一个非常naive的分数阶微积分介绍

永磁同步电机分数阶微积分建模方法 永磁同步电机(PMSM)的分数阶微积分建模是一种先进的建模方法,能够更准确地描述电机的动态特性。 阅读详情
一个非常naive的分数阶微积分介绍

日常水博客,网上这类资料不少,写一个也确实没有必要,但是既然我今天要水博客那就还是写一个,我默认这里读者是非数学专业但是学过高数的同学,因此可能里面一些说法或者观点在数学系同学看来会比较幼稚,如果诸位有什么比较好的建议,还望不吝赐教

我们先进行一些比较不怎么正式的描述,目的是利于理解。对于一个给定的函数f(x)f(x)f(x),定义Jf(x)=∫0xf(t)dtJf(x)=\int_{0}^{x}f(t)dtJf(x)=∫0x​f(t)dt这里就先看作找出f(x)f(x)f(x)的一个原函数,一些资料比如wiki上把JJJ叫做积分算子,姑且看作给f(x)f(x)f(x)来个积分,那么,我们有下面结论:

J2f(x)=∫0x(x−t)f(t)dt J^2f(x)=\int_0^x(x-t)f(t)dt J2f(x)=∫0x​(x−t)f(t)dt
证明显然,应该一般数分或者高数习题都会有,但是为了凑字数我还是给加上
J2f(x)=∫0x(∫0tf(k)dk)dt=t∫0tf(k)dk∣0x−∫0xtd∫0tf(k)dk=x∫0xf(t)dt−∫0xtf(t)dt J^2 f(x)=\int_0^x(\int_0^tf(k)dk)dt\\=t\int_0^tf(k)dk|_0^x-\int_0^xtd\int_0^tf(k)dk\\=x\int_0^xf(t)dt-\int_0^xtf(t)dt J2f(x)=∫0x​(∫0t​f(k)dk)dt=t∫0t​f(k)dk∣0x​−∫0x​td∫0t​f(k)dk=x∫0x​f(t)dt−∫0x​tf(t)dt
我们可以归纳证明
Jnf(x)=1(n−1)!∫0x(x−t)n−1f(t)dt J^nf(x)=\frac{1}{(n-1)!}\int_0^x(x-t)^{n-1}f(t)dt Jnf(x)=(n−1)!1​∫0x​(x−t)n−1f(t)dt
显然
d1n!∫0x(x−t)nf(t)dtdx=1(n−1)!∫0x(x−t)(n−1)f(t)dt=Jnf(x) \frac{d\frac{1}{n!}\int_0^x(x-t)^nf(t)dt}{dx}=\frac{1}{(n-1)!}\int_0^x(x-t)^{(n-1)}f(t)dt\\=J^{n}f(x) dxdn!1​∫0x​(x−t)nf(t)dt​=(n−1)!1​∫0x​(x−t)(n−1)f(t)dt=Jnf(x)
于是
Jn+1f(x)∫0xJnf(t)dt=∫0xd(1n!∫0t(x−k)nf(k)dk)=1n!∫0x(x−t)nf(t)dt J^{n+1}f(x)\int_0^xJ^nf(t)dt=\int_0^xd(\frac{1}{n!}\int_0^t(x-k)^nf(k)dk)\\=\frac{1}{n!}\int_0^x(x-t)^nf(t)dt Jn+1f(x)∫0x​Jnf(t)dt=∫0x​d(n!

分数阶微积分基本理论(课堂笔记1) 阅读详情

相关推荐

GL分数阶微积分

预备公式 1.Γ(z+1)=zΓ(z)\Gamma(z+1)=z\Gamma(z)Γ(z+1)=zΓ(z) 2.Γ(z)=∫0∞e−ttz−1dt=lim⁡n→∞n!nzz(z+1)...(z+n)=lim⁡n→∞nz[pr](p+r)\Gamma(z)=\int_{0}^{\infty} e^{-t}t^{z-1}\mathrm{d}t=\lim_{n\to\infty}\frac{n!n^{z}}{z(z+1)...(z+n)}=\lim_{n\to\infty}\frac{n^{z}}{\begin{

xiexinning的博客 2932

2026暑假AI学习路线:从数学基础到PyTorch实战完整指南

机器学习作为人工智能的核心技术,通过算法让计算机从数据中学习规律并做出预测。其基本原理是基于统计学和优化理论,通过构建数学模型来识别数据中的模式。在工程实践中,深度学习框架如PyTorch大大降低了神经网络构建的复杂度,使得研究人员能够专注于模型设计而非底层实现。这种技术价值体现在能够处理复杂的非线性关系,在计算机视觉、自然语言处理等领域展现出强大能力。应用场景涵盖图像分类、语音识别、推荐系统等众多领域。本文基于PyTorch和机器学习的热门技术,为初学者提供从数学基础到实战项目的系统性学习路径,帮助读者快

weixin_30693683的博客 531

Python数学建模实战:从问题定义到模型部署的完整指南

数学建模是将现实世界复杂问题转化为可计算数学问题的核心方法论,其原理在于通过定义决策变量、目标函数和约束条件来构建数学模型。这一过程的技术价值在于为决策提供量化依据,推动从经验判断到数据驱动的转变。在工程实践中,Python凭借其强大的科学计算库(如NumPy、SciPy)和机器学习框架(如Scikit-learn),成为实现数学建模的利器,广泛应用于销售预测、资源优化和故障分析等场景。本文以销售预测为例,深入探讨了特征工程、模型训练与评估等关键环节,并融入了数据泄露防范和基线模型对比等实战经验,为读者构建

weixin_34259232的博客 396

分数阶微积分的应用研究

随着信息技术的飞速发展,分数阶微积分作为数学的重要分支在信号分析与处理等领域得到了广泛的研究和运用。在很多问题的处理过程中,分数阶微积分所拥有的优点正逐渐显露出来。本文阐述了分数阶微积分的时域和频域定义,介绍了其在工程技术中的应用。

分数阶微分系统的数值解和相图呈现.rar

具有三个方程的分数阶微分系统的,利用差分方法求得数值解和系统相图的呈现。

分数阶微积分控制器(FOPID)的Simulink实现

分数阶微积分PID控制器(FOPID)的Simulink实现,模块中使用Oustaloup滤波器近似算法,算法可修改其他。

分数阶控制系统微积分数值实现分析与比较

介绍并对比了两种分数阶微积分的直接离散化数值实现方法: 连分式展开( CFE) 方法和递归Tustin 方法。

分数阶微分学

分数阶微分学,杨小军,高峰,在分数阶次下的微分的数学学科成为分数阶微分学。分数微分学是描述非线性问题的方法和手段,研究分数微积分学有着重要的意义。本

ROS-订阅与处理激光雷达scan话题

激光雷达通常有四个性能衡量指标:测距分辨率、扫描频率(有时也用扫描周期)、角度分辨率及可视范围。测距分辨率衡量在一个给定的距离下测距的精确程度,通常与距离真实值相差在5-20mm;扫描频率衡量激光雷达完成一次完整扫描的快慢,通常在10Hz及以上;角度分辨率直接决定激光雷达一次完整扫描能返回多少个样本点;可视范围指激光雷达完整扫描的广角,可视范围之外即为盲区。

weixin_42438635的博客 4478

从生成到检测:全面解析Deepfake技术的演进与对抗策略

本文全面解析了Deepfake技术的演进与对抗策略,从GAN生成技术到先进的检测手段,探讨了其在娱乐与安全领域的双重影响。文章详细介绍了Deepfake的核心原理、技术迭代关键节点以及最新的检测方法,揭示了AI生成与识别的激烈博弈。同时,展望了量子计算和生物特征认证在未来攻防战中的潜在应用。

jenkins8butler的博客 255

Coze智能体开发:开始使用扣子

扣子全新升级!它不仅能帮你办公、做视频、写代码,更具备自主任务执行、探索进化等能力,真正从“陪你聊”走向“帮你干活”。

王国平的博客 125

AI之KE:Knowledge Engineering知识工程的简介、发展、应用案例之详细攻略

AI之KE:Knowledge Engineering知识工程的简介、发展、应用案例之详细攻略 目录 Knowledge Engineering知识工程的简介 0.1、What 0.2、How 0.3、Why 1、知识工程过程的5个活动 2、知识图谱的应用 Knowledge Engineering知识工程的发展 1、前知识工程时期——1950-1970时期:图...

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 5336

Android 14.0 系统开机屏幕设置默认横屏显示

在14.0的系统ROM产品定制化开发中,对于产品需求来说,由于是宽屏设备所以产品需要开机默认横屏显示,开机横屏显示这就需要从 两部分来实现,一部分是系统开机动画横屏显示,另一部分是系统屏幕显示横屏显示,从这两方面就可以做到开机默认横屏显示了

安卓兼职framework和app工程师的博客 2151

Python实战:打造学生信息管理系统

通过本教程,我们构建了一个简单的学生信息管理系统,实现了基本的添加、删除、修改和查询功能。当然,这个系统还有很多可以改进和扩展的地方,比如添加用户界面、增加数据持久化功能、支持批量操作等。简介:本文将介绍如何使用Python编写一个功能齐全的学生信息管理系统,包括添加、删除、修改和查询学生信息的基本操作。学生信息管理系统是学校日常管理中不可或缺的一部分,它能够帮助管理人员快速、准确地管理学生信息,提高工作效率。为了实现上述功能,我们可以设计一个包含学生信息的字典,并使用函数来封装各个操作。

铭渊老黄 1492

Android 人像分割实战:OpenCV+YOLOv8+NCNN 三库联动(附 GPU 加速 / 内存优化全方案)

本文详细介绍了在Android项目中集成OpenCV+YOLOv8+NCNN实现实时人像分割的技术方案。主要内容包括:项目环境搭建(配置NDK、添加Native模块)、核心库文件集成(OpenCV、NCNN、YOLOv8模型)、JNI接口设计与实现(Kotlin层调用C++算法)。通过Camera API获取图像数据,使用YOLOv8进行人体检测,结合NCNN高性能推理框架实现人像分割处理,最终将原始画面与分割结果(背景透明)同时显示在Android界面上。该项目采用多技术栈协同工作,OpenCV负责图像处

FJN110的博客 236

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

上一篇: 一道比较阴间的级数题解答
下一篇: 不讲武德的latex
「已注销」
博客等级 码龄7年 5粉丝 9原创
评论 1
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