由方程式确定的隐函数求导公式的“实例递进式”推导

一、前言

对于一个二元隐函数(或者说二元方程式) $F(x, y) = 0$, $y = y(x)$ 而言,对 $x$ 求导(全导数)的公式的一般推导过程如下:

$$
\begin{aligned}
& F \left( x, y \right) = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} F \left( x, y \right)}{\mathrm{d} x} = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \textcolor{orange}{ F^{\prime}_{x} \left( x, y \right) + F^{\prime}_{y} \left( x, y \right) \frac{\mathrm{d} y}{\mathrm{d} x} = 0 } \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} y}{\mathrm{d} x} = \frac{- F^{\prime}_{x} \left( x, y \right)}{F^{\prime}_{y} \left( x, y \right)}
\end{aligned}
$$

其中,$F^{\prime}_{y} \left( x, y \right) \neq 0$.

当然,我们也可以简写成下面的形式:

$$
\begin{aligned}
& F \left( x, y \right) = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} F}{\mathrm{d} x} = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \textcolor{orange}{ F^{\prime}_{x} + F^{\prime}_{y} \frac{\mathrm{d} y}{\mathrm{d} x} = 0 } \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} y}{\mathrm{d} x} = \frac{- F^{\prime}_{x} }{F^{\prime}_{y} }
\end{aligned}
$$

其中,$F^{\prime}_{y} \neq 0$.

此外,还可以写成下面的形式:

$$
\begin{aligned}
& F \left( x, y \right) = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} F}{\mathrm{d} x} = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \textcolor{orange}{ \frac{\partial F}{\partial x} + \frac{\partial F}{\partial y} \frac{\mathrm{d} y}{\mathrm{d} x} = 0 } \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} y}{\mathrm{d} x} = \frac{- \partial F / \partial x }{ \partial F / \partial x }
\end{aligned}
$$

其中,$\frac{\partial F}{\partial x} \neq 0$.

可以看到,要理解上面的公式,最主要的就是要理解 $\frac{\partial F}{\partial x}$ $+$ $\frac{\partial F}{\partial y} \frac{\mathrm{d} y}{\mathrm{d} x}$ $=$ $0$ 这个式子是怎么来的.

在本文中,「荒原之梦考研数学」将通过一些实例,以递进式的方式,为同学们讲清楚上面这个式子的由来.

继续阅读“由方程式确定的隐函数求导公式的“实例递进式”推导”

一元 n 次方程的韦达定理(包括证明过程和示例)

一、前言

韦达定理描述了多项式方程的根与方程系数之间的关系. 由于该定理由法国数学家弗朗索瓦·韦达首次发现,因此得名.

一元 n 次方程的韦达定理(包括证明过程和示例)- 荒原之梦考研数学
韦达(1540-1603)的肖像画,来自 wikimedia.org, 公有领域授权.
继续阅读“一元 n 次方程的韦达定理(包括证明过程和示例)”

峰图 | 齐次函数本质机制的两种解释

一、前言

在「荒原之梦考研数学」的《齐次函数详解与示例》这篇文章中,我们以定义和示例的方式理解了什么是齐次函数,在本文中,我们将通过四则运算的运算律和峰式图两种方式,来深入理解齐次函数的本质机制.

继续阅读“峰图 | 齐次函数本质机制的两种解释”

非线性微分方程会存在通解吗?

一、前言

对于考研数学经常考察的微分方程而言,无论是齐次还是非齐次的线性微分方程都存在通解,那么,非线性的微分方程存在通解吗?

在本文中,我们就来回答一下这个问题,让同学们对非线性微分方程的性质有一个更加深入的理解.

继续阅读“非线性微分方程会存在通解吗?”

峰图 | 如何理解线性微分方程的“叠加原理”?

一、前言

微分方程所谓的“叠加原理”指的就是,如果 $y_{1}(x)$ 和 $y_{2}(x)$ 是某个齐次线性微分方程的解,那么 $k_{1} y_{1}(x) + k_{2} y_{2}(x)$, 或者差 $k_{1} y_{1}(x) – k_{2} y_{2}(x)$ 也是该齐次线性微分方程的解,其中 $k_{1}$ 和 $k_{2}$ 为任意常数——

简单来说,狭义的“叠加原理”指的就是,齐次线性微分方程解的叠加仍然是其解.

此外,对于非齐次的线性微分方程,(广义的)叠加原理仍然有效,即:

  1. 如果 $y_{1}$, $y_{2}$ 都是非齐次方程 $L[y]=C$ 的解,则它们的差 $y_{1} – y_{2}$ 一定也是齐次方程 $L[y]=0$ 的解;他们的和 $y_{1} + y_{2}$ 一定也是非齐次方程 $L[y]=2C$ 的解;
  2. 如果 $y_{1}$, $y_{2}$ 都是非齐次方程 $L[y]=g(x)$ 的解,则它们的差 $y_{1} – y_{2}$ 一定也是齐次方程 $L[y]=0$ 的解;他们的和 $y_{1} + y_{2}$ 一定也是非齐次方程 $L[y]=2g(x)$ 的解.
继续阅读“峰图 | 如何理解线性微分方程的“叠加原理”?”

峰图 | 关于图形动态等价原理的解释

一、前言

在「荒原之梦考研数学」的《峰图 | 深入理解二元函数的(全面)极限》这篇文章中,我们知道,在二元函数一点处极限的定义中,无论去心邻域的形状是圆形,还是正方形,对应的定义都是等价的,并且通过极限的思想证明了为什么圆形和正方形的形状不同,但是却等价.

接着,在「荒原之梦考研数学」的《峰图 | 二元函数去心邻域可以是哪些形状?不可以是哪些形状?》这篇文章中,我们基于《峰图 | 深入理解二元函数的(全面)极限》这篇文章中的结论,得出了所有能够做环绕极限点放缩的二维有界平面(可推广至三维有界曲面)在定义二元函数一点处极限的时候都是等价的这个更进一步的结论.

在这篇文章中,「荒原之梦考研数学」将通过对图形动态等价原理的阐释,给出有关不同形状的能够做环绕极限点放缩的二维有界平面(可推广至三维有界曲面,但在本文中仅基于二维有界平面做论述)在定义二元函数一点处极限的时候都是等价的这一结论的另一视角的证明.

继续阅读“峰图 | 关于图形动态等价原理的解释”

可分离变量微分方程的两种形式:导数形式和微分形式

一、前言

对于可分离变量的微分方程,我们如下这种导数形式的表达式:

$$
\frac{\mathrm{d} y}{\mathrm{d} x} = f(x)g(y)
$$

以及下面这种微分形式的表达式:

$$
f_{1}(x) g_{1}(y) \mathrm{~d} x + f_{2}(x) g_{2}(y) \mathrm{~d} y = 0
$$

事实上,上面这两种表达形式是完全等价的.

接下来,荒原之梦考研数学就通过代数运算,证明这二者的等价关系.

继续阅读“可分离变量微分方程的两种形式:导数形式和微分形式”

微分方程的分类:常微分方程和偏微分方程

一、前言

微分方程(Differential Equation, DEQ)分为常微分方程(Ordinary Differential Equation, ODE)和偏微分方程(Partial Differential Equation, PDE).

$$
\mathrm{ DEQ } \begin{cases}
\mathrm{ ODE } \\
\mathrm{ PDE }
\end{cases}
$$

如图 01 所示,如果对常微分方程和偏微分方程做进一步的细分,就可以发现,无论常微分方程还是偏微分方程,都有一阶、二阶、三阶……,以及线性和非线性之分,但是,只有线性的常微分方程和线性的偏微分方程才有齐次和非齐次之分,非线性的微分方程是没有齐次和非齐次之分的:

微分方程的分类:常微分方程和偏微分方程 | 荒原之梦考研数学 | 图 01.
图 01.

从形式上来看,ODE 和 PDE 的主要区别就是自变量的个数不同:ODE 只有一个自变量,PDE 则包含多个自变量.

由于对单变量函数的求导所得的导函数也被称为“常导数”,所以,只有一个自变量的微分方程就被称为常微分方程;类似地,由于对含有多个自变量的函数只能求偏导数,所以,含有多个自变量的微分方程就被称为偏微分方程.

在考研数学中,只考察仅包含一个自变量的常微分方程.

继续阅读“微分方程的分类:常微分方程和偏微分方程”

荒原之梦网全部内容均为原创,提供了涵盖考研数学基础知识、考研数学练习题、考研数学真题等方面,大量精心研发的学习资源。

豫ICP备17023611号-1 | 公网安备 - 荒原之梦 豫公网安备41142502000132号
Copyright©2017-2026 ZhaoKaifeng.com 版权所有 All Rights Reserved.

豫ICP备17023611号-1
  豫公网安备41142502000132号
Copyright©2026   ZhaoKaifeng.com   All Rights Reserved.

荒原之梦 自豪地采用WordPress