標籤:

多元函數極限的一些討論

前言

多元函數的極限,是一個非常難以理解的東西。相信大家在學習多元函數極限的時候,都對「以任意方式趨近」有了很深的印象。一元函數的極限,很簡單,只會以直線趨近,但維度一升高,極限就會變的異常複雜。我這篇文章里主要想講的是,怎樣將多元函數極限與一元函數極限聯繫起來。當然,也有一些很實用的技巧,比如說最後一部分中,利用極坐標來判斷二重極限不存在。

這篇文章的實用性並沒有前幾篇那麼強,但我覺得,如果想大致了解一下多元函數的極限與一元函數極限的關係,這篇文章也許能起到一定的作用。

正文

我們以多元函數的極限的定義來開始我們這次的文章:

不過在此之前,我們需要先定義 n 維空間中的距離:

對於點 A(a_1,a_2,ldots ,a_n)B(b_1,b_2,ldots ,b_n) ,定義

|AB|=sqrt{sum _{i=1}^n(a_i-b_i)^2}

接下來,我們就可以定義極限了:

對於 nm 維函數 f:mathbb R^n	o mathbb{R} ^m 和一個點 M_0(m_1,m_2,ldots ,m_n) ,如果 exists 	ext{點}A(a_1,a_2,ldots a_m)in mathbb{R}^m,mathrm{s.t.}forall varepsilon >0,exists delta >0,mathrm{s.t.}forall N(M_0,delta)	ext{中的聚點}M(x_1,x_2,ldots ,x_n),	ext{有} |f(M)-(a_1,a_2,ldots ,a_m)|< varepsilon

則稱 AfM	o M_0 時的極限,記作

lim_{M	o M_0}f(M)=A

以上即為多元函數極限的定義。

對於定義的挖掘,我並不想有太多的討論,主要還是在聚點的問題上,詳細請看我的文章更精細地處理極限。

換元法

和一元函數類似,多元函數的換元法的本質仍然是複合函數的極限法則:

對於 nk 維函數 gkm 維函數 f ,若 lim_{M	o M_0}g(M)=N_0lim_{N	o N_0}f(N)=A ,而 exists N(M_0,delta),mathrm{s.t.}forall Min N(M_0,delta),g(M)
eq N_0 ,那麼我們有

lim_{M	o M_0}f(g(M))=lim_{N	o N_0}f(N)=A

對於多元函數的換元法,我們需要注意到的是,這不僅可以簡化我們的計算,還可以將多元函數的極限轉化為一元函數的極限。此時只需要令 k=m=1 即可。

比如說:

lim_{(x,y)	o (0,0)}frac{sin (xy)}{xy}

記二元一維函數 t(x,y)=xy ,則 lim_{(x,y)	o (0,0)}t(x,y)=0 .

我們使用複合函數的運演算法則:

lim_{(x,y)	o (0,0)}frac{sin (xy)}{xy}=lim_{t	o 0}frac{sin t}{t}=1

多重極限與累次極限

(這一段如果不想探究原理的人可以略過)

首先我們定義一致收斂:

已知一個帶參數 t 的函數 f_t(x) 和一個數 t_0 ,其中 tin T,xin X .若

forall varepsilon >0,exists delta >0,mathrm{s.t.}forall xin X,forall 0<|t-t_0|<delta,|f_t(x)-f_{t_0}(x)|<varepsilon

則稱函數列 {f_t(x)}t	o t_0 時一致收斂到 f_{t_0}(x) .

這裡需要注意一點,由於 forall xin X 是在 exists delta >0 之後,故 delta 應是一個與 x 的選取無關的數。這與我們一般的普通極限的定義不同。

常見的不一致收斂的函數列是 f_n(x)=frac{1}{nx}n	o +infty 時。導致這樣情況出現的原因在 x=0 的附近。

下面給出交換極限順序的定理:

已知一個帶參數 t 的函數 f_t(x)t_0,x_0 ,其中 tin T,xin X .若函數列 {f_t(x)}t	o t_0 時一致收斂到 f_{t_0}(x) ,且 forall tin T,lim_{x	o x_0}f_t(x) 存在,那麼

lim_{t	o t_0}lim_{x	o x_0}f_t(x)=lim_{x	o x_0}lim_{t	o t_0}f_t(x)

接下來介紹累次極限與多重極限的關係:

lim_{x	o x_0}lim_{y	o y_0}f(x,y),lim_{y	o y_0}lim_{x	o x_0}f(x,y),lim_{(x,y)	o (x_0,y_0)}f(x,y) 都存在,則它們相等。

用極坐標簡化極限運算

相信大家都知道, n 元函數極限存在是一個非常苛刻的事情。它要求自變數以任何軌道趨近於定點的時候,極限都要存在。在二維情況下,是這個定理:

lim_{(x,y)	o (x_0,y_0)}f(x,y) 存在,等價於

forall	ext{連續函數} Gamma (x,y) 滿足 Gamma(x_0,y_0)=0 ,且在 (x_0,y_0) 周圍可以寫成顯函數 y=F(x)x=F(y) ,須有 lim_{x	o x_0}f(x,F(x)) 存在且相等。

對於高維,是類似的。

相信 lim_{(x,y)	o (0,0)}frac{xy}{x^2+y^2} 的例子已經讓大家感受到了以不同直線趨於 (0,0) 時極限不想等的絕望,有些同學也看過 f(x,y)=egin{cases}1&y=sqrt{x}\0&y
eq sqrt{x}end{cases} 這樣喪心病狂的例子,只有以 y=sqrt{x} 的軌道趨近於 (0,0) 時極限為 1 ,其他情況的極限都是 0 .僅僅從一個軌道趨近而極限不同,極限就不存在,可見多元函數的極限存在是一個非常苛刻的事情。

對於二元函數 z=f(x,y) ,我們要求極限 lim_{(x,y)	o (x_0,y_0)}f(x,y) 確實不太容易,但是,如果

我們令 x-x_0=
ho cos 	heta,y-y_0=
hosin	heta , f(x,y)=g(
ho,	heta) ,且 forall kin mathbb{R},lim_{(
ho,	heta)	o(0,k)}g(
ho,	heta) 存在且相等,那麼我們有:

lim_{(x,y)	o (x_0,y_0)}f(x,y)=lim_{
ho 	o 0}g(
ho)

且若 lim_{
ho 	o 0}g(
ho,	heta) 的結果與 	heta 有關,或 lim_{
ho 	o 0}g(
ho,	heta) 的結果不存在,則 lim_{(x,y)	o (x_0,y_0)}f(x,y) 不存在。

這麼長一段話,最後還是回到另一個二重極限存在上來,看似毫無用處。

這個定理,我們用的時候,是這樣用的:

先把lim_{
ho 	o 0}g(
ho,	heta)的結果求出來。如果和 	heta 有關,那麼二重極限一定不存在。

如果和 	heta 無關,並且極限的表達式最終化簡出來只是涉及到乘法,比如說 lim_{
ho 	o 0}
ho ^2sin 	heta ,那麼二重極限存在,且與此一重極限的極限值相等。

如果極限的表達式化簡出來是分子分母都有 
ho 的,別想了,趕快用土方法 lim_{(x,y)	o (x_0,y_0)} 吧。

所以說,這個定理最重要的幫助,便是判斷極限不存在。我通過將 	heta 看作常數,求出 lim_{
ho 	o 0}g(
ho) ,如果結果和 	heta 有關,我可以輕易地構造出反例: y=	an 	heta_1 xy=	an	heta_2x ,當 (x,y) 以這兩種軌道趨近於 (0,0) 時,結果必然不同。

但是,確實有一些人以為,所有的二重極限都可以化成極坐標來做。這實際上是錯誤的。事實上, lim_{(x,y)	o(x_0,y_0)}f(x,y)=lim_{(
ho,	heta)	o(0,k)}g(
ho,	heta) 這點並沒有錯。但是,後者要求對所有的 k ,極限的結果都要存在且相等。並且,後者還是一個二重極限,而非累次極限。比如說,我們有反例:

已知f(x,y)=frac{x^2y}{x^2+y^2} ,求 lim_{(x,y)	o (0,0)}f(x,y) 是否存在。

y=xy=x^2 ,可以很容易知道極限是不存在的。但是,如果我們轉化成極坐標之後,求

lim_{
ho 	o 0}frac{
ho ^3cos ^2xsin x}{
ho ^4cos ^4x+
ho ^2sin ^2x}=lim_{
ho 	o 0}frac{
hocos ^2xsin x}{
ho^2cos ^4x+sin ^2x}=0

出現這種情況的理由其實很好想,因為轉化成極坐標之後,極限的趨近方式就變成了以直線趨近於原點。這顯然不是充分的。

但是,我們有定理:

如果 lim_{(x,y)	o (x_0,y_0)}f(x,y) 的極限存在,則可以用極坐標方式求極限。

當然,這個也有更高維的推廣:

超球坐標系:向量 (x_1,x_2,ldots ,x_n) 可以表示成 (
ho,	heta_1,	heta_2,ldots ,	heta_{n-1}) 的形式,其中

x_i=
hosin	heta_1sin	heta_2cdots sin	heta_{i-1}cos 	heta _i,i=1,2,ldots ,n-1

x_n=
hosin	heta_1sin	heta_2cdots sin	heta_{n-2}sin	heta_{n-1}


ho=sqrt{x_1^2+x_2^2+cdots +x_n^2}

那麼同樣地,我們要求極限 lim_{(x_1,x_2,ldots ,x_n)	o (y_1,y_2,ldots ,y_n)}f(x_1,x_2,ldots ,x_n) ,也可以通過算 lim_{
ho 	o 0}g(
ho) 來大致判斷。


推薦閱讀:

隨筆一則
經典力學的數學方法(四)變分學
二次方程, 3次方程, 4次方程的解法
DeepLearning筆記:多節點神經網路

TAG:數學 |