某些“积不出”函数的定积分近似计算方法及其原函数的近似曲线

The Approximate Calculation Method and Curve of Some “Beyond Element” Definite Integrals

DOI: 10.12677/PM.2020.107076,

PDF, 下载:

203  浏览:

457

作者:

杨立敏, 王泽军, 马 鹏, 于 静, 陈 文:中国石油大学(北京),克拉玛依校区,文理学院,新疆 克拉玛依

摘要:

通常所说的“求不定积分”是指用初等函数的形式把这个不定积分表示出来,如果函数的原函数不是初等函数,则称此函数为“积不出”函数。“积不出”函数的定积分计算时“Newton-Leibniz”公式失效。本文用无穷级数理论和含参变量积分理论给出部分“积不出”函数的定积分近似计算方法,用Matlab编程数值计算部分“积不出”函数的定积分近似值,并与讨论的其广义积分值加以比较,又利用变上限函数绘制了部分“积不出”函数的原函数近似曲线。

Abstract:

In general, “Calculating definite integral” is that we show the definite integral using elementary function, whereas, if the primitive function is not elementary function, then definite integral is “Beyond Element”. At this point, the “Newton-Leibniz” formula can not apply to calculate “Beyond Element” definite integral. In this paper, we apply theory of infinite series and integral depending on a parameter to calculate some “Beyond Element” definite integral. We obtain approximate value of definite integral by applying Matlab of mathematical software, and compare with analytical result of generalized integral. Subsequently, we apply variable upper limit function to plot the ap-proximate curve of primitive function.

文章引用:

杨立敏, 王泽军, 马鹏, 于静, 陈文. 某些“积不出”函数的定积分近似计算方法及其原函数的近似曲线[J]. 理论数学, 2020, 10(7): 631-637. https://doi.org/10.12677/PM.2020.107076

1. 引言

在高等数学教材中,定积分的计算一般要用“Newton-Leibniz”公式,即求出被积函数的原函数,再把上下限的值代入原函数并做减法。同时,大多高等数学教材也指出,有些初等函数的原函数是非初等

函数,即我们无法用初等函数把这些函数的原函数表示出来,比如函数

e

x

2 、

s

i

n

x

x 、

1

l

n

x 、

1

1

+

x

4 等 [1]。

通常所说的“求不定积分”是指用初等函数的形式把这个不定积分表示出来,在这个意义下,以上函数的不定积分是求不出来的,这种函数也称为“积不出”函数。这是否意味着这些函数的定积分及广义积分我们完全计算不出来呢?否则,这些函数的定积分及广义积分该如何得到其值呢?不少同学有此疑问。本文利用无穷级数和含参变量积分的理论逐一给出以上函数的定积分的近似计算方法,并用Matlab软件计算出部分定积分的近似值,便于学生从数值上把握这些积分,也可以把该方法和程序应用到其他类似

定积分的计算中。同时,把函数

s

i

n

x

x,

e

x

2 等广义积分的精确值与定积分的值放在一起,加以比较。

2. 正文

2.1. 基本引理 [2]

引理2.1:幂级数

n

=

0

a

n

x

n 的和函数

s

(

x

) 在其收敛域上可积,并且逐项可积。

引理2.2:如果交错级数

n

=1

(

1

)

n

1

u

n 满足条件:

u

n

u

n

+

1 ;

lim

n

u

n

=

0,

则级数收敛,且其和

s

u

1,其余项

r

n 的绝对值

|

r

n

|

u

n

+

1。

引理2.3:若函数

f

(

x

,

μ

) 与

f

μ

(

x

,

μ

) 在区域D:

a

x

<

+

,

α

μ

β 上连续且无穷积分

φ

(

μ

)

=

a

+

f

(

x

,

μ

)

d

x 在区间

[

α

,

β

] 上收敛,且无穷积分

a

+

f

μ

(

x

,

μ

)

d

x 在区间

[

α

,

β

] 上一致收敛,则函数

φ

(

μ

) 在区间

[

α

,

β

] 上可导,且

φ

(

μ

)

=

a

+

f

μ

(

x

,

μ

)

d

x。

引理2.4:设函数

f

(

x

) 在区间

(

a

,

b

] 上连续,且

f

(

x

)

0

,

x

=

a 为

f

(

x

) 的瑕点,如果存在常数

0

<

q

<

1 使得

lim

x

a

+

(

x

a

)

q

f

( x )

存在,则反常积分

a

b

f

(

x

)

d

x 收敛;

如果

lim

x

a

+

(

x

a

)

f

(

x

)

=

d

>

0,(或

lim

x

a

+

(

x

a

)

f

(

x

)

=

+

∞ ),则反常积分

a

b

f

(

x

)

d

x 发散。

引理2.5:设函数

f

(

x

) 在区间

[

a

,

+

)

(

a

>

0

) 上连续,且

f

(

x

)

x,如果存在常数

M

>

0 且

p

>

0,使得

f

(

x

)

M

x

p

(

a

x

<

+

),则反常积分

a

+

f

(

x

)

d

x 收敛;如果存在常数

N

>

0,使得

f

(

x

)

N

x

(

a

x

<

+

),则反常积分

a

+

f

(

x

)

d

x 发散。

2.2. “积不出”函数的定积分的近似值与广义积分的值

例2.1:计算定积分

I

(

y

)

=

0

y

e

x

2

d

x

(

y

>

0

) 的近似值。

解:函数

e

x

2 的幂级数展开式为:

e

x

2

=

1

x

2

+

x

2

2

!

x

3

3

!

+

+

(

1

)

n

x

n

n

!

+

(

<

x

<

+

)

由引理(2.1)

I

(

y

)

=

y

y

3

3

1

!

+

y

5

5

2

!

y

7

7

3

!

+

+

(

1

)

n

y

2

n

+

1

(

2

n

+

1

)

n

!

+

=

n

=

0

(

1

)

n

y

2

n

+

1

(

2

n

+

1

)

n

!

(

0

<

y

<

+

)

由引理(2.2),

I

(

y

) 的近似值

I

*

(

y

)

=

n

=

0

k

(

1

)

n

y

2

n

+

1

(

2

n

+

1

)

n

!,误差

|

r

2

k

+

1

|

<

y

2

k

+

3

(

2

k

+

3

)

(

k

+

1

)

!。

用Matlab计算得

I

*

(

2

2

)

=

0.60501,

I

*

(

2

)

=

0.84590,

I

*

(

3

2

2

)

=

0.88622,其中

|

r

|

<

10

5。且有函数图像如图1所示:

Figure 1. The graph of

I

*

( y )

图1.

I

*

(

y

) 的函数图像

因为广义积分

I

=

0

+

e

x

2

d

x

=

π

2,注意到$

|

I

(

3

2

2

)

I

|

<

10

5,我们从数值上验证了正态分布的“

3

σ 定律” [3]。

例2.2:计算定积分

I

(

y

)

=

0

y

sin

x

x

d

x 的近似值,讨论广义积分

I

=

0

+

sin

x

x

d

x 的敛散性并求其值。

解:1°

lim

x

0

sin

x

x

=

1

I

(

y

) 不是瑕积。

s

i

n

x

x 是偶函数,不妨设

y

>

0,函数

s

i

n

x

x 的幂级数展开式为:

sin

x

x

=

1

x

2

3

!

+

x

4

5

!

x

6

7

!

+

+

(

1

)

n

x

2

n

(

2

n

+

1

)

+

(

<

x

<

+

)

由引理(2.1)

I

(

y

)

=

y

y

3

3

3

!

+

y

5

5

5

!

y

7

7

7

!

+

+

(

1

)

n

y

2

n

+

1

(

2

n

+

1

)

(

2

n

+

1

)

!

+

(

<

y

<

+

)

由引理(2.2),

I

(

y

) 的近似值

I

*

(

y

)

=

n

=

0

k

(

1

)

n

y

2

n

+

1

(

2

n

+

1

)

(

2

n

+

1

)

!,误差

|

r

2

k

+

1

|

<

y

2

k

+

3

(

2

k

+

3

)

(

2

k

+

3

)

!。

2°判定广义积分

I

=

0

+

sin

x

x

d

x 的敛散性,并求其值。

|

0

a

sin

x

d

x

|

2,

1

x

0

(

x

+

) 且

1

x 递减,由Dirichlet判别法 [4] 知I是收敛的,

由Abel判别法 [4] 知含参量积分

I

(

t

)

=

0

+

e

t

x

sin

x

x

d

x 在

t

[

0,

+

) 上一致收敛。

I

=

I

(

0

)

=

lim

t

0

+

I

(

t

),由Weierstrass判别法 [4] 知

0

+

e

t

x

s

i

n

x

x

d

x 在

[

t

0

,

+

) 上一致收敛

(

t

0

>

0

)。

根据引理(2.3)利用Dirichlet判别法 [4],考虑

I

(

u

)

=

a

u

f

(

x

)

d

x 在

(

a

,

+

) 上有界,

g

(

x

) 在

[

a

,

+

) 上

x

+

∞ 时单调趋于0,则

a

+

f

(

x

)

g

(

x

)

d

x 收敛。

I

(

t

)

=

0

+

e

t

x

sin

x

d

x

=

e

t

x

(

t

sin

x

+

cos

x

)

1

+

t

2

|

0

+

=

1

1

+

t

2,则

I

(

t

)

=

arctan

t

+

C。

|

I

(

t

)

|

=

|

0

+

e

t

x

sin

x

x

d

x

|

0

+

e

t

x

d

x

=

1

t

0

(

t

+

),即

lim

t

+

I

(

t

)

=

0,

C

=

π

2,

I

(

t

)

=

arctan

t

+

π

2,

I

=

I

(

0

)

=

π

2。

用Matlab计算得

I

*

(

π

)

=

1.85193,

I

*

(

2

π

)

=

1.41815,

I

*

(

3

π

)

=

1.67476,

I

*

(

4

π

)

=

1.49216,这里

|

r

|

<

10

5,并给出了

I

*

(

y

) 的函数图像,如图2所示。

例2.3:计算定积分

I

(

y

)

=

e

y

1

ln

x

d

x 的近似值

(

y

>

e

),讨论广义积分

I

1

=

e

+

1

ln

x

d

x,

I

2

=

0

1

1

ln

x

d

x,

I

3

=

1

2

1

ln

x

d

x 的敛散性。

解:1°

I

(

y

)

=

e

y

1

ln

x

d

x

=

t

=

ln

x

1

ln

y

1

t

e

t

d

t,

e

t

t 的幂级数展开式为:

Figure 2. The Graph of

I

*

( y )

图2.

I

*

(

y

) 的函数图像

e

t

t

=

1

t

+

1

+

t

2

+

t

2

3

!

+

+

t

n

1

n

!

+

⋯ (

<

t

<

0 或

0

<

t

<

+

∞ )。

由(2.1)

I

(

y

)

=

1

ln

y

(

1

t

+

1

+

t

2

!

+

t

2

3

!

+

+

t

n

1

n

!

+

)

d

t

=

ln

ln

y

+

(

ln

y

1

)

+

n

=

2

(

ln

y

)

n

1

n

n

!

(

e

<

y

)

I

*

(

y

)

=

ln

ln

y

+

(

ln

y

1

)

+

n

=

2

k

(

ln

y

)

n

1

n

n

! 不能估算误差。

用Matlab计算得到

I

*

(

e

)

=

0,

I

*

(

e

2

)

=

3.059116,

I

*

(

e

3

)

=

8.038714,

I

*

(

e

4

)

=

17.735756,从计算结果可以看出

I

*

(

y

) 的值增大速度较快,导致

e

+

1

l

n

x

d

x 发散。以下为

I

*

(

y

) 的函数图像,如图3所示。

2° 讨论

I

1

,

I

2

,

I

3 的敛散性,

1

ln

x

>

1

x

(

e

x

<

+

),由引理(2.5)知,

I

1 发散。

lim

x

0

1

l

n

x

=

0,

lim

x

1

1

ln

x

=

∞,

I

2 中仅

x

=

1 为瑕点。而

lim

x

1

(

1

x

)

1

ln

x

=

1

>

0,由引理(2.4)知

I

2 发散。类似地,由引理(2.4)知

I

3 发散。

例2.4:计算定积分

I

(

y

)

=

0

y

1

1

+

x

4

d

x 的近似值,并讨论广义积分

I

=

0

+

1

1

+

x

4

d

x 的敛散性。

解:1° 函数

1

1

+

x

4 的幂级数展开式为:

Figure 3. The Graph of

I

*

( y )

图3.

I

*

(

y

) 的函数图像

1

1

+

x

4

=

1

1

2

x

4

+

1

3

2

4

x

8

1

3

5

2

4

6

x

12

+

1

3

5

7

2

4

6

8

x

16

+

+

(

1

)

n

(

2

n

1

)

!

!

(

2

n

)

!

!

x

4

n

+

(

x

[

0

,

1

]

)

由引理(2.1)

I

(

y

)

=

y

+

n

=

1

(

1

)

n

(

2

n

1

)

!

!

(

4

n

+

1

)

(

2

n

)

!

1

y

4

n

+

1

(

0

y

1

),由引理(2.2)

I

(

y

) 的近似值

I

*

(

y

)

=

y

+

n

=

1

k

(

1

)

n

(

2

n

1

)

!

!

(

4

n

+

1

)

(

2

n

)

!

1

y

4

n

+

1,误差

|

r

4

k

+

1

|

(

2

k

+

1

)

!

!

(

4

k

+

5

)

(

2

k

+

2

)

!

!

y

4

k

+

5。用Matlab计算得

I

*

(

1

2

)

=

0.49695,

I

*

(

1

)

=

0.92778,这里

|

r

|

<

10

5,且有

I

*

(

y

) 的图像,如图4所示。

Figure 4. The Graph of

I

*

( y )

图4.

I

*

(

y

) 的函数图像

1

1

+

x

4

<

1

x

2

x

(

0,

+

)

由引理(2.4)广义积分

0

+

1

1

+

x

4

d

x 收敛。令

I

1

=

0

1

1

1

+

x

4

d

x,

I

2

=

1

+

1

1

+

x

4

d

x,由定积分估值定理知

2

2

<

I

1

<

1,由不等式性质得

1

+

2

2

1

x

2

d

x

<

I

2

<

1

+

1

x

2

d

x,即

2

2

<

I

2

<

1。

2

<

I

=

I

1

+

I

2

<

2。

3. 总结

对于“积不出”函数的定积分和广义积分,可以借助无穷级数和含参量积分以及估值等方法得到其近似值,甚至精确值。利用变上限函数的性质借助MATLAB画出原函数的大致图像,综合数学分析的知识,可用此方法研究这类“积不出”函数的定积分近似值及原函数图像。

参考文献[1]

同济大学数学系. 高等数学[M]. 北京: 高等教育出版社, 2014.

[2]

华东师范大学数学系. 数学分析[M]. 北京: 高等教育出版社, 2010.

[3]

吴传生. 概率论与数理统计[M]. 北京: 高等教育出版社, 2015.

[4]

陈纪修, 等. 数学分析[M]. 北京: 高等教育出版社, 2004.

matlab定积分积不出来,某些“积不出”函数的定积分近似计算方法及其原函数的近似曲线...相关推荐

  1. 【集合论】卡氏积 ( 卡氏积概念 | 卡氏积示例 | 卡氏积性质 | 非交换性 | 非结合性 | 分配律 | 有序对为空 | n 维卡氏积 | n 维卡氏积个数 | n维卡氏积性质 )

    文章目录 一. 卡氏积 二. 卡氏积示例 三. 卡氏积性质 四. n 维卡氏积 五. n 维卡氏积个数 六. n 维卡氏积性质 前置博客 : [集合论]有序对 ( 有序对 | 有序三元组 | 有序 n ...

  2. 函数指针定积分C语言,急!!!利用函数指针变量编写一个求定积分的通用函数,...

    急!!!利用函数指针变量编写一个求定积分的通用函数, 答案:4  信息版本:手机版 解决时间 2021-05-05 09:17 已解决 2021-05-05 02:15 用它分别求5个函数的定积分:每 ...

  3. Sinc函数同一个定积分, 三种不同的方法

    01 Sinc函数 一.背景介绍   有一个函数,名字叫Sinc函数,也被称为抽样函数,  Sinc函数定义为sin(x) 除以x.  函数图像是一个左右对称的偶函数,呈现漂亮的震荡衰减的趋势.  S ...

  4. matlab绘制两个函数,用matlab程序 在同一图中绘制两个函数,这两个函数分别是: , ,,matlab怎样同时画出两个函数图...

    导航:网站首页 > 用matlab程序 在同一图中绘制两个函数,这两个函数分别是: , ,,matlab怎样同时画出两个函数图 用matlab程序 在同一图中绘制两个函数,这两个函数分别是: , ...

  5. matlab画图入门篇--各种基本图形绘制的函数与实例【转载】

    MATLAB画图入门篇--各种基本图形绘制的函数与实例 一. 二维图形(Two dimensional plotting) 1. 基本绘图函数(Basic plotting function):Plo ...

  6. MATLAB中如何删除坐标上已画出的内容

    在某些坐标显示设计中,需要删除坐标系上已画出的内容,使得显示效果不显得冗余. 代码: %-------------------------------------------------------- ...

  7. 【数字图像处理】模拟Matlab的imresize()写一个你自己的imresize()函数,至少应实现‘nearest’和‘bilinear’两种方法

    作业要求:模拟Matlab的imresize()写一个你自己的imresize()函数,至少应实现'nearest'和'bilinear'两种方法. 首先理论方面主要参考了一下两个网址 https:/ ...

  8. 用matlab读csv数据_Matlab读取csv文件csvread函数的使用

    3.7 (3) 今天来说下如何使用Matlab读取excel的csv文件,这个有什么用呢?想必理科生大概率都会用到示波器,去抓取一些电信号或者光信号,我们从示波器导出来的就是csv文件或者图片文件,而 ...

  9. [Matlab] Matlab中rand,randn,rands和randi函数使用

    工业过程数据建模QQ群: 516473179 (欢迎交流) rand(m,n) 生成m行n列均匀分布在(0~1)之间的伪随机数 randn (m,n) 生成m行n列标准正态分布的伪随机数(均值为0,方 ...

最新文章

  1. 用Elm语言降低失败的风险
  2. java linux root权限管理_新的 Linux sudo 漏洞使本地用户获得 root 权限
  3. 花书+吴恩达深度学习(十五)序列模型之循环神经网络 RNN
  4. 刺客信条全球眼终结者 绿色破解版
  5. wordpress好用的插件-wordpress插件自动采集伪原创发布插件免费
  6. 一步步教你如何实现小程序倒计时三二一后跳转页面功能,附加倒计时过渡动画
  7. 毕业设计 嵌入式 指纹识别考勤系统设计与实现
  8. (二) CGAL库应用:轮廓中轴骨架生成create_interior_straight_skeleton_2()及轮廓的偏置create_offset_polygons_2()
  9. erase和remove
  10. 产品读书《麦肯锡工作法:麦肯锡精英的39个工作习惯》
  11. android 树叶飘落动画,逼真的HTML5树叶飘落动画
  12. 中国量子计算机芯片美国,13nm!中国量子芯片再获突破,美国专家:中国学者不睡觉吗?...
  13. html调用手机陀螺仪,前端基于THREE.js的3D全景,支持鼠标控制和手机陀螺仪的切换...
  14. mysql中防呆是什么_别让用户发呆——设计中的防呆策略
  15. 垃圾图像分类 ResNet34 python
  16. 全新趣味测试威信小程序源码
  17. 《CCNP安全Secure 642-637认证考试指南》——8.8节填空
  18. 机器自动翻译古文拼音 - 十大宋词 - 如梦令·昨夜雨疏风骤 李清照
  19. mysql支持sparql吗_neo4j 中使用sparql查询
  20. 编译单个java文件

热门文章

  1. DataGrid 小结
  2. Word2Vec原理及应用与文章相似度(推荐系统方法)
  3. 公平锁和非公平锁的区别以及什么是CAS
  4. ubuntu之安装(Gnome和KDE)
  5. 数据库的join查询
  6. 闲人闲谈PS之三十六——项目状态控制
  7. php制作学生卡片,如何用thinkphp生成卡片功能
  8. JavaScript Array(数组) 对象
  9. MySQL 添加和删除索引
  10. Oralce梳理---爱了嘛