高等数学笔记(上下)

这篇具有很好参考价值的文章主要介绍了高等数学笔记(上下)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

不定积分

第一类换元积分法:灵感来自于复合函数的求导,利用中间变量替换得到复合函数的积分法:设 f ( u ) f(u) f(u)具有原函数, u = φ ( x ) u=\varphi(x) u=φ(x)可导,则有换元公式
∫ f [ φ ( x ) ] φ ′ ( x ) d x = [ ∫ f ( u ) d u ] u = φ ( x ) \int f[\varphi(x)]\varphi'(x)dx=[\int f(u)du]_{u=\varphi(x)} f[φ(x)]φ(x)dx=[f(u)du]u=φ(x)
∫ 2 cos ⁡ 2 x d x = ∫ cos ⁡ 2 x ( 2 x ) ′ d x ( 令 u = 2 x ) = sin ⁡ 2 x + C \int 2\cos 2xdx=\int \cos 2x(2x)'dx(令u=2x)=\sin 2x+C 2cos2xdx=cos2x(2x)dx(u=2x)=sin2x+C
∫ 2 x e x 2 d x = ∫ e x 2 ( x 2 ) ′ d x = e x 2 + C \int 2xe^{x^2}dx=\int e^{x^2}(x^2)'dx=e^{x^2}+C 2xex2dx=ex2(x2)dx=ex2+C
第二类换元积分法: 设 x = ψ ( t ) x=\psi(t) x=ψ(t)是单调的可导函数,并且 ψ ′ ( t ) ≠ 0 \psi'(t)\ne 0 ψ(t)=0. 又设 f [ ψ ( t ) ] ψ ′ ( t ) f[\psi(t)]\psi'(t) f[ψ(t)]ψ(t)具有原函数,则有换元公式
∫ f ( x ) d x = [ ∫ f ( ψ ( t ) ψ ′ ( t ) d t ] t = ψ − 1 ( x ) \int f(x)dx=\left[\int f(\psi(t)\psi'(t)dt\right]_{t=\psi^{-1}(x)} f(x)dx=[f(ψ(t)ψ(t)dt]t=ψ1(x)
这种情况其实很难一眼直观看出来,三角函数相关的积分比较常见。
f ( x ) = a 2 − x 2 d x = a 2 cos ⁡ 2 t ∣ d t   ( 令 x = a sin ⁡ t , − π 2 < t < π 2 ) = a 2 t + sin ⁡ t cos ⁡ t 2 + C = a 2 arcsin ⁡ x a + x a 2 − x 2 2 + C ( 将 t = arcsin ⁡ x a 带入 ) \begin{aligned} f(x)&=\sqrt{a^2-x^2}dx\\ &=a^2\cos^2 t|dt\ (令x=a\sin t, -\frac{\pi}{2}<t<\frac{\pi}{2})\\ &=\frac{a^2t+\sin t\cos t}{2}+C\\ &=\frac{a^2\arcsin \frac{x}{a}+x\sqrt{a^2-x^2}}{2}+C(将t=\arcsin \frac{x}{a}带入) \end{aligned} f(x)=a2x2 dx=a2cos2tdt (x=asint,2π<t<2π)=2a2t+sintcost+C=2a2arcsinax+xa2x2 +C(t=arcsinax带入)
分部积分法:来源于两个函数乘积的导数计算公式。设函数 u = u ( x ) , v = v ( x ) u=u(x), v=v(x) u=u(x),v=v(x)具有连续导数,则 ( u v ) ′ = u ′ v + u v ′ (uv)'=u'v+uv' (uv)=uv+uv,移项并求积分得到:
∫ u v ′ d x = u v − ∫ u ′ v d x \int uv'dx=uv-\int u'vdx uvdx=uvuvdx
也即 ∫ u d v = u v − ∫ v d u \int udv=uv-\int vdu udv=uvvdu
∫ x cos ⁡ x d x = x sin ⁡ x − ∫ sin ⁡ x d x = x sin ⁡ x + cos ⁡ x + C ( 其中 u = x , v = sin ⁡ x ) \int x\cos xdx=x\sin x-\int \sin xdx=x\sin x+\cos x+C(其中u=x,v=\sin x) xcosxdx=xsinxsinxdx=xsinx+cosx+C(其中u=x,v=sinx)
通常来讲,希望取原函数的函数 u u u的导数具有更简单的形式,从而 ∫ u ′ v d x \int u'vdx uvdx具有更简单的形式。
积分示例
多项式积分
f ( x ) = x x 2 − x + 1 ∫ f ( x ) d x = ∫ 1 2 2 x − 1 x 2 − x + 1 + 1 2 1 x 2 − x + 1 d x = ∫ 1 2 1 x 2 − x + 1 d ( x 2 − x + 1 ) + ∫ 1 2 1 ( x − 1 2 ) 2 + 3 4 d x = 1 2 l n ∣ x 2 − x + 1 ∣ + 1 3 a r c t a n 2 3 ( x − 1 2 ) + C \begin{aligned} f(x) &= \frac {x}{x^2-x+1}\\ \int f(x)dx&=\int \frac{1}{2}\frac{2x-1}{x^2-x+1}+\frac{1}{2}\frac{1}{x^2-x+1}dx\\ &=\int\frac 1 2\frac{1}{x^2-x+1}d(x^2-x+1)+\int\frac{1}{2}\frac{1}{(x-\frac{1}{2})^2+\frac 3 4}dx\\ &=\frac 1 2 ln|x^2-x+1|+\frac 1 {\sqrt{3}}arctan\frac 2{\sqrt{3}}(x-\frac 1 2)+C \end{aligned} f(x)f(x)dx=x2x+1x=21x2x+12x1+21x2x+11dx=21x2x+11d(x2x+1)+21(x21)2+431dx=21lnx2x+1∣+3 1arctan3 2(x21)+C

万能公式
∫ c s c x d x = ∫ 1 s i n x d x = ∫ 1 2 s i n x 2 c o s x 2 d x = ∫ s i n 2 x 2 + c o s 2 x 2 2 s i n x 2 c o s x 2 d x = ∫ t a n 2 x 2 + 1 2 t a n x 2 d x 令 t = t a n x 2 ,则 x = 2 a r c t a n t , ∫ c s c x d x = ∫ t 2 + 1 2 t d ( 2 a r c t a n t ) = ∫ 1 t d t = l n ∣ t ∣ + C = l n ∣ t a n x 2 ∣ + C \begin{aligned} \int csc xdx&=\int \frac{1}{sinx}dx\\ &=\int\frac{1}{2sin\frac{x}{2}cos\frac{x}{2}}dx\\ &=\int\frac{sin^2\frac{x}{2}+cos^2\frac{x}{2}}{2sin\frac{x}{2}cos\frac{x}{2}}dx\\ &=\int\frac{tan^2\frac{x}{2}+1}{2tan\frac{x}{2}}dx\\ \end{aligned}\\ 令t= tan\frac{x}{2},则x =2arctan t,\\ \begin{aligned} \int csc xdx&=\int\frac{t^2+1}{2t}d(2arctant)\\ &=\int\frac{1}{t}dt\\ &=ln|t|+C\\ &=ln|tan\frac{x}{2}|+C \end{aligned}\\ cscxdx=sinx1dx=2sin2xcos2x1dx=2sin2xcos2xsin22x+cos22xdx=2tan2xtan22x+1dxt=tan2x,则x=2arctantcscxdx=2tt2+1d(2arctant)=t1dt=lnt+C=lntan2x+C
万能公式(三角函数转成 t a n x 2 tan\frac{x}{2} tan2x的多项式)也没那么万能,复杂多项式也不好求积分。
复数范围内积分
∫ 1 1 + x 2 d x = a r c t a n x + C 上式是通过 a r c t a n x 的导数推导出来。然而根据多项式求积分方法 ∫ 1 1 + x 2 d x = ∫ 1 ( x + i ) ( x − i ) d x = i 2 ∫ 1 x + i − 1 x − i d x = i 2 l n ( x + i x − i ) + C 两个结果相去甚远。但是其物理含义上,又是一致的。调整中间过程,可得 ∫ 1 1 + x 2 d x = ∫ 1 ( x + i ) ( x − i ) d x = 1 2 l n ( 1 + x i 1 − x i ) + C = 1 2 l n ( e 1 + x 2 a r c t a n x e − 1 + x 2 a r c t a n x ) + C = 1 2 ( 2 a r c t a n x ) + C \int \frac{1}{1+x^2}dx=arctanx+C\\ 上式是通过arctan x的导数推导出来。 然而根据多项式求积分方法\\ \begin{aligned} \int\frac{1}{1+x^2}dx&=\int\frac{1}{(x+i)(x-i)}dx\\ &=\frac{i}{2}\int\frac{1}{x+i}-\frac{1}{x-i}dx\\ &=\frac{i}{2}ln\left(\frac{x+i}{x-i}\right)+C \end{aligned}\\ 两个结果相去甚远。但是其物理含义上,又是一致的。调整中间过程,可得\\ \begin{aligned} \int\frac{1}{1+x^2}dx&=\int\frac{1}{(x+i)(x-i)}dx\\ &=\frac{1}{2}ln\left(\frac{1+xi}{1-xi}\right)+C\\ &=\frac{1}{2}ln\left(\frac{e^{{\sqrt{1+x^2}arctanx}}}{e^{-\sqrt{1+x^2}arctanx}}\right)+C\\ &=\frac{1}{2}\left(2arctanx\right)+C \end{aligned}\\ 1+x21dx=arctanx+C上式是通过arctanx的导数推导出来。然而根据多项式求积分方法1+x21dx=(x+i)(xi)1dx=2ix+i1xi1dx=2iln(xix+i)+C两个结果相去甚远。但是其物理含义上,又是一致的。调整中间过程,可得1+x21dx=(x+i)(xi)1dx=21ln(1xi1+xi)+C=21ln(e1+x2 arctanxe1+x2 arctanx)+C=21(2arctanx)+C

定积分

众所周知,可以使用矩形(将圆弧使用平行于x轴横线来拟合)、梯形(将圆弧使用小块的连线来拟合)、辛普森法(将圆弧使用抛物线来拟合,估计在辛普森时代就已经知道了直线和抛物线围成图形面积的计算公式)求曲线和坐标轴围成的图形的面积,那么这么做是有误差的,难道误差就不管了吗?课本上并没有这个讨论,实际上,误差是更高阶无穷小,对误差进行一次积分的结果仍是无穷小,当 Δ x → 0 \Delta x\to 0 Δx0时,值为0.
高等数学笔记(上下)

我们来说明一下这个问题,对于 x i , x i + 1 和 f ( x ) x_i,x_{i+1}和f(x) xi,xi+1f(x)围成的图形面积 S i S_{i} Si,其中矩形的面积为 S m i S_{mi} Smi,曲线和矩形围成的面积为 S r i S_{ri} Sri,有 S i = S m i + S r i S_{i}=S_{mi}+S_{ri} Si=Smi+Sri. 假设 f ( x ) 在 [ x i , x i + 1 ) f(x)在[x_i,x_{i+1}) f(x)[xi,xi+1)上,斜率的最大值和最小值分别是 k m a x 和 k m i n k_{max}和k_{min} kmaxkmin S r i S_{ri} Sri面积小于矩形和最大斜率直线围成的三角形面积,即 S r i < ( x i + 1 − x i ) ( x i + 1 − x i ) k m a x / 2 = k m a x Δ x 2 / 2 S_{ri}<(x_{i+1}-x_{i})(x_{i+1}-x_{i})k_{max}/2=k_{max}\Delta x^2/2 Sri<(xi+1xi)(xi+1xi)kmax/2=kmaxΔx2/2
S = lim ⁡ Δ x i → 0 ∑ Δ x i → 0 n S i = ∑ Δ x i → 0 n ( S m i + S r i ) = lim ⁡ Δ x i → 0 ∑ Δ x i → 0 n ( f ( x i ) Δ x i + k m a x Δ x 2 / 2 ) = ∫ a b f ( x i ) d x + ∫ a b k m a x / 2   d 2 x = ∫ a b f ( x i ) d x \begin{aligned} S&=\lim_{\Delta x_i\to 0}\sum_{\Delta x_{i}\to 0}^nS_i=\sum_{\Delta x_{i}\to 0}^n(S_{mi}+S_{ri})\\ &=\lim_{\Delta x_i\to 0}\sum_{\Delta x_{i}\to 0}^n(f(x_i)\Delta x_i+k_{max}\Delta x^2/2)\\ &=\int_a^bf(x_i)dx+\int_a^bk_{max}/2\ d^2x\\ &=\int_a^bf(x_i)dx \end{aligned} S=Δxi0limΔxi0nSi=Δxi0n(Smi+Sri)=Δxi0limΔxi0n(f(xi)Δxi+kmaxΔx2/2)=abf(xi)dx+abkmax/2 d2x=abf(xi)dx
使用不同的方法求面积,进行同样小间隔的划分,能取得不同精度的原因是:它们的误差 S r i S_{ri} Sri Δ x i \Delta x_i Δxi的不同阶数的无穷小,矩形、梯形、抛物线都是 Δ x i \Delta x_i Δxi的一阶无穷小,矩形误差是二阶,梯形误差是三阶,辛普森误差是四阶。如果存在一种划分,误差是 S m i S_{mi} Smi对于 Δ x i \Delta x_i Δxi的同阶无穷小,则使用这种划分得到的面积和真实值相差一个常数。
含有瑕点的瑕积分不能直接通过原函数的积分上下限相减得到,必须根据瑕点分段求积分。
Q: Δ x → 0 时,弦长和弧长的差为什么是更高阶无穷小? \Delta x\to 0时,弦长和弧长的差为什么是更高阶无穷小? Δx0时,弦长和弧长的差为什么是更高阶无穷小?

微分方程

能使微分方程恒等的函数叫做微分方程的解;如果微分方程的解中含有任意常数,且任意常数的个数与微分方程的阶数相同,这样的解叫做微分方程的通解。

线性微分方程解的结构

对于二阶齐次线性微分方程: y ′ ′ + P ( x ) y ′ + Q ( x ) y = 0 y''+P(x)y'+Q(x)y=0 y′′+P(x)y+Q(x)y=0
如果函数 y 1 ( x ) y_1(x) y1(x) y 2 ( x ) y_2(x) y2(x)是方程的两个解,那么 y = C 1 y 1 ( x ) + C 2 y 2 ( x ) y=C_1y_1(x)+C_2y_2(x) y=C1y1(x)+C2y2(x)是方程的解,其中 C 1 , C 2 C_1, C_2 C1,C2为任意常数。如果 y 1 ( x ) y_1(x) y1(x) y 2 ( x ) y_2(x) y2(x)的两个线性无关的特解,那么 y = C 1 y 1 ( x ) + C 2 y 2 ( x ) y=C_1y_1(x)+C_2y_2(x) y=C1y1(x)+C2y2(x)是方程的通解。
而对于二阶非齐次线性方程 y ′ ′ + P ( x ) y ′ + Q ( x ) y = f ( x ) y''+P(x)y'+Q(x)y=f(x) y′′+P(x)y+Q(x)y=f(x),如果 y ∗ y^* y是他的一个特解,Y(x)是其对应的齐次方程的通解,则 y = Y ( x ) + y ∗ ( x ) y=Y(x)+y^*(x) y=Y(x)+y(x)是二阶非齐次线性微分方程的通解。

常系数齐次线性微分方程

二阶常系数齐次线性微分方程通解:
高等数学笔记(上下)
特征方程的根和解的关系
高等数学笔记(上下)

常系数齐次线性微分方程特解的求法

对于f(x)的两种常见形式,有如下经验:
(1) f ( x ) = e λ x P m ( x ) f(x)=e^{\lambda x}P_m(x) f(x)=eλxPm(x),其中 λ \lambda λ是常数, P m P_m Pm是m阶多项式。
其特解形式为 y ∗ = x k R m ( x ) e λ x y^*=x^kR_m(x)e^{\lambda x} y=xkRm(x)eλx. k k k可以按照 λ \lambda λ是方程的根的重数取 0 , 1 , 2 , . . . 0, 1, 2, ... 0,1,2,...
(2) f ( x ) = e λ x ( P l ( x ) cos ⁡ ω x + Q n ( x ) sin ⁡ ω x ) f(x)=e^{\lambda x}(P_l(x)\cos\omega x+Q_n(x)\sin \omega x) f(x)=eλx(Pl(x)cosωx+Qn(x)sinωx),其特解形式为 y ∗ = x k e λ x [ R m ( 1 ) ( x ) cos ⁡ ω x + R m ( 2 ) ( x ) sin ⁡ ω x ] y^*=x^ke^{\lambda x}[R_m^{(1)}(x)\cos\omega x+R_m^{(2)}(x)\sin\omega x] y=xkeλx[Rm(1)(x)cosωx+Rm(2)(x)sinωx],k可按 λ + ω i \lambda+\omega i λ+ωi是方程特征根的重数取 0 , 1 , . . . 0, 1, ... 0,1,...
以上两种情况可以使用欧拉公式合并下:
对于 f ( x ) = e ( λ + ω i ) x P m ( x ) f(x)=e^{(\lambda+\omega i)x}P_m(x) f(x)=e(λ+ωi)xPm(x),其特解为 y ∗ = x k R m ( x ) e ( λ + ω i ) x y^*=x^kR_m(x)e^{(\lambda+\omega i) x} y=xkRm(x)e(λ+ωi)x
因为常系数齐次线性微分方程的通解导致方程左边恒为0,实际上就是求y使得经过左侧方程运算之后能得到方程右边的函数。根据经验可以知道其特解应该有相对固定的形式,故可以使用待定系数法来确定系数。教材上为了通用给了一些例子,但是过于刻板了。
举个例子: y ′ ′ − 2 y ′ − 3 y = 3 x + 1 y''-2y'-3y=3x+1 y′′2y3y=3x+1的特解,教材给的解法是带入通用公式,但其实大可不必,可以看做是:一个函数的二阶导数、一阶导数和本身的一个线性组合是 3 x + 1 3x+1 3x+1,求这个函数。可以推出这个函数至多是个三阶多项式,设 y ∗ = a x 3 + b x 2 + c x + d y^*=ax^3+bx^2+cx+d y=ax3+bx2+cx+d,求其一阶、二阶导数,带入微分方程,对比系数求得 a = 0 , b = 0 , c = − 1 , d = 1 / 3 a=0,b=0,c=-1,d=1/3 a=0,b=0,c=1,d=1/3

计算机解法

sympy是个符号计算库,在诸多方面不完善,但是对于日常的辅助计算,已经非常足够了。文章来源地址https://www.toymoban.com/news/detail-417807.html

import sympy as sp
sp.init_session() # 导入sp相关基本变量 x, y, z; i, j, k(Integer); f, g(Function)
f.assumptions0 # 展示f的假设; Function
sinc(pi/6).evalf(6) # 求出数值解,保留6位有效数字
p = Piecewise((0,x<-1),(x**2,x<=1),(0,True)) # 分段函数
ff = 1/(x**4+1) 
int_ff = Integral(ff, x)
int_ff.doit()
# 上述等价于 integrate(ff, x)
ff.subs(x**2, t) # 换元
ff = x + y + 4 
ff.subs({x:3,y:t,4:1}) # 替换,部分求和
ff = sp.exp(x**y)
ff.diff(x,x,y) # 对x求2次偏导,再对y求1次偏导
ff.diff(x,2,y,3) # 对x求2次偏导,再对y求3次偏导
ff.apart() #部分分式展开
ff.expand() # 因式展开
ff.factor() # 因式分解
ff.series(x, 10) # 泰勒展开(洛朗展开)
ff.series(x,y,10) # 二阶泰勒展开
ff.simplify() # 启发式化简
diffeq = [sympy.Eq(f(x).diff(x, x) - f(x), sympy.sin(x)), sympy.Eq(g(x).diff(x), 0)]
res = sympy.dsolve(diffeq, [f(x), g(x)], ics={f(0): 1, f(x).diff(x).subs(x, 0): 3}) # 指定初值,求解微分方程

到了这里,关于高等数学笔记(上下)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 高等数学重积分知识点笔记小结

    (1)首先知道什么叫曲顶柱体。(这里不多讲,不会百度)。 (2)定义:设f(x,y)是有界闭区域D上的有界函数,将闭区域D任意分成n个小闭区域oi,在每个小区域上取一点f(ai,bi),做乘积f(ai,bi)oi,并作和。如果当各个闭区域的直径中的最大值max趋近于0时,这和的极限总存在,且

    2024年02月05日
    浏览(47)
  • 高等数学笔记(上下)

    第一类换元积分法 :灵感来自于复合函数的求导,利用中间变量替换得到复合函数的积分法:设 f ( u ) f(u) f ( u ) 具有原函数, u = φ ( x ) u=varphi(x) u = φ ( x ) 可导,则有换元公式 ∫ f [ φ ( x ) ] φ ′ ( x ) d x = [ ∫ f ( u ) d u ] u = φ ( x ) int f[varphi(x)]varphi\\\'(x)dx=[int f(u)du]_{u=varp

    2023年04月18日
    浏览(38)
  • 高等数学:微积分(下)

    导数说完了就可以说微分了。还是看图中过A点的切线,其与竖直虚线相交于C点。其中CD段的距离可以表示为 C D = k ⋅ Δ x CD = k cdot Delta x\\\\ C D = k ⋅ Δ x 这里的系数k是一个不为零的常数。原因很简单,假设这条切线与x轴的夹角为 θ theta θ (图中没有画出),那么根据三角函

    2024年02月12日
    浏览(56)
  • 高等数学(积分学)

    ( x 2 ) ′ = ? (x^2)\\\'=? ( x 2 ) ′ = ? quad quad ( ? ) ′ = 2 x (?)\\\'=2x ( ? ) ′ = 2 x ( 原函数 ) ′ = 导数 (原函数)\\\'=导数 ( 原函数 ) ′ = 导数 quad 思考一下 ( ? ) ′ = 2 x (?)\\\'=2x ( ? ) ′ = 2 x 有 x 2 , x 2 + 1 , x 2 − 6 , x 2 − e . . . x^2, x^2+1, x^2-6, x^2-e... x 2 , x 2 + 1 , x 2 − 6 , x 2 − e ... 我们用 x 2 +

    2024年02月02日
    浏览(36)
  • 高等数学——一文搞定二重积分

    定义 :设函数 z = f ( x , y ) z=f(x,y) z = f ( x , y ) 在有界区域 D D D 上有定义,将区域 D D D 任意分成 n n n 个小区域 Δ σ 1 , Δ σ 2 , . . . , Δ σ n Deltasigma_1,Deltasigma_2,...,Deltasigma_n Δ σ 1 ​ , Δ σ 2 ​ , ... , Δ σ n ​ 其中 Δ σ i Deltasigma_i Δ σ i ​ 代表第 i i i 个小区域,也表示它

    2024年04月15日
    浏览(36)
  • 【考研数学】高等数学第三模块——积分学 | Part II 定积分(反常积分及定积分应用)

    承接前文,梳理完定积分的定义及性质后,我们进入广义积分的学习。 通过可积的概念我们可以清楚,连续函数是可积的,同时,有有限个第一类间断点的函数也是可积的。这类积分积分区间是有限的,称为正常积分。而如果出现 积分区间无限(如上限为无穷等)或被积函

    2024年02月13日
    浏览(38)
  • 高等数学啃书汇总重难点(十一)曲线积分与曲面积分

    依旧是公式极其复杂恶心的一章,建议是: 掌握两种线面积分的计算套路即可 ,和第8章一样属于同济版教材中最不重要的章节,不会对底层理解做过多考察~ 1.弧长曲线积分的几何意义 2.弧长曲线积分的定义和性质 3.弧长曲线积分的计算方式 4.坐标曲线积分的几何意义 5.坐标

    2024年02月06日
    浏览(39)
  • [高等数学]同济版高等数学【第七版】上下册教材+习题全解PDF

    laiyuan https://www.aliyundrive.com/s/5fpFJb3asYk 提取码: 61ao 通过百度网盘分享的文件:同济版高数教材及… 链接:https://pan.baidu.com/s/1gyy-GMGjwguAjYijrpC8RA?pwd=yhnr 提取码:yhnr The Calculus Lifesaver 普林斯顿微积分读本 英文版 链接:pan.baidu.com/s/1dD4Mua The Probability Lifesaver 普林斯顿概率论读本 链接

    2024年02月07日
    浏览(51)
  • 【高等数学】多元函数积分的轮换性,轮换对称性,对称性的区别

    轮换性:只是单纯的自变量的符号形式发生交换,与轮换前的积分(包括被积函数和积分区域)没有本质区别 注意到函数中x和y互换了,积分区域的横纵坐标也互换了,如果放在同一个坐标系下,蓝色区域和橙色区域是关于直线y=x对称的。 轮换对称性:交换函数自变量的符号

    2024年02月11日
    浏览(124)
  • 三角换元积分法

      我朋友曾经经历过奇葩面试,面试官直接给出一张白纸,要求用微积分计算圆的面积,他于是在白纸上画了一个圆,再分割为一个个小三角形,然后给出了结果。但是面试官不满意,认为这不是用微积分的知识。这种方式是小学课本上的方式,我觉得吧,虽然没用到大学

    2024年02月04日
    浏览(26)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包