高等数学下

[TOC]

考前提醒

做积分题时先看有没有对称性

再将数据带入看看被积函数是不是1

第二类曲线积分

看能不能用积分与路径无关这个性质

题中有完全微分说明混合偏导相等，并且积分与路径无关

等价无穷小、求导公式

全微分形式

隐函数求偏导

高阶偏导

“$f$ 具有二阶连续偏导数” 混合偏导相等

意味着函数 $f$ 的所有二阶偏导数都是存在并且连续的。具体来说，如果我们有一个函数 $f$，它的偏导数可以写作 $f_x, f_y$ 等，那么它的二阶偏导数可以写作 $f_{xx}, f_{yy}, f_{xy}, f_{yx}$ 等。对于函数 $f$ 来说，具有二阶连续偏导数意味着：

1. 所有这些二阶偏导数都存在。
2. 这些二阶偏导数是连续的函数。
3. 混合偏导数相等，即 $f_{xy} = f_{yx}$。

为了理解这个概念，可以考虑一个具体的例子。假设我们有一个函数 $f(x, y)$，并且我们计算其一阶和二阶偏导数：

• 一阶偏导数：

  $$f_x = \frac{\partial f}{\partial x}, \quad f_y = \frac{\partial f}{\partial y}$$

• 二阶偏导数：

  $$f_{xx} = \frac{\partial^2 f}{\partial x^2}, \quad f_{yy} = \frac{\partial^2 f}{\partial y^2}, \quad f_{xy} = \frac{\partial^2 f}{\partial x \partial y}, \quad f_{yx} = \frac{\partial^2 f}{\partial y \partial x}$$

如果 $f$ 具有二阶连续偏导数，那么我们可以保证 $f_{xy} = f_{yx}$。这是根据克拉默法则（Clairaut's Theorem）或 Schwarz's Theorem，它说明如果 $f$ 的混合偏导数存在并且连续，那么它们是相等的。

对于这个特定问题，假设 $z = f(xy, \frac{x}{y}) + \sin y$，并且 $f$ 具有二阶连续偏导数，这意味着我们可以在计算混合二阶偏导数 $\frac{\partial^2 z}{\partial x \partial y}$ 时使用 $f_{12} = f_{21}$。这在数学上为我们提供了一个简化计算的工具，因为我们知道在计算过程中，这些混合偏导数会相等。

总结来说，“具有二阶连续偏导数”这一性质确保了在偏导数的计算过程中，我们可以依赖混合偏导数的对称性，从而简化计算过程。这是多变量微积分中的一个重要概念。

复合函数求偏导

先画出关系链，同路相乘，不同路相加

遇到表达式写在里面的可以先用参数换出来再做

求偏导后关系链不变，和原来的函数的关系链是相同的，

求复合函数的二阶偏导数的时候注意前导后不导的那种复合函数

偏导、连续、可微的关系

注意⚠️

这里的偏导连续指的是这个函数的偏导数存在且偏导数在这一点连续

这里的连续指的是函数在这一点连续

这里的偏导存在指的是函数在这一点的偏导数存在

1. 可微 $\Rightarrow$ 偏导数存在（必要条件）

假设一个函数 ( f(x, y) ) 在某点 ( (a, b) ) 处可微，这意味着存在线性近似：

$$f(a + h, b + k) = f(a, b) + f_x(a, b) h + f_y(a, b) k + o(\sqrt{h^2 + k^2})$$

其中 ( f_x(a, b) ) 和 ( f_y(a, b) ) 是 ( f ) 在点 ( (a, b) ) 处的偏导数。因为可微表示函数在某点附近可以用一个线性函数近似，所以偏导数必定存在。这是可微的一个必要条件。

2. 偏导数存在 $\nRightarrow$ 可微（偏导数存在不一定可微）

即使函数在某点的所有偏导数都存在，函数在该点也不一定可微。例如，考虑函数

$$f(x, y) = \begin{cases} \frac{x^2 y}{x^2 + y^2}, & (x, y) \neq (0, 0) \\ 0, & (x, y) = (0, 0) \end{cases}$$

可以计算出该函数在原点的偏导数 ( f_x(0, 0) = 0 ) 和 ( f_y(0, 0) = 0 )，但该函数在原点并不可微，因为它的增量不能很好地用线性近似。

3. 可微 $\Rightarrow$ 连续（充分条件）

如果函数在某点可微，则它在该点一定连续。可微意味着函数不仅在该点处存在一个良好的线性近似，而且函数值也随变量的微小变化而变化。若函数在某点可微，则该点附近的函数值趋于该点的函数值，即函数在该点连续。

4. 连续 $\nRightarrow$ 可微（连续不一定可微）

即使一个函数在某点连续，它也不一定在该点可微。举个例子，绝对值函数 ( f(x) = |x| ) 在 ( x = 0 ) 处是连续的，但在该点不可微，因为左导数和右导数不相等。

5. 偏导数存在且连续 $\Rightarrow$ 可微（充分条件）

如果函数的偏导数在某点存在且连续，则该函数在该点可微。例如，对于函数 ( f(x, y) )，如果 ( f_x ) 和 ( f_y ) 都在点 ( (a, b) ) 处存在且连续，则 ( f ) 在该点可微。这是一个充分条件。

通过这几条关系，我们可以更好地理解函数可微性、连续性和偏导数存在之间的关系。在实际应用中，这些概念对函数的分析和研究非常重要。

梯度、方向导数

方向导数的最大值等于梯度的模

多元函数的极值

多元函数条件极值

空间几何

叉乘

直线、平面方程

求对称式方程

利用参数方程求交点坐标

点到平面的距离公式

切线、法平面

切平面、法线

曲线的梯度、曲面的梯度

是的，你的理解是正确的。具体来说：

1. 曲线的梯度：对于空间曲线，曲线在某一点的梯度向量可以被看作是该点切线的方向向量。

2. 曲面的梯度：对于曲面，曲面在某一点的梯度向量（即法向量）确实是该点切平面的法向量。

解释

曲线的梯度向量： 假设曲线由参数方程 $\mathbf{r}(t) = (x(t), y(t), z(t))$ 描述，曲线在某一点 $P$ 的切线方向向量是该点处的导数向量 $\mathbf{r}'(t)$。

曲面的梯度向量： 假设曲面由隐函数 $F(x, y, z) = 0$ 描述，曲面在某一点 $P$ 的梯度向量 $\nabla F = \left( \frac{\partial F}{\partial x}, \frac{\partial F}{\partial y}, \frac{\partial F}{\partial z} \right)$ 是该点处切平面的法向量。切平面的方程可以写成：

$$\nabla F \cdot \mathbf{r} = \nabla F \cdot \mathbf{r_0}$$

其中，$\mathbf{r}$ 是平面上的任意一点向量，而 $\mathbf{r_0}$ 是曲面上点 $P$ 的位置向量。

综上所述：

• 曲线在某一点的切线方向向量可以通过求该点处的导数向量得到。
• 曲面在某一点的切平面的法向量是该点处的梯度向量。

显函数形式曲面的梯度

假设曲面用显函数形式表示，例如 $z = f(x, y)$，我们仍然可以找到梯度向量，并且它是曲面在该点的切平面的法向量。

1. 求偏导数

• 计算 $f$ 对 $x$ 的偏导数，记为 $\frac{\partial f}{\partial x}$。
• 计算 $f$ 对 $y$ 的偏导数，记为 $\frac{\partial f}{\partial y}$。

2. 构造梯度向量

对于显函数形式的曲面 $z = f(x, y)$，在点 $P(x_0, y_0, z_0)$ 处，梯度向量 $\nabla f$ 为： $( \nabla f = \left( \frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}, -1 \right) )$

3. 验证梯度向量是法向量

通过上述计算得到的梯度向量 $\nabla f$ 是曲面在该点的切平面的法向量。

示例

设曲面为 $z = x^2 + y^2$，在点 $P(1, 1, 2)$ 处求梯度向量：

1. 求偏导数： $( \frac{\partial z}{\partial x} = 2x \quad \text{和} \quad \frac{\partial z}{\partial y} = 2y )$

2. 在点 $P(1, 1, 2)$ 处计算梯度向量： $( \left( \frac{\partial z}{\partial x}, \frac{\partial z}{\partial y}, -1 \right) = \left( 2 \cdot 1, 2 \cdot 1, -1 \right) = (2, 2, -1) )$

3. 验证梯度向量： 梯度向量 $(2, 2, -1)$ 是曲面 $z = x^2 + y^2$ 在点 $P(1, 1, 2)$ 处的切平面的法向量。

切平面方程

切平面方程通过点法式表示为： $( 2(x - 1) + 2(y - 1) - 1(z - 2) = 0 )$

化简后得到： $( 2x + 2y - z = 4 )$

综上所述，对于显函数形式的曲面，我们通过求偏导数可以找到梯度向量，该梯度向量是切平面的法向量。

二重积分

三重积分

第一类曲线积分

注意⚠️

这里的x的范围只论大小：从小到大，不论起点终点

在第二类曲线积分中只论起点终点，不论大小

做题之前可以先看一下积分曲线是不是关于哪个轴对称，在进行解答

第一类曲线积分的几何意义主要涉及曲线上的一个标量场函数的累积效应。具体来说，它反映了标量场沿着曲线的总量积累。设曲线 $C$ 是在平面或空间中一条光滑曲线，标量场函数 $f$ 在曲线 $C$ 上有定义，则第一类曲线积分 $\int_C f \, ds$ 的几何意义可以解释如下：

几何意义

• 曲线上的累积量：第一类曲线积分表示标量场 $f$ 在曲线 $C$ 上每个点的值乘以该点的曲线长度元素 $ds$ 的总和。因此，它反映了函数 $f$ 沿曲线 $C$ 的累积效应。
• 加权长度：如果标量场 $f$ 表示某种密度（如质量密度、能量密度等），那么 $\int_C f \, ds$ 表示沿曲线 $C$ 的加权长度，即曲线上各点的密度乘以对应的小段长度的和。

数学表达

设曲线 $C$ 用参数方程 $\mathbf{r}(t)$，$t$ 在区间 $[a, b]$ 上变化，那么第一类曲线积分可以表示为：

$$\int_C f \, ds = \int_a^b f(\mathbf{r}(t)) \|\mathbf{r}'(t)\| \, dt$$

其中，$\mathbf{r}(t)$ 是曲线的参数方程，$\mathbf{r}'(t)$ 是其导数，$\|\mathbf{r}'(t)\|$ 表示导数的模，即曲线在 $t$ 点的速度。

示例

假设在平面上有一条曲线 $C$，定义为 $y = x^2$，从点 $(0, 0)$ 到 $(1, 1)$，函数 $f(x, y) = x + y$。那么，第一类曲线积分表示 $f(x, y)$ 在曲线 $y = x^2$ 上的累积效果。

我们可以参数化曲线为 $\mathbf{r}(t) = (t, t^2)$，其中 $t$ 在 $[0, 1]$ 上变化。于是，

$$\int_C (x + y) \, ds = \int_0^1 (t + t^2) \sqrt{1 + (2t)^2} \, dt$$

这个积分表示沿曲线 $y = x^2$ 从 $(0, 0)$ 到 $(1, 1)$ 积累的函数 $f(x, y)$ 的总量。

综上，第一类曲线积分的几何意义主要在于它描述了标量场函数沿着特定曲线的累积效应，反映了曲线上每个点的标量场值乘以曲线长度元素的总和。

一个简单的例子

假设你在一条河边走，这条河的深度在不断变化。你想知道这条河的总水量。你可以把河的每个小段的长度乘以那个小段的深度，然后把这些小段的结果加起来。这就是第一类曲线积分的基本思想。

用公式表示的话，假设曲线是 ( C )，函数是 ( f )，那么第一类曲线积分 (\int_C f , ds) 可以被理解为：

$$\int_C f \, ds = \text{每一小段的值（深度）} \times \text{那一小段的长度}$$

然后，把所有小段的结果加起来，就是总的值。

第二类曲线积分

注意⚠️

在第二类曲线积分中只论起点终点，不论大小

格林公式

最常考题型

这里积分区域不定是闭合的，也可以使用这个积分区域与路径无关的性质

第一类曲面积分

第二类曲面积分

高斯公式

常数项级数

级数

审敛法

1. 使用必要条件：n无穷大一般项等于0
2. 比值法
3. 根值法
4. 等价无穷小替换

交错级数

收敛的两个条件：

1. n趋于无穷，一般项趋于0 （这里不包括-1的部分）
2. 单调递减

绝对收敛、条件收敛

绝对收敛和条件收敛原来的表达式都是收敛的，只是加绝对值之后的的收敛情况不同

幂级数

带x项的叫做幂级数，幂级数的收敛与发散与x的取值是有关系的

收敛半径、收敛域

⚠️这里的一般项an指的是不带有x的项

收敛区间和收敛半径指的都是x的取值

p不等于0时，x收敛域的边界需要带入原来的式子进行验证

图片中的公式讨论了某个级数的收敛半径。根据图中的内容，给出的级数项是 $x^{kn+l}$ 形式，收敛半径 $R$ 被表示为 $R = \frac{1}{\sqrt[k]{\rho}}$。

这里可以忽略 $l$ 的原因是：当我们讨论级数的收敛性时，指数中的 $l$ 对收敛半径没有实质性的影响。实际上，级数项的主要影响因素是 $kn$，因为 $k$ 和 $n$ 决定了指数的增长速度，而 $l$ 是一个固定的偏移量，不影响级数的整体收敛性。

简而言之，级数的收敛性主要取决于 $kn$，忽略 $l$ 是因为它不会改变级数的收敛性质和收敛半径的计算。

和函数

注意⚠️

这里先导后积和先后导的时候不要忘了有积分上下限

上限为x下限为0

幂级展开

微分方程

求齐通

求非奇特

将非奇特求导带回求未知数（对应相等）

最后 将齐通和非奇特相加得得到最后的答案

傅立叶级数

二阶线性齐次方程的线性叠加原理

二阶线性齐次微分方程具有线性叠加性。为了更详细地理解这一点，先考虑一个一般形式的二阶线性齐次微分方程：

$$a(x) y'' + b(x) y' + c(x) y = 0$$

其中，$a(x)$、$b(x)$和$c(x)$是$x$的函数，$y$是待求解的函数。

线性叠加原理

线性叠加原理说明，如果$y_1(x)$和$y_2(x)$是该二阶线性齐次微分方程的两个解，那么它们的线性组合也是这个方程的解。具体来说，对于任意常数$C_1$和$C_2$，函数

$$y(x) = C_1 y_1(x) + C_2 y_2(x)$$

也是原方程的解。我们可以通过验证这一点来确认它的正确性：

1. 计算$y$的导数：

$$y' = C_1 y_1' + C_2 y_2'$$ $$y'' = C_1 y_1'' + C_2 y_2''$$

2. 将$y$、$y'$和$y''$代入原方程：

$$a(x) y'' + b(x) y' + c(x) y = a(x) (C_1 y_1'' + C_2 y_2'') + b(x) (C_1 y_1' + C_2 y_2') + c(x) (C_1 y_1 + C_2 y_2)$$

3. 展开和整理：

$$= C_1 [a(x) y_1'' + b(x) y_1' + c(x) y_1] + C_2 [a(x) y_2'' + b(x) y_2' + c(x) y_2]$$

4. 由于$y_1$和$y_2$都是原方程的解，所以：

$$a(x) y_1'' + b(x) y_1' + c(x) y_1 = 0$$ $$a(x) y_2'' + b(x) y_2' + c(x) y_2 = 0$$

5. 因此：

$$C_1 \cdot 0 + C_2 \cdot 0 = 0$$

这表明$y = C_1 y_1 + C_2 y_2$确实是原方程的解。

总结

二阶线性齐次微分方程确实具有线性叠加性。这是线性微分方程的一个重要性质，它使得可以通过已知解构造新的解，从而大大简化了解题过程。

傅里叶级数简介

傅里叶级数可以将一个周期函数表示为正弦和余弦函数的和。一个周期为 $T$ 的周期函数 $f(x)$ 的傅里叶级数表示为：

$$f(x) = a_0 + \sum_{n=1}^{\infty} \left( a_n \cos \left( \frac{2n\pi x}{T} \right) + b_n \sin \left( \frac{2n\pi x}{T} \right) \right)$$

其中，$a_0$、$a_n$ 和 $b_n$ 的计算公式分别为：

$$a_0 = \frac{1}{T} \int_{-T/2}^{T/2} f(x) \, dx$$ $$a_n = \frac{2}{T} \int_{-T/2}^{T/2} f(x) \cos \left( \frac{2n\pi x}{T} \right) \, dx$$ $$b_n = \frac{2}{T} \int_{-T/2}^{T/2} f(x) \sin \left( \frac{2n\pi x}{T} \right) \, dx$$

在这个题目中，$T = 2$，所以公式变为：

$$a_0 = \frac{1}{2} \int_{-1}^{1} f(x) \, dx$$ $$a_n = \int_{-1}^{1} f(x) \cos(n\pi x) \, dx$$ $$b_n = \int_{-1}^{1} f(x) \sin(n\pi x) \, dx$$

求 $a_0$

$$a_0 = \frac{1}{2} \left( \int_{-1}^{0} 4 \, dx + \int_{0}^{1} x^2 \, dx \right)$$

计算上面的积分：

$$\int_{-1}^{0} 4 \, dx = 4x \Big|_{-1}^{0} = 4(0 - (-1)) = 4$$ $$\int_{0}^{1} x^2 \, dx = \frac{x^3}{3} \Big|_{0}^{1} = \frac{1}{3} - 0 = \frac{1}{3}$$

所以：

$$a_0 = \frac{1}{2} \left( 4 + \frac{1}{3} \right) = \frac{1}{2} \cdot \frac{13}{3} = \frac{13}{6}$$

求 $a_n$

$$a_n = \int_{-1}^{0} 4 \cos(n\pi x) \, dx + \int_{0}^{1} x^2 \cos(n\pi x) \, dx$$

这两个积分分别计算：

$$\int_{-1}^{0} 4 \cos(n\pi x) \, dx = \frac{4}{n\pi} \sin(n\pi x) \Big|_{-1}^{0} = \frac{4}{n\pi} \left( \sin(0) - \sin(-n\pi) \right) = \frac{4}{n\pi} \left( 0 - (-\sin(n\pi)) \right) = \frac{4 \sin(n\pi)}{n\pi} = 0$$

因为 $\sin(n\pi) = 0$。

接下来是第二个积分：

$$\int_{0}^{1} x^2 \cos(n\pi x) \, dx$$

这个积分需要用分部积分法来计算。这是一个复杂的积分，我们可以使用分部积分法两次来解决。

$$u = x^2, \quad dv = \cos(n\pi x) \, dx$$ $$du = 2x \, dx, \quad v = \frac{\sin(n\pi x)}{n\pi}$$

首先积分一次：

$$\int x^2 \cos(n\pi x) \, dx = x^2 \cdot \frac{\sin(n\pi x)}{n\pi} \Big|_{0}^{1} - \int 2x \cdot \frac{\sin(n\pi x)}{n\pi} \, dx$$ $$= \frac{\sin(n\pi)}{n\pi} - 0 - \frac{2}{n\pi} \int x \sin(n\pi x) \, dx = 0 - \frac{2}{n\pi} \int x \sin(n\pi x) \, dx$$

接下来再次使用分部积分法：

$$u = x, \quad dv = \sin(n\pi x) \, dx$$ $$du = dx, \quad v = -\frac{\cos(n\pi x)}{n\pi}$$ $$\int x \sin(n\pi x) \, dx = -\frac{x \cos(n\pi x)}{n\pi} \Big|_{0}^{1} + \int \frac{\cos(n\pi x)}{n\pi} \, dx = -\frac{\cos(n\pi)}{n\pi^2} + \int \frac{\cos(n\pi x)}{n\pi} \, dx$$ $$= -\frac{(-1)^n}{n\pi^2} + \frac{\sin(n\pi x)}{(n\pi)^2} \Big|_{0}^{1} = -\frac{(-1)^n}{n\pi^2} + 0 = -\frac{(-1)^n}{n\pi^2}$$

所以：

$$a_n = 0 - \frac{2}{n\pi} \cdot -\frac{(-1)^n}{n\pi^2} = \frac{2(-1)^n}{n^2 \pi^3}$$

求 $b_n$

由于 $f(x)$ 是偶函数，因此所有的 $b_n$ 都是0：

$$b_n = \int_{-1}^{1} f(x) \sin(n\pi x) \, dx = 0$$

结论

$$f(x) = \frac{13}{6} + \sum_{n=1}^{\infty} \frac{2(-1)^n}{n^2 \pi^3} \cos(n\pi x)$$

因此，傅里叶级数在 $x = 0$ 处收敛到：

$$f(0) = \frac{13}{6} + \sum_{n=1}^{\infty} \frac{2(-1)^n}{n^2 \pi^3} \cos(0) = \frac{13}{6} + \sum_{n=1}^{\infty} \frac{2(-1)^n}{n^2 \pi^3}$$

由于所有的 $b_n = 0$，所以傅里叶级数的结果就是上面的和。

总结

各种积分形式下的对称性性质

好的，让我们详细探讨一下在不同类型积分中的对称性及其影响。

1. 二重积分与对称性

对于二重积分，如果被积函数和积分区域具有特定的对称性，那么积分结果可能为零。

二重积分的定义：

$\iint_D f(x, y) \, dA$

情况一：被积函数关于 $x$ 为奇函数，且积分区域 $D$ 关于 $y$ 轴对称

如果 $f(-x, y) = -f(x, y)$ 且积分区域 $D$ 关于 $y$ 轴对称，则： $\iint_D f(x, y) \, dA = 0$ 这是因为在对称区域上，奇函数的正负部分相互抵消。

情况二：被积函数关于 $y$ 为奇函数，且积分区域 $D$ 关于 $x$ 轴对称

如果 $f(x, -y) = -f(x, y)$且积分区域 $D$ 关于 $x$ 轴对称，则： $\iint_D f(x, y) \, dA = 0$ 原因同上，奇函数在对称区域上的正负部分相互抵消。

2. 三重积分与对称性

三重积分也有类似的性质。

三重积分的定义：

$\iiint_V f(x, y, z) \, dV$

情况一：被积函数关于 $x$ 为奇函数，且积分区域 $V$ 关于 $y$ 轴对称

如果 $f(-x, y, z) = -f(x, y, z)$ 且积分区域 $V$ 关于 $y$轴对称，则： $\iiint_V f(x, y, z) \, dV = 0$

情况二：被积函数关于 $y$ 为奇函数，且积分区域 $V$ 关于 $x$ 轴对称

如果 $f(x, -y, z) = -f(x, y, z)$且积分区域 $V$关于 $x$ 轴对称，则： $\iiint_V f(x, y, z) \, dV = 0$

3. 第一类曲线积分与对称性

第一类曲线积分沿给定路径对标量场积分。

定义：

$\int_C f(x, y) \, ds$

对于第一类曲线积分，如果被积函数 $f$ 和路径 $C$ 具有特定的对称性，也会出现积分为零的情况。

情况一：被积函数关于 $x$ 为奇函数，且路径 $C$ 关于 $y$ 轴对称

如果 $f(-x, y) = -f(x, y)$ 且路径 $C$ 关于 $y$ 轴对称，则： $\int_C f(x, y) \, ds = 0$

情况二：被积函数关于 $y$ 为奇函数，且路径 $C$ 关于 $x$ 轴对称

如果 $f(x, -y) = -f(x, y)$且路径 $C$ 关于 $x$ 轴对称，则： $\int_C f(x, y) \, ds = 0$

4. 第二类曲线积分与对称性

第二类曲线积分沿给定路径对向量场积分。

定义：

$\int_C \mathbf{F} \cdot d\mathbf{r}$

对于第二类曲线积分，向量场 $\mathbf{F}$ 的对称性以及路径 $C$ 的对称性同样会导致积分结果为零。

情况一：向量场关于 $x$ 为奇函数，且路径 $C$ 关于 $y$ 轴对称

如果 $\mathbf{F}(-x, y) = -\mathbf{F}(x, y)$ 且路径 $C$ 关于 y\轴对称，则： $\int_C \mathbf{F} \cdot d\mathbf{r} = 0$

情况二：向量场关于 $y$ 为奇函数，且路径 $C$ 关于 $x$ 轴对称

如果 $\mathbf{F}(x, -y) = -\mathbf{F}(x, y)$ 且路径 $C$ 关于 $x$ 轴对称，则： $\int_C \mathbf{F} \cdot d\mathbf{r} = 0$

5. 第一类曲面积分与对称性

第一类曲面积分在曲面上对标量场积分。

定义：

$\iint_S f(x, y, z) \, dS$

对于第一类曲面积分，如果被积函数 $f$ 和曲面 $S$ 具有特定的对称性，积分结果也可能为零。

情况一：被积函数关于 $x$ 为奇函数，且曲面 $S$ 关于 $y$ 轴对称

如果 $f(-x, y, z) = -f(x, y, z)$ 且曲面 $S$ 关于 $y$轴对称，则： $\iint_S f(x, y, z) \, dS = 0$

情况二：被积函数关于 $y$ 为奇函数，且曲面 $S$ 关于 $x$ 轴对称

如果 $f(x, -y, z) = -f(x, y, z)$且曲面 $S$ 关于 $x$ 轴对称，则： $\iint_S f(x, y, z) \, dS = 0$

6. 第二类曲面积分与对称性

第二类曲面积分在曲面上对向量场积分。

定义：

$\iint_S \mathbf{F} \cdot d\mathbf{S}$

对于第二类曲面积分，如果向量场 $\mathbf{F}$ 和曲面 $S$ 具有特定的对称性，积分结果也可能为零。

情况一：向量场关于 $x$ 为奇函数，且曲面 $S$ 关于 $y$ 轴对称

如果 $\mathbf{F}(-x, y, z) = -\mathbf{F}(x, y, z)$ 且曲面 $S$ 关于 $y$ 轴对称，则： $\iint_S \mathbf{F} \cdot d\mathbf{S} = 0$

情况二：向量场关于 $y$ 为奇函数，且曲面 $S$ 关于 $x$ 轴对称

如果 $\mathbf{F}(x, -y, z) = -\mathbf{F}(x, y, z)$ 且曲面 $S$ 关于 $x$ 轴对称，则： $\iint_S \mathbf{F} \cdot d\mathbf{S} = 0$

总结起来，各种积分形式在具有特定对称性时，积分结果为零的性质是普遍存在的。关键在于被积函数（或向量场）的奇偶性和积分区域（路径或曲面）的对称性。

带有上下限的积分的求导公式

带有上下限的积分的求导公式涉及到黎曼-斯蒂尔切斯积分和微积分基本定理的应用。具体来说，对于一个带有上下限的积分：

$F(x) = \int_{a(x)}^{b(x)} f(t) \, dt$

其求导公式为：

$$\frac{dF(x)}{dx} = f(b(x)) \cdot b'(x) - f(a(x)) \cdot a'(x) + \int_{a(x)}^{b(x)} \frac{\partial f(t, x)}{\partial x} \, dt$$

这里，$a(x)$ 和 $b(x)$ 是积分的上下限，它们都是 $x$ 的函数，$f(t, x)$ 是被积函数，可能也依赖于 $x$。

具体步骤如下：

1. 确定上下限的导数：计算 $a(x)$ 和 $b(x)$ 关于 $x$ 的导数，分别记作 $a'(x)$ 和 $b'(x)$。
2. 被积函数的直接求导部分：若被积函数 $f(t, x)$ 依赖于 $x$，则需计算其对 $x$ 的偏导数 $\frac{\partial f(t, x)}{\partial x}$。
3. 应用公式：将所有部分代入上面的公式。

例如，考虑一个具体的例子：

$F(x) = \int_{x}^{2x} \sin(t) \, dt$

1. 上下限导数：

   • $a(x) = x$，$a'(x) = 1$
   • $b(x) = 2x$，$b'(x) = 2$

2. 被积函数的直接求导部分：$\sin(t)$ 与 $x$ 无关，因此 $\frac{\partial \sin(t)}{\partial x} = 0$。

3. 应用公式：

$$\frac{dF(x)}{dx} = \sin(2x) \cdot 2 - \sin(x) \cdot 1 + \int_{x}^{2x} 0 \, dt = 2\sin(2x) - \sin(x)$$

所以，$F(x)$ 的导数为：

$$\frac{dF(x)}{dx} = 2\sin(2x) - \sin(x)$$

这样，我们就得到了带有上下限的积分的求导结果。

计算函数 $xe^x$、$xe^{-x}$、$-xe^x$ 和 $-xe^{-x}$ 的积分

使用部分积分法

1. 对于 $xe^x$：

   $$\int xe^x \, dx$$

   使用分部积分公式 $\int u \, dv = uv - \int v \, du$，令 $u = x$，$dv = e^x \, dx$，那么 $du = dx$，$v = e^x$。于是

   $$\int xe^x \, dx = xe^x - \int e^x \, dx = xe^x - e^x + C = e^x(x - 1) + C$$

2. 对于 $xe^{-x}$：

   $$\int xe^{-x} \, dx$$

   同样使用分部积分，令 $u = x$，$dv = e^{-x} \, dx$，那么 $du = dx$，$v = -e^{-x}$。于是

   $$\int xe^{-x} \, dx = -xe^{-x} - \int -e^{-x} \, dx = -xe^{-x} + e^{-x} + C = -e^{-x}(x + 1) + C$$

3. 对于 $-xe^x$：

   $$\int -xe^x \, dx$$

   这实际上是 $xe^x$ 的积分的负值，因此

   $$\int -xe^x \, dx = - \left( e^x(x - 1) \right) + C = -e^x(x - 1) + C$$

4. 对于 $-xe^{-x}$：

   $$\int -xe^{-x} \, dx$$

   这实际上是 $xe^{-x}$ 的积分的负值，因此

   $$\int -xe^{-x} \, dx = - \left( -e^{-x}(x + 1) \right) + C = e^{-x}(x + 1) + C$$

总结起来，各个积分分别是：

1. $\int xe^x \, dx = e^x(x - 1) + C$
2. $\int xe^{-x} \, dx = -e^{-x}(x + 1) + C$
3. $\int -xe^x \, dx = -e^x(x - 1) + C$
4. $\int -xe^{-x} \, dx = e^{-x}(x + 1) + C$