考研数学笔记:高等数学与线性代数

2026年9月9日 23 min

高等数学与线性代数的完整备考笔记。

这篇笔记整理备考中的概念辨析、例题、推导和复习提醒,并按主题安排标题与配图。阅读时结合每个结论所需的条件,以及题目给定的模型和数据。

做到一个新的问题,想起与过去某个问题类似。发现在解答中,对此类问题,以及工具和方法的理解是存在缺陷的,或者发现理解不够深刻。于是通过解决新的问题,一并更新迭代过去的理解。

极限、导数以及微分


代数变换、递推与乘积求导

  • 双曲正弦函数 $y=\dfrac{e^x-e^{-x}}{2}$, 反解方法如下: 先化成 $2y+e^{-x}=e^x$,两边同乘 $e^x$,令 $u=e^x\gt 0$,得到一元二次方程 $u^2-2yu-1=0$。两根中只有 $u=y+\sqrt{y^2+1}$ 为正,因此反函数为 $x=\ln(y+\sqrt{y^2+1})$。

  • 对于递推数列 $x_n=f(x_{n-1})$,令相邻两项均为 $a$,得到的是不动点方程 $a=f(a)$,可用于寻找常数解或极限的候选值。若求数列极限,须先证明数列收敛,并确认可将极限代入递推关系,例如 $f$ 在极限点连续。求任意第 $n$ 项还需结合初值和递推式进一步推导。$(660_{18})$

  • 若 $f(x)=u(x)v(x)$, 则 $f(x)$ 的泰勒展开式是这两个函数的泰勒展开式相乘, 同时也表明了, 无穷小也是会相乘的

  • 关于 $f(x)=u(x)v(x)$ 的导数 $f'(x)=u(x)v'(x)+v(x)u'(x)$ 证明在 $p_{167}$ 页, 如果一个多因使或者 $n$ 阶导无法直接求出, 尝试简化到上述模式, 然后通过求导或者是莱布尼茨公式来求导

    $$ \frac{d^n}{dx^n} [u(x) v(x)] = \sum_{k=0}^{n} \binom{n}{k} u^{(k)}(x) v^{(n-k)}(x) $$

    或者是利用泰勒展开, 如第一点提到的多项式相乘


无穷大、等价无穷小与幂指极限

  • 趋于无穷大描述的是极限过程,而不是某一项真的等于无穷大。 按绝对值趋于无穷大的约定,对任意 $M\gt 0$,充分接近极限位置后都须有 $|f(x)|\gt M$;对数列,则须对所有充分大的下标成立。无界只要求能超过任意大的界限,不要求此后一直超过。例如 $\dfrac{1}{x^2}\sin\dfrac{1}{x}$ 在 $x\to0$ 时无界,但存在趋于零的自变量序列使函数值为零,所以它的绝对值并不趋于无穷大。
    • 若 $\lim_{n\to\infty}x_ny_n=+\infty$,则有如下推论:
      • 不能断言 $x_n$ 或 $y_n$ 中至少一个趋于 $+\infty$,但至少有一个数列无界,否则乘积也有界。例如令 $x_n$ 的奇数项为 $1$、偶数项为 $n$,令 $y_n$ 的奇数项为 $n$、偶数项为 $1$,则 $x_ny_n=n\to+\infty$,而两个因子都因有无穷多项等于 $1$ 而不趋于无穷大。
      • 若 $x_n\to a\ne0$,则 $x_n$ 最终与 $a$ 同号且远离零。由 $y_n=(x_ny_n)/x_n$ 可知:当 $a\gt0$ 时,$y_n\to+\infty$;当 $a\lt0$ 时,$y_n\to-\infty$。若前提只写成 $|x_ny_n|\to\infty$,则结论是 $|y_n|\to\infty$。
  • 对于函数,若两个因子的绝对值都趋于无穷大,则乘积的绝对值也趋于无穷大;若两个因子都趋于 $+\infty$,则乘积也趋于 $+\infty$。符号振荡可能使乘积没有带符号的无穷极限,但不会破坏前述绝对值结论。仅有无界性时,不能使用这一乘积极限规则。
  • 数列与函数遵循相同的规则:若 $|x_n|\to\infty$ 且 $|y_n|\to\infty$,则 $|x_ny_n|\to\infty$;若两者均趋于 $+\infty$,则乘积也趋于 $+\infty$。例如对任意 $M\gt0$,充分大的下标同时满足 $|x_n|\gt\sqrt M$、$|y_n|\gt\sqrt M$,于是 $|x_ny_n|\gt M$。结论来自极限定义,而非数列的离散性。

  • 对于多项相乘的求导, 要学会简化
    • $f(x)=\prod_{n=1}^{100}\,(\tan(\frac{\pi\,x^{n}}{4})-n)$ , 求 $f'(1)$ 通过观察发现 $n=1$ 的时候值为 $0$, 由于多因式求导非常复杂, 我们不希望求解多次导, 那么可以提出 $n = 1$ 的时候, 这样就有

      $$ (\tan(\frac{\pi\,x}{4})-1)\times\prod_{n=2}^{100}\,(\tan(\frac{\pi\,x^{n}}{4})-n) $$

      此时就变成了 $f(x)=u(x)v(x)$ 的形式, 再次求导就会非常方便

    • $y=\frac{1-x}{1+x}$ , 求 $y^{(n)}(0)$ 我们知道 $(\frac{1}{ax+b})^{n}$ 的导是好求的, 那么就进行转换 $y=-1+\frac{2}{1+x}$


一点处的信息与邻域性质

  • 一点处的信息不可推出区间的性质
    • 若 ${f'(x_0)}$ 存在, ${f(x)}$ 是否推出在 $x_0$ 邻域连续
      • 不可推出。设狄利克雷函数 $D(t)$ 在无理数处取 $1$、有理数处取 $0$,构造 $F(x)=(x-x_0)^2D(x-x_0)$。由 $F(x_0)=0$ 及 $|F(x_0+h)/h|=|hD(h)|\le|h|\to0$,得 $F'(x_0)=0$。但在任意 $x\ne x_0$ 处,有理数与无理数两种趋近给出不同极限,所以 $F$ 在该点不连续。这说明一点可导只保证该点连续,不能保证整个邻域连续。
    • 若 ${f'(0)\gt 0}$, 是否推出存在 ${\delta\gt 0}$ 有 ${f(x)}$ 在 ${(-\delta,\,\delta)}$ 单调增加
      • 不可推出, 考虑如下函数, 发现在 $x=0$ 邻域处导数振荡, 但$f'(0)=\dfrac{1}{2}$

        $$ f(x)=\begin{cases}{x^2sin\frac{1}{x} +\frac{1}{2}x,\,x\neq0}\\ {0,\,x=0}\end{cases} $$
      • 但可以推出存在 ${\delta}$, 左邻域均比该点小, 右邻域均比该点大, 但不意味着区间上严格单调。

    • 复合函数的连续性要区分内、外函数的输入点。即使 $f$ 在 $x_0$ 连续,而 $g$ 在输入点 $f(x_0)$ 不连续,$g(f(x))$ 仍可能在 $x_0$ 连续。
      • 例如,若 $f(x)\equiv C$ 且 $g(C)$ 有定义,则 $g(f(x))\equiv g(C)$ 是常值函数。即使 $g$ 在 $C$ 附近存在跳跃、可去或振荡间断,复合函数只取到输入 $C$,仍然连续。

  • 关于等价无穷小
    • 对于 $\int_0^{\phi(x)}f(t)\,dt$,若在所讨论的趋近方向上 $\phi(x)\sim x^n$、$f(t)\sim t^m$,且 $n\gt0$、$m\gt-1$ 并满足局部可积条件,则 $\int_0^{\phi(x)}f(t)\,dt\sim x^{n(m+1)}/(m+1)$,阶数为 $n(m+1)$。
    • 不同阶的无穷小相加或相减时,由低阶项决定主项;同阶时必须先合并系数。首项抵消后,结果可能升阶甚至恒为零。对 $\int_{g(x)}^{h(x)}f(t)\,dt=\int_0^{h(x)}f(t)\,dt-\int_0^{g(x)}f(t)\,dt$,若两端分别产生阶数 $n(m+1)$、$k(m+1)$,只有在主项未抵消时才能取其中较低的阶数;同阶时须比较对应的系数。
    • 对于幂函数复合,$[1+Ax^p+o(x^p)]^\alpha=1+\alpha A x^p+o(x^p)$。当 $\alpha A\ne0$ 时,减去常数项 $1$ 后的无穷小仍为 $p$ 阶。例如固定 $\alpha\ne0$ 时,$1-\cos^\alpha x\sim\dfrac{\alpha}{2}x^2$;首项系数为零时须继续检查。

  • 导数由差商的极限定义;要由其他极限信息判断可导性,需要把它准确地还原为差商。
    • 若只给出 $\lim_{x\to x_0}f(x)=A$,这说明两侧极限相同。连续还要求 $f(x_0)$ 有定义且等于 $A$。若题目未给出该点函数值,连续性尚不能确定;若函数在该点没有定义,则需先补定义才可讨论其在该点连续。具体地,$f(x)=x^2$($x\ne0$)、$f(0)=C\ne0$ 时,$\lim_{x\to0}f(x)=0\ne f(0)$,故在零点不连续,也不可导。

      • ${\lim_{x\to x_0}\dfrac{f'(x)}{(x-x_0)^2}=A,\,A\neq 0}$, 是否意味着 $x_0$ 邻域内单调?
        • 由极限得 $f'(x)=A(x-x_0)^2+o((x-x_0)^2)$,所以 $f'(x)\to0$,并且在充分小的去心邻域中与 $A$ 同号。因此 $f$ 在左右两个单侧区间上分别严格单调:$A\gt0$ 时分别递增,$A\lt0$ 时分别递减。条件未规定两侧函数值如何衔接,也未控制 $f(x_0)$,故不能保证跨越 $x_0$ 的整个邻域或整个去心集合单调。若另知 $f$ 在 $x_0$ 连续,则可将两侧单调性连接起来,并由中值定理得到 $f'(x_0)=0$。
    • 相对的, 若是给出了 $f(x)$ 在区间 $[a,\, b]$ 可导则证明存在 $\lim_{x\to a^{+}}f(x)$ 存在, 右区间的左边也同理, 那么此时如果有隐含条件如 $\lim_{x\to a^{+}}\,\frac{f(x)}{x}=A$, 由于 $f(x)$ 在 $a$ 处右连续, 自然的就有 $f(a)=a\times A$

      • 进一步, 若 ${f(x)}$ 左导数, 右导数均存在, 则一定有函数左连续且右连续, 即 ${f(x)}$ 在该点连续
    • $f'(x_0)$ 存在并不要求导函数在该点连续,但要区分两种极限。左右导数是 $f'_\pm(x_0)=\lim_{h\to0^\pm}[f(x_0+h)-f(x_0)]/h$;两者有限且相等,当且仅当 $f'(x_0)$ 存在,此时 $f$ 必在该点连续。它们不同于 $\lim_{x\to x_0^\pm}f'(x)$。例如 $f(x)=x^2$($x\ne0$)、$f(0)=C\ne0$ 时,去心处 $f'(x)=2x$ 的左右极限都为零,而零点差商为 $x-C/x$,没有有限的左右导数,函数也不连续。

    • 更深层次地,已知 $g(x)$,若题目只指出 $f$ 在零点可导,并给出 $\lim_{x\to0}\dfrac{f(x)}{g(x)}=A$、$g(x)=x^2$,其中 $A$ 为有限值,则分如下几种情况:

      • 若确定 $f(x)$ 是具体函数, 即给出具体的 $f(x)$ 表达式, 则通过极限存在可求得一些常数的值, 然后去判断之后的性质
      • 若 $f(x)$ 是抽象函数, 未明确给出表达式, 则需要细致讨论
        • 极限意味着 $f(x)=Ax^2+o(x^2)$。当 $A=0$ 时,$f=o(x^2)$;当 $A\ne0$ 时,$f\sim Ax^2$,与 $x^2$ 同阶,但只有 $A=1$ 时才有 $f\sim x^2$。零点可导带来的连续性给出 $f(0)=0$,再由 $f'(0)=\lim_{x\to0}\dfrac{f(x)}{x}=\lim_{x\to0}\left(\dfrac{f(x)}{x^2}x\right)=0$,得到一阶导数的信息。这并不自动保证二阶或更高阶导数存在。

        • 使用洛必达法则时,要逐项检查不定式类型、去心区间内的可导性、分母导数非零以及导数比的极限等条件;并不普遍要求导函数连续。重复使用时,每一步都须满足相应条件,不能只根据“可导到几阶”决定可用次数。特别地,$f(x)/g(x)$ 的极限存在,不能反向推出 $f'(x)/g'(x)$ 的极限存在。因此这里不能据已知比值极限直接补出高阶导数。

        • 由极限保号性比较邻域中的 $f(x)$ 与 $f(0)=0$:若 $A\gt0$,则充分接近零且 $x\ne0$ 时 $f(x)\gt0$,所以零点为严格极小值点;若 $A\lt0$,则 $f(x)\lt0$,零点为严格极大值点;若 $A=0$,则仅凭这些条件不能判断是否有极值。极值的定义本身不要求可导或连续。

        • 综上, 针对例子 $g(x)=x^2$有:

          • 一定能推出的结论:
            • $f(0)=0,\,f'(0)=0$
            • 若 $A\gt0$,零点为严格极小值点;若 $A\lt0$,为严格极大值点;$A=0$ 时不能确定。
          • 需要额外假设(如二次可微)才能推出的结论:
            • $f''(0)=2A$
            • 由二阶导数的定义及 $f'(0)=0$,有 $\lim_{x\to0}\dfrac{f'(x)}{x}=f''(0)=2A$。
        • 关于以上的所有无法推出的情况, 可构造函数证明:

          $$ f(x)=\begin{cases}{x^3sin\frac{1}{x} +x^2,\,x\neq0}\\ {0,\,x=0}\end{cases} $$
    • 对于绝对值函数的可导性,先看零点和符号。若 $f$ 在 $x_0$ 可导且 $f(x_0)\ne0$,连续性保证它在某个邻域内同号,因此 $|f|$ 在该邻域中等于 $f$ 或 $-f$,在 $x_0$ 可导。

      • 若 $f$ 在 $x_0$ 可导且 $f(x_0)=0$,则 $|f|$ 在该点可导当且仅当 $f'(x_0)=0$。令 $h=x-x_0$,由 $f(x_0+h)=f'(x_0)h+o(h)$ 得 $|f(x_0+h)|=|f'(x_0)|\,|h|+o(|h|)$。当 $f'(x_0)\ne0$ 时,左右斜率分别为 $-|f'(x_0)|$ 和 $|f'(x_0)|$,形成尖角;当 $f'(x_0)=0$ 时,差商趋于零。例如 $f(x)=x^3$ 虽穿过零点,$|f(x)|=|x|^3$ 在零点仍可导。
      • $f$ 在 $x_0$ 连续一定推出 $|f|$ 在 $x_0$ 连续,反之不一定成立。
      • 若 $\phi$、$g$ 都在 $x_0$ 可导且 $g(x_0)=0$,对 $f(x)=\phi(x)|g(x)|$ 有:
        • $f$ 在 $x_0$ 可导当且仅当 $\phi(x_0)g'(x_0)=0$,此时 $f'(x_0)=0$。 只有在 $g'(x_0)\ne0$ 的简单零点情形,$\phi(x_0)=0$ 才单独构成充要条件。
          • 令 $h=x-x_0$,利用一阶展开可得 $f(x_0+h)=\phi(x_0)|g'(x_0)|\,|h|+o(|h|)$,而 $f(x_0)=0$。除以 $h$ 后,左右极限分别为 $-\phi(x_0)|g'(x_0)|$ 和 $\phi(x_0)|g'(x_0)|$,两者相等恰好等价于 $\phi(x_0)g'(x_0)=0$。
          • 几何上,$g'(x_0)\ne0$ 时,$|g|$ 有一阶尖角。非零的 $\phi(x_0)$ 保留这个尖角;$\phi(x_0)=0$ 将一阶尖角压去,留下高阶变化,因此切线水平,但整个图像不必是直线。若 $g'(x_0)=0$,则 $|g|$ 本来就在该点可导。
    • 若 $f$ 在 $x_0$ 连续,且对某个整数 $n\ge2$,有限极限 $\lim_{h\to0}\dfrac{f(x_0+h)-f(x_0)}{h^n}=A$ 存在,等价地 $\lim_{x\to x_0}\dfrac{f(x)-f(x_0)}{(x-x_0)^n}=A$ 存在,则将该比值乘以 $h^{n-1}$,得到一阶差商趋于零,故 $f'(x_0)=0$。这不自动保证 $f''(x_0)$、$f'''(x_0)$ 等存在,也不能反向使用洛必达法则补出这些导数。上面的 $f(x)=x^2+x^3\sin(1/x)$、$f(0)=0$ 就满足二阶差商趋于 $1$,但 $f'(x)/x=2+3x\sin(1/x)-\cos(1/x)$ 没有极限,所以 $f''(0)$ 不存在。

    • 若已知 $f'(x_0)=A$,求单侧极限 $\lim_{x\to x_0^\pm}\dfrac{f(x)-f(x_0)}{g(x)}$ 时,可先利用导数定义。若 $g(x_0)=0$ 且 $g$ 在该点连续,在分母非零处可写成 $\dfrac{[f(x)-f(x_0)]/(x-x_0)}{[g(x)-g(x_0)]/(x-x_0)}$;例如再有 $g'(x_0)\ne0$ 时,极限为 $A/g'(x_0)$。若 $|g(x)|\to\infty$,则分子由 $f$ 的连续性趋于零,原比值直接趋于零,无须构造 $g(x)-g(x_0)$。洛必达法则或柯西中值定理并不要求导函数连续,但仅知一点可导不足以保证它们所需的区间条件,使用前仍须核对。

    • 在 $f(0)=0$ 的条件下,由极限信息判断可导性的关键,是能否确定覆盖全部实数趋近路径的一阶差商。可从以下几方面检查($660-164,\,880_{base}-2.1.11$):

      • 比较无穷小的阶,并还原为一阶差商。 对幂型无穷小,有限比值要求分子的阶不低于分母的阶。例如若 $\lim_{x\to0}f(x)/x^p=L$ 有限,其中 $p\ge1$ 且幂在所讨论的双侧邻域有定义,则 $p=1$ 时 $f'(0)=L$,$p\gt1$ 时 $f'(0)=0$。这包含 $f(x)/x$ 和 $f(x)/x^2$ 两种情形。若给出 $\lim_{x\to0}f(\ln(1-x))/x=L$,令 $t=\ln(1-x)$,由 $t/x\to-1$ 及换元覆盖零点两侧,得 $f'(0)=-L$。
      • 内层自变量须覆盖零点两侧。 例如 $\lim_{x\to0}f(\sqrt{x^2+1}-1)/x^2$ 中,非零 $x$ 对应的 $t=\sqrt{x^2+1}-1$ 始终为正。因此即使外层极限是双侧的,也只提供 $f$ 在 $t\to0^+$ 时的信息,不能确定左导数。
      • 差商必须与定点函数值联系起来。例如 $\lim_{x\to0}[f(x)-f(-x)]/x$ 或 $\lim_{x\to0}[f(x)-f(x^2)]/x$ 存在,不能单独推出零点可导。反例是 $f(x)=1$($x\ne0$)、$f(0)=0$,两个比值都为零,但函数在零点不连续。
      • 只沿数列趋近也不够。例如 $\lim_{n\to\infty}nf(1/n)$ 只检测正数列 $1/n$;即使同时检测非零整数 $m$ 的 $|m|\to\infty$,仍没有覆盖所有实数路径。取 $f$ 为无理数处等于 $1$、有理数处等于 $0$ 的狄利克雷函数,则所有这些数列差商均为零,而零点处不可导。
    • 注意隐含的导数值, 透过题目信息得到导数值, 尝试利用放缩以及特殊值点观察, 如:

      • 若 $|f(x)|\le x^2$,代入 $x=0$ 得 $f(0)=0$。对 $x\ne0$,有 $\left|\dfrac{f(x)-f(0)}{x}\right|\le|x|\to0$,因此由夹逼定理得到 $f'(0)=0$。

高阶导数与图形信息

  • 关于高阶导数
    • 若出现了高阶导数(可能搭配抽象函数一起), 此时的高阶指阶数大于等于 $2$, 特别是在导数阶数在 $1\to3$ 这个范围内, 由于只给出抽象函数 $f(x)$ 无从下手, 只能考虑驻点, 拐点, 图形凹凸性, 泰勒展开等去寻找线索

      • 若 $f$ 在 $[-a,a]$ 连续、内部二阶可导,其中 $a\gt0$,且已知 $\int_{-a}^{a}f(x)\,dx=b$,可以利用整个区间上的二阶导数符号。对每个非零的内部点 $x$,带拉格朗日余项的泰勒公式给出 $f(x)=f(0)+f'(0)x+\dfrac12 f''(\xi_x)x^2$,其中 $\xi_x$ 位于 $0$ 与 $x$ 之间。若区间内部 $f''\ge0$,则 $f(x)\ge f(0)+f'(0)x$;利用连续性延至端点,再积分并消去奇函数项,得 $b\ge2af(0)$。若 $f''\le0$,则 $b\le2af(0)$。仅有一点处的 $o(x^2)$ 展开不能控制固定区间上的积分,关键是整个区间上的符号条件。
        • 也可直接利用图像的弯曲方向:$f''\ge0$ 时,图像位于切线之上、弦线之下,对应英文的 convex;$f''\le0$ 时,图像位于切线之下、弦线之上,对应 concave。中文教材对“凹、凸”的称呼可能不同,判断时以导数符号和上述几何关系为准。

          原笔记配图 1
          原笔记配图 1
    • 若要求高阶导数, 且阶数适中, 但直接求导很难, 一般有以下几种方法:

      • 若是求 $f^{(n)}(0)$, 则观察函数的奇偶性, 检查是否为奇函数

      • 求导观察规律, 是否存在规律性

      • 直接或者求一到两次导, 若出现可以利用泰勒展开则直接利用, 如:

        $$ f(x)=ln(\sqrt{1+x^2}-x), 求 f^{(5)}(0) $$

        直接求导或者利用泰勒困难, 考虑求一次导 $\to f'(x)=-\dfrac{1}{\sqrt{1+x^2}}$, 发现可以利用泰勒展开 $(1+x)^{α}$, 直接展开到 $-\dfrac{3}{8}x^4+o(x^4)$, 此时求导简单, 有 $f^{(5)}=f'^{(4)}(0)=-9$

      • 下面给出一些常见的求高阶导数技巧, 这些技巧通常是级数或者积分要用到的, 但有时往往想不到求导上面, 要多注意

        • ${F(x,\,y)=\dfrac{f(x)(或f(y))}{ax^2-by^2}}$, 利用平方差进行凑项, 如:

          $$ {F(x,\,y)=\dfrac{2x}{x^2-y^2}=\dfrac{1}{x+y}+\dfrac{1}{x-y}} $$

          利用 $\dfrac{d^n}{dx^n}\left(\dfrac1x\right)=(-1)^n\dfrac{n!}{x^{n+1}}$,可分别处理 $1/(x+y)$ 与 $1/(x-y)$。对 $x$ 求偏导时把 $y$ 当常数;对 $y$ 求偏导时把 $x$ 当常数,并注意 $x-y$ 的内层导数为 $-1$。因此 $\partial_x^nF=(-1)^nn![(x+y)^{-n-1}+(x-y)^{-n-1}]$,而 $\partial_y^nF=(-1)^nn!(x+y)^{-n-1}+n!(x-y)^{-n-1}$。


  • 灵活观察是否存在 $1^{\infty}$, 是否满足 $\lim a(x)b(x)=A$,$lima(x)=0$,$limb(x)=\infty$, 此时直接有

    $$ lim(1+a(x))^{b(x)}=e^{A} $$

    注: 通过简化, 这里的 $1$ 是关键点, 可以进行很多变换

  • 若底项不为 $e$ 而是 $a$, 则需要乘上 $lna$, 例:

    $$ {\lim_{x\to+\infty}x^P(a^{\frac{1}{x}}-a^{\frac{1}{x+1}})} $$

    提取公因子直接化成:

    $$ {{\lim_{x\to+\infty}x^P\times a^{\frac{1}{x+1}}(a^{\frac{1}{x(x+1)}}-1)}\Rightarrow x^P\times a^{\frac{1}{x+1}}\times \dfrac{lna}{x(x+1)}} $$

  • 关于 $\infty-\infty$ 的极限, 一般有两种做法, 第一种是通分, 二是对于通分难处理的, 可以进行上下同乘, 消除根号而从化成 $\dfrac{\infty}{\infty}$ 形式, 还有比较隐晦的一种, 即通过提取因子或者化简, 然后通过泰勒进行消项, 例:
    • 求 $\lim_{x\to+\infty}[\sqrt[3]{1-x^6}+x^2]$。提取因子后,$\sqrt[3]{1-x^6}=-x^2(1-x^{-6})^{1/3}$。利用 $(1-u)^{1/3}=1-u/3+O(u^2)$,得到 $-x^2[1-1/(3x^6)+O(x^{-12})]+x^2=1/(3x^4)+O(x^{-10})\to0$。

  • 对于一个根号下面的式子(或者带着绝对值), 需要开根号(或者加根号平方从而去掉绝对值), 要时刻注意值的正负, 对于一些求极限根号下问题或者是间断点或者是渐近线等等,存在一类问题的结果是公式的最大值, 也就是说要时刻注意着某些式子在对应条件下的值的大小, 可以会造成不同的答案.
    • 对 $\lim_{n\to\infty}\dfrac{1-x^{2n}}{1+x^{2n}}$,须比较 $|x|$ 与 $1$:$|x|\lt1$ 时极限为 $1$,$|x|=1$ 时为 $0$,$|x|\gt1$ 时为 $-1$。
    • 对 $x^{2n+1}$、$x^{2n}$、$x^n$,应完整区分各个实数范围,必要时写成分段形式(如 $660_{19}$):
      • $-1\lt x\lt1$ 时,三个数列均趋于 $0$;$x=1$ 时,均恒等于 $1$。
      • $x=-1$ 时,前两个数列分别恒等于 $-1$、$1$,而 $x^n=(-1)^n$ 振荡,没有极限。
      • $x\gt1$ 时,三个数列均趋于 $+\infty$。
      • $x\lt-1$ 时,$x^{2n+1}\to-\infty$、$x^{2n}\to+\infty$;$x^n$ 的绝对值趋于无穷大,但符号交替,没有有限或带符号的无穷极限。

参数方程、极值与微分定义

  • 对于参数方程求导, 一定要记住

    $$ y=f(x),\,\,\, \begin{cases} x=\phi(t) \\y=\psi(t) \end{cases} $$
    • 当 $x$、$y$ 都作为 $t$ 的可导函数且 $dx/dt\ne0$ 时,有 $\dfrac{dy}{dx}=\dfrac{dy/dt}{dx/dt}$。若 $y(t)$ 由 $te^y+y+1=0$ 隐式给出,先对 $t$ 求导:$e^y+(te^y+1)\dfrac{dy}{dt}=0$,因此在 $te^y+1\ne0$ 时,$\dfrac{dy}{dt}=-\dfrac{e^y}{te^y+1}$,再除以 $dx/dt$ 即可。
    • 对于讨论 $f(x)$ 的连续, 可导性质
      • 对于可导性, 可以变换成 $y=f(x)$ 来求解, 也可以讨论 $\frac{dy}{dx}$ 得出可导性
      • 对于连续性,可以消去参数得到 $y=f(x)$ 后直接讨论;可导当然保证连续。也可以先检查 $\phi(t)$、$\psi(t)$ 的连续性,但这只保证参数曲线连续。若还能在所讨论范围把参数连续地写成 $t=t(x)$,则 $f(x)=\psi(t(x))$ 连续。例如 $\phi$ 连续且局部严格单调时,其局部反函数连续,便可使用这个方法;否则须先确认曲线是否定义了单值函数。
    • 若要求斜渐近线, 则需要找到 $x\to\infty$ 的 $t$, 利用 $\dfrac{y(t)}{x(t)}$ 求出 $a$, 然后利用 $y(t)-ax(t)=b$. ($880_{base}-2.2.11$)

  • 对于两个根式的比较, 可以通过两边乘上 $x$ 次方
    • 比较 $2^{\frac{1}{2}},\,\,\,3^{\frac{1}{3}}$ 两边直接乘三次或者六次即可得出结果

  • 若 $f$ 在某区间可导,且 $f'(x)\ge0$,等号只在有限个点成立,则 $f$ 严格递增。在某点 $f'(x_0)=0$ 只表示一阶变化率为零,并不排除函数继续严格递增,例如 $f(x)=x^3$。若 $x_0$ 是内点极大值点且 $f''(x_0)$ 存在,则 $f'(x_0)=0$、$f''(x_0)\le0$;这不要求 $f'$ 在整个邻域单调递减。$f''(x_0)=0$ 既不表示函数不变,也不能判定是否有极值,例如 $x^4$、$-x^4$ 和 $x^3$ 在零点分别对应极小值、极大值和无极值。

  • 对于 $f$ 的极值与最值,既要检查可导点,也要检查不可导点。极值的定义不要求可导或连续:例如 $f(0)=1$、其余点 $f(x)=0$,零点仍是一个不连续的严格极大值点。通常图像意义下的拐点则要求函数在该点连续,并且两侧凹凸性改变;它也可以出现在不可导点。
    • 在不可导点,先用极值定义比较函数值;若函数在该点连续,且左右邻近区间内导数分别由正变负,则为严格极大值点,由负变正则为严格极小值点。不可导点不称为驻点:驻点要求一阶导数存在且为零。判断拐点应检查凹凸性是否改变;若给出二阶导数图像,通常观察该点两侧区间的二阶导数是否异号,并同时确认该点的连续性。
    • 在可导点,$f'(x_0)=0$ 就已经确定该点是驻点。若再有 $f''(x_0)\gt0$,则为严格极小值点;若 $f''(x_0)\lt0$,则为严格极大值点;若 $f''(x_0)=0$,二阶判别法不能确定。寻找拐点时,$f''(x_0)=0$ 只是候选条件;在相应的三阶可导条件下,再有 $f'''(x_0)\ne0$,可据此确认二阶导数变号,得到拐点。
    • 若函数在有限闭区间上连续、内部可导,且内部恰有一个极值点,则该点是对应的全局极值点。一般情况下,闭区间上的最大值、最小值可在内部驻点、不可导点以及区间端点中寻找,并比较各候选点的函数值。
    • 开区间或无穷区间还需计算端点极限或 $\lim_{x\to\pm\infty}f(x)$,但这些极限可能只给出上确界或下确界,并不是函数实际取得的值。要先判断最值是否存在,再进行比较。
    • 在连续的有限闭区间上,若唯一的内部极值是极大值,则最小值必在端点取得;唯一的内部极值为极小值时同理。这一结论可用于证明题,其端点须属于定义域。
    • 对于分段函数,求导时要单独处理连接点,不能只把各段内部的导数公式直接拼接。函数在一点可导,首先要求它在该点有定义;若题目要求在无定义点补定义,应先指定该点函数值,再检查连续性和左右差商。即使已知函数整体可导,也应按定义确定连接点导数,并将导函数写成适当的分段形式。

  • 对多项式,若 $a$ 是 $f(x)=0$ 的 $m$ 重根($m\ge1$),则求导后重数降低一。更一般地,若有足够光滑的局部分解 $f(x)=(x-a)^m h(x)$、$h(a)\ne0$,则 $f'(x)=(x-a)^{m-1}[mh(x)+(x-a)h'(x)]$,方括号在 $a$ 处为 $mh(a)\ne0$。因此 $m\ge2$ 时,$a$ 是 $f'$ 的 $m-1$ 重根;$m=1$ 时,$f'(a)\ne0$,该点不再是导函数的根。

  • 若条件形如 $f(x+C)-f(x)=AC+o(C)$,应将其理解为固定 $x$ 后,增量 $C\to0$ 时成立的局部展开。令 $C=\Delta x$,两边除以 $C$ 再取极限,即得 $A=f'(x)$;这不是对任意大小增量都成立的线性关系。
    • 函数 $f$ 对任意固定的 $x$,在 $y\to0$ 时满足 $f(x+y)-f(x)=(f(x)-1)y+o(y)$,求 $f(x)$。
      • 两边除以 $y$ 后取极限,得 $f'(x)=f(x)-1$,所以微分为 $df=(f(x)-1)\,dx$。把方程写成 $[e^{-x}(f(x)-1)]'=0$ 并积分,得 $f(x)=1+Ce^x$。这里 $o(y)$ 属于函数增量中的余项,不是微分本身的一部分。

中值定理


逆用求导公式构造辅助函数

  • 构造辅助函数进行证明, 常用的辅助函数如下 公式:$(uv)' = u'v + uv'$,逆用方法如下:
    • $[f^2(x)]'=2f(x)f'(x)$,因此见到 $f(x)f'(x)$,可令 $F(x)=f^2(x)$,或取 $F(x)=\tfrac12 f^2(x)$ 来精确匹配系数。
    • $[f(x) \cdot f'(x)]' = [f'(x)]^2 + f(x)f''(x)$, 见到 $[f'(x)]^2 + f(x)f''(x)$,令 $F(x) = f(x)f'(x)$
    • $[f(x)e^{\varphi(x)}]' = [f'(x) + f(x)\varphi'(x)]e^{\varphi(x)}$, 见到 $f'(x) + f(x)\varphi'(x)$,令 $F(x) = f(x)e^{\varphi(x)}$
      • $\varphi(x) = x \Rightarrow$ 见到 $f'(x) + f(x)$,令 $F(x) = f(x)e^x$
      • $\varphi(x) = -x \Rightarrow$ 见到 $f'(x) - f(x)$,令 $F(x) = f(x)e^{-x}$
      • $\varphi(x) = kx \Rightarrow$ 见到 $f'(x) + kf(x)$,令 $F(x) = f(x)e^{kx}$ 注:$(uv)'' = u''v + 2u'v' + uv''$ 亦可能考

  • 公式:$\left(\frac{u}{v}\right)' = \frac{u'v - uv'}{v^2}$,逆用方法如下:
    • $\left[\frac{f(x)}{x}\right]' = \frac{f'(x)x - f(x)}{x^2}$ 见到 $f'(x)x - f(x)$($x \neq 0$),令 $F(x) = \frac{f(x)}{x}$。
    • $\left[\frac{f'(x)}{f(x)}\right]' = \frac{f''(x)f(x) - [f'(x)]^2}{f^2(x)}$, 见到 $f''(x)f(x) - [f'(x)]^2$($f(x) \neq 0$),令 $F(x) = \frac{f'(x)}{f(x)}$
    • $(\ln f(x))' = \frac{f'(x)}{f(x)}, \quad \left(\frac{f'(x)}{f(x)}\right)' = \frac{f''(x)f(x) - [f'(x)]^2}{f^2(x)}$, 见到 $f''(x)f(x) - [f'(x)]^2$ $(f(x) \gt 0)$,令 $F(x) = \ln f(x)$。

从端点、泰勒余项和隐藏点入手

  • 若题目中要求证明的命题里含有 $a+b$ 或者 $a-b$, 不妨 $Lagrange$ 中值定理, $a+b$ 的出现需要构造一个抽象函数 $f(x)$ 然后若可以用 $Lagrange$ 且 $x\neq0$ 则可以使用柯西中值: $\dfrac{f'(\xi)}{2\xi}\times \dfrac{1}{f'(\eta)}\,=\,\dfrac{f(a)-f(b)}{a^2-b^2}\times\dfrac{a-b}{f(a)-f(b)}$

  • 对于可用泰勒简化的难证明题, 如证明 $f(x) \leq \dfrac{1}{n!}g(x)$ 或者与 $f^{n(n\geq2)}$, 可以考虑 $Lagrange$ 余项公式证明
    • 证 $\left|\dfrac{\sin x}{x}-1\right|\le\dfrac12|x|$。 对 $x\ne0$,在零点使用带拉格朗日余项的泰勒公式:

      $$ \sin x=\sin0+\cos0\,x-\frac{x^2\sin\xi}{2}=x-\frac{x^2\sin\xi}{2}, \qquad \min(0,x)\lt\xi\lt\max(0,x). $$

      因此 $\left|\dfrac{\sin x}{x}-1\right|=\left|-\dfrac{x\sin\xi}{2}\right|\le\dfrac12|x|$。当 $x\gt0$ 时 $\xi\in(0,x)$,当 $x\lt0$ 时 $\xi\in(x,0)$。在零点将 $\sin x/x$ 连续延拓为 $1$ 后,不等式同样成立。


  • 关于中值定理的证明题, 有时候找一些隐藏的点, 只需要其存在就可证明
    • 非常数函数 $f$ 在 $[a,b]$ 连续、在 $(a,b)$ 可导,且 $f(a)=f(b)=0$。证明存在内点使导数为正,也存在内点使导数为负。 由非常数性及两端函数值为零,存在 $c\in(a,b)$ 使 $f(c)\ne0$。分别在 $[a,c]$ 和 $[c,b]$ 使用拉格朗日中值定理,得 $f'(\xi_1)=\dfrac{f(c)}{c-a}$、$f'(\xi_2)=-\dfrac{f(c)}{b-c}$,其中 $\xi_1\in(a,c)$、$\xi_2\in(c,b)$。两分母均为正,故两导数异号:$f(c)\gt0$ 时前正后负,$f(c)\lt0$ 时前负后正,得证。

积分


原函数、可积性和积分中值定理

  • 关于不定积分原函数 $F(x)$ 和 导函数 $f(x)$, 我们知道以下几点
    1. 对于变限积分 $F(x)=\int_{a}^{x}f(t)\,dt$, 存在即连续
    2. 积分中值定理的证明
      • 设 $f$ 在 $[a,b]$ 连续且 $a\lt b$,其最小值、最大值分别为 $m$、$M$。由 $m(b-a)\le\int_a^b f(x)\,dx\le M(b-a)$,得积分平均值位于 $[m,M]$。再由介值定理,存在 $\xi\in[a,b]$ 使 $\int_a^b f(x)\,dx=f(\xi)(b-a)$。

      • 若证存在 $\eta\in(a,b)$ 使得 $\int_{a}^{b}f(x)\,dx=f(\eta)(b-a)$, 可考虑使用拉格朗日证明: 由于 $f(x)$ 连续, 则有 $F(x)=\int_{a}^{x}f(t)\,dt$, 有 $F(b)-F(a)=f(\eta)(b-a)\,\Rightarrow\,\int_{a}^{b}f(x)\,dx-0=f(\eta)(b-a),\,\,\eta\in(a,b)$

      • 积分中值定理的加权形式:

        • $f(x),\,\,g(x)$ 在区间 $[a,b]$ 连续且 $g(x)$ 不变号, 则有:

          $$ \int_{a}^{b}f(t)g(t)dt=f(\xi)\int_{a}^{b}g(t)dt,\,\,\xi\in[a,b] $$
      • 在证明过程中, 可将常量变量化, 然后通过积分中值定理以及单调性证明不等式, 如:

        • $f(x)$ 单调增, 证 ${\int_{a}^{b}xf(x)dx \geq \dfrac{a+b}{2}\int_{a}^{b}f(x)dx}$
          • 若 $f$ 还连续,可将常量变量化,构造 $F(x)=\int_a^x tf(t)\,dt-\dfrac{a+x}{2}\int_a^x f(t)\,dt$。对 $a\lt x\lt b$,由积分中值定理有某个 $\xi\in(a,x)$ 使得

            $$ F'(x)=\frac12\left[(x-a)f(x)-\int_a^x f(t)\,dt\right] =\frac{x-a}{2}[f(x)-f(\xi)]\ge0. $$

            最后由 $F(a)=0$ 得 $F(b)\ge0$,即所求不等式。若只假设 $f$ 单调,则它在有限闭区间上仍可积,并可直接利用

            $$ 2(b-a)\left[\int_a^b xf(x)\,dx-\frac{a+b}{2}\int_a^b f(x)\,dx\right] =\int_a^b\int_a^b(x-t)[f(x)-f(t)]\,dt\,dx\ge0, $$

            因为单调递增保证被积函数非负,故结论仍成立。

    3. 连续函数 $f(x)$ 必有原函数 $F(x)$ 证:设 $f$ 在 $[a,b]$ 连续,$F(x)=\int_a^x f(t)\,dt$。对 $x,x+\Delta x\in(a,b)$、$\Delta x\ne0$,积分中值定理给出 $\Delta F=\int_x^{x+\Delta x}f(t)\,dt=f(\xi)\Delta x$,其中 $\xi$ 位于 $x$ 与 $x+\Delta x$ 之间,这对正负增量均成立。 两边除以 $\Delta x$,再令 $\Delta x\to0$,则 $\xi\to x$。由 $f$ 连续,得到 $F'(x)=\lim_{\Delta x\to0}\Delta F/\Delta x=\lim_{\xi\to x}f(\xi)=f(x)$,所以 $F$ 是 $f$ 的原函数。
    4. 若函数 $f(x)$ 有第一类间断点或无穷间断点, 则没有原函数 $F(x)$
    5. 对于导函数 $f(x)$, 若存在, 则原函数一定在定义域内处处可导处处连续, 则求原函数 $F(x)$ 的时候要注意可能间断的地方($f(x)$是分段函数)要用 $\int f(x)+C$ 在原函数的地方连接起来
    6. 求解不定积分的时候一定要 $+C$

  • 关于有限闭区间上的黎曼定积分
    • 函数 $f(x)$ 可积意味着 $|f(x)|\leq M$

    • 注意定积分的可加性, 例如求: ${\lim_{n\to\infty}\sum_{k=1}^{n}\int_{k}^{k + 1}f(x)}$, 注意求和符号里面的信息, 模拟几次发现: ${\int_{k}^{k + 1}+\int_{k + 1}^{k + 2}+\dots=\lim_{n\to+\infty}\int_{1}^{n + 1}f(x)=\int_{1}^{+\infty}f(x)dx}$

    • 对于定积分的几何意义, 我们有: 选择的区间一小块中的任意函数值都可以作为积分的数值, 只是为了方便来讲我们把它设置成第 $i$ 的函数值即 $f(\frac{i}{n})$ 但是可以取中间值即 $f(\frac{2i-1}{2n})$ 或者 其他值, 其通项公式是

      $$ \int_{a}^{b} f(x) \,dx \,= \, \lim_{n \to \infty} \sum_{i=1}^{n}\,f(a+\frac{b-a}{n}i)\frac{b-a}{n} $$

      注意这里的公式, 我们不仅将其 $n$ 等分, 还可以 $2n, 3n\dots$, 但是定义还是不会变的, 那就是我们一定要有 $\frac{b-a}{n}i$ 对应 $\frac{b-a}{n}$

      原笔记配图 2
      原笔记配图 2
    • 若 $f$ 在有限闭区间 $[a,b]$ 上有界,且只有有限个间断点,则 $\int_a^b f(x)\,dx$ 存在。有界性不能仅用“没有无穷间断点”代替,因为无界振荡也会破坏正常黎曼可积性。例如在零点补定义的 $\sin(1/x)/x$,虽只有零点这一处间断且没有无穷极限,仍在零点附近无界。

    • 定积分存在的充分条件

      1. $f(x)$ 在区间 $I$ 单调
      2. $f(x)$ 在区间 $I$ 连续
        1. $f(x)$ 在区间 $I$ 有界, 且只有有限个间断点
    • 定积分存在的必要条件

      1. $f(x)$ 在区间 $I$ 有界
      2. 积分区间长度有限
    • 对于类似比大小的题目, 要从以下方面探究(不全, 但是能想到的基本都会写上去):

      • 观察是否可以用奇函数简化, 或者拆分之后简化部分, 如:

        $$ \int_{-\frac{1}{2}}^{\frac{1}{2}}\dfrac{x^2+x+1}{x^2+1} $$

        我们直接拆开然后会发现是个常数和奇函数, 此时就是 $1$

      • 比较积分时,可结合放缩、换元和奇偶性。例如比较 $M=\int_{-\pi/2}^{\pi/2}\sin^2x\cos x\,dx$ 与 $N=\int_{-\pi/2}^{\pi/2}(\sin^3x-\cos x)\,dx$:对 $M$ 令 $u=\sin x$,得 $M=\int_{-1}^1u^2\,du=2/3$;$N$ 中的 $\sin^3x$ 为奇函数,故 $N=-\int_{-\pi/2}^{\pi/2}\cos x\,dx=-2$。因此 $M\gt N$。使用放缩时,须先确认点态不等式在整个积分区间成立。

      • 讨论函数性质, 对于确定的分母部分不需要讨论, 可简化讨论步骤, 如 $\displaystyle\int_{0}^{1}\dfrac{(1+x)ln^2(1+x)}{x^2}\,dx$, 可直接讨论分子部分


变限积分与反常积分

  • 关于变限积分
    • 变限积分 $\int_{a}^{x}f(t)\,dt$ 是关于 $x$ 的函数
    • 若 $f(x)$ 可积, 则 $F(x) = \int_{a}^{x}f(t)\,dt$ 连续, 这里注意 $F(x)$ 不一定是其原函数, 且 $f(x)$ 不一定连续, 有有限个间断点也可积, 即变限积分若存在必然连续, 证明如下:
      • $f(x)$ 可积, 则 $|f(x)|\leq M$, 有

        $$ |F(x+\Delta x)-F(x)|=\left|\int_x^{x+\Delta x}f(t)\,dt\right|\le M|\Delta x| $$

        该估计对正负 $\Delta x$ 都成立。由 $M|\Delta x|\to0$ 和夹逼定理,得 $F(x+\Delta x)-F(x)\to0$,即 $\lim_{\Delta x\to0}F(x+\Delta x)=F(x)$,所以 $F$ 连续。

    • 若 $f$ 在 $x_0$ 有跳跃间断,则 $F$ 在该点的左右导数分别等于 $f$ 的左右极限。两极限不同,所以 $F$ 在该点不可导。
    • 若 $f$ 在 $x_0$ 有可去间断,则 $F$ 在该点可导,且 $F'(x_0)=\lim_{x\to x_0}f(x)$;此值可以不同于给 $f(x_0)$ 指定的值,因为改变一个点的被积函数值不改变积分。
    • 对于抽象函数变限积分求导, 类 $\int_{F_2(x)}^{F_1(x)}f(g(x)-h(t))dt$ , 对其求导, 需要先把里面的 $g(x)-h(t)$ 换元方便求导, 类$(888_{comp}(3.3.8))$
      • 求 $H(x)=\int_0^{x^2}tf(x^2-t^2)\,dt$ 的导数。可以先求关于 $t$ 的原函数再代入上下限,也可直接令 $u=x^2-t^2$,则 $du=-2t\,dt$;$t=0$ 对应 $u=x^2$,$t=x^2$ 对应 $u=x^2-x^4$,所以 $H(x)=\dfrac12\int_{x^2-x^4}^{x^2}f(u)\,du$。若 $f$ 连续,由变限积分求导公式得 $H'(x)=xf(x^2)-(x-2x^3)f(x^2-x^4)$。
    • ${f(x)}$ 为奇函数, 则一定有 $\int_{a}^{x}f(t)dt$ 为偶函数, 若 $f(x)$ 为偶函数, 则若 $a\neq0$ 或者 $F(a)\neq0$, 则推不出 $\int_{a}^{x}f(t)dt$ 为奇函数
    • 对于反常积分的无穷区间敛散性判断, 类 $\int_{-\infty}^{\infty}e^{|x|}sinx$, 要注意这时奇函数的特性失效, 因为该函数在一端是发散的, 就有两个发散相加减仍然是发散的
    • 求变限积分的极限时,不能仅因两个被积函数同敛散就作等价代换。若在 $t\to0^+$ 时 $f(t)\sim g(t)$,两者在零点附近可积,且 $g$ 在该侧不变号并使分母积分非零,则 $\int_0^x f(t)\,dt\sim\int_0^x g(t)\,dt$($x\to0^+$);另一侧也需核对相应条件。使用泰勒展开时,要同时控制积分区间上的余项。例如 $f(t)=\sum_{k=0}^m a_kt^k+o(t^m)$,其中 $m$ 为非负整数,则 $\int_0^x f(t)\,dt=\sum_{k=0}^m\dfrac{a_k}{k+1}x^{k+1}+o(x^{m+1})$。这样保留下来的不仅是敛散性,还有正确的主项系数。

根号符号、分部积分与区间对称

  • 关于积分的计算问题
    • 时刻关注开根号的正负, 由于被积函数定义域的限制, 若需要将 $x$ 乘进根号或将其开出来, 若此时 $x$ 的值为负数则需要添负号
      • 曲线过 $(-2, 0)$ 且任意点的斜率为: ${\dfrac{1}{x\sqrt{x^2-1}}}$, 求曲线
        • 由于根号内部非负, 则得到 $x$ 的两个范围, 然后利用曲线过一点, 确定 $x$ 的具体范围, 然后求不定积分, 令 $x=sect$, 得:

          $$ {\dfrac{1}{x\sqrt{x^2-1}}dx \Rightarrow \int\dfrac{sect\,tant}{sec\,(-tant)}dt=-arccos(\frac{1}{x})+C} $$

          一定注意这里的 $-tant$, 由上述过程得到的 $x$ 的范围得出$tant\lt 0$ 也就是要: $\sqrt{tan^2t}=-tant$, 不仅仅是三角函数, 也适用于 $x$

      • 求 ${\displaystyle\int_{-\tfrac{\pi}{2}}^{\tfrac{\pi}{2}}\int_{0}^{Rcos\theta}\dfrac{r}{\sqrt{R^2-r^2}}\,dr}$
        • 对被积函数求不定积分是简单的, 得到 ${R-Rsin\theta}$, 但是观察外侧 ${\theta}$ 的值发现存在负数, 此时变为: ${R-R|sin\theta|}$, 然后求积分即可
    • 拆开使用分部积分抵消时,先观察是否有一部分的导数与另一部分相匹配。常见形式包括 $e^{f(x)}$ 乘以 $\sin x$、$\cos x$、$\tan x$ 等。例如 $(1+\tan x)^2=\sec^2x+2\tan x$,利用 $(\tan x)'=\sec^2x$ 可寻找分部积分的配对,但必须保留 $2$ 并匹配其余因子,才能判断是否抵消。$(张_{base}(9.5,\,T_{9.11}),\,880_{base}(3.3.4.6),\,880_{comp}(3.3.3))$
    • 若出现抽象积分如 $\int x^{n-1}\sqrt{1+x^n}dx$, 看到 $n-1$ 与 $n$, 想到凑微分
    • 直接使用换元后的 $f(t)dg(t)$ 分部积分成 $g(t)df(t)$, 例($张_{base}9.7$)
    • 区间再现, 对于 $f(x)g(sinx),\,\,f(x)g(cosx)$, 有时出现 ${f(x)e^x}$ 时, 若难以积分, 可尝试性的考虑能否区间再现 类($张_{base}9.18,\,\,9.12$,${武_{comp}P_{115}-9}$)
    • 对于 $\dfrac{1}{1+sinx},\,\,\dfrac{1}{1+cosx}$ 等等, 要常用分子分母有理化, 上下同乘
      • 例: $\int\dfrac{x}{1+sinx}$, 直接有理化分母然后见到 $xf(sinx/tanx/cosx)$ 进行区间再现即可

反三角函数分支与三角积分

  • 对于积分换元的时候, 要注意反函数的区间是否要断开, 如果类似与 $arcsinsinx,\,\,arctantanx$, 需要注意范围, 只需要看函数是否单调即可
    • 求积分:

      $$ {\int_{0}^{1}x\,arcsin(2\sqrt{x-x^2})\,dx} $$
      • 类似 ${\sqrt{x-x^2}}$, 令 ${x=sin^2\theta}$, 有:

        $$ {\int_{0}^{\frac{\pi}{2}}sin^2\theta\cdot arcsin(sin2\theta)\cdot2sin\theta\cdot cos\theta\,d\theta} $$

        由于: $\arcsin(\sin 2\theta) =\begin{cases}2\theta, & 0 \leq \theta \leq \frac{\pi}{4} \\\pi - 2\theta, & \frac{\pi}{4} \leq \theta \leq \frac{\pi}{2}\end{cases}$, 有:

        $$ {I = \int_0^{\frac{\pi}{4}} 2 \sin^3 \theta \cos \theta (2\theta) \, d\theta + \int_{\frac{\pi}{4}}^{\frac{\pi}{2}} 2 \sin^3 \theta \cos \theta (\pi - 2\theta) \, d\theta} $$

        此时 $I_1=\int_0^{\pi/4}\theta\,d(\sin^4\theta)$,$I_2=\int_{\pi/4}^{\pi/2}(\pi/2-\theta)\,d(\sin^4\theta)$。分别分部积分,得 $I_1=\pi/16-\int_0^{\pi/4}\sin^4\theta\,d\theta$、$I_2=-\pi/16+\int_{\pi/4}^{\pi/2}\sin^4\theta\,d\theta$。在后一积分令 $u=\pi/2-\theta$,于是 $I=\int_0^{\pi/4}(\cos^4u-\sin^4u)\,du=\int_0^{\pi/4}\cos2u\,du=1/2$。

    • 这里罗列一些常用的反三角函数公式:

      • ${\begin{align} \arctan x+\arctan y&=\arctan\frac{x+y}{1-xy}\quad(xy\lt 1)\\ &=\pi+\arctan\frac{x+y}{1-xy}\quad(x\gt 0,xy\gt 1)\\ &=-\pi+\arctan\frac{x+y}{1-xy}\quad(x\lt 0,xy\gt 1)\\ \end{align}}$
      • ${\begin{align} \arctan x-\arctan y&=\arctan\frac{x-y}{1+xy}\quad(xy\gt -1)\\ &=\pi+\arctan\frac{x-y}{1+xy}\quad(x\gt 0,xy\lt -1)\\ &=-\pi+\arctan\frac{x-y}{1+xy}\quad(x\lt 0,xy\lt -1)\\ \end{align}}$
      • 当 ${xy = 1}$ 且 ${x \ne 0}$, ${\arctan x + \arctan \dfrac{1}{x} = \begin{cases} \dfrac{\pi}{2}, & x \gt 0 \\\\-\dfrac{\pi}{2}, & x \lt 0\end{cases}}$
      • 当 ${xy = -1}$ 且 ${x \ne 0}$,有:${{\arctan x - \arctan \left( -\dfrac{1}{x} \right) = \arctan x + \arctan \dfrac{1}{x} = \begin{cases} \dfrac{\pi}{2}, & x \gt 0 \\\\ -\dfrac{\pi}{2}, & x \lt 0 \end{cases}}}$
  • 注意利用奇函数和偶函数积分性质, 必要时将式子拆开
  • 对于 $\dfrac{1}{a^2+x^2}dx$, 一定要把它抽象化, 类 $\dfrac{1}{x^2-x+1}\rightarrow \dfrac{1}{(x-\frac{1}{2})^2+(\frac{\sqrt{3}}{2})^2}$, 注意这里一定要凑出 $d(x-\frac{1}{2})$, 类似的 $dAx$ 也要凑出常数项
  • 对于 $R(-sinx,\,cosx)=-R(sinx,\,cosx)\dots$, 这类一定要学会换元和凑微分, 还要记住万能公式$(P_{289})$, 类($武_{base}P_{81}-13、14$)
    • 对三角有理函数,若 $R(-\sin x,-\cos x)=R(\sin x,\cos x)$,可在适当区间令 $u=\tan x$,将积分化为有理函数积分。若不具备这种对称性,仍可考虑万能代换 $u=\tan(x/2)$。换元时须处理相应分支和分母为零的位置。$(1k_{base}14.20)$
  • 对于 ${sinax \times cosbx}$ 要考虑积化和差, 同样的也可以逆用和差化积
    • $\sin x\cos(nx)=\tfrac12[\sin((1+n)x)+\sin((1-n)x)]$,因此 $\int\sin x\cos(nx)\,dx=\tfrac12\int[\sin((1+n)x)+\sin((1-n)x)]\,dx$。
  • 关于 $e^{ax}cos/sinbx$, 可直接套用公式$(张_{base}{285})$, 类($张_{base}(10.4)$)
  • 若出现 $\int\dfrac{a\sin x+b\cos x}{c\sin x+d\cos x}\,dx$,其中 $c,d$ 不全为零,可配方凑微分。解方程组 $Ac-Bd=a$、$Ad+Bc=b$ 求出 $A,B$,将被积函数写成 $\dfrac{A(c\sin x+d\cos x)+B(c\cos x-d\sin x)}{c\sin x+d\cos x}$。在分母非零的区间内,利用 $d\ln|c\sin x+d\cos x|$,得到原函数 $Ax+B\ln|c\sin x+d\cos x|+C$。例:李范(3.40)、$880_{base}(3.3.3,\,3.3.4)$。

降阶、面积与特殊函数

  • 对于部分出现变限积分 $f(x)\int_{a}^{x}g(t)dt$ 或者多阶导数 $f^{n}$, 可以尝试使用分部积分对其进行降阶, 从而得到解法($张_{base}11.6,\,1k_{base}{10.7}$)

  • 要熟悉常用三角恒等式并注意系数,例如 $(1+\tan x)^2=1+2\tan x+\tan^2x=\sec^2x+2\tan x$。

  • 若题目要求计算该函数的面积, 由于面积不为负, 则需要注意函数在特定区间的正负性, 必要时通过定积分定义取极限计算

    • 很好的例子就是 $y=e^{-x}sinx$, 我们要计算出一段区间的面积, 然后通过定积分定义进行, 即

      $$ \lim_{n\to \infty}\sum_{k=0}^{n}\int_{k\pi}^{(k+1)\pi}e^{-x}|sinx|dx $$

      不要觉得这是理所应当的, 要时刻注意着时刻关注着函数的正负

  • 注意积分${\int_{a}^{b}dx\int_{x}^{b}f(x)f(y)dy}$, 此积分令 $F(x)=\int_{x}^{b}f(x)dx$, 然后去凑微分

    $$ {\int_{a}^{b}dx\int_{x}^{b}f(x)f(y)dy=\int_{a}^{b}[\int_{x}^{b}f(y)dy]\,d\,[-\int_{x}^{b}f(y)dy]} $$
  • Beta函数和Gamma函数:

    • 形如: ${\displaystyle \int_{0}^{+\infty}x^{\alpha-1}e^{-x}dx,\,2\int_{0}^{+\infty}t^{2\alpha-1}e^{-t^2}dt}$, 考虑使用 ${\Gamma}$ 函数, 一些推导: ${\Gamma(\alpha+1)=\alpha\Gamma(\alpha),\,\Gamma(n+1)=n!,\,\Gamma(\dfrac{1}{2})=\sqrt{\pi}}$
    • 当 $p\gt0$、$q\gt0$ 时,Beta 函数有两种常用积分形式:$B(p,q)=\int_0^\infty\dfrac{t^{p-1}}{(1+t)^{p+q}}\,dt=\int_0^1u^{p-1}(1-u)^{q-1}\,du$。它与 Gamma 函数的关系为 $B(p,q)=\dfrac{\Gamma(p)\Gamma(q)}{\Gamma(p+q)}$。这类形式常在三角函数换元后出现。
      • 推广: ${\displaystyle \int_0^{+\infty} \frac{x^{p-1}}{1 + x^q} \, \mathrm{d}x = \frac{\pi}{q\,\sin\left( \frac{p\pi}{q} \right)}, \quad 0 \lt p \lt q}$

      • 求:

        $$ {\int_{0}^{\frac{\pi}{2}}\dfrac{sin^2x\,cos^2x}{(sinx+cosx)^6} dx} $$

        被积函数满足 $R(-\sin x,-\cos x)=R(\sin x,\cos x)$。令 $t=\tan x$,利用 $dx=dt/(1+t^2)$,得到:

        $$ {\int_0^{\infty} \dfrac{t^2}{(1+t)^6}dt=B(3,3) = \dfrac{\Gamma(3)\Gamma(3)}{\Gamma(6)} = \dfrac{2! \cdot 2!}{5!} = \dfrac{4}{120} = \dfrac{1}{30}} $$

倒数代换与含参数积分

  • 注意积分 $\int_0^\infty\dfrac{x^2}{1+x^4}\,dx$。令 $x=1/t$,则 $dx=-dt/t^2$,被积函数连同微分化为 $-dt/(1+t^4)$;同时上下限由 $0,\infty$ 变为 $\infty,0$,故 $\int_0^\infty\dfrac{x^2}{1+x^4}\,dx=\int_0^\infty\dfrac1{1+t^4}\,dt$。两式相加再除以二,可把所求积分化为 $\dfrac12\int_0^\infty\dfrac{1+x^2}{1+x^4}\,dx$。对于 $\int_0^\infty\dfrac{1+x^2}{1+x^4+ax^2}\,dx$($a\gt-2$),可将分子、分母同除以 $x^2$,再观察如何凑出 $d(x+1/x)$ 或 $d(x-1/x)$;这里分子正好与 $d(x-1/x)=(1+x^{-2})\,dx$ 匹配。
    • 求积分: ${\displaystyle \int_{0}^{+\infty}\dfrac{1}{1+x^6}}$(${武_{comp}P_{102}-注}$) *

      $$ \begin{aligned}\int \frac{1}{1+(x^2)^3}\,dx&= \int \frac{1}{(1+x^2)(1 - x^2 + x^4)}\,dx\\&= \int \frac{(1+x^2)-x^2}{(1+x^2)(1 - x^2 + x^4)}\,dx\\&= \int\Bigl(\frac{1}{1 - x^2 + x^4} - \frac{x^2}{1 + x^6}\Bigr)\,dx\\&= \int \frac{1}{1 - x^2 + x^4}\,dx \;-\; \int \frac{x^2}{1 + x^6}\,dx\\&= \tfrac12\int \frac{1 + x^2 - x^2 + 1}{1 - x^2 + x^4}\,dx \;-\; \tfrac13\int \frac{1}{1+(x^3)^2}\,d(x^3)\\&= \tfrac12\int \frac{1 + x^2}{1 - x^2 + x^4}\,dx \;+\; \tfrac12\int \frac{1 - x^2}{1 - x^2 + x^4}\,dx \;-\; \tfrac13\int \frac{1}{1+(x^3)^2}\,d(x^3)\\&= \tfrac12\int \frac{\tfrac1{x^2}+1}{\tfrac1{x^2}-1+x^2}\,dx \;+\; \tfrac12\int \frac{\tfrac1{x^2}-1}{\tfrac1{x^2}-1+x^2}\,dx \;-\; \tfrac13\arctan(x^3)\\&= -\tfrac12\int \frac{1}{\bigl(\tfrac1x-x\bigr)^2+1}\,d\Bigl(\tfrac1x - x\Bigr)\;-\;\tfrac12\int \frac{1}{\bigl(\tfrac1x+x\bigr)^2-3}\,d\Bigl(\tfrac1x + x\Bigr)\;-\;\tfrac13\arctan(x^3)\\&= -\tfrac12\arctan\!\Bigl(\tfrac1x - x\Bigr)\;-\;\tfrac1{4\sqrt3}\ln\!\Bigl|\frac{\tfrac1x + x - \sqrt3}{\tfrac1x + x + \sqrt3}\Bigr|\;-\;\tfrac13\arctan(x^3)+C\\\end{aligned} $$

      这里令 $u=1/x-x$、$v=1/x+x$,有 $x^{-2}-1+x^2=u^2+1=v^2-3$。记上式原函数为 $F(x)$,取 $x\gt0$ 的端点极限,得 $F(0^+)=-\pi/4$、$F(+\infty)=\pi/12$,所以 $\int_0^\infty\dfrac1{1+x^6}\,dx=\pi/3$。

    • 这类积分当然可以用 ${Beta}$ 函数的推广形式

  • 求积分 $\int_0^1\dfrac{x^t}{\ln x}\,dx$。当 $x\to1^-$ 时,$x^t/\ln x\sim1/(x-1)$,因此对任何实数 $t$,该反常积分都在右端点发散,不能给出有限积分值。
    • 费曼的参数求导方法可用于收敛的积分族。例如当 $t\gt-1$ 时,令 $J(t)=\int_0^1\dfrac{x^t-1}{\ln x}\,dx$。分子在 $x=1$ 的消去使端点奇性可去;在任意紧参数区间 $[a,b]\subset(-1,\infty)$ 上,参数导数 $x^t$ 被可积的 $x^a$ 控制,所以可以在积分号内求导,得 $J'(t)=\int_0^1x^t\,dx=\left.\dfrac{x^{t+1}}{t+1}\right|_0^1=\dfrac1{t+1}$。再由 $J(0)=0$,积分得到 $J(t)=\ln(1+t)$。
    • 求积分 $\int_0^1\dfrac{x^7-x^3}{\ln x}\,dx$。
      • 将分子写成 $(x^7-1)-(x^3-1)$,使用上面的收敛积分族,得到 $J(7)-J(3)=\ln8-\ln4=\ln2$。

逆用格林公式处理圆域

  • 有时候积分比较难做, 且此时涉及到圆域以及一二阶导数的性质, 可以考虑逆用格林公式或者高斯公式求解, 将面积分化作线积分, 然后利用题目条件化简, 从而计算出结果
    • $f(x,y)$ 在圆域 $D=\{(x,y):x^2+y^2\le1\}$ 上有连续二阶偏导数,且满足 $(f_{xx}+f_{yy})e^{x^2+y^2}=1$,求 $I=\iint_D(xf_x+yf_y)\,dx\,dy$。
      • 令 $D_r=\{(x,y):x^2+y^2\le r^2\}$,$L_r$ 为其逆时针边界。整圆的极角范围为 $0\le\theta\le2\pi$,故

        $$ I=\int_0^1 r\,dr\int_0^{2\pi} [r\cos\theta\,f_x(r\cos\theta,r\sin\theta)+r\sin\theta\,f_y(r\cos\theta,r\sin\theta)]\,d\theta. $$

        在 $L_r$ 上,$dx=-r\sin\theta\,d\theta$、$dy=r\cos\theta\,d\theta$。因此内层积分为 $\oint_{L_r}(-f_y\,dx+f_x\,dy)$。由格林公式及题设条件,

        $$ \begin{aligned} I&=\int_0^1 r\,dr\iint_{D_r}(f_{xx}+f_{yy})\,dA\\ &=\int_0^1 r\,dr\int_0^{2\pi}\int_0^r e^{-\rho^2}\rho\,d\rho\,d\theta\\ &=\pi\int_0^1 r(1-e^{-r^2})\,dr =\frac{\pi}{2e}. \end{aligned} $$

多元微分


连续、偏导与可微

多元函数在一点连续,等价于它在该点的极限存在且等于函数值;这里须先有该点的函数值。仅有极限存在不足以推出连续。连续也不能推出偏导数存在,不能推出可微。

偏导数描述沿相应坐标轴方向的变化率,不同偏导数的值不必相等,各方向的方向导数也不必相等。偏导数存在不能推出可微;可微一定推出偏导数存在和连续。 梯度是偏导数组成的向量,它的存在本身不能代替全微分存在。若各偏导数在该点的邻域内存在,并在该点连续,则函数在该点可微。可微保证一个适用于所有趋近方式的线性逼近,却不要求这些偏导数在该点连续。

先看偏导存在但不可微的例子:

$$ f(x,y)= \begin{cases} \dfrac{x^2y}{x^4+y^2},&(x,y)\ne(0,0),\\ 0,&(x,y)=(0,0). \end{cases} $$

沿两坐标轴函数恒为零,故 $f_x(0,0)=f_y(0,0)=0$;但沿 $y=x^2$、$x\ne0$ 有 $f(x,x^2)=1/2$。因此它在原点没有极限,不连续,也不可微。

要说明可微不能推出偏导连续,可以考察

$$ g(x,y)= \begin{cases} x^2\sin(1/x),&x\ne0,\\ 0,&x=0. \end{cases} $$

令 $\rho=\sqrt{x^2+y^2}$。由 $|g(x,y)|/\rho\le x^2/\rho\le\rho\to0$,可知 $g$ 在原点可微且全微分为零。另一方面,当 $x\ne0$ 时,

$$ g_x(x,y)=2x\sin(1/x)-\cos(1/x), $$

它在原点没有极限,所以偏导数不连续。

若只知道 $f_x(x_0,y_0)$、$f_y(x_0,y_0)$ 存在,应区分一点的轴向信息与圆邻域内的信息。根据定义,

$$ f_x(x_0,y_0)=\lim_{x\to x_0} \frac{f(x,y_0)-f(x_0,y_0)}{x-x_0}. $$

固定 $y=y_0$ 后,这是一元函数的导数;它的存在保证沿这条坐标方向的连续性:

$$ \lim_{x\to x_0}f(x,y_0)=f(x_0,y_0). $$

固定 $x=x_0$ 时同理。相应轴向区间上的定义和连续性,不能推出二维圆邻域内有定义、二维极限存在或函数在该点连续。通常题设已经要求函数在一个邻域内有定义;这个要求不能当作偏导数存在的推论。

隐函数与混合偏导

对于方程 $F(x,y)=0$,若 $F$ 在 $(x_0,y_0)$ 附近具有连续一阶偏导,$F(x_0,y_0)=0$,且 $F_y(x_0,y_0)\ne0$,隐函数定理保证局部存在唯一的可微隐函数 $y=y(x)$,并有

$$ y'(x)=-\frac{F_x(x,y(x))}{F_y(x,y(x))}. $$

$F_y=0$ 时,不能据此否定隐函数存在,应回到方程本身分析;同样,导数商呈未定式或某个商的极限存在,也不能单独证明隐函数存在。

利用定义求偏导时,固定另一个变量;求二阶或更高阶混合偏导时,则先把另一个变量保留为参数。例如,

$$ f_x(x_0,y)=\lim_{h\to0} \frac{f(x_0+h,y)-f(x_0,y)}{h}, \qquad f_{xy}(x_0,y_0)= \left.\frac{d}{dy}f_x(x_0,y)\right|_{y=y_0}. $$

这里趋于零的是增量 $h$。不要在求出第一阶偏导后过早把所有变量都代成固定点的坐标。


全微分定义与线性逼近

设基点为 $(x_0,y_0)$,令 $\rho=\sqrt{(\Delta x)^2+(\Delta y)^2}$。函数在该点可微,意味着存在常数 $A,B$,使得

$$ \begin{aligned} \Delta z&=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0),\\ \Delta z&=A\Delta x+B\Delta y+o(\rho), \qquad \rho\to0. \end{aligned} $$

等价地,

$$ \lim_{(\Delta x,\Delta y)\to(0,0)} \frac{\Delta z-A\Delta x-B\Delta y}{\rho}=0. $$

此时 $A=f_x(x_0,y_0)$、$B=f_y(x_0,y_0)$,全微分为 $dz=A\,dx+B\,dy$。余项中的距离必须相对于基点计算。

例如,题设以高阶无穷小作为分母时,应把该分母明确记为函数 $q(x,y)$:它在去心邻域内非零,且满足 $q=o(r)$,其中 $r=\sqrt{(x-a)^2+(y-b)^2}$。小 $o$ 是一类余项的记号,本身不是一个指定的函数。若给定

$ \lim_{(x,y)\to(a,b)} \frac{f(x,y)-f(a,b)+3(x-a)-4(y-b)}{q(x,y)} =C,\qquad 0\lt |C|\lt\infty, $

令分子为 $N(x,y)$,则

$$ \frac{N(x,y)}r =\frac{N(x,y)}{q(x,y)}\,\frac{q(x,y)}r \longrightarrow C\cdot0=0. $$

因此 $N=o(r)$,即

$$ f(x,y)-f(a,b)=-3(x-a)+4(y-b)+o(r). $$

由可微定义可知,$f$ 在 $(a,b)$ 可微,且 $f_x(a,b)=-3$、$f_y(a,b)=4$。这里改变的是所考察的商及其极限,而不是把既定常数 $C$ 改成零。


极值与最值的求解流程

求多元函数的局部极值和全局最值时,先整理候选点,再判别其性质:

  1. 检查区域内部不可微或偏导不存在的点,并求出各一阶偏导都存在且为零的驻点,统记内部候选点为 $M_i$。不可微点不因不可微就成为驻点;驻点也不一定是极值点,需进一步判别。
  2. 若有约束,先排除不满足约束的 $M_i$,再对满足正则条件的光滑约束或边界使用拉格朗日乘数法,得到候选点 $M_j$。
  3. 检查所有端点、角点及约束不满足正则条件的奇异点,记为 $M_k$,不能只随意挑几个端点。
  4. 在最值确实取得、候选点已找全的前提下,比较 $M_i,M_j,M_k$ 处的函数值,确定最大值与最小值。这些符号表示候选点,并不意味着它们都已被证明为局部极值点。

最值点是相对于可行域的局部极值点;边界最值点可能只是条件极值点,未必是整个开邻域中的无约束极值点。即使区域内部只有一个局部极值点,也不能直接认定它是全局最值点,仍需检查边界,以及最值是否实际取得。

给定 $f(x,y)$ 和区域 $D$,可以先分内部和边界两步处理:若 $D$ 有内部,先求内部候选点,再把边界条件代入并化为一元函数 $g(x)$,求边界候选值,最后比较。边界函数复杂时,也可使用拉格朗日乘数法;若 $D$ 本身就是等式约束,则直接在该约束上求条件极值。对于 $D=\{x\ge0,y\ge0\}$,边界是 $x=0,y\ge0$ 与 $y=0,x\ge0$ 两条半轴,须保留相应范围。

拉格朗日乘数与代表例题

拉格朗日方程难以直接消元时,可尝试整理成关于原变量的齐次线性方程组:

$$ \begin{cases} \phi_1(\lambda)x+\mu_1(\lambda)y=0,\\ \phi_2(\lambda)x+\mu_2(\lambda)y=0. \end{cases} $$

先检查 $(0,0)$ 是否满足约束。如果约束排除了零解,且候选点必须满足这个方程组,就可以要求非零解、令系数行列式为零,先求 $\lambda$,再求 $(x,y)$。约束本身并不自动排除零解。也可对各偏导方程相乘、相除,或分别乘上对应变量后相加,利用约束简化;相除前须单独检查分母为零的情况。

例:椭球的平面截线。 求椭球 $f(x,y,z)=x^2/3+y^2/2+z^2=1$ 被平面 $D(x,y,z)=x+y+z=0$ 截得的椭圆的长半轴和短半轴。

截平面经过椭球中心,故截椭圆以原点为中心,原点位于它围成的区域内,椭圆曲线本身不经过原点。长、短半轴对应距离中心的最大值、最小值,因而优化目标为 $d^2=x^2+y^2+z^2$。使用两个约束,构造

$$ L=x^2+y^2+z^2 +\lambda\left(\frac{x^2}{3}+\frac{y^2}{2}+z^2-1\right) +\mu(x+y+z). $$

由 $L_x=L_y=L_z=0$ 得

$$ \begin{cases} (2+2\lambda/3)x+\mu=0,\\ (2+\lambda)y+\mu=0,\\ (2+2\lambda)z+\mu=0. \end{cases} $$

用 $L_x-L_y=0$、$L_y-L_z=0$ 消去 $\mu$,再代入 $z=-x-y$,得到

$$ \begin{cases} (2+2\lambda)x+(4+3\lambda)y=0,\\ (6+2\lambda)x+(-6-3\lambda)y=0. \end{cases} $$

此处 $(x,y)=(0,0)$ 会导致 $z=0$,不满足椭球约束,故方程组必须有非零解:

$$ \begin{vmatrix} 2+2\lambda&4+3\lambda\\ 6+2\lambda&-6-3\lambda \end{vmatrix}=0 \quad\Longrightarrow\quad 3\lambda^2+11\lambda+9=0, \qquad \lambda=\frac{-11\pm\sqrt{13}}6. $$

只要求长度时,无须继续求每个坐标。将三个驻点方程分别乘以 $x,y,z$ 后相加,利用两个约束,得 $2d^2+2\lambda=0$,即 $d^2=-\lambda$。截椭圆是紧集,距离函数连续,因此长、短半轴依次为

$$ \sqrt{\frac{11+\sqrt{13}}6}, \qquad \sqrt{\frac{11-\sqrt{13}}6}. $$

例:使曲线积分最大的弧段。 在逆时针定向的椭圆 $C:x^2/4+y^2=1$ 上选择一段曲线 $L$,使 $\int_L(dx+2\,dy)$ 最大。

由于

$$ \int_L(dx+2\,dy)=(x+2y)\big|_A^B, $$

应使起点 $A$ 的 $x+2y$ 最小、终点 $B$ 的 $x+2y$ 最大。对椭圆约束使用拉格朗日乘数法,所得最小值为 $-2\sqrt2$、最大值为 $2\sqrt2$,分别在 $A=(-\sqrt2,-1/\sqrt2)$ 与 $B=(\sqrt2,1/\sqrt2)$ 取得。选择从 $A$ 逆时针到 $B$ 的弧,最大积分为 $4\sqrt2$。

关于最值存在性,常用条件是:$D$ 非空、闭且有界,函数在 $D$ 上连续。二阶偏导数存在并不能保证全局最值存在;在开区域或无界区域上,即使光滑函数也可能不取得最大值或最小值。

在最值确实取得的前提下,如果 $F(x,y)$ 在 $D$ 的内部没有极值点——所有 $F_x=F_y=0$ 的候选点均被排除,偏导不存在的点也不符合极值定义——最值只能在边界取得。这与一元函数在闭区间上检查内部候选点和端点的思路一致。若没有存在性保证,则还可能只有上、下确界,甚至函数无界,不能直接认定边界上存在最值。

Hessian 判别失效时的处理

在二阶偏导连续的驻点处,记 $A=f_{xx}$、$B=f_{xy}$、$C=f_{yy}$。若 $AC-B^2=0$,二阶判别法不能给出结论,可以尝试高阶泰勒展开或路径分析。

一元限制函数若在候选点存在首个非零导数,且此前各阶导数均为零,则首个非零导数为奇数阶时可排除极值;为偶数阶时,根据其正负判断极小或极大。这里须有相应的泰勒展开条件,不能把“某个偶数阶导数非零”当成任意极值点都必满足的条件。对多元函数,路径分析可以排除极值,但即使检查所有直线路径,也一般不足以证明极值存在。

例: 对 $f(x,y)=x^2+y^2-6x+10$,考察点 $(2,0)$ 与函数的极值。配方得

$$ f(x,y)=(x-3)^2+y^2+1, \qquad f_x=2x-6,\quad f_y=2y. $$

$(2,0)$ 处 $f_x=-2$,所以它不是驻点,也不是极值点;唯一驻点是 $(3,0)$,在那里取得严格全局最小值 $1$。此外,$f(x,0)$ 的三阶导数为零,Hessian 判别式 $AC-B^2=2\cdot2-0=4$。这个二次函数可用配方或二阶判别法处理,不属于 Hessian 退化的情形。

例: $f(x,y)=x^4+y^4$ 在 $(0,0)$ 的 Hessian 判别式为零。沿直线 $y=kx$,

$$ f(x,kx)=x^4(1+k^4), $$

在 $x=0$ 取最小值。要证明二维极值,还须覆盖其他路径;这里直接使用 $x^4+y^4\ge0$,且只有原点取等号,便可证明原点是严格全局最小值点。


定义求导与根号中的绝对值

利用定义求偏导时,务必保留 $\sqrt{x^2}=|x|$ 中的绝对值。

例:$f(x,y)$ 在 $(0,0)$ 有定义,且

$$ \lim_{(x,y)\to(0,0)} \frac{f(x,y)-(x^2+y^2)}{\sqrt{x^2+y^2}}=1. $$

讨论 $f_x(0,0)$、$f_y(0,0)$ 是否存在。令 $r=\sqrt{x^2+y^2}$,条件给出非原点处的展开

$$ f(x,y)=r^2+r+o(r)=r+o(r). $$

因此 $\lim_{(x,y)\to(0,0)}f(x,y)=0$,但题目只说明原点有定义,并未确定 $f(0,0)$。

  • 若 $f(0,0)\ne0$,沿每条坐标轴的函数均不连续,故两个偏导都不存在。
  • 若 $f(0,0)=0$,沿 $y=0$ 有
$$ \frac{f(h,0)-f(0,0)}h =h+\frac{|h|}{h}+\frac{o(|h|)}h =\frac{|h|}{h}+o(1). $$

右极限为 $1$,左极限为 $-1$,所以 $f_x(0,0)$ 不存在。沿 $x=0$ 的差商同理,$f_y(0,0)$ 也不存在。两种函数值情形得到相同结论。

隐函数方程组与二阶导数信息

若隐函数 $x=x(y)$、$z=z(y)$ 由方程组

$$ \begin{cases} F(f_1(x,y,z),g_1(x,y,z))=0,\\ G(f_2(x,y,z),g_2(x,y,z))=0 \end{cases} $$

确定,要求 $dx/dy$、$dz/dy$ 时,可以在相应可微条件下直接对两个方程关于 $y$ 求导;具体函数和抽象函数均可这样处理。

例: 隐函数满足

$$ \begin{cases} F(y-x,y-z)=0,\\ G(xy,z/y)=0. \end{cases} $$

在 $y\ne0$ 且链式法则适用时,对 $y$ 求导并整理得

$$ \begin{cases} F'_1\dfrac{dx}{dy}+F'_2\dfrac{dz}{dy}=F'_1+F'_2,\\ yG'_1\dfrac{dx}{dy}+\dfrac1yG'_2\dfrac{dz}{dy} =-xG'_1+\dfrac{z}{y^2}G'_2. \end{cases} $$

$F_i'$、$G_i'$ 表示对各自第 $i$ 个变量的偏导,并在对应的复合变量处取值。尽量整理成这样的线性方程组,再在系数行列式非零时使用克拉默法则。 相关练习:$880_{base}(3.1),\,880_{comp}(3.15)$。

给出一阶导数的部分数据、要求二阶导数时,优先想到对已有等式两边求导以获取更多关系;先恢复原函数再求导通常更难。

例: 设 $u(x,y)$ 有二阶偏导,$u_{xx}=u_{yy}$,且 $u(x,2x)=x$、$u'_1(x,2x)=x^2$,求 $u''_{11}(x,2x)$。仅有二阶偏导存在,还不足以自动保证沿曲线使用链式法则或交换混合偏导。若进一步满足这些求导条件,例如 $u$ 在邻域内属于 $C^2$,则沿 $y=2x$ 有

$$ \begin{aligned} u'_1+2u'_2&=1,\\ u''_{11}+2u''_{12}&=2x,\\ u''_{11}+2u''_{12}+2u''_{21}+4u''_{22}&=0. \end{aligned} $$

利用 $u''_{12}=u''_{21}$ 和 $u''_{11}=u''_{22}$,得到 $5u''_{11}+4u''_{12}=0$。从中减去第二式的两倍,得 $3u''_{11}=-4x$,因此在上述条件下,

$$ u''_{11}(x,2x)=-\frac43x. $$

二重积分


积分中值定理与对称性

  • 对于无法计算的二重积分, 且式子中出现区域面积, 考虑是否可以使用 二重积分中值定理进行简化从而得到答案

  • 二重积分的计算
    • 在积分难处理或者出现抽象函数的时候, 明显的无法做, 则一定要观察轮换对称性, 看看是否存在符号交换之后积分区域不变, 抽象函数也是如此, 从而达到简化的目的$(1k_{base}(14.14),\,武_{base}(9.11),\,880_{base}(2.3,\,2.4))$
    • 对于抽象函数或者疑似对称积分, 观察积分区域, 可以进行区域划分, 截取部分关于 $x,\,y,\,y=x,\,y=-x\dots$ 对称的部分, 简化积分($1k_{base}(14.17,\,14.23)$)

平移极坐标与凑微分

若圆的中心不在原点,例如 $(x-a)^2+(y-b)^2=a^2+b^2$,可以使用平移后的极坐标:

$$ \begin{cases} x-a=r\cos\theta,\\ y-b=r\sin\theta, \end{cases} \qquad dx\,dy=r\,dr\,d\theta. $$

半径与角度范围均应由完整的积分区域确定。若积分域就是该圆围成的整个圆盘,则 $0\le r\le\sqrt{a^2+b^2}$、$0\le\theta\le2\pi$;若还有其他限制,径向范围可能依赖于 $\theta$,角度也须另行确定。平移不改变极坐标的面积因子 $r$。

还要注意可以凑成微分的二重积分。设 $a\lt b$,例如 $f$ 在 $[a,b]$ 上连续,令

$$ F(x)=\int_x^b f(t)\,dt, \qquad F'(x)=-f(x). $$

$t$ 是积分哑变量,$x$ 是变下限。于是

$$ \begin{aligned} \int_a^b dx\int_x^b f(x)f(y)\,dy &=\int_a^b\left[\int_x^b f(y)\,dy\right] \,d\left[-\int_x^b f(y)\,dy\right]\\ &=-\int_a^b F(x)F'(x)\,dx\\ &=-\frac12[F(x)^2]_a^b\\ &=\frac12\left(\int_a^b f(t)\,dt\right)^2. \end{aligned} $$

这里用到了 $F(b)=0$;在足以保证相应积分与换算成立的可积条件下,也有同样结果。

微分方程


变量替换与符号检查

直接求 $y=y(x)$ 很难,而求 $x=x(y)$ 较容易时,可以在局部可逆且相关导数非零的区间上交换自变量与因变量,利用 $dx/dy=1/(dy/dx)$ 求解,再反解得到 $y(x)$。变形中除去的因子可能对应常值解或特殊解,须单独代回检查。

更一般地,不必直接解出 $y(x)$ 或 $x(y)$,也可先求 $x$ 与 $g(y)$、或 $y$ 与 $h(x)$ 的关系,即考虑 $x(g(y))$、$y(h(x))$ 形式,再恢复原变量。

例: 解 $y'+1=e^{-y}\sin x$。同乘 $e^y$,令 $u=e^y$,得到

$$ e^y y'+e^y=\sin x \quad\Longrightarrow\quad u'+u=\sin x. $$

这是关于 $u$ 的一阶线性方程。再乘积分因子 $e^x$:

$$ (e^x u)'=e^x\sin x, \qquad u=Ce^{-x}+\frac{\sin x-\cos x}{2}. $$

因此在括号内严格为正的区间上,

$$ y(x)=\ln\left(Ce^{-x}+\frac{\sin x-\cos x}{2}\right). $$

若题目给出信息,要求与 $f(x)$ 等价的 $n$ 阶无穷小,也可用泰勒展开比较相应各阶系数,获得常数之间的关系。

观察方程能否化成 $x/y$、$y/x$ 等形式。此类问题常需同除变量,须注意变量的符号和零值情况,尤其根式提出因子时有 $\sqrt{x^2}=|x|$。

例: 求 $xy'=\sqrt{x^2+y^2}+y$ 的通解。在 $x\ne0$ 的区间上除以 $x$,令 $t=y/x$,于是 $y'=t+xt'$。

  • 若 $x\gt0$,则 $y'=\sqrt{1+y^2/x^2}+y/x$,从而 $xt'=\sqrt{1+t^2}$,积分得 $\operatorname{arsinh}t=\ln x+C$。
  • 若 $x\lt0$,则 $y'=-\sqrt{1+y^2/x^2}+y/x$,从而 $xt'=-\sqrt{1+t^2}$,积分得 $\operatorname{arsinh}t=-\ln|x|+C$。

两种情形分别重新命名正常数后,均可写为

$$ y=\frac12\left(Kx^2-\frac1K\right), \qquad K\gt0. $$

上述除法在 $x=0$ 不适用;所得函数可直接代回方程,验证它们也能延伸通过 $x=0$。


线性方程解的结构

若 $y_1,y_2,y_3,\dots$ 是同一个非齐次线性方程 $\mathcal L[y]=f(x)$ 的特解,则线性性给出

$$ \mathcal L[y_i-y_j]=0. $$

两个特解之差只是对应齐次方程的一个解。以一个特解为基准,构造若干差解,找到足够多个线性无关的解后,才能通过线性组合得到齐次通解。对于 $n$ 阶正规线性方程,需要 $n$ 个线性无关的齐次解。若题目要求反求方程,可以由这些解确定相应的齐次线性算子,再代入一个特解并求导,求出右端 $f(x)$。

对二阶非齐次线性方程,若 $y_1-y_3$、$y_2-y_3$ 线性无关,则通解为

$$ y=A(y_1-y_3)+B(y_2-y_3)+y_3. $$

也可写成仿射组合:

$$ y=C_1y_1+C_2y_2+C_3y_3, \qquad C_1+C_2+C_3=1. $$

其中只有两个独立任意常数,$C_3=1-C_1-C_2$;三个系数不要求两两不同。若差解不独立,这种表达式只能覆盖部分解;对于其他阶数,也须按齐次解空间的维数判断,不能仅凭三个特解套用二阶结论。

例: 二阶非齐次线性微分方程有三个特解 $x,e^x,e^{-x}$,求通解。两个差解 $e^x-x$ 与 $e^{-x}-x$ 线性无关,因此在方程成立的正规区间上,

$$ y=C_1(e^x-x)+C_2(e^{-x}-x)+x =C_1e^x+C_2e^{-x}+(1-C_1-C_2)x. $$

这正是齐次通解加上一个特解 $x$。


与积分条件联动

  • 若题目显式或者隐式地给出了函数的积分形式, 微分方程可以与积分联动, 对微分方程进行两边积分可能会出现一些启发, 类$(660-81)$

无穷级数


薄弱: 函数在某处的幂级数展开式, 弄不清楚是非


通项极限与收敛性

利用无穷级数确定常量时,先用收敛的必要条件筛选参数:

$$ \sum_{n=a}^{\infty}u_n\ \text{收敛} \quad\Longrightarrow\quad \lim_{n\to\infty}u_n=0. $$

通项趋于零并非任意级数都具备的性质,也不是收敛的充分条件。求出参数候选值后,还要验证相应级数确实收敛。

若题意是组合级数 $\sum_{n=a}^{\infty}(u_n+v_n)$ 收敛,只能直接推出 $u_n+v_n\to0$,不能分别推出 $u_n\to0$、$v_n\to0$。例如 $u_n=1,v_n=-1$ 的组合通项恒为零。计算极限或使用等价无穷小时,应保留通项中的抵消关系。写成两个无穷和 $\sum u_n+\sum v_n$ 之前,须确认各个和有定义,不能把发散量形式相消。

证明敛散性时,可结合比较法、等价无穷小与均值不等式,但必须先检查条件:

  • 对最终为正的 $u_n,v_n$,若 $u_n/v_n\to c$ 且 $0\lt c\lt\infty$,则 $\sum u_n$ 与 $\sum v_n$ 同敛散;等价无穷小对应 $c=1$。要区分数列收敛与级数收敛。
  • 对出现 $f(x)g(x)$ 或 $f(x)/g(x)$ 的式子,可以按符号和分母条件进行放缩。例如 $2|u_nv_n|\le u_n^2+v_n^2$ 可用于控制乘积。仅有 $u_nv_n\to0$ 无法推出 $u_n/v_n\to0$:取 $u_n=v_n=1/n$,乘积趋于零而商恒为 $1$。
  • 通项不趋于零即可证明级数发散,包括通项极限为非零值或极限不存在。若从某项起 $|u_{n+1}|\gt|u_n|$,则后续项的绝对值有正下界,从而不可能趋于零。
  • 已收敛级数按原顺序把有限个相邻项分组,分组后的级数仍收敛。若 $S=\sum_{n=a}^{\infty}u_n$,另行构造相邻项之和的级数也有 $\sum_{n=a}^{\infty}(u_n+u_{n+1})=2S-u_a$。反向均不能直接推理:$1-1+1-1+\cdots$ 的成对分组或相邻项之和均为零,原级数却发散。分组须保持顺序,条件收敛级数不能任意重排。
  • 对含有难以算出的积分或无法直接判断敛散的表达式,考虑放缩比较。

交错级数与泰勒展开

处理交错级数时,可以通过恒等变形显露 $(-1)^n$,但变形必须保持通项不变,不能任意改变符号。若莱布尼茨判别法难以直接使用,可考虑泰勒展开或证明绝对收敛。

泰勒拆出的发散部分可能互相抵消,因此不能看到其中一部分发散就判断整体发散。若已证明只有一部分发散、其余部分均收敛,才可由部分和关系推出整体发散。对带正负号的级数,通项等价本身也不能保证同敛散。若令 $\xi_n=u_n-v_n$ 并确实证明 $\sum\xi_n$ 收敛,则由

$$ \sum_{n=1}^N u_n-\sum_{n=1}^N v_n =\sum_{n=1}^N\xi_n $$

可知 $\sum u_n$ 与 $\sum v_n$ 同收敛或同发散。要进一步判断是否条件收敛,还须检查绝对值级数;若对应的绝对值正项级数可用极限比较法,也应单独说明其条件。

例:显露交错符号。

$$ \sum_{n=1}^{\infty}\sin\left(n\pi+\frac1{\sqrt n}\right), \qquad \sum_{n=1}^{\infty}\sin\left(\pi\sqrt{n^2+1}\right). $$

用正弦加法公式及有理化,

$$ \begin{aligned} \sin\left(n\pi+\frac1{\sqrt n}\right) &=(-1)^n\sin\frac1{\sqrt n},\\ \sin\left(\pi\sqrt{n^2+1}\right) &=(-1)^n\sin\left(\pi(\sqrt{n^2+1}-n)\right)\\ &=(-1)^n\sin\frac{\pi}{\sqrt{n^2+1}+n}. \end{aligned} $$

两个振幅都递减趋于零,故都满足莱布尼茨判别法;绝对值分别等价于 $1/\sqrt n$ 和 $\pi/(2n)$,所以两级数均为条件收敛。

对比较法、根值法等难以直接处理的级数,泰勒展开常能显露主项及抵消关系;带参数时,先找出主项为零的参数,再检查余项。

例: 讨论

$$ \sum_{n=1}^{\infty}\left[\frac1n-\ln\left(1+\frac1n\right)\right], \qquad \sum_{n=1}^{\infty}\left(a^{1/n}-\sqrt{1+\frac1n}\right) $$

的敛散性。第一个级数由对数展开得到

$$ \frac1n-\left(\frac1n-\frac1{2n^2}+o(n^{-2})\right) =\frac1{2n^2}+o(n^{-2}), $$

故与 $\sum n^{-2}$ 比较可知收敛。

第二个级数在实数范围内,$a\lt0$ 时偶数次方根无定义;$a=0$ 时通项趋于 $-1$,故发散。对 $a\gt0$,可写 $a^{1/n}=e^{(\ln a)/n}$,于是

$$ e^{(\ln a)/n}-\left(1+\frac1n\right)^{1/2} =\frac{\ln a-\tfrac12}{n} +\frac{\tfrac12(\ln a)^2+\tfrac18}{n^2} +O(n^{-3}). $$

当 $a=\sqrt e$ 时,首项抵消,通项为 $1/(4n^2)+O(n^{-3})$,级数收敛;其余 $a\gt0$ 时,非零的 $1/n$ 主项导致发散。


积分求和与常数项

通过积分求和函数时,要保留积分常数 $C$,再利用 $x=0$ 等已知点的函数值确定它。

例:求

$$ S(x)=\sum_{n=1}^{\infty}\frac{(n-1)^2}{n+1}x^n $$

的和函数。在 $|x|\lt1$ 内令

$$ G(x)=\sum_{n=1}^{\infty}\frac{(n-1)^2}{n+1}x^{n+1}, \qquad S(x)=\frac{G(x)}x\quad(x\ne0). $$

逐项求导得 $G'(x)=\sum_{n=1}^{\infty}(n^2-2n+1)x^n$。分别整理三部分:

$$ \begin{aligned} S_1(x)&=\sum_{n=1}^{\infty}x^n=\frac{x}{1-x},\\ S_2(x)&=\sum_{n=1}^{\infty}nx^n=xS_1'(x)=\frac{x}{(1-x)^2},\\ S_3(x)&=\sum_{n=1}^{\infty}n^2x^n=xS_2'(x)=\frac{x(1+x)}{(1-x)^3},\\ G'(x)&=S_1(x)-2S_2(x)+S_3(x). \end{aligned} $$

于是积分,并用 $t=1-x$ 化简:

$$ \begin{aligned} G(x)&=\int[S_1(x)-2S_2(x)+S_3(x)]\,dx\\ &=\frac1{(1-x)^2}-\frac5{1-x}-4\ln(1-x)-x+C. \end{aligned} $$

由 $G(0)=0$ 得 $1-5+C=0$,故 $C=4$。最终

$$ S(x)= \begin{cases} \dfrac1x\left[\dfrac1{(1-x)^2}-\dfrac5{1-x} -4\ln(1-x)-x+4\right],&0\lt|x|\lt1,\\ 0,&x=0. \end{cases} $$

$x=0$ 处的值既来自级数本身,也等于上式的连续延拓值。$x=\pm1$ 时通项不趋于零,因此两个端点均发散。

递推系数与和函数方程

抽象形式的和函数往往需要先从系数条件建立函数关系。可通过积分或求导,把系数中的因子转化为和函数及其导数,再用积分或微分方程求解。

例: 已知 $a_1=1$、$a_{n+1}=(1-\frac1{2(n+1)})a_n$,求 $S(x)=\sum_{n=1}^{\infty}a_nx^n$,其中 $|x|\lt1$。

由系数比可知收敛半径为 $1$。在其内部逐项求导,移指标时保留 $a_1$:

$$ \begin{aligned} S'(x) &=a_1+\sum_{n=1}^{\infty}(n+1)a_{n+1}x^n\\ &=1+\sum_{n=1}^{\infty}\left(n+\frac12\right)a_nx^n\\ &=1+xS'(x)+\frac12S(x). \end{aligned} $$

所以 $(1-x)S'-S/2=1$,并有 $S(0)=0$。使用积分因子 $\sqrt{1-x}$,

$$ \left[\sqrt{1-x}\,S(x)\right]'=\frac1{\sqrt{1-x}}, \qquad \sqrt{1-x}\,S(x)=2-2\sqrt{1-x}. $$

因此

$$ S(x)=2\left[(1-x)^{-1/2}-1\right], \qquad |x|\lt1. $$

类似问题还可利用华理士公式等关系,相关练习:$张_{base}(16.34)$。

收敛区间、母函数与拆项

幂级数在收敛半径内部局部一致收敛,和函数连续,且可逐项求导、积分。一般连续函数列的逐点和并不一定连续,因此不能仅从“每一项连续”推出无穷和连续。

  • 在 $x=0$,可直接从级数确定函数值;若有常数项,结果未必为零。闭式表达式出现 $0/0$ 时,应取它在收敛区间内部的连续延拓值。
  • 对内部其他点 $c$,若闭式表达式不能直接代入,也可利用和函数连续性取极限。收敛区间的端点须单独判断级数是否收敛;只有满足 Abel 定理等适用条件时,才能用从区间内部趋近的极限确定端点和。

识别母型函数时要保留系数与变量尺度。例如,

$$ \frac1{1-x}=\sum_{n=0}^{\infty}x^n,\qquad |x|\lt1, $$

而

$$ \frac1{x-2} =-\frac12\frac1{1-x/2} =-\frac12\sum_{n=0}^{\infty}\left(\frac x2\right)^n, \qquad |x|\lt2. $$

凑项、拆项后应核对求和起点,再套用母型公式。若为使用 $\sum_{n=1}^{\infty}$ 的公式而补入了前几项,就须把多出的项减去。

例: 求 $\sum_{n=2}^{\infty}1/[(n^2-1)2^n]$。令 $S(x)=\sum_{n=2}^{\infty}x^n/(n^2-1)$,目标为 $S(1/2)$。由

$$ \frac1{n^2-1}=\frac12\left(\frac1{n-1}-\frac1{n+1}\right), $$

在 $0\lt|x|\lt1$ 内拆项、移指标:

$$ \begin{aligned} S(x) &=\frac12\sum_{n=2}^{\infty} \left(\frac{x^n}{n-1}-\frac{x^n}{n+1}\right)\\ &=\frac12\left[ x\sum_{k=1}^{\infty}\frac{x^k}{k} -\frac1x\sum_{k=3}^{\infty}\frac{x^k}{k} \right]\\ &=\frac12\left[ -x\ln(1-x) -\frac{-\ln(1-x)-x-x^2/2}{x} \right]. \end{aligned} $$

两部分之间的减号须一直保留。代入 $x=1/2$ 得

$$ S(1/2)=\frac58-\frac34\ln2. $$

若需要 $x=0$,由级数或连续延拓可得 $S(0)=0$。

提取奇数项与阶乘级数

设幂级数 $F(x)=\sum_{n=0}^{\infty}a_nx^n$ 在 $x$ 与 $-x$ 处都收敛,则可提取奇数次幂和偶数次幂:

$$ \sum_{\substack{n\ge0\\n\text{为奇数}}}a_nx^n =\frac{F(x)-F(-x)}2, \qquad \sum_{\substack{n\ge0\\n\text{为偶数}}}a_nx^n =\frac{F(x)+F(-x)}2. $$

缺偶数次幂时使用奇函数部分,缺奇数次幂时使用偶函数部分;代入 $-x$ 才会使奇数次幂变号。

例: 求

$$ S(x)=\sum_{n=1}^{\infty}\frac2{2n+1} \left(\frac{x^2}2\right)^n. $$

先对 $x\ne0$ 转为奇数次幂。为了从 $n=0$ 求和,补入的常数项 $2$ 须减去:

$$ S(x)=\frac{\sqrt2}{x} \sum_{n=0}^{\infty}\frac2{2n+1} \left(\frac{x}{\sqrt2}\right)^{2n+1}-2. $$

设 $F(t)=\sum_{k=1}^{\infty}2t^k/k=-2\ln(1-t)$,$|t|\lt1$。提取奇数次幂后,

$$ \begin{aligned} S(x) &=\frac{\sqrt2}{x}\, \frac{F(x/\sqrt2)-F(-x/\sqrt2)}2-2\\ &=\frac{\sqrt2}{x} \ln\frac{1+x/\sqrt2}{1-x/\sqrt2}-2, \qquad 0\lt|x|\lt\sqrt2. \end{aligned} $$

$x=0$ 时由级数可知 $S(0)=0$,也等于闭式的极限;$x=\pm\sqrt2$ 时,通项构成正的调和型级数,均发散。

交错形式还可通过求导、积分求和。例如下式只含奇数次幂,缺少偶数次幂:

$$ T(x)=\sum_{n=1}^{\infty}(-1)^n\frac{x^{2n-1}}{2n-1}. $$

在 $|x|\lt1$ 内,

$$ T'(x)=\sum_{n=1}^{\infty}(-1)^n x^{2n-2} =-\frac1{1+x^2}. $$

由 $T(0)=0$ 得 $T(x)=-\arctan x$。端点 $x=1,-1$ 分别条件收敛,和为 $-\pi/4,\pi/4$,可由交错级数与 Abel 定理确认。

出现 $n!$ 时要想到 $e^x$,并注意负整数的阶乘无定义。例如,

$$ \begin{aligned} \sum_{n=0}^{\infty}\frac{n+1}{n!} &=\sum_{n=1}^{\infty}\frac{n}{n!} +\sum_{n=0}^{\infty}\frac1{n!}\\ &=\sum_{n=1}^{\infty}\frac1{(n-1)!} +\sum_{n=0}^{\infty}\frac1{n!} =2e. \end{aligned} $$

第一部分的 $n=0$ 项为零,先单独处理它,再将 $n/n!$ 写成 $1/(n-1)!$,就不会引入负阶乘。

空间几何、多元曲线面、多元积分


关于曲线面部分以及 ${Gauss,\,Green,\,Stokes}$ 公式的运用和注意点, 放在了李范全书对应的第九、十章


  • 以下约定: 用 $\tau$ 来表示方向向量, 用 $n$ 来表示法向量

平面方程与距离

求两个平行平面间的距离时,先把它们的法向量系数统一为同一组非零的 $(A,B,C)$:

$$ Ax+By+Cz+D_1=0, \qquad Ax+By+Cz+D_2=0. $$

此时

$$ d=\frac{|D_1-D_2|}{\sqrt{A^2+B^2+C^2}}. $$

不要漏掉绝对值,也不能在两式法向量尺度不一致时直接相减常数项。相交平面的距离为零。距给定平面 $d\gt0$ 的平行平面有两个;$d=0$ 时只有该平面本身。

给定三个不共线的点 $A,B,C$,可取

$$ \vec n=\overrightarrow{AB}\times\overrightarrow{AC} $$

作为平面法向量,再代入任一已知点,写出点法式方程。若三点共线,叉积为零,三点不能唯一确定一个平面。


空间直线、投影与距离

求空间直线方程时,可以先求方向向量 $\tau=(l,m,n)$ 和直线上一点 $P_0=(x_0,y_0,z_0)$,再写参数式

$$ (x,y,z)=P_0+t\tau,\qquad t\in\mathbb R. $$

当 $l,m,n$ 都非零时,也可写成对称式

$$ \frac{x-x_0}{l}=\frac{y-y_0}{m}=\frac{z-z_0}{n}. $$

若某个方向分量为零,就把对应坐标固定,例如 $l=0$ 时写 $x=x_0$,不能以零为分母。参数式统一适用于这些情况。

也可利用题设求出两个独立平面的交线。若直线表示为 $F_1=F_2=0$,包含它的平面束可写为 $\alpha F_1+\beta F_2=0$,其中 $(\alpha,\beta)\ne(0,0)$;代入已知点或方向条件求系数即可。

若要求两条方向不平行直线的公垂线,先取

$$ \tau=\tau_1\times\tau_2. $$

两条异面直线并不在同一个平面内。应分别构造包含已知直线 $L_i$ 和方向 $\tau$ 的辅助平面,其法向量可取

$$ n_1=\tau\times\tau_1,\qquad n_2=\tau\times\tau_2. $$

分别代入 $L_1,L_2$ 上的点确定两平面,它们的交线才是公垂线。若已知条件只规定方向垂直而没有位置关系,还须补足定位所需的条件。两直线平行时叉积为零,应另行处理,其公垂线通常不唯一。

求直线在平面 $\Pi$ 上的正投影时,从包含原直线的平面束中,选择同时包含 $\Pi$ 的法向方向 $n$ 的辅助平面。即辅助平面的法向量应与 $n$ 垂直,可用此条件求平面束参数。若原直线不垂直于 $\Pi$,辅助平面与 $\Pi$ 的交线就是投影直线。若原直线垂直于 $\Pi$,投影退化为垂足这一点,不能写成投影直线。相关练习:$张_{base}(习题17.5),\,880_{base}(4.3.4)$。

求 $L_1,L_2$ 的距离时,若两方向不平行,可从过 $L_2$ 的平面束中选出平行于 $L_1$ 的平面 $\pi$,再计算 $L_1$ 上任一点到 $\pi$ 的距离。等价地,取 $P_i\in L_i$:

$$ d=\frac{|(P_2-P_1)\cdot(\tau_1\times\tau_2)|} {\|\tau_1\times\tau_2\|}. $$

若两直线平行,过 $L_2$ 且平行于 $L_1$ 的平面不唯一,任取一个平面会丢失距离信息;此时应使用

$$ d=\frac{\|(P_2-P_1)\times\tau_1\|}{\|\tau_1\|}, $$

或通过公垂线求距离。

线段上的第一类曲线积分

给定线段端点 $A,B$,取 $\tau=B-A$,用两点参数式

$$ r(t)=A+t(B-A)=(x(t),y(t),z(t)), \qquad 0\le t\le1. $$

于是 $ds=\|B-A\|\,dt$,第一类曲线积分为

$$ \int_L f(x,y,z)\,ds =\int_0^1 f(x(t),y(t),z(t))\,\|B-A\|\,dt. $$

第一类曲线积分与方向无关。交换端点时,参数表达式与区间应配套变化;不会因此改变积分符号。相关练习:$880_{base}(2.6)$。

曲面投影的边界

求曲面在坐标平面上的投影时,要区分投影区域和它的边界曲线。对于光滑曲面 $F(x,y,z)=0$,法向量为 $n=\nabla F$。若沿方向 $\tau$ 投影,条件 $n\cdot\tau=0$ 可用来寻找轮廓候选点。把这个条件记为 $g(x,y,z)=0$,联立

$$ \begin{cases} F(x,y,z)=0,\\ g(x,y,z)=0 \end{cases} $$

后消元,可以得到候选投影边界;曲面的边界、奇点等也可能贡献投影边界,因此还要检查实际范围。

投影到 $xOy$ 面时,整个投影区域由“存在实数 $z$ 使曲面方程及题设限制成立”确定,而不只是一个等式 $h(x,y)=0$。实际边界确认后,才写成 $h(x,y)=0,z=0$ 这样的投影曲线方程。

例: 求曲面 $\Sigma:x^2+y^2+z^2-yz=1$ 在 $xOy$ 面上的投影区域及边界。投影方向为 $\tau=(0,0,1)$,曲面法向量为

$$ n=(2x,2y-z,2z-y). $$

由 $n\cdot\tau=0$ 得 $2z-y=0$,联立曲面方程可得到轮廓。为了确定整个区域,配方:

$$ x^2+\frac34y^2+\left(z-\frac y2\right)^2=1. $$

存在实数 $z$ 的充要条件为 $x^2+3y^2/4\le1$。因此投影区域是椭圆盘,投影边界为

$$ \begin{cases} x^2+\dfrac34y^2=1,\\ z=0. \end{cases} $$

在曲面上的轮廓点满足 $z=y/2$;投影到坐标平面后,点的第三坐标才变为零。


旋转曲面的坐标平移

绕坐标轴旋转时,可由母线方程消去变量。例如母线满足 $x=f(z)$、$y=g(z)$,绕 $z$ 轴旋转得到

$$ x^2+y^2=f(z)^2+g(z)^2, $$

并保留母线允许的 $z$ 范围。

绕其他直线旋转时,可以先平移坐标。空间中的单个方程 $x=1$ 表示平面,不能唯一指定旋转轴;若轴明确为 $x=a,y=b$,可设 $X=x-a,Y=y-b,Z=z$,把它变成新坐标的 $Z$ 轴,求得方程后再逆代换。

例: 求直线

$$ \frac{x-1}{3}=\frac{y-2}{4}=\frac{z+1}{1} $$

绕轴 $x=2,y=3$ 旋转一周所得的曲面方程。令 $X=x-2,Y=y-3,Z=z$,直线变为

$$ \frac{X+1}{3}=\frac{Y+1}{4}=Z+1, \qquad \begin{cases} X=3Z+2,\\ Y=4Z+3. \end{cases} $$

绕 $Z$ 轴旋转,得到

$$ X^2+Y^2=(3Z+2)^2+(4Z+3)^2 =25Z^2+36Z+13. $$

逆代换后为

$$ (x-2)^2+(y-3)^2=25z^2+36z+13. $$

相交直线旋转与球坐标范围

若母直线与旋转轴相交于 $Q$,可把 $Q$ 作为向量起点,采用定角度方法。设轴的方向为 $\tau$,曲面点为 $P$,则对 $P\ne Q$,

$$ \cos\theta=\frac{|(P-Q)\cdot\tau|}{\|P-Q\|\,\|\tau\|}, $$

其中 $\theta$ 是母线与轴的固定夹角。整条母直线旋转时取绝对值,可以覆盖两侧;顶点 $Q$ 须同时包含。母线与轴异面、不相交时,不能直接用这个位置向量的锥面公式。

例: $\Sigma$ 是直线 $x=0,y=0$ 绕轴 $x=y=z$ 旋转得到的曲面,求其方程。两线交于原点,轴方向为 $\tau=(1,1,1)$,取母线上的向量 $r_0=(0,0,1)$,得到 $\cos\theta=1/\sqrt3$。对曲面上的非原点 $(x,y,z)$,

$$ \frac{|x+y+z|}{\sqrt3\sqrt{x^2+y^2+z^2}} =\frac1{\sqrt3}. $$

平方化简得 $(x+y+z)^2=x^2+y^2+z^2$,所以曲面方程为

$$ xy+xz+yz=0, $$

该方程也包含顶点原点。

计算多元积分时,要观察实际积分区域,特别是球坐标中的 $\phi$ 范围。圆锥轴线或球心位置改变时,应根据新的几何区域重新确定角度范围。


锥面、顶点与准线

根据顶点和准线求锥面方程时,先明确所取的是朝准线的射线,还是整条母线。

例:顶点为原点。 准线为 $z=y^2,x=1,|y|\le1$。取准线上的点 $P=(1,u,u^2)$,$|u|\le1$,从顶点沿朝向 $P$ 的射线取点:

$$ (x,y,z)=\lambda(1,u,u^2), \qquad \lambda\gt0,\quad |u|\le1. $$

当 $u$ 遍历准线参数、$\lambda$ 遍历正数时,得到该方向的锥面,不含顶点。消去的参数是 $\lambda,u$。由

$$ x=\lambda,\qquad y=\lambda u,\qquad z=\lambda u^2 $$

可知 $\lambda=x\gt0$、$u=y/x$、$z=y^2/x$,所以其精确范围为

$$ x\gt0,\qquad |y|\le x,\qquad xz=y^2. $$

$|u|=1$ 对应的边界母线须保留。若锥面包含顶点,应把 $(0,0,0)$ 单独加入;仅把 $x\gt0$ 改成 $x\ge0$ 会错误地包含其他 $z$ 轴点。若题目要求整条母线,则取 $\lambda\in\mathbb R$;此时也可以用 $x\ne0,|y|\le|x|,xz=y^2$ 加原点表示。

例:顶点为 $Q=(a,b,c)$。 准线仍为上述曲线。使用坐标变换

$$ X=x-a,\qquad Y=y-b,\qquad Z=z-c. $$

变换后的顶点是 $(0,0,0)$,准线点变成 $(1-a,u-b,u^2-c)$。延续朝准线方向且包含顶点的射线约定,精确参数式为

$$ (X,Y,Z)=\lambda(1-a,u-b,u^2-c), \qquad \lambda\ge0,\quad |u|\le1. $$

逆变换得到

$$ (x,y,z)=(a,b,c)+\lambda\big[(1,u,u^2)-(a,b,c)\big], \qquad \lambda\ge0,\quad |u|\le1. $$

若只取不含顶点的射线,使用 $\lambda\gt0$ 并排除退化向量;整条母线使用 $\lambda\in\mathbb R$,而 $\lambda\le0$ 选择的是背离准线的射线。消元时须保留这些参数范围,且检查所除因子是否为零;上述参数式本身也适用于 $a=1$ 等不能直接除以 $1-a$ 的情形。

线性代数

做到一个新的问题,想起与过去某个问题类似。发现在解答中,对此类问题,以及工具和方法的理解是存在缺陷的,或者发现理解不够深刻。于是通过解决新的问题,一并更新迭代过去的理解。


初等变换、秩与线性方程组

  • 对于一个可逆矩阵 $A$,它可以表示为若干初等矩阵的乘积 $P_1P_2\cdots$。反过来,初等矩阵的乘积也一定可逆:若 $P_1,P_2$ 可逆,则 $(P_1P_2)(P_2^{-1}P_1^{-1})=(P_2^{-1}P_1^{-1})(P_1P_2)=E$,所以 $(P_1P_2)^{-1}=P_2^{-1}P_1^{-1}$。对于两个同型的等价矩阵 $A,B$,可以通过若干次初等行、列变换相互转化;这里的初等变换包括互换、非零倍乘以及把一行(列)的倍数加到另一行(列)。

  • 见到 $A_{m\times n}B_{n \times m}=O$
    • 要想到 $r(A)+r(B)\leq n$,因为 $B$ 的列空间包含于 $A$ 的零空间中。当 $A$ 为方阵且 $A^2=O$ 时,可以取 $B=A$,得到 $2r(A)\leq n$。类($1k_{base}4.7$)
    • 若 $AB=O$ 且 $r(B)=r$,则对 $B$ 按列分块,可以选出 $r$ 个线性无关的列向量 $\xi_1,\ldots,\xi_r$,它们都满足 $A\xi_i=0$,因而给出 $Ax=0$ 的 $r$ 个线性无关解向量。只有当 $A$ 是方阵时,才能进一步把这些非零解称为对应特征值 $0$ 的特征向量。

  • 设矩阵 $A$ 有 $n$ 列,$Ax=b$ 相容,记零空间维数为 $d=n-r(A)$。若 $b\neq0$,则 $Ax=b$ 的解中最多可取 $d+1$ 个线性无关向量;若 $b=0$,最多可取 $d$ 个。这里计数的是线性无关解的最大个数,所用维数是 $Ax=0$ 的零度 $d$。
    • 证:以 $d=2$ 为例,设 $\xi_1,\xi_2$ 是 $Ax=0$ 的基础解系,$\eta$ 是 $Ax=b$ 的一个特解,且 $b\neq0$。通解为 $x=k_1\xi_1+k_2\xi_2+\eta$,取 $\eta,\eta+\xi_1,\eta+\xi_2$ 即得到 $2+1$ 个线性无关解。若 $c_0\eta+c_1(\eta+\xi_1)+c_2(\eta+\xi_2)=0$,两边左乘 $A$ 得 $(c_0+c_1+c_2)b=0$,故系数和为零;再由 $\xi_1,\xi_2$ 线性无关得 $c_1=c_2=0$,进而 $c_0=0$。一般地,$\eta,\eta+\xi_1,\ldots,\eta+\xi_d$ 同理线性无关,而所有解均位于 $\operatorname{span}(\eta,\xi_1,\ldots,\xi_d)$ 中,因此最多有 $d+1$ 个。

  • 对矩阵方程 $AX=B$,设 $A$ 为 $m\times n$ 矩阵,$B$ 为 $m\times p$ 矩阵,且存在 $n\times p$ 矩阵 $X$ 使该式成立。于是 $B$ 的列空间包含于 $A$ 的列空间中,因而 $A^Tx=0$ 与 $\begin{bmatrix}A^T\\B^T\end{bmatrix}x=0$ 同解,其中 $x\in\mathbb R^m$。若只知道两个齐次方程组 $Ax=0$、$Bx=0$ 同解,在未知数个数相同的条件下得到的是行空间相同;要讨论上述转置方程组,还需要相应的列空间条件。
    • 证:
      1. $\begin{bmatrix}A^T\\B^T\end{bmatrix}x=0$ 的每个解显然都满足 $A^Tx=0$,所以前者的解空间包含于后者。
      2. 由 $AX=B$ 相容,得 $r([A\ B])=r(A)$;转置不改变秩,故 $r\!\begin{bmatrix}A^T\\B^T\end{bmatrix}=r([A\ B])=r(A)=r(A^T)$。这里 $[A\ B]$ 是横向拼接矩阵,转置后是纵向拼接矩阵。 两个方程组的未知数个数均为 $m$,解空间维数同为 $m-r(A)$,结合第 1 步的包含关系可知它们同解。也可直接用 $B^T=X^TA^T$ 证明反向包含。若进一步有 $r(B)=r(A)$,则 $A,B$ 的列空间相同,$A^Tx=0$ 与 $B^Tx=0$ 也同解。
  • 对实矩阵 $A_{m\times n}$,$Ax=0$ 与 $A^TAx=0$ 同解,其中 $x\in\mathbb R^n$;$A^Ty=0$ 与 $AA^Ty=0$ 同解,其中 $y\in\mathbb R^m$。例如 $A^TAx=0$ 推出 $x^TA^TAx=\|Ax\|^2=0$,所以 $Ax=0$;反向包含显然。

  • 在解方程组时,要根据行化简后的主元位置选择自由变量:非主元列对应的变量可以任意取值,主元变量随后由方程确定。例如:
    • 三阶实对称矩阵 $A$ 的每行元素之和为 $k$,具有二重特征值 $\lambda=1$,求出 $A$ 的所有特征值与特征向量。 解: 每行元素之和为 $k$,或实对称条件下每列元素之和为 $k$,都给出 $A\xi_3=k\xi_3$,其中 $\xi_3=(1,1,1)^T$,所以特征值为 $k,1,1$。当 $1$ 恰为二重特征值时,$k\neq1$。不同特征值的特征向量正交,故 $\lambda=1$ 的特征向量 $\xi=(x_1,x_2,x_3)^T$ 满足内积关系 $\xi^T\xi_3=0$,即 $x_1+x_2+x_3=0$;这个二维平面正是 $1$ 的特征空间。约束的系数行是 $(1,1,1)$,所以主元在第一列,可以令 $x_2,x_3$ 为自由变量。按 $\xi_1=(y,1,0)^T,\xi_2=(y',0,1)^T$ 设出后,解得 $y=y'=-1$。因此 $k$ 的特征向量为 $\xi_3$ 的非零倍数,$1$ 的特征向量为 $\xi_1,\xi_2$ 的任意非零线性组合。若题意允许 $1$ 至少二重并出现 $k=1$,则三个特征值都为 $1$,由实对称性得 $A=E$,任意非零向量都是其特征向量。

秩一矩阵、特征值与伴随矩阵

  • 秩一矩阵的总结:
    • 给出两个非零的 $n$ 维实列向量 $\alpha,\beta$,以下讨论其非零秩一外积。
    • ${\alpha^T\beta=\beta^T\alpha=C}$, 又被称为内积 ${(\alpha,\,\beta)}$
    • $\alpha\beta^T=A,\ \beta\alpha^T=B$。$A$ 的每一行都是 $\beta^T$ 的倍数,$B$ 的每一行都是 $\alpha^T$ 的倍数,且两矩阵均非零,所以 $r(A)=r(B)=1$。若任一向量为零,两个外积都为零矩阵,秩为 $0$。进一步有主对角线之和 $C=\operatorname{tr}(A)=\operatorname{tr}(B)=(\alpha,\beta)$;因此把秩一矩阵拆成 $\alpha\beta^T$ 后,计算 $A^n$ 很方便。
    • $A^2=\alpha(\beta^T\alpha)\beta^T=CA$,所以特征值只能是 $0$ 或 $C=\operatorname{tr}(A)$。结合秩一结构与 $\sum_i\lambda_i=\operatorname{tr}(A)$,得特征值为 $C,0,\ldots,0$,并且 $A^q=C^{q-1}A$($q\geq2$)。通过特征值连乘可得 $|A+kE|=k^{n-1}(k+C)$。当 $n\gt1$ 时,秩一矩阵 $A$ 本身不可逆;对平移后的矩阵,若 $k(k+C)\neq0$,则 $(A+kE)^{-1}=\dfrac1kE-\dfrac{1}{k(k+C)}A$,也可由其行列式的倒数求逆矩阵的行列式。
      • 利用 $\alpha^T\beta=\beta^T\alpha=C$,对于与 $\alpha\beta^T$ 相关的矩阵 $M$,可以先计算 $M^2$,寻找它满足的低次多项式关系,再用长除法化简矩阵多项式。若由此得到 $(M+iE)(M+jE)=kE$ 且 $k\neq0$,则 $(M+iE)^{-1}=(M+jE)/k$。
      • 当 $\operatorname{tr}(A)\neq0$ 时,$\operatorname{tr}(A)$ 是单根,$0$ 是 $n-1$ 重根;当 $\operatorname{tr}(A)=0$ 时,两者合并,$0$ 的代数重数为 $n$。对每个特征值 $\lambda$,解齐次方程 $(A-\lambda E)\xi=0$,取其中的非零解即可得到特征向量。
    • 考虑相似对角化充要条件: $n$ 个线性无关的特征向量
      • 若 $\operatorname{tr}(A)\neq0$,可取 $\xi_1=\alpha$ 对应特征值 $C$;其余特征值 $0$ 对应 $A\xi=0$,由 $r(A)=1$ 得零空间维数 $n-r(A)=n-1$。这些零空间基向量与 $\alpha$ 共给出 $n$ 个线性无关特征向量,故此时 $A$ 可相似对角化。
      • 若 $\operatorname{tr}(A)=0$,所有特征值都为 $0$,特征向量全部来自 $A\xi=0$。由于 $r(A)=1$,零空间维数只有 $n-1$,无法选出 $n$ 个线性无关特征向量,故 $A$ 不可相似对角化。
    • 对于实对称秩一矩阵 $A$,只有一个非零特征值 $\lambda$。设 $\xi$ 是其单位列特征向量,在正交对角化 $Q^TAQ=\Lambda$ 中,$\Lambda$ 的其余对角元全为零,由 $A=Q\Lambda Q^T$ 直接得到 $A=\lambda\xi\xi^T$。这可以快速重建 $A$,无需先补齐整个特征向量矩阵 $P$ 再计算 $A=P\Lambda P^{-1}$。
    • 更进一步,考虑两个正交单位列向量 $\alpha,\beta$,即 $(\alpha,\beta)=0$ 且 $\|\alpha\|=\|\beta\|=1$,它们的对称组合具有以下性质:
      • 若 ${A=\alpha\beta^T + \beta\alpha^T}$, 则有 ${A=\alpha\beta^T + (\alpha\beta^T)^T=A^T}$, 即 $A$ 为是对称矩阵, 可相似对角化

      • 在 $A=\alpha\beta^T+\beta\alpha^T$ 的右侧分别乘以列向量 $\alpha,\beta$,得到 $\text{①}\ A\alpha=\alpha\beta^T\alpha+\beta\alpha^T\alpha=\beta$,$\text{②}\ A\beta=\alpha\beta^T\beta+\beta\alpha^T\beta=\alpha$,于是:

        • ①与②相加:$A(\alpha+\beta)=\alpha+\beta$。
        • ①与②相减:$A(\alpha-\beta)=-(\alpha-\beta)$。
        • 因而 $A$ 的两个特征值为 $1,-1$,对应特征向量 $\alpha+\beta,\alpha-\beta$。又 $r(A)\leq r(\alpha\beta^T)+r(\beta\alpha^T)=2$,结合这两个非零特征值得 $r(A)=2$,其余 $n-2$ 个特征值均为 $0$。在 $\operatorname{span}(\alpha,\beta)^\perp$ 中取一组基 $\xi_i$,就得到剩余的特征向量;前两个向量分别除以 $\sqrt2$ 可单位化。
    • 另一个独立情形是 $\alpha=\beta$,且 $\alpha$ 为单位列向量。此时外积 $A=\alpha\beta^T=\alpha\alpha^T$ 的特征向量 $\alpha$ 对应特征值 $1$,其余特征值为 $0$。若研究的是对称组合 $\alpha\beta^T+\beta\alpha^T$,则它等于 $2\alpha\alpha^T$,对应 $\alpha$ 的特征值为 $2$。这些结论也可由正交相似与谱分解得到,在正定部分继续介绍。
    • 还有一类秩一结构来自伴随矩阵:对 $n\geq2$,若 $r(A)=n-1$,则 $r(A^*)=1$,且 $A^*A=|A|E=O$。因此 $A$ 的每一列都是 $A^*X=0$ 的解,可以从中选出 $n-1$ 个线性无关列作为基础解系;因为 $\dim\ker A^*=n-1$,实际上 $\operatorname{Col}(A)=\ker A^*$。条件 $r(A)=n-1$ 保证的是 $\dim\ker A=1$,零特征值的代数重数还需要另行判断。若另有 $A$ 可对角化,则可以用对应非零特征值的 $n-1$ 个线性无关特征向量作为 $\operatorname{Col}(A)$ 的另一组基。
    • 对于以上结论要会灵活运用, 出现秩一矩阵要想到上述结论, 例:
      • 求矩阵 $A=\begin{bmatrix}0 & 2 & 3 & 4 \\2 & 3 & 6 & 8 \\3 & 6 & 8 & 12 \\4 & 8 & 12 & 15\end{bmatrix}$ 的行列式 $|A|$。

        观察发现 ${B=A+E}$ 为秩一矩阵, 则 ${|A|=|B-E|}$, 又 $\lambda_{B_i}$ 为 ${30,\,0,\,0,\,0}$, 则 $\lambda_{A_{i}}$ 为 $29,\,-1,\,-1,\,-1$, 故 ${|A|=-29}$

      • 对 $n\geq2$ 的 $n$ 阶矩阵 $A=\begin{bmatrix} a & 1 & 1 & \cdots & 1 \\ 1 & a & 1 & \cdots & 1 \\ \vdots & \vdots & \ddots & \ddots & \vdots \\ \vdots & \vdots & \ddots & a & 1 \\ 1 & 1 & \cdots & 1 & a \end{bmatrix}$,求 $A$ 的特征值、特征向量。

        直接法:在特征行列式 $|tE-A|$ 中,把其余各行加到第一行,提出公因子,再通过相减继续化简;这种行列式计算较繁琐。 化作秩一矩阵:$A=(a-1)E+B$,其中 $B=\mathbf1\mathbf1^T$ 为 $n$ 阶全一矩阵。由 $r(B)=1,\operatorname{tr}(B)=n$,得 $B$ 的特征值为 $n,0,\ldots,0$。可取 $\alpha_1=\mathbf1=(1,\ldots,1)^T$ 对应 $n$,$\alpha_i=e_i-e_1$($i=2,\ldots,n$)对应 $0$。因此 $A$ 的特征值为 $a-1+\lambda_i(B)$,即一个 $a+n-1$ 和 $n-1$ 个 $a-1$,特征向量保持不变。前者的特征空间为 $\operatorname{span}(\mathbf1)$,后者为 $\{x:\sum_{i=1}^n x_i=0\}$。


基、坐标与向量组等价

  • 关于基坐标
    • 定义:$\alpha=a_1\xi_1+a_2\xi_2+\cdots+a_n\xi_n$,其中 $\xi_1,\ldots,\xi_n$ 是同一个向量空间的一组有序基向量,$[\alpha]_\xi=(a_1,\ldots,a_n)^T$ 是 $\alpha$ 相对于这组基的列坐标。
      • 存在一组基 $\alpha_1=(a_1,a_2,a_3)^T,\alpha_2=(b_1,b_2,b_3)^T,\alpha_3=(c_1,c_2,c_3)^T$,求 $\beta=(k_1,k_2,k_3)^T$ 在这组基下的坐标。
        • 设所求列坐标为 $(x_1,x_2,x_3)^T$,建立 $\beta=x_1\alpha_1+x_2\alpha_2+x_3\alpha_3$,即 $\begin{bmatrix}a_1&b_1&c_1\\a_2&b_2&c_2\\a_3&b_3&c_3\end{bmatrix}\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}=\begin{bmatrix}k_1\\k_2\\k_3\end{bmatrix}$。只有 $x_1,x_2,x_3$ 未知,解三元一次方程组即可。
      • 同一个三维向量空间中有两组基 $\alpha_1,\alpha_2,\alpha_3$ 和 $\beta_1,\beta_2,\beta_3$,求在两组基下坐标相同的向量。
        • 设共同列坐标为 $(x_1,x_2,x_3)^T$,建立求和关系 $\sum_{i=1}^3x_i\alpha_i=\sum_{i=1}^3x_i\beta_i$,即 $\sum_{i=1}^3x_i(\alpha_i-\beta_i)=0$。以 $\alpha_i-\beta_i$ 为列组成系数矩阵,仍得到三元齐次线性方程组;解出坐标后,再代入任一组基的展开式得到所求向量。
    • 统一采用列基约定:旧、新基矩阵分别为 $U,V$,定义过渡矩阵 $C$ 使 $V=UC$,所以 $C=U^{-1}V$。对于一组基组成的可逆矩阵 $P=(\xi_1,\xi_2,\ldots,\xi_n)$,若旧、新基确为 $U=AP,V=BP$,则 $C=(AP)^{-1}BP=P^{-1}A^{-1}BP$;若 $A,B$ 是相对于共同基 $P$ 的列系数矩阵,即 $U=PA,V=PB$,则 $C=(PA)^{-1}PB=A^{-1}B$。求解时可以按这些矩阵分解计算,也可以直接写出每个新基向量在旧基下的展开式来凑矩阵,后者往往计算量较小。若改用行表示,应将整个关系转置为 $V^T=C^TU^T$,并保持乘法顺序一致。
      • 例: ${\beta_1,\,\beta_2,\,\beta_3}$ 是一组基, 求基 ${\beta_1,\,2\beta_2,\,3\beta_3}$ 到基 ${\beta_1-\beta_2,\,\beta_2+\beta_3,\,\beta_3-\beta_1}$ 的过度矩阵

        方法一:令 $P=(\beta_1,\beta_2,\beta_3)$,则旧基矩阵为 $PA$、新基矩阵为 $PB$,其中 $A=\operatorname{diag}(1,2,3)$,$B=\begin{bmatrix}1&0&-1\\-1&1&0\\0&1&1\end{bmatrix}$。按列基约定直接计算 $C=A^{-1}B$,便得到下面的系数矩阵。 方法二: 观察得, 有 ${[\beta_1-\beta_2,\,\beta_2+\beta_3,\,\beta_3-\beta_1]=[{\beta_1,\,2\beta_2,\,3\beta_3}]\begin{bmatrix} 1 & 0 & -1 \\ -\frac{1}{2} & \frac{1}{2} & 0 \\ 0 & \frac{1}{3} & \frac{1}{3} \end{bmatrix}}$ 明显的, 方法二要简单得多, 尽可能地使用方法二

      • 坐标之间的过渡矩阵
        • 若新基矩阵 $V=UP$,同一向量满足 $v=Ux=Vy$,则列坐标有 $\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}=P\begin{bmatrix}y_1\\y_2\\y_3\end{bmatrix}$;转为行坐标后,有 $\begin{bmatrix}x_1&x_2&x_3\end{bmatrix}=\begin{bmatrix}y_1&y_2&y_3\end{bmatrix}P^T$。
        • 注意约定与方向:$P$ 的各列给出新基在旧基下的展开系数,也把新基列坐标 $y$ 变成旧基列坐标 $x$。反方向为 $y=P^{-1}x$。行坐标关系中的 $P^T$ 来自整个等式的转置;使用 $P$ 还是 $P^T$,由列、行表示及乘法方向共同决定。

  • 向量 ${\alpha = \alpha_1,\,\alpha_2,\dots,\,\alpha_n}$ 线性无关
    • 若存在 ${\beta = \beta_1,\,\beta_2,\dots,\beta_n}$ 可表示出 ${\alpha}$, 则两者等价
      • 证:若 $\beta$ 可表示 $\alpha$,则 $\operatorname{span}(\alpha)\subseteq\operatorname{span}(\beta)$,并有 $n=r(\alpha)\leq r(\beta)\leq n$,所以两组向量张成相同空间,能够互相表示。这是在两组都含 $n$ 个向量且 $\alpha$ 线性无关条件下的充分条件。
    • 条件同上,把 $\alpha_i^T$ 作为各行组成矩阵 $A=\begin{bmatrix}\alpha_1^T\\\vdots\\\alpha_n^T\end{bmatrix}$,把 $\beta_i^T$ 作为各行组成矩阵 $B$。两者的行向量组等价,因此秩相同,作为矩阵也等价。
      • 对列数相同的矩阵,更一般的性质是:行向量组等价 $\Longleftrightarrow$ 相应齐次方程组同解,也等价于 $r\!\begin{bmatrix}A\\B\end{bmatrix}=r(A)=r(B)$。充分性由各行互为线性组合可知;必要性由 $\operatorname{Row}(A)=(\ker A)^\perp$ 和 $\operatorname{Row}(B)=(\ker B)^\perp$ 得到。一般意义下的矩阵等价只要求秩相同,例如 $\begin{bmatrix}1&0\end{bmatrix}$ 与 $\begin{bmatrix}0&1\end{bmatrix}$ 等价,但零空间分别为 $\{(0,t)^T\}$ 与 $\{(t,0)^T\}$,所以判断同解时需要行空间这一更强条件。
      • 对矩阵 $Q_{m\times n},P_{n\times m}$,若 $r(Q)=n$,则 $QY=0$ 只有零解。若 $P\xi=0$,显然 $(QP)\xi=0$;反过来,若 $(QP)\xi=0$,令 $Y=P\xi$,由 $QY=0$ 得 $Y=0$,即 $P\xi=0$。两向包含合在一起证明 $PX=0$ 与 $QPX=0$ 同解,故 $P$ 与 $QP$ 的行向量组等价。
      • 例: $n$ 维列向量 $\alpha$ 满足 $\alpha^T\alpha=2$, $A,B$ 为 $n$ 阶矩阵, 已知条件:${A(E-2\alpha\alpha^T)=B}$, 则 ${A^TX=0,\,B^TX=0}$ 是否同解?

        由秩一矩阵性质知 $\alpha\alpha^T$ 的特征值为 $2,0,\ldots,0$。记 $C=E-2\alpha\alpha^T$,其特征值为 $-3,1,\ldots,1$,故 $|C|=-3\neq0$。于是 $AC=B,A=BC^{-1}$,即 $B$ 的列向量可由 $A$ 的列向量线性表示,$A$ 的列向量也可由 $B$ 的列向量线性表示。因此 $A,B$ 的列空间相同,$A^T,B^T$ 的行空间相同,所问的 $A^TX=0,B^TX=0$ 同解。


二次型、合同与标准形

  • 关于矩阵的二次型
    • 这里仅讨论实对称矩阵的合同, 对于两个非对称矩阵, 也可以合同, 但一个对称矩阵和一个非对称矩阵不可能合同
    • 矩阵的二次型
      • 二次型的标准型可以由配方法、求特征值特征向量正交变换、初等变换法(待补充, 1k题中的那道题) 这几种方法, 其中配方法可以得到规范型, 对于特征值只有 ${1,\,-1,\,0}$ 的矩阵才能通过正交变换得到规范型
      • 若题目要求通过可逆且非正交的线性变换化为标准形,可以用配方法、初等合同变换,也可以先正交对角化再作适当伸缩。变换 $x=Cy$ 使系数矩阵变为 $C^TAC$,所以前后矩阵合同;是否相似须另行判断。例如 $A=\operatorname{diag}(1,0)$、$C=\operatorname{diag}(1,2)$ 时,$C$ 非正交,而 $C^TAC=A$,前后矩阵仍相似。
      • 关于二次型方程 $X^Tf(A)X=0$:对实对称矩阵 $A$ 及实系数多项式 $f$,取正交特征向量矩阵 $Q$,令 $X=Qy$,方程化为 $\sum_i f(\lambda_i)y_i^2=0$。若 $f(A)$ 半正定或半负定,各项同号,解集才等于 $\ker f(A)$;其维数为满足 $f(\lambda_i)=0$ 的特征值个数(按重数计),所有解是对应特征向量的线性组合。若 $f(A)$ 不定,正负项可以抵消,例如 $\operatorname{diag}(1,-1)$ 没有零特征值,却在 $X=(1,1)^T$ 时满足二次型为零。因此一般应直接研究这个二次方程的解集。

二次型的最值:普通与广义瑞利商

  • 二次型的最值问题
    • 求形如 $\dfrac{f(x)}{g(x)}$ 或 $\dfrac{x^TAx}{x^TBx}$ 的最值时,先看普通形式 $\dfrac{x^TAx}{x^Tx}$,其中 $A$ 实对称且 $x\neq0$。取 $Q^TAQ=\Lambda$,即 $A=Q\Lambda Q^T$,令 $x=Qy$,得到 $\dfrac{y^T\Lambda y}{y^Ty}=\dfrac{\sum_{i=1}^n\lambda_i y_i^2}{\sum_{i=1}^n y_i^2}$。这是特征值的加权平均,故最小值为 $\min_i\lambda_i$,最大值为 $\max_i\lambda_i$。可以令对应极值特征值的一个坐标 $y_j=1$、其余坐标为 $0$,再通过 $x=Qy$ 求出最值点;相应极值特征空间中的任意非零向量也都能取到该极值。
      • 例: 设二次型:${f(x_1, x_2, x_3) = \mathbf{x}^\mathrm{T} \begin{bmatrix} 1 & 0 & 6 \\ 4 & 4 & 4 \\ 0 & 8 & 9 \end{bmatrix} \mathbf{x}}$,其中 ${\mathbf{x} = \begin{bmatrix} x_1 \\ x_2 \\ x_3 \end{bmatrix}}$。 (Ⅰ) 用正交变换 ${\mathbf{x} = Q\mathbf{y}}$ 将其化为标准形,并求出 ${Q}$;

        (Ⅱ) 求 ${g(x_1, x_2, x_3) = \dfrac{f(x_1, x_2, x_3)}{x_1^2 + x_2^2 + x_3^2}}$ 的最大值,并求出一个最大值点,其中 ${x_1^2 + x_2^2 + x_3^2 \ne 0}$。

      先记题给矩阵为 $M=\begin{bmatrix}1&0&6\\4&4&4\\0&8&9\end{bmatrix}$。对实向量 $x$,有 $x^TMx=x^T\dfrac{M+M^T}{2}x$,因此二次型的对称系数矩阵为 $A=\dfrac{M+M^T}{2}=\begin{bmatrix}1&2&3\\2&4&6\\3&6&9\end{bmatrix}$。它是外积 $(1,2,3)^T(1,2,3)$,由秩一矩阵性质知特征值为 $14,0,0$。可取 $\xi_1=(1,2,3)^T$;为了避免额外做施密特正交化,设 $\xi_2=(0,-3,2)^T,\xi_3=(k,2,3)^T$,由 $\xi_1^T\xi_3=k+13=0$ 解得 $k=-13$,且 $\xi_2^T\xi_3=0$。分别单位化得到 $Q=\begin{bmatrix}\xi_1/\sqrt{14}&\xi_2/\sqrt{13}&\xi_3/\sqrt{182}\end{bmatrix}$,满足 $Q^TQ=E$、$Q^TAQ=\operatorname{diag}(14,0,0)$,所以正交变换 $x=Qy$ 后的标准形为 $f=14y_1^2$。 利用 $x=Qy$,商变为 $\dfrac{y^T(Q^TAQ)y}{y_1^2+y_2^2+y_3^2}=\dfrac{y^T\Lambda y}{y_1^2+y_2^2+y_3^2}=\dfrac{14y_1^2+0+0}{y_1^2+y_2^2+y_3^2}$。显然 $y=(1,0,0)^T$ 时取得最大值 $14$,对应 $x=Qy=(1,2,3)^T/\sqrt{14}$;$(1,2,3)^T$ 的任意非零倍数也都是最大值点。

    • 对于 $\dfrac{x^TAx}{x^TBx}$,设 $A$ 实对称、$B$ 正定。先取可逆矩阵 $S$ 使 $S^TBS=E$,令 $x=Sy$,把商化为 $\dfrac{y^T(S^TAS)y}{y^Ty}$;这个 $S$ 一般不是正交矩阵。记 $M=S^TAS$,再取正交矩阵 $U$ 使 $U^TMU=\Lambda$,令 $y=Uz$,得到 $\dfrac{z^T\Lambda z}{z^Tz}$。最值由 $M$ 的最小、最大特征值给出,最值点通过 $x=SUz$ 换回原坐标。正定性保证分母可以通过可逆变换化为 $y^Ty$。
      • 例: 设二次型 $f(x_1, x_2) = x_1^2 - 4x_1x_2 + 4x_2^2$,$g(x_1, x_2)$ 的二次型矩阵为 $B = \begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$。 (1) 是否存在可逆矩阵 $D$,使 $B = D^T D$?若存在,求出矩阵 $D$;若不存在,说明理由。 (2) 求 $\displaystyle\max_{x \neq 0} \frac{f(x)}{g(x)}$ 以及对应的 ${x}$,其中 $x = \begin{bmatrix} x_1 \\ x_2 \end{bmatrix}$。

      要得到 $B=D^TD$,可以寻找可逆变换 $y=Dx$,使 $y^Ty=x^T(D^TD)x=x^TBx$。 对 $g(x_1,x_2)$ 配方得 $g(x)=(x_1-x_2)^2+x_2^2$,所以可取 $D=\begin{bmatrix}1&-1\\0&1\end{bmatrix}$,其行列式为 $1$,逆矩阵为 $D^{-1}=\begin{bmatrix}1&1\\0&1\end{bmatrix}$。 分子的系数矩阵为 $A=\begin{bmatrix}1&-2\\-2&4\end{bmatrix}$。若先对 $B$ 作正交对角化,还需按正特征值伸缩,才能把分母化为 $y^Ty$;这里利用第 (1) 问的配方结果更直接。作 $x=D^{-1}y$,分母变为 $y^T((D^{-1})^TBD^{-1})y=y^Ty$,分子变为 $y^T((D^{-1})^TAD^{-1})y$。记 $M=(D^{-1})^TAD^{-1}=\begin{bmatrix}1&-1\\-1&1\end{bmatrix}$,由秩一矩阵性质得特征值 $2,0$,可取 $\xi_1=(1,-1)^T,\xi_2=(1,1)^T$。分别单位化得 $Q=\dfrac1{\sqrt2}\begin{bmatrix}1&1\\-1&1\end{bmatrix}$,再令 $y=Qz$,商成为 $\dfrac{z^T\Lambda z}{z^Tz}=\dfrac{2z_1^2+0}{z_1^2+z_2^2}$。故最大值为 $2$;取 $z=(1,0)^T$,经 $y=Qz,x=D^{-1}y$ 得 $x=(0,-1/\sqrt2)^T$,也可取任意 $x=(0,t)^T$,其中 $t\neq0$。

      • 上例中第一次变换把正定的分母化为单位平方和的规范形,可以利用配方法、初等合同变换,或先正交对角化再按正特征值伸缩。两次变换可归结为:求出一个可逆矩阵 $P$,令 $x=Pz$,使分母 $g(x)$ 化为规范形 $\sum_i z_i^2$,同时使分子 $f(x)$ 化为对角标准形 $\sum_i\lambda_i z_i^2$。这里总变换为 $P=D^{-1}Q$;在一般记号下则为 $P=SU$。

正定性、谱分解与矩阵平方根

  • 关于正定矩阵
    • 对于平方和二次型 $f(x_1,x_2,\ldots)=(ax_1+bx_2+\cdots)^2+(cx_1+dx_2+\cdots)^2+\cdots$,记各线性式的系数矩阵为 $A=\begin{pmatrix}a&b&\cdots\\c&d&\cdots\\\vdots&\vdots&\ddots\end{pmatrix}_{m\times n}$。则 $f(x)=\|Ax\|^2=x^TA^TAx$,其二次型矩阵是 $A^TA$。正定等价于 $f(x)=0$ 只有零解,也等价于 $Ax=0$ 只有零解,即 $A$ 列满秩 $r(A)=n$。特别地,当 $m=n$ 时,这又等价于 $A$ 可逆。
    • 二次型不等式可以转化为正定性问题。例如,对实对称矩阵 $A$,若对所有非零列向量 $X$ 都有 $|X^TAX|\lt X^TX$,则 $X^T(-E)X\lt X^TAX\lt X^TEX$,即 $X^T(A-E)X\lt0$、$X^T(A+E)X\gt0$,所以 $A+E,E-A$ 均正定。等价地,$A$ 的全部特征值位于 $(-1,1)$ 内。
      • 已知三阶实对称矩阵 ${A}$ 的特征值为 ${\lambda_1,\,\lambda_2,\,\lambda_3}$, ${A^*}$ 为其伴随矩阵, 对任意三维列向量 ${X}$ 有: ${|X^TA^*X-X^TAX|\leq aX^TX}$, 求 ${a}$ 的最小值

        将不等式转化为 $X^T(-aE)X\leq X^T(A^*-A)X\leq X^T(aE)X$,即 $B_1=A^*-A+aE$、$B_2=-A^*+A+aE$ 均半正定。$A^*$ 与 $A$ 可以取同一组正交特征向量;设对应于 $\lambda_i$ 的伴随矩阵特征值为 $\mu_i=\prod_{j\neq i}\lambda_j$,也就是另外两个特征值的乘积。于是 $B_1,B_2$ 在该方向上的特征值分别为 $\mu_i-\lambda_i+a$、$-\mu_i+\lambda_i+a$,半正定要求 $\begin{cases}\mu_i-\lambda_i+a\geq0\\-\mu_i+\lambda_i+a\geq0\end{cases}$。因此 $a_{\min}=\max_i|\mu_i-\lambda_i|$,在取得最大绝对值的特征向量方向上可取等号。特征值相减时必须匹配同一个特征向量。 若 $\lambda_1,\lambda_2,\lambda_3=2,3,4$,则 $\mu_1,\mu_2,\mu_3=12,8,6$,差为 $10,5,2$,故 $a_{\min}=10$。

    • 若 $Q^TAQ=\Lambda$、$Q^TQ=E$,将 $Q$ 的列记为单位正交特征向量 $u_i$,则 $A=\sum_i\lambda_iu_iu_i^T$。它们构成空间的一组正交基,因而 $\sum_i u_iu_i^T=QQ^T=E$,可以用来简化运算。
      • ${{A=\begin{pmatrix}0 & 1 & -1 \\ 1 & 0 & -1 \\ -1 & -1 & 0 \end{pmatrix}}}$, 正定矩阵 ${B}$ 有 ${B^2=A+2E}$, 求 ${B}$

        $A$ 的特征值为 $2,-1,-1$,所以 $A+2E$ 的特征值为 $4,1,1$。取 $Q=(u_1,u_2,u_3)$,使 $Q^T(A+2E)Q=D=\operatorname{diag}(4,1,1)$,于是 $A+2E=QDQ^T$。其正定平方根为 $B=QD^{1/2}Q^T$,其中 $D^{1/2}=\operatorname{diag}(2,1,1)$;直接计算得 $B^2=QD^{1/2}(Q^TQ)D^{1/2}Q^T=QDQ^T=A+2E$。因此 $\lambda_B=2,1,1$,且 $B=2u_1u_1^T+u_2u_2^T+u_3u_3^T$。由 $u_1u_1^T+u_2u_2^T+u_3u_3^T=E$,得 $B=E+u_1u_1^T$。这里 $u_1$ 对应 $A$ 的特征值 $2$,可取 $u_1=(1,1,-1)^T/\sqrt3$,从而 $B=\dfrac13\begin{bmatrix}4&1&-1\\1&4&-1\\-1&-1&4\end{bmatrix}$。

    • 关于上述做法, 有一个更具一般性的结论:

    ${A}$ 为 ${n}$ 阶实对称矩阵, ${\alpha_1,\,\alpha_2,\dots,\,\alpha_n}$ 是 ${A}$ 的 ${n}$ 个单位正交特征向量, 分别对应 ${\lambda_1,\,\lambda_2\dots}$, 那么 ${\displaystyle A=\sum_{i=1}^{n}\lambda_i\alpha_i\alpha_i^{T}}$, 证明的话直接暴力证明即可, 具体在 ${880_{comp}(14-3.13)}$

平方和二次型与线性方程组

  • 关于二次型与方程组问题
    • 给出形式 $f(x_1,\ldots,x_n)=\sum_{i=1}^m(a_{i1}x_1+a_{i2}x_2+\cdots+a_{in}x_n)^2$,记线性式的系数矩阵为 $A=(a_{ij})_{m\times n}$,二次型的系数矩阵为 $B_{n\times n}$。二者满足 $f(x)=\|Ax\|^2=x^TBx$、$B=A^TA$。由 $x^TBx=\|Ax\|^2$ 得 $\ker B=\ker A$,进而 $r(B)=r(A)$。
    • 根据正定定义,$f(x)=0$ 只有零解,等价于 $Bx=0$ 只有零解,也等价于 $Ax=0$ 只有零解。因此要求 $r(B)=r(A)=n$,即 $A$ 列满秩;由 $r(A)\leq m$ 得必要条件 $m\geq n$。
    • 在列满秩的情况下,若 $m\gt n$,则 $A$ 的行存在冗余:选出 $n$ 个线性无关行后,其他行是它们的线性组合。例如 $(1,0),(0,1),(1,1)$ 中第三行是前两行之和,与其中任一行都不成比例。化二次型为标准形时,应对 $B=A^TA$ 作合同变换,例如配方、正交对角化或配套的初等行列变换,得到 $n$ 个正系数的平方项。
    • 若 $m\lt n$,则 $r(B)=r(A)\leq m\lt n$,零空间维数 $n-r(A)\gt0$,必有非零解,故二次型不能正定。相应的对角标准形中至少有一个变量的系数为 $0$,例如 $y_1^2+0y_2^2+y_3^2$。

分块矩阵的秩:哪些变换保持等价

注意最后的错误步骤, 不能直接进行左乘 A倍, 因为此时乘的是 [E O, O A], R=r(E)+r(A) 不一定可逆, 所以会改变性质, 不可以, 其余的可以进行初等变换(之后再总结这部分内容)

原笔记配图 3
原笔记配图 3

评论