可降阶的高阶微分方程 前面介绍了五种标准类型的一阶方程及其 求解方法,但是能用初等解法求解的方程为数腥 当有限,特别是高阶方程,除去一些特殊情况可 用降阶法求解,一般都没有初等解法, 本节介绍几种特殊的高阶方程,它们的共 同特点是经过适当的变量代换可将其化成较低阶 的方程来求解

方向导数与梯度 实例:一块长方形的金属板,四个顶点的坐标是 1,1),(5,1),(1,3),(5,3).在坐标原点处有一个火 焰,它使金属板受热.假定板上任意一点处的温 度与该点到原点的距离成反比.在(3,2)处有一个 蚂蚁,问这只蚂蚁应沿什么方向爬行才能最快到 达较凉快的地点? 问题的实质:应沿由热变冷变化最骤烈的方 向(即梯度方向)爬行

§5 复变函数 §6 复变函数的极限和连续性 §1 解析函数的概念 §2 函数解析的充要条件

§3 初等函数 §1 复变函数积分的概念

对于一个函数(t),有可能因为不满足傅氏变 换的条件,因而不存在傅氏变换. 因此,首先将(t)乘上u(t),这样t小于零的部分 的函数值就都等于0了 而大家知道在各种函数中,指数函数e(B>0) 的上升速度是最快的了,因而e-Bt下降的速度 也是最快的. 因此,几乎所有的实用函数p(t)乘上u(t)再乘上 e-后得到的(t)u(t)e-p傅氏变换都存在

实验一 Mathemetica 系统使用入门 实验二 与极限、连续有关的问题 实验三 与微分学有关的问题

随机事件虽然有偶然性的一面,即它在 一次试验中,可能发生,也可能不发生; 但是在大量重复试验中,人们还是可以 发现它是有内在规律性的,即它出现的可能性的大小是可以\度量\的.随机事件的概率就是用来计量随机事件出现的可能性大小的一个数字,它是概率论中最基本的概念之一

在实际问题中试验结果往往需要同时用 两个或两个以上的随机变量来描述.要 研究这些随机变量及其取值规律多维 分布.本章将介绍有关这方面的内容.为 简明起见,只介绍二维情形.有关内容可 以类推到多于二维的情形

1.复变函数的定义 定义设G是一个复数z=x+iy的集合,如果有一 个确定的法则存在,按照这一法则,对于集合 G中的每一个复数z,就有一个或几个复数 w=u+iv与之对应,则称复变数w是复变数z的函 数(简称复变函数),记作 w=f(Z)

在第一章提到过事件发生的频率具有稳定性, 即随着试验次数的增加,事件发生的频率逐渐 稳定于某个常数.在实践中人们还认识到大量 测量值的算术平均值也具有稳定性.这种稳定 性就是本节要讨论的大数定律的客观背景