微分方程
n阶微分方程
含有 a y ( n ) , a ≠ 0 ay^{(n)},a\ne 0 ay(n),a=0的式子叫做n阶微分方程.
一阶微分方程求法
可分离变量一阶微分方程
d y d x = f ( x ) g ( y ) d y g ( y ) = f ( x ) d x {dy\over dx } = f(x)g(y)\\ {dy\over g(y)} = f(x)dx dxdy=f(x)g(y)g(y)dy=f(x)dx
y/x形式齐次方程
d y d x = f ( y x ) 令 u = y x , y = u x ⇒ d y d x = x d u d x + u u + x d u d x = f ( u ) ⇒ d u f ( u ) − u = d x x {dy\over dx} = f({y\over x})\\ 令 u = {y\over x},y = ux\Rightarrow {dy\over dx} = x{du\over dx} + u\\ u + x{du\over dx} = f(u) \Rightarrow {du\over f(u)-u} = {dx\over x} dxdy=f(xy)令u=xy,y=ux⇒dxdy=xdxdu+uu+xdxdu=f(u)⇒f(u)−udu=xdx
一阶齐次线性微分方程
d y d x + P ( x ) y = 0 ⇒ d y d x = − P ( x ) y d y y = − P ( x ) d x ⇒ ln ∣ y ∣ = − ∫ P ( x ) d x + C y = C e − ∫ P ( x ) d x {dy\over dx} + P(x)y = 0 \Rightarrow {dy\over dx} = -P(x)y\\ {dy\over y} = -P(x)dx \Rightarrow \ln|y| = -\int P(x)dx + C\\ y = Ce^{-\int P(x)dx} dxdy+P(x)y=0⇒dxdy=−P(x)yydy=−P(x)dx⇒ln∣y∣=−∫P(x)dx+Cy=Ce−∫P(x)dx
一阶非齐次线性微分方程
d y d x + P ( x ) y = Q ( x ) ⇒ y = e − ∫ P ( x ) d x [ ∫ Q ( x ) e ∫ P ( x ) d x d x + C ] y = C e − ∫ P ( x ) d x + e − ∫ P ( x ) d x ∫ Q ( x ) e ∫ P ( x ) d x d x 注 : 这 个 y 的 形 式 就 是 通 解 + 特 解 的 形 式 , 前 面 的 为 齐 次 方 程 通 解 , 后 面 是 个 特 解 {dy\over dx} + P(x)y = Q(x)\Rightarrow y = e^{-\int P(x)dx}[\int Q(x)e^{\int P(x)dx}dx + C]\\ y = Ce^{-\int P(x)dx} + e^{-\int P(x)dx}\int Q(x)e^{\int P(x)dx}dx\\ 注 : 这个y的形式就是通解 + 特解的形式,前面的为齐次方程通解,后面是个特解 dxdy+P(x)y=Q(x)⇒y=e−∫P(x)dx[∫Q(x)e∫P(x)dxdx+C]y=Ce−∫P(x)dx+e−∫P(x)dx∫Q(x)e∫P(x)dxdx注:这个y的形式就是通解+特解的形式,前面的为齐次方程通解,后面是个特解
二阶微分方程
最常规的二阶
y ′ ′ = P ( x ) ⇒ y ′ = ∫ P ( x ) d x + C ⇒ y = ∬ P ( x ) d x d x + C 1 x + C 2 y'' = P(x) \Rightarrow y' = \int P(x)dx + C\Rightarrow y = \iint P(x)dxdx + C_1x + C_2 y′′=P(x)⇒y′=∫P(x)dx+C⇒y=∬P(x)dxdx+C1x+C2
没有y的二阶
y ′ ′ = f ( y ′ , x ) , 令 p = y ′ , d y ′ d x = d p d x d p d x = f ( p , x ) ⇒ p = P ( x ) + C 1 ⇒ y = Q ( x ) + C 1 x + C 2 y'' = f(y',x),令p=y',{dy'\over dx} = {dp\over dx}\\ {dp\over dx} = f(p,x) \Rightarrow p = P(x)+C_1\Rightarrow y = Q(x) + C_1x+C_2 y′′=f(y′,x),令p=y′,dxdy′=dxdpdxdp=f(p,x)⇒p=P(x)+C1⇒y=Q(x)+C1x+C2
没有x的二阶
y ′ ′ = f ( y ′ , y ) , 令 p = y ′ , d p d x = d p d y d y d x = p d p d y p d p d y = f ( p , y ) , 然 后 带 入 一 阶 的 情 况 求 解 即 可 . y'' = f(y',y),令p=y',{dp\over dx} = {dp\over dy}{dy\over dx} = p{dp\over dy}\\ p{dp\over dy} = f(p,y),然后带入一阶的情况求解即可. y′′=f(y′,y),令p=y′,dxdp=dydpdxdy=pdydppdydp=f(p,y),然后带入一阶的情况求解即可.
高阶常系数微分方程
先 补 充 一 个 公 式 : e x i = sin x + i cos x , e a + b i = e a ( sin b + i cos b ) 先补充一个公式:e^{xi} = \sin x + i\cos x,e^{a+bi} = e^a(\sin b + i\cos b) 先补充一个公式:exi=sinx+icosx,ea+bi=ea(sinb+icosb)
齐次形式
a n y ( n ) + a n − 1 y ( n − 1 ) + ⋯ + a 0 y = 0 ⇒ 特 征 方 程 a n r n + a n − 1 r n − 1 + ⋯ + a 0 = 0 解 出 很 多 个 r , 对 于 每 个 是 k 重 根 的 r , 对 应 的 解 : { ( C 1 + C 2 x + ⋯ + C k x k ) e r x r 为 实 数 , 把 所 有 对 应 的 解 都 加 起 来 即 可 . e a x { ( C 1 + C 2 x + ⋯ + C k x k ) cos ( b x ) + ( D 1 + D 2 x + ⋯ + D k x k ) sin ( b x ) } r = a + b i , a − b i , 把 所 有 解 加 起 来 a_ny^{(n)} + a_{n-1}y^{(n-1)} + \cdots + a_0y = 0\\ \Rightarrow_{特征方程}a_nr^n+a_{n-1}r^{n-1}+\cdots+a_0 = 0\\ 解出很多个r,对于每个是k重根的r,对应的解:\\ \begin{cases} (C_1+C_2x+\cdots+C_kx^k)e^{rx}\\\qquad r为实数,把所有对应的解都加起来即可.\\ e^{ax}\{(C_1+C_2x+\cdots+C_kx^k)\cos(bx) + (D_1+D_2x+\cdots+D_kx^k)\sin(bx)\}\\ \qquad r=a+bi,a-bi,把所有解加起来 \end{cases} any(n)+an−1y(n−1)+⋯+a0y=0⇒特征方程anrn+an−1rn−1+⋯+a0=0解出很多个r,对于每个是k重根的r,对应的解:⎩⎪⎪⎪⎨⎪⎪⎪⎧(C1+C2x+⋯+Ckxk)erxr为实数,把所有对应的解都加起来即可.eax{(C1+C2x+⋯+Ckxk)cos(bx)+(D1+D2x+⋯+Dkxk)sin(bx)}r=a+bi,a−bi,把所有解加起来
非齐次方程
非齐次方程的解的形式为齐次方程通解+特解
.然后来讨论特解的形式
f
(
y
,
y
′
,
⋯
,
y
(
n
)
)
=
P
m
(
x
)
e
a
x
设
特
解
为
:
y
∗
=
x
t
e
a
x
Q
m
(
x
)
a
是
对
应
齐
次
方
程
的
t
重
特
征
根
(
可
以
为
0
)
,
Q
m
(
x
)
是
x
的
一
个
待
定
m
次
多
项
式
f(y,y',\cdots,y^{(n)}) = P_m(x)e^{ax}\\ 设特解为:\quad y^* = x^te^{ax}Q_m(x)\\ a是对应齐次方程的t重特征根(可以为0),Q_m(x)是x的一个待定m次多项式\\
f(y,y′,⋯,y(n))=Pm(x)eax设特解为:y∗=xteaxQm(x)a是对应齐次方程的t重特征根(可以为0),Qm(x)是x的一个待定m次多项式
f ( y , y ′ , ⋯ , y ( n ) ) = e α x [ P m ( x ) sin ( β x ) + Q n ( x ) cos ( β x ) ] k 是 α + β i 的 重 数 , j = max ( m , n ) , 则 对 应 的 特 解 为 : x k e α x [ P j ′ ( x ) sin ( β x ) + Q j ′ ( x ) cos ( β x ) ] f(y,y',\cdots,y^{(n)}) = e^{\alpha x}[P_m(x)\sin(\beta x) + Q_n(x)\cos(\beta x)]\\ k 是 \alpha + \beta i的重数,j=\max{(m,n)},则对应的特解为:\\ x^ke^{\alpha x}[P'_j(x)\sin(\beta x) + Q'_j(x)\cos(\beta x)] f(y,y′,⋯,y(n))=eαx[Pm(x)sin(βx)+Qn(x)cos(βx)]k是α+βi的重数,j=max(m,n),则对应的特解为:xkeαx[Pj′(x)sin(βx)+Qj′(x)cos(βx)]
欧拉方程
∑ x n y ( n ) = f ( x ) , 令 x = e t , 然 后 转 化 x n y ( n ) = D ( D − 1 ) ⋯ ( D − n + 1 ) y , D = d d t \sum x^ny^{(n)} = f(x),令x=e^t,然后转化x^ny^{(n)} = D(D-1)\cdots(D-n+1)y,D={d\over dt} ∑xny(n)=f(x),令x=et,然后转化xny(n)=D(D−1)⋯(D−n+1)y,D=dtd
多元函数微分学
多元函数极限,连续,偏导
极限
lim ( x − x 0 ) 2 + ( y − y 0 ) 2 < δ ∣ f ( x , y ) − A ∣ < Δ 则 lim x → x 0 y → y 0 f ( x , y ) = A \lim_{\sqrt{(x-x0)^2+(y-y_0)^2}<\delta} |f(x,y) - A| < \Delta\\ 则\lim_{x\rightarrow x_0\\y\rightarrow y_0} f(x,y) = A (x−x0)2+(y−y0)2<δlim∣f(x,y)−A∣<Δ则x→x0y→y0limf(x,y)=A
连续
lim x → x 0 , y → y 0 f ( x , y ) = f ( x 0 , y 0 ) , 那 么 在 这 个 点 连 续 \lim_{x\rightarrow x_0,y\rightarrow y_0} f(x,y) = f(x_0,y_0),那么在这个点连续 x→x0,y→y0limf(x,y)=f(x0,y0),那么在这个点连续
偏导
lim Δ y → 0 f ( x , y + Δ y ) − f ( x , y ) Δ y = A lim Δ x → 0 f ( x + Δ x , y ) − f ( x , y ) Δ x = A \lim_{\Delta y \rightarrow 0} {f(x,y+\Delta y)-f(x,y)\over \Delta y} =A\\ \lim_{\Delta x \rightarrow 0} {f(x+\Delta x,y)-f(x,y)\over \Delta x} =A Δy→0limΔyf(x,y+Δy)−f(x,y)=AΔx→0limΔxf(x+Δx,y)−f(x,y)=A
可微
f ( x + Δ x , y + Δ y ) − f ( x , y ) = A Δ x + B Δ y + o ( Δ 2 x + Δ 2 y ) f(x+\Delta x,y+\Delta y) - f(x,y) = A\Delta x+B\Delta y+o(\sqrt{\Delta^2 x+\Delta^2y}) f(x+Δx,y+Δy)−f(x,y)=AΔx+BΔy+o(Δ2x+Δ2y)
它们之间的关系
偏 导 连 续 → 可 微 → 连 续 → 有 极 限 偏 导 连 续 → 可 微 → 可 偏 导 偏导连续 \rightarrow 可微 \rightarrow 连续 \rightarrow 有极限\\ 偏导连续 \rightarrow 可微 \rightarrow 可偏导 偏导连续→可微→连续→有极限偏导连续→可微→可偏导
偏导数
计算图法(显式函数)
z = f ( x , y , u , v ) , u = p ( x , y ) , v = q ( x , y ) ∂ z ∂ x = f 1 ′ + f 3 ′ u x ′ + f 4 ′ v x ′ ∂ z ∂ y = f 2 ′ + f 3 ′ u y ′ + f 4 ′ v y ′ z = f(x,y,u,v),u=p(x,y),v=q(x,y)\\ {\partial z\over \partial x} = f'_1 + f'_3 u'_x + f'_4v'_x\\ {\partial z\over \partial y} = f'_2 + f'_3 u'_y + f'_4v'_y z=f(x,y,u,v),u=p(x,y),v=q(x,y)∂x∂z=f1′+f3′ux′+f4′vx′∂y∂z=f2′+f3′uy′+f4′vy′
隐函数
已 知 { F ( x , y , u , v ) = 0 G ( x , y , u , z ) = 0 u = p ( x , y ) v = q ( x , y ) , 以 下 求 对 x 的 导 数 首 先 求 出 以 下 两 个 式 子 { F 1 ′ + F 3 ′ u x ′ + F 4 ′ v x ′ = 0 G 1 ′ + G 3 ′ u x ′ + G 4 ′ v x ′ = 0 然 后 联 立 两 个 式 子 , 就 能 解 出 对 应 的 导 数 F x ′ , G x ′ . 已知\begin{cases} F(x,y,u,v) = 0\\ G(x,y,u,z) = 0\\ u = p(x,y)\\ v = q(x,y) \end{cases},以下求对x的导数\\ 首先求出以下两个式子 \begin{cases} F'_1 + F'_3u'_x + F'_4v'_x = 0\\ G'_1 + G'_3u'_x + G'_4v'_x = 0 \end{cases}\\ 然后联立两个式子,就能解出对应的导数F'_x,G'_x. 已知⎩⎪⎪⎪⎨⎪⎪⎪⎧F(x,y,u,v)=0G(x,y,u,z)=0u=p(x,y)v=q(x,y),以下求对x的导数首先求出以下两个式子{F1′+F3′ux′+F4′vx′=0G1′+G3′ux′+G4′vx′=0然后联立两个式子,就能解出对应的导数Fx′,Gx′.
极值与最值
设我们有个 函 数 F ( x , y ) , 导 数 F x ′ , F y ′ , F x y ′ ′ , F y x ′ ′ , F x x ′ ′ , F y y ′ ′ 函数F(x,y),导数F'_x,F'_y,F''_{xy},F''_{yx},F''_{xx},F''_{yy} 函数F(x,y),导数Fx′,Fy′,Fxy′′,Fyx′′,Fxx′′,Fyy′′,然后我们求解下面的极
没有约束条件的极值问题
首先求出
{ F x ′ ( x 0 , y 0 ) = 0 F y ′ ( x 0 , y 0 ) = 0 的 点 ( x 0 , y 0 ) \begin{cases} F'_x(x_0,y_0) = 0\\ F'_y(x_0,y_0) = 0 \end{cases} 的点(x_0,y_0) {Fx′(x0,y0)=0Fy′(x0,y0)=0的点(x0,y0)
如果其对应的
[ F x x ′ ′ F x y ′ ′ F y x ′ ′ F y y ′ ′ ] = [ A B B C ] \begin{bmatrix} F''_{xx} & F''_{xy}\\ F''_{yx} & F''_{yy} \end{bmatrix}= \begin{bmatrix} A & B\\ B & C \end{bmatrix} [Fxx′′Fyx′′Fxy′′Fyy′′]=[ABBC]
如果正定: A > 0 , A C − B 2 > 0 A > 0,AC-B^2 > 0 A>0,AC−B2>0则为极小值,如果负定 ( − A ) > 0 , ( − A ) ( − C ) − ( − B ) 2 > 0 (-A) > 0,(-A)(-C) - (-B)^2 > 0 (−A)>0,(−A)(−C)−(−B)2>0则为极大值.
有约束条件的极值
假设约束条件是
T
(
x
,
y
)
T(x,y)
T(x,y)然后方程是
F
(
x
,
y
)
F(x,y)
F(x,y),已知的东西都一样.
F
(
x
,
y
)
+
λ
T
(
x
,
y
)
=
0
这
个
式
子
的
极
值
就
是
了
!
需
要
单
独
判
断
一
下
T
的
边
界
F(x,y) + \lambda T(x,y) = 0\\这个式子的极值就是了!需要单独判断一下T的边界
F(x,y)+λT(x,y)=0这个式子的极值就是了!需要单独判断一下T的边界
推导原理:
设
T
(
x
,
y
)
构
成
了
一
个
隐
函
数
,
那
么
∂
y
∂
x
=
−
T
x
′
T
y
′
F
x
′
=
F
1
′
+
F
2
′
×
−
T
x
′
T
y
′
=
0
⇒
F
1
′
F
2
′
=
T
x
′
T
y
′
⇒
F
1
′
T
x
′
=
F
2
′
T
y
′
F
y
′
=
F
2
′
+
F
1
′
×
−
T
y
′
T
x
′
=
0
⇔
⇒
F
1
′
F
2
′
=
T
x
′
T
y
′
设
F
2
′
T
y
′
=
−
λ
⇒
{
F
1
′
+
λ
T
x
′
=
0
F
2
′
+
λ
T
y
′
=
0
T
=
0
⇔
F
(
x
,
y
)
+
λ
T
(
x
,
y
)
极
值
设T(x,y)构成了一个隐函数,那么{\partial y\over \partial x} = -{T'_x \over T'_y}\\ F'_x = F'_1 + F'_2 \times -{T'_x\over T'_y} = 0\Rightarrow {F'_1\over F'_2} = {T'_x\over T'_y}\Rightarrow {F'_1\over T'_x} = {F'_2\over T'_y}\\ F'_y = F'_2 + F'_1 \times -{T'_y\over T'_x} = 0\Leftrightarrow \Rightarrow {F'_1\over F'_2} = {T'_x\over T'_y}\\ 设{F'_2\over T'_y} = -\lambda \Rightarrow \\ \begin{cases} F'_1 + \lambda T'_x = 0\\ F'_2 + \lambda T'_y = 0\\ T = 0 \end{cases}\\ \Leftrightarrow F(x,y) + \lambda T(x,y) 极值
设T(x,y)构成了一个隐函数,那么∂x∂y=−Ty′Tx′Fx′=F1′+F2′×−Ty′Tx′=0⇒F2′F1′=Ty′Tx′⇒Tx′F1′=Ty′F2′Fy′=F2′+F1′×−Tx′Ty′=0⇔⇒F2′F1′=Ty′Tx′设Ty′F2′=−λ⇒⎩⎪⎨⎪⎧F1′+λTx′=0F2′+λTy′=0T=0⇔F(x,y)+λT(x,y)极值
方向导数
方向导数和梯度
方向导数是指向某个具体方向的导数,如果方向为
(
cos
α
,
cos
β
)
(\cos \alpha,\cos \beta)
(cosα,cosβ),那么方向导数就是
F
x
′
cos
α
+
F
y
′
cos
β
F'_x\cos \alpha + F'_y \cos \beta
Fx′cosα+Fy′cosβ,原理推导式子为
lim
t
→
0
+
F
(
x
+
t
cos
α
,
y
+
t
cos
β
)
−
F
(
x
,
y
)
t
\lim_{t\rightarrow 0^+}{F(x+t\cos \alpha,y+t\cos \beta) - F(x,y)\over t}
t→0+limtF(x+tcosα,y+tcosβ)−F(x,y)
然后有了梯度
∇
F
=
(
F
x
′
,
F
y
′
)
\nabla F = (F'_x,F'_y)
∇F=(Fx′,Fy′)
其中
∣
∇
F
∣
|\nabla F|
∣∇F∣是方向导数的最大值,此时方向向量与
∇
F
\nabla F
∇F同向.方向导数可以写成
∇
F
⋅
e
,
e
=
{
cos
α
,
cos
β
,
cos
γ
}
\nabla F \cdot e,e=\{\cos \alpha ,\cos \beta,\cos \gamma\}
∇F⋅e,e={cosα,cosβ,cosγ}为方向向量.
切线,法线,切平面,法平面
切线和法平面是对直线来说的,直线通常可以由两个平面的交线确定.假设我们的两个平面为
{
F
(
x
,
y
,
z
)
=
0
G
(
x
,
y
,
z
)
=
0
\begin{cases} F(x,y,z) = 0\\ G(x,y,z) = 0 \end{cases}
{F(x,y,z)=0G(x,y,z)=0
那么它的切向量就是
[
i
j
k
F
x
′
F
y
′
F
z
′
G
x
′
G
y
′
G
z
′
]
=
A
i
+
B
j
+
C
k
\begin{bmatrix} i & j & k\\ F'_x &F'_y &F'_z\\ G'_x & G'_y &G'_z \end{bmatrix} = Ai + Bj + Ck
⎣⎡iFx′Gx′jFy′Gy′kFz′Gz′⎦⎤=Ai+Bj+Ck
然后我们来搞它的法平面,也就是与切线垂直的平面
A
(
x
−
x
0
)
+
B
(
y
−
y
0
)
+
C
(
z
−
z
0
)
=
0
,
(
x
0
,
y
0
,
z
0
)
∈
线
A(x-x_0) + B(y-y_0) + C(z-z_0) = 0,(x_0,y_0,z_0)\in 线
A(x−x0)+B(y−y0)+C(z−z0)=0,(x0,y0,z0)∈线
如果这个直线用的是参数方程的形式表示的话,也就是说
{
x
=
x
(
t
)
y
=
y
(
t
)
z
=
z
(
t
)
,
t
为
参
数
\begin{cases} x = x(t)\\ y = y(t)\\ z = z(t) \end{cases},t为参数
⎩⎪⎨⎪⎧x=x(t)y=y(t)z=z(t),t为参数
那么它的切向量就是
(
x
t
′
(
t
)
,
y
t
′
(
t
)
,
z
t
′
(
t
)
)
,
t
为
参
数
(x'_t(t),y'_t(t),z'_t(t)),t为参数
(xt′(t),yt′(t),zt′(t)),t为参数
然后它的法平面就是
A
=
x
t
′
(
t
)
,
B
=
y
t
′
(
t
)
,
C
=
z
t
′
(
t
)
的
情
况
了
A = x'_t(t),B=y'_t(t),C=z'_t(t)的情况了
A=xt′(t),B=yt′(t),C=zt′(t)的情况了
法线和切平面是对一个平面方程来说的,一个平面方程通常可以写成
F
(
x
,
y
,
z
)
=
0
F(x,y,z)=0
F(x,y,z)=0这个情况,然后我们研究它的法向量:
(
F
x
′
,
F
y
′
,
F
z
′
)
(F'_x,F'_y,F'_z)
(Fx′,Fy′,Fz′)
然后它的切平面,也就是跟法向量垂直的那个平面:
F
x
′
(
x
−
x
0
)
+
F
y
′
(
y
−
y
0
)
+
F
z
′
(
z
−
z
0
)
=
0
,
(
x
0
,
y
0
,
z
0
)
∈
平
面
F'_x(x-x_0)+F'_y(y-y_0)+F'_z(z-z_0) = 0,(x_0,y_0,z_0)\in 平面
Fx′(x−x0)+Fy′(y−y0)+Fz′(z−z0)=0,(x0,y0,z0)∈平面
这里需要注意这个法向量是朝着F式子增大的方向去的.比如
x
2
+
y
2
+
z
2
=
0
x^2+y^2+z^2=0
x2+y2+z2=0在第一象限的法向量是
(
2
x
,
2
y
,
2
z
)
(2x,2y,2z)
(2x,2y,2z)全都是正的,也就是往
F
F
F增大的方向.
多元函数积分学
重积分
二重积分
二重积分是对面积微元进行积分,三重积分是对体积微元进行积分.
二重积分满足好几个性质:
- 可比性质 ∬ f d ρ < ∬ g d ρ , f < g \iint f d\rho < \iint g d\rho,f < g ∬fdρ<∬gdρ,f<g
- 估值性质 m < f < M , m S < ∬ f d ρ < M S m<f<M,mS<\iint f d\rho<MS m<f<M,mS<∬fdρ<MS
- 中值定理 ∬ f d ρ = f ( x 0 , y 0 ) S \iint f d\rho = f(x_0,y_0)S ∬fdρ=f(x0,y0)S
二重积分的积分顺序
∬
F
d
ρ
=
∫
x
0
x
1
∫
y
0
y
1
d
y
d
x
=
∫
y
0
y
1
∫
x
0
x
1
d
x
d
y
\iint F d\rho = \int_{x_0}^{x_1} \int_{y_0}^{y_1}dydx = \int_{y_0}^{y_1} \int_{x_0}^{x_1}dxdy
∬Fdρ=∫x0x1∫y0y1dydx=∫y0y1∫x0x1dxdy
需要注意的是边界的判断,如果是函数的话,要画出区域然后换序.
当然也可以进行换序到极坐标方程上
∬
S
F
d
s
=
∫
∫
ρ
d
ρ
d
θ
,
d
s
=
d
ρ
(
ρ
d
θ
)
\iint_S F ds = \int \int \rho d \rho d\theta,ds = d\rho (\rho d\theta)
∬SFds=∫∫ρdρdθ,ds=dρ(ρdθ)
三重积分
对体积微元进行积分啊!
∭
F
d
v
\iiint F dv
∭Fdv,上面那几个性质对于连续的F都成立.下面着重介绍换序的东西.换序柱坐标
d
v
=
d
z
d
ρ
(
ρ
d
θ
)
dv = dz d\rho (\rho d\theta)
dv=dzdρ(ρdθ)
换序球坐标,
γ
\gamma
γ是与
z
z
z正向的夹角
d
v
=
d
ρ
(
ρ
d
γ
)
(
ρ
sin
γ
d
θ
)
=
ρ
2
sin
γ
d
ρ
d
θ
d
γ
dv = d\rho (\rho d\gamma)(\rho \sin \gamma d\theta) = \rho^2 \sin \gamma d\rho d\theta d\gamma
dv=dρ(ρdγ)(ρsinγdθ)=ρ2sinγdρdθdγ
常用重积分公式
∫ − π π cos ( n x ) d x = ∫ − π π sin ( n x ) d x = 0 ∫ − π π cos ( m x ) sin ( n x ) d x = 0 ∫ − π π cos ( m x ) cos ( n x ) d x = ∫ − π π sin ( m x ) sin ( n x ) d x = { 0 m ≠ n π m = n ∫ 0 π cos ( m x ) cos ( n x ) d x = ∫ 0 π sin ( m x ) sin ( n x ) d x = { 0 m ≠ n π 2 m = n I n = ∫ 0 π 2 sin n x d x = ∫ 0 π 2 cos n x d x = { n − 1 n I n − 2 ( n − 1 ) ! ! n ! ! n = 2 k + 1 ( n − 1 ) ! ! n ! ! π 2 n = 2 k \int_{-\pi}^{\pi} \cos(nx)dx = \int_{-\pi}^{\pi}\sin(nx)dx = 0\\ \int_{-\pi}^{\pi} \cos(mx)\sin(nx) dx = 0\\ \int_{-\pi}^{\pi} \cos(mx)\cos(nx)dx = \int_{-\pi}^{\pi} \sin(mx)\sin(nx)dx=\begin{cases}0&m\ne n\\\pi &m=n\end{cases}\\ \int_{0}^{\pi}\cos(mx)\cos(nx)dx=\int_{0}^{\pi}\sin(mx)\sin(nx)dx=\begin{cases}0&m\ne n\\{\pi\over 2}&m=n\end{cases}\\ I_n = \int_{0}^{\pi\over 2}\sin^n xdx=\int_{0}^{\pi\over 2}\cos^n xdx = \begin{cases}{n-1\over n}I_{n-2}\\{(n-1)!!\over n!!}&n=2k+1\\{(n-1)!!\over n!!}{\pi\over 2}&n=2k\end{cases} ∫−ππcos(nx)dx=∫−ππsin(nx)dx=0∫−ππcos(mx)sin(nx)dx=0∫−ππcos(mx)cos(nx)dx=∫−ππsin(mx)sin(nx)dx={0πm=nm=n∫0πcos(mx)cos(nx)dx=∫0πsin(mx)sin(nx)dx={02πm=nm=nIn=∫02πsinnxdx=∫02πcosnxdx=⎩⎪⎨⎪⎧nn−1In−2n!!(n−1)!!n!!(n−1)!!2πn=2k+1n=2k
第一类积分
第一类曲线积分
它是对弧长积分.
∫
F
d
s
=
{
∫
F
1
+
y
x
′
2
d
x
y
=
y
(
x
)
∫
F
(
x
t
′
)
2
+
(
y
t
′
)
2
d
t
{
x
=
x
(
t
)
y
=
y
(
t
)
∫
F
ρ
2
+
ρ
′
2
d
ρ
ρ
=
ρ
(
θ
)
\int F ds = \begin{cases} \int F \sqrt{1+{y'_x}^2}dx&y=y(x)\\ \int F \sqrt{(x'_t)^2+(y'_t)^2}dt&\begin{cases}x=x(t)\\y=y(t)\end{cases}\\ \int F \sqrt{\rho^2+\rho'^2}d\rho&\rho = \rho(\theta) \end{cases}
∫Fds=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧∫F1+yx′2dx∫F(xt′)2+(yt′)2dt∫Fρ2+ρ′2dρy=y(x){x=x(t)y=y(t)ρ=ρ(θ)
如果有对称性的话,那么可以利用对称性进行计算
第一类曲面积分
这个东西是对面积微元进行积分
∬
+
S
/
−
S
,
z
=
z
(
x
,
y
)
F
(
x
,
y
,
z
)
d
S
=
∬
S
F
(
x
,
y
,
z
(
x
,
y
)
)
1
+
z
x
′
2
+
z
y
′
2
d
x
d
y
\iint_{+S/-S,z=z(x,y)} F(x,y,z) dS = \iint_S F(x,y,z(x,y)) \sqrt{1+z'^2_x+z'^2_y}dxdy
∬+S/−S,z=z(x,y)F(x,y,z)dS=∬SF(x,y,z(x,y))1+zx′2+zy′2dxdy
第二种方法是利用积分曲面的对称性和积分函数的奇偶性。具体原理跟上面曲线积分的奇偶性相同。
第三种方法是利用积分曲线的轮换对称性,只要变量换了区域不变,那么变量换了积分值也不会变。
∬
S
x
2
d
S
,
S
:
x
2
+
y
2
+
z
2
=
1
=
∬
S
y
2
d
S
=
∬
z
2
d
S
=
1
3
∬
S
R
2
d
S
=
4
π
R
4
3
\iint_S x^2 dS,S:x^2+y^2+z^2=1\\ = \iint_S y^2 dS = \iint z^2 dS = {1\over 3}\iint_S R^2dS = {4\pi R^4 \over 3}
∬Sx2dS,S:x2+y2+z2=1=∬Sy2dS=∬z2dS=31∬SR2dS=34πR4
第二类积分
第二类积分是有向积分。
第二类曲线积分
∫ A B { F ( x , y ) , Q ( x , y ) } ⋅ ( d x , d y ) = − ∫ B A { F ( x , y ) , Q ( x , y ) } ⋅ ( d x , d y ) = ∫ L ( F cos α + G cos β ) d s ( cos α , cos β ) 是 L 的 方 向 余 弦 \int_{AB} \{F(x,y),Q(x,y)\} \cdot ({dx,dy}) = -\int_{BA}\{F(x,y),Q(x,y)\} \cdot(dx,dy) = \int_L (F\cos \alpha+G\cos \beta)ds\\ (\cos \alpha,\cos \beta)是L的方向余弦 ∫AB{F(x,y),Q(x,y)}⋅(dx,dy)=−∫BA{F(x,y),Q(x,y)}⋅(dx,dy)=∫L(Fcosα+Gcosβ)ds(cosα,cosβ)是L的方向余弦
计算方法:
- 直接法
L = { x = x ( t ) y = y ( t ) , t ∈ [ a , b ] ∫ L F d x + G d y = ∫ L F x t ′ + G y t ′ d t L = \begin{cases}x = x(t)\\y=y(t)\end{cases},t\in [a,b]\\ \int_L F dx + G dy = \int_L Fx'_t+Gy'_tdt L={x=x(t)y=y(t),t∈[a,b]∫LFdx+Gdy=∫LFxt′+Gyt′dt
- 格林公式,要求L是正向闭曲线(沿着L前进,区域在其左侧)
∫ L P d x + Q d y = ∬ S ∂ Q ∂ x − ∂ P ∂ y d x d y \int_L P dx + Qdy = \iint_S{\partial Q\over \partial x} - {\partial P\over \partial y} dxdy ∫LPdx+Qdy=∬S∂x∂Q−∂y∂Pdxdy
- 利用线积分与路径无关的结论
前 提 : ∂ Q ∂ x = ∂ P ∂ y 结 论 : ∫ L P d x + Q d y = ∫ L 0 P ( x , y 0 ) d x + ∫ L 1 Q ( x 0 , y ) d y , L 0 + L 1 = L 前提:{\partial Q\over \partial x} = {\partial P\over \partial y}\\ 结论:\int_L Pdx+Qdy = \int_{L0} P(x,y_0)dx + \int_{L1}Q(x_0,y)dy,L_0+L_1=L 前提:∂x∂Q=∂y∂P结论:∫LPdx+Qdy=∫L0P(x,y0)dx+∫L1Q(x0,y)dy,L0+L1=L
三维情况与上面差不多,然后补充一下:
- 直接法
{ x = x ( t ) y = y ( t ) z = z ( t ) , t ∈ [ a , b ] ∫ L P d x + Q d y + R d z = ∫ L P x ′ + Q y ′ + R z ′ d t \begin{cases}x=x(t)\\y=y(t)\\z=z(t)\end{cases},t\in [a,b]\\ \int_L Pdx+Qdy+Rdz = \int_L Px'+Qy'+Rz' dt ⎩⎪⎨⎪⎧x=x(t)y=y(t)z=z(t),t∈[a,b]∫LPdx+Qdy+Rdz=∫LPx′+Qy′+Rz′dt
- 斯托克斯公式,要求L是S的正向。这个东西叫做旋度
∫ L P d x + Q d y + R d z = ∬ S [ d y d z d z d x d x d y ∂ ∂ x ∂ ∂ y ∂ ∂ z P Q R ] \int_L Pdx + Qdy+Rdz = \iint_S \begin{bmatrix} dydz & dzdx & dxdy\\ {\partial \over \partial x} & {\partial \over \partial y} & {\partial \over \partial z}\\ P & Q &R \end{bmatrix} ∫LPdx+Qdy+Rdz=∬S⎣⎡dydz∂x∂Pdzdx∂y∂Qdxdy∂z∂R⎦⎤
第二类曲面积分
应该是一个向量
{
P
(
x
,
y
,
z
)
,
Q
(
x
,
y
,
z
)
,
R
(
x
,
y
,
z
)
}
\{P(x,y,z),Q(x,y,z),R(x,y,z)\}
{P(x,y,z),Q(x,y,z),R(x,y,z)}分别对
d
y
d
z
,
d
z
d
x
,
d
x
d
y
dydz,dzdx,dxdy
dydz,dzdx,dxdy曲面的积分。这个东西叫做散度。方向与曲面选择相关。
∬
S
P
d
y
d
z
+
Q
d
z
d
x
+
R
d
x
d
y
=
∬
S
(
P
cos
a
+
Q
cos
b
+
R
cos
c
)
d
S
\iint_S Pdydz + Qdzdx+Rdxdy = \iint_S(P\cos a+Q\cos b+R\cos c)dS
∬SPdydz+Qdzdx+Rdxdy=∬S(Pcosa+Qcosb+Rcosc)dS
计算方法:
- 直接法
∬ S P ( x , y , z ) d y d z = − + ∬ P ( x ( y , z ) , y , z ) d y d z , 正 负 号 选 择 与 S 的 法 向 量 与 o x 夹 角 有 关 \iint_S P(x,y,z)dydz = ^+_-\iint P(x(y,z),y,z)dydz,正负号选择与S的法向量与ox夹角有关 ∬SP(x,y,z)dydz=−+∬P(x(y,z),y,z)dydz,正负号选择与S的法向量与ox夹角有关
- 直接法*2
∬ S P d y d z + Q d z d x + R d x d y = ∬ S [ P ( − ∂ z ∂ x ) + Q ( − ∂ z ∂ y ) + R ] d x d y 可 以 认 为 是 利 用 了 d z d x = − ∂ z ∂ x ? \iint_S P dydz + Q dzdx + Rdxdy = \iint_S [P(-{\partial z\over \partial x}) + Q(-{\partial z\over \partial y}) + R]dxdy\\ 可以认为是利用了 {dz\over dx} = -{\partial z\over \partial x}? ∬SPdydz+Qdzdx+Rdxdy=∬S[P(−∂x∂z)+Q(−∂y∂z)+R]dxdy可以认为是利用了dxdz=−∂x∂z?
- 高斯公式,要求S是V的外侧的闭曲面。如果不是的话,可以考虑搞成一个封闭的曲面。这东西就是散度
∬ S P d y d z + Q d z d x + R d x d y = ∭ V ∂ P ∂ x + ∂ Q ∂ y + ∂ R ∂ z d V \iint_S Pdydz + Qdzdx+Rdxdy = \iiint_V {\partial P\over \partial x} + {\partial Q\over \partial y} + {\partial R\over \partial z} dV ∬SPdydz+Qdzdx+Rdxdy=∭V∂x∂P+∂y∂Q+∂z∂RdV
无穷级数
常数项级数
数列 a 1 , a 2 , … , a n a_1,a_2,\dots,a_n a1,a2,…,an是一个数列,然后称 S = ∑ a i S = \sum a_i S=∑ai为无穷奇数。如果它收敛于某个数值,那么就称这个数列收敛于这个数值。如果没有极限,那么就称它发散。
对于无穷级数,它满足以下几个性质:
- k a n ka_n kan与 a n a_n an的敛散性相同。
- ( a n ) − + ( b n ) = c n (a_n)^+_- (b_n) = c_n (an)−+(bn)=cn收敛+收敛=收敛。发散+发散=不确定。收敛+发散=发散
- 改变前面有限项不影响敛散性
- 收敛加括号必收敛,发散加括号可能收敛,加括号发散必发散
- 收敛必要条件 lim n → + ∞ a n = 0 \lim_{n\rightarrow +\infty}a_n=0 limn→+∞an=0
正项级数
正项级数敛散性判别方法(下面都是充分条件):
- 比较判别法
0 ≤ a n ≤ b n , ∑ b n , ∑ a n 前 收 敛 后 必 收 敛 , 后 发 散 前 必 发 散 0 \leq a_n \leq b_n,\sum b_n,\sum a_n\\ 前收敛后必收敛,后发散前必发散 0≤an≤bn,∑bn,∑an前收敛后必收敛,后发散前必发散
- 比较判别法的比值形式
常用的几个做b的函数:
1
n
p
{1\over n^p}
np1,p大于1收敛,小于等于1发散。
a
q
n
aq^n
aqn,q大于等于1发散,小于1收敛。
lim
n
→
+
∞
a
n
b
n
=
l
{
l
=
+
∞
,
b
发
散
a
必
发
散
l
=
0
,
b
收
敛
a
必
收
敛
l
=
e
,
e
∈
R
,
b
和
a
同
敛
散
性
\lim_{n\rightarrow +\infty} {a_n\over b_n} = l\\ \begin{cases} l = +\infty&,b发散a必发散\\ l = 0&,b收敛a必收敛\\ l = e,e\in \R&,b和a同敛散性 \end{cases}
n→+∞limbnan=l⎩⎪⎨⎪⎧l=+∞l=0l=e,e∈R,b发散a必发散,b收敛a必收敛,b和a同敛散性
- 比值判别法
常见的是
n
!
n!
n!
lim
n
→
+
∞
a
n
+
1
a
n
=
l
{
l
>
1
,
发
散
l
<
1
,
收
敛
l
=
1
,
不
一
定
\lim_{n\rightarrow +\infty} {a_{n+1}\over a_n} = l\\ \begin{cases} l > 1&,发散\\ l < 1&,收敛\\ l = 1&,不一定 \end{cases}
n→+∞limanan+1=l⎩⎪⎨⎪⎧l>1l<1l=1,发散,收敛,不一定
- 根值判别法
常见的是
n
n
,
n
!
,
n
!
n
=
1
n^n,n!,\sqrt[n]{n!} = 1
nn,n!,nn!=1
lim
n
→
+
∞
a
n
n
=
l
{
l
>
1
,
发
散
l
<
1
,
收
敛
l
=
1
,
不
一
定
\lim_{n\rightarrow +\infty}\sqrt[n]{a_n} = l\\ \begin{cases} l > 1&,发散\\ l < 1&,收敛\\ l = 1&,不一定 \end{cases}
n→+∞limnan=l⎩⎪⎨⎪⎧l>1l<1l=1,发散,收敛,不一定
交错级数
( − 1 ) n u n , u n > 0 (-1)^n u_n,u_n>0 (−1)nun,un>0
莱布尼兹判定法则(充分条件),条件为以下两个:
- u n + 1 ≤ u n , n 对 所 有 实 数 都 成 立 u_{n+1} \leq u_n,n对所有实数都成立 un+1≤un,n对所有实数都成立
- lim n → + ∞ u n = 0 \lim_{n\rightarrow +\infty} u_n = 0 limn→+∞un=0
或者是它是绝对收敛的。
任意项级数
绝对值构成的级数收敛,那么称它为绝对收敛。本身收敛,绝对值构成的级数发散,则称为条件收敛。
绝对收敛级数的原级数必定收敛,条件收敛级数的正项或负项构成的级数一定发散。
幂级数
函数项级数是指 ∑ u i ( x ) = u 1 ( x ) + u 2 ( x ) + … \sum u_i(x) = u_1(x)+u_2(x)+\dots ∑ui(x)=u1(x)+u2(x)+…。如果在 x 0 x_0 x0处收敛,则称这个点为收敛点.收敛点构成的集合称为收敛域.和函数是指在收敛域内的 ∑ u i ( x ) \sum u_i(x) ∑ui(x).
幂级数是指 ∑ a n ( x − x 0 ) n \sum a_n(x-x_0)^n ∑an(x−x0)n称为 x − x 0 x-x_0 x−x0的幂级数. ∑ a n x n \sum a_n x^n ∑anxn称为x的幂级数.
收敛半径与收敛域
阿贝尔引理:关于x的幂级数如果在 x 1 ≠ 0 x_1\ne 0 x1=0处收敛,那么它在 ∣ x ∣ < ∣ x 1 ∣ |x|<|x_1| ∣x∣<∣x1∣的地方绝对收敛.如果在 x 2 x_2 x2发散,那么在 ∣ x ∣ > ∣ x 2 ∣ |x| > |x_2| ∣x∣>∣x2∣都发散.
收敛半径:绝对收敛的开区域.可以为0,也可以为无穷.这两个特殊情况是人为定义的.
求收敛半径: lim n → + ∞ ∣ a n + 1 a n ∣ = l \lim_{n\rightarrow +\infty} |{a_{n+1}\over a_n}| = l limn→+∞∣anan+1∣=l,那么 1 l 1\over l l1的扩展定义就是R.同样 lim n → + ∞ a n n = l \lim_{n\rightarrow +\infty} \sqrt[n]{a_n} = l limn→+∞nan=l也有相同的结论成立.
收敛区间是 ( − R , R ) (-R,R) (−R,R),收敛域需要单独判断端点处的敛散情况.
四则运算性质
加减乘之后,收敛半径取两个收敛半径的最小值.
除法定义为乘法的逆运算
幂级数展开
如果
f
(
x
)
f(x)
f(x)在
x
=
x
0
x=x_0
x=x0处任意阶可导,则展开成泰勒级数为
∑
n
=
0
+
∞
f
(
n
)
(
x
0
)
n
!
(
x
−
x
0
)
n
\sum_{n=0}^{+\infty} {f^{(n)}(x_0)\over n!}(x-x_0)^n
n=0∑+∞n!f(n)(x0)(x−x0)n
特殊一点搞到x=0的展开,叫做麦克劳林级数
∑
n
=
0
+
∞
f
(
n
)
(
0
)
n
!
x
n
\sum_{n=0}^{+\infty}{f^{(n)}(0)\over n!}x^n
n=0∑+∞n!f(n)(0)xn
泰勒级数的
x
1
x_1
x1点收敛于原函数的判定条件为
lim
n
→
+
∞
R
n
(
x
1
)
=
lim
n
→
+
∞
f
(
n
+
1
)
(
t
)
(
n
+
1
)
!
(
x
−
x
0
)
(
n
+
1
)
,
t
∈
[
x
0
,
x
1
]
\lim_{n\rightarrow +\infty} R_n(x_1) = \lim_{n\rightarrow +\infty}{f^{(n+1)}(t)\over (n+1)!}(x-x_0)^{(n+1)},t\in [x_0,x_1]
n→+∞limRn(x1)=n→+∞lim(n+1)!f(n+1)(t)(x−x0)(n+1),t∈[x0,x1]
常用的麦克劳林展开式
1
1
−
x
=
∑
n
=
0
+
∞
x
n
1
1
+
x
=
∑
n
=
0
∞
(
−
x
)
n
e
x
=
∑
n
=
0
+
∞
x
n
n
!
sin
x
=
∑
n
=
0
+
∞
(
−
1
)
n
x
2
n
+
1
(
2
n
+
1
)
!
cos
x
=
∑
n
=
0
+
∞
(
−
1
)
n
x
2
n
(
2
n
)
!
ln
(
1
+
x
)
=
∫
0
x
∑
n
=
0
+
∞
(
−
1
)
n
t
n
d
t
=
∑
n
=
0
+
∞
(
−
1
)
n
x
n
+
1
n
+
1
{1\over 1-x}= \sum_{n=0}^{+\infty} x^n\\ {1\over 1+x} = \sum_{n=0}^{_\infty} (-x)^n\\ {e^x} = \sum_{n=0}^{+\infty} {x^n\over n!}\\ \sin x = \sum_{n=0}^{+\infty} (-1)^n {x^{2n+1}\over (2n+1)!}\\ \cos x = \sum_{n=0}^{+\infty} (-1)^n {x^{2n}\over (2n)!}\\ \ln(1+x) = \int_0^{x} \sum_{n=0}^{+\infty}(-1)^n t^n dt = \sum_{n=0}^{+\infty}(-1)^n {x^{n+1}\over n+1}
1−x1=n=0∑+∞xn1+x1=n=0∑∞(−x)nex=n=0∑+∞n!xnsinx=n=0∑+∞(−1)n(2n+1)!x2n+1cosx=n=0∑+∞(−1)n(2n)!x2nln(1+x)=∫0xn=0∑+∞(−1)ntndt=n=0∑+∞(−1)nn+1xn+1
傅里叶级数
三角函数的正交性
∫ − π π sin n x d x = ∫ − π π cos n x d x = ∫ − π π sin n x cos m x d x = 0 ∫ − π π sin n x cos m x d x = { 0 m ≠ n π m = n \int_{-\pi}^{\pi}\sin nx dx = \int_{-\pi}^{\pi}\cos nx dx = \int_{-\pi}^{\pi}\sin nx \cos mx dx = 0\\ \int_{-\pi}^{\pi} \sin nx \cos mx dx = \begin{cases} 0&m\ne n\\ \pi &m=n \end{cases} ∫−ππsinnxdx=∫−ππcosnxdx=∫−ππsinnxcosmxdx=0∫−ππsinnxcosmxdx={0πm=nm=n
傅里叶级数
a n = 1 π ∫ − π π f ( x ) cos n x d x , n = 0 , 1 , 2 , … b n = 1 π ∫ − π π f ( x ) sin n x d x , n = 1 , 2 , … a_n = {1\over \pi} \int_{-\pi}^{\pi}f(x)\cos nx dx, n = 0,1,2,\dots\\ b_n = {1\over \pi} \int_{-\pi}^{\pi}f(x)\sin nx dx,n = 1,2,\dots an=π1∫−ππf(x)cosnxdx,n=0,1,2,…bn=π1∫−ππf(x)sinnxdx,n=1,2,…
展开所构成的傅里叶级数为
f
(
x
)
∼
a
0
2
+
∑
n
=
1
+
∞
(
a
n
cos
n
x
+
b
n
sin
n
x
)
f(x) \sim {a_0\over 2} + \sum_{n=1}^{+\infty}(a_n \cos nx + b_n \sin nx)
f(x)∼2a0+n=1∑+∞(ancosnx+bnsinnx)
收敛性定理
如果一个函数在周期区间 [ − π , π ] [-\pi,\pi] [−π,π]上
- 除了有限个第一类间断点(两侧极值都有)连续
- 仅存在有限个极值点
则其傅里叶级数在 [ − π , π ] [-\pi,\pi] [−π,π]上处处收敛于,而且:
- f ( x ) f(x) f(x),连续点
- f ( x − ) + f ( x + ) 2 {f(x^-)+f(x^+)\over 2} 2f(x−)+f(x+)间断点
- f ( − π + ) + f ( π − ) 2 f(-\pi^+) + f(\pi^-)\over 2 2f(−π+)+f(π−), x = − + π x = ^+_- \pi x=−+π
一个普通周期函数
如果这个周期函数的周期区间是
[
−
l
,
l
]
[-l,l]
[−l,l],那么有以下的展开
X
=
x
π
l
,
X
∈
[
−
π
,
π
]
a
n
=
1
π
∫
−
π
π
f
(
x
)
cos
n
X
d
X
=
π
l
π
∫
−
l
l
f
(
x
)
cos
n
π
x
l
d
x
=
1
l
∫
−
l
l
f
(
x
)
cos
n
π
x
l
d
x
b
n
同
理
\begin{aligned} X &= x{\pi \over l},X\in [-\pi,\pi]\\ a_n &= {1\over \pi}\int_{-\pi}^{\pi} f(x) \cos nX dX\\ &= {\pi\over l\pi}\int_{-l}^{l} f(x) \cos {n\pi x\over l}dx\\ &= {1\over l}\int_{-l}^{l}f(x)\cos {n\pi x\over l}dx\\ b_n&同理 \end{aligned}
Xanbn=xlπ,X∈[−π,π]=π1∫−ππf(x)cosnXdX=lππ∫−llf(x)coslnπxdx=l1∫−llf(x)coslnπxdx同理