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