先回顾一下“一元微分学”部分的知识链:数轴 -> 数列 -> 数列的收敛 -> (不等式)数列的极限 -> 一元函数的极限 -> 一元函数的连续性 -> 一致连续 -> 导数 -> 微分。
从上面的链条可以看出:数列是一维空间(数轴)的、离散的研究对象;而函数二维空间(平面)的、连续的研究对象。而多元函数微积分(Multivarialbe Calculus)是对之前“一元微分学”的维度扩展。
一、点列
1,从“数列”(sequence)到“点列”(point range)
从几何角度来看,数列是分布在数轴上的点,而点列是分布在平面或空间中的点。它们之间的主要差异是维度不一样,也可以将数列看作一维的点列。
1)数列中两个元素的距离
2)二维点列(平面)中两点的距离
3)三维点列中两点的距离
依次类推,可以扩展到n维点列,都可以将它们转换为n维向量的运算。
2,点列的收敛
数列收敛的定义是
注:上式的绝对值可以去掉,极限的定义本身就是用绝对值不等式来描述的。
从向量的角度来说,上式等价于
即向量的各分量之差趋于零。
二、平面点集和n维空间
1,平面点集
在平面直角坐标系中,任意一点
例如:中心在原点,半径为 r 的圆内的所有点,可以表示为:
或者
2,邻域
注:很明显,上式使用距离(distance)来描述的
去心邻域
3,内点、外点、边界点
利用邻域可以很方便的描述点与点集的关系,常见的有:内点、外点和边界点(
4,聚点
如果对于任意给定的
5,开集、闭集
主要看
6,连通集、区域(连通的开集)、闭区域
区域 .vs 区间
7,有界集与无界集
注:本节的概念较多,准确定义可以去看教科书。
8,n维空间 ——
数轴到平面再到三维空间,依此类推,可以知道
三、多元函数
1,多元函数(multi-variable function)的概念
顾名思义,它是有多个自变量的函数,比如:圆柱体体积
很显然,多元函数的定义域与一元函数的定义域的表示方式是不一样的:一元函数的定义域是数轴上的一个区间,而多元函数是定义域是点集。比如二元函数
注:为了方便讨论,后面一般只讨论二元函数,多元函数可以另行扩展。
2,二元函数的极限(二重极限)
函数的极限不同于数列的极限:数列的极限只有
对于一元函数来讲,自变量被限制在x轴上,根据极限的定义:
二元函数极限的定义是
从上式可以看出,它是平面上的两个点的趋近
很明显,极限值是不同的。再来看
我们能说这个极限存在,且等于0吗?换条路径再看
事实上,我们只能以邻域的方式来描述平面上两个点的趋近。
3,求二元函数的极限
一般利用极限的性质转化为一元函数的极限,例如:
4,二次极限
直接看例子,注意它与二重极限的关系
在求 x 的极限时,将 y 当常数看待,故有
5,二元函数的连续性
二元函数的连续性与一元函数的连续性是相似,包括:点连续、一致连续、介值定理、有界性与最大最小值定理。具体可以参考教材。
注:关于多元函数的极限和连续性,可以参考 wiki - multivariable calculus
四、课后习题
Exercise 10-1-1-2
以下
解:先画图
import numpy as np
import matplotlib.pyplot as plt
y = np.linspace(-5, 5)
x = 1 - y ** 2
plt.plot(x, y)
plt.grid()
plt.show()
如上图所示,这个点集位于曲线外围
Exercise 10-1-1-4
(0,0)是以下函数f(x,y)的定义域的内点的是:
解: (0,0)是 A 的边界点, B 的聚点,非内点; C 的聚点,边界点, D 的内点。
#Exercise 10-1-1-5
from sympy import *
init_printing()
x,y,u,v = symbols('x y u v')
expr = (3 * u ** 2 * v + v ** 3 ) / 4
simplify(expr.subs({u:(x+y), v:(x-y)}))