微积分入门(持续更新)
0x00 前言
- Wemustknow.Wewillknow.We\; must\; know.\; We\; will\; know.Wemustknow.Wewillknow.
——David Hilbert
微积分(Calculus),数学概念,是高等数学中研究函数的微分(Differentiation)、积分(Integration)以及有关概念和应用的数学分支。它是数学的一个基础学科,内容主要包括极限、微分学、积分学及其应用。
微分学包括求导数的运算,是一套关于变化率的理论。它使得函数、速度、加速度和曲线的斜率等均可用一套通用的符号进行讨论。积分学,包括求积分的运算,为定义和计算面积、体积等提供一套通用的方法。
1x01 微分(其一)一一瞬时变化率?极限的严格定义
想象一辆汽车,其所走过的路程 (s)(s)(s) 和时间 (t)(t)(t) 的关系为 s=t2s=t^2s=t2 ,现在要求速度 (v)(v)(v) 与时间的关系。
我们先把问题简化一下,我们现在只求汽车在第 555 秒时的瞬时速度。有头绪吗?
三——
二——
一——
好,揭晓答案。我们先把时间定位在 5−5.1s5-5.1s5−5.1s 之内。在这个区间内,它的平均速度为:
v=st=5.12−525.1−5=10.1.v=\dfrac s t=\dfrac{5.1^2-5^2}{5.1-5}=10.1. v=ts=5.1−55.12−52=10.1.
现在我们再把时间的范围缩小到 5−5.01s5-5.01s5−5.01s 之内。现在它的平均速度为:
v=st=5.012−525.01−5=10.01.v=\dfrac s t=\dfrac{5.01^2-5^2}{5.01-5}=10.01. v=ts=5.01−55.012−52=10.01.
Andsoon,And\; so\; on,Andsoon, 我们继续将时间范围缩小、缩小、再缩小,我们可以看到的是,平均速度逐步 “趋近” 555 。
但是我们需要一个严格的证明啊!!!
因此,我们定义,对于 ttt 的一个变化量,我们称之为 Δt\Delta tΔt 。那么我们将 5−5+Δt5-5+\Delta t5−5+Δt 这个时间段内的平均速度则可以表示为:
v=st=(5+Δt)2−52Δt=10+Δt.v=\dfrac s t=\dfrac{(5+\Delta t)^2-5^2}{\Delta t}=10+\Delta t. v=ts=Δt(5+Δt)2−52=10+Δt.
现在,我们让 Δt\Delta tΔt 变得很小,很小,非常小,小到几乎为 000 ,这时原式的值为 101010 。
现在我们用极限的记号来表示这个过程:
limΔt→0(5+Δt)2−52Δt=10\lim_{\Delta t\rightarrow0}\dfrac{(5+\Delta t)^2-5^2}{\Delta t}=10 Δt→0limΔt(5+Δt)2−52=10
我们也可以借此求出通用的公式:
v=2tv=2t v=2t
我们就把 v=2tv=2tv=2t 称为 s=t2s=t^2s=t2 的导函数,导函数在 nnn 处的值就是原函数在 nnn 处的导数。
Butnow,But\; now,Butnow, 问题来了,当 Δt\Delta tΔt 越来越小时,分母也越来越接近于 000 ,这该怎么办呢?这时候我们就要来看一下贝克莱怎么说:
. . . . . . 事实上我们必须意识到,牛顿使用 无穷小量 ,正如同使用建筑物的脚手架一样,一旦找到了和它们成比例的线元,便过河拆桥,将其抛弃不谈。然而这一有限的成分(当指 “线性主部” )是借由 无穷小量 的帮助而得出的,故由此成分和比例得出的一切结论(包括微积分的一切定理与应用),都应归功于 无穷小量 :那么这样一个概念必然是首先应该得到解释的。可是 无穷小量 是什么呢?是 “消散增量的速率” ?那这些 消散的增量 又是什么呢?它们既非 有限量 ,也不是 无限小 的量(即,比任何有限量都小的量),然而却又不是 零 。那么我们或许也只好称其为 “消逝量的幽灵” 了吧?
(注:贝克莱在原文中使用了 “Fluxions” 一词,历史上对应今天所言的 “导数” ;然而根据语境,当指用以作商的 微小增量 ,故译为 “无穷小量” )
于是, 【第二次数学危机】 由此揭发。最后终于找到了一个令人比较满意的解答: ϵ−δ\epsilon-\deltaϵ−δ 语言。
ϵ−δ\epsilon-\deltaϵ−δ 语言指出,如果 ttt 和 Δt\Delta tΔt (ttt 指原时间)相差与 vvv 和 v+Δtv+\Delta tv+Δt 之差为等价无穷小,则称 v+Δtv+\Delta tv+Δt 为 vvv 的极限。
(像是优雅的废话)
通俗一点:
大家知道,我们投篮的时候,篮筐越大越容易进,最极端的情况就是篮筐和篮球一样大。现假设篮球在篮筐正中心时,与篮筐边缘的距离为 ϵ\epsilonϵ ,如下图所示:
若投篮者与篮筐正中心的距离为 AAA,投篮者的真实投篮距离为 f(x)f(x)f(x) ,如果想要将球投进,则需要满足 ∣f(x)−A∣<ϵ|f(x)-A|<\epsilon∣f(x)−A∣<ϵ,即投篮者的力度需要恰到好处,不能太多也不能太少,而力度所对应的便是投篮者的手部弯曲程度,只要弯曲程度在一定范围内(如下图红色范围),就可以将球投进,这个所谓的 “一定范围” ,便是去心领域, 0<∣x−x0∣<δ0<|x-x_0|<\delta0<∣x−x0∣<δ ,(如果这里 000 可以取等于,则为不去心邻域),即 x0−δ<x<x0+δx_0-\delta<x<x_0+\deltax0−δ<x<x0+δ ,如下图所示:
(啊这迷人的画风)
而函数有极限,就相当于投篮者拥有库里的投射能力,无论 ϵ\epsilonϵ 多么的小,即无论篮筐大小多么接近篮球大小,投篮者都可以找到一个精确的角度范围将球投进。由此,极限定义可通俗地写为:
对于任意大小的篮筐(无论其与篮球大小之差 ϵ\epsilonϵ 多么的小),拥有 神射能力的投篮者 (对应于拥有极限的函数)总能找到一个极小的精确的投篮角度范围 0<∣x−x0∣<δ0<|x-x_0|<\delta0<∣x−x0∣<δ ,将球投进,即投射距离 f(x)f(x)f(x) 与最佳距离 AAA 的差距小于 ϵ\epsilonϵ ,即 ∣f(x)−A∣<ϵ|f(x)-A|<\epsilon∣f(x)−A∣<ϵ .
因此,数学家们解决了 “无穷小的悖论” 。那么下一节,我们来学习通用的求导方法。
1x02 微分(其二)——通用的求导方式&用图像求导
现在,我们来试求 y=x3y=x^3y=x3 的导数。
首先,我们令 xxx 的增量为 Δx\Delta xΔx , yyy 的增量为 Δy\Delta yΔy ,可得:
y′=ΔyΔx=(x+Δx)3−x3Δx=x3+3x2Δx+3xΔx2+Δx3−x3Δxy^{'}=\dfrac{\Delta y}{\Delta x}=\dfrac{(x+\Delta x)^3-x^3}{\Delta x}=\dfrac{x^3+3x^2\Delta x+3x{\Delta x}^2+{\Delta x}^3-x^3}{\Delta x} y′=ΔxΔy=Δx(x+Δx)3−x3=Δxx3+3x2Δx+3xΔx2+Δx3−x3
化简得:
y′=3x2+3xΔx+Δx2y^{'}=3x^2+3x\Delta x+\Delta x^2 y′=3x2+3xΔx+Δx2
现在,我们让 Δx\Delta xΔx 趋近于 000 ,可得:
y′=3x2.y^{'}=3x^2. y′=3x2.
你也可以试着求一下其它形如 y=xny=x^ny=xn 函数的导数,会发现结果都是 y′=nxn−1y^{'}=nx^{n-1}y′=nxn−1 .其实是因为在分解时,xnx^nxn 被削去了,剩下的部分只有 nxn−1Δxnx^{n-1}\Delta xnxn−1Δx 只包含一个 Δx\Delta xΔx ,因此不会被趋近于 000 ,其他的都可以忽略不计。
上面的是通用的求导方式,即:
f′(x)=ΔfΔx=f(x+Δx)−f(x)Δxf^{'}(x)=\dfrac{\Delta f}{\Delta x}=\dfrac{f(x+\Delta x)-f(x)}{\Delta x} f′(x)=ΔxΔf=Δxf(x+Δx)−f(x)
现在我们来试求 y=sinxy=\sin xy=sinx 的导数。
你可以试着用代数方法求,我们这里试着用几何方法。
先看下面的图:
关注 sin\sinsin 和 cos\coscos 的部分。
现在我们来看下面的一个单位圆:
单位圆的半径为 r=1r=1r=1 。所以,竖直的橙色虚线的长度是 sinα.\sin \alpha.sinα.
竖直的红色虚线的长度是 sin(α+Δα).\sin (\alpha+\Delta \alpha).sin(α+Δα).
因此 d=D‾−D=sin(α+Δα)−sinα.d=\overline{D}-D=\sin (\alpha+\Delta \alpha)-\sin \alpha.d=D−D=sin(α+Δα)−sinα.
现在我们把单位圆放大:
可以看见,我们把弧长放的越大,那么他就越接近一条直线。
现在连接红点和橙点,如下图所示:
图片3中的青线是圆的一条 割线 ,可以想象,当红色点 充分接近 橙色点时(即转动的角度 Δα\Delta \alphaΔα 充分小时),这条青色的割线将趋近于橙色点处的圆的 切线 。而我们知道, 连结圆心与切点的半径是垂直于切线的 (垂径定理)。所以,在转动的角度 Δα\Delta \alphaΔα 充分小时,可近似认为图片1中的橙色实线半径 垂直于 这条青色的割线。不仅如此,在转动的角度充分小时,这这条青色的割线还近似于 弧 lll 。
那么就会出现两个相似三角形,我将它们分别用橙色和青色进行重新进行标识,如下图所示:
则由相似性可知,图片4中的青色三角形在红色点处的角度是 α\alphaα :
则有 d=cosα⋅Δa.d=\cos\alpha \cdot \Delta a.d=cosα⋅Δa.
又 ∵d=sin(α+Δα)−sinα\because d=\sin(\alpha+\Delta \alpha)-\sin \alpha∵d=sin(α+Δα)−sinα
∴ΔsinαΔα=sin(α+Δα)−sinαΔα=cosα⋅ΔαΔα=cosα\therefore \dfrac{\Delta\sin \alpha}{\Delta \alpha}=\dfrac{\sin(\alpha+\Delta \alpha)-\sin \alpha}{\Delta \alpha}=\dfrac{\cos \alpha\cdot \Delta \alpha}{\Delta \alpha}=\cos \alpha∴ΔαΔsinα=Δαsin(α+Δα)−sinα=Δαcosα⋅Δα=cosα.
因此,sin′x=cosx.\sin^{'} x=\cos x.sin′x=cosx.
同理可得,
cos′x=−sinx\cos^{'}x=-\sin x cos′x=−sinx
tan′x=1cos2x=sec2x\tan^{'}x=\dfrac{1}{\cos^2 x}=\sec^2x tan′x=cos2x1=sec2x
cot′x=−1sin2x=−csc2x\cot^{'}x=-\dfrac{1}{\sin^2x}=-\csc^2x cot′x=−sin2x1=−csc2x
sec′x=secx⋅tanx\sec^{'}x=\sec x\cdot \tan x sec′x=secx⋅tanx
csc′x=−cscx⋅cotx\csc^{'}x=-\csc x\cdot\cot x csc′x=−cscx⋅cotx
1x03 微分(其三)——求导的几何意义:切线斜率
我们看一个函数 f(x)f(x)f(x) 的图像。
现在,我们关注 P,QP,QP,Q 两点。aaa 是经过这两点的割线。现在,我们将 PPP 越来越靠近 QQQ , aaa 也逐渐下滑到 bbb 的位置。我们说 bbb 是函数 y=f(x)y=f(x)y=f(x) 在 QQQ 点处的切线。当然,也可以说是在 (x0,y0)(x_0,y_0)(x0,y0) 处的切线。
你可能会说,我们为什么不把函数图像的切线直接定义成 经过且仅经过图像上一点的直线 呢?其实,很多函数的图像要么 不存在经过且仅经过图像上一点的直线 ,要么 存在很多条经过且仅经过图像上一点的直线 。而且,这样极限的定义还能够牵扯到一个重要的概念——导数。
其实,我们这条切线的方程可以表示为 y=ax+by=ax+by=ax+b ,其中 aaa 就是切线的斜率。通过第二节的证明,我们知道,当取的范围足够小(这里为 PQPQPQ ),直线就越接近曲线的极限。此时,直线的斜率就是 竖轴增加的步长比上横轴增加的步长 ,也即 ΔyΔx\dfrac{\Delta y}{\Delta x}ΔxΔy ,yyy 的导数。
现在,我们就可以求出函数 y=f(x)y=f(x)y=f(x) 在 x0x_0x0 处的切线方程了。下面给出一个例子:
已知函数 f(x)=x2+5f(x)=x^2+5f(x)=x2+5 ,求出函数 f(x)f(x)f(x) 的图像在 x=−5x=-5x=−5 处的切线方程。
首先,我们求出 f(x)f(x)f(x) 的导函数:
f′(x)=ΔfΔx=[(x+Δx)2+5]−(x2+5)Δx=2xf^{'}(x)=\dfrac{\Delta f}{\Delta x}=\dfrac{[(x+\Delta x)^2+5]-(x^2+5)}{\Delta x}=2x f′(x)=ΔxΔf=Δx[(x+Δx)2+5]−(x2+5)=2x
当 x=−5x=-5x=−5 时,f′(−5)=−10f^{'}(-5)=-10f′(−5)=−10 .
所以 x=−5x=-5x=−5 处的切线的方程为 y=−10x+by=-10x+by=−10x+b ,现在我们要求出常数项。
将 x=−5x=-5x=−5 带入原方程,得到 y=50+by=50+by=50+b ,此时 y=25y=25y=25 ,因此 25=50+b25=50+b25=50+b ,解得 b=−25b=-25b=−25 。
所以,函数 f(x)f(x)f(x) 的图像在 x=−5x=-5x=−5 处的切线方程为 y=−10x−25y=-10x-25y=−10x−25 。
同样也很容易得出,函数 f(x)f(x)f(x) 的图像在 x=x0x=x_0x=x0 处的切线方程为 y=2x0x−x02y=2x_0x-x_0^2y=2x0x−x02 .
1x04 微分(其四)——导数的计算法则,加法、乘法&链式法则
导数的加法法则为:
(f(x)+g(x))′=f′(x)+g′(x)(f(x)+g(x))^{'}=f^{'}(x)+g^{'}(x) (f(x)+g(x))′=f′(x)+g′(x)
这灰常的显而易见:
(f(x)+g(x))′=Δf+ΔgΔx=ΔfΔx+ΔgΔx=f′(x)+g′(x)(f(x)+g(x))^{'}=\dfrac{\Delta f+\Delta g}{\Delta x}=\dfrac{\Delta f}{\Delta x}+\dfrac{\Delta g}{\Delta x}=f^{'}(x)+g^{'}(x) (f(x)+g(x))′=ΔxΔf+Δg=ΔxΔf+ΔxΔg=f′(x)+g′(x)
(不要怕对无穷小量进行运算,之后会讲到什么时候不适合直接计算 洛不达,洛必错 )
比如说,(x2+3x)′=(x2)′+3x′=2x+3(x^2+3x)^{'}=(x^2)^{'}+3x^{'}=2x+3(x2+3x)′=(x2)′+3x′=2x+3.
导数的乘法法则为:
(f(x)⋅g(x))′=f′(x)⋅g(x)+f(x)⋅g′(x)(f(x)\cdot g(x))^{'}=f^{'}(x)\cdot g(x)+f(x)\cdot g^{'}(x) (f(x)⋅g(x))′=f′(x)⋅g(x)+f(x)⋅g′(x)
证明如下:
Δ(fg)=f(x+Δx)⋅g(x+Δx)−f(x)⋅g(x)\Delta(fg)=f(x+\Delta x)\cdot g(x+\Delta x)-f(x)\cdot g(x) Δ(fg)=f(x+Δx)⋅g(x+Δx)−f(x)⋅g(x)
我们都知道,ab−cd=b(a−c)+c(b−d)ab-cd=b(a-c)+c(b-d)ab−cd=b(a−c)+c(b−d).
=[f(x+Δx)−f(x)]⋅g(x+Δx)+f(x)⋅[g(x+Δx)−g(x)]=[f(x+Δx)−f(x)]\cdot g(x+Δx)+f(x)\cdot[g(x+Δx)−g(x)] =[f(x+Δx)−f(x)]⋅g(x+Δx)+f(x)⋅[g(x+Δx)−g(x)]
=Δf⋅g(x+Δx)+f(x)⋅Δg=\Delta f\cdot g(x+\Delta x)+f(x)\cdot \Delta g =Δf⋅g(x+Δx)+f(x)⋅Δg
两边同时除以 Δx\Delta xΔx :
Δ(fg)Δx=ΔfΔx⋅g(x+Δx)+f(x)⋅ΔgΔx\dfrac{\Delta (fg)}{\Delta x}=\dfrac{\Delta f}{\Delta x}\cdot g(x+\Delta x)+f(x)\cdot \dfrac{\Delta g}{\Delta x} ΔxΔ(fg)=ΔxΔf⋅g(x+Δx)+f(x)⋅ΔxΔg
∵Δx→0.\because \Delta x \rightarrow 0. ∵Δx→0.
∴g(x+Δx)→0.\therefore g(x+\Delta x)\rightarrow0. ∴g(x+Δx)→0.
∴(f(x)⋅g(x))′=Δ(fg)Δx=f′(x)⋅g(x)+f(x)⋅g′(x).\therefore (f(x)\cdot g(x))^{'}=\dfrac{\Delta (fg)}{\Delta x}=f^{'}(x)\cdot g(x)+f(x)\cdot g^{'}(x). ∴(f(x)⋅g(x))′=ΔxΔ(fg)=f′(x)⋅g(x)+f(x)⋅g′(x).
证明完毕,我们来看一个例子:
已知
f(x)=sinx⋅cosxf(x)=\sin x\cdot\cos x f(x)=sinx⋅cosx
求 f′(x)f^{'}(x)f′(x) .
首先,根据乘法法则,我们知道
f′(x)=sin′x⋅cosx+sinx⋅cos′xf^{'}(x)=\sin^{'}x\cdot\cos x+\sin x\cdot\cos^{'}x f′(x)=sin′x⋅cosx+sinx⋅cos′x
又因为
sin′x=cosx,cos′x=−sinx\sin^{'}x=\cos x,\cos^{'}x=-\sin x sin′x=cosx,cos′x=−sinx
所以
f′(x)=cos2x−sin2x.f^{'}(x)=\cos^{2}x-\sin^{2}x. f′(x)=cos2x−sin2x.
导数的链式法则为:
g(f(x))′=g′(f(x))⋅f′(x)g(f(x))^{'}=g^{'}(f(x))\cdot f^{'}(x) g(f(x))′=g′(f(x))⋅f′(x)
具体的证明这里不细讲,详细的请见 这条知乎 。
下面列出更多的一些计算法则:
除法法则:
(f(x)g(x))′=f′(x)g(x)−f(x)g′(x)g2(x)\left(\dfrac{f(x)}{g(x)}\right)^{'}=\dfrac{f^{'}(x)g(x)-f(x)g^{'}(x)}{g^2(x)} (g(x)f(x))′=g2(x)f′(x)g(x)−f(x)g′(x)
反函数法则:
f−′(x)=1f′(x){f^-}^{'}(x)=\dfrac{1}{f^{'}(x)} f−′(x)=f′(x)1
1x05 微分(其五)——指数、对数&反三角函数の导数
我们现在来求一下指数函数 y=axy=a^xy=ax 的导数。
首先,我们求下极限:
y′=limΔx→0ax+Δx−axΔxy^{'}=\lim_{\Delta x\rightarrow0}\dfrac{a^{x+\Delta x}-a^x}{\Delta x} y′=Δx→0limΔxax+Δx−ax
=limΔx→0axaΔx−1Δx=\lim_{\Delta x\rightarrow0}a^x\dfrac{a^{\Delta x}-1}{\Delta x} =Δx→0limaxΔxaΔx−1
现在,我们进行换元: z=ax−1z=a^x-1z=ax−1.
y′=axlimz→0zloga(z+1)y^{'}=a^x\lim_{z\rightarrow0}\dfrac{z}{\log_a(z+1)} y′=axz→0limloga(z+1)z
=axlimz→01loga(z+1)1z=a^x\lim_{z\rightarrow0}\dfrac{1}{\log_a(z+1)^{\frac{1}{z}}} =axz→0limloga(z+1)z11
现在我们求极限 limx→01loga(x+1)1x\lim_{x\rightarrow0}\dfrac{1}{\log_a(x+1)^{\frac{1}{x}}}limx→0loga(x+1)x11 .
limz→01loga(z+1)1z=limx→0eln(x+1)1x\lim_{z\rightarrow0}\dfrac{1}{\log_a(z+1)^{\frac{1}{z}}}=\lim_{x\rightarrow0}e^{\ln(x+1)^{\frac{1}{x}}} z→0limloga(z+1)z11=x→0limeln(x+1)x1
=elimx→0ln(x+1)x=e^{\lim_{x\rightarrow0}\dfrac{\ln(x+1)}{x}} =elimx→0xln(x+1)
=elimx→01x+11=e^{\lim_{x\rightarrow0}\dfrac{\frac{1}{x+1}}{1}} =elimx→01x+11
=e1=e^1 =e1
=e=e =e
具体细节我们之后再来讲。那指数函数的导数就可以简化表示:
y′=ax1logaey^{'}=a^x\dfrac{1}{\log_ae} y′=axlogae1
=ax1lnelna=a^x\dfrac{1}{\frac{\ln e}{\ln a}} =axlnalne1
=axlna.=a^x\ln a. =axlna.
因此,ax′=axlna.{a^x}^{'}=a^x\ln a.ax′=axlna.
对数函数 y=logaxy=\log_axy=logax 是指数函数 y=axy=a^xy=ax 的反函数,因此:
(logax)′=1ax′=1axlna.(\log_ax)^{'}=\dfrac{1}{{a^x}^{'}}=\dfrac{1}{a^x\ln a}. (logax)′=ax′1=axlna1.
你也可以试着推导一下反三角函数的导数公式,下面仅列出 arcsinx\arcsin xarcsinx 的求导过程:
arcsin′x=1sin′y\arcsin^{'} x=\dfrac{1}{\sin^{'} y} arcsin′x=sin′y1
=1cosy=\dfrac{1}{\cos y} =cosy1
由诱导公式得:
=11−sin2y=\dfrac{1}{\sqrt{1-\sin^2y}} =1−sin2y1
=11−sin2arcsinx=\dfrac{1}{\sqrt{1-\sin^2{\arcsin x}}} =1−sin2arcsinx1
=11−x2=\dfrac{1}{\sqrt{1-x^2}} =1−x21
所有反三角函数的导数如下表:
arcsin′x=11−x2\arcsin^{'}x=\dfrac{1}{\sqrt{1-x^2}} arcsin′x=1−x21
arccos′x=−11−x2\arccos^{'}x=-\dfrac{1}{\sqrt{1-x^2}} arccos′x=−1−x21
arctan′x=11+x2\arctan^{'}x=\dfrac{1}{1+x^2} arctan′x=1+x21
arccot′x=−11+x2\text{arccot}^{'}x=-\dfrac{1}{1+x^2} arccot′x=−1+x21
arcsec′x=1∣x∣x2−1\text{arcsec}^{'}x=\dfrac{1}{|x|\sqrt{x^2-1}} arcsec′x=∣x∣x2−11
arccsc′x=−1∣x∣x2−1\text{arccsc}^{'}x=-\dfrac{1}{|x|\sqrt{x^2-1}} arccsc′x=−∣x∣x2−11
博主博主,你后面三个反函数是怎么打出来的啊
直接用 \text{}
就好了啊
1x06 微分(六)——洛必达法则&应用
在我们求 y=axy=a^xy=ax 的导数的时候,我们用到了洛必达法则,因此有必要说一下。
洛必达法则如下:
limx→af(x)g(x)=limx→af′(x)g′(x)\lim_{x\rightarrow a}\dfrac{f(x)}{g(x)}=\lim_{x\rightarrow a}\dfrac{f^{'}(x)}{g^{'}(x)} x→alimg(x)f(x)=x→alimg′(x)f′(x)
其中 f(x)f(x)f(x) 和 g(x)g(x)g(x) 要满足如下条件:
(1)(1)(1)
limx→af(x)=0/∞\lim_{x\rightarrow a}f(x)=0/∞ x→alimf(x)=0/∞
limx→ag(x)=0/∞\lim_{x\rightarrow a}g(x)=0/∞ x→alimg(x)=0/∞
(2)(2)(2)
在 aaa 的去心邻域(去心邻域是啥?回到 1x01
看看)内,两者皆可导,且 g′(x)≠0g^{'}(x)≠0g′(x)=0.
(3)(3)(3)
limx→af′(x)g′(x)=A(A∈(R∪±∞))\lim_{x\rightarrow a}\dfrac{f^{'}(x)}{g^{'}(x)}=A\quad(A\in\mathbb{(R\cup ±∞})\,) x→alimg′(x)f′(x)=A(A∈(R∪±∞))
下面我们来证明一下: (用到了柯西中值定理,可以自己去查一下)
由于函数在 aaa 点的 去心邻域可导 ,也就是说函数在这个 aaa 的去心邻域内 连续 。那么我们套用 柯西中值定理 ,在 xxx 趋向于 aaa 时,可以得到在区间 (a,x)(a,x)(a,x) 内找到一个点 ξ\xiξ ,使得:
f(x)−f(ξ)g(x)−g(ξ)=f′(ξ)g′(ξ)\dfrac{f(x)-f(\xi)}{g(x)-g(\xi)}=\dfrac{f^{'}(\xi)}{g^{'}(\xi)} g(x)−g(ξ)f(x)−f(ξ)=g′(ξ)f′(ξ)
我们将这两个函数做差可得:
limx→af(x)−f(a)g(x)−g(a)−f(x)g(x)\lim_{x\rightarrow a}\dfrac{f(x)-f(a)}{g(x)-g(a)}-\dfrac{f(x)}{g(x)} x→alimg(x)−g(a)f(x)−f(a)−g(x)f(x)
=limx→af(x)g(a)−f(a)g(x)=0=\lim_{x \rightarrow a}f(x)g(a)-f(a)g(x)=0 =x→alimf(x)g(a)−f(a)g(x)=0
∴f(x)−f(a)g(x)−g(a)=f′(ξ)g′(ξ)=f(x)g(x)\therefore\dfrac{f(x)-f(a)}{g(x)-g(a)}=\dfrac{f^{'}(\xi)}{g^{'}(\xi)}=\dfrac{f(x)}{g(x)} ∴g(x)−g(a)f(x)−f(a)=g′(ξ)f′(ξ)=g(x)f(x)
因为 xxx 趋近于 aaa 时, ξ\xiξ 也趋近于 aaa ,因此:
limx→af(x)g(x)=limx→af′(x)g′(x)\lim_{x\rightarrow a}\dfrac{f(x)}{g(x)}=\lim_{x\rightarrow a}\dfrac{f^{'}(x)}{g^{'}(x)} x→alimg(x)f(x)=x→alimg′(x)f′(x)
得证。
现在我们来运用一下洛必达法则,计算 sinxx\dfrac{\sin x}{x}xsinx 在 x→0x\rightarrow 0x→0 时的极限。
运用洛必达法则:
limx→0sinxx=limx→0sin′xx′=limx→0cosx=1\lim_{x\rightarrow 0}\dfrac{\sin x}{x}=\lim_{x\rightarrow 0}\dfrac{\sin^{'} x}{x^{'}}=\lim_{x\rightarrow 0}\cos x=1 x→0limxsinx=x→0limx′sin′x=x→0limcosx=1
因此
limx→0sinxx=1.\lim_{x\rightarrow 0}\dfrac{\sin x}{x}=1. x→0limxsinx=1.
我们将在 x→0x \rightarrow 0x→0 时, sinx\sin xsinx 和 xxx 称为等价无穷小,记作 sinx∼x\sin x \sim xsinx∼x 。
2x01 积分(一)——积分的定义&牛顿—莱布尼茨公式
我们还是从小汽车的例子开始,只不过这一次我们知道了 vvv 和 ttt 的关系,要求 sss 与 ttt 的关系。我们将 sss 称为 vvv 对 ttt 的积分,简称为 vvv 的积分,记作:
∫vdt=s\int vdt=s ∫vdt=s
这里的 dtdtdt 和 Δt\Delta tΔt 是一个意思。
我们通常将 f(x)f(x)f(x) 的积分称为 f(x)f(x)f(x) 的原函数,记作 F(x)F(x)F(x) 。
显而易见的是,积分和微分互为逆运算,即:
∫f′(x)dx=f(x)\int f^{'}(x)dx=f(x) ∫f′(x)dx=f(x)
哒卡,上面的式子是错误的!因为在进行微分的过程中我们消掉了常数项,因此我们需要再把常数项加上,即:
∫f′(x)dx=f(x)+C\int f^{'}(x)dx=f(x)+C ∫f′(x)dx=f(x)+C
大概很多人分不清 微分和求导的区别 。求导出来的是 一个函数 ,比如 x2x^2x2 的导数是 2x2x2x 。但是微分求出来是一个 无穷小量 (原谅我用了这个词),比如 x2x^2x2 的微分是 2dx2dx2dx 。我们称微分后 dxdxdx 的次数相等的函数称为等价无穷小函数,例如 sinx\sin xsinx 的微分为 dxcosxdx\cos xdxcosx , xxx 的微分为 dxdxdx ,因为两者都有一个 dxdxdx ,因此它们两个是等价无穷小函数。
而关于为什么 ∫\int∫ 后面有个 dxdxdx ,是因为 积分是 微分 的逆运算 ,因此需要在后面加上 微分算子 ,求出来才是一个函数,而非什么奇怪的无穷量。
既然如此,我们可以很容易就得出以下积分公式:
∫Cdx=Cx+C1\int Cdx=Cx+C_1 ∫Cdx=Cx+C1
∫xadx=xa+1a+1+C\int x^adx=\dfrac{x^{a+1}}{a+1}+C ∫xadx=a+1xa+1+C
∫1xdx=ln∣x∣+C\int \dfrac1xdx=\ln|x|+C ∫x1dx=ln∣x∣+C
∫axdx=axlnx+C\int a^xdx=\dfrac{a^x}{\ln x}+C ∫axdx=lnxax+C
∫sinxdx=−cosx+C\int \sin x\,dx=-\cos x+C ∫sinxdx=−cosx+C
∫cosxdx=sinx+C\int \cos x\,dx=\sin x+C ∫cosxdx=sinx+C
…
更多的积分公式详见 这条知乎 。
现在,我们要求当 v=2tv=2tv=2t 时,小车在第 555 秒到第 101010 秒走过的路程。怎么求呢?这时候我们就要用到大名鼎鼎的 牛顿—莱布尼茨公式 。
牛顿—莱布尼茨公式如下:
∫abf(x)dx=F(b)−F(a)=F(x)∣ab\int^b_af(x)dx=F(b)-F(a)=F(x)|^b_a ∫abf(x)dx=F(b)−F(a)=F(x)∣ab
其中
∫abf(x)dx\int^b_af(x)dx ∫abf(x)dx
表示函数 f(x)f(x)f(x) 在区间 [a,b][a,b][a,b] 内的定积分,在这里对应 [a,b][a,b][a,b] 秒所行过的路程,等价于 F(x)∣abF(x)|^b_aF(x)∣ab 。因为:
s=∫vdt=t2s=\int vdt=t^2 s=∫vdt=t2
因此小车在第 555 秒到第 101010 秒走过的路程为
s∣510=102−52=75s|^{10}_5=10^2-5^2=75 s∣510=102−52=75
这就是定积分的计算方式。
2x02 积分(二)——积分的几何意义&积分法则
如下图所示:
我们说函数 f(x)f(x)f(x) 与 xxx 轴在 [a,b][a,b][a,b] 这个区间内围成的面积为
∫abf(x)dx\int^b_af(x)dx ∫abf(x)dx
为什么呢?
我们知道,要想求出曲边梯形 x=ax=ax=a 、 x=bx=bx=b , f(x)f(x)f(x) 和 xxx 轴所围成面积,首先对曲边梯形均等分割成 nnn 个曲边梯形,如图:
当 nnn 足够大时,每个小曲边梯形就近似于矩形,即每个小曲边梯形的面积可以用矩形的面积来近似。
因此,令每个小长方形的面积为 sis_isi ,则
S=∑i=1nsiS=\sum_{i=1}^n s_i S=i=1∑nsi
=f(a)Δx+f(a+Δx)Δx+f(a+2Δx)Δx+...+f(a+(n−1)Δx)Δx=f(a)\Delta x+f(a+\Delta x)\Delta x+f(a+2\Delta x)\Delta x+...+f(a+(n-1)\Delta x)\Delta x =f(a)Δx+f(a+Δx)Δx+f(a+2Δx)Δx+...+f(a+(n−1)Δx)Δx
=∑j=0n−1f(a+jΔx)Δx=\sum_{j=0}^{n-1}f(a+j\Delta x)\Delta x =j=0∑n−1f(a+jΔx)Δx
∵limΔx→0,n→∞\because\lim_{\Delta x\rightarrow0},n\rightarrow∞ ∵Δx→0lim,n→∞
∴limΔx→0∑j=0n−1f(a+jΔx)Δx=limΔx→0[F(a+nΔx)−F(a)]=F(b)−F(a)\therefore\lim_{\Delta x\rightarrow 0}\sum_{j=0}^{n-1}f(a+j\Delta x)\Delta x=\lim_{\Delta x\rightarrow 0}[F(a+n\Delta x)-F(a)]=F(b)-F(a) ∴Δx→0limj=0∑n−1f(a+jΔx)Δx=Δx→0lim[F(a+nΔx)−F(a)]=F(b)−F(a)
∵F(b)−F(a)=F(x)∣ab=∫abf(x)dx\because F(b)-F(a)=F(x)|^b_a=\int^b_af(x)dx ∵F(b)−F(a)=F(x)∣ab=∫abf(x)dx
∴S=∫abf(x)dx\therefore S=\int^b_af(x)dx ∴S=∫abf(x)dx
详细的证明可以看 这条知乎 。 反正我看不懂
积分的加法法则如下:
∫[f(x)+g(x)]dx=∫f(x)dx+∫g(x)dx\int [f(x)+g(x)]dx=\int f(x)dx+\int g(x)dx ∫[f(x)+g(x)]dx=∫f(x)dx+∫g(x)dx
非常的显然,将两个面积叠加起来不就是它们面积的和嘛。
顺带一提,我们通常用 uuu 和 vvv 来代替函数。那么,积分的加法法则就可以表示成:
∫(u+v)dx=∫udx+∫vdx\int (u+v)dx=\int udx+\int vdx ∫(u+v)dx=∫udx+∫vdx
积分的数乘法则如下:
∫Cf(x)dx=C∫f(x)dx\int Cf(x)dx=C\int f(x)dx ∫Cf(x)dx=C∫f(x)dx
这和加法法则是对应的。
很遗憾的是,积分并没有乘法法则和链式法则。我们继续往下看。
积分的分部积分法是指:
∫(uv)dx=u∫vdx−∫u′(∫vdx)dx\int (uv)dx=u\int vdx-\int u^{'}(\int vdx)dx ∫(uv)dx=u∫vdx−∫u′(∫vdx)dx
也可以写作:
∫(uv)dx=uV−∫u′Vdx\int (uv)dx=uV-\int u^{'}Vdx ∫(uv)dx=uV−∫u′Vdx
这是怎么来的?
分部积分法是基于 导数的乘法法则 :
(uv)′=uv′+u′v(uv)^{'}=uv^{'}+u^{'}v (uv)′=uv′+u′v
求每边的积分,然后重排:
∫(uv)′dx=∫(uv′)dx+∫(u′v)dx\int (uv)^{'}dx=\int (uv^{'})dx+\int(u^{'}v)dx ∫(uv)′dx=∫(uv′)dx+∫(u′v)dx
uv=∫(uv′)dx+∫(u′v)uv=\int (uv^{'})dx+\int(u^{'}v) uv=∫(uv′)dx+∫(u′v)
∫(uv′)dx=uv−∫(u′v)dx\int (uv^{'})dx=uv-\int(u^{'}v)dx ∫(uv′)dx=uv−∫(u′v)dx
再对 vvv 求积分:
∫(uv)dx=u∫vdx−∫u′(∫vdx)dx\int (uv)dx=u\int vdx-\int u^{'}(\int vdx)dx ∫(uv)dx=u∫vdx−∫u′(∫vdx)dx
也可以写作:
∫(uv)dx=uV−∫u′Vdx\int(uv)dx=uV-\int u^{'}Vdx ∫(uv)dx=uV−∫u′Vdx
我们来看一个例子:
求
∫xcosxdx\int x\cos xdx ∫xcosxdx
令 u=xu=xu=x , v=cosxv=\cos xv=cosx :
u′=x′=1,∫vdx=∫cosxdx=sinxu^{'}=x^{'}=1,\int vdx=\int\cos xdx=\sin x u′=x′=1,∫vdx=∫cosxdx=sinx
∴∫xcosxdx=xsinx−∫sinxdx\therefore \int x\cos xdx=x\sin x-\int \sin xdx ∴∫xcosxdx=xsinx−∫sinxdx
=xsinx+cosx+C=x\sin x+\cos x+C =xsinx+cosx+C
再来看一个例子:求
∫lnxdx\int\ln xdx ∫lnxdx
只有一个函数,我们就令 v=1v=1v=1 ,求得:
∫lnxdx=xlnx−∫x⋅1xdx=xlnx−x+C\int\ln xdx=x\ln x-\int x\cdot\dfrac 1xdx=x\ln x-x+C ∫lnxdx=xlnx−∫x⋅x1dx=xlnx−x+C
换元积分法是指将一个函数换元之后简化原式的一种求法。例如:
∫f(g(x))g′(x)dx=∫f(u)du\int f(g(x))g^{'}(x)dx=\int f(u)du ∫f(g(x))g′(x)dx=∫f(u)du
接着我们可以求 f(u)f(u)f(u) 的积分,然后把 g(x)g(x)g(x) 代回去 uuu 里。
像这样:
求
∫2xcosx2dx\int2x\cos x^2 dx ∫2xcosx2dx
因为 x2′=2x{x^2}^{'}=2xx2′=2x ,因此我们可以使用换元法:
∫cosudu\int\cos udu ∫cosudu
求积分得:
∫cosudu=sinu+C\int\cos udu=\sin u+C ∫cosudu=sinu+C
再将 u=x2u=x^2u=x2 带入得:
∫2xcosx2dx=sinx2+C\int2x\cos x^2dx=\sin x^2+C ∫2xcosx2dx=sinx2+C
我们再来看一个比较复杂的例子:
求
∫xx2+1dx\int \dfrac{x}{x^2+1}dx ∫x2+1xdx
因为 (x2+1)′=2x(x^2+1)^{'}=2x(x2+1)′=2x ,因此我们需要重排一下式子:
12∫2xx2+1dx\dfrac12\int \dfrac{2x}{x^2+1}dx 21∫x2+12xdx
令 u=x2+1u=x^2+1u=x2+1 ,得:
12∫1udu=12lnu+C\dfrac12\int\dfrac1udu=\dfrac12\ln u+C 21∫u1du=21lnu+C
将 u=x2+1u=x^2+1u=x2+1 带入上式得:
∫xx2+1dx=12ln(x2+1)+C\int \dfrac{x}{x^2+1}dx=\dfrac12\ln(x^2+1)+C ∫x2+1xdx=21ln(x2+1)+C
2x03 积分(三)——柯西主值&Gamma函数
想象一个函数 f(x)=1lnxf(x)=\dfrac{1}{\ln x}f(x)=lnx1 。这个函数有一个无穷点 x=1x=1x=1 ,我们称为 奇点 。
(If you can)
它的积分
∫0t1lnxdx\int_{0}^{t} \dfrac{1}{\ln x}dx ∫0tlnx1dx
通常记作 lit\text{li}\,tlit 。
等等等等,当 x=1x=1x=1 时,函数值不存在,那怎么能积分呢?我们先来看看它的图像:
更离谱了,函数不仅不连续,还有 222 个无穷点, 111 个断点。
因此,我们要使用 柯西主值 来定义它。柯西主值是在微积分中,实数线上的某类 瑕积分 ,为纪念柯西而得此名。
相信你已经糊涂了。瑕积分是啥?
瑕积分,就是对于一个函数,在存在 奇点 的区间内进行积分。为了过滤掉这个奇点,我们要使得一个无穷小量 δ→0+\delta\rightarrow0^+δ→0+ ( 0+0^+0+ 的意思是从大于 000 的位置趋近),使其能够表示 奇点附近的去心邻域 。(又提到了去心邻域)
我们假设这个奇点是 ccc ,我们可得:
∫abf(x)dx=limδ→0+(∫ac−δf(x)dx+∫c+δbf(x)dx)\int^b_af(x)dx=\lim_{\delta \rightarrow0^+}\left(\int_a^{c-\delta}f(x)dx+\int_{c+\delta}^bf(x)dx\right) ∫abf(x)dx=δ→0+lim(∫ac−δf(x)dx+∫c+δbf(x)dx)
锵锵,我们这样就把 ccc 这个点去掉啦!
如果有多个奇点,我们也可以类似操作,只不过要分成更多的部分。
现在,我们就可以定义 lit\text{li}\,tlit 了:
lit=limδ→0+(∫01−δ1lnxdx+∫1+δt1lnxdx)\text{li}\,t=\lim_{\delta \rightarrow0^+}\left(\int_0^{1-\delta}\dfrac{1}{\ln x}dx+\int_{1+\delta}^t\dfrac{1}{\ln x}dx\right) lit=δ→0+lim(∫01−δlnx1dx+∫1+δtlnx1dx)
由于这个积分在 xxx 趋近于 000 时,值会趋近于 −∞-∞−∞ ,有些数学家为了避免麻烦,常会选择另外一个相似的定义, 欧拉对数积分定义为 :
Lit=lit−li2\text{Li}\,t=\text{li}\,t-\text{li}\,2 Lit=lit−li2
等价于
Lit=∫2t1lnxdx\text{Li}\,t=\int_2^t\dfrac{1}{\ln x}dx Lit=∫2tlnx1dx
当 x→+∞x\rightarrow +∞x→+∞ 时,函数的渐进表现如下:
lix=O(xlnx)\text{li}\,x=O(\dfrac{x}{\ln x}) lix=O(lnxx)
(什么复杂度,竞赛生狂喜)
在数论中这个函数也十分重要。高斯素数定理指出:
π(x)∼lix\pi(x)\sim\text{li}\,x π(x)∼lix
我愿称之为我学数论以来见过的最精简、最美丽、最奇特的定理公式,将离散和连续联系了起来。
是不是很好奇 lix\text{li} \,xlix 的积分?很遗憾,它并不能表示成基本函数的公式组合。它的积分如下:
∫lixdx=xlix−Ei(2lnx)+C\int\text{li}\,xdx=x\,\text{li}\,x-\text{Ei}\,(2\ln x)+C ∫lixdx=xlix−Ei(2lnx)+C
其中 Ei\text{Ei}Ei 是指数反积分函数,
Eix=∫x∞e−ttdt\text{Ei}\,x=\int_x^∞\dfrac{e^{-t}}{t}dt Eix=∫x∞te−tdt
这一函数可用来计算无限片状分布声源的辐射噪声场。具体的一些概念涉及到了复变函数和泛函分析。除此以外还有 Si\text{Si}Si 、 Ci\text{Ci}Ci 等。详见 这里 。
它们有如下关系:
Eilnx=Lix\text{Ei}\,\ln x=\text{Li}\,x Eilnx=Lix
Γ\GammaΓ 函数的定义如下:
Γ(x)=∫0+∞tx−1e−tdt(x>0)\Gamma(x)=\int_0^{+∞}t^{x-1}e^{-t}dt\quad(x>0) Γ(x)=∫0+∞tx−1e−tdt(x>0)
在复数域上伽玛函数定义为:
Γ(z)=∫0+∞tz−1e−tdt(Re(x)>0)\Gamma(z)=\int_0^{+∞}t^{z-1}e^{-t}dt\quad(\text{Re}\,(x)>0) Γ(z)=∫0+∞tz−1e−tdt(Re(x)>0)
伽马函数还有一种定义(欧拉无穷乘积定义):
Γ(z)=1z∏n=1∞[(1+zn)−1(1+1n)z]\Gamma(z)=\dfrac1z\prod^∞_{n=1}\left[\left(1+\dfrac zn\right)^{-1}\left(1+\dfrac 1n\right)^z\right] Γ(z)=z1n=1∏∞[(1+nz)−1(1+n1)z]
通过分部积分的方法,可以推导出这个函数有如下的递归性质:
Γ(x+1)=xΓ(x)\Gamma(x+1)=x\,\Gamma(x) Γ(x+1)=xΓ(x)
于是很容易证明,伽马函数可以当成是阶乘在实数集上的延拓。对于正整数n,具有如下性质:
Γ(n)=(n−1)!\Gamma(n)=(n-1)! Γ(n)=(n−1)!
对于 x∈(0,1)x\in(0,1)x∈(0,1) ,有:
Γ(1−x)⋅Γ(x)=πsinπx\Gamma(1-x)\cdot\Gamma(x)=\dfrac{\pi}{\sin \pi x} Γ(1−x)⋅Γ(x)=sinπxπ
这个公式被称为 余元公式 。
由此可以推出以下重要的概率公式:
Γ(12)=π\Gamma(\dfrac12)=\sqrt\pi Γ(21)=π
其对数的导数称为 Digamma 函数,即
ψ(x)=lnΓ(x)′=Γ′(x)Γ(x)\psi(x)=\ln\Gamma(x)^{'}=\dfrac{\Gamma^{'}(x)}{\Gamma(x)} ψ(x)=lnΓ(x)′=Γ(x)Γ′(x)
Digamma 函数又与调和级数相关,即
ψ(n+1)=Hn+γ\psi(n+1)=H_n+\gamma ψ(n+1)=Hn+γ
其中 γ\gammaγ 是欧拉常数。
而对于任意 xxx 有:
ψ(x+1)=ψ(x)+1x\psi (x+1)=\psi(x)+\dfrac1x ψ(x+1)=ψ(x)+x1
黎曼 ζ\zetaζ 函数也与其紧密相关。 ζ\zetaζ 函数的定义如下:
ζ(s)=∑n=1∞n−s\zeta(s)=\sum_{n=1}^∞n^{-s} ζ(s)=n=1∑∞n−s
2x04 积分(四)——含 2a+b2a+b2a+b 的积分公式推导(可跳过)
一、求
∫1ax+bdx\int\dfrac{1}{ax+b}dx ∫ax+b1dx
令 t=ax+bt=ax+bt=ax+b ,则 dt=adxdt=adxdt=adx 。
∴dx=1adt\therefore dx=\dfrac1adt ∴dx=a1dt
∴∫1ax+bdx=1a∫1tdt=1a⋅ln∣t∣+C\therefore \int\dfrac{1}{ax+b}dx=\dfrac1a\int\dfrac1tdt=\dfrac1a\cdot\ln|t|+C ∴∫ax+b1dx=a1∫t1dt=a1⋅ln∣t∣+C
将 t=ax+bt=ax+bt=ax+b 带入上式得:
∫1ax+b=1a⋅ln∣ax+b∣+C\int\dfrac{1}{ax+b}=\dfrac1a\cdot\ln|ax+b|+C ∫ax+b1=a1⋅ln∣ax+b∣+C
二、求
∫(ax+b)μdx\int(ax+b)^\mu dx ∫(ax+b)μdx
令 t=ax+bt=ax+bt=ax+b ,则 dt=adxdt=adxdt=adx 。
∴dx=1adt\therefore dx=\dfrac1adt ∴dx=a1dt
∴∫(ax+b)μdx=1a∫tμdt=1a⋅tμ+1μ+1+C\therefore \int(ax+b)^\mu dx=\dfrac1a\int t^\mu dt=\dfrac1a\cdot\dfrac{t^{\mu+1}}{\mu+1}+C ∴∫(ax+b)μdx=a1∫tμdt=a1⋅μ+1tμ+1+C
将 t=ax+bt=ax+bt=ax+b 代入上式得:
∫(ax+b)μdx=1a⋅(ax+b)μ+1μ+1+C\int(ax+b)^\mu dx=\dfrac1a\cdot\dfrac{(ax+b)^{\mu+1}}{\mu+1}+C ∫(ax+b)μdx=a1⋅μ+1(ax+b)μ+1+C
三、求
∫xax+bdx\int\dfrac{x}{ax+b}dx ∫ax+bxdx
令 t=ax+bt=ax+bt=ax+b ,则 dt=adxdt=adxdt=adx 。
∴dx=1adt,x=1a(t−b)\therefore dx=\dfrac1adt,x=\dfrac1a(t-b) ∴dx=a1dt,x=a1(t−b)
∴∫xax+bdx=1a2∫(1−bt)dt\therefore \int\dfrac{x}{ax+b}dx=\dfrac{1}{a^2}\int\left(1-\dfrac bt\right)dt ∴∫ax+bxdx=a21∫(1−tb)dt
化简得
1a2∫(1−bt)dt=1a2(t−b⋅ln∣t∣)+C\dfrac{1}{a^2}\int\left(1-\dfrac bt\right)dt=\dfrac{1}{a^2}(t-b\cdot\ln|t|)+C a21∫(1−tb)dt=a21(t−b⋅ln∣t∣)+C
将 t=ax+bt=ax+bt=ax+b 代入上式得:
∫xax+bdx=1a2(ax+b−b⋅ln∣ax+b∣)+C\int\dfrac{x}{ax+b}dx=\dfrac{1}{a^2}(ax+b-b\cdot\ln|ax+b|)+C ∫ax+bxdx=a21(ax+b−b⋅ln∣ax+b∣)+C
四、求
∫1x(ax+b)dx\int\dfrac{1}{x(ax+b)}dx ∫x(ax+b)1dx
设
1x(ax+b)=Ax+Bax+b\dfrac{1}{x(ax+b)}=\dfrac Ax+\dfrac{B}{ax+b} x(ax+b)1=xA+ax+bB
可得
{A=1bB=−ab\begin{cases} A=\dfrac1b\\ \\ B=-\dfrac ab \end{cases} ⎩⎨⎧A=b1B=−ba
因此
∫1x(ax+b)dx=∫[1bx−ab(ax+b)]dx\int\dfrac{1}{x(ax+b)}dx=\int[\dfrac{1}{bx}-\dfrac{a}{b(ax+b)}]dx ∫x(ax+b)1dx=∫[bx1−b(ax+b)a]dx
=1b∫1xdx−ab∫1ax+bdx=\dfrac1b\int\dfrac1xdx-\dfrac ab\int\dfrac{1}{ax+b}dx =b1∫x1dx−ba∫ax+b1dx
=1b∫1xdx−1b∫1ax+bd(ax+b)=\dfrac1b\int\dfrac1xdx-\dfrac1b\int\dfrac{1}{ax+b}d(ax+b) =b1∫x1dx−b1∫ax+b1d(ax+b)
=1b⋅ln∣x∣−1b⋅ln∣ax+b∣+C=\dfrac 1b\cdot \ln|x|-\dfrac 1b\cdot \ln|ax+b|+C =b1⋅ln∣x∣−b1⋅ln∣ax+b∣+C
由对数的计算法则可得
=1b⋅ln∣xax+b∣+C=\dfrac 1b\cdot \ln\left|\dfrac{x}{ax+b}\right|+C =b1⋅lnax+bx+C
=−1b⋅ln∣ax+bx∣+C=-\dfrac 1b\cdot \ln\left|\dfrac{ax+b}{x}\right|+C =−b1⋅lnxax+b+C
更多公式如下:
- ∫1ax+bdx=1a⋅ln∣ax+b∣+C\int\dfrac{1}{ax+b}dx=\dfrac1a\cdot\ln|ax+b|+C∫ax+b1dx=a1⋅ln∣ax+b∣+C
- ∫(ax+b)μdx=1a⋅(ax+b)μ+1μ+1\int(ax+b)^\mu dx=\dfrac1a\cdot\dfrac{(ax+b)^{\mu +1}}{\mu+1}∫(ax+b)μdx=a1⋅μ+1(ax+b)μ+1
- ∫xax+bdx=1a2(ax+b−b⋅ln∣ax+b∣)+C\int\dfrac{x}{ax+b}dx=\dfrac{1}{a^2}(ax+b-b\cdot\ln|ax+b|)+C∫ax+bxdx=a21(ax+b−b⋅ln∣ax+b∣)+C
- ∫x2ax+bdx=1a3[12(ax+b)2−2b(ax+b)+b2⋅ln∣ax+b∣]\int\dfrac{x^2}{ax+b}dx=\dfrac{1}{a^3}\left[\dfrac12(ax+b)^2-2b(ax+b)+b^2\cdot\ln|ax+b|\right]∫ax+bx2dx=a31[21(ax+b)2−2b(ax+b)+b2⋅ln∣ax+b∣]
- ∫1x(ax+b)dx=−1b⋅ln∣ax+bx∣+C\int\dfrac{1}{x(ax+b)}dx=-\dfrac 1b\cdot \ln\left|\dfrac{ax+b}{x}\right|+C∫x(ax+b)1dx=−b1⋅lnxax+b+C
- ∫1x2(ax+b)dx=−1bx+ab2⋅ln∣ax+bx∣+C\int\dfrac{1}{x^2(ax+b)}dx=-\dfrac 1{bx}+\dfrac{a}{b^2}\cdot \ln\left|\dfrac{ax+b}{x}\right|+C∫x2(ax+b)1dx=−bx1+b2a⋅lnxax+b+C
- ∫x(ax+b)2dx=1a2(ln∣ax+b∣+bax+b)+C\int\dfrac{x}{(ax+b)^2}dx=\dfrac{1}{a^2}\left(\ln|ax+b|+\dfrac{b}{ax+b}\right)+C∫(ax+b)2xdx=a21(ln∣ax+b∣+ax+bb)+C
- ∫x2(ax+b)2dx=1a3(ax+b−2b⋅ln∣ax+b∣−b2ax+b)+C\int\dfrac{x^2}{(ax+b)^2}dx=\dfrac{1}{a^3}\left(ax+b-2b\cdot\ln|ax+b|-\dfrac{b^2}{ax+b}\right)+C∫(ax+b)2x2dx=a31(ax+b−2b⋅ln∣ax+b∣−ax+bb2)+C
- ∫1x(ax+b)2dx=1b(ax+b)−1b2⋅ln∣ax+bx∣+C\int\dfrac{1}{x(ax+b)^2}dx=\dfrac{1}{b(ax+b)}-\dfrac{1}{b^2}\cdot \ln\left|\dfrac{ax+b}{x}\right|+C∫x(ax+b)21dx=b(ax+b)1−b21⋅lnxax+b+C
2x05 积分(五)——托里拆利小号&收敛的定义
托里拆利小号是一个旋转体,它由 y=1x(x≥1)y=\dfrac 1x\quad(x\geq1)y=x1(x≥1) 这个函数的图像旋转而来。图像如下:
神奇的一点是,它的体积是有限的,表面积却是无限的。我们来给出证明。
体积是面积的积分,我们只需要算出面积的函数 s(x)s(x)s(x) ,对 sss 进行积分,则
∫1∞s(x)dx=V\int_1^∞ s(x)dx=V ∫1∞s(x)dx=V
而小号在平面 x=x0x=x_0x=x0 上的横截面积为 π(1x0)2\pi \left(\dfrac {1}{x_0}\right)^2π(x01)2 ,则我们可以得到:
V=∫1∞π(1x)2dx=π∫1∞(1x)2dx=π[limb→∞(−1b)−(−11)]=πV=\int_1^∞\pi\left(\dfrac 1x\right)^2dx=\pi\int_1^∞\left(\dfrac 1x\right)^2dx=\pi\left[\lim_{b\rightarrow ∞}\left(-\dfrac 1b\right)-\left(-\dfrac11\right)\right]=\pi V=∫1∞π(x1)2dx=π∫1∞(x1)2dx=π[b→∞lim(−b1)−(−11)]=π
故原积分收敛于 111 ,体积为 π\piπ 。
而表面积是长度的积分,我们就要先求出小号在平面 x=x0x=x_0x=x0 平面上的横截线长度。容易得出其为 2π1x02\pi\dfrac{1}{x_0}2πx01 。则:
S=∫1∞2π1x0dx=2π(limb→∞ln∣b∣−ln1)S=\int_1^∞2\pi\dfrac{1}{x_0}dx=2\pi\left(\lim_{b\rightarrow ∞}\ln|b|-\ln1\right) S=∫1∞2πx01dx=2π(b→∞limln∣b∣−ln1)
显然, limb→∞\lim_{b\rightarrow ∞}limb→∞ 时, lnb→∞\ln b\rightarrow ∞lnb→∞ ,因此原积分不收敛。
因此,托里拆利小号的体积为 π\piπ ,而表面积无限。
我们定义,如果对于一个函数 f(x)f(x)f(x) ,存在两个足够小的数 δ,ϵ\delta,\epsilonδ,ϵ ,使其在 x=x0x=x_0x=x0 时,ϵ>∣f(x0+δ)−f(x0)∣>0\epsilon>|f(x_0+\delta)-f(x_0)|>0ϵ>∣f(x0+δ)−f(x0)∣>0 ,则称函数 f(x)f(x)f(x) 在 x0x_0x0 处收敛。
比如,托里拆利小号的体积便在 x0→∞x_0\rightarrow ∞x0→∞ 时,收敛至 π\piπ ,而托里拆利小号的表面积不收敛。
2x06 积分(六)——圆锥和球的体积&证明
小学生都知道,圆锥的体积公式是 V=13πr2hV=\dfrac13\pi r^2hV=31πr2h ,我们来严格的证明一下。
从上往下看,圆锥的截面半径是一个从 000 到 rrr 的正比例函数。
这个截面的斜边斜率恰为 rh\dfrac rhhr 。因此,我们将圆锥在 y=y0y=y_0y=y0 这个平面上的截面面积表示如下:
S=π(ry0h)2S=\pi\left(\dfrac {ry_0}{h}\right)^2 S=π(hry0)2
则体积为
V=∫Sdy=13πr2hV=\int Sdy=\dfrac13\pi r^2h V=∫Sdy=31πr2h
我们现在来计算一下球的体积公式。
设球的半径为 RRR ,
我们把球(我们通过半球来考虑)切成 nnn 片,就是一个一个的圆,设圆的半径分别为 rrr 。
面积为
S(r)=πr2S(r)=\pi r^2 S(r)=πr2
到圆心距离为 xxx 的圆的半径
f(x)=R2−x2f(x)=\sqrt{R^2-x^2} f(x)=R2−x2
可得
V=2∫0RS(f(x))dx=2∫0Rπ(R2−x2)dxV=2\int_0^RS(f(x))dx=2\int_0^R\pi(R^2-x^2)dx V=2∫0RS(f(x))dx=2∫0Rπ(R2−x2)dx
不难提出 RRR :
=2π(R3−∫0Rx2dx)=2\pi\left(R^3-\int_0^Rx^2dx\right) =2π(R3−∫0Rx2dx)
最终得出 V=43πR3V=\dfrac43\pi R^3V=34πR3 。
想要求球的表面积,只需要求一次导即可,可得 S=4πR2S=4\pi R^2S=4πR2 。因为体积增加了薄薄的一层,就相当于增加了一层表面积。
微积分入门(持续更新)相关推荐
- MySQL入门(持续更新)
文章目录 0.SQL概述总括 1.思维导图 2.入门SQL需要学习以下几个方面 3.SQL使用方式分类 一. 数据库基础概念 1.名词概念 2.数据库分类 3.数据库系统的体系结构(三级模式和两级映像 ...
- Java基础入门(持续更新)
目录 Java基础入门1 1.Hello Java 1.1 Java简介 1.2 Java体系与特点 java的特性 1.3 Java 跨平台原理 Java 技术两种核心机制 Java 虚拟机(JVM ...
- CTF — web入门(持续更新…)
WEB简介 web俗称web安全,当大家打开浏览器那一刻.就开始和web打交道了,web安全是网络中最经典的应用之一. WEB常见术语 web前端 Web前端开发工程师,主要职责是利用(X)HTML/ ...
- pip更新失败_最全Tensorflow2.0 入门教程持续更新
最全Tensorflow 2.0 入门教程持续更新: Doit:最全Tensorflow 2.0 入门教程持续更新zhuanlan.zhihu.com 完整tensorflow2.0教程代码请看ht ...
- vue基础教程总结篇,用最短的时间入门vue.js(持续更新...)
目前,vue已经成为前端工程师必会的框架之一,这里简单总结一下,可以让您快速的入门vue,师傅带进门,修行靠个人,最主要的还是自己多动手,多实践,本专栏会持续更新. 1.vue安装教程及简介 2.vu ...
- unity ui框架_[教程汇总+持续更新]Unity从入门到入坟——收藏这一篇就够了
----------------塔防(更新中),作者重写了基础篇(下方目录为:1.1(新) 基础)目前还在持续连载了5篇,因为不多我们更新完就能追到原作者的进度了------------------- ...
- ArcGIS10从入门到精通系列实验图文教程(附配套实验数据持续更新)
文章目录 1. 专栏简介 2. 专栏地址 3. 专栏目录 1. 专栏简介 本教程<ArcGIS从入门到精通系列实验教程>内容包括:ArcGIS平台简介.ArcGIS应用基础.空间数据的采集 ...
- OGC入门学习专栏(2) - 传感网实现-SWE(持续更新)
声明 本篇简介的内容来源于OGC官网的英文文档,笔者将其翻译为中文,方便大家阅读.如果有不准确或错误的地方,欢迎大家在下方留言指正. OGC SWE标准在官网上的位置: 根据上图可知,OGC SWE标 ...
- 《Autosar从入门到精通-实战篇》总目录_培训教程持续更新中...
目录 一.Autosar入门篇: 1.1 DBC专题(共9篇) 1.2 ARXML专题(共35篇) 1.2.1 CAN Matrix Arxml(共28篇) 1.2.2 ASWC Arxml(共7篇) ...
- Flink 全网最全资源(视频、博客、PPT、入门、原理、实战、性能调优、源码解析、问答等持续更新)
Flink 学习 https://github.com/zhisheng17/flink-learning 麻烦路过的各位亲给这个项目点个 star,太不易了,写了这么多,算是对我坚持下来的一种鼓励吧 ...
最新文章
- 未来的程序员面临着怎样的职业变化
- 一些能提高ABAP开发人员日常工作效率的ABAP小工具
- 实际开发中 dao、entity的代码怎样自动生成?一款工具送给你
- 2017-03-01 Oracle10g的安装与配置使用
- 【BZOJ1013】球形空间产生器,第一次的高斯消元
- 记一次cpu指标异常的跟踪排查
- malformed utf-8 characters, possibly incorrectly encoded
- RDCMan之DPI 和 Screen Resolution设置
- 【BZOJ】2078: [POI2004]WYS
- vue中组件的父子关系
- WEB服务器有哪几种
- 电路设计_继电器的电磁干扰
- 前端新手HTML入门
- 浏览器如何工作(How browsers work)
- 用 Python 播放多声轨 MIDI 文件音乐
- Ble Mesh技术(一)之概览
- DVWA关卡11:Reflected Cross Site Scripting (XSS)(反射型XSS)
- ABAP Modify 的用法(TRANSPORTING)
- HTML与CSS关系
- Three.js之吊炸天的3D元素周期表探究及再开发