高等微积分教程

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

$$\text{d}u=a_1\text{d}{x}_1+a_2\text{d}{x}_2+\cdots +a_n\text{d}{x}_n$$$$\Delta u=\text{d}u+o(||\Delta \mathbf{X}||)$$

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。$n$维空间中，需要$n-1$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$\mathbf{Y}$的全微分公式是$$\mathbf{Y}=\mathbf{A}\text{d}\mathbf{X}$$其中$\mathbf{A}$是该点的雅可比矩阵，记为$\mathbf{A}=\mathcal{J}f(\mathbf{X})$。当$\mathbf{A}$是方阵时，有雅克比行列式$$\frac{D(\mathbf{Y})}{D(\mathbf{X})}=\det (\mathbf{A})$$

1.3 隐函数

1.3.1 隐函数存在性及性质

设有$n$个函数$F_i(\mathbf{X},\mathbf{Y})$，在某个区域内可微。若矩阵$$\frac{\partial \mathbf{F}}{\partial \mathbf{Y}}$$可逆，则这个区域内存在可微的隐函数$\mathbf{Y}=f(\mathbf{X})$，且$$\mathcal{J}f(\mathbf{X})=-(\frac{\partial \mathbf{F}}{\partial \mathbf{Y}}{)}^{-1}\frac{\partial \mathbf{F}}{\partial \mathbf{X}}$$

1.3.2 反函数

$$\mathcal{J}{f}^{-1}(\mathbf{Y})=[\mathcal{J}f(\mathbf{X}){]}^{-1}$$

1.4 空间几何

1.4.1 平面与法向量

$A(x-x_0)+B(y-y_0)+C(z-z_0)=0$是一个平面。它的法向量是$\mathbf{n}=(A,B,C)$。

1.4.2 曲面的切平面

核心策略：构造$z=z_0+A(x-x_0)+B(y-y_0)$。其中$A=\frac{\partial z}{\partial x}$，$B=\frac{\partial z}{\partial y}$。

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$\phi (x,y)=0$时$f(x,y)$的极值。由于某，该极值点一定是拉格朗日函数$L$的驻点。$$L(x,y,\lambda )=f(x,y)+\lambda \phi (x,y)$$

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 $$\underset{y}{\lim }\int \text{d}x=\int \underset{y}{\lim }\text{d}x$$

参数求导$$\frac{\text{d}}{\text{d}y}{\int }_{\alpha }^{\beta }\text{d}x={\int }_{\alpha }^{\beta }\frac{\partial }{\partial y}\text{d}x+(\beta ,y){\beta }^{\prime }-(\alpha ,y){\alpha }^{\prime }$$