说明：由于工作原因可能更新不及时，内容逐步完善中…
一、空间解析几何与向量代数
1. 两点之间的距离
在三维空间中，两点之间的距离可以使用三维空间中的距离公式来计算。
设点 A 的坐标为 (x1, y1, z1)，点 B 的坐标为 (x2, y2, z2)，则点 A 和点 B 之间的距离 D 可以通过以下公式计算：
D = √((x2 - x1)^2 + (y2 - y1)^2 + (z2 - z1)^2)
这个公式是基于三维空间中的勾股定理推导而来，在向量空间中有广泛的应用。
举个例子，假设点 A 的坐标为 (2, 3, 4)，点 B 的坐标为 (5, 1, 7)，我们可以利用上述距离公式计算两点之间的距离。
D = √((5 - 2)^2 + (1 - 3)^2 + (7 - 4)^2)
= √(3^2 + (-2)^2 + 3^2)
= √(9 + 4 + 9)
= √22
因此，点 A 和点 B 之间的距离为 √22。
2. 向量的点乘
向量的点乘，也称为内积或数量积，是向量运算中的一种重要操作。它既有代数意义，也有几何意义。
代数意义：
设有两个向量 A = (a1, a2, ..., an) 和 B = (b1, b2, ..., bn)，它们的点乘表示为 A·B 或 A ∙ B，计算公式为：
A·B = a1*b1 + a2*b2 + ... + an*bn
几何意义：
向量的点乘可以用来计算两个【向量之间的夹角和判断它们的相互关系】。具体来说，有以下几个几何意义：
1. 若 A·B > 0，则向量 A 和向量 B 的夹角为锐角。
2. 若 A·B < 0，则向量 A 和向量 B 的夹角为钝角。
3. 若 A·B = 0，则向量 A 和向量 B 的夹角为直角，即两个向量垂直。
示例：
假设有两个向量 A = (2, 3, 4) 和 B = (5, 1, 7)，我们可以计算它们的点乘。
A·B = (2*5) + (3*1) + (4*7)
= 10 + 3 + 28
= 41
因此，向量 A 和向量 B 的点乘为 41。
通过判断点乘的结果，我们可以得到以下几个结论：
- 若 A·B > 0，则向量 A 和向量 B 的夹角为锐角。
- 若 A·B < 0，则向量 A 和向量 B 的夹角为钝角。
- 若 A·B = 0，则向量 A 和向量 B 的夹角为直角，即两个向量垂直。
3. 向量的夹角
空间向量的夹角计算与平面向量的夹角计算略有不同，因为在三维空间中存在更多的维度。
设有两个向量 A 和 B，它们在三维空间中的夹角记为 θ（theta）。
夹角 θ 的计算可以使用以下公式：
cos(θ) = (A·B) / (|A| * |B|)
其中，A·B 表示向量 A 和向量 B 的点乘（内积），|A| 和 |B| 分别表示向量 A 和向量 B 的模长（长度）。
如果需要计算实际的夹角值 θ，可以使用反余弦函数（arccos）：
θ = arccos((A·B) / (|A| * |B|))
需要注意的是，夹角的计算结果通常以弧度为单位。如果需要以度数表示夹角，可以将弧度值乘以180/π进行转换。
示例：
假设有向量 A = (1, 2, 3) 和向量 B = (4, 5, 6)，我们可以计算它们之间的夹角。
首先，计算 A·B：
A·B = (1*4) + (2*5) + (3*6) = 4 + 10 + 18 = 32
然后，计算 |A| 和 |B| 的模长：
|A| = √(1^2 + 2^2 + 3^2) = √(1 + 4 + 9) = √14
|B| = √(4^2 + 5^2 + 6^2) = √(16 + 25 + 36) = √77
接下来，计算夹角 θ：
θ = arccos((A·B) / (|A| * |B|)) = arccos(32 / (√14 * √77))
通过计算，可以得到夹角 θ 的具体数值。如果需要以度数表示，可以将其乘以180/π进行转换。
请注意，夹角的计算结果可能为锐角、直角或钝角，具体取决于点乘的正负和模长之间的关系。
4. 向量的投影
空间向量的投影计算与平面向量的投影类似，只是在三维空间中进行。假设有一个向量 P，我们希望将其投影到另一个向量 Q 上。
向量 P 在向量 Q 上的投影记为 proj_Q(P)，计算公式如下：
proj_Q(P) = (P·Q / |Q|²) * Q
其中，P·Q 表示向量 P 和向量 Q 的点乘（内积），|Q|² 表示向量 Q 的模长的平方。
示例：
假设有向量 P = (2, 3, 4) 和向量 Q = (1, 0, 2)，我们可以计算向量 P 在向量 Q 上的投影。
首先，计算 P·Q：
P·Q = (2*1) + (3*0) + (4*2) = 2 + 0 + 8 = 10
然后，计算 |Q|²：
|Q|² = (1^2) + (0^2) + (2^2) = 1 + 0 + 4 = 5
最后，计算投影向量 proj_Q(P)：
proj_Q(P) = (10 / 5) * Q = 2 * (1, 0, 2) = (2, 0, 4)
因此，向量 P 在向量 Q 上的投影为 (2, 0, 4)。
通过投影的计算，我们可以得到向量 P 在向量 Q 上的投影向量，进而理解它们之间的关系和进行相关问题的求解。
5. 向量的叉乘
向量的叉乘（又称为向量的外积或向量的叉积）是用来求解两个向量之间的垂直向量的运算。它的几何意义是生成一个新的向量，该向量垂直于原来两个向量所在的平面。
设有两个三维向量 A = (A₁, A₂, A₃) 和 B = (B₁, B₂, B₃)，则它们的叉乘记为 A × B，计算公式如下：
A × B = (A₂B₃ - A₃B₂, A₃B₁ - A₁B₃, A₁B₂ - A₂B₁) 注意：这里涉及到二阶乘或三阶乘的计算方式
其中，A₂B₃ 表示 A₂ 与 B₃ 的乘积减去 A₃ 与 B₂ 的乘积，以此类推。
几何上，向量的叉乘生成的新向量的长度等于两个原始向量所构成的平行四边形的面积。该新向量的方向则满足右手法则：将右手的食指指向向量 A，中指指向向量 B，那么拇指的方向就是叉乘得到的新向量的方向。
示例：
假设有向量 A = (1, 2, 3) 和向量 B = (4, 5, 6)，我们可以计算它们的叉乘。
根据公式，进行计算：
A × B = (2*6 - 3*5, 3*4 - 1*6, 1*5 - 2*4)
= (12 - 15, 12 - 6, 5 - 8)
= (-3, 6, -3)
因此，向量 A 和向量 B 的叉乘结果为 (-3, 6, -3)。
几何上，这个结果表示向量 A 和向量 B 所在平面的法向量，即垂直于这个平面的向量。如果我们想象 A 和 B 所在的平面是一个桌面，那么叉乘得到的向量就是桌面上垂直向上的一个向量。
叉乘在几何图形、物理等领域有广泛的应用，例如计算面积、计算力矩等。
6. 空间曲线在坐标平面上的投影计算
要计算空间曲线在坐标平面上的投影，可以按照以下步骤进行：
1. 确定曲线的参数方程：首先，需要知道空间曲线的参数方程，表示为 x = f(t)，y = g(t)，z = h(t)，其中 t 是参数。
2. 消去参数 t：利用坐标平面上的方程（例如 x-y 平面上的 z=0），将参数方程中的 z 消去，得到仅包含 x 和 y 的方程。
3. 解方程得到投影曲线：解消去参数 t 后的方程，得到坐标平面上的投影曲线方程。
示例：
假设有空间曲线的参数方程为 x = t，y = t^2，z = 2t。我们要计算该曲线在 x-y 平面上的投影。
首先，在 x-y 平面上，z 的值为0。将 z = 2t 中的 z 替换为0，得到 0 = 2t，解这个方程得到 t = 0。
然后，将参数方程中的 t 替换为0，得到 x = 0，y = 0^2 = 0。所以，曲线在 x-y 平面上的投影是一个点 (0, 0)。
这样，我们就得到了空间曲线在坐标平面上的投影。注意，如果投影是一条曲线而不是一个点，那么可以通过类似的步骤来计算。
例题1：空间向量的单位向量求解
空间向量的单位向量是指具有相同方向但长度为1的向量。我们可以通过对给定向量进行标准化的方式来求解空间向量的单位向量。
设有一个非零向量 A = (a₁, a₂, a₃)，我们希望求解向量 A 的单位向量。
步骤如下：
1. 计算向量 A 的长度（模）：
|A| = √(a₁² + a₂² + a₃²)
2. 将向量 A 的每个分量除以其长度，得到单位向量 U：
U = (a₁ / |A|, a₂ / |A|, a₃ / |A|)
这样，向量 U 就是向量 A 的单位向量。
需要注意的是，只有非零向量才有单位向量。对于零向量，其长度为0，无法进行标准化操作。
举一个例子来说明如何求解空间向量的单位向量：
设有一个向量 A = (3, 4, 5)，我们希望求解向量 A 的单位向量。
首先，计算向量 A 的长度：
|A| = √(3² + 4² + 5²) = √50 = 5√2
然后，将向量 A 的每个分量除以其长度，得到单位向量 U：
U = (3 / (5√2), 4 / (5√2), 5 / (5√2)) = (3 / (5√2), 4 / (5√2), 5 / (5√2))
这样，向量 U = (3 / (5√2), 4 / (5√2), 5 / (5√2)) 就是向量 A = (3, 4, 5) 的单位向量。
通过标准化操作，我们可以得到与给定向量方向相同但长度为1的单位向量。单位向量在很多应用中都非常有用，例如计算向量的投影、计算向量的夹角等。
例题2：已知空间中两个平面的函数表达式，求两个平面的夹角
要求解空间中两个平面的夹角，可以使用平面的法向量来进行计算。假设有两个平面，其法向量分别为 n₁ 和 n₂。
步骤如下：
1. 计算法向量 n₁ 和 n₂ 的点积：
n₁ · n₂ = |n₁| |n₂| cosθ
其中，|n₁| 和 |n₂| 分别表示法向量 n₁ 和 n₂ 的模（长度），θ 表示两个平面的夹角。
2. 由于法向量是垂直于平面的，所以夹角的范围为 0 到 180 度（或 0 到 π 弧度）。因此，可以通过反余弦函数求解夹角：
θ = arccos((n₁ · n₂) / (|n₁| |n₂|))
这样，通过计算法向量的点积并应用反余弦函数，得到的结果就是两个平面的夹角。
需要注意的是，由于反余弦函数的返回值范围是 0 到 π 弧度（或 0 到 180 度），所以得到的夹角的值可能是锐角或钝角。如果需要得到锐角的度数，可以将弧度值转换为度数。
举一个例子来说明如何求解两个平面的夹角：
设有两个平面：
平面1：2x + 3y - z = 5
平面2：x + 2y + 3z = 10
首先，计算两个平面的法向量：
平面1 的法向量 n₁ = (2, 3, -1)
平面2 的法向量 n₂ = (1, 2, 3)
然后，计算法向量的点积：
n₁ · n₂ = (2)(1) + (3)(2) + (-1)(3) = 2 + 6 - 3 = 5
接下来，计算法向量的模：
|n₁| = √(2² + 3² + (-1)²) = √14
|n₂| = √(1² + 2² + 3²) = √14
最后，应用反余弦函数求解夹角：
θ = arccos(5 / (√14 * √14)) = arccos(5 / 14)
这样，我们得到了两个平面的夹角的弧度值。如果需要得到度数，可以将弧度值转换为度数。
二、多元函数的微分学
先回顾一下二元函数的概念：
二元函数是一种特殊的多元函数，它只有两个自变量。通常用x、y表示这两个自变量，并用z表示函数的因变量。可以表示为f(x, y) = z。
举个例子，考虑一个简单的二元函数f(x, y) = x^2 + y。在这个函数中，x和y是两个自变量，z是函数的因变量。
如果我们给定具体的x和y的数值，比如x = 2，y = 3，我们可以将这些值代入函数中计算出对应的z值：
f(2, 3) = 2^2 + 3 = 4 + 3 = 7
这样，我们就得到了在给定x和y的情况下，函数的值为7。
再看多元函数的概念：
多元函数是指具有多个自变量的函数。通俗来说，就是输入有多个变量的函数，输出一个变量。在数学中，常用x1, x2, …, xn表示自变量，y表示因变量，这样一个多元函数可以表示为f(x1, x2, …, xn) = y。
举个例子，考虑一个简单的多元函数，体积函数V(x, y, z) = x * y * z，其中x、y和z分别表示长、宽和高。这个函数接受三个自变量（长、宽、高）作为输入，并返回一个因变量（体积）作为输出。
如果我们给定具体的长、宽和高的数值，比如x = 2，y = 3，z = 4，我们可以将这些值代入函数中计算出对应的体积值：
V(2, 3, 4) = 2 * 3 * 4 = 24
这样，我们就得到了在给定长、宽和高的情况下，物体的体积为24。
多元函数在实际问题中非常常见。比如，用来描述物理系统的运动、经济模型中的需求函数、生物学中的生长模型等等都可以看作是多元函数。通过研究多元函数，我们可以了解不同变量之间的关系，分析自变量对因变量的影响，从而更好地理解和解决实际问题。
相关概念：
-
自变量：多元函数中的输入变量，通常用x1, x2, …, xn表示。
-
因变量：多元函数中的输出变量，通常用y表示。
-
偏导数：多元函数中的导数概念，表示函数在某一点上，沿着某个特定自变量的变化率，而将其他自变量视为常数。
-
梯度：多元函数的梯度是一个向量，表示函数在某一点上的最大变化方向。梯度的方向指向函数值增加最快的方向，梯度的模表示函数值增加的速率。
-
最大值和最小值：多元函数中的极值点，包括最大值和最小值。通过求解函数的偏导数和二阶导数可以找到这些极值点。
-
偏微分方程：多元函数的偏导数和函数本身构成的方程，称为偏微分方程。它在物理学、工程学和数学中有广泛的应用。
-
条件极值：多元函数在约束条件下的极值，例如在一定范围内求最大或最小值。这涉及到拉格朗日乘子法等方法。
-
线性回归：多元函数的一种应用，用于拟合和预测变量之间的线性关系。
-
定义域
对于单变量函数来说，定义域（Domain）是指自变量的取值范围，也就是使得函数有意义的实数集合。定义域表示函数可以接受哪些输入值。
例如，对于函数f(x) = √(x)，定义域就是使得根号内的表达式非负的实数集合，即x >= 0。因此，定义域是非负实数集[0, +∞)。
对于多元函数来说，定义域是指多个自变量的取值范围的组合，使得函数有意义且可以得到实数结果。定义域表示函数可以接受哪些输入值的组合。
例如，对于函数f(x, y) = x^2 + y^2，定义域是所有实数对(x, y)的集合，因为对于任意实数对(x, y)，函数都有定义和结果。
需要注意的是，在求多元函数的定义域时，有时候还需要考虑额外的条件和限制，例如函数中出现分母不能为零、根号内不能为负数等等。这些额外的条件会进一步限制定义域的范围。
总结起来，定义域是函数可以接受的自变量取值范围，用来确保函数有意义且可以得到实数结果。它是多元函数分析和计算的基础。
1. 多元函数的复合函数
多元函数的复合函数是指将一个多元函数作为另一个多元函数的输入。具体来说，设有两个多元函数 f(x₁, x₂, ..., xn) 和 g(y₁, y₂, ..., ym)，其中 g 的定义域包含了 f 的值域，那么可以构成复合函数 h(x₁, x₂, ..., xn) = g(f(x₁, x₂, ..., xn))。
复合函数在数学和实际问题中有广泛的应用。它可以用来简化和分析复杂的函数关系，转化为更简单的形式进行处理。常见的相关知识考点包括：
复合函数的定义：了解复合函数的定义和符号表示，明确复合函数的构成关系和运算方式。
复合函数求导：熟悉复合函数求导的链式法则，可以通过链式法则计算复合函数的导数。比如，如果要求复合函数的一阶偏导数，需要应用链式法则逐层求导。
复合函数的性质：掌握复合函数的性质和特点，例如可导性、连续性等。了解复合函数的性质可以帮助理解和分析函数的行为。
例如：
假设有两个函数 f(x) = x³ + 2x 和 g(u) = e^u，我们要求复合函数 h(x) = g(f(x)) 的导数。
首先，我们需要求出 f(x) 和 g(u) 的导数。
对于 f(x) = x³ + 2x，可以使用求导法则得到：
f'(x) = 3x² + 2
对于 g(u) = e^u，由指数函数的导数性质得到：
g'(u) = e^u
接下来，我们将 f'(x) 和 g'(u) 结合起来，应用链式法则求 h(x) = g(f(x)) 的导数。
根据链式法则，导数为外函数的导数乘以内函数的导数。我们有：
h'(x) = g'(f(x)) * f'(x)
将 f'(x) 和 g'(u) 代入上述公式，得到：
h'(x) = g'(f(x)) * f'(x) = e^(f(x)) * (3x² + 2)
最终，我们得到复合函数 h(x) = g(f(x)) 的导数为 h'(x) = e^(f(x)) * (3x² + 2)。
2. 隐函数
隐函数是指由一个或多个变量的方程所确定的函数，其中某些变量被表示为其他变量的函数而不是显式表达式。这些函数不能通过简单的变量分离来表示。
一个典型的隐函数示例是圆的方程：x² + y² = r²。在这个方程中，变量 x 和 y 存在依赖关系，但没有直接的显式表达式将 y 表达为 x 的函数或 x 表达为 y 的函数。然而，我们可以通过隐函数定理找到这个依赖关系。
假设我们想要将 y 表达为 x 的函数。首先，将圆的方程重写为函数形式，得到 y = f(x)，其中 f(x) 是待确定的隐函数。
对于圆的方程，我们可以将其转化为 y² = r² - x²。然后，我们可以将 y² 表示为 f(x)²，得到 f(x)² = r² - x²。
接下来，我们对上述方程两边分别求导，得到 2f(x)f'(x) = -2x。然后解出 f'(x) = -x / f(x)。
通过上述步骤，我们求得了隐函数的导数表达式。通过进一步的求解，可以得到具体的隐函数表达式。
需要注意的是，隐函数并不总是能够显式地表示为简单的函数形式。有时候，我们只能通过隐函数的性质和关系进行分析和求解。
3. 多元函数的极限
多元函数的极限概念是指当多个变量同时趋近于某个点或者某个方向时，函数的取值趋近于一个特定的值。
具体来说，设有一个多元函数 f(x₁, x₂, ..., xₙ)，其中 x₁, x₂, ..., xₙ 是函数的自变量，我们希望研究当自变量趋近于某个点 (a₁, a₂, ..., aₙ) 或者某个方向时，函数 f(x₁, x₂, ..., xₙ) 的变化情况。
多元函数的极限可以使用符号来表示。当自变量趋近于某个点 (a₁, a₂, ..., aₙ) 时，我们用以下符号表示多元函数 f(x₁, x₂, ..., xₙ) 的极限：
lim_(x₁, x₂, ..., xₙ)→(a₁, a₂, ..., aₙ) f(x₁, x₂, ..., xₙ) = L
其中 L 表示极限的值。
下面举一个示例来说明多元函数的极限概念：
考虑一个多元函数 f(x, y) = (x² + y²) / (x + y)，我们希望研究当自变量 (x, y) 趋近于点 (1, -1) 时，函数 f(x, y) 的极限。
我们可以尝试直接代入 (1, -1) 来计算该极限：
lim_(x, y)→(1, -1) : (x² + y²) / (x + y) = (1² + (-1)²) / (1 + (-1)) = 2 / 0
然而，注意到分母为 0，这意味着函数在点 (1, -1) 处不可定义。因此，该极限不存在。
通过分析函数在点 (1, -1) 附近的取值情况，我们可以得出该结论。在点 (1, -1) 附近，当我们沿着不同的路径逼近该点时，函数的取值会趋于不同的值，因此该函数在点 (1, -1) 处没有极限。
这个示例展示了一个多元函数极限不存在的情况。请注意，多元函数的极限可能存在也可能不存在，具体取决于函数的性质和点的位置。
4. 多元函数的连续性
多元函数的连续性是指函数在定义域内的任意一点处，当自变量趋近于该点时，函数值也趋近于该点处的函数值。
具体来说，设有一个多元函数 f(x₁, x₂, ..., xₙ)，其中 x₁, x₂, ..., xₙ 是函数的自变量。如果对于定义域内的任意一点 (a₁, a₂, ..., aₙ)，当自变量 (x₁, x₂, ..., xₙ) 趋近于点 (a₁, a₂, ..., aₙ) 时，函数 f(x₁, x₂, ..., xₙ) 的极限存在且等于 f(a₁, a₂, ..., aₙ)，则称函数 f(x₁, x₂, ..., xₙ) 在点 (a₁, a₂, ..., aₙ) 处连续。
下面举一个示例来说明多元函数的连续性：
考虑一个多元函数 f(x, y) = x² + y，我们希望研究函数 f(x, y) 在定义域内的连续性。
对于任意一点 (a, b)，我们需要验证当自变量 (x, y) 趋近于点 (a, b) 时，函数 f(x, y) 的极限是否存在且等于 f(a, b)。
对于该函数，我们有 f(a, b) = a² + b。
现在，我们需要验证当 (x, y) 趋近于 (a, b) 时，函数 f(x, y) 的极限是否等于 f(a, b)。
lim_(x, y)→(a, b) (x² + y) = a² + b
通过代入的方式，我们可以得到函数在定义域内的连续性。
这个示例展示了一个多元函数在定义域内连续的情况。请注意，多元函数的连续性需要对定义域内的任意一点进行验证，确保函数值在该点处的极限存在且等于该点处的函数值。
如果函数在定义域内的某个点处连续，那么我们可以推导出函数在该点附近的某个闭区间内也是连续的。连续性是多元函数重要的性质之一，它使得我们可以在定义域内应用极限和函数取值的关系来推导和分析函数的性质。
5. 多元函数中的极值与驻点
在多元函数中，极值是指函数在定义域内取得的最大值或最小值。可以分为绝对极值和局部极值两种。
绝对极值：如果函数在整个定义域内取得的最大值或最小值，称为绝对极值。
绝对最大值：函数在整个定义域内的函数值中最大的值。
绝对最小值：函数在整个定义域内的函数值中最小的值。
局部极值：如果函数在某个特定的点处取得的最大值或最小值，称为局部极值。
局部最大值：函数在某个点处的函数值大于该点邻域内其他点的函数值。
局部最小值：函数在某个点处的函数值小于该点邻域内其他点的函数值。
驻点是指函数的导数为零或不存在的点。在一元函数中，驻点即为导数为零的点，也可以是导数不存在的点。
多元函数中对x偏导为0且对y偏导为0的点则为驻点。
和驻点相比，极点（singular point）是指函数在该点处的定义不连续或不可导。极点可以是函数的驻点，但不是所有驻点都是极点。
当然，以下是一个更具体的例子来说明驻点和极点的关系：
考虑函数 f(x) = x^3 - 3x^2，我们希望找出该函数的驻点和极点。
首先，计算函数的导数：
f'(x) = 3x^2 - 6x
然后，令导数等于零，求解驻点：
3x^2 - 6x = 0
x(3x - 6) = 0
得到两个解：
x = 0 和 x = 2
我们可以看到，驻点是 x = 0 和 x = 2。
接下来，我们需要判断驻点是否为函数的极点。通过观察函数的图像或计算二阶导数来判断。
计算二阶导数：
f''(x) = 6x - 6
对于驻点 x = 0：
f''(0) = 6(0) - 6 = -6
对于驻点 x = 2：
f''(2) = 6(2) - 6 = 6
根据二阶导数的结果，我们可以得出以下结论：
- 当二阶导数 f''(x) < 0 时，函数在该点处取得局部最大值。
- 当二阶导数 f''(x) > 0 时，函数在该点处取得局部最小值。
对于驻点 x = 0，二阶导数 f''(0) = -6，小于零，说明在 x = 0 处函数取得局部最大值。
对于驻点 x = 2，二阶导数 f''(2) = 6，大于零，说明在 x = 2 处函数取得局部最小值。
因此，在这个例子中，驻点 x = 0 是函数的局部最大值点，驻点 x = 2 是函数的局部最小值点。
求极限时：
三、重积分
微积分基础：
以上插图来自B站大佬会AI的普通帅哥
定积分的计算，牛顿-布莱尼次公式，可看李天意大佬的视频课程开头说明：
如果没有积分基础知识的，相关链接一定要去补一补，不然真的是听天书。
3274
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
