Pure Mathematics 4-Differentiation(微分)

2024-01-28 05:59

本文主要是介绍Pure Mathematics 4-Differentiation(微分),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!

5.1 Parametric differentiation

Prior knowledge(预备知识)
在这里插入图片描述
P4的课本提到预备知识是P1的4.1和4.3
①P1的4.1和4.3里面其实没有引入 t t t参数。只讲了函数曲线和坐标轴交点(coordinate axes)。
②此处Prior knowledge直接出现了 x = f ( t ) = 3 t 2 − 5 t x=f(t)=3t^2-5t x=f(t)=3t25t形式
这就很尴尬了,明明没有学过含有t的参数方程,却放到预备知识里面说已经学过了。
综合①②,课本承认引入了t轴(也就是第三个坐标轴)

参数方程-引言
下图到底是什么?圆?正方形?
在这里插入图片描述
其实是一个 曲面构成的圆柱体。
我们上小学 时几何是怎么学习?
一、学习一个圆规,去画一个圆
二、学习一把尺子,去画一个正方形
正方形、矩形有四条边,比圆复杂很多很多。
三、老师拿出一个易拉罐,侧面是矩形,俯视时是圆形。

上述举例即是参数方程的核心思想-已知两个投影面信息,求第三个投影面的信息(例如微分)
下面我们来看一道题,体会参数方程的含义。

根据 讲课 需要,我们先讲Example2,再讲Example1

Example2
在这里插入图片描述
d x d θ = 3 cos ⁡ θ , d y d θ = − 5 sin ⁡ θ 0 ≤ θ < 2 π d y d x = − 5 sin ⁡ θ 3 cos ⁡ θ At p o i n t P , w h e r e θ = π 6 d y d x = − 5 × 1 2 3 × 3 2 = − 5 3 3 \begin{aligned} &\frac{dx}{d\theta}=3\cos\theta,\frac{dy}{d\theta}=-5\sin\theta\quad0\leq\theta<2\pi \\ & \frac{dy}{dx}=\frac{-5\sin\theta}{3\cos\theta} \\ &\text{At} \mathrm{point~}P,\mathrm{~where~}\theta=\frac\pi6 \\ &\frac{dy}{dx}=\frac{-5\times\frac12}{3\times\frac{\sqrt3}2}=\frac{-5}{3\sqrt3} \end{aligned} dθdx=3cosθ,dθdy=5sinθ0θ<2πdxdy=3cosθ5sinθAtpoint P, where θ=6πdxdy=3×23 5×21=33 5

课堂提问:tangent多少?
tangent·normal=-1
The gradient of the normal at  P i s 3 3 5 and at  P , x = 3 2 , y = 5 3 2 The equation of the normal is y − 5 3 2 = 3 3 5 ( x − 3 2 ) ⋅ ∴ 5 y = 3 3 x + 8 3 \begin{aligned} &\text{The gradient of the normal at }P\mathrm{~is~}\frac{3\sqrt{3}}5 \\ &\text{and at }P,x=\frac{3}{2},y=\frac{5\sqrt{3}}{2} \\ &\text{The equation of the normal is} \\ &y-\frac{5\sqrt{3}}{2}=\frac{3\sqrt{3}}{5}\left(x-\frac{3}{2}\right)\cdot \\ &\therefore5y=3\sqrt{3}x+8\sqrt{3} \end{aligned} The gradient of the normal at P is 533 and at P,x=23,y=253 The equation of the normal isy253 =533 (x23)5y=33 x+83

(授课时运行三维图观看,代码如下)

import numpy as np  
import matplotlib.pyplot as plt  
from mpl_toolkits.mplot3d import Axes3D  
import numpy as np  
import matplotlib.pyplot as plt  
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的b问题# 参数θ的取值范围和精度  
thetas = np.linspace(0, 2 * np.pi, 100)  # 参数方程  
x = 3 * np.sin(thetas)  
y = 5 * np.cos(thetas)  # 创建一个3D图形  
fig = plt.figure()  
ax = fig.add_subplot(111, projection='3d')  # 绘制曲线  
ax.plot(x, y, thetas, label='参数方程')  
ax.set_xlabel('x')  
ax.set_ylabel('y')  
ax.set_zlabel('θ')  
ax.legend()  # 显示图形  
plt.show()

Example2投影图汇总

投影方向投影图
y y y方向投影(俯视)
x = 3 s i n θ x=3sin\theta x=3sinθ
在这里插入图片描述
x x x方向投影(俯视)
y = 5 c o s θ y=5cos\theta y=5cosθ
θ \theta θ方向投影(俯视)
x 2 9 + y 2 25 = 1 \frac{x^2}{9}+\frac{y^2}{25}=1 9x2+25y2=1
在这里插入图片描述
三维视图在这里插入图片描述

有些同学是在高中阶段才学过椭圆,其实根据上面的Python代码绘制,
我们看到,参数方程其实是一个螺旋上升的曲线。
那么螺旋上升的曲线有什么用呢?难道只是为了应付考试吗?

Parametric Equation在天体物理学中的应用

太阳系的螺旋运动

例如,在视频1:55我们看到侧面图
地球绕太阳转的轨迹是一个三角函数(正余弦取决于y轴的位置,y轴往右移动 π 2 \frac{\pi}{2} 2π就会变成cosine函数)

视角图像
x、y方向投影
(视频1:55)
在这里插入图片描述
θ \theta θ方向投影
一个椭圆轨迹
(视频0:13)
在这里插入图片描述
三维视角
视频2:46之后
地球围绕太阳螺旋上升
在这里插入图片描述

上面是Parametric Equation在天体物理学中的应用。

这个题目到底在讲什么?
其实是一个三维空间中,螺旋上升的曲线,通过
参数方程*来表达。
已知两个投影面(正弦、余弦)的微分,求 第三个面(投影图案是椭圆)的微分。
如何求呢?链式法则

所以什么是参数方程?
看见参数方程,马上想到易拉罐
一个易拉罐就是参数方程。

什么是易拉罐?
你从不同的方向来看,都会看到不同的图形。

俗话说:
横看成岭侧成峰,
远近高低进不同。
这就是参数方程

根据上述图示,链式法则的几何意义是什么?

链式法则几何意义:
一、
已知y-t微分关系
已知x-t微分关系
求y和x微分
d y d x = d y d t d x d t \frac{dy}{dx}=\frac{\frac{dy}{dt}}{\frac{dx}{dt}} dxdy=dtdxdtdy
二、
已知两个投影面(x-θ、y-θ)的曲线斜率,求第三个投影面(x-y)曲线斜率
d y d x = f ′ ( x ) = y t ′ x t ′ \frac{dy}{dx}=f'(x)=\frac{y_t'}{x_t'} dxdy=f(x)=xtyt

知识点总结
几何意义(不做考试要求,只是为了便于理解、记忆)。
链式法则(已知两个微分,求另一个微分)
切线(tangent)
法线(normal)

Example1

代码实现

import numpy as np  
import matplotlib.pyplot as plt  
from mpl_toolkits.mplot3d import Axes3D  
import numpy as np  
import matplotlib.pyplot as plt  
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的b问题# 参数θ的取值范围和精度  
t = np.linspace(0, 2 * np.pi, 400)  # 参数方程  
# x = 3 * np.sin(thetas)  
# y = 5 * np.cos(thetas)  x=t**3+t
y=t**2+1  # 创建一个3D图形  
fig = plt.figure()  
ax = fig.add_subplot(111, projection='3d')  # 绘制曲线  
ax.plot(x, y, t, label='参数方程')  
ax.set_xlabel('x')  
ax.set_ylabel('y')  
ax.set_zlabel('t')  
ax.legend()  # 显示图形  
plt.show()

运行结果
在这里插入图片描述

5.2 Implicit differentiation

概念回顾

概念表示举例
导数(derivative)f’(x)
微分(differentiation) d y d x \frac{dy}{dx} dxdy f ( y ) d y \frac{f(y)}{dy} dyf(y)

概念上,导数不能完全等同于微分,那么这和我们的考试有什么关系呢?

举例一:
①AB⊥BC,所以∠ABC是90°(这个说法是错的)
正确表述是:∠ABC是90°的角

举例二:
find tan∠BAC of the following triangle
在这里插入图片描述
Wrong Solution:
B C A C = 1 3 \frac{BC}{AC}=\frac{1}{\sqrt{3}} ACBC=3 1

Right Solution:
t a n ∠ B A C = 1 3 tan∠BAC=\frac{1}{\sqrt{3}} tanBAC=3 1

为什么第一个回答是错的,第二个回答才是对的?
因为尽管 t a n ∠ B A C = B C A C tan∠BAC=\frac{BC}{AC} tanBAC=ACBC,但是题目要求的是tan∠BAC,所以不能直接写一个 B C A C 作为答案 \frac{BC}{AC}作为答案 ACBC作为答案

举例三
let y = x 2 , f i n d y=x^2,find y=x2,find d y d x \frac{dy}{dx} dxdy

Wrong Solution(错误回答):
f ′ ( x ) = 2 x f'(x)=2x f(x)=2x

Right Solution:
d y d x = 2 x \frac{dy}{dx}=2x dxdy=2x

Right Solution:
d y d x = f ′ ( x ) = 2 x \frac{dy}{dx}=f'(x)=2x dxdy=f(x)=2x

为什么第一个回答是错的,第二、三个回答是对的?
尽管 d y d x = f ′ ( x ) \frac{dy}{dx}=f'(x) dxdy=f(x),但是题目要求的是 d y d x \frac{dy}{dx} dxdy,所以不能直接写一个f’(x)作为答案。
且在答题时候,如果涉及文字表述需要,应尽量使用differentiation,而不是 derivative
在这里插入图片描述
如图所示,尽管TM的斜率f’(x)= d y d x ( 图中 △ x = d x ) \frac{dy}{dx}(图中\triangle x=dx) dxdy(图中x=dx)
概念上不是一个东西,题目问 d y d x 时,不要以 f ‘ ( x ) 开始来写 \frac{dy}{dx}时,不要 以f‘(x)开始 来写 dxdy时,不要以f(x)开始来写


学习目标

定理一、

d f ( y ) d x = f ′ ( y ) d y d x \frac{df(y)}{dx}=f'(y)\frac{dy}{dx} dxdf(y)=f(y)dxdy

这个式子看起来不太友善。

分析:
f ′ ( y ) = d f ( y ) d y f'(y)=\frac{df(y)}{dy} f(y)=dydf(y)
d ( f ( y ) ) d x = d f ( y ) d y ⋅ d y d x (链式法则) = f ′ ( y ) d y d x \frac{d(f(y))}{dx}=\frac{df(y)}{dy}·\frac{dy}{dx}(链式法则)=f'(y)\frac{dy}{dx} dxd(f(y))=dydf(y)dxdy(链式法则)=f(y)dxdy
所以与前面学过的 最大的不同,是 分子对y求微分,而不是对x求微分。这个不要搞混。尝试比较下面两个式子:

d y d x = d f ( x ) d x = f ′ ( x ) ( 这个式子在前面很常用 ) d f ( y ) d x = f ′ ( y ) d y d x ( 今天新学的,注意与上面一个区分开 ) \begin{aligned} \frac{dy}{dx}=\\ \frac{df(x)}{dx}&=f'(x)(这个式子在前面很常用)\\ \frac{df(y)}{dx}&=f'(y)\frac{dy}{dx}(今天新学的,注意与上面一个区分开) \end{aligned} dxdy=dxdf(x)dxdf(y)=f(x)(这个式子在前面很常用)=f(y)dxdy(今天新学的,注意与上面一个区分开)

定理二、
d ( x m y n ) d x = d ( x m ) d x y n + x m d ( y n ) d x = m x m − 1 y n + x m n y n − 1 d y d x \frac{d{(x^my^n)}}{dx}=\frac{d(x^m)}{dx}y^n+x^m\frac{d(y^n)}{dx}=mx^{m-1}y^n+x^mny^{n-1}\frac{dy}{dx} dxd(xmyn)=dxd(xm)yn+xmdxd(yn)=mxm1yn+xmnyn1dxdy

定理二推论:
1)当m=0,n≠0时
d ( x m y n ) d x = d ( y n ) d x = n y n − 1 d y d x \frac{d{(x^my^n)}}{dx}=\frac{d{(y^n)}}{dx}=ny^{n-1}\frac{dy}{dx} dxd(xmyn)=dxd(yn)=nyn1dxdy
2)当m≠0,n=0时
d ( x m y n ) d x = d ( x m ) d x = m x m − 1 \frac{d{(x^my^n)}}{dx}=\frac{d{(x^m)}}{dx}=mx^{m-1} dxd(xmyn)=dxd(xm)=mxm1

Example 3

Find d y d x in terms of x and  y where  x 3 + x + y 3 + 3 y = 6 \text{Find}\frac{\mathrm{d}y}{\mathrm{d}x}\text{in terms of}x\text{ and }y\text{ where }x^3+x+y^3+3y=6 Finddxdyin terms ofx and y where x3+x+y3+3y=6

3 x 2 + 1 + 3 y 2 d y d x + 3 d y d x = 0 d y d x ( 3 y 2 + 3 ) d y d x = − 3 x 2 − 1 3 ( 1 + y 2 ) \begin{aligned} 3x^{2}+1+3y^{2}{\frac{dy}{dx}}+3{\frac{dy}{dx}}& =0 \\ \\ \frac{dy}{dx}(3y^{2}+3) \frac{dy}{dx} & =-\frac{3x^2-1}{3(1+y^2)} \end{aligned} 3x2+1+3y2dxdy+3dxdydxdy(3y2+3)dxdy=0=3(1+y2)3x21

结论:
一、看见x,直接对x求微分
二、看见y,直接对y求微分,再乘以x求微分
三、不推荐计算中使用乘号X,建议使用·,乘号X与变量x在考试时容易混淆。

记住上面的尤其第二条结论,我们来看下一题

Example 4(这道题的难点是xy乘在一起)
Given that  4 x y 2 + 6 x 2 y = 10 ,find the value of d y d x at the point ( 1 , 1 ) . \text{Given that }4xy^2+\frac{6x^2}{y}=10\text{,find the value of}\frac{\mathrm{d}y}{\mathrm{d}x}\text{at the point}(1,1). Given that 4xy2+y6x2=10,find the value ofdxdyat the point(1,1).

For this example, we can use the formula:
d ( u v ) d x = d u d x v + u d v d x ① \frac{d(uv)}{dx}=\frac{du}{dx}v+u\frac{dv}{dx}① dxd(uv)=dxduv+udxdv(prior knowledge)
with the new formula we just learned:
d ( y n ) d x = n y n − 1 d y d x \frac{d{(y^n)}}{dx}=ny^{n-1}\frac{dy}{dx} dxd(yn)=nyn1dxdy②(今天新学的)

d ( x m ) d x = m x m − 1 \frac{d(x^m)}{dx}=mx^{m-1} dxd(xm)=mxm1

关于①提问(uv拆分方式):
1)我能不能把 4 x y 2 4xy^2 4xy2拆成 u = 4 x y , v = y u=4xy,v=y u=4xy,v=y,即 u v = 4 x y 2 uv=4xy^2 uv=4xy2为什么?
2)我能不能把 4 x y 2 4xy^2 4xy2拆成 u = 2 x , v = 2 y 2 u=2x,v=2y^2 u=2x,v=2y2,即 u v = 4 x y 2 uv=4xy^2 uv=4xy2为什么?
3)我能不能把 4 x y 2 4xy^2 4xy2拆成 u = 4 x , v = y 2 u=4x,v=y^2 u=4x,v=y2,即 u v = 4 x y 2 uv=4xy^2 uv=4xy2为什么?(☆☆☆)
4)我能不能把 4 x y 2 4xy^2 4xy2拆成 u = x , v = 4 y 2 u=x,v=4y^2 u=x,v=4y2,即 u v = 4 x y 2 uv=4xy^2 uv=4xy2为什么?

1)的拆分方式会导致 u需要同时对x和y求导。
2)的拆分方式会导致考试时,求微分前就要同时照顾两个系数,增加计算量、检查工作量。
3)的拆分方式最佳,求微分前只关注1个 系数,求微分后才关注2个系数。
4)的拆分方式不建议,把x前的系数4给 y 2 y^2 y2,不方便校对
uv拆分建议(考试时拆分uv的原则):
1)系数给最近的因子
2)u或v尽量只包含一个字母
3)u中只包含x,v中只包含y
举例 8 e 2 y x 3 8e^{2y}x^3 8e2yx3拆分成uv形式是多少?
推荐
u = x 3 u=x^3 u=x3
v = 8 e 2 y v=8e^{2y} v=8e2y

重写①式有:
d ( u v ) d x = d u d x v + u d v d y d y d x ④ \frac{d(uv)}{dx}=\frac{du}{dx}v+u\frac{dv}{dy}\frac{dy}{dx}④ dxd(uv)=dxduv+udydvdxdy
对比之前学过的内容有

u , v u,v u,v情况 u v uv uv的微分形式
u u u, v v v中都不含 y y y d ( u v ) d x = d u d x v + u d v d x \frac{d(uv)}{dx}=\frac{du}{dx}v+u\frac{dv}{dx} dxd(uv)=dxduv+udxdv
u u u不含 y y y v v v y y y d ( u v ) d x = d u d x v + u d v d y d y d x \frac{d(uv)}{dx}=\frac{du}{dx}v+u\frac{dv}{dy}\frac{dy}{dx} dxd(uv)=dxduv+udydvdxdy
u u u y y y v v v不含 y y y d ( u v ) d x = d u d y d y d x v + u d v d x \frac{d(uv)}{dx}=\frac{du}{dy}\frac{dy}{dx}v+u\frac{dv}{dx} dxd(uv)=dydudxdyv+udxdv
u u u y y y v v v y y y d ( u v ) d x = d u d y d y d x v + u d v d y d y d x \frac{d(uv)}{dx}=\frac{du}{dy}\frac{dy}{dx}v+u\frac{dv}{dy}\frac{dy}{dx} dxd(uv)=dydudxdyv+udydvdxdy

为什么会有这样的 规律 ?
因为y和x是相关的,所以求 微分的时候需要做到“遍历”
如果y和x是不相关的,那么求微分的 时候,直接为零。
所谓的相关性,其实用生活中的话来说:是否搭嘎,例如 两人不搭噶
因为y的表达式中包含有x,所以y和x是搭嘎的,所以看见 y的时候,不能 当作没看见,
需要先计算 d f ( y ) d y \frac{df(y)}{dy} dydf(y)(这里的 f ( y ) f(y) f(y)可以是u也可以是v,再计算 d y d x \frac{dy}{dx} dxdy

相关性的概念会在后面的概率论与数理统计中慧提到。


The original equation can be rearranged as(根据上述流程图来计算):
4 x ⋅ y 2 + 6 x 2 1 y = 10 4x·y^2+6x^2\frac{1}{y}=10 4xy2+6x2y1=10

Let u = 4 x u=4x u=4x, v = y 2 v=y^2 v=y2
d ( u v ) d x = d u d x v + u d v d y d y d x \frac{d(uv)}{dx}=\frac{du}{dx}v+u\frac{dv}{dy}\frac{dy}{dx} dxd(uv)=dxduv+udydvdxdy

( 4 y 2 + 4 x ⋅ 2 y d y d x ) + ( 12 x y − 6 x 2 y 2 d y d x ) = 0 Substitute x=1, y=1 to give. ( 8 d y d x + 4 ) + ( 12 − 6 d y d x ) = 0 16 + 2 d y d x = 0 d y d x = − 8 \begin{aligned} &&\left(4y^{2}+4x · 2y\frac{dy}{dx}\right)+\left(\frac{12x}{y}-\frac{6x^{2}}{y^{2}}\frac{dy}{dx}\right)&=0 \\ &&\text{Substitute x=1, y=1 to give.} \\ &&\left(8\frac{dy}{dx}+4\right)+\left(12-6\frac{dy}{dx}\right)=0 \\ &&16+2\frac{dy}{dx} =0 \\ &&\frac{\mathrm{d}y}{\mathrm{d}x} =-8 \end{aligned} (4y2+4x2ydxdy)+(y12xy26x2dxdy)Substitute x=1, y=1 to give.(8dxdy+4)+(126dxdy)=016+2dxdy=0dxdy=8=0

Example5
Find the value of d y d x at the point ( 1 , 1 ) where e 2 x ln ⁡ y = x + y − 2. \text{Find the value of}\frac{\mathrm{d}y}{\mathrm{d}x}\text{at the point}(1,1)\text{where e}^{2x}\ln y=x+y-2. Find the value ofdxdyat the point(1,1)where e2xlny=x+y2.

e 2 x ⋅ 1 y d y d x + ln ⁡ y ⋅ 2 e 2 x = 1 + d y d x Substitute x=1, y=1 to give e 2 ⋅ d y d x = 1 + d y d x ∴ ( e 2 − 1 ) d y d x = 1 d y d x = 1 e 2 − 1 \begin{aligned} &e^{2x}·{\frac{1}{y}}{\frac{dy}{dx}}+\ln y ·2e^{2x}=1+{\frac{dy}{dx}} \\ &\text{Substitute x=1, y=1 to give} \\ &&e^{2}·\frac{dy}{dx}=1+\frac{dy}{dx} \\ &\therefore\quad(e^2-1)\frac{dy}{dx}=1 \\ &&\frac{\mathrm{d}y}{\mathrm{d}x} =\frac1{e^2-1} \end{aligned} e2xy1dxdy+lny2e2x=1+dxdySubstitute x=1, y=1 to give(e21)dxdy=1e2dxdy=1+dxdydxdy=e211

Example6
Given that the area of a circle  A cm 2 is related to its radius r cm by the formula A = π r 2 , and that the rate of change of its radius in cms − 1 is given by d r d t = 5 , find d A d t when r = 3 \begin{array}{l}\text{Given that the area of a circle }A\text{cm}^2\\ \text{is related to its radius}r\text{cm by the formula}A=\pi r^2,\\ \text{and that}\text{the rate of change of its radius in cms}^{-1}\text{is given by}\frac{\mathrm{d}r}{\mathrm{d}t}=5,\text{find}\\ \frac{\mathrm{d}A}{\mathrm{d}t}\text{when}r=3\end{array} Given that the area of a circle Acm2is related to its radiusrcm by the formulaA=πr2,and thatthe rate of change of its radius in cms1is given bydtdr=5,finddtdAwhenr=3

A = π r 2 ∴ d A d r = 2 π r U s i n g d A d t = d A d r ⋅ d r d t d A d t = 2 π r ⋅ 5 = 30 π , w h e n r = 3 \begin{aligned} \text{A}& =\pi r^2 \\ \therefore\frac{dA}{dr}& =2\pi r \\ \mathrm{Using~}\frac{\mathrm{d}A}{\mathrm{d}t}& =\frac{dA}{dr}·\frac{dr}{dt} \\ \frac{\mathrm{d}A}{\mathrm{d}t}& =2\pi r ·5 \\ &=30\pi,\mathrm{~when~}r=3 \end{aligned} AdrdAUsing dtdAdtdA=πr2=2πr=drdAdtdr=2πr5=30π, when r=3

Example7
在这里插入图片描述
思路解析:
题目中有S=r的相关表达式,所以可以推出 d S d r \frac{dS}{dr} drdS
题目中有V=r的相关表达式,所以可以推出 d V d r \frac{dV}{dr} drdV
题目中有 d V d t \frac{dV}{dt} dtdV
d S d t \frac{dS}{dt} dtdS
通过链式法则进行尝试拼凑

Solution:
V = 2 3 π r 3 and S = 3 π r 2 - d V d r = 2 π r 2 and d S d r = 6 π r \begin{aligned}V&=\frac{2}{3}\pi r^3\text{and}S=3\pi r^2\textbf{-}\\\frac{dV}{dr}&=2\pi r^2\text{and}\frac{dS}{dr}=6\pi r\end{aligned} VdrdV=32πr3andS=3πr2-=2πr2anddrdS=6πr

N o w d S d t = d S d r ⋅ d r d V ⋅ d V d t = 6 π r ⋅ s 1 2 π r 2 ⋅ 6 = 18 r \begin{aligned} \mathrm{Now}\frac{\mathrm{d}S}{\mathrm{d}t}& =\frac{dS}{dr}·\frac{dr}{dV}·\frac{dV}{dt} \\ &=6\pi r·s\frac1{2\pi r^2}·6 \\ &=\frac{18}r \end{aligned} NowdtdS=drdSdVdrdtdV=6πrs2πr216=r18

Example8
In the decay of radioactive particles(放射性粒子),the rate at which particles decay is proportional to the number of particles remaining Write down a differential equation for the rate of change of the number of particles.
Let N N N be the number of particles and let t be time.
The rate of change of the number of particles d N d t \frac{dN}{dt} dtdN is proportional to N N N.i.e.(也就是,即。源自拉丁文id est,读作 that is) d N d t = − k N \frac{dN}{dt}=-kN dtdN=kN,
where k k k is a positive constant.The minus sign(负号) arises because the number of particles is decreasing.

Example9
Newton’s law of cooling states that the rate of loss of temperature of a body is proportional to the excess temperature of the body over its surroundings.Write an equation that expresses this law.
牛顿冷却定律:一个热的物体的冷却速度与该物体和周围环境的温度差成正比。
Let the temperature of the body be θ \theta θ degrees and the time be t t t seconds.
The rate of change of the temperature d θ d t \frac{d\theta}{dt} dtdθ is proportional to θ − θ 0 \theta-\theta_0 θθ0,where θ 0 \theta_0 θ0 is the temperature of the surroundings.
i.e. d θ d t = − k ( θ − θ 0 ) \frac{d\theta}{dt}=-k(\theta-\theta_0) dtdθ=k(θθ0),where k k k is a positive constant.

Example10
在这里插入图片描述

Since V = 4 3 π R 3 . d V d R = 4 π R 2 ∴ d V d t = d V d R × d R d t = 4 π R 2 × d R d t B u t a s d V d t = − k A 4 π R 2 × d R d t = − k × 4 π R 2 ∴ d R d t = − k \begin{aligned} \text{Since V}& =\frac43\pi R^3. \\ \frac{\mathrm{d}V}{\mathrm{d}R}& =4\pi R^2 \\ \therefore\frac{\mathrm{d}V}{\mathrm{d}t}& =\frac{dV}{dR}\times\frac{dR}{dt}=4\pi R^2\times\frac{dR}{dt} \\ \mathrm{But~as}~\frac{\mathrm{d}V}{\mathrm{d}t}& =-kA \\ 4\pi R^2\times\frac{dR}{dt}& =-k\times4\pi R^{2} \\ ∴\frac{dR}{dt}& =-k \end{aligned} Since VdRdVdtdVBut as dtdV4πR2×dtdRdtdR=34πR3.=4πR2=dRdV×dtdR=4πR2×dtdR=kA=k×4πR2=k

Challenge
重点讲下这道题
a.
d y d x = d y d t d t d x = 4 c o s 2 t ⋅ − 1 5 s i n ( t + π 12 ) = − 4 c o s 2 t 5 s i n ( t + p i 12 ) \frac{dy}{dx}=\frac{dy}{dt}\frac{dt}{dx}\\ =4cos2t·\frac{-1}{5sin(t+\frac{\pi}{12})}\\ =\frac{-4cos2t}{5sin(t+\frac{pi}{12})} dxdy=dtdydxdt=4cos2t5sin(t+12π)1=5sin(t+12pi)4cos2t

b.
c o s 2 t = 0 cos2t=0 cos2t=0 and 5 s i n ( t + π 12 ) 5sin(t+\frac{\pi}{12}) 5sin(t+12π)≠0
t∈[0, 2 π 2\pi 2π]
2 t = π 2 + k π ∈ [ 0 , 4 π ] 2t=\frac{\pi}{2}+k\pi∈[0,4\pi] 2t=2π+[0,4π]
k=0,1,2,3
we can get the following 4 points.

ktcoordinates( 5 c o s ( t + π 12 ) , 2 s i n 2 t 5cos(t+\frac{\pi}{12}),2sin2t 5cos(t+12π),2sin2t)
0 π 4 \frac{\pi}{4} 4π(5 c o s π 3 , 2 ) cos\frac{\pi}{3},2) cos3π,2)=( 5 2 \frac{5}{2} 25,2)
1 3 π 4 \frac{3\pi}{4} 43π( 5 c o s 5 π 6 5cos\frac{5\pi}{6} 5cos65π,-2)=( − 5 3 2 , − 2 -\frac{5\sqrt{3}}{2},-2 253 ,2)
2 5 π 4 \frac{5\pi}{4} 45π ( 5 c o s 4 π 3 (5cos\frac{4\pi}{3} (5cos34π,2)=( − 5 2 , 2 ) -\frac{5}{2},2) 25,2)
3 7 π 4 \frac{7\pi}{4} 47π 5 c o s ( 11 π 6 , − 2 ) = ( − 5 3 2 , − 2 ) 5cos(\frac{11\pi}{6},-2)=(\frac{-5\sqrt{3}}{2},-2) 5cos(611π,2)=(253 ,2)

c
1)For y = 2 s i n 2 t = 0 y=2sin2t=0 y=2sin2t=0(x-axis)
∵ 2 t ∈ [ 0 , 4 π ] ∵2t∈[0,4\pi] 2t[0,4π]
∴ 2 t = k ⋅ π ∴2t=k·\pi 2t=kπ
∴ t = k π 2 ∴t=\frac{k\pi}{2} t=2

k2tpoints d y d x = − 4 c o s 2 t 5 s i n ( t + p i 12 ) \frac{dy}{dx}=\frac{-4cos2t}{5sin(t+\frac{pi}{12})} dxdy=5sin(t+12pi)4cos2t
00( 5 c o s π 12 5cos\frac{\pi}{12} 5cos12π,0)=(4.83.0)-3.09
1 π \pi π( 5 c o s 7 π 12 5cos\frac{7\pi}{12} 5cos127π,0)=(-1.29,0)0.828
2 2 π 2\pi 2π( 5 c o s 13 π 12 5cos\frac{13\pi}{12} 5cos1213π,0)=(-4.83,0)3.09
3 3 π 3\pi 3π( 5 c o s 19 π 12 5cos\frac{19\pi}{12} 5cos1219π,0)=(1.29,0)-0.83
4 4 π 4\pi 4π( 5 c o s 25 π 12 5cos\frac{25\pi}{12} 5cos1225π,0)=(4.83.0)-3.09

上述结果的python代码(考试时使用计算器)

import math
k=4
# 定义变量  
t = k*math.pi/2  # 你可以根据需要更改这个值  points=5*math.cos(t+math.pi/12)  
# 计算表达式  
gradient = (-4 * math.cos(2 * t) / (5 * math.sin(t + math.pi / 12)))  # 打印结果  
print("points=",points)
print("gradient=",gradient)

2)For x = 5 c o s ( t + π 12 ) = 0 x=5cos(t+\frac{\pi}{12})=0 x=5cos(t+12π)=0(x-axis)

t + π 12 = 2 k + 1 2 π t+\frac{\pi}{12}=\frac{2k+1}{2}\pi t+12π=22k+1π

ktpoints
( 5 c o s ( t + π 12 ) , 2 s i n 2 t ) (5cos(t+\frac{\pi}{12}),2sin2t) (5cos(t+12π),2sin2t)
d y d x = − 4 c o s 2 t 5 s i n ( t + p i 12 ) \frac{dy}{dx}=\frac{-4cos2t}{5sin(t+\frac{pi}{12})} dxdy=5sin(t+12pi)4cos2t
0 5 π 12 \frac{5\pi}{12} 125π(0,1)0.693
1 17 π 12 \frac{17\pi}{12} 1217π(0,1)-0.693

python代码是

import math
k=1
# 定义变量  
t = (2*k+1)/2*math.pi-math.pi/12  # 你可以根据需要更改这个值  # points=5*math.cos(t+math.pi/12)  
# 计算表达式  
gradient = (-4 * math.cos(2 * t) / (5 * math.sin(t + math.pi / 12)))  # 打印结果  
# print("points=",points)
print("gradient=",gradient)

d
d x d t = − 5 s i n ( t + π 12 ) \frac{dx}{dt}=-5sin(t+\frac{\pi}{12}) dtdx=5sin(t+12π)
t + π 12 = k π t+\frac{\pi}{12}=k\pi t+12π=

ktpoints
( 5 c o s ( t + π 12 ) , 2 s i n 2 t ) (5cos(t+\frac{\pi}{12}),2sin2t) (5cos(t+12π),2sin2t)
d x d t = − 5 s i n ( t + π 12 ) \frac{dx}{dt}=-5sin(t+\frac{\pi}{12}) dtdx=5sin(t+12π)
1 11 π 12 \frac{11\pi}{12} 1211π(-5,-1)0
2 23 π 12 \frac{23\pi}{12} 1223π(5,-1)0

Python代码

import math
k=2
# 定义变量  
t = k*math.pi-math.pi/12  # 你可以根据需要更改这个值
print("t=",t)  
x=5*math.cos(t+math.pi/12)
y=2*math.sin(2*t)
print(y)
print("(%d,%f)" % (x, y))

e(为了绘制清晰一些,这里使用python实现,考试时要根据自己在前面几个小问求出的点来绘制)

# -*- coding: utf-8 -*-
import numpy as np  
import matplotlib.pyplot as plt  
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的b问题# 参数方程  
t = np.linspace(0, 2 * np.pi, 1000)  # t的范围在02π,1000个点  
y = 2 * np.sin(2 * t)  
x = 5 * np.cos(t + np.pi/12)  # 绘制图形  
plt.figure(figsize=(6, 6))  # 设置图形大小  
plt.plot(x, y, label='参数方程 y=2sin(2t), x=5cos(t+π/12)')  # 绘制图形  
plt.xlabel('x')  # x轴标签  
plt.ylabel('y')  # y轴标签  
plt.title('参数方程 y=2sin(2t) 和 x=5cos(t+π/12)')  # 图形标题  
plt.legend()  # 显示图例  
plt.grid(True)  # 显示网格线  # 绘制x轴和y轴  
plt.axhline(y=0, color='black', linestyle='--')  # 绘制y轴  
plt.axvline(x=0, color='black', linestyle='--')  # 绘制x轴  plt.show()  # 显示图形

Run the above Python code ,we get
在这里插入图片描述

对同学们的要求
章节后面的E/P习题必须全部完成。

这篇关于Pure Mathematics 4-Differentiation(微分)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/652674

相关文章

微积分直觉:隐含微分

目录 一、介绍 二、梯子问题 三、结论 四、一个额外的例子 一、介绍         让我们想象一个半径为 5 的圆,以 xy 平面为中心。现在假设我们想在点 (3,4) 处找到一条切线到圆的斜率。         好吧,为了做到这一点,我们必须非常接近圆和切线之间的空间,并沿着该曲线迈出一小步。该步骤的 y 分量为 dy,x 分量为

微分先行PID控制算法

微分先行PID控制算法 微分先行PID控制算法: 注:本文内容摘自《先进PID控制MATLAB仿真(第4版)》刘金琨 编著,研读此书受益匪浅,感谢作者! 微分先行PID控制算法: 微分先行PID控制结构,其特点是只对输出量 y ( k ) y(k) y(k)进行微分,而对给定值 y d ( k k ) y_d(kk) yd​(kk)不做微分。这样,在改变给定值时,输出不会改变

不完全微分PID控制算法

不完全微分PID控制算法 注:本文内容摘自《先进PID控制MATLAB仿真(第4版)》刘金琨 编著,研读此书受益匪浅,感谢作者! 在PID控制中,微分信号的引入可改善系统的动态特性,但也容易引起高频干扰,在误差扰动突变时尤其显出微分项的不足。若在控制算法中加入低通滤波器,则可以使系统性能得到改善。 克服上述缺点的方法之一是在PID算法中加入一个一阶惯性环节(低通滤波器) G f

2.3导数与微分的基础与应用

1. 导数的基本概念 大家好,欢迎来到我们的数学大讲堂!今天我们要聊聊一个有点酷又有点恐怖的东西——导数。别担心,不是让你在黑板上画曲线的那种,而是关于“变化率”的一种数学表达。 那么,什么是导数呢?想象一下,你在开车,导数就是告诉你每一秒你的车速变化有多快。比如说,你踩了油门,车速从30公里/小时变到40公里/小时,那导数就是“哟,这小子踩油门了,车速快了!”简单来说,导数就是描述某样东西变

Python(C++)自动微分导图

🎯要点 反向传播矢量化计算方式前向传递和后向传递计算方式图节点拓扑排序一阶二阶前向和伴随模式计算二元分类中生成系数高斯噪声和特征二元二次方程有向无环计算图超平面搜索前向梯度下降算法快速傅里叶变换材料应力和切线算子GPU CUDA 神经网络算术微分 Python自动微分前向反向 自动微分不同于符号微分和数值微分。符号微分面临着将计算机程序转换为单一数学表达式的困难,并且可能导致代码效率低下

从零开始学习深度学习库-6:集成新的自动微分模块和MNIST数字分类器

在上一篇文章中,我们完成了自动微分模块的代码。深度学习库依赖于自动微分模块来处理模型训练期间的反向传播过程。然而,我们的库目前还是“手工”计算权重导数。现在我们拥有了自己的自动微分模块,接下来让我们的库使用它来执行反向传播吧! 此外,我们还将构建一个数字分类器来测试一切是否正常工作。 使用自动微分模块并非必要,不使用这个模块也没事,用原本的方法也能很好地工作。 然而,当我们开始在库中实现更复

【具体数学 Concrete Mathematics】1.1 递归问题 讲义

【具体数学 Concrete Mathematics】1.1 递归问题 导入 本节(1.1、1.1.1-1.1.3)主要围绕《具体数学》第一章 递归问题(Recurrent Problems)讲义部分的三个问题展开,分别是汉诺塔、平面上的直线以及约瑟夫问题。下面简单介绍一下递归问题和数学归纳法,做一个简单的导入,具体的递归应用可以在三个例子(1.1.1-1.1.3)中获得更好的体现: 1. 递

【具体数学 Concrete Mathematics】1.1.1 汉诺塔问题

【具体数学 Concrete Mathematics】1.1.1 汉诺塔问题 汉诺塔问题的设定是:给定一个由8个圆盘 1 − 8 1-8 1−8( 1 1 1号圆盘最小, 8 8 8号圆盘最大)和三根柱子 A , B , C A,B,C A,B,C,从上向下这些圆盘大小逐渐递减(即圆盘不能放在比自身小的圆盘上)放在柱子 A A A上。 问: 最少需要多少步能够将所有圆盘都转移到柱子 C C C

【具体数学 Concrete Mathematics】1.1.2 平面上的直线

【具体数学 Concrete Mathematics】1.1.2 平面上的直线

Python(PyTorch)物理变化可微分神经算法

🎯要点 🎯使用受控物理变换序列实现可训练分层物理计算 | 🎯多模机械振荡、非线性电子振荡器和光学二次谐波生成神经算法验证 | 🎯训练输入数据,物理系统变换产生输出和可微分数字模型估计损失的梯度 | 🎯多模振荡对输入数据进行可控卷积 | 🎯物理神经算法数学表示、可微分数学模型 | 🎯MNIST和元音数据集评估算法 🍪语言内容分比 🍇PyTorch可微分优化 假设张量