分类目录归档:课程

13.中值定理及不等式

1 牛顿迭代法误差分析

附件/Pasted image 20210914172012.png

  • 设真实解为$x$,真实解与第$n$次迭代后的近似解误差为$E_n=|x-x_n|$
  • 则$E_1=|x-x_1|$,且$E_2=|x-x_2|=|x-x_1+\frac{f(x_1)}{f'(x_1)}|$
  • 考虑到图示中$(x-x_1)<0$且$f'(x_1)>0$,所以$E_2$相比于$E_1$减小了$\frac{f(x_1)}{f'(x_1)}$
  • 粗略来看,$E_2$误

Read more

12.牛顿迭代法及应用

1 斜拉桥原理

:固定绳子两端于点$(0,0)$和点$(a,b)$,并在绳子内任意位置悬挂重物,得到重物的坐标$(x,y)$,求$y$的最小值

附件/Pasted image 20210914163749.png

求解过程

  • 根据题意可知$\sqrt{x^2+y^2}+\sqrt{(a-x)^2+(b-y)^2}=L$
  • 悬挂重物轨迹曲线最低点处,切线水平,即$y'=0$
  • 两边同时乘以$\frac{d}{dx}$可得(隐函数微分法)

$$\frac{1}{2}\frac{2x+2yy'}{\sqrt{x^2+y^2}}+\frac{1}{2}\frac{-2(a-x)-2(b-

Read more

11.相关变率

1 最值的应用

复习:分析函数极值点关键是找到驻点、边界点和不连续点

:1根绳,截2段,分别围成正方形,求总面积最大值 $$S=(\frac{x}{4})^2+(\frac{1-x}{4})^2$$

  • 其中$x$表示绳子第一截的长度
  • $1-x$表示绳子第二截的长度
  • $S$表示最后两个正方形的总面积

求解过程

  • 令$S'=0$,可得$x=\frac{1}{2}$
  • 此时$S(x=\frac{1}{2})=\frac{1}{32}$,是最小值
  • 此函数的最大值为边界值,即$x=0^+or1^-$的时候最大
  • 此时$S=\frac{1}{16}$,

Read more

10.最值问题

1 曲线构图补充

画图法步骤:

  1. 描点
  • 不连续点(特别是$f(x)\to \infty$的点)
  • 无限远端($x\to \infty$)
  • 易求的点
  1. 求驻点$f'(x)=0$,判断不同区域一阶导数的正负性,检验单调性
  2. 求拐点$f''(x)=0$,判断不同区域二阶导数的正负性,检验凹凸性
  3. 画图和总结

练习:$f(x)=\frac{1+x}{2+x}$绘图

附件/Pasted image 20210914140851.png

2 最值问题

附件/Pasted image 20210914140951.png

分析函数极值点关键是找到驻点、边界点和不连续点

3 参考

MIT—单变量微积分笔记11 极值问题

#最值

Read more

9.曲线构图

1 线性近似和二阶近似补充

$$\lim_{k \to \infty}a_k=\lim_{k \to \infty}(1+\frac{1}{k})^k=e$$

利用线性近似进行更简单的证明

  • $ln(a_k)=k\times ln(1+\frac{1}{k})\approx k\times \frac{1}{k}=1$

二阶近似的性质

  • $ln(a_k)=k\times ln(1+\frac{1}{k})\approx k\times (\frac{1}{k}-\frac{1}{2k^2})=1-\frac{1}{2k}$
  • $

Read more

8.线性近似和二阶近似

1 线性近似 linear approximation

$$f(x) \approx f(x_0)+f'(x_0)(x-x_0)$$

  • 其中$\approx$仅在$x$接近$x_0$时成立

以$x_0=0$且$x\approx 0$为前提,几种常见的函数线性近似:

  • $sin(x) \approx x$
  • $cos(x) \approx 1$
  • $e^x \approx 1+x$
  • $lm(1+x) \approx x$
  • $(1+x)^r \a

Read more

7.单变量微积分-第一次复习

1 多项式导数的推广

$$\frac{d}{dr}x^r=rx^{r-1}$$ 其中$r \in$实数

快速证明 $$\frac{d}{dr}x^r=\frac{d}{dr}e^{ln(x^r)}=e^{ln(x^r)}\times r \times \frac{1}{x}=rx^{r-1}$$

2 自然对数的常见应用

股票指数,以FTSE100为例

  • FTSE100全称为伦敦金融时报100指数,简称英国富时100指数
  • 欧洲三大股票指数包括:30工业股、FT-100、综合

Read more

6.指数和对数的导数

1 指数(exponential)的导数Part1

$$\frac{d}{dx}a^x=\lim_{\Delta x\to 0}\frac{a^{x+\Delta x}-a^x}{\Delta x}=a^x\lim_{\Delta x\to 0}\frac{a^{\Delta x}-1}{\Delta x}=M(a)a^x$$

  • 其中$a$表示某一固定常数,$M(a)$表示某一固定函数值
  • 当$x=0$时,$M

Read more

5.隐函数微积分和逆函数求导

1 隐函数微积分

扩展$(x^n)'=nx^{n-1}$为$(x^a)'=ax^{n-1}$

  • 其中$a$表示有理数,可以用$\frac{m}{n}$表示
  • $m,n \in Z$,即$m$和$n$属于整数集

扩展公式的证明:

  • 转换$y=x^{\frac{m}{n}}$为$y^n=x^m$
  • 由此可得$\frac{d}{dx}y^n=\frac{d}{dx}x^m=mx^{m-1}$
  • 借助链式法则可得$\frac{d}{dy}y^n\frac{dy}{dx}=mx^{m-1}$
  • 化简可得$\frac{dy}{dx}=\frac{mx^{m-

Read more

4.链式法则及高阶导数

1 导数的乘法法则

$(uv)'=u'v+v'u$

乘法法则推导Part 1 $$\begin{align} \Delta(uv) & = u(x+\Delta x)v(x+\Delta x)-u(x)v(x) \ \\ & = [u(x+\Delta x)-u(x)]v(x+\Delta x)+u(x)[v(x+\Delta x)-v(x)] \ \\ & = \Delta u\times v(x+\Delta x)+u(x)\D

Read more