Mathematica做微积分

微积分

  • 求极限
    • 函数极限
    • 数列极限
    • 递归定义的数列极限
    • 单侧极限
    • 累次极限
    • 渐近线
  • 微商和微分
    • 微商(导数)
    • 全微分
  • 不定积分和定积分
    • 不定积分
    • 定积分
    • 多重积分
  • 级数
    • 幂级数展开
    • 幂级数计算
    • Fourier级数
  • 微分方程
    • 求解常微分方程
    • 求解偏微分方程
  • 参考资料

求极限

函数极限

计算函数极限的形式:Limit [ expr, x->x0]

求下列极限
( 1 ) lim ⁡ x → 0 sin ⁡ ( a x ) x \displaystyle(1) \lim _{x \rightarrow 0} \frac{\sin (a x)}{x} (1)x0limxsin(ax)

( 2 ) lim ⁡ x → 1 ( m 1 − x m − n 1 − x n ) \displaystyle(2) \lim _{x \rightarrow 1}\left(\frac{m}{1-x^{m}}-\frac{n}{1-x^{n}}\right) (2)x1lim(1xmm1xnn)


不是所有的函数都有确定的极限。例如 lim ⁡ x → 0 sin ⁡ ( 1 / x ) \displaystyle\lim_{x\to 0}\sin(1/x) x0limsin(1/x),极限不存在,在 0 0 0 附近,函数在 [ − 1 , 1 ] [-1, 1] [1,1] 之间波动,Limit运算的结果是一个区间。

数列极限

数列的极限,可以用同样的形式进行计算。

计算数列的极限
( 1 ) lim ⁡ n → ∞ ( n + n − n ) \displaystyle(1) \lim _{n \rightarrow \infty}(\sqrt{n+\sqrt{n}}-\sqrt{n}) (1)nlim(n+n n )
( 2 ) lim ⁡ n → ∞ n ! n n \displaystyle(2) \lim _{n \rightarrow \infty} \frac{n !}{n^{n}} (2)nlimnnn!

递归定义的数列极限

x 1 = 2 , x n = 2 + x n − 1 , x_1=\sqrt{2},x_n=\sqrt{2+x_{n-1}}, x1=2 ,xn=2+xn1 , lim ⁡ n → ∞ x n . \displaystyle\lim_{n\to\infty}x_n. nlimxn.

单侧极限

Limit[expr, x -> x0] 计算 x → x0时函数 expr 的极限

Limit[expr, x -> x0, Direction -> 1] 计算x → x0时函数 expr 的左极限

Limit[expr, x -> x0, Direction -> -1] 计算x → x0时函数 expr 的右极限

计算下列极限:
( 1 ) lim ⁡ x → 0 + log ⁡ ( x ) x \displaystyle(1) \lim _{{x} \rightarrow 0^{+}} \frac{\log ({x})}{{x}} (1)x0+limxlog(x)
( 2 ) lim ⁡ x → ∞ Γ ( x + 1 2 ) x Γ ( x ) \displaystyle(2) \lim _{{x} \rightarrow \infty} \frac{\Gamma\left({x}+\frac{1}{2}\right)}{\sqrt{{x}} \Gamma({x})} (2)xlimx Γ(x)Γ(x+21)

累次极限

从 Mathematica 语言的语法上说,Limit 函数自己不带对多个变量取极限的功能即不能计算重极限,可以计算累次极限。

计算 lim ⁡ y → ∞ lim ⁡ x → ∞ ( x y x 2 + y 2 ) x 2 \displaystyle\lim _{y \rightarrow \infty} \lim _{x \rightarrow \infty}\left(\frac{x y}{x^{2}+y^{2}}\right)^{x^{2}} ylimxlim(x2+y2xy)x2


还可以计算自变量沿某一固定路径趋向于固定点时,表达式的极限

渐近线

画出函数 f ( x ) = ( x − 5 ) 2 3 ( x + 1 ) \displaystyle f(x)=\frac{(x-5)^2}{3(x+1)} f(x)=3(x+1)(x5)2 的斜渐近线。

函数f(x)的渐近线是指:当 x → ∞ x\to\infty x 时, f ( x ) f(x) f(x) 无限接近某一直线 y = x + b y=x+b y=x+b lim ⁡ x → ∞ ( f ( x ) − ( a x + b ) ) = 0 \displaystyle\lim_{x\to\infty} (f(x)-(a x+b))=0 xlim(f(x)(ax+b))=0,需要用极限的思想确定参数a和b的值。

微商和微分

微商(导数)

计算导数的命令是 D[f, x]D[f, {x, n}],分别表示 f ′ ( x ) f'(x) f(x) f ( n ) ( x ) f ^{(n)}(x) f(n)(x)

计算导数和偏导数是同一命令。
如果 f f f是一元函数,D[f, x] 表示 d f d x \dfrac{{\rm d}f}{{\rm d}x} dxdf;如果 f f f是多元函数,D[f, x] 表示 ∂ f ∂ x \dfrac{\partial f}{\partial x} xf

微商函数的常用形式如下:

D[f, x]偏导数 ∂ f ∂ x \dfrac{\partial f}{\partial x} xf
D[f, x1, x2, …, xn]高阶偏导数 ∂ n f ∂ x 1 ∂ x 2 … ∂ x n \dfrac{\partial^{n} f}{\partial x_1 \partial x_ 2 \ldots \partial x_ n} x1x2xnnf
D[f, {x, n}] n n n阶导数 ∂ n f ∂ x n \dfrac{\partial ^n f}{\partial x^n} xnnf
D[f, x, NonConstants → {y1, y2, …, ym}]复合函数偏导数 ∂ f ∂ x , y 1 , ⋯ , y m \dfrac{\partial f}{\partial x},y_1,\cdots,y_m xf,y1,,ym x x x的函数
D[f, {{x, y, z, …}}]偏导向量 ( ∂ f ∂ x , ∂ f ∂ y , ∂ f ∂ z , … ) \left(\dfrac{\partial {f}}{\partial {x}}, \dfrac{\partial {f}}{\partial {y}}, \dfrac{\partial {f}}{\partial {z}}, \ldots\right) (xf,yf,zf,)

求函数 f ( x ) = sin ⁡ ( x 2 + x ) f(x)=\sin \left(x^2+\sqrt{x}\right) f(x)=sin(x2+x ) x = 2 x = 2 x=2处的导数

全微分

在Mathematica中,D[f, x] 计算变量为 f 关于 x 的偏导数,系统默认f 中的其它变量与 x无关;

Dt[f] 给出f的全微分形式

Dt[f, x] 给出f的全导数,系统默认 f 中所有变量是 x 的函数。

对于f中不依赖于 x 的常量,要用选项 Constants -> {常量1, 常量2, …} 作出说明。

x , y x, y x,y 的函数关系由参数方程 x = 2 t 2 , y = sin ⁡ ( t ) x = 2 t ^2, y = \sin(t) x=2t2,y=sin(t) 确定,求 y y y 关于 x x x 的二阶导数。

不定积分和定积分

不定积分

计算不定积分的命令是Integrate[f, x],输出结果中省略积分常数。

计算二重积分的命令是Integrate[f, x, y],积分的顺序是从右自左,先对变量y做积分计算,再对变量x做积分计算

Integreate主要计算只含有 “简单函数” 的被积函数。“简单函数” 包括有理函数、指数函数、对数函数、三角和反三角函数。

计算下列不定积分
( 1 ) ∫ 3 a x 2 d x \displaystyle(1) \int 3 {ax}^{2} \mathrm{d} {x} (1)3ax2dx
( 2 ) ∫ x 2 − a 2 d x \displaystyle(2) \int \sqrt{x^{2}-a^{2}} \mathrm{d} x (2)x2a2 dx
( 3 ) ∫ cos ⁡ x d x \displaystyle(3) \int \sqrt{\cos x} \mathrm{d} x (3)cosx dx
( 4 ) ∫ 1 1 + x 4 d x \displaystyle(4) \int \frac{1}{1+x^{4}} \mathrm{d} x (4)1+x41dx


Integrate可以计算形式上的积分

∫ e x ( f ( x ) + f ′ ( x ) ) d x \displaystyle\int e^x(f(x)+f'(x)) \mathrm{d} x ex(f(x)+f(x))dx

Integrate可以计算分段函数积分

f ( x ) = { x x ⩾ 1 1 x < 1 f(x)=\begin{cases}x \qquad x\geqslant1\\1\qquad x<1\end{cases} f(x)={xx11x<1,求 ∫ f ( x ) d x \displaystyle\int f(x) \mathrm{d} x f(x)dx

Mathematica可以对向量值函数积分

Mathematica提供如Bessel函数、Gamma函数 和Beta函数等二三十个数学物理特殊函数可以用来表示积分结果。

∫ e − x 2 d x \displaystyle\int e^{-x^2} \mathrm{d} x ex2dx

Mathematica算不出结果的积分对被积函数做些化简外仍按Integrate形式输出

定积分

Integrate[f[x], {x, a, b}],可以计算 ∫ a b f ( x ) d x \displaystyle\int _a^b f(x) \mathrm{d} x abf(x)dx 的准确解

NIntegrate[f[x], {x, a, b}],可以计算 ∫ a b f ( x ) d x \displaystyle\int _a^b f(x) \mathrm{d} x abf(x)dx 的数值解

多重积分

Integrate [f, {x, a, b}, {y, c, d}],计算累次积分 ∫ a b d x ∫ c d f ( x , y ) d y \displaystyle\int _a^b \mathrm{d} x\int_c^df(x,y)\mathrm{d} y abdxcdf(x,y)dy的准确解.

NIntegrate [f, {x, a, b}, {y, c, d}],计算累次积分 ∫ a b d x ∫ c d f ( x , y ) d y \displaystyle\int _a^b \mathrm{d} x\int_c^df(x,y)\mathrm{d} y abdxcdf(x,y)dy的数值解.

计算区域 D D D上的二重积分 , D D D y = x y = x y=x 以及 x x x轴, x = 1 x = 1 x=1 围成. ∬ D sin ⁡ ( x + 2 y ) d x d y \displaystyle \iint_D\sin(x+2y) \mathrm{d} x\mathrm{d} y Dsin(x+2y)dxdy

计算 ∭ V x y 2 z 3 d x d y d z , \displaystyle\iiint_Vxy^2z^3\mathrm{d} x\mathrm{d} y\mathrm{d} z, Vxy2z3dxdydz,其中 V V V是由曲面 z = x y , z = 0 , y = x , x = 1 z = xy, z = 0, y = x, x = 1 z=xy,z=0,y=x,x=1围成。

计算两个圆柱体 x 2 + y 2 = 1 , x 2 + z 2 ⩽ 1 x^2+y^2=1,x^2+z^2\leqslant 1 x2+y2=1,x2+z21 相交部分的体积。

计算曲线积分 ∫ L x 2 + x cos ⁡ x d s , L \displaystyle\int _L x^2+x\cos x \mathrm{d} s,L Lx2+xcosxdsL 是单位圆。

计算单位球面面积

级数

幂级数展开

Series[expr, {x, x0, n}] 将expr在x = x0点展开到n阶的幂级数

Series[expr, {x, x0, n}, {y, y0, m}]先对y展开到m阶再对x展开n阶幂级数


展开式中可能将分数指数,对数函数等作为基本元素。

Series命令可以计算无界函数在瑕点的洛朗展开式,展开式的最高次数可以是负数。

Series命令可以计算函数在无穷远点的洛朗展开式

幂级数计算

幂级数求和

无穷乘积

求幂级数 ∑ n = 0 ∞ x 4 n + 1 4 n + 1 \displaystyle\sum_{n=0}^{\infty}\frac{x^{4n+1}}{4n+1} n=04n+1x4n+1 的收敛域与和函数。


检查端点是否收敛

两个端点都是发散点。收敛域(-1,1)

给出幂级数中某一项的系数

SeriesCoefficient[f, n] 级数f中x^n的系数

SeriesCoefficient[f, {x, x0, n}] 函数f在x0的展开式中 (x - x0)^n的系数


反函数级数
InverseSeries[s, {x, x0, n}] 给出级数s的反函数的幂级数展开式


幂级数复合

ComposeSeries[s1, s2] 表示用幂级数s2代换幂级数s1中的变量x

Fourier级数



对于以2L为周期的函数,要用 FourierParameters->{1,2Pi/L} 说明


正弦级数与余弦级数

FourierSinSeries[f[x], x, n] f[x]是以2π为周期的函数,在[-π,π]上是奇函数

FourierCosSeries[f[x], x, n] f[x]是以2π为周期的函数,在[-π,π]上是偶函数

若函数周期不是2π,同样用FourierParameters说明

微分方程

求解常微分方程

求解常微分方程和常微分方程组的一般形式:

DSolve[eqns, y[x], x] 解y(x)的微分方程或方程组 eqns,x为变量。

DSolve[eqns, y, x] 在纯函数的形式下求解

一般一个一阶线性微分方程都可以通过积分运算求解,但是如果方程的个数大于1,或阶数大于2,求解就没有固定的方法,一些简单的二阶线性方程的解被当做特殊函数来表示其它方程的解。

一些特殊类型的二阶线性微分方程可能有形式简单的解

三阶以上的方程只有极少的方程能够被解出

求解初值问题 ( 1 + x 2 ) y ′ ′ + 2 x y ′ − 6 x 2 − 2 = 0 , y ( − 1 ) = 0 , y ′ ( − 1 ) = 0 \left(1+x^{2}\right) y^{\prime \prime}+2 x y^{\prime}-6 x^{2}-2=0, y(-1)=0, y^{\prime}(-1)=0 (1+x2)y+2xy6x22=0,y(1)=0,y(1)=0

纯函数形式的解可以代入微分的运算 DSolve[eqns,y,x]

求解偏微分方程

求解偏微分方程的命令是
DSolve[eqn, y, {x1, x2, ..}]
DSolve[eqns, {y1,y2,..}, {x1, x2, ..}]

求解偏微分方程 ∂ y ( x 1 , x 2 ) ∂ x 1 + ∂ y ( x 1 , x 2 ) ∂ x 2 = 1 x 1 x 2 \frac{\partial y({x} _1, {x} _2)}{\partial {x} _1}+\frac{\partial y({x} _1, {x} _2)}{\partial {x} _2}=\frac{1}{{x}_ 1x_2} x1y(x1,x2)+x2y(x1,x2)=x1x21

求解调和方程 u x x + u y y = 0 u_{xx}+u_{yy}=0 uxx+uyy=0

参考资料

  1. 中国科学技术大学《符号计算语言Mathematica》

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:http://www.rhkb.cn/news/33711.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

《微积分基础》学习(一)

本系列文章主要记录我在学习coursera上的《Calculus One》在线课程的笔记。该课程是俄亥俄州立大学的经典课程&#xff0c;教授的发音比较标准&#xff0c;授课方式轻松愉悦&#xff0c;是不可错过的“微积分”入门课程。 本文直接从第二周切入&#xff08;第一周是课程介绍和学…

【计算题】(五)多元函数微积分学

目录 多元微分1. 极限偏导可微2. 复合函数求导3. 多元函数极值 多元积分1. 积分对称性2. 坐标系相互转换3. 交换积分次序 多元微分 1. 极限偏导可微 证明二重极限&#xff1a; x r c o s θ &#xff0c; y r s i n θ xrcos \theta&#xff0c;yrsin \theta xrcosθ&#x…

微积分专项----MIT GS老师

四. Limits and Continuous Functions极限和连续 &#xff08;11/n&#xff09;^n--->e 平衡的好时 &#xff08;11/n^2&#xff09;^n---> 1 &#xff08;11/n&#xff09;^(n^2)---> infinity 洛必达法则&#xff1a;用来计算趋于0时&#xff0c;且均有良好的…

IDC发布《2022中国大模型发展白皮书》,文心大模型能力全面领先

火爆全球的ChatGPT让背后的大模型技术进入了更多人的视野。日前&#xff0c;国际权威咨询机构IDC发布《2022中国大模型发展白皮书》&#xff08;以下简称《白皮书》&#xff09;&#xff0c;认为大模型是AI发展的必然趋势&#xff0c;并提出业内首个大模型评估框架。经评估&…

了解 GPU

近期ChatGPT十分火爆&#xff0c;随之而来的是M国开始禁售高端GPU显卡。M国想通过禁售GPU显卡的方式阻挡中国在AI领域的发展。 GPU是什么&#xff1f; GPU&#xff08;英语&#xff1a;Graphics Processing Unit&#xff0c;缩写&#xff1a;GPU&#xff09;是显卡的“大脑”&…

被“薄纱”的文心一言,真的一无是处?

大家好&#xff0c;我是王有志&#xff0c;欢迎和我聊技术&#xff0c;聊漂泊在外的生活。本文单纯讨论文心一言&#xff0c;不涉及其母公司百度的所作所为 3月16日百度交卷了&#xff0c;正式推出了自己的知识增强大语言模型文心一言。 作为全球第二家&#xff0c;中国第一家…

面对ChatGPT引发的人工智能革命,中国如何应对?

ChatGPT是一款由美国OpenAI公司开发的自然语言人机交互应用&#xff0c;拥有接近人类水平的语言理解和生成能力&#xff0c;是迄今为止人工智能领域最成功的产品和历史上用户增长速度最快的应用程序。ChatGPT依赖大模型、大数据、大算力支撑&#xff0c;其出现标志着通用人工智…

chatgpt赋能python:Python拟合数据-一种强大的数据分析工具

Python拟合数据 - 一种强大的数据分析工具 Python是一种用于数据科学的强大编程语言。 它具有丰富的功能&#xff0c;具有大量的数据分析库和工具&#xff0c;其中包括拟合数据的功能。 在此文章中&#xff0c;我们将介绍如何使用Python拟合数据&#xff0c;并探索这种功能对数…

chatgpt赋能python:Python处理图片去白底的介绍

Python处理图片去白底的介绍 在现今的互联网时代&#xff0c;图片在网页设计和营销中占有重要的地位。然而&#xff0c;在制作图片时&#xff0c;如果图片中有一个白色底色&#xff0c;将导致图片的美观度和质量降低。因此&#xff0c;图片去白底是非常实用的技巧&#xff0c;…

最强的数据增强--ChatGPT?

在许多自然语言处理(NLP)任务中&#xff0c;文本数据增强是克服样本量有限挑战的有效策略。 目前的文本数据增强方法要么不能保证生成数据的正确标记(缺乏可信度)&#xff0c;要么不能保证生成数据的足够多样性(缺乏完整性)&#xff0c;要么两者兼有。 ChatGPT在具有无与伦比…

Chatgpt帮我写程序切分Midjourney生成的图片

背景&#xff1a;非程序员&#xff0c;只懂VBA&#xff0c;其他语言一概没入门。 这两天在尝试MJ在抖音上做图文的玩法&#xff0c;遇到一个问题&#xff0c;如何将MJ生成的一张4宫格图片切分成4张单独的图片&#xff0c;找了一圈&#xff0c;要是用图片处理软件&#xff0c;那…

爬取网易云音乐用户听歌排行,来制作一张Ta最爱歌手的词云图!

平时写代码的时候&#xff0c;作为云村用户的一员&#xff0c;我当然也是最爱开着网易云音乐&#xff08;以下简称网易云&#xff09;。大家都知道在网易云里你可以查看好友或是任意用户的听歌排行&#xff08;假使Ta设置全部可见&#xff09;&#xff0c;但是如果想知道Ta喜欢…

【Python实战】爬取网易云音乐用户听歌排行,来制作一张Ta最爱歌手的词云图

前言 大家好&#xff0c;我是Samaritan。 平时写代码的时候&#xff0c;作为云村用户的一员&#xff0c;我当然也是最爱开着网易云音乐&#xff08;以下简称网易云&#xff09;。 大家都知道在网易云里你可以查看好友或是任意用户的听歌排行&#xff08;假使Ta设置全部可见&am…

一招搞定某易云歌曲评论并生成漂亮词图,想爬什么歌就爬什么歌,练手推荐

网易云音乐一直是一个非常棒的听歌平台&#xff0c;尤其是推荐算法&#xff0c;我个人觉得是比某Q音乐更得人心&#xff0c;一直以来都用的都是网易云来听歌。 今天我就来教大家一个爬取网易云任意歌曲的评论并生成特殊词图的方法&#xff0c;对爬虫感兴趣的小伙伴们可以去试试…

足足 8 项新功能,微信可以和好友一同听歌了

本文转载自IT之家 此前&#xff0c;iOS 版微信已经陆续推出过 8.0.8 和 8.0.9 两次更新&#xff0c;加入了很多新功能&#xff0c;但安卓这边却一直没有动静。在历经了多日等待后&#xff0c;微信 8.0.9 安卓版也终于出现了。此次官方直接跳过了 8.0.8 这个版本&#xff0c;主…

最新【2021.1.28】今日头条_signature 分析

最新【2021.1.28】头条_signature 分析 【温馨提示】:此文仅适用PC端web版本某日某条加密 最新今日头条sign加密更新了,看了看,比之前的坑增加了许多; 今日头条web版的请求主要参数是:_signature,已经取消了之前的as、cp参数; 话不多说,开整。。。 1.参数定位 这个…

微信订阅号内测大改版,这一次更像「今日头条」了

微信订阅号想要「新生」。 2018 年 6 月&#xff0c;微信大部分用户都看到了自己的新版订阅号。在订阅号的改版中&#xff0c;文章变为了卡片式的内容展示。所有公众号不再分享一屏的手机屏幕&#xff0c;而是根据用户的阅读习惯&#xff0c;常读、收藏获得更大的卡片展示区域。…

如何实现今日头条跳转到微信?

说到付费搜索流量推广&#xff0c;大家第一时间想到的肯定是百度&#xff01; 但真实做过百度的小伙伴知道&#xff0c;百度的智能推荐有多坑&#xff0c;如果没有自己调整成非智能推荐&#xff0c;那么流量费就会嗖嗖的消耗&#xff0c;却没有实际的收益。 头条的算法推荐跟…

今日头条最新_signature

本文仅供学习。 最新的今日头条sign参数的加密&#xff0c;链接是 https://www.toutiao.com/search/?keyword%E6%96%B0%E9%97%BB。 f12之后刷新网页 加密参数名称为_signature,然后全局搜索一下这个名字。 直接在这一行打断点&#xff0c;然后点击那个tacsign方法会到这里&a…