相关概念
- 点列极限:设
x
k
{x_k}
xk为
R
n
R^n
Rn中一个点列,其中
x
k
=
(
x
k
,
1
,
x
k
,
2
,
.
.
.
x
k
,
n
)
x_k=(x_{k,1},x_{k,2},...x_{k,n})
xk=(xk,1,xk,2,...xk,n),又设
a
n
a_n
an为
R
n
R^n
Rn中的一个固定点,若当
k
→
∞
k\to \infty
k→∞时,
ρ
(
x
k
,
a
)
→
0
\rho(x_k,a)\to 0
ρ(xk,a)→0,即
∀
ε
>
0
,
∃
M
∈
,
使
得
∀
k
>
M
,
恒
有
∣
∣
a
−
x
k
∣
∣
<
ε
,
\forall \varepsilon>0,\exists M\in ,使得\forall k>M,恒有||a-x_k||<\varepsilon,
∀ε>0,∃M∈,使得∀k>M,恒有∣∣a−xk∣∣<ε,
则称点列 x k {x_k} xk极限存在, a {a} a为它的极限,记作 lim k → ∞ x k = a 或 x k → a ( k → ∞ ) . \lim_{k\to \infty}{x_k}=a 或x_k\to a(k\to \infty). k→∞limxk=a或xk→a(k→∞). - 基本点列(Cauchy点列): ∀ ε > 0 , ∃ M ∈ N , 使 得 ∀ k > M 及 p ∈ N + , 恒 有 ∣ ∣ x k + p − x k ∣ ∣ < ε \forall \varepsilon >0,\exists M\in N,使得\forall k>M 及p\in N_+,恒有||x_{k+p}-x_k||<\varepsilon ∀ε>0,∃M∈N,使得∀k>M及p∈N+,恒有∣∣xk+p−xk∣∣<ε
- 聚点:设A是 R n R^n Rn中的一个点集, a ∈ R n a\in R^n a∈Rn,若存在A中点列 x k , x k ! = a , ( k = 1 , 2 , . . . , n ) x_k,x^k!=a,(k=1,2,...,n) xk,xk!=a,(k=1,2,...,n)使得 x k → a , ( k → ∞ ) x_k\to a,(k\to \infty) xk→a,(k→∞),则称a是A的一个聚点,A的所有聚点构成的集合称为A的导集,记作A’,集合 A ‾ = A ⋃ A ′ \overline{A}=A\bigcup A' A=A⋃A′称为A的闭包.若 a ∈ A 但 a ∉ A ′ a\in A 但a\notin A' a∈A但a∈/A′,则称a为A的孤立点,若 A ′ ⊆ A A'\subseteq A A′⊆A,则称A为闭集.
- 设 A ⊆ R n A\subseteq R^n A⊆Rn,若 A ⊆ A o A\subseteq A^o A⊆Ao,即A中的点全是A的内点,则称A为开集.
- 若存在 δ > 0 \delta >0 δ>0,使 U ( a , δ ) ⊆ A U(a,\delta) \subseteq A U(a,δ)⊆A,则称a是A的内点,由A的所有内点构成的集称为A的内部,记作 A o A^o Ao或int A.
- 同理,若存在 δ > 0 \delta >0 δ>0,使 U ( a , δ ) ⋂ A = ϕ U(a,\delta) \bigcap A=\phi U(a,δ)⋂A=ϕ,则称a是A的外点,A的所有外点构成的集合称为A的外部.
- 若对任意 δ > 0 , U ( a , δ ) \delta>0,U(a,\delta) δ>0,U(a,δ)中既含有A中的点,也含有A的余集 A c A^c Ac的点,则称a为A的边界点,A的所有边界点构成A的边界,记作
- 设A是 R n R^n Rn中的一个点集,如果存在一个常数M>0,使得 ∀ x ∈ A , 都 有 ∣ ∣ A ∣ ∣ < = M , \forall x\in A,都有 ||A||<=M, ∀x∈A,都有∣∣A∣∣<=M,则称A是有界集,否则称为无界集.
- 有界集的几何含义是他能包含在一 R n R^n Rn的一个以原点为中心,M为半径的闭球 U ‾ ( 0 , M ) \overline{U}(0,M) U(0,M)中.
- 有界闭集是紧集.
- 若A中任意两点x与y都能用完全属于A的有限个线段联结起来,则称A是连通集,连通的开集称为区域,区域与它的边界之并称为闭区域
- 若联结A中任意两点的线段都属于A,即若 x 1 , x 2 ∈ A , 则 ∀ t ∈ [ 0 , 1 ] , t x 1 + ( 1 − t ) x 2 ∈ A x_1,x_2\in A,则 \forall t\in [0,1],tx_1+(1-t)x_2\in A x1,x2∈A,则∀t∈[0,1],tx1+(1−t)x2∈A,则称A是 R n R^n Rn中的凸集.
- 设
A
⊆
R
n
A\subseteq R^n
A⊆Rn是一个点集, 称映射
f
:
A
→
R
f:A\to R
f:A→R是定义在A上的一个n元数量值函数, 简称为n元函数,也可记作
w
=
f
(
x
)
=
f
(
x
1
,
x
2
,
.
.
.
x
n
)
\it{w}=f(x)=f(x_1,x_2,...x_n)
w=f(x)=f(x1,x2,...xn)
,其中 x = ( x 1 , x 2 , . . . x n ) ∈ A x=(x_1,x_2,...x_n)\in A x=(x1,x2,...xn)∈A称为自变量, D ( f ) = A D(f)=A D(f)=A称为 f f f的定义域, w w w称为因变量. - 一元函数微分: 对于一元函数 f : U ( x 0 ) ⊆ R → R f: U(x_0)\subseteq R\to R f:U(x0)⊆R→R, 若存在一个线性函数 l ( Δ x ) = α Δ x l(\Delta x)=\alpha\Delta x l(Δx)=αΔx, 是函数的改变量可以表示为 f ( x 0 + Δ x ) − f ( x 0 ) = α Δ x + o ( Δ x ) f(x_0+\Delta x)-f(x_0)=\alpha \Delta x+o(\Delta x) f(x0+Δx)−f(x0)=αΔx+o(Δx),其中 α \alpha α与 Δ x \Delta x Δx无关, o ( Δ x ) o(\Delta x) o(Δx)是当 Δ x → 0 \Delta x\to 0 Δx→0时关于 Δ x \Delta x Δx的高阶无穷小, 则称 f f f在点 x 0 x_0 x0处可微.
- 全微分: 类似于一元函数微分定义, 可以给出二元函数全微分定义:
设二元函数 z = f ( x , y ) z=f(x,y) z=f(x,y)在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)的某邻域 U ( x 0 , y 0 ) U(x_0,y_0) U(x0,y0)内有定义. 如果对于 ( x 0 + Δ x , y 0 + Δ y ) ∈ U ( x 0 , y 0 ) (x_0+\Delta x, y_0+\Delta y)\in U(x_0,y_0) (x0+Δx,y0+Δy)∈U(x0,y0)函数 f f f在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处的改变量
Δ z = f ( x 0 + Δ x , y 0 + Δ y ) − f ( x 0 , y 0 ) \Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0) Δz=f(x0+Δx,y0+Δy)−f(x0,y0)可以表示为
Δ z = a 1 Δ x + a 2 Δ y + o ( ρ ) \Delta z=a_1\Delta x+a_2\Delta y+o(\rho) Δz=a1Δx+a2Δy+o(ρ)称 f f f在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处可微.即
d z ∣ ( x 0 , y 0 ) = a 1 Δ x + a 2 Δ y dz|_{(x_0,y_0)}=a_1\Delta x+a_2\Delta y dz∣(x0,y0)=a1Δx+a2Δy - 全微分的几何意义: 切平面的增量.
- 方向导数: 设 x 0 ∈ R 2 , l \pmb{x}_0\in\pmb{R}^2, \pmb{l} xxx0∈RRR2,lll是平面上一向量, 与 l \pmb{l} lll同向的单位向量为 e l \pmb e_l eeel,二元函数f定义在 x 0 \pmb x_0 xxx0的邻域内, 在 U ( x 0 ) U(\pmb x_0) U(xxx0)内让自变量 x \pmb x xxx由 x 0 \pmb x_0 xxx0沿与 e l \pmb e_l eeel平行的直线变到 x 0 + t e l \pmb x_0+t\pmb e_l xxx0+teeel, 从而让函数值有对应的改变量 f ( x 0 + t e l ) − f ( x 0 ) f(\pmb x_0+t\pmb e_l)-f(\pmb x_0) f(xxx0+teeel)−f(xxx0).若 lim t → 0 f ( x 0 + t e l ) − f ( x 0 ) t \lim_{t\to 0}\frac{f(\pmb x_0+t\pmb e_l)-f(\pmb x_0)}{t} t→0limtf(xxx0+teeel)−f(xxx0)存在,则称此极限值为 f f f在点 x 0 \pmb x_0 xxx0处沿 l \pmb l lll方向的方向导数,记作 δ f δ l ∣ x 0 , 或 δ f ( x 0 ) δ l \frac{\delta f}{\delta \pmb l}|_{\pmb x_0},或\frac{\delta f(\pmb x_0)}{\delta \pmb l} δlllδf∣xxx0,或δlllδf(xxx0)
- 梯度: 设二元函数 z = f ( x , y ) z=f(x,y) z=f(x,y)定义在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)的邻域中, 如果存在一个向量, 其方向为该函数在此点取得方向导数最大值的方向, 其模等于该函数在此点的方向导数的最大值, 则称该向量为函数 f ( x , y ) f(x,y) f(x,y)在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处的梯度, 记作 g r a d f ( x 0 , y 0 ) \pmb{grad}f(x_0,y_0) gradgradgradf(x0,y0).
- 多元复合函数全微分: 若 u = u ( x , y ) u=u(x,y) u=u(x,y) 和 v = v ( x , y ) v=v(x,y) v=v(x,y)均在点 ( x , y ) (x,y) (x,y)处可微,且函数 z = f ( u , v ) z=f(u,v) z=f(u,v)再对应的点 ( u , v ) (u,v) (u,v)处可微, 则复合函数 z = f [ u ( x , y ) , v ( x , y ) ] z=f[u(x,y),v(x,y)] z=f[u(x,y),v(x,y)]在点 ( x , y ) (x,y) (x,y)处也必可微, 且其全微分为 d z = ( δ z δ u δ u δ x + δ z δ v δ v δ x ) d x + ( δ z δ u δ u δ y + δ z δ v δ v δ y ) d y ∂ dz=(\frac{\delta z}{\delta u}\frac{\delta u}{\delta x}+\frac{\delta z}{\delta v}\frac{\delta v}{\delta x})dx+(\frac{\delta z}{\delta u}\frac{\delta u}{\delta y}+\frac{\delta z}{\delta v}\frac{\delta v}{\delta y})dy \partial dz=(δuδzδxδu+δvδzδxδv)dx+(δuδzδyδu+δvδzδyδv)dy∂
- 全导数: d z d x = ∂ z ∂ u d u d x + ∂ z ∂ v d v d x \frac{dz}{dx}=\frac{\partial z}{\partial u}\frac{du}{dx}+\frac{\partial z}{\partial v}\frac{d v}{dx} dxdz=∂u∂zdxdu+∂v∂zdxdv称为复合函数z对x的全导数.
- 隐函数: 一般的, 设有函数 F ( x 1 , x 2 , . . . x n , y ) F(x_1,x_2,...x_n,y) F(x1,x2,...xn,y)=0, 如果存在一个n元函数 y = φ ( x ) , x = ( x 1 , x 2 , . . . , x n ) ∈ Ω ⊆ R n y=\varphi(\pmb x), \pmb x=(x_1,x_2,...,x_n)\in \Omega \subseteq \pmb R^n y=φ(xxx),xxx=(x1,x2,...,xn)∈Ω⊆RRRn,使得将 y = φ ( x ) y=\varphi(x) y=φ(x)代入后成为恒等式 F ( x 1 , . . . , x n , φ ( x 1 , . . . x n ) ) ≡ 0 F(x_1,...,x_n,\varphi(x_1,...x_n))\equiv0 F(x1,...,xn,φ(x1,...xn))≡0则称 y = φ ( x ) y=\varphi(x) y=φ(x)为 F F F确定的隐函数.
- 二元函数带Lagrange余项的Taylor公式: 设二元函数 z = f ( x , y ) z=f(x,y) z=f(x,y),在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)附近有连续的二阶偏导数, ( x 0 + Δ x , y 0 + Δ y ) ∈ U ( x 0 , y 0 ) (x_0+\Delta x,y_0+\Delta y)\in \pmb U(x_0,y_0) (x0+Δx,y0+Δy)∈UUU(x0,y0),则存在 θ ∈ ( 0 , 1 ) \theta\in(0,1) θ∈(0,1)使得 f ( x 0 + Δ x , y 0 + Δ y ) = f x ( x 0 , y 0 ) Δ x + f y ( x 0 , y 0 ) Δ y + R 1 f(x_0+\Delta x,y_0+\Delta y)=f_x(x_0,y_0)\Delta x+f_y(x_0,y_0)\Delta y+R_1 f(x0+Δx,y0+Δy)=fx(x0,y0)Δx+fy(x0,y0)Δy+R1,其中 R 1 = 1 2 ! ( f x x Δ x 2 + 2 f x y Δ x Δ y + f y y Δ y 2 ∣ ( x 0 + θ Δ x , y 0 + θ Δ y ) R_1=\frac{1}{2!}(f_{xx}\Delta x^2+2f_{xy}\Delta x\Delta y+f_{yy}\Delta y^2|_{(x_0+\theta\Delta x,y_0+\theta\Delta y)} R1=2!1(fxxΔx2+2fxyΔxΔy+fyyΔy2∣(x0+θΔx,y0+θΔy)
- 多元函数Taylor公式: 为将二元函数泰勒公式推广到n元, 我们将二元公式写成矩阵形式.令
x
0
=
(
x
0
,
y
0
)
T
,
x
0
+
Δ
x
=
(
x
0
+
Δ
x
,
y
0
+
Δ
y
)
T
,
∇
f
(
x
0
,
y
0
)
=
(
f
x
(
x
0
,
y
0
)
,
f
y
(
x
0
,
y
0
)
)
T
,
Δ
x
=
(
Δ
x
0
,
Δ
y
0
)
T
\pmb x_0=(x_0,y_0)^T,\pmb x_0+\Delta \pmb x=(x_0+\Delta x ,y_0+\Delta y)^T,\\[2ex]\nabla f(x_0,y_0)=(f_x(x_0,y_0),f_y(x_0,y_0))^T,\Delta \pmb x=(\Delta x_0,\Delta y_0)^T
xxx0=(x0,y0)T,xxx0+Δxxx=(x0+Δx,y0+Δy)T,∇f(x0,y0)=(fx(x0,y0),fy(x0,y0))T,Δxxx=(Δx0,Δy0)T, 则泰勒公式中的一阶导数部分可以写成梯度
∇
f
\nabla f
∇f和
Δ
x
\Delta \pmb x
Δxxx的内积形式, 即
(
f
x
Δ
x
+
f
y
Δ
y
)
∣
(
x
0
.
y
0
)
=
<
∇
f
(
x
0
,
y
0
)
,
Δ
x
>
(f_x\Delta x+f_y\Delta y)|_{(x_0.y_0)}=<\nabla f(x_0,y_0),\Delta \pmb x>
(fxΔx+fyΔy)∣(x0.y0)=<∇f(x0,y0),Δxxx>而
R
1
R_1
R1是关于
Δ
x
,
Δ
y
\Delta x,\Delta y
Δx,Δy的一个二次型, 其系数矩阵为
H
f
(
x
0
+
θ
Δ
x
)
=
[
f
x
x
f
x
y
f
x
y
f
y
y
]
∣
(
x
0
+
θ
Δ
x
)
H_f(\pmb x_0+\theta\Delta \pmb x)=\begin{bmatrix}f_{xx}&f_{xy}\\f_{xy}&f_{yy}\end{bmatrix}|_{(\pmb x_0+\theta \Delta \pmb x)}
Hf(xxx0+θΔxxx)=[fxxfxyfxyfyy]∣(xxx0+θΔxxx)称为函数
f
f
f在
x
0
+
θ
Δ
x
\pmb x_0+\theta\Delta \pmb x
xxx0+θΔxxx处的Hesse矩阵, 故二次型的矩阵形式为:
R
1
=
1
2
!
(
Δ
x
)
T
H
f
(
x
0
+
θ
Δ
x
)
Δ
x
R_1=\frac{1}{2!}(\Delta \pmb x)^TH_f(\pmb x_0+\theta \Delta \pmb x)\Delta \pmb x
R1=2!1(Δxxx)THf(xxx0+θΔxxx)Δxxx
这样, 我们就可以将Taylor公式写成如下的矩阵形式: f ( x 0 + Δ x ) = f ( x 0 ) + < ∇ f ( x 0 ) , Δ x > + 1 2 ! ( Δ x ) T H f ( x 0 + θ Δ x ) Δ x f(\pmb x_0+\Delta \pmb x)=f(\pmb x_0)+<\nabla f(\pmb x_0),\Delta\pmb x>+\frac{1}{2!}(\Delta \pmb x)^TH_f(\pmb x_0+\theta \Delta \pmb x)\Delta \pmb x f(xxx0+Δxxx)=f(xxx0)+<∇f(xxx0),Δxxx>+2!1(Δxxx)THf(xxx0+θΔxxx)Δxxx
由于 H f \pmb H_f HHHf的元素有 f f f的二阶偏导数构成, 而 f f f的所有二阶偏导数均连续, 可以证明 ( Δ x ) T H f ( x 0 + θ Δ x ) Δ x = ( Δ x ) T H f ( x 0 ) Δ x + o ( ∣ ∣ Δ x ∣ ∣ 2 ) (\Delta \pmb x)^T\pmb H_f(\pmb x_0+\theta \Delta \pmb x)\Delta \pmb x=(\Delta \pmb x)^T\pmb H_f(\pmb x_0)\Delta \pmb x+o(||\Delta \pmb x||^2) (Δxxx)THHHf(xxx0+θΔxxx)Δxxx=(Δxxx)THHHf(xxx0)Δxxx+o(∣∣Δxxx∣∣2)由此得到带有Peano余项的二阶Taylor公式: f ( x 0 + Δ x ) = f ( x 0 ) + < ∇ f ( x 0 ) , Δ x > + 1 2 ! ( Δ x ) T H f ( x 0 ) Δ x + o ( ∣ ∣ Δ x ∣ ∣ 2 ) f(\pmb x_0+\Delta \pmb x)=f(\pmb x_0)+<\nabla f(\pmb x_0),\Delta \pmb x>+\frac{1}{2!}(\Delta \pmb x)^T\pmb H_f(\pmb x_0)\Delta \pmb x+o(||\Delta \pmb x||^2) f(xxx0+Δxxx)=f(xxx0)+<∇f(xxx0),Δxxx>+2!1(Δxxx)THHHf(xxx0)Δxxx+o(∣∣Δxxx∣∣2) - 设 f ( x ) f(\pmb x) f(xxx)是定义在区域 Ω ⊆ R n \Omega \subseteq \pmb R^n Ω⊆RRRn内的n元函数, 若 f f f在 Ω \Omega Ω内连续, 则称 f f f是 Ω \Omega Ω上的 C ( 0 ) C^{(0)} C(0)类函数, 记为 f ∈ C ( 0 ) ( Ω ) f\in C^{(0)}(\Omega) f∈C(0)(Ω),或 C ( Ω ) C(\Omega) C(Ω); 若 f f f在 Ω \Omega Ω内有连续的 m ( m > = 1 , m(m>=1, m(m>=1,m为正整数), 则称 f f f是 Ω \Omega Ω上的 C ( m ) C^{(m)} C(m)类函数, 记作 f ∈ C ( m ) ( Ω ) f\in C^{(m)}(\Omega) f∈C(m)(Ω).
- 设n元函数 f ∈ C ( 2 ) ( U ( x 0 ) ) , x 0 + Δ x ∈ U ( x 0 ) f\in C^{(2)}(U(\pmb x_0)),\pmb x_0+\Delta \pmb x\in U(\pmb x_0) f∈C(2)(U(xxx0)),xxx0+Δxxx∈U(xxx0),其中, x 0 = ( x 0 , 1 , x 0.2 , . . . , x 0 , n ) T ∈ R n , Δ x = ( Δ x 1 , Δ x 2 , . . . , Δ x n ) T \pmb x_0=(x_{0,1},x_{0.2},...,x_{0,n})^T\in \pmb R^n,\Delta \pmb x=(\Delta x_1,\Delta x_2,...,\Delta x_n)^T xxx0=(x0,1,x0.2,...,x0,n)T∈RRRn,Δxxx=(Δx1,Δx2,...,Δxn)T则存在 θ ∈ ( 0 , 1 ) \theta\in(0,1) θ∈(0,1)使得 f ( x 0 + Δ x ) = f ( x 0 ) + ∑ i = 1 n ∂ f ( x 0 ) ∂ x i Δ x i + R 1 f(\pmb x_0+\Delta \pmb x)=f(\pmb x_0)+\sum_{i=1}^n \frac{\partial f(\pmb x_0)}{\partial x_i}\Delta x_i+R_1 f(xxx0+Δxxx)=f(xxx0)+i=1∑n∂xi∂f(xxx0)Δxi+R1同样可写成上面的矩阵形式 f ( x 0 + Δ x ) = f ( x 0 ) + < ∇ f ( x 0 ) , Δ x > + 1 2 ! ( Δ x ) T H f ( x 0 + θ Δ x ) Δ x f(\pmb x_0+\Delta x)=f(x_0)+<\nabla f(x_0),\Delta x>+\frac{1}{2!}(\Delta \pmb x)^TH_f(\pmb x_0+\theta \Delta \pmb x)\Delta \pmb x f(xxx0+Δx)=f(x0)+<∇f(x0),Δx>+2!1(Δxxx)THf(xxx0+θΔxxx)Δxxx
- 曲面参数方程: 一般的, 曲面S可以看作是平面上某一区域D在空间 O x y z O_{xyz} Oxyz的某一连续映射的像, 从而S的方程可表示为 x = x ( u , v ) , y = y ( u , v ) , z = z ( u , v ) , ( u , v ) ∈ D r = r ( u , v ) = ( x ( u , v ) , y ( u , v ) , z ( u , v ) ) , ( u , v ) ∈ D x=x(u,v), y=y(u,v),z=z(u,v),\ \ \ \ (u,v)\in D\\[2ex] \pmb r=\pmb r(u,v)=(x(u,v),y(u,v),z(u,v)),(u,v)\in D x=x(u,v),y=y(u,v),z=z(u,v), (u,v)∈Drrr=rrr(u,v)=(x(u,v),y(u,v),z(u,v)),(u,v)∈D称为曲面的参数方程.
相关性质
- lim k → ∞ x k = a \lim_{k\to \infty}{x_k}=a limk→∞xk=a的充要条件是 ∀ i = 1 , 2 , . . . n , 都 有 lim k → ∞ x k , i = a i \forall i=1,2,...n,都有\lim_{k\to \infty}{x_{k,i}}=a_i ∀i=1,2,...n,都有k→∞limxk,i=ai
- 收敛点列的极限唯一
- 收敛点列必有界
- 收敛点列满足极限符合四则运算
- 收敛点列的子列同样收敛于该极限
- 有界点列必有收敛子列, x k {x_k} xk的收敛子列的极限称为 x k {x_k} xk的极限点
- x k x_k xk是柯西点列的充要条件是 ∀ i = 1 , 2 , . . . , n , x k , i 都 是 柯 西 数 列 . \forall i= 1,2,...,n,x_{k,i}都是柯西数列. ∀i=1,2,...,n,xk,i都是柯西数列.
- 柯西收敛原理:
x k x_k xk收敛的充要条件是 x k x_k xk是柯西点列. - 单点集和有限点集的导集为空集,即单点集和有限点集一定是闭集.
- a ∈ A ′ a\in A' a∈A′充要于 ∀ ε > 0 , U ˚ ( a , ε ) ⋂ A ≠ ϕ \forall \varepsilon >0,\mathring{U}(a,\varepsilon)\bigcap A \neq \phi ∀ε>0,U˚(a,ε)⋂A=ϕ,也就说,a为A的聚点当且仅当a的任何去心邻域中都含有A的点.
- 任意多个开集的并集为开集,
- 有限多个开集的交集为开集,
- 空 集 ϕ 和 全 空 间 R n 空集\phi和全空间R^n 空集ϕ和全空间Rn是开集.
- 任意多个闭集的交集为闭集
- 有限多个闭集的并集是闭集
- 任何凸集都是连通的,任何凸开集都是区域.
- 可微必要条件: 若
f
f
f在
(
x
0
,
y
0
)
(x_0,y_0)
(x0,y0)处可微, 则
(1). f f f在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处连续.
(2). f f f在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处两个偏导都存在, 且 a 1 = f x ( x 0 , y 0 ) , a 2 = f y ( x 0 , y 0 ) a_1=f_x(x_0,y_0), a_2=f_y(x_0,y_0) a1=fx(x0,y0),a2=fy(x0,y0). - 可微充分条件:若 f f f在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处的两个偏导数都连续, 则 f f f在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处可微.
- 若
f
(
x
,
y
)
f(x,y)
f(x,y)在点
(
x
0
,
y
0
)
(x_0,y_0)
(x0,y0)可微, 则函数
f
f
f在点
(
x
0
,
y
0
)
(x_0,y_0)
(x0,y0)沿任意
p
m
b
l
pmb l
pmbl方向的方向导数均存在, 且
δ f l ∣ ( x 0 , y 0 ) = f x ( x 0 , y 0 ) c o s α + f y ( x 0 , y 0 ) c o s β . \frac{\delta f}{\pmb l}|_{_(x_0,y_0)}=f_x(x_0,y_0)cos\alpha+f_y(x_0,y_0)cos\beta. lllδf∣(x0,y0)=fx(x0,y0)cosα+fy(x0,y0)cosβ.
其中 l \pmb l lll方向上的单位向量是 e l = ( c o s α , c o s β ) \pmb e_l=(cos\alpha,cos\beta) eeel=(cosα,cosβ), 由此可知当 f f f在 x 0 \pmb x_0 xxx0处可微时, f f f在 x 0 \pmb x_0 xxx0处沿任意方向 l \pmb l lll的方向导数均存在. - 设二元函数 f ( x , y ) f(x,y) f(x,y)在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)处可微, 则 f f f在该点的梯度一定存在, 且 g r a d f ( x 0 , y 0 ) = f x ( x 0 , y 0 ) i + f y ( x 0 , y 0 ) j \pmb{grad}f(x_0,y_0)=f_x(x_0,y_0)\pmb i+f_y(x_0,y_0)\pmb j gradgradgradf(x0,y0)=fx(x0,y0)iii+fy(x0,y0)jjj
- 当 f x y f_{xy} fxy和 f y x f_{yx} fyx都在点P处连续时, 则在点P出有 f x y = f y x f_{xy}=f_{yx} fxy=fyx, 即二阶混合偏导数与求导次序无关.
- 一阶全微分形式的不变性:设有函数 z = f ( u , v ) z=f(u,v) z=f(u,v)与函数 u = φ ( x , y ) , v = ϕ ( x , y ) u=\varphi(x,y), v=\phi(x,y) u=φ(x,y),v=ϕ(x,y)复合,则复合函数全微分为 d z = ∂ z ∂ x d x + ∂ z ∂ y d y = ∂ z ∂ u d u + ∂ z ∂ v d v dz=\frac{\partial z}{\partial x}dx+\frac{\partial z}{\partial y}dy=\frac{\partial z}{\partial u}du+\frac{\partial z}{\partial v}dv dz=∂x∂zdx+∂y∂zdy=∂u∂zdu+∂v∂zdv高阶全微分不具有微分形式不变性.
- 隐函数存在定理: 如果二元函数
F
(
x
,
y
)
F(x,y)
F(x,y)满足:
(1). F ( x 0 , y 0 ) F(x_0,y_0) F(x0,y0)=0;
(2). 在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)的某邻域中有连续的偏导数;
(3). F y ( x 0 , y 0 ) ≠ 0 F_y(x_0,y_0)\neq 0 Fy(x0,y0)=0
则方程 F ( x , y ) = 0 F(x,y)=0 F(x,y)=0在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)的某一邻域中唯一确定了一个具有连续导数的函数 y = f ( x ) y=f(x) y=f(x),它满足 y 0 = f ( x 0 ) y_0=f(x_0) y0=f(x0)及 F ( x , f ( x 0 ) ) = 0 F(x,f(x_0))=0 F(x,f(x0))=0, 且 d y d x = − F x F y \frac{dy}{dx}=-\frac{F_x}{F_y} dxdy=−FyFx - 极大值求法: 先求驻点, 再分别求驻点的海斯矩阵, 判断矩阵是否正定. 若正定, 为极小值, 若负定, 为极大值
Hesse矩阵: f x x ( P 0 ) = A , f x y ( P 0 ) = B , f y y ( P 0 ) = C , f_{xx}(P_0)=A,f_{xy}(P_0)=B,f_{yy}(P_0)=C, fxx(P0)=A,fxy(P0)=B,fyy(P0)=C,则海森矩阵为 H f ( P 0 ) = [ A B C D ] \pmb H_f(P_0)=\begin{bmatrix}A&B\\C&D\end{bmatrix} HHHf(P0)=[ACBD]
判断正定方法: 若 A > 0 , A C − B 2 > 0 A>0, AC-B^2>0 A>0,AC−B2>0矩阵正定, 极小值
若 A < 0 , A C − B 2 > 0 A<0,AC-B^2>0 A<0,AC−B2>0,矩阵负定, 极大值
若 A C − B 2 < 0 AC-B^2<0 AC−B2<0, P 0 P_0 P0不是极值. - 求最值方法: 求出所有驻点处, 偏导数不存在点的函数值, 再求出边界上函数的最值, 对比得出最值.
- 拉格朗日乘数法: 求条件极值时, 构造拉格朗日函数 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),分别使 L x , L y , L λ L_x,L_y,L_\lambda Lx,Ly,Lλ等于零, 联立方程组解得极值.
- 弧长公式: s = ∫ α β x ˙ ( t ) 2 + y ˙ ( t ) 2 d t s=\int_\alpha^\beta\sqrt{\dot x(t)^2+\dot y(t)^2}dt s=∫αβx˙(t)2+y˙(t)2dt, 或 s = ∫ α β [ ρ ( θ ) ] 2 + [ ρ ′ ( θ ) ] 2 d θ s=\int_\alpha^\beta\sqrt{[\rho(\theta)]^2+[\rho'(\theta)]^2}d\theta s=∫αβ[ρ(θ)]2+[ρ′(θ)]2dθ
- 曲线的切线及切平面: 切线:
x
−
x
(
t
0
)
x
˙
(
t
0
)
=
y
−
y
(
t
0
)
y
˙
(
t
0
)
=
z
−
z
(
t
0
)
z
˙
(
t
0
)
\frac{x-x(t_0)}{\dot x(t_0)}=\frac{y-y(t_0)}{\dot y(t_0)}=\frac{z-z(t_0)}{\dot z(t_0)}
x˙(t0)x−x(t0)=y˙(t0)y−y(t0)=z˙(t0)z−z(t0)
或者: x − x 0 1 = y − y ( x 0 ) y ˙ ( x 0 ) = z − z ( x 0 ) z ˙ ( x 0 ) \frac{x-x_0}{1}=\frac{y-y(x_0)}{\dot y(x_0)}=\frac{z-z(x_0)}{\dot z(x_0)} 1x−x0=y˙(x0)y−y(x0)=z˙(x0)z−z(x0) - 曲面法向量:
(
r
u
×
r
v
)
(
u
0
,
v
0
)
=
(
∂
(
y
,
z
)
∂
(
u
,
v
)
,
∂
(
z
,
x
)
∂
(
u
,
v
)
,
∂
(
x
,
y
)
∂
(
u
,
v
)
)
(
u
0
,
v
0
)
=
(
A
,
B
,
C
)
(\pmb r_u\times\pmb r_v)_{(u_0,v_0)}=(\frac{\partial(y,z)}{\partial(u,v)},\frac{\partial(z,x)}{\partial(u,v)},\frac{\partial(x,y)}{\partial(u,v)})_({u_0,v_0)}=(A,B,C)
(rrru×rrrv)(u0,v0)=(∂(u,v)∂(y,z),∂(u,v)∂(z,x),∂(u,v)∂(x,y))(u0,v0)=(A,B,C)
若偏导数在区域内连续, 称曲面S是光滑曲面, .将x,y看作参数, 曲面参数方程: r ( x , y ) = ( x , y , z ( x , y ) ) \pmb r(x,y)=(x,y,z(x,y)) rrr(x,y)=(x,y,z(x,y)),
r x = ( 1 , 0 , z x ) = ( 1 , 0 , − F x F z ) , r y = ( 0 , 1 , z y ) = ( 0 , 1 , − F y F z ) r x × r y = ( F x F z , F y F z , 1 ) \pmb r_x=(1,0,z_x)=(1,0,-\frac{F_x}{F_z}),\pmb r_y=(0,1,z_y)=(0,1,-\frac{F_y}{F_z})\\[2ex] \pmb r_x\times\pmb r_y=(\frac{F_x}{F_z},\frac{F_y}{F_z},1) rrrx=(1,0,zx)=(1,0,−FzFx),rrry=(0,1,zy)=(0,1,−FzFy)rrrx×rrry=(FzFx,FzFy,1)
切平面方程为: F x ( x − x 0 ) + F y ( y − y 0 ) + F z ( z − z 0 ) = 0 F_x(x-x_0)+F_y(y-y_0)+F_z(z-z_0)=0 Fx(x−x0)+Fy(y−y0)+Fz(z−z0)=0
若曲面方程为 z = f ( x , y ) z=f(x,y) z=f(x,y),切平面方程可写成 F x ( x − x 0 ) + F y ( y − y 0 ) = z − z 0 F_x(x-x_0)+F_y(y-y_0)=z-z_0 Fx(x−x0)+Fy(y−y0)=z−z0
相关例题
1.证明
lim
x
→
0
y
→
0
x
2
y
x
2
+
y
2
=
0
\lim_{x\to0\ y\to0}\frac{x^2y}{x^2+y^2}=0
x→0 y→0limx2+y2x2y=0
分析: 根据基本不等式,有
∣
x
∣
∣
x
y
∣
<
=
1
2
∣
x
∣
(
x
2
+
y
2
)
,
|x||xy|<=\frac{1}{2}|x|(x^2+y^2),
∣x∣∣xy∣<=21∣x∣(x2+y2),化简得
x
2
y
x
2
+
y
2
<
=
1
2
∣
x
∣
<
=
1
2
x
2
+
y
2
<
ε
\frac{x^2y}{x^2+y^2}<=\frac{1}{2}|x|<=\frac{1}{2}\sqrt{x^2+y^2}<\varepsilon
x2+y2x2y<=21∣x∣<=21x2+y2<ε.
2. 证明
(
x
,
y
)
→
(
0
,
0
)
,
f
(
x
,
y
)
=
(
x
2
+
y
2
)
s
i
n
x
2
+
y
2
=
0
(x,y)\to(0,0),f(x,y)=(x^2+y^2)sin\sqrt{x^2+y^2}=0
(x,y)→(0,0),f(x,y)=(x2+y2)sinx2+y2=0
分析: 直接进行三角放缩即可.
3. 设
f
(
x
,
y
)
=
{
x
s
i
n
1
y
+
y
s
i
n
1
x
,
x
y
≠
0
,
0
,
x
y
=
0.
f(x,y)=\begin{cases} xsin\frac{1}{y}+ysin\frac{1}{x}, \ xy\neq0,\\ 0,\ xy=0. \end{cases}
f(x,y)={xsiny1+ysinx1, xy=0,0, xy=0.
求证
lim
(
x
,
y
)
→
(
0
,
0
)
f
(
x
,
y
)
=
0
\lim_{(x,y)\to(0,0)}f(x,y)=0
lim(x,y)→(0,0)f(x,y)=0.
分析: 三角放缩, 原式<=
∣
x
∣
+
∣
y
∣
<
=
2
x
2
+
y
2
.
|x|+|y|<=2\sqrt{x^2+y^2}.
∣x∣+∣y∣<=2x2+y2.
4. 求
lim
(
x
,
y
)
→
(
0
,
0
)
(
x
2
+
y
2
)
x
y
\lim_{(x,y)\to(0,0)}(x^2+y^2)^{xy}
lim(x,y)→(0,0)(x2+y2)xy
分析: 将原式化为e的指数形式,即
原
式
=
e
x
y
l
n
(
x
2
+
y
2
)
原式=e^{xyln\ (x^2+y^2)}
原式=exyln (x2+y2),再将次数单独拿出
0
<
=
x
y
l
n
(
x
2
+
y
2
)
<
=
1
2
(
x
2
+
y
2
)
l
n
(
x
2
+
y
2
)
,
设
t
=
x
2
+
y
2
,
进
行
极
限
运
算
即
可
0<=xyln\ (x^2+y^2)<=\frac{1}{2}(x^2+y^2)ln\ (x^2+y^2),设t=x^2+y^2,进行极限运算即可
0<=xyln (x2+y2)<=21(x2+y2)ln (x2+y2),设t=x2+y2,进行极限运算即可.
5. 求
f
(
x
)
=
{
x
y
x
2
+
y
2
,
x
2
+
y
2
≠
0
0
,
x
2
+
y
2
=
0
f(x)=\begin{cases} \frac{xy}{x^2+y^2},x^2+y^2\neq 0\\ 0,x^2+y^2=0 \end{cases}
f(x)={x2+y2xy,x2+y2=00,x2+y2=0 的极限.
分析: 先确定极限是否存在, 分别从
y
=
x
,
y
=
−
x
y=x,y=-x
y=x,y=−x,趋近于(0,0),发现极限不相等,故极限不存在.
6. 讨论
lim
(
x
,
y
)
→
(
0
,
0
)
x
3
y
+
x
y
+
x
2
y
2
x
+
y
\lim_{(x,y)\to(0,0)}\frac{x^3y+xy+x^2y^2}{x+y}
(x,y)→(0,0)limx+yx3y+xy+x2y2的极限.
分析: 分别以
y
=
k
x
,
y
=
a
x
2
+
b
x
,
x
+
y
=
x
3
y=kx,y=ax^2+bx,x+y=x^3
y=kx,y=ax2+bx,x+y=x3的形式趋近于(0,0), 求得极限为0,0,-1,估极限不存在.
7. 求
f
(
x
,
y
)
=
{
(
x
2
+
y
2
)
s
i
n
1
x
2
+
y
2
,
x
2
+
y
2
≠
0
0
,
x
2
+
y
2
=
0.
f(x,y)=\begin{cases} (x^2+y^2)sin\frac{1}{x^2+y^2},x^2+y^2\neq0\\ 0 \ \ \ \ \ ,x^2+y^2=0. \end{cases}
f(x,y)={(x2+y2)sinx2+y21,x2+y2=00 ,x2+y2=0.的极限.
分析: 设
x
=
r
c
o
s
θ
,
y
=
r
s
i
n
θ
x=rcos\theta,y=rsin\theta
x=rcosθ,y=rsinθ,代入可求极限.
8. 讨论
f
(
x
,
y
)
=
{
x
y
x
2
+
y
2
,
x
2
+
y
2
≠
0
0
,
x
2
+
y
2
=
0
f(x,y)=\begin{cases}\\ \frac{xy}{\sqrt{x^2+y^2}},\ x^2+y^2\neq 0\\[2ex] 0,\ x^2+y2=0 \end{cases}
f(x,y)=⎩⎨⎧x2+y2xy, x2+y2=00, x2+y2=0在
(
0
,
0
)
(0,0)
(0,0)处的连续性,可微性.
解: 由
∣
x
y
x
2
+
y
2
−
0
∣
<
=
∣
y
∣
<
=
x
2
+
y
2
,
|\frac{xy}{\sqrt{x^2+y^2}}-0|<=|y|<=\sqrt{x^2+y^2},
∣x2+y2xy−0∣<=∣y∣<=x2+y2,易见
f
f
f在(0,0)处连续, 再由偏导数的定义, 可得
f
x
(
0
,
0
)
=
lim
Δ
x
→
0
f
(
0
+
Δ
x
,
0
)
−
f
(
0
,
0
)
Δ
x
=
0
f_x(0,0)=\lim_{\Delta x\to 0}\frac{f(0+\Delta x,0)-f(0,0)}{\Delta x}=0
fx(0,0)=Δx→0limΔxf(0+Δx,0)−f(0,0)=0
同理
f
y
(
0
,
0
)
=
0
f_y(0,0)=0
fy(0,0)=0,故
f
f
f在(0,0)处的两个偏导数均存在.
下面利用反证法证明
f
f
f在点(0,0)处不可微.假定
f
(
x
,
y
)
f(x,y)
f(x,y)在点(0,0)处可微,则由可微的定义得
Δ
f
=
d
f
(
0
,
0
)
+
o
(
ρ
)
=
f
x
(
0
,
0
)
Δ
x
+
f
y
(
0
,
0
)
Δ
y
+
o
(
ρ
)
=
o
(
ρ
)
\Delta f=df(0,0)+o(\rho)=f_x(0,0)\Delta x+f_y(0,0)\Delta y+o(\rho)=o(\rho)
Δf=df(0,0)+o(ρ)=fx(0,0)Δx+fy(0,0)Δy+o(ρ)=o(ρ)
其中
o
(
ρ
)
o(\rho)
o(ρ)是当
ρ
→
0
\rho\to0
ρ→0时关于
ρ
\rho
ρ得高阶无穷小. 因此,极限
lim
ρ
→
0
Δ
f
ρ
\lim_{\rho\to 0}\frac{\Delta f}{\rho}
limρ→0ρΔf存在且为0.但
Δ
f
=
f
(
0
+
Δ
x
,
0
+
Δ
y
)
−
f
(
0
,
0
)
=
Δ
x
Δ
y
Δ
x
2
+
Δ
y
2
\Delta f=f(0+\Delta x,0+\Delta y)-f(0,0)=\frac{\Delta x\Delta y}{\sqrt{\Delta x^2+\Delta y^2}}
Δf=f(0+Δx,0+Δy)−f(0,0)=Δx2+Δy2ΔxΔy
而经过计算,极限
lim
ρ
→
0
Δ
f
ρ
=
lim
ρ
→
0
Δ
x
Δ
y
Δ
x
2
+
Δ
y
2
\lim_{\rho\to 0}\frac{\Delta f}{\rho}=\lim_{\rho\to0}\frac{\Delta x\Delta y}{\Delta x^2+\Delta y^2}
ρ→0limρΔf=ρ→0limΔx2+Δy2ΔxΔy不存在,故f在(0,0)处不可微.
9. 设
z
=
f
(
x
,
x
y
)
z=f(x,xy)
z=f(x,xy),其中
z
=
f
(
u
,
v
)
z=f(u,v)
z=f(u,v)可微,求
∂
z
∂
x
,
∂
z
∂
y
\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}
∂x∂z,∂y∂z
分析: 对多元函数进行微分时, 首先判断是否可微(若题中为直接给出可微).
10. 设
f
(
u
,
v
)
f(u,v)
f(u,v)可微, 求
z
=
f
(
x
y
,
y
x
)
z=f(\frac{x}{y},\frac{y}{x})
z=f(yx,xy)的偏导数.
分析: 可直接求偏导, 也可以运用一阶全微分形式不变性求.
11. 若
f
(
x
,
y
)
f(x,y)
f(x,y)满足
f
(
t
x
,
t
y
)
=
t
k
f
(
x
,
y
)
(
k
∈
Z
+
)
f(tx,ty)=t^kf(x,y)(k\in Z_+)
f(tx,ty)=tkf(x,y)(k∈Z+), 则称
f
(
x
,
y
)
f(x,y)
f(x,y)是k次其次函数.证明:k次齐次函数满足
x
f
x
(
x
,
y
)
+
y
f
y
(
x
,
y
)
=
k
f
(
x
,
y
)
xf_x(x,y)+yf_y(x,y)=kf(x,y)
xfx(x,y)+yfy(x,y)=kf(x,y)
分析: 观察到偏导系数为x和y,考虑将t看作变量, x,y看作常量, 对
f
(
t
x
,
t
y
)
=
t
k
f
(
x
,
y
)
(
k
∈
Z
+
)
f(tx,ty)=t^kf(x,y)(k\in Z_+)
f(tx,ty)=tkf(x,y)(k∈Z+)两边同时对t求导, 再将t=1带入即可证明.
- 关于复合函数求偏导相关计算:数学分析下p59t7,p58t29,t28,t26.
- 设
φ
(
u
,
v
)
\varphi(u,v)
φ(u,v)具有连续的一阶偏导数, 方程
φ
(
c
x
−
a
z
,
c
y
−
b
z
)
=
0
\varphi(cx-az,cy-bz)=0
φ(cx−az,cy−bz)=0确定了函数
z
=
z
(
x
,
y
)
z=z(x,y)
z=z(x,y), 求
a
z
x
+
b
z
y
az_x+bz_y
azx+bzy,其中,
a
,
b
,
c
a,b,c
a,b,c均为常数.
解法一: 设函数 F ( x , y , z ) = φ ( c x − a z , c y − b z ) F(x,y,z)=\varphi(cx-az,cy-bz) F(x,y,z)=φ(cx−az,cy−bz),则 z ( x , y ) z(x,y) z(x,y)是由F确定的隐函数, z x = − F x F z , z y = − F y F z . z_x=-\frac{F_x}{F_z}, z_y=-\frac{F_y}{F_z}. zx=−FzFx,zy=−FzFy.
再利用 φ \varphi φ来求出 F x , F y F_x,F_y Fx,Fy.(此时z看作与x,y平行的变量)
解法二: 通过一阶全微分形式不变性, 对 φ = 0 \varphi=0 φ=0进行全微分
d φ = φ 1 ( c d x − a d z ) + φ 2 ( c d y − b d z ) = 0 d\varphi=\varphi_1(cdx-adz)+\varphi_2(cdy-bdz)=0 dφ=φ1(cdx−adz)+φ2(cdy−bdz)=0
化简可得 d z = c φ 1 d x + c φ 2 d y a φ 1 + b φ 2 dz=\frac{c\varphi_1dx+c\varphi_2dy}{a\varphi_1+b\varphi_2} dz=aφ1+bφ2cφ1dx+cφ2dy可得出 z x , z y z_x, z_y zx,zy,带入即可.
解法三: 直接两边求x,y得偏导, 可解出 z x , z y z_x,z_y zx,zy.(此时,z看作x,y的函数) - 设方程
x
y
z
+
x
2
+
y
2
+
z
2
=
2
xyz+\sqrt{x^2+y^2+z^2}=\sqrt2
xyz+x2+y2+z2=2确定了函数
z
(
x
,
y
)
z(x,y)
z(x,y),求点
(
1
,
0
,
−
1
)
(1,0,-1)
(1,0,−1)的全微分dz.
解法一: 利用一阶全微分形式不变性, 对给出方程两边求全微分, 再将 ( 1 , 0 , − 1 ) (1,0,-1) (1,0,−1)代入可求出dz
解法二: 利用求导公式, 求出 z x , z y z_x,z_y zx,zy,再代入 d z = z x d x + z y d y dz=z_xdx+z_ydy dz=zxdx+zydy即可.