程设

排序

快速排序的两个分区方法:$Lomuto$ 单指针,$Hoare$ 双指针

归并排序在多核情境更快 —— 均分


Pointers

&:get address

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
int i = 10;
printf("%d\n", i);
printf("%p\n", &i);

/* %X, %x, %lu
%p 64bit
%x 32bit(不完整)
*/

/*
printf("%p\n", &(i + 1)); 报错
左值:可以出现在赋值号左侧的值
a = 6 √
(a + 1) = 6 ×
a # 2 = a[2] ???
*/

1
2
3
4
5
6
7
8
int a[3] = {0, 1, 2};
printf("%p\n", &a[0]);
printf("%p\n", &a[1]);
printf("%p\n", &a[2]);
printf("%p\n", &a); //equal to a[0]
/*

*/

1
2
3
4
5
6
7
8
9
10
int i = 10;
int *p = &i;
printf("%p\n", p);
printf("%d\n", *p); //访问变量,*p可作左值9

int *x, *y; //with each one

/*
access: r & w
*/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
vp  oid f(int *a){

}

void g(int a[]){

}

//equal

int main(){
int a[10];
printf("%p\n", a);
printf("%p\n", &a);
//equal

int *p = a;
printf("%d\n", p[0]);
printf("%d\n", *a);
printf("%d\n", *(p + 5));
printf("%d\n", p - a); // 1?
}

string.h下的函数:

  • strlen(char *)
  • strcmp
  • strcpy

while(*p++) 可以在字符串末结束


1
2
3
struct{
int a;
}str;

这样是可以的

1
2
3
4
5
6
struct node{
int len;
char content[];
};

node *str = (node*)malloc(sizeof(int) + 32);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
typedef struct{
...
}node;

node t;


typedef struct node{//声明
...
node *next;
}node;

typedef char line[30]
line aa;p //char aa[30]

typedef int *inp
inp p;

1
2
3
4
5
void f(int x){
...;
}

void (*p)() = f;

1
2
3
4
5
6
7
#ifdef
//#ifundef
#else
#endif

用处:编译时 "-D xxx" 宏定义
(不需要修改源码)
1
2
#if (表达式)
#elif (表达式)
1
2
3
4
5
6
7
8
9
多段注释:

#if 0
sss
sss
#endif

恢复:
#if 1
1
2
#error text...
让编译器出错

1
2
3
4
5
6
if(){
int i;//第一个
if(){
int i;//第二个,此if内优先访问此i
}
}

1
2
3
4
5
6
7
void f(void){
//没有参数
}

void g(){
//任意参数
}

1
--save-temps:保存编译过程

Note

1.Declaring the pointer of a function within another function’s prototype declaration:

1
int func( int x, int (*func2)(int, double) )

However, another way int func2(int, double) is acceptable too, for the function type can be automatically converted to function pointer type


线代笔记

U1

1.5

对于 $\sigma:X\to Y$:

  • 单射:$\alpha_1,\alpha_2\in X,\alpha_1\not=\alpha_2$,则 $\sigma(\alpha_1)\not=\sigma(\alpha_2)$

  • 满射:$\forall\beta\in Y,\exists\sigma(\alpha)=\beta$

  • 双射:又单又满

恒等映射 / 单位映射:$I(\alpha)=\alpha$

  • $I_Y\sigma=\sigma I_X=\sigma$

可逆映射:$\exists\tau$ 使得 $\tau\sigma=I_X,\sigma\tau=I_Y$。此时 $\tau$ 为 $\sigma$ 的(唯一)逆映射。

  • $\sigma$ 可逆的充要条件是双射

1.7

内积 / 点积 / 数量积:$a\cdot b=|a||b|\cos\theta$

外积 / 叉积 / 向量积:$a\times b=|a||b|\sin\theta$

  • 右手法则:四指由 $a$ 到 $b$ 时大拇指的朝向(即叉积的方向)

1.10

代数系统:$<X:f_1,f_2,…,f_k>$

  • 其中 $X$ 是非空集,$f$ 是代数运算

下面的群、环、域都属于代数系统


群:$<G:\circ>$ 满足

  • $a\circ(b\circ c)=(a\circ b) \circ c$(结合律)

  • $\exists \space a\circ e = e \circ a = a$(存在单位元)

  • $\forall a \in G, \exists b \in G,a \circ b = b \circ a = e$(都可逆)

    • 若满足交换律,即称交换群,又称 $Abel$ 群。

半群:只满足结合律

含幺半群:满足结合律,有单位元(即只不可逆)


环:$<R:+,\circ>$ 满足

  • $<R:+>$ 是交换群

  • $<R:\circ>$ 是半群(结合律)

  • 运算 $\circ$(通常为乘法)对 $+$ 满足分配率,即 $a\circ (b+c)=a\circ b+a\circ c$

    • 若 $\circ$ 满足交换律,则为交换环
    • 若存在单位元,则为含幺环

域:$<F:+,\circ>$ 为至少含两个元的交换环,且 $<F\backslash\lbrace0\rbrace:\times>$(关于乘法运算)为交换群

  • 任何数域都包含 $Q$,即 $Q$ 是最小的数域

U2

2.1

线性空间:$V$ 为非空集,$F$ 为一个域,$V(F)$ 满足:

  • $<V:+>$ 是一个交换群
  • $\alpha,\beta\in V$,数乘满足如下四条:(1,结合律,内外分配率)
    • $1\alpha=\alpha$
    • $\lambda(\mu\alpha)=(\lambda\mu)\alpha$
    • $(\lambda+\mu)\alpha=\lambda\alpha+\mu\alpha$
    • $\lambda(\alpha+\beta)=\lambda\alpha+\lambda\beta$
  • 注意运算封闭

2.2

线性组合:$\alpha=\sum\lambda_i\alpha_i$ 为向量组 $\lbrace\alpha_1,…,\alpha_n\rbrace$ 在域 $F$ 上的线性组合(仅指代一个元素),或者说 $\alpha$ 可用向量组 $\lbrace\alpha_1,…,\alpha_n\rbrace$ 线性表示。

线性扩张:$L(S)=\lbrace\sum\lambda_i\alpha_i|\lambda_i\in F,\alpha_i\in S\rbrace$

  • $L(S)$ 是包含 $S$ 的最小子空间。

2.7

内积空间:满足

  • $(\alpha,\beta)=(\beta,\alpha)$
  • $(\alpha+\beta,\gamma)=(\alpha,\gamma)+(\beta,\gamma)$
  • $(\lambda\alpha,\beta)=\lambda(\alpha,\beta)$
  • $(\alpha,\alpha)\geq0$,等号成立当且仅当 $\alpha=0$

则称 $(\alpha,\beta)$ 为两向量的内积,定义了内积的 $V(R)$ 称为实内积空间,有限维实内积空间称为欧氏空间。

  • 如果在复空间 $V(C)$ 上定义,则需要把第一个条件改为 $(\alpha,\beta)=\overline{(\beta,\alpha)}$。复内积空间通常称为酉空间。

标准内积:$(\alpha,\beta)=\sum a_ib_i$

$R[x]_n$ 空间中,多项式内积常用积分定义:$(f(x),g(x))=\int_a^bf(x)g(x)\text{d}x$


2.8

单位正交基 / 标准正交基:$B=\lbrace\varepsilon_1,…,\varepsilon_n\rbrace$ 满足

$$
(\varepsilon_i,\varepsilon_j)=
\begin{cases}
1 & i=j \\
0 & i\not=j
\end{cases}
$$

$Schmidt$ 正交化:设 $B=\lbrace\alpha_1,…,\alpha_n\rbrace$ 为 $V(R)$ 的一组基

  • 基本思路:$\beta_m=\alpha_m+\lambda_{m-1,m}\beta_{m-1}+…+\lambda_{1,m}\beta_1$

  • $(\beta_m,\beta_k)=(\alpha_m,\beta_k)+\lambda_{km}(\beta_k,\beta_k)=0$ ※

  • $\Rightarrow\lambda_{k,m}=-\frac{(\alpha_m,\beta_k)}{(\beta_k,\beta_k)}$

  • 即 $\beta_m=\alpha_m-\sum\frac{(\alpha_m,\beta_k)}{(\beta_k,\beta_k)}\beta_{k}$,最后 $\varepsilon_m=\frac{\beta_m}{|\beta_m|}$


2.9

空间正交:若 $V(R)$ 的两个子空间 $W_1,W_2$ 满足 $\forall\alpha\in W_1,\forall\beta\in W_2,(\alpha,\beta)=0$,则 $W_1\perp W_2$

  • $W_2$ 为 $W_1$ 的正交补,即 $W_2=W_1^{\perp}$

U3

3.1

线性映射:$\sigma(\lambda\alpha+\mu\beta)=\lambda\sigma(\alpha)+\mu\sigma(\beta)$

  • 到自身的线性映射也称为线性变换

3.2

像:$Im\sigma=\lbrace\beta|\beta=\sigma(\alpha),\alpha\in V_1\rbrace$

核:$Ker\sigma=\lbrace\alpha|\sigma(\alpha)=0_2,\alpha\in V_1\rbrace$


3.3

$L(V_1,V_2)$ 代表线性空间 $V_1$ 到 $V_2$ 的所有线性映射的集合,其也是一个线性空间。


3.4

$r(\sigma)=\dim\sigma(V_1)$

若 $\dim(V_1)=n$,则 $r(\sigma)+\dim(Ker\sigma)=n$

若 $\sigma\in L(V_1,V_2),V_1,V_2$ 都是 $n$ 维线性空间,则下列命题等价:

  • $r(\sigma)=n$,即满秩
  • $\sigma$ 是单射
  • $\sigma$ 是满射
  • $\sigma$ 是可逆线性映射

3.5

同构:如果线性空间 $V_1(F)$ 到 $V_2(F)$ 存在一个线性的双射 $\sigma$,则两者同构,记作 $V_1(F)\cong V_2(F)$


U4

4.1

矩阵集合记为 $M_{m\times n}(F)$ 或 $F^{m\times n}$(元素在域 $F$ 上)

  • $m=n$ 时,称为方阵或 $n$ 阶矩阵,集合可记为 $M_n(F)$ 或 $F^n$

4.5

如果 $A$ 是 $n$ 阶矩阵,则下列命题等价:

  • $A$ 可逆
  • 存在 $B$ 使得 $BA=E$
  • $r(A)=n$,即 $A=(\alpha_1,…,\alpha_n)$,各 $\alpha$ 线性无关
  • $AX=0 \rightarrow X=0$
  • $\alpha_1,…,\alpha_n$ 是 $F^n$ 的基

推论:$AB$可逆 $\Leftrightarrow A$ 与 $B$ 都可逆,且 $(AB)^{-1}=B^{-1}A^{-1}$

4.7

$A$ 可逆 $\Leftrightarrow$ $A=P_1…P_n$ 初等矩阵乘积


4.8

若 $r(A_{m\times n})=k$,则存在可逆矩阵 $P,Q$,满足:

$$
PAQ=
\begin{pmatrix}
E_k & 0 \\
0 & 0
\end{pmatrix}
=(e_1,…,e_k,0,…)=U_k
$$

若 $A$ 可以通过初等变换转化为 $B$,则称 $A$ 相抵与 $B$(或者说 $A$ 等价于 $B$),记作 $A\cong B$

  • $U_k$ 是 $A$ 的相抵标准型 / 等价标准型。

  • 拆解 $P,Q$ 后得到由初等矩阵乘积组成 $U_k=P_1…P_nAQ_1…Q_m$


$A\in M_n(F)$,则下列命题等价:

  • $A$ 可逆
  • $r(A)=n$
  • 齐次线性方程组 $AX=0$ 只有零解

$r(A+B)\leq r(A)+r(B)$

$r(AB)\leq \min(r(A),r(B))$

$r
\begin{pmatrix}
A & 0 \\
0 & B
\end{pmatrix}
=r(A)+r(B)$


若 $P,Q$ 分别为 $m,n$ 阶可逆矩阵,$A$ 是 $m\times n$ 矩阵,则

$$r(PA)=r(A)=r(AQ)=r(PAQ)$$


4.9

$$
A^T=
\begin{pmatrix}
A^T_{11} & A^T_{21} \\
A^T_{12} & A^T_{22}
\end{pmatrix}
$$


$$
A=
\begin{pmatrix}
B & O \\
C & D
\end{pmatrix}
$$

$$
A^{-1}=
\begin{pmatrix}
B^{-1} & O \\
-D^{-1}CB^{-1} & D^{-1}
\end{pmatrix}
$$

而一般的

$$
A=
\begin{pmatrix}
B & F \\
C & D
\end{pmatrix}
=
\begin{pmatrix}
B & O \\
C & D-CB^{-1}F
\end{pmatrix}
$$


4.10

过渡矩阵


U5

5.1

$n$ 阶行列式可以视作 $F^n\times…\times F^n$ 到 $F$ 的一个映射,记作 $\det A=D(\alpha_1,…,\alpha_n)$,其中 $\alpha_i$ 代表列向量。

运算法则:

  • $D(…,\lambda\alpha_i,…)=\lambda D(…,\alpha_i,…)$
  • $D(…,\alpha_i+\beta_i,…)=D(…,\alpha_i,…)+D(…,\beta_i,…)$
  • $D(…,\alpha_i,…,\alpha_j,…)=-D(…,\alpha_j,…,\alpha_i,…)$
  • $D(e_1,…,e_n)=1$,即

$$
\begin{vmatrix}
1 & 0 & … & 0 \\
0 & 1 & … & 0 \\
… & & & … \\
0 & 0 & … & 1
\end{vmatrix}
=1
$$

延伸:

  • $D(…,0,…)=0$
  • $D(…,a_i,…)=D(…,a_i+\lambda a_j,…)$
    • 上(下)三角行列式等于对角线元素乘积
  • $\lbrace\alpha_1,…,\alpha_n\rbrace$ 线性相关则 $D(\alpha_i)=0$

三种初等矩阵及其行列式:

  • $E_i(c)=(…,c\times e_i,…),|E_i(c)|=c$
  • $E_{ij}=(…,e_j,…,e_i,…),|E_{ij}|=-1$
  • $E_{ij}(c)=(…,e_i+c\times e_j,…),|E_{ij}(c)|=1$

若 $P_i$ 为初等矩阵:$|AP_1…P_n|=|A||P_1|…|P_n|$

  • 由此可得 $|A^T|=|A|$

5.2

余子式:去掉 $a_{ij}$ 所在行列得到的 $n-1$ 阶行列式,称为 $a_{ij}$ 的余子式,记作 $M_{ij}$

  • $A_{ij}=(-1)^{i+j}M_{ij}$ 为 $a_{ij}$ 的代数余子式

$D=\sum a_{ix}A_{ix}=\sum a_{xi}A_{xi},x\in[1,n]$


5.3

伴随矩阵:(注意行列互换)

$A^*=
\begin{pmatrix}
A_{11} & … & A_{n1} \\
… & … & … \\
A_{1n} & … & A_{nn}
\end{pmatrix}
$

定理:$A^A=AA^=|A|E=|A|^n$

推论:$A^{-1}=\frac{1}{|A|}A^*$


$r(A^*)=
\begin{cases}
n&|A|\not=0\\
1&r(A)=n-1\\
0&r(A)<n-1
\end{cases}$

  • $A$ 可逆:$(\frac{1}{|A|}A)A^*=E$

  • $A$ 不可逆:$r(A^A)=0\geq r(A^)+r(A)-n$

$A$ 在整数范围内可逆 $\Leftrightarrow |A|=\pm1$

  • $|A||A^{-1}|=|E|=1$,整数范围行列式一定是整数

5.4

$Cramer$ 法则:$AX=b$ 的唯一解为 $x_j=\frac{D_j}{|A|}$,其中

$$D_j=|\alpha_1,…,\alpha_{j-1},b,…|$$

范德蒙德($Vandermonde$)行列式:

$$
\begin{vmatrix}
1 & x_1 & x_1^2 & … \\
\vdots \\
1 & x_n & x_n^2 & …
\end{vmatrix}
=\Pi_{i>j}(x_i-x_j)
$$

  • 缺行用扩充法

U6

6.1

$A\in M_n(F),N(A)$ 为齐次线性方程组 $AX=0$ 的解空间,$r(A)+r(N(A))=n$

  • 证明比较 $r$ 可以利用其转化为解空间 $N$ 的关系

解空间的基 $X_1,…,X_k$ 称为基础解系,通过 $A$ 的行变换易得


6.2

$AX=b$ 有解判别法:

  • $r(A)=r(A,b)$,即系数矩阵的秩等于增广矩阵的秩
    • $b=\sum x_i\alpha_i$,从而 $\dim L(\alpha_i)=\dim L(\alpha_i,b)$
  • 唯一解 $\Leftrightarrow r(A)=r(A,b)=$ 未知数的个数

定理:

  • $x_1,x_2$ 为解,则 $x_1-x_2$ 为解

  • $x_0$ 为解,则所有解为 $x_0+N(A)$


U7

7.1

正交变换:$(\sigma(\alpha),\sigma(\beta))=(\alpha,\beta)$

  • 等价条件:$|\sigma(\alpha)|=|\alpha|$

正交矩阵:$A^TA=AA^T=E$

  • $A^T=A^{-1}$

  • $|A|=\pm1$

Q-R 分解:可逆实矩阵 $A=QR$,其中 $Q$ 是正交矩阵,$R$ 是主对角元素为正数的上三角矩阵

Hadamard 不等式:$|\det A|\leq\Pi|\alpha_i|$


7.2

二次曲线的不变量:

  • $I_1=a_{11}+a_{22}$

  • $I_2=\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22}\end{vmatrix}$

  • $I_3=\begin{vmatrix}a_{11}&a_{12}&a_1\\a_{12}&a_{22}&a_2\\a_1&a_2&a_0\end{vmatrix}$

可以用其判断二次曲线类型:

  • 椭圆 / 双曲线最简形:$b_{11}y_1^2+b_{22}y_2^2=0$

  • 抛物线最简形:$b_{11}y_1^2+b_1y_1=0$


7.3

矩阵相似:存在 $C^{-1}AC=B$,则称二者相似

  • $C^{-1}A^{-1}C=B^{-1}$

  • $P^{-1}A^mP=B^m$

  • $P^{-1}f(A)P=f(B)$


7.4

特征值:存在 $\lambda_0$(特征值)和 $X$(特征向量)满足 $AX=\lambda X$

定理:特征多项式 $f(\lambda)=\lambda^n+b_1\lambda^{n-1}+…+b_k\lambda^{n-k}$,其中 $b_k$ 为全体 $k$ 阶主子式之和。

  • $\sum\lambda_i\sum a_{ii}$

  • $\Pi\lambda_i=|A|$

若矩阵相似,则特征值相同(逆命题不成立)

不同特征值的特征子空间间不重合


7.5

特征值重数大于等于其特征子空间的维数

可对角化的充要条件:↑重数等于维数,且重数和等于 $n$

求对角化的变换矩阵:$P=(X_{11}…,X_{1i},…,X_{mi},…)$,即所有特征子空间的基的组合

约当块矩阵:$J=\begin{pmatrix}J_1\\&J_2\\&&…&\end{pmatrix}$,其中 $J_i=\begin{pmatrix}\lambda_1&1\\&\lambda_i&1\\&&…&\end{pmatrix}$

  • 其不与对角阵相似

7.7

矩阵相合:$C^TAC=B$


7.8

对于任意一个 $n$ 元二次型 $X^TAX$,都存在正交变换 $X=QY$,使得:

  • $X^TAX=Y^T(Q^TAQ)Y=\sum\lambda_i y_i^2$

求标准型变化矩阵:

  • 列出二次型对应矩阵

  • 正交矩阵为基的组合

求标准型:

  • 初等变换法
  • 配方法 P258 例3

相合标准型 -> 相合规范性 -> 正负惯性指数

定理:$A$ 为实对称矩阵,$A,B$ 在实数范围内相合 充要条件为惯性指数相同


7.9

正定二次型:$f(x)=X^TAX(A^T=A)$ 如果满足 $f(x)\geq 0$,且仅 $f(0)=0$

  • 若仅 $f(x)\geq 0$,则为半正定二次型
  • (半)负定二次型定义同理
  • 有正有负则为不定

Gram正定矩阵 $A=(\alpha,\alpha)$

对于 $n$ 阶实对称矩阵 $A$,下列命题等价:

  • $X^TAX$ 为正定二次型(即 $A$ 是正定矩阵)
  • $A$ 的正惯性指数为 $n$
  • 存在 $A=P^TP,|P|\not=0$
  • $A$ 的 $n$ 个特征值都大于零

顺序主子式

定理:$A$ 正定 等价于 所有顺序主子式大于零


Terminology

$R[x]_n$ 通常表示 $0$ 到 $n-1$ 次的集合

笛卡尔积:$A\times B=\lbrace(a,b)|a\in A,b\in B\rbrace$


(4.9)

分块成对角形矩阵:

$$
C=diag(C_1,…,C_n)=
\begin{pmatrix}
C_1 & 0 & … & … & 0\\
0 & C_2 & … \\
0 & 0 & … \\
… & & & C_{n-1} \\
0 & 0 & … & … & C_n
\end{pmatrix}
$$


(5.2)

“对于相抵关系构成的等价类最简单的代表元为 $U_r$,于是集合 $M_{m\times n}(F)$ 关于 $\cong$ 的商集为:$\lbrace\overline{O},\overline{U_1},…,\overline{U_k},\rbrace$,其中 $k=min(m,n)$,$O$ 为零矩阵”

  • $\overline{U_k}$ 代表秩为 $k$ 的矩阵的等价类

  • 商集是根据等价关系划分出的不相关的若干等价类的集合

数分笔记

U1

数集的稠密性

三角形不等式:$|a|-|b|\leq|a\pm b|\leq|a|+|b|$

确界原理:非空有界则有确界

  • 推广:任意非空数集必有(正常或不正常的)上下界

U2

极限 eps-N 的定义

无穷小数列:$\lim\limits_{n \to \infty} a_n = 0$(无穷大同理)

收敛数列 / 函数极限的性质:

  • (极限)唯一性
  • 有界性
  • 保号性
  • 保不等式性
  • 迫敛性

单调有界定理:单调有界即有极限

致密性定理:任何有界数列都有收敛子列

柯西收敛准则:数列极限存在 $\Leftrightarrow \forall \varepsilon>0,\exists N$,使得 $n,m\geq N$ 时,有 $|a_m-a_n|\leq\varepsilon$


U3

归结原则:设 $f$ 在 $U^o(x_0,\delta)$ 上有定义,则 $\lim\limits_{x \to x_0} f(x)$ 存在的充要条件是任何含于 $U^o(x_o,\delta)$ 且以 $x_0$ 为极限的数列 ${x_n}$,都有 $\lim\limits_{n\to\infty}f(x_n)$ 都存在且相等。即:

$$\lim\limits_{x\to x_0}f(x)=A\Leftrightarrow \forall x_n\to x_0(n\to\infty),\lim\limits_{n\to\infty}f(x_n)=A$$

  • 如果可以找到一个子列极限不存在,或者找到两个子列极限存在但不等,即可证明极限不存在。

柯西准则:对于 $x\in U^o(x_0,\delta_0), \lim\limits_{x\to x_0}f(x)$ 存在 $\Leftrightarrow \forall \varepsilon>0,\exists\delta(<\delta_0)$,使得 $\forall x’,x’’\in U^o$,有 $|f(x’)-f(x’’)|<\varepsilon$


$\lim\limits_{n\to\infty}(1+\frac{1}{n})^n=e$

$FT$:求 $\lim\limits_{n\to\infty}(1+\frac{1}{n}-\frac{1}{n^2})^n$

  • 原式 $=(1+\frac{n-1}{n^2})^{\frac{n^2}{n-1}-\frac{n}{n-1}}\geq(1+\frac{n-1}{n^2})^{\frac{n^2}{n-1}-2}$ 确定下界

高阶无穷小量:$\lim\limits_{x\to x_0}\frac{f(x)}{g(x)}=0$,则 $f$ 为 $g$ 的高阶无穷小量,记作 $f(x)=o(g(x))$

  • 无穷小量:$f(x)=o(1)$

同阶无穷小量:$\lim\limits_{x\to x_0}\frac{f(x)}{g(x)}=c\not=0$

若 $\lim\limits_{x\to x_0}|\frac{f(x)}{g(x)}|\leq L$,则记 $f(x)=O(g(x))$

  • 若 $f(x)$ 在邻域有界,记 $f(x)=O(1)$

等价无穷小量:$\lim\limits_{x\to x_0}\frac{f(x)}{g(x)}=1$,记 $f(x)\sim g(x)$

  • $\arctan x\sim x,1-\cos x\sim x^2$

U4

函数连续的定义:$\lim\limits_{x\to x_0}f(x)=f(x_0)$

  • 其等价于 $\forall\varepsilon>0,\exists\delta>0$,当 $|x-x_0|<\delta$ 时,有 $|f(x)-f(x_0)|<\varepsilon$(区分一致连续)
  • 也可以表示为 $\lim\limits_{x\to x_0}f(x)=f(\lim\limits_{x\to x_0}x)$
  • $\lim\limits_{x\to x_0}g(f(x))=g(\lim\limits_{x\to x_0}f(x))=g(f(x_0))$

连续函数闭区间有最值


第一类间断点(两侧极限存在)

  • 可去间断点(两侧相等,但函数值不存在或不等)
  • 跳跃间断点(两侧极限不等)

第二类间断点(有一侧极限不存在)

  • 无穷间断点
  • 震荡间断点

一致连续:$\forall\varepsilon>0,\exists\delta>0$,使得对于 $\forall x’,x’’\in I$,只要 $|x’-x’’|<\delta$,则有 $|f(x’)-f(x’’)|<\varepsilon$ 成立

  • 一致连续定理:闭区间连续,则一致连续

U5

$f’(x_0)=\lim\limits_{x\to x_0}\frac{f(x)-f(x_0)}{x-x_0}=\lim\limits_{\Delta x\to 0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}$

  • 可导 $\Rightarrow$ 连续
  • $f’(x)$ 也可写作 $y’|{x=x_0}$ 或 $\frac{dy}{dx}|{x=x_0}$

函数连续且严格单调,则反函数连续。

反函数的导数:设 $y=f(x)$ 为 $x=\varphi(y)$ 的反函数,若 $\varphi$ 在 $y_0$ 满足连续,严格单调且 $\varphi(y_0)\not=0$,则 $f=\varphi^{-1}$ 在 $x_0=\varphi(y_0)$ 可导,且 $f’(x)=\frac{1}{\varphi’(y)}$

  • $\frac{\Delta y}{\Delta x}=\frac{1}{\frac{\Delta x}{\Delta y}}$

莱布尼茨公式:$(uv)^{(n)}=\sum C_{n}^{k}u^kv^{n-k}$


5.5

可微:$\Delta y=f(x_0+\Delta x) - f(x_0)$,且存在 $\Delta y=A\Delta x+o(\Delta x)$

  • $A\Delta x$ 称为微分,可记作 $dy|_{x=x_0}$

U6

6.1

极大 / 小值点根据邻域内最大 / 小定义

费马定理:若函数极值点可导,则导数为 $0$


罗尔(中值)定理:

$$
\begin{cases}
f(x) \text{ 在 } [a,b] \text{ 上连续} \\
f(x) \text{ 在 } (a,b) \text{ 上可导} \\
f(a) = f(b)
\end{cases}
\Rightarrow \exists \xi \in (a,b), f’(\xi) = 0
$$

分析:

  • 易知函数在区间内有最值

    • 若 $M = m$,则为常函数

    • 若 $M \not= m$,由于 $f(a) = f(b)$,端点最多只能取 $M$ 或 $m$ 之一,则开区间内一定存在最值点

  • 若函数不全可导,$f(x) = |x|$ 即为反例


拉格朗日中值定理:

$$
\begin{cases}
f(x) \text{ 在 } [a,b] \text{ 上连续} \\
f(x) \text{ 在 } (a,b) \text{ 上可导}
\end{cases}
\Rightarrow \exists \xi \in (a,b), f’(\xi) = \frac{f(b) - f(a)}{b - a}
$$

分析:

  • 令 $g(x) = f(a) + \frac{f(b) - f(a)}{b - a}(x - a),\space F(x) = f(x) - g(x)$

  • 罗尔定理对于 $F(x)$ 适用,使得 $F’(\xi) = 0$,即 $f’(\xi) = g’(\xi)$ 得证

$f’(\xi) = \frac{f(b) - f(a)}{b - a}$ 为拉格朗日公式,有以下等价形式:

  • $f(b) - f(a) = f’(\xi)(b - a)$

  • $f(b) - f(a) = f’(a + \theta(b - a))(b - a),\space \theta \in (0,1)$

1
---T1.insert()

导数极限定理:函数在 $U(x_0,\delta_0)$ 连续,$U^o(x_0,\delta_0)$ 可导,且 $\lim\limits_{x\to x_0}f’(x)$ 存在,则极限为 $f’(x_0)$。

分析:(证明 $f_+’ = f_-‘ = f’$)

  • $f_+’ = \lim\limits_{x \to x_0^+} \frac{f(x) - f(x_0)}{x - x_0}$,对 $[x_0,x]$ 运用 $L-$中值定理使其 $=f’(\xi_x)$

  • $x \to x_0,\xi_x \to x_0$,所以极限得证

    • 解释:复合函数求极限 / 定义证明
1
---T2.insert()

定理:函数在区间可导,则

  • 区间单增 $\iff f’(x)\geq 0$

  • 区间严格单增 $\iff (1)f’(x)\geq0 \space\space\space (2)$ 任何子区间中 $f’(x) \not\equiv 0$(后者正推反证则为常函数,不成立)

    • 反推:前者知单增,后者反证不严格单增不成立

following tests

  • $T1.$ 证明对于 $x>-1$ 且 $x\not=0,\space \frac{x}{1+x}<ln(1+x)<x$。分析:

    • 令 $f(x) = lnx$

    • 运用中值定理得到 $f(1+x) - f(1) = f’(1 + \theta x) * x$

    • 注意到 $f’(x) = \frac{1}{x}$,则 $ln(1 + x) - ln1 = \frac{x}{1+\theta x}$,结合 $\theta \in (0,1)$ 得证。

  • $T2.$ 求分段函数的导数:

$$
f(x) = \begin{cases}
x + sin(x^2) & x \leq 0 \\
ln(1 + x) & x > 0
\end{cases}
$$


达布定理(导函数介值定理):若 $f(x)$ 在 $[a,b]$ 上可导,且 $f_+’(a)\not=f_-‘(b)$,对于 $\forall k\in(f_+^{‘}(a),f_-^{‘}(b)),\exists\xi\in(a,b),f’(\xi)=k$

  • 令 $F(x)=f(x)-\lambda x$,则 $F_+^{‘}(a)F_-^{‘}(b)<0$,不妨令 $F_+^{‘}(a)>0$(上凸)

  • 从而 $\exists\delta\in(0,\frac{b-a}{2})$,使得 $x’\in(a,a+\delta),F(x’)>F(a),x’’\in(b-\delta,b),F(x’’)>F(b)$

  • 结合 $F(x)$ 连续知开区间内存在最大值点,再结合 费马定理 知 $F’(x)=0$。得证。


$FT$:证 $|\arctan x-\arctan y|\leq|x-y|$

  • 令 $f(x)=\arctan x$,则 $f’(x)=\frac{1}{1+x^2}$

  • $x\not=y$ 时,由 L-中值定理,$\exist\xi\in(x,y),\arctan x-\arctan y=f’(\xi)(x-y)$

$FT2$:证明

$$
\arctan\frac{1+x}{1-x} - \arctan x=
\begin{cases}
\frac{\pi}{4} & x<1 \\
-\frac{3}{4}\pi & x>1
\end{cases}
$$


6.2

柯西中值定理:(曲线参数方程上 L-中值定理的推广)

若 $f,g$ 满足

  • 闭区间连续
  • 开区间可导
  • 导函数不同时取 $0$
  • $g(a)\not=g(b)$

则 $\exists\xi\in(a,b),\frac{f’(\xi)}{g(\xi)} = \frac{f(b) - f(a)}{g(b) - g(a)}$

  • 辅助函数罗尔定理证明

例一略

例二:导函数有界->一致连续(充分)

  • limf(x)/x^(-1/2)=A
    • 2(\sqrtx)’=x^(-1/2)
  • \exists \xi\in(0,1),|lim式|\leq|A|+1
  • g(x)=2\sqrtx,取x1,x2<\xi,针对x1x2和fg柯西中值定理
      |f(x)|
    
    艹写不下去了(图×3
    一致连续与柯西中值定理的联系……

洛必达法则~~~证明

  • 若都趋近于0,由于极限值与该点函数值无关,不妨令f(a)=g(a)=0
  • 验证a到a+\delta_0条件成立,运用柯西中值定理
    • 取该小区间内的x,K-Z式=f(x)/g(x)
      写不下去的证明图x3

FT:已知 $\lim\limits_{x\to 0^{+}} xlnx=0$,求:

  • $\lim\limits_{x\to 0^{+}} x^x$

  • $\ln^x \frac{1}{x}$

  • $sinx^{tanx},x\to\frac{\pi}{2}$

  • $\frac{\sqrt x}{1-e^{\sqrt x}},\to 0^+$

FT2:$\lim\limits_{x\to\infty}\frac{x+\cos x}{x}$

  • 洛必达求出极限不存在,不代表原式极限不存在

FT3:设 $x=0,f(x)=0$而 $x\not=0,f(x)=g(x)/x$,且已知 $g(0)=g’(0)=0,g’’(0)=3$,求 $f’(0)$

  • $f’(0) = \frac{f(x) - f(0)}{x}=g(x)/x^2=g’(x)/2x=?g’’(x)/2$ ???

    • 二阶导存在,可以推出g在邻域可导,且g’连续,但不能得到g’’在邻域存在
  • 应该是 $g’(x)/2x = 1/2 \frac{g’(x) - g’(0)}{x} = 1/2g’(0) = 3/2$

FT3:求极限 $(1+1/n+1/n^2)^n,\to\infty$

  • 取ln,令t=1/x

  • 利用归结原则……


泰勒(Taylor)多项式:$T_n(x) = f(x_0)+\frac{f’(x_0)}{1!}(x-x_0)^1+…+\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n+o((x-x_0)^n)$

  • 佩亚诺余项:$o((x-x_0)^n)=f(x)-T_n(x)$

注 $1$:已知 $P_n(x)$ 是一个 $n$ 次多项式,满足 $f(x)=P_n(x)+o((x-x_0)^n)$,但 $P_n$ 不一定是 $f$ 的 $n$ 次泰勒多项式,例如:

  • $f(x)=x^{n+1}D(x)$,只有 $f’(0)=0$ 一处导数存在,无法构造出高于一次的 $T_n$。

  • 但又有 $\lim\limits_{x\to0}\frac{f(x)}{x^n}=\lim\limits_{x\to0} xD(x)=0$,即 $f(x)=o(x^n)$,只需要取 $P_n(x)=0 +0\times…$ 即可满足伪式。

麦克劳林公式:$f(x)=f(0)+f’(0)x+f’’(0)x^2+…o(x^n)$


泰勒定理:若 $f$ 在 $[a,b]$ 上有 $n$ 次连续导函数,在 $(a,b)$ 中存在 $n+1$ 阶导数,则对于 $\forall x,x_0\in[a,b]$,存在 $\xi\in(a,b)$,使得 $f(x)=T_n(x)+\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}$

拉格朗日余项:

$$R_n(x)=f(x)-$$


第三充分条件不必要

$\lim e^{-1/x^2}P_n(1/x)$ 问题


6.5

(下)凸函数:$\forall x_1\not=x_2,\lambda\in(0,1),f(\lambda x_1+(1-\lambda)x_2)\leq \lambda f(x_1)+(1-\lambda)f(x_2)$

  • 充要条件:$\forall x_1<x_2<x_3,\frac{f(x_2)-f(x_1)}{x_2-x_1}\leq\frac{f(x_3)-f(x_2)}{x_3-x_2}$

    • 证明:QwQ

下面三命题等价:

  • $f(x)$ 为凸函数

  • $f’(x)$ 为增函数

  • $\forall x_1,x_2,f(x_2)\geq f(x_1)+f’(x_1)(x_2-x_1)$


$1/p+1/q=1$ 为正数,$ab\leq1/p\times a^p+1/q\times b^q$

  • $ln()\geq lna+lnb=1/p\times lna^p+1/q\times lnb^q$

jensen不等式:$\sum\lambda=1,f(\sum\lambda x)\leq\sum\lambda f(x)$


U7

7.1

(闭)区间套:${[a_n,b_n]}$ 满足

  • $[a_n,b_n]\supset[a_{n+1},b_{n+1}]$
  • $\lim\limits_{n\to\infty}(b_n-a_n)=0$

区间套定理:存在唯一 $\xi$ 满足 $a_n\leq\xi\leq b_n$

  • $\forall \varepsilon>0,\exists N$ 使得 $n>N,[a,b]\subset U(\xi,\varepsilon)$

聚点:无论是否属于点集 $S$ 的定点 $\xi$,若其任意邻域都含有 $S$ 中的无穷个点,则称 $\xi$ 为点集 $S$ 的一个聚点。

等价命题:

  • $\forall\varepsilon>0,U^o(\xi,\varepsilon)\cup S\not=\emptyset$
  • 存在各项互异的收敛数列 ${x_n}\subset S$,使得 $\lim x_n=\xi$

聚点定理:任何一个有界无限点集至少有一个聚点


无限(有限)开覆盖:$H$ 是无限(有限)个开区间的集合,若 $S$ 中任意元素都包含在 $H$ 的某一区间内,则称 $H$ 为 $S$ 的无限(有限)开覆盖

确界-单调有界-区间套-有限覆盖-聚点-致密性-柯西收敛准则-确界
(承认阿基米德性质的前提下)


U8

8.1

不定积分:原函数的集合,记作 $\int f(x)dx$

  • $\int f(x)dx=F(x)+C$

若 $f$ 在区间 $I$ 连续,则存在原函数(U9)

第一类间断点没有原函数,第二类可以有


$\int \sec x\tan x dx=\sec x+C$

$\int \csc x\cot xdx=-\csc x+C$

$\int \frac{dx}{\sqrt{1-x^2}}=\arcsin x+C=-\arccos x+C$

$\int \frac{dx}{1+x^2}=\arctan x+C=-arccot x + C$


8.2

第一换元积分法:复合函数

  • $\int g’(f(x))f’(x)dx=\int g’(f(x))df(x)=g(f(x))+C$

$FT:\int \frac{dx}{\sqrt{x}(1+x)}=\frac{du}{1+u^2}$

第二换元积分法:$\int f’(g(x))g’(x)dx=\int h(x)dx=H(x)+C$ 存在,则 $\int f(x)dx=H(g^{-1}(x))+C$

分部积分法

T:$\int\sqrt{x^2+a^2}dx$ 或者减

$\int\frac{dx}{(x^2+a^2)^n}$

  • 直求与递推

8.3

有理函数的不定积分:

$R(u(x),v(x))$:由 $u(x),v(x)$ 和常数经过有限次四则运算得到的函数,称为 $u(x),v(x)$ 的有理式

  • 对于 $\int R(\sin x,\cos x)dx$,常令 $t=\tan\frac{x}{2}$,转化为关于 $t$ 的有理式。

一般的,对于 $\int\frac{\alpha f(x)+\beta g(x)}{\lambda f(x)+\mu g(x)}$,且 $f,g$ 求导后互换,可将分子化为分母与分母导数的线性组合(如 $\sin,\cos$)


无理根式的不定积分:

  • 对于 $R(x,\sqrt[n]{\frac{ax+b}{cx+d}})$,其中 $ad-bc\not=0$,令 $t=\sqrt[n]{\frac{ax+b}{cx+d}}$

  • 对于 $R(x,\sqrt{ax^2+bx+c})$,令 $u=x+\frac{b}{2a},k^2=|\frac{4ac-b^2}{4a}|$,则 $\sqrt{ax^2+bx+c}$ 一定属于如下之一:

    • $|a|(u^2+k^2)$:令 $u=k\tan t$
    • $|a|(u^2-k^2)$:令 $u=k\sec t$
    • $|a|(k^2-u^2)$:令 $u=k\sin t$
      • 也可以令 $\sqrt{ax^2+bx+c}=\sqrt{a}\times x+t$

U9

9.1

积分和 / 黎曼和:$\sum f(\xi_i)\Delta x_i$

若 $||T||<\delta$,有 $|\sum f(\xi_i)\Delta x_i-J|<\varepsilon$,则称可积 / 黎曼可积,其中 $J$ 为定积分 / 黎曼积分。记作 $J=\int^b_af(x)dx=\lim\limits_{||T||\to0}\sum f(\xi_i)\Delta x_i$


9.2

(牛顿-莱布尼茨)N-L ii公式:$\int_a^{b}f(x)dx=F(b)-F(a)=F(x)\big|^b_a$


9.3

令 $M_i=\sup\limits_{x\in\Delta x_i} f(x),m_i=\inf\limits_{x\in\Delta x_i}f(x)$

达布上和:$U(T,f)=\sum M_i\Delta x_i$,简记为 $U(T)$

达布下和:$L(T,f)=\sum m_i\Delta x_i$,简记为 $L(T)$

  • $U(T)=\sup$ 黎曼和,$L(T)=\inf$ 黎曼和

可积的第一充要条件:$\inf U(T)=\sup L(T)$

  • 第二:$\forall\varepsilon>0,\exist U(T)-L(T)<\varepsilon$

函数闭区间连续则可积

  • 连续 -> 一致连续 -> 振幅满足

闭区间单调则可积

闭区间有界,且只有有限个间断点则可积

  • 设 $f$ 的间断点为 $p_i\in[u_i,v_i],v_i-u_i<\frac{\varepsilon}{k}$
  • 记 $a=v_0,b=u_{k+1}$,则 $f$ 在 $[v_i,u_{i+1}]$ (一致)连续
  • 据此做分割 $T$:
    • $(u_i,v_i)\cap T=\empty$
    • 若 $x_{i-1}\not\in{u_i}$,则 $x_i-x_{i-1}<\delta$
    • 则 $\sum \omega_i\Delta x_i\leq\varepsilon(b-a)+2M^*k\times{\varepsilon}{k}$

T. 证明黎曼函数 $[0,1]$ 可积


微积分基本定理:若 $f$ 在闭区间可积,且 $F’(x)=f(x)$,则 $\int_a^bf(x)dx=F(b)-F(a)=F(x)\big|_a^b$

  • 定义:黎曼和 $-J<\varepsilon$
  • L-中值定理:$F(x_i)-F(x_{i-1})=f(\xi_i)\Delta x_i$
  • $F(b)-F(a)=\sum F(x_i)-F(x_{i-1})$

注1:条件可降级为 $F$ 闭区间连续,$F’(x)=f(x)$
注2:可进一步降低为 $F$ 闭区间连续,除去有限个点之外都有 $F’(x)=f(x)$

  • 分割时把坏点放到分割点里去,运用 L-

T. $J=\lim\limits_{n\to\infty}\frac{1}{n+1}+…+\frac{1}{2n}$

  • $\frac{1}{n+i}=\frac{1}{1+\frac{i}{n}}\times\frac{1}{n}$
  • 该式是 $f(x)=\frac{1}{1+x}$ 在 $[0,1]$ 上的一个积分和
  • 原式 $=\int_0^1\frac{1}{1+x}dx$

闭区间:可积与存在原函数无关


9.4

定积分的线性性:$\int k_1f(x)+k_2g(x)=k_1\int f(x)+k_2\int g(x)$

若 $f,g$ 可积,则 $f\cdot g$ 也可积

  • $|f(x)g(x)-f(y)g(y)|$
  • $\leq|f(x)g(x)-f(x)g(y)|+|f(x)g(y)-f(y)g(y)|$
  • $\leq M_f|g(x)-g(y)|+M_g|f(x)-f(y)|$
  • $\leq M(\omega_f+\omega_g)$
  • 即 $\omega_{fg}\leq M(\omega_f+\omega_g)$

一些误区:

  • $\int f(x)g(x)dx\not=\int f(x)dx\times \int g(x)dx$
  • $f$ 可积,$\frac{1}{f}$ 不一定可积

积分区间可加性:$\int_a^c=\int_a^b+\int_b^c$

  • 将 $b$ 设为介点

积分第一中值定理:$\exists\xi\in[a,b],\int_a^bf(x)dx=f(\xi)(b-a)$

  • 可 $\xi\in(a,b)$

推广:若 $g$ 不变号,则有 $\int_a^bf(x)g(x)dx=f(\xi)\int_a^bg(x)dx$


9.5

变上限积分:$\phi(x)=\int_a^xf(t)dt,x\in(a,b]$

变下限积分:$\int_x^bf(t)dt,x\in[a,b)$

  • 性质:若 $f$ 在 $[a,b]$ 可积,则 $\phi$ 在 $[a,b]$ 上连续

原函数存在定理:$f$ 在 $[a,b]$ 连续,则 $\phi(x)=\int_a^xf(t)dt$ 在 $[a,b]$ 上可导,且 $\phi’(x)=f(x)$

  • 下证 $\lim\frac{\Delta\phi}{\Delta x}=f(x)$

  • 用积分第一中值定理即可

FT:$F(x)=\int_0^{x^2}f(t)dt$

  • 令 $G(x)=\int_0^xf(t)dt$,则 $F’(x)=(G(x^2))’$

FT2:$F(x)=\int_a^xf(t)(x-t)dt$,证明 $F’’(x)=f(x)$

  • $F’(x)=x\int f(t)dt-\int tf(t)dt$
  • $F’’(x)=\dots$

换元积分法:$\int_{\phi(\alpha)}^{\phi(\beta)}f(x)dx=\int_\alpha^\beta f(\phi(t))\phi’(t)dt$

FT:$\int_0^1\frac{\ln(1+x)}{1+x^2}dx$

  • 令 $x=\tan t,\int_0^{\frac{\pi}{4}}\ln(1+\tan t)$
  • $=\int_0^{\frac{\pi}{4}}\ln(\frac{\sqrt2\cos(t-\frac{\pi}{4})}{\cos t})dt$ 拆分

FT2:$\int_0^\frac{\pi}{2}\frac{\sin^2x}{\sin x+\cos x}dx$

  • 令 $x=\frac{\pi}{2}-t,=\int_0^\frac{\pi}{2}\frac{\cos^2x}{\sin x+\cos x}dx$

  • 于是原式 $=\frac{1}{2}\int_0^\frac{\pi}{2}\frac{1}{\sin x+\cos x=\sqrt2\cos(x-\frac{\pi}{4})}dx$

FT3:$\int_0^1tf(2x-t)dt=\frac{1}{2}\arctan(x^2),f(1)=1$,求 $\int_1^2f(t)dt$

  • 令 $u=2x-t$,左式 $=\int_{2x-1}^{2x}(2x-u)f(u)du$
  • 等式两边求导,利用 $F=\int_{a(x)}^{b(x)} f(u)du$,则 $F’=f’(b(x))b’(x)-a\dots$

分部积分法:$\int_a^bu(x)v’(x)dx=u(x)v(x)\big|_a^b-\int_a^bu’(x)v(x)dx$

  • 也可作 $-\int_a^bv(x)du(x)$

FT:求 $\int_0^{\frac{\pi}{2}}\sin^nxdx$

  • 拆成 $\sin x$ 与 $\sin^{n-1}x$
  • $J_{2m}=\frac{(2m-1)!!}{(2m)!!}\cdot\frac{\pi}{2},J_{2m+1}=\frac{(2m)!!}{(2m+1)!!}$
  • 注意到 $J_{2m+1}<J_{2m}<J_{2m-1}$,进一步推导……

泰勒多项式的积分形式:

$f(x)=f(x_0)+\int_{x_0}^xf’(t)dt$

  • $=f(x_0)-\int_{x_0}^xf’(t)d(x-t)$
  • $=f(x_0)-(x-t)f’(t)\big|{x_0}^x+\int{x_0}^x(x-t)f’’(t)dt$
  • $=f(x_0)+(x-x_0)f’(x_0)-\frac{1}{2}\int_{x_0}^xf’’(t)d((x-t)^2)$
  • $=T_n(x)+\frac{1}{n!}\int_{x_0}^xf^{(n+1)}(t)(x-t)^ndt$ 即泰勒多项式的积分型余项

积分第二中值定理:$f$ 可积, $g$ 单调,则存在

$\int_a^bf(x)g(x)dx=g(a)\int_a^\xi f(x)dx+g(b)\int_\xi^bf(x)dx$

  • 利用积分第一中值定理

引理:$f$ 可积,$g$ 单减且非负,则存在 $\int_a^bf(x)g(x)dx=g(a)\int_a^\xi f(x)dx$(单增则 $g(b)\int_\xi^bf(x)dx$)


9.6

证明无界不可积:取?


U10

10.1

对于 $x=x(t),y=y(t)$,其中 $x(t)$ 连续,$x’(t)\not=0$(导函数的介值性:恒大于 / 小于 $0$),$y(t)$ 连续可微(导函数连续)

  • 近似面积为 $\sum y(\xi_i)(x(t_i)-x(t_{i-1}))$
  • $=\sum y(\xi_i)x’(\lambda_i)\Delta t_i=\sum y(\xi_i)x’(\xi_i)\Delta t_i$
    • 需证 $|\sum y(\xi_i)(x’(\lambda_i)-x’(\xi_i))\Delta t_i|\rightarrow 0$
    • 解释:$\lambda$ 是定值,黎曼和的形式要求为 $\xi$ 任意值。
  • $=\int y(t)x’(t)dt$

对于封闭的参数方程,即 $x(\alpha)=x(\beta),y(\alpha)=y(\beta)$,将其分为上(下)半部分和分隔点 $\gamma$,要求:

  • $[\alpha,\gamma]$ 的上半部分,$y(t)$ 连续,$x(t)$ 连续可微,$x’(t)>0$

  • $[\gamma,\beta]$ 的下半部分,$y(t)$ 连续,$x(t)$ 连续可微,$x’(t)<0$

  • $C_1$ 在 $C_2$ 上方

  • 计算略,最终 $S=|\int y(t)x’(t)dt|$

FT:求椭圆 $\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$ 的面积

  • 参数方程为 $x=a\cos t,y=b\sin t$

对于极坐标系:$\rho=\rho(\theta)$

  • 小曲边扇形面积约等于 $\frac{1}{2}\rho^2(\xi_i)\Delta\theta_i$
  • $S=\frac{1}{2}\int_\alpha^\beta\rho^2(\theta)\text{d}\theta$

求平面曲线的弧长

定理:若有参数方程满足 $x(t),y(t)$ 连续可微,则 $C$ 是可求长的。

用折线段长度刻画:$l_T=\sum\sqrt{\dots}$,则需 $\lim\limits_{||T||\to0}l_T$ 存在。

  • $l_T=\sum\sqrt{(x’(\tau_i)\Delta t_i)^2+(y’(\xi_i)\Delta t_i)^2}$
  • $\to\int_\alpha^\beta\sqrt{(x’(t))^2+(y’(t))^2}\text{d}t$

光滑曲线:$x,y$ 连续可微,任意点 $(x’(t))^2+(y’(t))^2\not=0$

通式:

  • 普通函数:$\int\sqrt{1+(f’(x))^2}dx$
  • 极坐标方程:$\int\sqrt{(\rho’(\theta))^2+(\rho(\theta))^2}$

10.2

旋转体的体积:$\pi\int_a^b f^2(x)dx$

参数方程:$\int y(t)dx=\int y(t)x’(t)dt$

极坐标方程:$$


10.3

曲率:$\lim|\frac{\Delta\phi}{\Delta s}|=\frac{\text{d}\phi}{\text{d}s}$,即切线角增量比弧长增量

  • $s(u)=\int_a^b \sqrt{(x’(u))^2+(y’(u))^2}\text{d}u,s’(u)=\sqrt{\dots}$

  • $\tan\phi=\frac{y’(t)}{x’(t)}$


U11

11.1

反常积分:$\lim\limits_{u\to\infty}\int_a^uf(x)\text{d}x=\int_a^\infty f(x)\text{d}x$,极限存在与否决定发散或收敛。

$\int_{-\infty}^{+\infty}f(x)\text{d}x$ 取决于正负无穷,跟中间点的选取无关。


11.2

无穷积分收敛的柯西准则:$\int_a^\infty f(x)dx$ 收敛 $\Leftrightarrow |\int_{u_1}^{u_2}f(x)dx|<\varepsilon(\exist G>0,\forall u_1,u_2>G)$

线性性定理:$\int [k_1f(x)+k_2g(x)]dx$ 也收敛

  • 不加绝对值可积 单向推出 加绝对值可积

绝对值不等式定理:若 $\forall f(x)$ 在 $[a,u]$ 可积,且绝对值可积,则不加绝对值可积

比较原则极限形式:$f,g$ 极限比为常数,若 $c$ 有限,则两极限称为同敛态


柯西判别法:

  • $f(x)\leq\frac{1}{x^p},p>1$

  • $\lim x^pf(x)=c$

狄利克雷判别法:

  • $g$ 单调趋近于 $0$

  • $\int f(x)dx$ 有界

阿贝尔判别法:

  • $f$ 无穷积分收敛

  • $g$ 单调有界

都可以用积分第二中值定理证明


瑕积分:‘

’0


莱布尼茨法则:

$$
\frac{d}{dx}\int_{u(x)}^{v(x)}f(t,x)dx=f(v(x),x)\cdot v’(x)-f(u(x),x)\cdot u’(x)+\int_{u(x)}^{v(x)}\frac{\partial f}{\partial x}(t,x)dt
$$


Universal

  1. 伯努利不等式:$(1+x)^n \geq 1+nx$

  2. 对于 $\lim\limits_{n\to \infty}x_n = x$,只有 函数连续 才有 $\lim\limits_{n \to \infty}f(x_n) = f(\lim\limits_{n \to \infty} x_n) = f(x)$

  3. 遇根号想有理化

  4. 区间可导默认连续

  5. 常用积分:

  • $\int \frac{1}{1+x^2} = \arctan x + C$
  • $\int \frac{1}{\sqrt{1-x^2}} = \arcsin x=-\arccos x + C$
  • $\int\sec^3xdx=\frac{1}{2}\sec x\tan x+\frac{1}{2}\ln|\sec x+\tan x| + C$
  • $\int\frac{dx}{(x^2+a^2)^2}=\frac{x}{2a^2(x^2+a^2)}+\frac{\arctan x}{2a^3}+C$
  1. 积分常见三角换元:
  • $a^2-x^2\rightarrow x=a\sin x$ 或 $x=a\cos x$
  • $a^2+x^2\rightarrow x=a\tan x$
  • $x^2-a^2\rightarrow x=a\sec x$
  1. 三角换元 $R(\sin x,\cos x)$
  • $t=\tan x,\sin x=\frac{t}{\sqrt{1+t^2}},\cos x=\frac{1}{\sqrt{1+t^2}}$,适用于无理相乘式简化幂次,可消去 $\int\frac{dx}{1+x^2}$。

  • $t=\tan\frac{x}{2},\sin x=\frac{2t}{1+t^2}, \cos x=\frac{1-t^2}{1+t^2}$,适用于有理式


Terminologies

临界点:$f’(x) = 0$(广义上也可以不存在)

稳定点 / 不动点:$f(x) = 0$


$\sec x=1/\cos x$

$\csc x=1/\sin x$

$\cot x=1/\tan x$


跳阶乘:$(x)!! = x\times (x-2)\times\dots$


Tests

证明 $\lim\limits_{n \to \infty} \frac{a^n}{n!} = 0$

  • 应用:证明 $\lim\limits_{n \to \infty}\frac{1}{\sqrt[n]{n}} = 0$

$\lim\limits_{n \to \infty} a_n = a,求证 \lim\limits_{n \to \infty} \frac{\sum_{1}^n a_i}{n} = a$ (柯西极限定理)


$\lim\limits_{x\to \infty} \sqrt[5]{x^5+15x^4+7x} - \sqrt[3]{x^3-3x^2+2}$

令 $t = 1/x$,则 $=\lim\limits_{t\to0}(\sqrt[5]{1+15t+t^4}-\sqrt[3]{1-3t+2t^3}) / t$

运用 $(1+x)^a - 1 = ax$ 近似,$x$ 分别为 $15t+t^4$ 与……


n\to\infty e=(1+1/n)^n

现在求(1+n)^(1/n)在n趋近无穷的极限:
其等价于n^(1/n)的极限,证明略

再求(1+n^2)^(1/n)的极限:
其大于n^(2/n),小于(1+n)^2^(1/n)(即上式的平方)

证明(1+1/n)^(n^2)发散:


若 $f(x)$ 在 $[0,1]$ 上可导,且 $f(0)=0,f(1)=1$,则 $\exists x_1,x_2\in(0,1)$ 且 $x_1<x_2$,使得 $\frac{1}{f’(x_1)}+\frac{1}{f’(x_2)}=2$

  • 介值定理:$f(\xi)=\frac{1}{2}$
  • L-中值定理:$x_1\in(0,\xi),x_2\in(\xi,1)$
    • $\frac{1}{2}=f(\xi)-f(0)=f’(x_1)(\xi-0)$
    • 同理

T or F

判断正误:$存在发散数列 $a_n$,使得对于任意正整数 $k\geq2$,都有 $a_{kn}$ 收敛(√)

  • 例子:$a_n = (a_n \in prime) \space ? \space 0 : 1$

若 $a_1 = 2,a_{n+1}=3a_n - \frac{4}{a_n + 1}$,则有 $A = 3A - \frac{4}{A+1}$,解得 $A=1$ 或 $A=-2$(舍弃)(×)

  • 数列发散

若 $f$ 在区间 $I$ 上一致连续,且其反函数存在,则 $f^{-1}$ 在 $f(I)$ 上一致连续(×)

  • $f(x) = \sqrt{x}$

若 $a_n$ 满足 $\lim\limits_{n \to \infty} (a_{n+1}-a_n) = 0$,则 $a_n$ 有界(×)

  • $a_n = \sum\frac{1}{i}$ 调和级数发散

若 $a_n$ 满足 $\lim\limits_{n \to \infty} (2a_{n+1}-a_n) = 0$,则 $a_n$ 有界(√)

  • 题干推出 $\lim a_n = 0$

  • 原式推出 $|a_{n+1} - \frac{1}{2}a_n| < \frac{1}{2}\epsilon$

  • 从而有 $|a_{n+1} - \frac{1}{2}a_n| + … + |\frac{1}{2^{n-N_1-1}}a_{N_1 + 1} - \frac{1}{2^{n-N_1}}a_{N_1}|<\epsilon$

  • 取 $N_2$ 使得单项 $<\epsilon$,从而 $|a_n| \leq |a_n - | + … + $(拆分) $< \epsilon$


若 $f(x)$ 在 $(0,1)$ 上有界,则 $f’(x)$ 也有界(x)

  • $f(x)=x^\alpha\sin\frac{1}{x} & 0$

    • $\alpha>1,f’(0)=0$
    • $\alpha\leq1,f’(0)$ 不存在
  • 可取 $\alpha=\frac{3}{2}$ 为反例


$\lim\limits_{h\to0}\frac{f(2h)-f(0)}{f(h)-f(0)}=2$(x)

  • $f’(0)\not=0$ 成立
  • $f’(0)=0$ 不一定成立,如 $f(x)=x^2$

若 $f’(0)>0$,则 $\exists\delta>0,f$ 在 $U(0,\delta)$ 单调递增(x)

  • $f(x)=x+|x|^{\frac{3}{2}}\sin\frac{1}{x}& x$,任意小都波动

$f(x)=x^3D(x)$,满足 $f(x)=f(0)+f’(0)x+\frac{f’’(0)}{2}x+o(x^2)$(x)

$f(x)$ 只在 $0$ 处可导,无二阶导

py笔记

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112

######

print(0b100) # 二进制整数
print(0o100) # 八进制整数
print(100) # 十进制整数
print(0x100) # 十六进制整数

######

print(type(100)) # <class 'int'>
print(type(123.45)) # <class 'float'>
print(type('hello, world')) # <class 'str'>
print(type(True)) # <class 'bool'>

######

print(int('100', base=16)) # str->十六进制int
print(bool(1)) # str->bool,True
print(chr(65)) # int->str,输出'd'
print(ord('A')) # str->int,100

######

print(11//3)
print(2 ** 4)

######

a = None
print(a := 10)
print(1 <= a <= 2)

b = 11

print('%d 你好 %d' % (a, b))
print(f'{a:d} 你好 {b:.1f}')

######

if 1 <= a <= 100:
print('你好')
elif a and (not b):
print('你好1')
else:
if b:
print('wow')
else:
print('now')

match a:
case 1 | 3: print('1')
case 2: print('2')

######

'''

import time

# 0 ~ 99

for _ in range (100): # empty, only repeat
time.sleep(1) # 1s

for i in range (0, 100, 2): # even number
time.sleep(0.01)

print(sum(range(1, 3, 0.1)))

'''

######

while a <= 15:
a += 1
if a > 20:
break
elif a > 25:
continue

######

import random

a = random.randrange(1, 101)

######

items1 = [1, 1.1, '1', True]
items2 = list(range(1, 11))
items3 = list('hello') # h e l l o
print(items1 + items2 + items3 * 2)
print(2 not in items1) # False
print(items1[0], items1[-1]) # forward subscript 0 ~ 4 is equal to reversed subscript -5 ~ -1
print(items1[0:5:2]) # range [0,5), span is 2, namely 0, 2, 4, they can also be negative
print(items1[:], items1[::]) # acquiescently 0, ending, 1
# such options can also be used to modify lists

# lists can be compared, like ==, !=, <= ..., the rule is comparing each elements one by one(parallel[adv])


# type 1 to traverse each one:
for i in range(len(items1)):
print(items1[i], end = ' ')
# type 2:
for item in items1:
print(item, end = " ")


######