1.1 多元函数
1.1.1 重极限与累次极限
定理1.1.1.1 若二重极限存在,则所有存在的累次极限都与它相等。
1.2 多元函数、向量值函数微分
1.2.1 全微分
d u = a 1 d x 1 + a 2 d x 2 + ⋯ + a n d x n \text{d}u=a_1\text{d}x_1+a_2\text{d}x_2+\cdots+a_n\text{d}x_n du=a1dx1+a2dx2+⋯+andxn Δ u = d u + o ( ∣ ∣ Δ X ∣ ∣ ) \Delta u=\text{d}u+o(||\Delta \bm{X}||) Δu=du+o(∣∣ΔX∣∣)
1.2.2 全微分与偏微分
定理1.2.2.1 在平面上,若一个偏导数连续,另一个偏导数存在,则这个点可微。 n n n维空间中,需要 n − 1 n-1 n−1个偏导数连续。
定理1.2.2.2 若混合偏导存在且连续,则相等。
1.2.3 向量值函数的微分
向量 Y \bm{Y} Y的全微分公式是 Y = A d X \bm{Y}=\bm{A}\text{d}\bm{X} Y=AdX其中 A \bm{A} A是该点的雅可比矩阵,记为 A = J f ( X ) \bm{A}=\mathcal{J}f(\bm{X}) A=Jf(X)。当 A \bm{A} A是方阵时,有雅克比行列式 D ( Y ) D ( X ) = det ( A ) \frac {D(\bm{Y})}{D(\bm{X})}=\det(\bm{A}) D(X)D(Y)=det(A)
1.3 隐函数
1.3.1 隐函数存在性及性质
设有 n n n个函数 F i ( X , Y ) F_i(\bm{X},\bm{Y}) Fi(X,Y),在某个区域内可微。若矩阵 ∂ F ∂ Y \frac{\partial\bm{F}}{\partial{\bm{Y}}} ∂Y∂F可逆,则这个区域内存在可微的隐函数 Y = f ( X ) \bm{Y}=f(\bm{X}) Y=f(X),且 J f ( X ) = − ( ∂ F ∂ Y ) − 1 ∂ F ∂ X \mathcal{J}f(\bm{X})=-(\frac{\partial\bm{F}}{\partial\bm{Y}})^{-1}\frac{\partial\bm{F}}{\partial\bm{X}} Jf(X)=−(∂Y∂F)−1∂X∂F
1.3.2 反函数
J f − 1 ( Y ) = [ J f ( X ) ] − 1 \mathcal{J}f^{-1}(\bm{Y})=[\mathcal{J}f(\bm{X})]^{-1} Jf−1(Y)=[Jf(X)]−1
1.4 空间几何
1.4.1 平面与法向量
A ( x − x 0 ) + B ( y − y 0 ) + C ( z − z 0 ) = 0 A(x-x_0)+B(y-y_0)+C(z-z_0)=0 A(x−x0)+B(y−y0)+C(z−z0)=0是一个平面。它的法向量是 n = ( A , B , C ) \bm{n}=(A,B,C) n=(A,B,C)。
1.4.2 曲面的切平面
核心策略:构造 z = z 0 + A ( x − x 0 ) + B ( y − y 0 ) z=z_0+A(x-x_0)+B(y-y_0) z=z0+A(x−x0)+B(y−y0)。其中 A = ∂ z ∂ x A=\frac{\partial z}{\partial x} A=∂x∂z, B = ∂ z ∂ y B=\frac{\partial z}{\partial y} B=∂y∂z。
显函数最简单。隐函数使用隐函数方法即可。参数方程使用链式法则即可。
1.5 条件极值
问题定义为求 φ ( x , y ) = 0 \varphi(x,y)=0 φ(x,y)=0时 f ( x , y ) f(x,y) f(x,y)的极值。由于某,该极值点一定是拉格朗日函数 L L L的驻点。 L ( x , y , λ ) = f ( x , y ) + λ φ ( x , y ) L(x,y,\lambda)=f(x,y)+\lambda\varphi(x,y) L(x,y,λ)=f(x,y)+λφ(x,y)
1.6 泰勒展开与极值分析
2.1 一致性
对于所有差值,覆盖的差值有限。(读不懂吗,读不懂就对了)
对于所有带状域,???
2.2 含参积分
极限向积分符号移动 lim y ∫ d x = ∫ lim y d x \lim_y\int \text{d}x=\int\lim_y\text{d}x ylim∫dx=∫ylimdx
参数求导 d d y ∫ α β d x = ∫ α β ∂ ∂ y d x + ( β , y ) β ′ − ( α , y ) α ′ \frac{\text{d}}{\text{d}y}\int_\alpha^\beta\text{d}x=\int_\alpha^\beta\frac{\partial}{\partial y}\text{d}x+(\beta,y)\beta'-(\alpha,y)\alpha' dyd∫αβdx=∫αβ∂y∂dx+(β,y)β′−(α,y)α′