z)dxdy=\iint_{D_{xy}}R(x,y,z(x,y))dxdy ∬SR(x,y,z)dxdy=∬DxyR(x,y,z(x,y))dxdy,注意算的时候是有正负的,如果由里向外的向量和正方向夹锐角则是正,否则是负
- x = x ( u , v ) , y = y ( u , v ) , z = z ( u , v ) , ∬ P d y d z = + ∬ D P ( x ( u , v ) , y ( u , v ) , z ( u , v ) ) ∂ ( y , z ) ∂ ( u , v ) d u d v x=x(u,v),y=y(u,v),z=z(u,v),\iint Pdydz=+\iint_DP(x(u,v),y(u,v),z(u,v))\frac{\partial(y,z)}{\partial(u,v)}dudv x=x(u,v),y=y(u,v),z=z(u,v),∬Pdydz=+∬DP(x(u,v),y(u,v),z(u,v))∂(u,v)∂(y,z)dudv,符合代表的是侧和正方向是不是相同,Qz,x;Px,y互换
幂级数
-
阿贝尔定理:用来证明超过r的部分全部是发散的
如果带n的证明: a n n x n = a n n x 0 n ( x x 0 ) n a_nnx^n=a_nnx_0^n(\frac{x}{x_0})^n annxn=annx0n(x0x)n证明 n r n nr^n nrn是收敛的,因为可以用根式判别法,而 a n x 0 2 a_nx_0^2 anx02有界,因为是收敛的
-
如果带有 2 n 2^n 2n这种,放到x的次数里面,写成 ( x 2 ) n (\frac{x}{2})^n (2x)n
-
如果反复带,需要放缩,每代一次都要放缩一次
积分
- 由于曲线积分就是在边界上积分,所以可以在积分前把边界代入,然后换掉一个未知数,再用斯托克斯或者green公式算,方便很多。边界要带一次的式子,如果是高次的看情况。如果是曲面积分,一般不是一次的式子,就别代了
- 曲面只能一层一层算,比如球,只能求投影不重合的,如果重合就必须分开算
- 曲线积分思路:
- 代入边界条件,斯托克斯或者green。
- 直接green
- 参数化算
- 曲面积分思路:
- 看是不是具有对称性,高度对称的话可以换成第一型曲面积分,约掉些什么然后换回来。
- 看某一点的侧正负和该点的函数f(x)的正负,是否积分后是0
- 看积分区域是不是半球之类的,用高斯公式算
- 剩下的部分,把另一个变量换掉,变成二元积分做
- 三重积分思路:
- 正常的先一后二,先积出z再积出xy的二元积分,注意上下限的确定
- 用球坐标换元
- 二重积分思路:
- 圆坐标换元,r每一项都要乘过,不要忘记了
- 直接先积某一个变量
- 换元法,注意雅可比矩阵
傅里叶级数
- 出现傅里叶系数的时候,注意使用公式: a n = 1 π ∫ − π π f ( x ) cos ( n x ) d x , b n = 1 π ∫ − π π f ( x ) sin n x d x a_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\cos(nx)dx,b_n=\frac{1}\pi\int_{-\pi}^{\pi}f(x)\sin nxdx an=π1∫−ππf(x)cos(nx)dx,bn=π1∫−ππf(x)sinnxdx
- 根据三角函数的正交性,有 ∑ 1 n ∫ − π π ( a n cos n x + b n sin n x ) 2 d x = π ∑ 1 n ( a n 2 + b n 2 ) \sum\limits_1^{n}\int_{-\pi}^{\pi}(a_n\cos nx+b_n\sin nx)^2dx=\pi\sum\limits_1^n(a_n^2+b_n^2) 1∑n∫−ππ(ancosnx+bnsinnx)2dx=π1∑n(an2+bn2)
收敛定理
名称 | 描述 |
---|---|
魏尔斯特拉斯判别法 | 把 u n ( x ) u_n(x) un(x)放缩为 M n M_n Mn |
柯西判别法(根式判别法) | lim n → ∞ u n n < 1 \lim\limits_{n\to\infty}\sqrt[n]{u_n}<1 n→∞limnun<1 |
达朗贝尔判别法(比式判别法) | lim n → ∞ u n + 1 u n < 1 \lim\limits_{n\to\infty}\frac{u_{n+1}}{u_n}<1 n→∞limunun+1<1 |
拉贝判别法 | $\lim\limits_{n\to\infty}n( |
积分判别法 | ∫ 1 ∞ u ( n ) d n \int_1^{\infty}u(n)dn ∫1∞u(n)dn有界 |
阿贝尔判别法 | a n a_n an单调有界, ∑ b n \sum b_n ∑bn收敛 |
狄利克雷判别法 | a n a_n an单调趋于0, ∑ b n \sum b_n ∑bn有界 |
反常积分收敛
-
首先看有没有瑕点
-
原式乘上 x p x^p xp,再转化为x的幂次。需要根据x趋于0或者正无穷适当放缩,注意分开处理
-
收敛性 条件 瑕点收敛 p<1,幂次>0 无穷点收敛 p>1,幂次<0
级数收敛
- 除了上面的判断方法,还有可以把小量泰勒展开,直接看展开后的结果,特别是有ln和e的
- 带三角的,不是阿贝尔(注意是三角级数有界)就是放缩为1
- 带 ( − 1 ) n (-1)^n (−1)n,用莱布尼茨
泰勒展开
- 遇到问极值,就一定要想到泰勒展开和黑塞矩阵。
- 泰勒展开是 1 n ! ( d d x + d d y ) n ( f ( x , y ) ) ∣ P 0 \frac{1}{n!}(\frac{d}{dx}+\frac{d}{dy})^n(f(x,y))|_{P_0} n!1(dxd+dyd)n(f(x,y))∣P0每一个x,y的幂次是x还是y对应求导的下标,特别的是黑赛矩阵 ( f x x f x y f x y f y y ) \begin{pmatrix} f_{xx} & f_{xy}\\f_{xy}&f_{yy}\end{pmatrix} (fxxfxyfxyfyy)
- 如果 f x x > 0 , f x x f y y − f x y 2 > 0 f_{xx}>0,f_{xx}f_{yy}-f_{xy}^2>0 fxx>0,fxxfyy−fxy2>0,极大值, f x x < 0 , f x x f y y − f x y 2 f_{xx}<0,f_{xx}f_{yy}-f_{xy}^2 fxx<0,fxxfyy−fxy2,极小值
微分方程
- 如果要求变换方程,比如把 ∂ u 2 ∂ y ∂ x \frac{\partial u^2}{\partial y\partial x} ∂y∂x∂u2换成以u,v为变量的,就想成已知u,v表示的,去求 ∂ u 2 ∂ y ∂ x \frac{\partial u^2}{\partial y\partial x} ∂y∂x∂u2
- 求 ∂ f ∂ x \frac{\partial f}{\partial x} ∂x∂f的导数,需要把 ∂ f ∂ x \frac{\partial f}{\partial x} ∂x∂f当作f来求导, ∂ f ∂ x \frac{\partial f}{\partial x} ∂x∂f和f的变量是相同的