考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分

这篇具有很好参考价值的文章主要介绍了考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分。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。

牛顿-莱布尼茨公式

牛顿-莱布尼茨公式在微分与积分以及不定积分与定积分之间架起了一座桥梁,因此,这个公式又被称为微积分基本公式。

微积分基本公式的简单推导

在看微积分基本公式之前,我们先来看一个有点特殊的函数,积分上限函数 ψ ( x ) = ∫ x a f ( t ) d t \psi (x) =\int_{x}^{a}f(t)dt ψx=xaf(t)dt
这个函数利用其自变量移动定积分的上限,因此,它的函数值就是函数 f(x)在区间[a,x] 上的定积分。
考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分
最终整理一下,我们可以得到这样一个公式: ∫ a b f ( x ) d x = F ( b ) − F ( a ) \int_{a}^{b}f(x)dx=F(b)-F(a) abf(x)dx=F(b)F(a)
这就是著名的牛顿-莱布尼茨公式,也就是微积分基本公式了。

微积分基本公式的使用

∫ 0 1 e x d x \int_{0}^{1}e^xdx 01exdx
解:这道题在上一篇文章“用定义法求不定积分”中就出现了,文章中用定义法求定积分可以说是相当麻烦了。而现在我们有了微积分基本公式,会发现这道题变得非常简单。
考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分

微积分基本公式使用的条件

这一公式使用的条件很简单,只要求被积函数在积分区间上连续。

一旦积分区间不连续,或者是积分限出现了无穷大,那么这个定积分就变成了反常积分,关于反常积分,我也会单独写一篇文章。

用定义法求解定积分

用定义法来求定积分是一件比较麻烦的事,以后我们也不会用定义法求定积分。但是我们可以通过用定义法求定积分来提高我们对微积分的认识。

比如求积分:求 ∫ 0 1 e x d x \int_{0}^{1}e^xdx 01exdx
解:这个定积分的含义就是在 [0,1] 这个区间上, 曲线 y = e x y=e^x y=ex 与 x 轴围成的图形的面积。但这个面积并非常见的几何图形,因此我们并不好直接求解。
考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分
注意到,如果我们从积分区间中任取一段区间,这段区间上的函数图像与x轴围成的图像有点像是梯形,如果真的能把它看成梯形的话,那就好办多了。刚好,之前学微分的时候学过,在一个足够小的区间里,可以用一段直线来代替曲线。

而在足够小的距离内,一小段斜线与一小段水平线没有什么区别。因为连续的函数总能找到一个足够小的自变量变化量使得函数值的变化量足够小。于是,我们的任务就变成了求一连串矩形的面积之和。

考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分
下面我们用数学语言来描述这个过程。

首先,我们要把 [0,1] 这个区间等分成n份。
考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分
考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分
考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分
容易求得,这个式子的值为 e-1 .这也就是这个定积分的结果了。

这还仅仅是一个简单函数的积分,过程就如此复杂了,如果是复杂一点的函数,可以想象过程有多么复杂。

至此,我们可以总结出用定义法求定积分的基本步骤:

  • 细分积分区间,为了简便,一般选择等分;

  • 计算各区间对应的矩形面积;

  • 求和;

  • 取极限,即无限分割。文章来源地址https://www.toymoban.com/news/detail-472413.html

到了这里,关于考研数二第十四讲 牛顿-莱布尼茨公式与用定义法求解定积分的文章就介绍完了。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

  • 牛顿-莱布尼茨公式练习习题

    前置知识:牛顿-莱布尼茨公式 习题1 已知 F ( x ) = ∫ 0 x 1 − t d t ( x ≤ 1 ) F(x)=int_0^xsqrt{1-t}dt(xleq 1) F ( x ) = ∫ 0 x ​ 1 − t ​ d t ( x ≤ 1 ) ,求 F ′ ( x ) F\\\'(x) F ′ ( x ) 解: qquad 当 x 0 ∈ [ 0 , 1 ] x_0in[0,1] x 0 ​ ∈ [ 0 , 1 ] 时, F ′ ( x 0 ) = lim ⁡ Δ x → 0 F ( x 0 + Δ x ) − F ( x 0

    2024年02月06日
    浏览(34)
  • 牛顿-莱布尼茨公式的运用

    前置知识:牛顿-莱布尼茨公式 题1: f f f 在 [ a , b ] [a,b] [ a , b ] 上连续, F ( x ) = ∫ a x ( x − t ) f ( t ) d t F(x)=int_a^x(x-t)f(t)dt F ( x ) = ∫ a x ​ ( x − t ) f ( t ) d t ,求 F ′ ′ ( x ) F\\\'\\\'(x) F ′′ ( x ) 解: F ( x ) = x ∫ a x f ( t ) d t − ∫ a x t f ( t ) d t F(x)=xint_a^xf(t)dt-int_a^xtf(t)dt F

    2024年02月06日
    浏览(34)
  • 定积分的计算(牛顿-莱布尼茨公式)习题

    前置知识:定积分的计算(牛顿-莱布尼茨公式) 习题1 计算 ∫ 0 2 ( x 2 − 2 x + 3 ) d x int_0^2(x^2-2x+3)dx ∫ 0 2 ​ ( x 2 − 2 x + 3 ) d x 解: qquad 原式 = ( 1 3 x 3 − x 2 + 3 x ) ∣ 0 2 = ( 8 3 − 4 + 6 ) − 0 = 14 3 =(dfrac 13x^3-x^2+3x)biggvert_0^2=(dfrac 83-4+6)-0=dfrac{14}{3} = ( 3 1 ​ x 3 − x 2 + 3 x ) ​

    2024年02月06日
    浏览(38)
  • 考研数二第九讲 函数凹凸性证明,求极值以及拐点及渐近线

    函数的凹凸性即对一个在某区间A上连续的函数,它的图像上凸或者上凹,则分别称为凸函数或者凹函数。而对于在某个区间内既有凹图像又有凸图像,则将凹图像所在区间称为函数的凹区间,凸图像所在区间则称为凸区间。 中点定义法 同样是观察凹凸函数的图像,发现凹函

    2024年02月09日
    浏览(45)
  • Git第十四讲 Git标签管理

    Git标签是用于标记项目中的特定版本的重要工具。它们通常用于标识发布版本或里程碑。本文将介绍如何在Git中创建、查看和管理标签。 要在Git中创建一个标签,可以使用 git tag 命令。有两种类型的标签:轻量标签和附注标签。 轻量标签 轻量标签是指向特定提交的静态引用

    2024年02月09日
    浏览(88)
  • ElasticSearch第十四讲 ES有条件复杂查询

    模糊匹配 模糊匹配主要是针对文本类型的字段,文本类型的字段会对内容进行分词,对查询时,也会对搜索条件进行分词,然后通过倒排索引查找到匹配的数据,模糊匹配主要通过match等参数来实现 match : 通过match模糊匹配条件内容 prefix : 前缀匹配 regexp : 通过正则表达

    2024年02月03日
    浏览(48)
  • 【数学建模】《实战数学建模:例题与讲解》第十四讲-模拟退火、遗传算法(含Matlab代码)

    本系列侧重于例题实战与讲解,希望能够在例题中理解相应技巧。文章开头相关基础知识只是进行简单回顾,读者可以搭配课本或其他博客了解相应章节,然后进入本文正文例题实战,效果更佳。 如果这篇文章对你有帮助,欢迎点赞与收藏~ 现代优化算法,自20世纪80年代初开

    2024年02月04日
    浏览(55)
  • 2011 年考研数二真题解析

    【01】【02】【03】【04】【05】【06】【07】【08】 【09】【10】【11】【12】【13】【14】 【15】【16】【17】【18】【19】【20】【21】【22】【23】

    2024年01月18日
    浏览(61)
  • 《视觉SLAM十四讲》笔记(4-6)

    为了解决什么样的相机位姿最符合当前观测数据的问题,可以构建出一个优化问题来求解最优的R和t。以达到误差最小。但是旋转矩阵自身是带有约束的(正交且行列式为1),这会引入额外的约束,导致优化变得困难。通过李群——李代数这种关系,希望把位姿估计的问题变

    2024年02月15日
    浏览(40)
  • slam十四讲~环境安装以及问题记录

    参考资料: https://zhuanlan.zhihu.com/p/452256687 https://blog.csdn.net/qq_38629044/article/details/95355859 https://blog.csdn.net/Bonaventure/article/details/122835996 https://blog.csdn.net/weixin_44986556/article/details/108962861 https://blog.csdn.net/qq_38364548/article/details/122055690 https://blog.csdn.net/rong11417/article/details/103905794 http

    2023年04月15日
    浏览(40)

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