数学分析2习题答案这样用：拆解极限、级数到重积分的解题流程

简介USTC数学分析2习题答案1是中科大《数学分析讲义第二册》的配套习题解答PDF主要覆盖第8章空间解析几何与第9章多变量函数的微分学两大主题。前者系统梳理向量与坐标系、平面与直线、二次曲面及常见坐标变换帮助建立三维空间的几何直观后者深入讲解多变量函数的连续性、偏导数与全微分、隐函数定理与逆映射定理、Taylor公式与极值、向量场微商以及微分形式并配套综合习题与重点习题。资源为单个PDF文档大小仅1.41MB按章节组织目录清晰便于随时定位与复习。目前已有831人学习适合中科大数学分析课程学生及正在攻克多元微积分的学习者使用。解答过程详细严谨既有计算步骤又有理论论证能有效帮助读者核对解答、梳理思路、提升空间解析与多元微分运算能力。1. 数学分析2的习题答案到底在解决什么从听懂课到算得出数学分析2的习题答案不是拿来抄的。很多同学拿到某高校《数学分析2》的课后答案第一反应是背可考试时换一个参数就卡住。这套资料真正有用的地方在于把求极限、判级数、算积分变成一条可复现的思路链先判断题型再选方法最后验证前置条件。这篇笔记按我刷题和给同学讲题时总结的顺序把极限与级数判敛、一致收敛、多元微分、隐函数和重积分的操作步骤拆开讲每步都配上能直接跑的验证代码。适合正在准备期中期末、以及想补计算功底的读者目标是让你在面对习题答案时不是看它算得对不对而是看懂它为什么这样走。2. 先搭好计算框架极限、级数与一致收敛的解题顺序数学分析2的前半段作业题基本可以分成三类极限计算、级数判敛、一致收敛性证明。很多同学拿到习题答案直接对着算式抄忽略掉前面那些因为……所以选……的判断结果就是换一道题就失灵。这一章把三类题的判断顺序固定下来后面所有章节都复用这套顺序。2.1 极限题先定无穷小阶再决定用等价替换还是泰勒展开普通极限题第一选择不是洛必达。洛必达只解决0/0或∞/∞而且每用一次都要重新验证条件遇到(e^x)、(\sin x)、(\ln(1x))混在一起的式子泰勒展开反而更稳。关键动作是先看分子分母谁是低阶主导。比如(\lim_{x\to0}\frac{e^x-1-x}{x^2})分子里的(e^x)展开到(x^2)项时系数是(\frac{1}{2})答案就是这个系数不需要洛必达来回求导。import sympy as sp x sp.symbols(x, realTrue) f (sp.exp(x) - 1 - x) / x**2 # 符号极限输出 1/2 print(sp.limit(f, x, 0)) # 把 e^x 在 0 附近展开到 3 阶能直接看到 x^2 项系数 print(sp.series(sp.exp(x), x, 0, 4))逻辑说明sp.limit走的是符号计算路线它不会像数值法那样受浮点误差干扰sp.series则把 (e^x) 展开成 (1x\frac{x^2}{2}\frac{x^3}{6}O(x^4))一眼就能看出分子剩下的最低阶项就是 (\frac{x^2}{2})。参数说明sp.series(表达式, 变量, 展开点, 阶数)的阶数填4表示保留到 (x^3) 项如果分母是 (x^3)这里就要改成5。sp.limit第三个参数0是趋近值需要算单侧极限时再加dir或dir-。等价替换可以用但必须先知道余项不影响答案。如果把 (e^x-1) 直接换成 (x)分子变成0这道题的极限就算成0实际答案是 (\frac{1}{2})这就翻车了。我的一般习惯是分母是 (x^k)分子至少展开到 (x^k) 项两个无穷小相减时还要多留心它们的低阶项是否抵消。2.2 级数判敛先看通项结构再选比值或根值级数判敛的顺序固定为三步通项是否趋于0绝对值级数是否收敛再选比值、根值或比较。比值法适合含 (n!)、(a^n) 这种乘出来的结构根值法适合通项整体带 (n) 次幂的情况带有 (\sin n) 这种振荡项时比值极限经常不存在这时候比较法是首选。以 (\sum \frac{\sin n}{n^2}) 为例因为 (|\sin n|\le 1)所以 (\left|\frac{\sin n}{n^2}\right|\le \frac{1}{n^2})右边的 (\sum\frac{1}{n^2}) 收敛于是原级数绝对收敛。这里不需要算出级数和只要夹住就行。import sympy as sp n sp.symbols(n, positiveTrue, integerTrue) # 比较法的标尺∑ 1/n^2 π²/6 print(sp.summation(1/n**2, (n, 1, sp.oo)))逻辑说明sp.summation直接给出已知 p-级数的精确和 (\frac{\pi^2}{6})这个值说明标尺级数收敛。原级数每一项的绝对值都被 (\frac{1}{n^2}) 控制住所以绝对收敛的结论立刻成立。参数说明sp.summation(通项, (n, 1, sp.oo))里第二个元组表示求和变量从1到正无穷integerTrue声明 (n) 是整数避免 SymPy 把 (n) 当连续变量处理。如果题目里通项带参数比如 (\sum\frac{1}{n^p})就把p也声明为positiveTrue否则输出会带一堆分段条件。注意比值法失效不表示级数发散只表示这个方法不适用。看习题答案时要留意它用的是哪个判别法自己重做时如果比值极限不存在就退回到比较法或狄利克雷判别法不要硬套。2.3 一致收敛的证明M判别法失效时回到sup范数定义一致收敛的题有两种主流做法M判别法和 sup 范数定义。M判别法要求找一致上界 (M_n) 且 (\sum M_n) 收敛但很多题里 (M_n) 不好找或者找到的 (\sum M_n) 发散但函数列仍一致收敛。这时候要回去算 (\sup_{x\in D}|f_n(x)-f(x)|)。例如 (f_n(x)\frac{x}{1n^2x^2})(x\in[0,1])。逐点极限是 (f(x)0)但逐点收敛推不出一致收敛需要用求导找最大值点算出 (\sup\frac{1}{2n}\to0)才敢下结论。import sympy as sp x, n sp.symbols(x n, positiveTrue) f x / (1 n**2 * x**2) # 求导找区间内的临界点 df sp.diff(f, x) print(sp.solve(sp.Eq(df, 0), x)) # 最大值点 x1/n 处的函数值 print(f.subs(x, 1/n))逻辑说明(f_n(x)) 在区间内先增后减最大值点满足导数为0。解出来临界点是 (\pm\frac{1}{n})正区间只保留 (\frac{1}{n})代入后得到 (\frac{1}{2n})随着 (n\to\infty) 趋于0所以是一致收敛。参数说明sp.solve(sp.Eq(df, 0), x)的sp.Eq构造方程返回临界点列表subs(x, 1/n)是代入操作。positiveTrue约束 (x,n0)这样负临界点会被过滤掉如果题目区间包含负数需要去掉这个约束再单独检查端点。这里有个快速判断技巧如果逐点极限函数不连续那一定不是一致收敛。比如 (x^n) 在 ([0,1]) 上的逐点极限在 (x1) 处断开直接可以排除一致收敛不用做任何计算。3. 把习题答案拆成操作步骤多元微分、隐函数、重积分与含参变量积分这一章进入下半学期的计算题多元微分、隐函数、重积分、含参变量积分。它们的共同点是都可以步骤化步骤对了计算量再大也不容易偏。习题答案里真正值钱的不是最后那个结果而是中间那几步为什么这样拆。3.1 多元函数链式法则先设中间变量再逐层求导看到 (zf(x^2y^2, xy)) 这类题先写出 (ux^2y^2)、(vxy)然后 (z_xf_u\cdot u_xf_v\cdot v_x)。常见错误是漏掉中间变量或者把 (u_x) 写成 (u)。先定义中间变量再照着链式法则展开就可以避免。import sympy as sp x, y sp.symbols(x y) u x**2 y**2 v x * y # 用 f1、f2 占位表示 f 对两个中间变量的偏导 f1, f2 sp.symbols(f1 f2) z_x f1 * sp.diff(u, x) f2 * sp.diff(v, x) print(z_x)逻辑说明输出 (2x f_1 y f_2)其中 (f_1) 和 (f_2) 只是占位符代表 (f_u) 和 (f_v)。这样做检查的是链式法则的线路有没有写错手算时再把 (f_u)、(f_v) 代回去。参数说明sp.diff(u, x)是 (u) 对 (x) 的偏导sp.symbols(f1 f2)创建两个普通符号它们不是真正的函数。如果要算二阶偏导需要把f1、f2继续按这个规则展开此时会引入 (f_{uu})、(f_{uv}) 等符号。注意这里有个前置条件——二阶混合偏导 (f_{uv}f_{vu}) 需要在函数二阶连续可导时才成立。习题答案里如果直接交换求导次序它默认了这个条件考试时最好按题目给出的字母顺序写避免无谓丢分。3.2 隐函数与条件极值把隐变成方程组求导隐函数求偏导公式 (\frac{\partial z}{\partial x}-\frac{F_x}{F_z}) 只有一个适用条件(F_z\neq0)。如果 (F_z0)这个公式不能用要改用微分法或参数化。条件极值则用拉格朗日乘子法构造 (Lf-\lambda g)然后解梯度条件和约束方程。import sympy as sp x, y, lam sp.symbols(x y lambda) f x**2 y**2 g x y - 1 eq1 sp.Eq(sp.diff(f, x) - lam * sp.diff(g, x), 0) eq2 sp.Eq(sp.diff(f, y) - lam * sp.diff(g, y), 0) eq3 sp.Eq(g, 0) print(sp.solve([eq1, eq2, eq3], [x, y, lam], dictTrue))逻辑说明这个方程组表示 (f) 的梯度等于 (\lambda) 乘以 (g) 的梯度同时约束 (g0)。解出来是 (xy\frac{1}{2},\lambda1)候选点只有一个代回原函数就是极值点。参数说明sp.Eq构造等式sp.solve([eq1, eq2, eq3], [x, y, lam], dictTrue)返回字典列表方便直接读解。lam是乘子符号打印时显示成lambda。如果约束是不等式或边界不光滑比如 (|x||y|1)拉格朗日方程组可能无解需要把拐点单独拿出来算。3.3 重积分换序先画区域再写边界最后验证重积分换序是最容易想当然的题。正确顺序画出区域固定外层变量写出内层变量的两个边界函数。以区域 (D:\ 0\le x\le1,\ x^2\le y\le x) 为例两条曲线 (yx^2) 和 (yx) 的交点是 ((0,0)) 和 ((1,1))。固定 (y\in[0,1]) 时(x) 的下界是 (y)上界是 (\sqrt{y})。import sympy as sp x, y sp.symbols(x y) # 先对 y 积分再对 x 积分 I1 sp.integrate(1, (y, x**2, x), (x, 0, 1)) # 换序先对 x 积分再对 y 积分 I2 sp.integrate(1, (x, y, sp.sqrt(y)), (y, 0, 1)) print(I1, I2)逻辑说明两种积分次序下区域面积都等于 (\frac{1}{6})。如果换序后的边界写错了面积一定对不上。这就是换序的后悔药——用常数1先做一次面积检验比直接带被积函数省事得多。参数说明sp.integrate的元组从右往左读最右边是最外层积分变量所以第一个写法表示先积分 (y) 再积分 (x)第二个写法相反。sp.sqrt(y)就是 (\sqrt{y})换序时注意开闭区间不影响定积分值但上下界函数的相对大小必须保持正确。3.4 含参变量积分与欧拉积分先用收敛性卡边界含参变量积分是下半学期的分水岭。常见做法是费曼积分法对参数求导把导数放进积分号算出一个简单积分再对参数积分回来。但这个技巧的前提是原积分关于参数一致收敛否则求导和积分不能交换。看答案时如果它直接交换了你要能识别出这一步背后的理由。import sympy as sp x, a sp.symbols(x a, positiveTrue) # 直接求 ∫_0^∞ e^(-ax) sin(x)/x dx print(sp.integrate(sp.exp(-a*x) * sp.sin(x) / x, (x, 0, sp.oo)))逻辑说明对 (a0)这个积分收敛SymPy 输出 (\arctan(1/a))。结果本身不重要重要的是它帮你确认交换求导和积分这一步在 (a0) 时是合法的如果 (a\le0)收敛性立刻崩掉。参数说明(x, 0, sp.oo)表示积分区间从0到正无穷positiveTrue声明 (a0)避免输出带分段条件。如果算出来的结果和数值积分对不上先检查参数范围再检查被积函数有没有奇点。欧拉积分部分也常用(\int_0^1 x^{p-1}(1-x)^{q-1}dx\frac{\Gamma(p)\Gamma(q)}{\Gamma(pq)})使用限制是 (p,q0)。遇到 (\int_0^\infty x^{p-1}e^{-x}dx) 这类题就识别成 (\Gamma(p))再用递推 (\Gamma(p1)p\Gamma(p)) 化简。这些是习题答案里反复出现的标准件可以当公式直接套。4. 数学分析2习题的五个典型踩坑现象、原因与修正第3章的步骤能保证做对大部分题但习题答案里最容易误导人的地方是它把前置条件藏在字里行间。下面五个坑是我在作业和小测里见过有人反复踩的按现象、原因、解决写清楚。4.1 级数换序结果漂移忽略绝对收敛判定的后果现象把某个条件收敛的级数重排后部分和最终趋近另一个值和答案对不上。原因级数只条件收敛时重排会改变极限。(\sum\frac{(-1)^{n-1}}{n}) 是经典反例重排后可以收敛到任意实数习题答案里如果用傅里叶级数或求和技巧通常默认了绝对收敛。解决先算 (\sum|a_n|)。如果发散不要动项的位置如果是幂级数还要确认 (x) 在收敛半径内并单独检查端点。4.2 含参变量求导算得有道理但结果不对现象把 (\frac{\partial}{\partial a}) 挪进积分号算出来的表达式代入数值后和直接数值积分的结果对不上。原因被积函数对参数的偏导数在积分区间内有奇点或者原积分关于参数不是一致收敛导致求导和积分不能交换。解决先在草稿上验证两个条件(\frac{\partial f}{\partial a}) 连续原积分在参数区间内一致收敛。如果区间端点有奇点把开区间和端点分开处理不要混在一起算。4.3 重积分换序后积分区域变成了另一个图形现象把区域 (D:\ 0\le x\le1,\ x^2\le y\le x) 换序后被积函数取1算面积两种次序得到不同结果。原因固定外层变量后内层变量的上下界没有同时满足定义区域的两个不等式。比如有人会写成 (0\le x\le1,\ x\le y\le\sqrt{x})这其实是另一块区域。解决画出两条边界曲线固定 (y) 后横向扫描得到 (y\le x\le\sqrt{y})。每次换序后先用常数1做面积检验对上再继续。4.4 格林公式翻车路径无关漏掉单连通条件现象计算 (\oint_C\frac{x,dy-y,dx}{x^2y^2}) 时用格林公式算得0直接参数化却得 (2\pi)。原因被积函数的 (P,Q) 在原点无定义闭曲线 (C) 围成的区域有洞不是单连通区域。格林公式的前提被破坏。解决算曲线积分前先检查 (P,Q) 在区域内有没有奇点。如果 (C) 绕原点不能直接套格林公式可以挖掉原点周围的小圆把边界拆成两段分别计算。4.5 泰勒展开丢高阶项极限差一个常数现象(\lim_{x\to0}\frac{\sin x-x\cos x}{x^3})用 (\sin x\sim x)、(\cos x\sim1) 算出来是0答案却是 (\frac{1}{3})。原因分子分母同阶无穷小一阶展开不足以区分低阶项相减后抵消真正的答案藏在高阶项里。解决分母是 (x^k)分子至少展开到 (x^k)。这道题把 (\sin x) 和 (x\cos x) 各展到3阶相减后剩 (\frac{x^3}{3})除以 (x^3) 得 (\frac{1}{3})。下面这张表是我做题时固定贴在草稿纸边上的自检表每次动笔前扫一眼。题型最容易漏掉的前置条件自查动作级数换序绝对收敛先判 (\sum|a_n|) 是否收敛含参变量求导一致收敛与连续性求导前验证控制收敛条件重积分换序边界同时满足所有不等式画图并做常数面积检验曲线/曲面积分单连通、无奇点检查 (P,Q) 在区域内定义泰勒展开分母的阶数展开到分母同阶及以上5. 把习题答案变成自己的验证习惯一个自查流程答案看得再多不如亲手验证一次。这里分享一个我常用的三层自查流程从快到慢能覆盖大部分课后题。5.1 数值抽检用代码给结果录像拿到一个积分或级数的结果先用数值方法抽一个点。比如验证 (\int_0^1\frac{\ln(1x)}{x}dx) 的手算结果直接跑数值积分import scipy.integrate as si import numpy as np f lambda x: np.log(1 x) / x val, err si.quad(f, 0, 1) print(round(val, 10), err)逻辑说明quad返回两个值第一个是积分近似值第二个是误差估计。如果err在 (10^{-12}) 量级说明数值结果可靠可以拿来和符号答案对比。这个积分的结果是 (\frac{\pi^2}{12})约等于0.822467差在 (10^{-8}) 以内就算对上。参数说明quad的第二个和第三个参数是积分下限与上限lambda x: ...是匿名函数适合写这种单行被积函数。如果被积函数在端点有奇点quad会自动处理开区间不用手工拆。5.2 反向代入把求导结果放回原式求完隐函数的偏导比如 (\frac{\partial z}{\partial x}-\frac{F_x}{F_z})把导函数代回原关系 (F(x,y,z)0)验证两边恒等。这个方法不需要代码纸笔就能做但能拦住一大半符号错误。重积分换序后也同理把两种次序的积分都算一遍数值一致就说明边界没写错。5.3 草稿流检查前置条件写在题目边上我后来养成的习惯是做题第一步不是算而是在题号旁边写下需要验证的前置条件。草稿纸分成两栏左边写条件——收敛性、连续性、单连通、可导性右边写计算。算完以后回头扫一眼左边答案是不是建立在所有条件都满足的基础上一眼就能看出来。某同学当年靠背答案混过小测期末考了一道几乎一样的题只是换了个参数就卡住。他后来每次算完一道积分题都拿数值积分对一下常数对不上就回头查前置条件。慢慢地做答案变成了对思路。这也是我在这篇笔记里写这么多坑的原因——答案只是结果会验证条件和步骤才是能迁移的能力。希望这个流程能帮你在习题答案面前多一分自己的判断力。本文还有配套的精品资源点击获取