敲黑板,定积分也有换元和分部积分法!

微积分-分部积分法 将公式中的项进行代入,得到简化后的积分式,然后求解。需要注意的是,并不见得所有的分部积分都能一次积出结果,有可能还要将后面那一项继续应用分部积分或其他积分方法,对于复杂的积分,需要3-4次分布积分法也是有可能的。题目不难,可能她上课开小差咯,这个题解放在这呢,也是让基础差的同学体会一下分部积分法的操作流程。通常需要一定的技巧和经验,完成一次分部积分后,可能需要多次应用分部积分法或结合其他的积分技巧来得到最终的结果。然后上面是不定积分的分部积分,其实定积分也是一样的,只是给定了上下限,最后要求出一个值。 阅读详情

本文始发于个人公众号:TechFlow,原创不易,求个关注


今天是高等数学的第14篇文章,我们一起来看看定积分的换元法和分部积分法。

我们之前在不定积分的内容当中曾经介绍过换元法和分部积分法这两种求解不定积分的方法,今天我们来探索将这两种方法应用在定积分上。有一点需要注意,虽然不定积分和定积分只有一字之差,但是在数学上其实它们是两个完全不同的概念。不定积分求解的是函数的原函数,而定积分则是求解的曲形的面积,也就是一个具体的值。

我们用Python来举例的话,不定积分有些像是高阶函数,我们传入一个函数,得到一个函数。而定积分则就是一个计算的函数,我们传入一个函数,得到一个值。由于有了牛顿-莱布尼茨公式,我们求解定积分的时候也需要求解原函数,但这只是计算过程相似,并不是它的定义。所以不要把两者弄混淆了。


换元法


在我们写出换元法的公式之前,我们先写清楚它的作用区间。这个是数学的惯例,我们写一个公式或者是定理或者是式子,都需要标明适用范围。我们假设函数f(x)在区间[a, b]上连续。

函数x=ϕ(t)x=\phi(t)x=ϕ(t)满足:

  1. ϕ(α)=a,ϕ(β)=b\phi(\alpha) = a, \phi(\beta) = bϕ(α)=a,ϕ(β)=b
  2. ϕ(t)\phi(t)ϕ(t)在区间[α,β][\alpha, \beta][α,β],或者[β,α][\beta, \alpha][β,α]上具有连续导数,值域是[a, b],那么:

∫abf(x)dx=∫αβf[ϕ(t)]ϕ′(t)dt\int_a^bf(x)dx = \int_\alpha^\beta f[\phi(t)]\phi'(t)dt∫ab​f(x)dx=∫αβ​f[ϕ(t)]ϕ′(t)dt

这个式子成立非常明显,但为了严谨,我们还是来证明一遍。

等式的左边很简单就是我们常见的积分函数,我们假设f(x)在区间[a, b]上的原函数是F(x),那么等式左边根据牛顿-莱布尼茨公式,可以得到:

∫abf(x)dx=F(b)−F(a)\int_a^b f(x)dx = F(b) - F(a)∫ab​f(x)dx=F(b)−F(a)

所以我们重点关注的是等式右边,等式右边也做类似处理,我们假设Φ(t)=F(ϕ(t))\Phi(t) = F(\phi(t))Φ(t)=F(ϕ(t))。

我们对Φ(t)\Phi(t)Φ(t)求导,可以得到:

Φ′(t)=dFdϕ⋅dϕdt=f(x)⋅ϕ′(t)=f[ϕ(t)]⋅ϕ′(t)\Phi'(t) = \frac{dF}{d\phi}\cdot \frac{d\phi}{dt} = f(x)\cdot \phi'(t) = f[\phi(t)]\cdot \phi'(t)Φ′(t)=dϕdF​⋅dtdϕ​=f(x)⋅ϕ′(t)=f[ϕ(t)]⋅ϕ′(t)

通过求导我们可以发现,Φ(t)\Phi(t)Φ(t)是f[ϕ(t)]⋅ϕ′(t)f[\phi(t)]\cdot \phi'(t)f[ϕ(t)]⋅ϕ′(t)的原函数。所以:

∫αβf[ϕ(t)]ϕ′(t)dt=Φ(β)−Φ(α)=F[ϕ(β)]−F[ϕ(α)]=F(b)−F(a) \begin{aligned} \int_\alpha^\beta f[\phi(t)]\phi'(t)dt &= \Phi(\beta) - \Phi(\alpha)\\ &= F[\phi(\beta)] - F[\phi(\alpha)] \\ &= F(b) - F(a) \end{aligned} ∫αβ​f[ϕ(t)]ϕ′(t)dt​=Φ(β)−Φ(α)

高等数学实战:如何用Python SymPy快速求解不定积分(附宋浩板书同款例题) 本文详细介绍了如何使用Python的SymPy库快速求解高等数学中的不定积分问题,包括多项式、三角函数等常见函数的积分方法,并提供了宋浩板书同款例题的代码实现。通过SymPy的符号计算能力,读者可以轻松将数学理论转化为可执行的编程实践,提升学习效率和问题解决能力。 阅读详情

相关推荐

Qwen2.5-Math开源数学大模型:本地部署、核心原理与应用实践

数学推理是衡量人工智能认知能力的关键标尺,它要求模型不仅能理解自然语言描述的数学问题,还能进行严谨的多步骤逻辑推导。其核心原理在于通过高质量的专项训练数据(如教科书、竞赛题和合成数据)和创新的过程监督、强化学习方法,使模型掌握从问题理解到符号运算的完整推理链。这项技术的核心价值在于将原本被闭源模型垄断的高阶数学能力民主化,为开发者和研究者提供了可定制、可审查的解决方案。在实际应用场景中,它可作为智能教育辅导工具、学术研究助手,并轻松集成到数据分析、科学计算等产品中,通过本地部署降低使用门槛。本文以Qwen2

weixin_29056701的博客 283

基于51单片机的贪吃蛇游戏设计

本科时候做的一个课程作业,自己打一个很简易的电路,比较有意思且易上手,故将之记录下来。(全套的仿真及代码,演示视频,课程报告以及PPT展示上传在优快云下载区) 一. 实验目的 (1) 通过对C51语言的理解,编写程序实现对贪吃蛇的有效控制; (2) 通过对51单片机硬件的学习,学会运用面包板,独立按键、点阵屏等,完成对完整电路的搭建过程; (3) 通过对Proteus仿真软件的学习,实现基于STC89C52单片机的8*8点阵贪吃蛇的硬件电路仿真。 二. 实验介绍 贪吃蛇是一款经典小游戏,其游戏的规则是:玩

山山の十三先生 2万+

DDM-MIMO-FMCW雷达速度模糊与解模糊MATLAB仿真

本文深入解析了DDM-MIMO-FMCW雷达中的速度模糊现象及其解模糊方法,通过MATLAB仿真详细展示了相位编码解调、速度扩展算法和混合波形设计三大解决方案。文章还提供了参数配置、信号建模和结果可视化的实用技巧,并分享了工程实践中的避坑指南,帮助开发者高效解决雷达信号处理中的速度模糊问题。

weixin_31528001的博客 347

ICCompiler II学习笔记(一)ICC II使用全流程 overview

学习笔记同步发布在我的个人网站上,欢迎来访查看。 个人学识有限,理解可能有误,仅供参考。 文章目录一、前言二、 ICC II 简介和 GUI2.1 Blocks 和 Design Libraries2.2 Objects2.3 Application Options三、Design Setup四、APR flow五、 课程主题:如何用 ICC II来实现最好的PPA 一、前言 现在的芯片都在追求一个极致的PPA 芯片的生成可以分为以下 5大步骤: Front-end Design:前端设计,最终产生

一名FPGA芯片设计爱好者的技术博客 2万+

Open3D 机载点云电力线提取【2025最新版】

传统方法实现的机载点云电力线分割提取。博客长期更新,本文最新更新时间为:2025年3月23日。

点云侠的博客 4468

【温室气体】GOSAT 数据产品

【温室气体】GOSAT 数据产品

WW、forever的博客 238

【信息系统项目管理师】第1章:信息化发展 考点梳理

本文主要详细梳理高项:信息化、新型基础设施建设、两化融合、数字中国、数字化转型与元宇宙等内容。

数据知道的博客 8565

基于特征模仿的YOLOv5中间层知识蒸馏:原理、实现与实验全解析

目标检测中的模型轻量化是一个关键挑战。本文提出一种基于特征模仿(Feature Imitation)的YOLOv5中间层知识蒸馏方法,通过让学生模型学习教师模型的中间层特征表示,显著提升轻量级检测器的性能。我们将详细阐述蒸馏损失函数的设计、特征对齐策略、训练流程,并提供完整可运行的代码实现。同时,推荐多个适合蒸馏训练的数据集,并通过实验验证方法的有效性。

YOLO 185

EUV光源技术路线深度解析

EUV光刻技术的关键瓶颈在于13.5纳米光源的稳定高效获取。主流技术路线从DPP放电等离子体发展为LPP激光等离子体方案,后者通过激光轰击锡液滴实现更高功率输出。新出现的LDP技术综合激光预热与放电优势,虽功率扩展性有限,但为光源技术提供了有益补充。目前LPP仍是唯一通过量产验证的方案,而LDP可能作为过渡技术应用于特定场景。EUV光源的发展实质是能量转化效率与系统可靠性的持续优化过程,各种技术路线的探索共同推动着这一核心工艺的进步。

硬核科技 555

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

上一篇: 五分钟秒懂机器学习混淆矩阵、ROC和AUC
下一篇: LeetCode 56,区间合并问题
TechFlow
博客等级 码龄7年 347粉丝 276原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值