10.9学习笔记

厨神下饭味道鲜

于 2024-10-09 19:44:43 发布

阅读量494

点赞数 15

文章标签：学习笔记

本文链接：https://blog.csdn.net/Aurora_Cruiser/article/details/142789523

版权

不定积分

1.定义

如果函数 F(x) 满足 F′(x)=f(x)，则称 F(x) 是 f(x) 的一个原函数。不定积分

$\int f(x) dx$

表示 f(x) 的所有原函数，通常写成：

$\int f(x) dx=F(x)+C$

其中，C是积分常数，表示原函数的不确定性。 f(x)是被积函数，dx表示对 x 的积分变量。

不定积分的结果是一个函数簇，而不是一个具体的数值。其几何含义是一组平行的曲线簇。

2.基本积分公式

1)常数积分

$\int kdx = kx+C$

2)幂函数积分

$\int x^{n}dx =\frac{x^{n+1}}{n+1}+C(n \neq -1)$

3)指数函数积分

$\int a^{x} dx=\frac{a^{x}}{lna} + C(a>0,a \neq 1)$

$\int e^{x} dx = e^{x} + C$

4)对数函数积分

$\int \frac{1}{x}dx=ln\left | x \right | + C$

5)三角函数积分

$\int \sin xdx=-\cos x+C$

$\int \cos xdx=\sin x+C$

6)反三角函数积分

$\int \frac{1}{\sqrt{1-x^{2}}} dx =\arcsin x + C$

$\int \frac{1}{\sqrt{1+x^{2}}} dx =\arctan x + C$

3.换元积分法

3.1 第一类换元积分法

选择合适的变量替换：选择一个合适的变量替换 u=g(x)，使得积分变得更简单。
求导数：求 u 对 x 的导数 $\frac{du}{dx}=g'(x)$ ，并将其改写为 $du=g'(x)dx$
替换积分变量：将原积分中的 x 替换为 u，并将 dx 替换为 $\frac{du}{g'(x)}$
求解新积分：求解新的积分 $\int f(u)du$
回代变量：将 u 回代为 g(x)，得到最终的不定积分结果。

3.2 第二类换元积分法

第二类换元积分法通常涉及三角函数替换或带根号形式的替换。

选择合适的变量替换：选择一个合适的变量替换 x=g(t)，使得积分变得更简单。
求导数：求 x 对 t 的导数 $\frac{dx}{dt}=g'(t)$ ，并将其改写为 $dx=g'(t)dt$
替换积分变量：将原积分中的 x 替换为 g(t)，并将 dx替换为 g′(t) dt。
求解新积分：求解新的积分 $\int f(g(x))g'(t)dt$
回代变量：将 t 回代为 $g^{-1}(x)$ ，得到最终的不定积分结果。

定积分

定积分是微积分中的一个重要概念，用于求解函数在某个区间上的累积效应或面积。

1.定义

定积分

$\int_{a}^{b} f(x)dx$

表示函数 f(x)在区间 [a,b]上的累积效应或面积。定积分的定义可以通过以下步骤来理解：

分割区间：将区间 [a,b]分割成 n 个小区间，每个小区间的长度为 Δxi，其中

$\Delta x_{i} = x_{i}-x_{i-1}$ ，且 $x_0=a,x_n=b$ 。
取样本点：在每个小区间 $\left [ x_{i-1},x_{i} \right ]$ 内取一个样本点 $\xi _{i}$ 。
构造黎曼和：构造黎曼和 $\sum_{i=1}^{n}=f(\xi _{i}))\Delta x_{i}$ ，表示函数 f(x) 在区间 [a,b]上的近似累积效应或面积。
取极限：当分割的区间数 n 趋向于无穷大，且每个小区间的长度 Δxi趋向于零时，黎曼和的极限即为定积分： $\int_{a}^{b} f(x)dx= \lim_{n \to \infty} \sum_{i=1}^{n}=f(\xi _{i}))\Delta x_{i}$

2.几何意义

定积分

$\int_{a}^{b} f(x)dx$

的几何意义是函数 f(x) 在区间 [a,b]上的曲线下面积。具体来说：

如果 f(x)≥0，则定积分表示曲线下方的面积。
如果 f(x)≤0，则定积分表示曲线上方的面积的负值。

3.性质

定积分具有以下重要性质：

1)线性性质

$\int_{a}^{b}\left [ cf(x)+dg(x) \right ]dx=c\int_{a}^{b}f(x)dx + d \int_{a}^{b}g(x)dx$ (其中 c 和 d 是常数)

2)区间可加性

$\int_{a}^{b}f(x)dx=\int_{a}^{c}f(x)dx + \int_{c}^{b}f(x)dx\, \, \, \, \, (a\leqslant c \leqslant b)$

3)积分上下限交换

$\int_{a}^{b}f(x)dx=-\int_{b}^{a}f(x)dx$

4)定积分中值定理

如果函数 f(x) 在闭区间 [a,b] 上连续，则存在 c∈[a,b]，使得：

$\int_{a}^{b}f(x)dx=f(c)(b-a)$

4.微积分基本公式

牛顿-莱布尼茨公式

$\int_{a}^{b}f(x)dx=F(b)-F(a) \, \, \, \, \, \, \, (F'(x)=f(x))$

5.定积分换元法

步骤

1)选择合适的变量替换

选择一个合适的变量替换 t=g(x)，使得积分变得更简单，并求反函数：

$x=g^{-1}(t)=h(t)$

2)求导数

对 x 的导数

$dx=h'(t)dt$

3)替换积分变量

将原积分中的 x 替换为 t，并将 dx 替换为

$h'(t)dt$

4)确定新的积分上下限

将原积分的上下限 a 和 b 替换为新的上下限 t 的值。即 t 的下限为 t1，上限为 t2。

5)求解新积分

求解新的定积分

$\int_{t_{1}}^{t_{2}}f(h(t)) h'(t)dt$

多元函数

1.二元极限

定义

设函数 f(x,y) 在点 (a,b) 的某个去心邻域内有定义。如果对于任意给定的正数 ϵ，总存在正数 δ，使得当

$0< \sqrt{(x-a)^2+(y-b)^2}<\delta$

时，总有： $\left | f(x,y)-L \right | < \epsilon$

则称 L 为函数 f(x,y)在点 (a,b)处的极限，记作：

$\lim_{(x,y)\rightarrow (a,b)}f(x,y)=L$

几何意义

当点 (x,y)从任意方式趋近于点 (a,b) 时，函数 f(x,y) 的值趋近于 L。换句话说，函数图像在二维平面的点 (a,b)附近趋近于一个三维立体平面上的点 (a,b,L)。可将(a,b)想象为(a,b,L)投影在二维平面的点。

如果 (x,y)从不同方式趋近于点 (a,b)，函数 f(x,y) 的值不相等，则表示 f(x,y) 不存在。

2.偏导数

‌偏导数是‌多元函数求导的一种形式，表示在多个自变量中，当其中一个自变量改变而其他自变量保持不变时函数值的变化率。

这实质上是将其他自变量视为常数，然后按照单变量函数求导的方法进行运算。‌

定义

设函数 f(x,y) 在点 (x0,y0) 的某个邻域内有定义。如果极限：

$\lim_{\Delta x \to 0}\frac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$

存在，则称此极限为函数 f(x,y)在点 (x0,y0) 处对 x 的偏导数，记作： $\frac{\partial f}{\partial x} | (x_0,y_0)$ 或 $f'_x(x_0,y_0)$

类似地，如果极限：

$\lim_{\Delta y \to 0}\frac{f(x_0,y_0+\Delta y)-f(x_0,y_0)}{\Delta x}$

存在，则称此极限为函数 f(x,y)在点 (x0,y0)处对 y的偏导数，记作： $\frac{\partial f}{\partial y} | (x_0,y_0)$ 或 $f'_y(x_0,y_0)$

‌偏导数的计算方法‌

对于二元函数z=f(x,y)，求z对x的偏导数时，将y看作常量，对x求导；求z对y的偏导数时，将x看作常量，对y求导。

3.全微分

定义

如果函数z=f(x, y)在点(x, y)处的全增量

$\Delta z=f(x+\Delta x,y+\Delta y)-f(x,y)$

可以表示为

$\Delta z=A\Delta x+B\Delta y+o(\rho )$

，其中A、B不依赖于Δx, Δy，仅与x, y有关，ρ趋近于0(ρ=√[(Δx)²+(Δy)²])，此时称函数z=f(x, y)在点(x, y)处可微分，AΔx+BΔy称为函数z=f(x, y)在点(x, y)处的全微分，记为dz即dz=AΔx +BΔy。

可微的必要条件条件

若z=f(x,y)在(x,y)点处可微，则偏导数 $f'_{x}(x,y)$ 和 $f'_{y}(x,y)$ 存在，并且

$dz=f'_{x}(x,y)\Delta x+f'_{y}(x,y)\Delta y=f'_{x}(x,y) dx+f'_{y}(x,y) dy$

可微的充分条件

z=f(x,y)在(x,y)的某个邻域内有连续的偏导数 $f'_{x}(x,y)$ 和 $f'_{y}(x,y)$ 则在(x,y)处可微，

$dz=f'_{x}(x,y)\Delta x+f'_{y}(x,y)\Delta y=f'_{x}(x,y) dx+f'_{y}(x,y) dy$

4.梯度

梯度是一个向量，表示多元函数在某一点处的最大变化率和变化方向。

定义

设 f(x1,x2,…,xn)是一个定义在 Rn(n维欧几里得空间) 上的多元函数，函数 f在n维向量点 a=(a1,a2,…,an)处的梯度定义为：

$\bigtriangledown f(a)=(\frac{\partial f}{\partial x_{1}}(a),\frac{\partial f}{\partial x_{2}}(a),\frac{\partial f}{\partial x_{3}}(a),...,\frac{\partial f}{\partial x_{n}}(a))$

其中 $\frac{\partial f}{\partial x_{i}}(a)$ 是函数 f 在点 a 处对第 i 个自变量的偏导数。

性质

最大变化率：梯度 ∇f(a) 的方向是函数 f在点 a 处变化率最大的方向。
变化率：梯度 ∇f(a) 的大小（模）是函数 f 在点 a 处沿梯度方向的变化率。

沿梯度方向是是函数 f在点 a 处变化率增加最大的方向；沿梯度反方向是是函数 f在点 a 处变化率减小最大的方向；沿梯度垂直方向函数 f在点 a 处变化率为0。

梯度下降

梯度下降是一种优化算法，用于寻找多元函数的最小值。其基本思想是沿着函数的负梯度方向逐步更新参数，以减少函数值。

算法步骤

1)初始化：选择一个初始点 $x_0$ 。

2)迭代更新：对于每次迭代 k，计算当前点的梯度 $\bigtriangledown f(x_k)$ ，并更新参数：

$x_{k+1}=x_k-\eta\bigtriangledown f(x_k)$

其中，η 是学习率（步长），控制每次更新的步幅。

3)终止条件：当梯度的模足够小或达到预设的迭代次数时，停止迭代。通常，终止条件可以是以下几种：

梯度的模足够小：当梯度的模（或范数） $\left \| \bigtriangledown f(x_k) \right \|$ 小于某个阈值时，停止迭代。

说明：

梯度的范数表示梯度向量的大小，即梯度向量的长度。

梯度的范数（模） ∥∇f(xk)∥是这个向量的欧几里得长度，定义为：

$\left \| \bigtriangledown f(x_k) \right \|=\sqrt{(\frac{\partial f}{\partial x_{1}}(a))^2+\frac{\partial f}{\partial x_{2}}(a))^2+...+\frac{\partial f}{\partial x_{n}}(a))^2}$
达到预设的迭代次数：当迭代次数达到预设的最大迭代次数时，停止迭代。
函数值变化足够小：当函数值的变化 $\left | f(x_{k+1})-f(x_k) \right |$ 小于某个阈值时，停止迭代。

学习率

学习率 η是一个重要的超参数，控制着每次更新的步幅。选择合适的学习率对于梯度下降算法的性能至关重要：

学习率过大：如果步幅过大，算法可能会“跳过”最优解，导致在最优解附近来回震荡。
学习率过小：可能导致算法收敛速度过慢。

5.二重积分

二重积分是多元微积分中的一个重要概念，用于计算二维区域上的函数积分。它通常用于计算平面区域上的面积、质量、重心等问题。二重积分的基本思想是将一个二维区域分割成无数个小区域，然后在每个小区域上计算函数值的积分。

定义

设 f(x,y)f(x,y) 是定义在平面区域 D 上的函数，二重积分记作：

$\iint_{D}f(x,y)dA$

其中 dA表示面积元素。

几何意义

如果 f(x,y)是非负函数，二重积分

$\iint_{D}f(x,y)dA$

表示以 D 为底、以 f(x,y)为顶的曲顶柱体的体积。

二重积分的计算步骤-直角坐标系

在直角坐标系下，二重积分可以表示为两个定积分的乘积：

$\iint_{D}f(x,y)dA=\int_{a}^{b} \int_{g(x)}^{h(x)}f(x,y)\, dy\, dx$

其中 D 是由 x=a 到 x=b 以及 y=g(x)到 y=h(x) 围成的区域。

确定积分区域 D：首先，你需要确定积分区域 D的边界。这个区域可以是矩形、圆形、多边形等。
设置积分限：根据积分区域 D，设置积分的限。例如，对于直角坐标系中的矩形区域，积分限通常是 $a \leqslant x \leqslant b$ 和 $c \leqslant y \leqslant d$ 。
写出积分表达式：根据积分限写出二重积分的表达式：

$\int_{a}^{b} \int_{g(x)}^{h(x)}f(x,y)\, dy\, dx=\int_{a}^{b} \, dx\int_{g(x)}^{h(x)}f(x,y)\, dy$
计算内层积分：先对 y 进行积分，得到关于 x 的表达式。
计算外层积分：再对 x 进行积分，得到最终的积分值。