高数基础知识2

定积分

定义

1.定积分表示函数 f(x)在区间 [a,b]上的累积效应或面积。

几何意义

1.如果 f(x)≥0，则定积分表示曲线下方的面积。

2.如果 f(x)≤0，则定积分表示曲线上方的面积的负值。

性质

1.线性性质（其中c和d是常数）

2.区间可加性（其中 a≤c≤b ）

3.积分上下限交换

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：

微积分基本公式

1.牛顿-莱布尼茨公式

其中，F(x)是 f(x)的一个原函数，即 F′(x)=f(x)。

2.微积分基本定理（微积分基本定理分为两部分，分别描述了积分上限函数的性质和定积分的基本公式）

• 第一部分（第一基本定理表明不定积分是微分的逆运算，保证了某连续函数的原函数的存在性）

        如果 f(t) 在区间 [a,b]上连续，则积分上限函数

        

        在区间 [a,b] 上可导，并且其导数为：

        

• 第二部分（第二基本定理则提供了定积分和不定积分之间的联系，使得定积分的计算变得简便）

        如果 F(x)是 f(x)的一个原函数，即 F′(x)=f(x)，则：

        

定积分换元法

1.步骤

• 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：

• 求导数： 对 x 的导数

        

• 替换积分变量： 将原积分中的 x 替换为 t，并将 dx 替换为

        

• 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。

• 求解新积分： 求解新的定积分

        

多远函数

定义

1.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

时，总有∣f(x,y)−L∣<ϵ，则称 L 为函数 f(x,y)在点 (a,b)处的极限，记作：

2.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。

偏导数

1.设函数 f(x,y) 在点 (x0,y0) 的某个邻域内有定义。如果极限：

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：

如果极限：

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：

2.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。

例子：

• 对x求偏导数

        

• 对y求偏导数

        

全微分

1.定义：如果函数z=f(x, y)在点(x, y)处的全增量

可以表示为

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。

2.可维的必要条件

若z=f(x,y)在(x,y)点处可微，则偏导数

 

存在，并且  

3.可微分的充分条件

z=f(x,y)在(x,y)的某个邻域内有连续的偏导数

则在(x,y)处可微

4.例子

• 求在（1，2）处的全微分

• 分别求出x和y的偏导数

• 求出（1,2）处x和y的偏导数

• 所以在（1,2）处的全微分为

5.近似计算

• z=f(x, y)在点(x, y)处的全增量为

• 全微分为

• 在计算中我们通常使

• 所以

6.例子

• 计算

• 令

• 求x和y的偏导数

• 求

• 将x、y、Δx、Δy带入

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）

1.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：

其中

是函数 f 在点 a 处对第 i 个自变量的偏导数。

2.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

1.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。

2.算法步骤

• 初始化：选择一个初始点 x0
• 迭代更新：对于每次迭代 k，计算当前点的梯度，并更新参数，其中，η 是学习率（步长），控制每次更新的步幅。

        

• 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：

        （1）梯度的模足够小：当梯度的模（或范数）

                

          小于某个阈值时，停止迭代。

        （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。

        （3）函数值变化足够小：当函数值的变化

                

            小于某个阈值时，停止迭代。

3.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 ）

• 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。

4.例子

• 使用梯度下降法寻找其最小值

• 初始化：选择初始点 x0=(3,4)。
• 计算梯度 ，在点 (3,4) 处：∇f(3,4)=(6,8)

• 选择学习率：设 η=0.1
• 更新参数

• 继续迭代

        （1）在点 (2.4,3.2) 处计算梯度

                

        （2）更新参数                    

        （3）继续迭代，直到满足终止条件

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。

1.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：

其中 dA表示面积元素。

2.几何意义

如果 f(x,y)是非负函数，二重积分

表示以 D 为底、以 f(x,y)为顶的曲顶柱体的体积。

3.二重积分的计算1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：

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≤x≤b 和 c≤y≤d。

• 写出积分表达式：根据积分限写出二重积分的表达式：

        

        

• 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。

4.例子

计算下列二重积分，其中 D 是由 y=x 和 y=x^2 围成的区域。

根据 y=x 和 y=x^2画出图形，确定x和y的取值范围

写出积分表达式

计算内层积分

计算外层积分

5.二重积分的计算步骤-极坐标系

（1）极坐标系的二重积分计算步骤同直角坐标系，不同的是需要将直角坐标系的坐标转换为极坐标。

（2）极坐标系的基本概念

• 原点：极坐标系的原点称为极点（通常记作 O）。

• 极径：从极点到某一点的距离称为径向距离（通常记作 r）。

• 极角：从极点到某一点的射线与极轴（通常是正 xx 轴）之间的角度称为极角（通常记作 θ）。

给定点的极坐标 (r,θ)，可以转换为直角坐标 (x,y)：

        

在极坐标下，二重积分的表达式为：

        

其中 r 和 θ 分别是极径和极角。

注意：转换为极坐标系的二重积分中需要多加一个r ，这个最容易忘记。

6.例子

计算 下列二重积分，其中 D 是单位圆

转换坐标系

确定θ和r的范围

写出积分表达式

计算内层积分

计算外层积分

所以