高等数学基础知识总结（1）

最新推荐文章于 2025-01-24 16:04:48 发布

浅忆へ梦微凉

最新推荐文章于 2025-01-24 16:04:48 发布

阅读量1.8k

点赞数 34

分类专栏：基础数学复习文章标签：学习方法

本文链接：https://blog.csdn.net/qq_70019265/article/details/142778697

版权

基础数学复习专栏收录该内容

8 篇文章

订阅专栏

一、定积分

1.1 什么是定积分？

定积分是微积分中的一个重要概念，用于求解函数在某个区间上的累积效应或面积。

1.1.1 定积分的定义

定积分 $\int_{a}^{b}f(x)dx$ 表示函数 f(x)在区间 [a,b]上的累积效应或面积。可通过一下几个步骤来理解：

分割区间：
将区间 [a,b]分割成 n 个小区间，每个小区间的长度为 Δxi，其中 $\Delta x_{i}=x_{i}-x_{i-1}$ ，且 $x_{0} = a,x_{n}=b$ 。
取样本点：

在每个小区间 $\left [ x_{i-1},x_{i} \right ]$ 内取一个样本点 $\xi _{i}$ 。
构造黎曼和：

构造黎曼和 $\sum_{i=1}^{n}f(\xi _{i}\Delta x_{i})$ ，表示函数 f(x) 在区间 [a,b]上的近似累积效应或面积。
取极限：
当分割的区间数 n 趋向于无穷大，且每个小区间的长度 Δxi趋向于零时，黎曼和的极限即为定积分： $\int_{a}^{b}f(x)dx$ =

1.1.2 定积分的几何意义

定积分 $\int_{a}^{b}f(x)dx$ 的几何意义是函数 f(x) 在区间 [a,b]上的曲线下面积。具体来说：

如果 f(x)≥0，则定积分表示曲线下方的面积。
如果 f(x)≤0，则定积分表示曲线上方的面积的负值。

1.2 定积分一般性质

线性性质：
$\int_{a}^{b}[cf(x)+dg(x)]dx=c\int_{a}^{b}f(x)dx+d\int_{a}^{b}g(x)dx$ ，其中c和d是常数。
区间可加性：
$\int_{a}^{b}f(x)dx=\int_{a}^{c}f(x)dx+\int_{c}^{b}f(x)dx$ ，其中 $a\leq c\leq b$ 。
积分上下限交换：
$\int_{a}^{b}f(x)dx=-\int_{b}^{a}f(x)dx$
定积分中值定理：
设函数 $f(x)\in[a,b]$ ，则存在 $\xi \in[a,b]$ ，使 $\int_{a}^{b}f(x)dx=f(\xi)(b-a)$

积分中值定理的证明：

小提示：

1.3 定积分的基本定理

定理1：设函数 $f(x)\in[a,b]$ ， $\phi (x)=\int_{a}^{b}f(t)dt$ ,则 $\frac{d}{dx}\phi (x)=f(x)$
定理2：牛顿-莱布尼茨公式
$\int_{a}^{b}f(x)dx=F(a)-F(b)$ ，其中，F(x)是 f(x)的一个原函数，即 F′(x)=f(x)。

1.4 定积分换元法

选择合适的变量替换：
选择一个合适的变量替换 t=g(x)，使得积分变得更简单，并求反函数： $x=g^{-1}(t)=h(t)$
求导数：
对 x 的导数 $dx=h'(t)dt$
替换积分变量：
将原积分中的 x 替换为 t，并将 dx 替换为 $h'(t)dt$
确定新的积分上下限：
将原积分的上下限 a 和 b 替换为新的上下限 t 的值。即 t 的下限为 t1，上限为 t2。
求解新积分：求解新的定积分 $\int_{t_{1}}^{t_{2}}f(h(t)) h'(t)dt$

例：求 $\int _{0}^{4}\dfrac{x+2}{\sqrt{2x+1}}dx$

步骤1：令 $t=\sqrt{2x+1}$ ,则 $x=\dfrac{t^{2}-1}{2}$

步骤2：对x求导数 $dx=tdt$

步骤3：确定t的上下限
下限： $t_{1}=\sqrt{0+1}=1$

上限： $t_{2}=\sqrt{2\times 4 + 1}=3$

步骤4：求解新的定积分
$\int _{1}^{3}\dfrac{\dfrac{t^{2}-1}{2}+2}{t}tdt=\int _{1}^{3}\dfrac{t^{2}+3}{2}dt=\dfrac{1}{2}(\dfrac{1}{3}t^{3}+3t)|_{1}^{3}=\dfrac{22}{3}$

二、多元函数

2.1 二元极限

2.1.1二元极限的定义

设函数 f(x,y) 在点 (a,b) 的某个去心邻域内有定义。如果对于任意给定的正数 ϵ，总存在正数 δ，使得当 $0<\sqrt{(x-a)^2+(y-b)^2}<\delta$ 时，总有：∣f(x,y)−L∣<ϵ 则称 L 为函数 f(x,y)在点 (a,b)处的极限，记作： $\lim_{(x,y)\rightarrow(a,b)f(x,y)}=L$

2.1.2二元极限的几何意义

当点 (x,y)从任意方式趋近于点 (a,b) 时，函数 f(x,y) 的值趋近于 L。换句话说，函数图像在二维平面的点 (a,b)附近趋近于一个三维立体平面上的点 (a,b,L)。可将(a,b)想象为(a,b,L)投影在二维平面的点。

如果 (x,y)从不同方式趋近于点 (a,b)，函数 f(x,y) 的值不相等，则表示 f(x,y) 不存在。

例子： $f(x,y)=\dfrac{x^{2}y}{x^{2}+y^{2}}$ ，在点 (0,0)处的极限

解：

1. 沿 x轴趋近：
当 y=0 时， $f(x,0)=\frac{{x^2}\cdot 0}{x^{2}+0^{2}}=0$ 。

因此： $\lim_{x\to 0}f(x,0)=0$

2. 沿 y轴趋近：
当 x=0时, $f(0,y)=\frac{0^{2}\cdot y}{0^{2}+y^{2}}=0$ 。

因此： $\lim_{y\to 0}f(0,y)=0$

3. 沿任意直线 y=kx趋近：
当 y=kx 时， $f(x,kx)=\dfrac{x^{2}\cdot kx}{x^{2}+(kx)^{2}}=\dfrac{kx^{3}}{x^{2}+k^{2}x^{2}}=\dfrac{kx}{1+k^{2}}$ 。

因此: $\lim _{x \to 0 }f(x,kx)=\lim_{x \to 0}\frac{kx}{1+k^{2}}=0$

4. 沿抛物线 $y=x^2$ 趋近：
当 $y=x^2$ 时， $f(x,x^2)=\dfrac{x^2\cdot x^2}{x^2+x^4}=\dfrac{x^2}{1+x^2}$ 。

因此： $\lim_{x \to 0}f(x,x2)=\lim_{x \to 0}\frac{x^2}{1+x^2}=0$
由于函数在点 (0,0)的任意方向上的极限都为 0，

因此： $\lim_{(x,y)\to(0,0)}f(x,y)=0$

2.2 偏导数

‌偏导数是‌多元函数求导的一种形式，表示在多个自变量中，当其中一个自变量改变而其他自变量保持不变时函数值的变化率。

这实质上是将其他自变量视为常数，然后按照单变量函数求导的方法进行运算。‌

2.2.1 偏导数的定义

‌2.2.2 偏导数的计算方法‌

对于二元函数z=f(x,y)，求z对x的偏导数时，将y看作常量，对x求导；

求z对y的偏导数时，将x看作常量，对y求导。

例子：

求 $z=x^2+3xy+y^2$ 的偏导数

解：

1.对x求偏导数： $\dfrac{\partial z}{\partial x}=2x+3y$
2.对y求偏导数： $\dfrac{\partial z}{\partial y}=3x+2y$

2.3 全微分

2.3.1 全微分的定义

如果函数z=f(x, y)在点(x, y)处的全增量 $\Delta z=f(x+\Delta x,y+\Delta y)-f(x,y)$
可以表示为 $\Delta z=A\Delta x+B \Delta y+o(\rho )$ ，其中A、B不依赖于Δx, Δy，仅与x, y有关，ρ趋近于0(ρ=√[(Δx)²+(Δy)²])，此时称函数z=f(x, y)在点(x, y)处可微分，AΔx+BΔy称为函数z=f(x, y)在点
(x, y)处的全微分，记为dz即dz=AΔx +BΔy。

2.3.2 可微的必要条件条件

若z=f(x,y)在(x,y)点处可微，则偏导数 $f_{x}'(x,y)$ 与 $f_{y}'(x,y)$ 存在，并且 $dz=f_{x}'(x,y) \Delta x+f_{y}'(x,y)\Delta y$ 或 $dz=f_{x}'(x,y)dx + f_{y}'(x,y)dx$

2.3.3 可微的充分条件

z=f(x,y)在(x,y)的某个邻域内有连续的偏导数 $f_{x}'(x,y)$ 和 $f_{y}'(x,y)$
则在(x,y)处可微， $dz = f_{x}'(x,y)\Delta x+f_{y}'(x,y)\Delta y$ 或 $dz=f_{x}'(x,y)dx+f_{y}'(x,y)dx$
例：求 $f(x,y)=e^{xy}$ 在(1,2)处的全微分

解：

分别求出x和y的偏导数：
$f_x'(x,y)=ye^{xy},f_y'(x,y)=xe^{xy}$

求出在(1,2)处x和y的偏导数：
$f_x'(1,2)=2e^{2},f_y'(1,2)=e^{2}$

所以在(1,2)处的全微分：
$dz=2e^2dx+e^2dy$

2.3.4 近似计算

z=f(x, y)在点(x, y)处的

全增量为Δz=f(x+Δx,y+Δy)-f(x,y)
全微分为 $dz=f_{x}'(x,y)\Delta x+f_{y}'(x,y)\Delta y$
在计算中我们通常使 $\Delta z\approx dz$
所以 $f(x+\Delta x,y+\Delta y)-f(x,y)\approx f_{x}'(x,y)\Delta x+f_{y}'(x,y)\Delta y$
即： $f(x+\Delta x,y+\Delta y)\approx f_{x}'(x,y)\Delta x+f_{y}'(x,y)\Delta y+f(x,y)$
上述公式即为近似计算公式。

2.4 梯度

梯度是一个向量，表示多元函数在某一点处的最大变化率和变化方向。

2.4.1 梯度定义

设 f(x1,x2,…,xn)是一个定义在 Rn(n维欧几里得空间) 上的多元函数，函数 f在n维向量点 a=(a1,a2,…,an)处的梯度定义为： $\bigtriangledown f(a)=(\frac{\partial f}{\partial x_{1})}(a),\frac{\partial f}{\partial x_{2})}(a),...,\frac{\partial f}{\partial x_{n})}(a))$
其中， $\frac{\partial f}{\partial x_i}(a)$ 是函数 f 在点 a 处对第 i 个自变量的偏导数。