多元函数微积分与微分方程
# 多元函数的极限和连续
# 二元函数定义
z为一个以(x,y)为自变量的二元函数,(x,y)指平面上的一个点,D为一个点集(可以视作一块面积),f(x,y)的值即为在点(x,y)处的高
通常z表示三维空间的一个曲面,这个曲面在二维空间x-y直角坐标系上的投影即为点集D
# 二元函数的极限和连续
当下式成立时
则说二元函数f(x,y)在(x0,y0)的极限为A
在一元函数中,对某点的极限,有左极限和右极限之分,即从左侧和右侧逼近该点的极限值,只有当二者相等时,我们说该点的极限值存在
相同的,对于二元函数,我们同样有着这种要求,但因为自变量由一维升至二维,逼近的方向从“左右”变成平面上的“四面八方”,即可以从直角坐标系的任一角度进行逼近,比如
只有当所有方向逼近(x0,y0)的极限均相等时,才可以说该二重极限存在
在实际做题时,若找不到一般方法证其全相等,就找两条不同的路径证明其重极限不存在😋
二元函数的连续即指其极限等于该点的函数值,当然,大前提是二重极限得存在(极限不存在不可能连续)
简而言之
- 重极限不存在,一定不连续
- 两条路径的同点极限不同,重极限不存在
# 多元函数的微分
# 二元函数的偏导数与全微分
连续、偏导和微分的关系
二元函数连续即指:其在点(x0,y0)的极限值等于函数值
二元函数偏导存在即指:其在lim x->x0处极限存在(无论 y 取值如何),y 的偏导同理
二元函数的全微分指以下极限存在
即表示分子与分母同阶,其中A,B为二元函数f的偏导数
由全微分的条件可知:只有当两个偏导数均存在,且原二元函数在该店连续,且上述分式极限存在时,才可以说二元函数可微
也就是说,二元函数连续,或偏导数均存在,是其可微的必要条件,但不充分
注意,该极限存在等价于二元函数的偏导数二阶可导,即下面两个偏导存在
# 复合函数的偏导数与全微分
对于二元函数复合一元函数
对于二元函数复合二元函数
全微分形式不变性
高阶偏导数,当二阶混合偏导数均连续,存在
# 隐函数的偏导数与全微分
通过方程确定一个二元函数,通过对方程两侧求偏导并令其同时为 0,得到其驻点
# 极值和最值
# 无条件极值
就是求一个多元函数的驻点,比较
- 若上式成立,则极值存在,若小于零,则极值不存在,否则需要讨论
- 另外,当极值存在时,若 A > 0,则为极小值,反之,则为极大值
通过比较极值和边界值,可以确定二元函数在区间内的最值
# 条件极值
比如要求
的极值,同时给定条件
这样要求的极值D即为一个条件极值
- 对于简单条件,可以对 D 中自变量 z 做一个等价替换,即替换为 x 和 y 的多项式,再令其偏导为零求其驻点
- 对于复杂条件,设拉格朗日方程,引入变量 λ ,对所有变量求偏导并令其为 0,解得驻点
就是在原有极值的基础上加了一个条件方程,限制自变量的取值
# 最值问题
要求一个函数的最值,和一元函数类似,考虑极值、边界值,只不过对于多元函数多了边界上的条件极值
- 首先考虑二元函数在定义域内(不包含边界)的无条件极值
- 再考虑边界上的条件极值
- 最后考虑边界值
老老实实解拉格朗日方程的极值
# 方向导数、梯度及几何应用
仅数一要求
# 方向导数与梯度
梯度实际上就是各个偏导在某点的值构成的矩阵,如对于函数z = xy+x+y,其在(1,1)处的梯度为
多元函数的方向导数,即给出多元函数z和一个方向l,这个方向就是一个矩阵,你譬如[1,1,1]就是一个从(0,0,0)指向点(1,1,1)的方向,那么z关于这个方向l,存在方向导数
如函数z=xy+x+y关于l=[1,1]的方向导数为
同时这个梯度啊(也是一个方向向量),实际上就是曲面在该点的法向量,如上式中方向[2,2]就是函数z在点(1,1)的法向量,可以根据方向和经过点列出相应垂直方程(点斜式)
# 几何应用
切平面方程:点斜式
空间曲线的切线:参数方程
# 重积分
# 二重积分
# 定义和性质
二重积分定义:以二元函数的定义域为底面,以函数值z构成的曲面为顶的曲顶柱体的体积,不管在什么坐标系下,一定要深谙这一原则进行积分
比较定理
估值定理:其中S是定义域D的面积,m,M分别是f在D上的最小 / 最大函数值
中值定理
# 计算
直角坐标系
二重积分计算:我的理解就是,一个反常积分外加一个定积分,首先将切片(也就是面积)积分,然后对切片在某个方向上积分,得到体积
对于二重积分,在直角坐标系下,无非只有两种积法,一个横着积,一个竖着积
首先是积反常积分,其上下限由穿过的曲线决定,这个曲线仅由另一积分变量表示
如,从下往上积分依次经过曲线
y=0和y+2x=3,则反常积分的上下限为0和3-2x,其余复杂曲线同理在具体情况下,积分的先后次序会决定积分的难易程度,要注意区别,当然更多是看经验
对于复杂的积分域,可采用分割的方法逐一积分再相加
在被积函数连续时,累次积分的顺序不改变其积分结果
极坐标系下积分
极坐标系下积分
很显然,这里的转换涉及到很多,首先是一个积分上下限的转换,对于同样的一块面积D,需要用角度和线段长度进行表示
再就是积分对象的转换
在直角坐标系下,先对某一个方向上的切片进行高度积分,再垂直于这一方向积分得到体积
在极坐标系中,也是对切片进行积分,切片的底为线段长度
r,高为函数值f,于是第一个反常积分的积分对象为rf(x,y),对线段长度r进行积分然后再对这一切片在角度范围内“横扫”,得到体积
这一积分常适用于
等情况,可以有效简化积分
利用被积函数奇偶性进行积分
二重积分的奇偶性比一重要复杂,首先是一个被积域的对称,再是函数值的对称,为什么说是对称,因为要同时考虑关于x轴和关于y轴的奇偶
发挥一下空间想象力,对称的山和盆地
# 三重积分
直角坐标下
先一后二:先对垂直的直线求微分,然后在 x-y 面积上积分,得体积
先二后一:在求 x-y 平面上面的微分,然后再垂直方向上积分得体积
柱坐标(空间上的极坐标)、球坐标和奇偶性求解
# 曲线与曲面积分
# 对弧长的线积分
第一类线积分,对被积函数在曲线上积分(被积区间为一条曲线)
利用直接法直接求参数方程、直角坐标和极坐标下得曲线积分
利用奇偶性简化曲线积分
利用对称性简化曲线积分
# 对坐标的线积分
第二类线积分:对被积函数分别在曲线的 x 和 y 坐标上积分,首先明确积分区间是一条曲线,这里的做法实际上是把曲线垂直划分在 x 和 y 上进行积分再相加(这里通常会涉及到两条封闭的曲线)
利用直接法直接求解参数方程坐标的线积分
格林公式
在空间曲线上积分:斯托克斯公式(亚托克斯公式)
# 对面积的面积分
第一类面积分:对空间被积函数在封闭曲面上积分
直接法:就是将 z 用 x 和 y 表示,将被积函数表示为二元,此时就变成了一个二重积分,这里将 z 化掉的方法很讲究
利用奇偶性、对称性简化积分
# 对坐标的面积分
第二类面积分:有方向,被积区间为曲面上侧取正号,曲面下侧取负号,要考虑曲面与 z 轴正方向的夹角,锐角为正
高斯公式
# 多元积分应用
物理题
# 一阶微分方程
# 什么是微分方程
微分方程:顾名思义,就是含有微分的方程,其自变量为x,当然,高阶微分方程的自变量为矩阵,要解的结果为微分的原函数,即求出能令其微分满足方程等式的函数
这里不可避免得要涉及到积分(因为要求原函数),在无条件时求出来的原函数,叫做微分方程的通解(可以理解为不定积分结果,存在任意常数 C);在给定的初值条件下,可以确定任意常数 C,从而得到一个确定的原函数(定积分),叫做微分方程在初值条件下的特解
# 变量可分离的一阶方程
形如
的微分方程(这里 y 是一个关于 x 的一元函数),可以拆解为两个积分的等式
于是我们可以对方程两侧同时积分,从而解出原函数y(x)
# 齐次微分方程
齐次指因变量
y和自变量x的指数齐次,如y/x, y^2/x^2就是齐次的
令y = ux,让原微分方程的变量由x,y变为x,u,从而让该齐次微分方程转变为一个可分离变量的微分方程,然后积分求解
其中,u也是一个关于x的函数,有
如对于齐次方程
显然,y 和 x 耦合在一起,不可分离,于是我们令y = ux,则原式为
此时,神奇的事情发生了,y 和 x 成功解耦,分离得
积分求解得(tanu分之一是cosu/sinu)
指得
最后代回y(要求得本来就是函数y),u只是工具人,y = ux
得到原齐次方程的通解,若告知初值条件,可解得特解,如
故在初值条件y(1) = π/2下的特解为
# 一阶线性微分方程
形如
的微分方程,称为一阶线性微分方程,有公式
其中 C 为任意常数,以此解出原微分方程的通解,再通过初值条件可解出特解,这个吊公式怎么推的不知道,有时间再看看
# 伯努利方程
形如
可以化为
就是一阶线性微分方程的特殊情况,在微分方程中,存在y的两个幂,且其指数只相差1,此时可以用高阶的y的微分代替低阶的y
带入伯努利方程
化简为
令y^{1-n} = z,则dz/dx = z',原式为
是不是很眼熟,就是一个一阶线性微分方程,然后就可以代公式
注意原公式的y'前面是没有多余系数的,就是要把那个1-n乘上去系数化为1,然后才能无脑代公式
# 全微分方程
形如
的二元微分方程,称作全微分方程,要求的解为原函数u(x,y),其中
这个方程成立的充要条件是
即二阶偏导相同
以此可以消除某些变量,再通过
对方程两边x不定积分得到一个u的变式,记作u0,再对这个u0
消除所有变量,得到最终的通解u(x,y)
# 二阶及高阶微分方程
自此发现,不定积分其实是微分方程的一个子集,实际上就是缺省中间阶导数的微分方程,而定积分就是在不定积分的基础上应用牛顿莱布尼兹公式所得
题目的侧重不同,一个重积分过程,一个求解
# 线性微分方程及线性无关
n 阶线性微分方程
其中f(x)为自由项
- 自由项为 0,该线性微分方程为齐次
- 否则,该线性微分方程非齐次
线性相关和无关
若存在不全为 0 的系数组合ki使得等式成立,则说明yi(x)是线性无关的,否则我们说yi(x)线性相关
线性无关也意味着任意两个项的商不为常数,即
# 齐次线性微分方程
齐次线性微分方程解的性质:解和解的线性相关项仍是解,譬如y1,y2是齐次线性方程的解,则
y3,y4仍是原方程的解,当然y3,y4是线性相关的
齐次线性微分方程的通解:其中yi均线性无关
求解二阶齐次线性微分方程的通解,对于方程
有其特征方程
这是一个一元二次方程,通过公式求解可得解r,根据r的不同,原方程的通解可分为
所谓非齐次微分线性方程对应的齐次微分线性方程就是把非齐次方程的自由项手动化为 0 的齐次方程
# 非齐次线性微分方程
非齐次线性微分方程的解 = 对应齐次方程的通解 + 非齐次方程的一个特解
自然,也可以视作 n 个线性无关的齐次方程解加上一个非齐次方程特解
特解的求法使用猜测法,即猜测特解的形式设常系数,再带入原方程求解常系数最终得到特解,如对于非齐次微分方程
则设其特解形式为
解叠加原理:对于非齐次线性方程
若已知其特解分别为y1*和y2*
则对于自由项为两个方程自由项之和的非齐次线性微分方程
有特解为
下面开始抽象起来了
# 特殊自由项二阶方程
其实就是在自由项带e^x时合理地猜测特解
猜测其特解形式为
这里这个多项式Q(x)如何确定?是根据微分方程的阶数来的,如对于自由项中 P(x) 最高阶为二阶的微分方程,Q(x) 就写为
最高次和微分方程自由项多项式阶数保持一致
# 可降阶方程
基本思路:令p = y' = dy/dx,带入原方程求解,最后代回再积分得到y(x)
举几个栗子
# 欧拉方程
令x = e^t,则t = ln|x|,dt/dx = 1/x,带入原方程,消去 x,解关于y和t的微分方程,最后将t = ln|x|代回通解,得到答案
其中,有
以及
将上述所有带入原微分方程消去 x,譬如
# 微分方程应用
# 几何问题
根据几何关系列出相关微分方程,很多几何关系都是以微分的形式来联系,如斜率、长度、面积、体积等
通过解对应微分方程,可以得到所想要求的“原函数”,这里的求解请结合一阶微分方程求法
- 变量可分离
- 齐次一阶微分
- 一阶线性微分方程
- 伯努利方程
以及二阶线性微分方程解法
- 特殊自由项二阶微分方程
- 可降阶方程
- 欧拉方程
对相应几何微分方程进行求解
# 变化率问题
已知变化率相关方程求解增长函数,如已知加速度求速度,这里的变化率是一个趋势,若是变少,要手动添负号,否则为正号
# 差分方程
什么是差分,对于数列an
就是关于an的两个差分
对于函数而言同理,如函数f(x)
便是他的一个差分
而差分方程,就是有以函数差分为项的方程,如
其中g(x)为一个已知函数,差分方程的解即为使得方程成立的函数f(x)
和微分方程类似
- 当
g(x) = 0时,差分方程为齐次 - 否则为非齐次
求解差分方程:对于二阶非齐次差分方程
其通解结构为
其中y*为非齐次方程的一个特解,Y为对应非齐次方程的通解
1、首先求对应齐次方程的通解:令自由项为 0 得相应齐次差分方程,有特征方程
易解得r = -a,所以齐次差分方程通解为
2、再求非齐次方程的一个特解
观察g(x)的形状,以这种视角看待
其中u为常数,Pm(x)为一个关于 x 的最高 m 次方的多项式,和微分方程一样,这里的 m 次和差分方程的阶数保持一致,这里是二阶,m 即为 2,最高次为x^2
根据比较u和特征解r,设特解形式
再代入原先的差分方程,根据比较x前系数确定多项式Qm(x)的未知系数,得到完整的没有未知数的特解y*
3、最后齐次通解加非齐次特解得到非齐次通解
举个栗子
