<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>微积分 on Blog</title>
    <link>/tags/%E5%BE%AE%E7%A7%AF%E5%88%86/</link>
    <description>Recent content in 微积分 on Blog</description>
    <generator>Hugo -- 0.146.0</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 03 Jun 2026 23:00:00 +0800</lastBuildDate>
    <atom:link href="/tags/%E5%BE%AE%E7%A7%AF%E5%88%86/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>大一下学期微积分笔记</title>
      <link>/posts/%E5%A4%A7%E4%B8%80%E4%B8%8B%E5%AD%A6%E6%9C%9F%E5%BE%AE%E7%A7%AF%E5%88%86%E7%AC%94%E8%AE%B0/</link>
      <pubDate>Wed, 03 Jun 2026 23:00:00 +0800</pubDate>
      <guid>/posts/%E5%A4%A7%E4%B8%80%E4%B8%8B%E5%AD%A6%E6%9C%9F%E5%BE%AE%E7%A7%AF%E5%88%86%E7%AC%94%E8%AE%B0/</guid>
      <description>&lt;h2 id=&#34;上半学期多元函数微分学&#34;&gt;上半学期：多元函数微分学&lt;/h2&gt;
&lt;h3 id=&#34;1-二重极限与累次极限&#34;&gt;1. 二重极限与累次极限&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;二重极限：$\displaystyle \lim_{(x,y)\to(x_0,y_0)} f(x,y)$&lt;/li&gt;
&lt;li&gt;累次极限：$\displaystyle \lim_{x\to x_0}\lim_{y\to y_0} f(x,y)$&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&#34;2-无穷小的阶&#34;&gt;2. 无穷小的阶&lt;/h3&gt;
&lt;p&gt;设$\rho = | \boldsymbol{x} - \boldsymbol{x_0} |$为两点间的距离（二元函数中即$\sqrt{(x-x_0)^2+(y-y_0)^2}$），若$f(\boldsymbol{x}) = O(\rho^k)$，则称$f$是$k$阶无穷小。&lt;/p&gt;
&lt;h3 id=&#34;3-多元函数微分与偏导数&#34;&gt;3. 多元函数微分与偏导数&lt;/h3&gt;
&lt;p&gt;对$n$元函数$u = f(x_1,x_2,\dots,x_n)$，全微分公式：
$$du = \frac{\partial u}{\partial x_1} dx_1 + \frac{\partial u}{\partial x_2} dx_2 + \dots + \frac{\partial u}{\partial x_n} dx_n$$&lt;/p&gt;
&lt;h3 id=&#34;4-方向导数&#34;&gt;4. 方向导数&lt;/h3&gt;
&lt;p&gt;设$\vec{l} = (\cos\alpha_1, \cos\alpha_2, \dots, \cos\alpha_n)$为单位方向向量（$\alpha_i$是$\vec{l}$与第$i$个坐标轴的夹角），则$f(x_1,\dots,x_n)$在$\boldsymbol{x_0}$处沿$\vec{l}$的方向导数为：
$$\frac{\partial f}{\partial \vec{l}}(\boldsymbol{x_0}) = \frac{\partial f}{\partial x_1}(\boldsymbol{x_0})\cos\alpha_1 + \frac{\partial f}{\partial x_2}(\boldsymbol{x_0})\cos\alpha_2 + \dots + \frac{\partial f}{\partial x_n}(\boldsymbol{x_0})\cos\alpha_n$$&lt;/p&gt;</description>
    </item>
    <item>
      <title>大一下学期微积分笔记</title>
      <link>/posts/%E5%A4%A7%E4%B8%80%E4%B8%8B%E5%AD%A6%E6%9C%9F%E9%AB%98%E7%AD%89%E4%BB%A3%E6%95%B0%E7%AC%94%E8%AE%B0/</link>
      <pubDate>Wed, 03 Jun 2026 23:00:00 +0800</pubDate>
      <guid>/posts/%E5%A4%A7%E4%B8%80%E4%B8%8B%E5%AD%A6%E6%9C%9F%E9%AB%98%E7%AD%89%E4%BB%A3%E6%95%B0%E7%AC%94%E8%AE%B0/</guid>
      <description>&lt;h2 id=&#34;1-各种分解&#34;&gt;1. 各种分解&lt;/h2&gt;
&lt;h3 id=&#34;11-lu-与-ldu-分解&#34;&gt;1.1 LU 与 LDU 分解&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;定义&lt;/strong&gt;：某矩阵 $A=LU$，则 $U$ 是对 $A$ 作行简化后得到的&lt;strong&gt;上三角矩阵&lt;/strong&gt;。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;例子&lt;/strong&gt;：
$$ A = \begin{pmatrix} 1 &amp;amp; 2 &amp;amp; 3 \\ 4 &amp;amp; 4 &amp;amp; 6 \\ 2 &amp;amp; 2 &amp;amp; 6 \end{pmatrix} \sim \begin{pmatrix} 1 &amp;amp; 2 &amp;amp; 3 \\ 0 &amp;amp; -4 &amp;amp; -6 \\ 0 &amp;amp; -2 &amp;amp; 0 \end{pmatrix} \sim \begin{pmatrix} 1 &amp;amp; 2 &amp;amp; 3 \\ 0 &amp;amp; -4 &amp;amp; -6 \\ 0 &amp;amp; 0 &amp;amp; 3 \end{pmatrix} \leftarrow \text{这个是 } U $$&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
