第二单元 用python学习微积分(十四)无穷小量和不定积分

本文主要是介绍第二单元 用python学习微积分(十四)无穷小量和不定积分,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文内容来自于学习麻省理工学院公开课:单变量微积分-无穷小量和不定积分-网易公开课

开发环境准备:CSDN

目录

一、无穷小量

二、不定积分

1、 ​,这个式子的含义是求谁的导数是sinx

2、 ​

3、 ​

4、 ​

5、 ​

6、 ​

三、例子

1、 ​

2、 ​

3、 ​

4、 ​

5、 ​

6、 ​


一、无穷小量

有函数y = f(x)

y的微分写作: dy = f'(x)dx ( \frac{dy}{dx} = f'(x)莱布尼茨的写法,把导数记作为两个无穷小量的比,按老师的说法这种比值的写法更流行,更接近直觉,更易于理解和使用)

dx 取代了 \Delta x

dy 取代了 \Delta y

添加图片注释,不超过 140 字(可选)

例子:

(64.1)^{\frac{1}{3}}\approx ?

y = x^{\frac{1}{3}}, dy = \frac{1}{3}x^{-\frac{2}{3}}dx

A+x = 64, y = 64^{\frac{1}{3}} = 4

dy = \frac{1}{3} (64)^{-\frac{2}{3}}dx = \frac{1}{3} \frac{1}{16}dx = \frac{1}{48} dx

x = 64, x+dx = 64.1\Rightarrow dx = \frac{1}{10}

(64.1)^{\frac{1}{3}}\approx y + dy\approx4 + \frac{1}{48}dx = 4 + \frac{1}{48*10}(值得注意的是这里的dy实际是 \Delta y ,而并不是无穷小量)

感觉这里老师是用另一种方式阐释了线性近似,因为dy/dx其实取得是x=64时的斜率,而后面dx用的其实是 \Delta x ( 64.1-64)

用线性近似 f(x) \approx f(x_0) + f'(x_0)(x-x_0) 公式算一遍

(64.1)^{\frac{1}{3}}\approx f(64) + f'(64)(x-64) = 4 + \frac{1}{3} (64)^{-\frac{2}{3}}(\frac{1}{10}) = 4 + \frac{1}{480}

二、不定积分

G(x) = \int_{}{}g(x)dx , G(x) 称做g的反导数或g的不定积分

1、 \int sinx\times dx,这个式子的含义是求谁的导数是sinx

from sympy import *
import numpy as np 
x = symbols('x')
y = integrate(1/(x*ln(x)))
y

\int sin(x) dx = -cos(x)

G(x) = -cos(x)

G'(x) = sin(x)

这里也可以写成 \int sin(x) dx = -cos(x) +c(c是常数)

G(x) = -cos(x) + c

所以叫做不定积分

2、 \int x^adx = \frac{1}{a+1}x^{a+1} + c......(a\ne-1)

因为... d(x^{a+1}) = (a+1) x^adx

3、 \int \frac{dx}{x} = ln(\left| x \right|) + c......(x\ne-0)

当x>0时,结果正确

当x<0时, ln(\left| x \right|) + c = ln(-x)+c

( ln(-x)+c)' = \frac{1}{-x} (-x)' = \frac{1}{x}

from sympy import *
import numpy as np import matplotlib.pyplot as plt fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.spines['left'].set_position('zero')
ax.spines['bottom'].set_position('zero')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.set_aspect(1 ) def DrawXY(xFrom,xTo,steps,expr,color,label,plt):yarr = []xarr = np.linspace(xFrom ,xTo, steps) for xval in xarr:yval = expr.subs(x,xval)yarr.append(yval)y_nparr = np.array(yarr) plt.plot(xarr, y_nparr, c=color, label=label)    def TangentLine(exprY,x0Val,xVal):diffExpr = diff(exprY)x1,y1,xo,yo = symbols('x1 y1 xo yo')expr = (y1-yo)/(x1-xo) - diffExpr.subs(x,x0Val)eq = expr.subs(xo,x0Val).subs(x1,xVal).subs(yo,exprY.subs(x,x0Val))eq1 = Eq(eq,0)solveY = solve(eq1)return xVal,solveYdef DrawTangentLine(exprY, x0Val,xVal1, xVal2, clr, txt):x1,y1 = TangentLine(exprY, x0Val, xVal1)x2,y2 = TangentLine(exprY, x0Val, xVal2)plt.plot([x1,x2],[y1,y2], color = clr, label=txt)def Newton(expr, x0):ret = x0 - expr.subs(x, x0)/ expr.diff().subs(x,x0)return retx = symbols('x')
y = ln(x)
DrawXY(0.1,4,100,y,'blue','y = ln(x) x>0',plt)
y = ln(0-x)
DrawXY(-0.1,-4,100,y,'blue','y = ln(-x) x<0',plt)plt.legend(loc='lower right')
plt.show()

添加图片注释,不超过 140 字(可选)

4、 \int sec^2(x) dx = tan(x) + c

5、 \int \frac{dx}{(1-x^2)^{\frac{1}{2}}} = sin^{-1}(x) +c

6、 \int \frac{dx}{1+x^2} = tan^{-1}(x) + c

积分的唯一性要看它的常数

F' = G', F(x) = G(x) + c

证明:如果 F' = G'

(F-G)' = F' - G' = 0

所以 F(x) -G(x) = c => F(x) = G(x) + c

三、例子

1、 \int x^3(x^4+2)^5dx = \frac{1}{24}(x^4+2)^6 +c

这里做积分有一个技巧 ,换元法:

u = x^4 + 2, du = 4x^3dx

把这个带入上面的积分式子

\int (x^4 + 2)^5 x^3dx = \int(u^5)\frac{du}{4} = \frac{1}{6}u^6\frac{du}{4} +c= \frac{1}{24}(x^4 +2)^6 +c

2、 \int \frac{xdx}{(1+x^2)^{\frac{1}{2}}} =

u = 1+x^2, du = 2x

\int \frac{du}{2}(u)^{\frac{-1}{2}} = 2u^{\frac{1}{2}} \frac{du}{2} +c= (1+x^2)^{\frac{1}{2}} +c

推荐的方法——提前猜测:

假设你一眼看出这个会最终导向 (1+x^2)^{\frac{1}{2}}就试一试

((1+x^2)^{\frac{1}{2}})' = \frac{1}{2} (1+x^2)^{-\frac{1}{2}}(2x) = x(1+x^2)^{-\frac{1}{2}}

所以 \int \frac{xdx}{(1+x^2)^{\frac{1}{2}}} = (1+x^2)^{\frac{1}{2}} +c

3、 \int e^{6x}dx

猜测法 (e^{6x})' = 6 e^{6x}

\int e^{6x}dx = \frac{1}{6} e^{6x} +c

4、 \int xe^{x^2}dx

猜测法 (e^{-x^2} )' = (e^{-2x})' = -2xe^{-x^2}

\int xe^{x^2}dx = -\frac{-1}{2}e^{-x^2} +c

5、 \int sin(x)cos(x)dx

换元法:u = sin(x) du= cos(x)

\int sin(x)cos(x)dx = \int udu = \frac{1}{2}u^2 +c= \frac{1}{2}sin^2(x)+c

猜测法 (sin^2(x))' = 2sin(x)cos(x)

\int sin(x)cos(x)dx = \frac{1}{2}sin^2(x) +c_1

(cos^2(x))' = -2sin(x)cos(x)

\int sin(x)cos(x)dx = \frac{-1}{2}cos^2(x) +c_2

\frac{1}{2}sin^2(x) +c1 = \frac{-1}{2}cos^2(x) +c2

c1 -c2 = \frac{-1}{2}cos^2(x) - \frac{1}{2}sin^2(x) = \frac{-1}{2}(cos^2(x) + sin^2(x)) = -\frac{1}{2}

6、 \int \frac{dx}{xln(x)}

u = ln(x) , du = \frac{1}{u}

\int \frac{dx}{xln(x)} = \int \frac{1}{ln(x)} \frac{dx}{x} = \int \frac{du}{u} =ln\left| u \right| +c = ln\left| ln(x) \right| +c

from sympy import *
import numpy as np 
x = symbols('x')
y = integrate(1/(x*ln(x)))
y

这篇关于第二单元 用python学习微积分(十四)无穷小量和不定积分的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/280778

相关文章

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Python如何精准判断某个进程是否在运行

《Python如何精准判断某个进程是否在运行》这篇文章主要为大家详细介绍了Python如何精准判断某个进程是否在运行,本文为大家整理了3种方法并进行了对比,有需要的小伙伴可以跟随小编一起学习一下... 目录一、为什么需要判断进程是否存在二、方法1:用psutil库(推荐)三、方法2:用os.system调用

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

一文带你搞懂Python中__init__.py到底是什么

《一文带你搞懂Python中__init__.py到底是什么》朋友们,今天我们来聊聊Python里一个低调却至关重要的文件——__init__.py,有些人可能听说过它是“包的标志”,也有人觉得它“没... 目录先搞懂 python 模块(module)Python 包(package)是啥?那么 __in