10月9日（高数基础）

定积分

定义

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。

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

且 x0=a，xn=b。

取样本点： 在每个小区间

构造黎曼和： 构造黎曼和

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：

说明：

黎曼和是通过将区间 [a,b]分成 n 个等宽的子区间，每个子区间的宽度为

然后选择每个子区间内的一点 xi，计算矩形的面积之和来近似积分的。

黎曼和可以表示为：

几何意义

定积分

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。

性质

定积分具有以下重要性质：根据这些性质可在不同定积分中进行计算         

线性性质：

其中 c 和 d 是常数。

区间可加性：

积分上下限交换：

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

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)。

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（Part 1）

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。

第二部分（Part 2）

如果 F(x)是 f(x)的一个原函数，即 F′(x)=f(x)，则：

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。

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：

2.求导数： 对 x 的导数

3.替换积分变量： 将原积分中的 x 替换为 t，并将 dx 替换为

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

多元函数

二元极限

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

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。‌

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。

全微分

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

存在。且

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。

全微分的计算：

将函数在某点处，求出x的偏导数和y的偏导数，之后相加可得全微分。

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

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。

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

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：

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。

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：

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

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。

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。

几何意义：

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：

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

1.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。

2.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。

3.写出积分表达式：根据积分限写出二重积分的表达式：

4.计算内层积分：先对 y 进行积分，得到关于 x 的表达式。

5.计算外层积分：再对 x 进行积分，得到最终的积分值。

二重积分的计算步骤-极坐标系

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。

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。