当前位置: 首页 > news >正文

高等数学 5.5 反常积分的审敛法 Γ函数

文章目录

一、无穷限反常积分的审敛法

定理1 设函数 f ( x ) f(x) f(x) 在区间 [ a , + ∞ ) [a, +\infty) [a,+) 上连续,且 f ( x ) ⩾ 0 f(x) \geqslant 0 f(x)0.若函数
F ( x ) = ∫ a x f ( t ) d t F(x) = \int_a^x f(t) \mathrm{d}t F(x)=axf(t)dt
[ a , + ∞ ) [a, +\infty) [a,+) 上有上界,则反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x) \mathrm{d}x a+f(x)dx 收敛。

定理2(比较审敛原理) 设函数 f ( x ) f(x) f(x) g ( x ) \mathrm{g}(x) g(x) 在区间 [ a , + ∞ ) [a, +\infty) [a,+) 上连续。如果 0 ⩽ f ( x ) ⩽ g ( x ) ( a ⩽ x < + ∞ ) 0 \leqslant f(x) \leqslant \mathrm{g}(x)(a \leqslant x < +\infty) 0f(x)g(x)(ax<+) 并且 ∫ a + ∞ g ( x ) d x \displaystyle \int_a^{+\infty} \mathrm{g}(x) \mathrm{d}x a+g(x)dx 收敛,那么 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x) \mathrm{d}x a+f(x)dx 也收敛;如果 0 ⩽ g ( x ) ⩽ f ( x ) ( a ⩽ x < + ∞ ) 0 \leqslant \mathrm{g}(x) \leqslant f(x)(a \leqslant x < +\infty) 0g(x)f(x)(ax<+) ,并且 ∫ a + ∞ g ( x ) d x \displaystyle \int_a^{+\infty} \mathrm{g}(x) \mathrm{d}x a+g(x)dx 发散,那么 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x) \mathrm{d}x a+f(x)dx 也发散。

定理3(比较审敛法1) 设函数 f ( x ) f(x) f(x) 在区间 [ a , + ∞ ) ( a > 0 ) [a, +\infty) (a > 0) [a,+)(a>0) 上连续,且 f ( x ) ⩾ 0 f(x) \geqslant 0 f(x)0 .如果存在常数 M > 0 M > 0 M>0 p > 1 p > 1 p>1 ,使得 f ( x ) ⩽ M x p ( a ⩽ x < + ∞ ) f(x) \leqslant \cfrac{M}{x^p}(a \leqslant x < +\infty) f(x)xpM(ax<+) ,那么反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x)\mathrm{d}x a+f(x)dx 收敛;如果存在常数 N > 0 N > 0 N>0 使得 f ( x ) ⩾ N x ( a ⩽ x < + ∞ ) f(x) \geqslant \cfrac{N}{x}(a \leqslant x < +\infty) f(x)xN(ax<+),那么反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x)\mathrm{d}x a+f(x)dx 发散。

定理4(极限审敛法1) 设函数 f ( x ) f(x) f(x) 在区间 [ a , + ∞ ) [a, +\infty) [a,+) 上连续,且 f ( x ) ⩾ 0 f(x) \geqslant 0 f(x)0 。如果存在常数 p > 1 p > 1 p>1 ,使得 lim ⁡ x → + ∞ x p f ( x ) = c < + ∞ \lim\limits_{x \to +\infty} x^p f(x) = c < +\infty x+limxpf(x)=c<+,那么反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x)\mathrm{d}x a+f(x)dx 收敛;如果 lim ⁡ x → + ∞ x f ( x ) = d > 0 \lim\limits_{x \to +\infty} x f(x) = d > 0 x+limxf(x)=d>0 (或 lim ⁡ x → + ∞ x f ( x ) = + ∞ \lim\limits_{x \to +\infty} x f(x) = +\infty x+limxf(x)=+),那么反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x)\mathrm{d}x a+f(x)dx 发散。

定理5 设函数 f ( x ) f(x) f(x) 在区间 [ a , + ∞ ) [a, +\infty) [a,+) 上连续。如果反常积分
∫ a + ∞ ∣ f ( x ) ∣ d x \int_a^{+\infty} |f(x)| \mathrm{d}x a+f(x)dx
收敛,那么反常积分
∫ a + ∞ f ( x ) d x \int_a^{+\infty} f(x) \mathrm{d}x a+f(x)dx
也收敛。

通常称满足定理5条件的反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x) \mathrm{d}x a+f(x)dx 绝对收敛。定理5可简单的表述为:绝对收敛的反常积分 ∫ a + ∞ f ( x ) d x \displaystyle \int_a^{+\infty} f(x) \mathrm{d}x a+f(x)dx 必定收敛。

二、无界函数的反常积分审敛法

定理6(比较审敛法2) 设函数 f ( x ) f(x) f(x) 在区间 ( a , b ] (a, b] (a,b] 上连续,且 f ( x ) ⩾ 0 f(x) \geqslant 0 f(x)0 x = a x = a x=a f ( x ) f(x) f(x) 的瑕点。如果存在常数 M > 0 M > 0 M>0 q < 1 q < 1 q<1,使得
f ( x ) ⩽ M ( x − a ) q ( a < x ⩽ b ) , f(x) \leqslant \cfrac{M}{(x - a)^q} \quad (a < x \leqslant b), f(x)(xa)qM(a<xb),
那么反常积分 ∫ a b f ( x ) d x \displaystyle \int_a^b f(x) \mathrm{d}x abf(x)dx 收敛;如果存在常数 N > 0 N > 0 N>0 ,使得
f ( x ) ⩾ N x − a ( a < x ⩽ b ) , f(x) \geqslant \cfrac{N}{x - a} \quad (a < x \leqslant b), f(x)xaN(a<xb),
那么反常积分 ∫ a b f ( x ) d x \displaystyle \int_a^b f(x) \mathrm{d}x abf(x)dx 发散。

定理7(极限审敛法2) 设函数 f ( x ) f(x) f(x) 在区间 ( a , b ] (a, b] (a,b] 上连续,且 f ( x ) ⩾ 0 f(x) \geqslant 0 f(x)0 x = a x = a x=a f ( x ) f(x) f(x) 的瑕点。如果存在常数 0 < q < 1 0 < q < 1 0<q<1,使得
lim ⁡ x → a + ( x − a ) q f ( x ) \lim_{x \to a^+} (x - a)^q f(x) xa+lim(xa)qf(x)
存在,那么反常积分 ∫ a b f ( x ) d x \displaystyle \int_a^b f(x) \mathrm{d}x abf(x)dx 收敛;如果
lim ⁡ x → a + ( x − a ) f ( x ) = d > 0 ( 或 lim ⁡ x → a + ( x − a ) f ( x ) = + ∞ ) , \lim_{x \to a^+} (x - a) f(x) = d > 0 \quad (或 \lim_{x \to a^+} (x - a) f(x) = +\infty), xa+lim(xa)f(x)=d>0(xa+lim(xa)f(x)=+),
那么反常积分 ∫ a b f ( x ) d x \displaystyle \int_a^b f(x) \mathrm{d}x abf(x)dx 发散。

三、 Γ \Gamma Γ 函数

Γ \Gamma Γ 函数的定义如下:
Γ ( s ) = ∫ 0 + ∞ e − x x s − 1 d x ( s > 0 ) \Gamma (s) = \int_0^{+\infty} \mathrm{e}^{-x} x^{s - 1} \mathrm{d}x \quad (s > 0) Γ(s)=0+exxs1dx(s>0)

Γ 函数 \Gamma 函数 Γ函数 的几个重要性质:

  1. 递推公式 Γ ( s + 1 ) = s Γ ( s ) ( s > 0 ) \Gamma (s + 1) = s \Gamma(s) \quad (s > 0) Γ(s+1)=sΓ(s)(s>0)
    一般地,对任何正整数 n n n ,有
    Γ ( n + 1 ) = n ! \Gamma(n + 1) = n! Γ(n+1)=n!
    所以我们可以把 Γ \Gamma Γ 函数看成是阶乘的推广。

  2. s → 0 + s \to 0^+ s0+ 时, Γ ( s ) → + ∞ \Gamma(s) \to +\infty Γ(s)+

  3. Γ ( s ) Γ ( 1 − s ) = π sin ⁡ π s ( 0 < s < 1 ) \Gamma(s) \Gamma(1 - s) = \cfrac{\pi}{\sin{\pi s}} (0 < s < 1) Γ(s)Γ(1s)=sinπsπ(0<s<1) .
    这个公式称为余元公式

原文链接:高等数学 5.5 反常积分的审敛法 Γ \Gamma Γ函数

相关文章:

高等数学 5.5 反常积分的审敛法 Γ函数

文章目录 一、无穷限反常积分的审敛法二、无界函数的反常积分审敛法三、 Γ \Gamma Γ 函数 一、无穷限反常积分的审敛法 定理1 设函数 f ( x ) f(x) f(x) 在区间 [ a , ∞ ) [a, \infty) [a,∞) 上连续&#xff0c;且 f ( x ) ⩾ 0 f(x) \geqslant 0 f(x)⩾0.若函数 F (…...

宝塔安装ffmpeg的方法

宝塔安装ffmpeg的方法 wget http://download.bt.cn/install/ext/ffmpeg.sh && sh ffmpeg.sh安装完后可输入以下命令是否安装成功&#xff1a; ffmpeg -version...

案例分享-优秀蓝色系UI界面赏析

蓝色UI设计界面要提升舒适度&#xff0c;关键在于色彩搭配与对比度。选择柔和的蓝色调作为主色&#xff0c;搭配浅灰或白色作为辅助色&#xff0c;能营造清新、宁静的氛围。同时&#xff0c;确保文字与背景之间有足够的对比度&#xff0c;避免视觉疲劳&#xff0c;提升阅读体验…...

陪诊小程序之uniapp(从入门到精通)

1.uniapp如何使用vue3编写页面 <template><view class"content"><navbar name"navbar组件"></navbar><image class"logo" src"/static/logo.png"></image><view class"text-area"&…...

深度学习(一)基础:神经网络、训练过程与激活函数(1/10)

深度学习基础&#xff1a;神经网络、训练过程与激活函数 引言&#xff1a; 深度学习作为机器学习的一个子领域&#xff0c;近年来在人工智能的发展中扮演了举足轻重的角色。它通过模仿人脑的神经网络结构&#xff0c;使得计算机能够从数据中学习复杂的模式和特征&#xff0c;…...

源代码加密技术的一大新方向!

在当今这个信息爆炸的时代&#xff0c;企业所面临的数据安全挑战日益严峻。传统的文档加密方法已经无法满足日益复杂的安全需求。幸运的是&#xff0c;SDC沙盒加密系统以其革命性的安全理念和先进技术&#xff0c;为企业提供了一个更可靠、更高效的数据保护方案。 传统加密方案…...

SVN——常见问题

基本操作 检出 提交 更新 显示日志 撤销本地修改 撤销已提交内容 恢复到指定版本 添加忽略 修改同一行 修改二进制文件...

JavaCV 图像灰度化处理

&#x1f9d1; 博主简介&#xff1a;历代文学网&#xff08;PC端可以访问&#xff1a;https://literature.sinhy.com/#/literature?__c1000&#xff0c;移动端可微信小程序搜索“历代文学”&#xff09;总架构师&#xff0c;15年工作经验&#xff0c;精通Java编程&#xff0c;…...

基于Multisim三极管B放大系数放大倍数测量电路设计(含仿真和报告)

【全套资料.zip】三极管B放大系数放大倍数测量电路电路设计Multisim仿真设计数字电子技术 文章目录 功能一、Multisim仿真源文件二、原理文档报告资料下载【Multisim仿真报告讲解视频.zip】 功能 1.用三个数码管显示B的大小&#xff0c;分别显示个位、十位和百位。 2.显示范围…...

Molmo模型实战

安装pip文件 conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidiapip install ...

免费开源的微信开发框架

近年来&#xff0c;随着人工智能技术的快速发展&#xff0c;聊天机器人在各个领域得到了广泛的应用。在社交媒体中&#xff0c;自动回复成为了一个流行的功能&#xff0c;让用户可以方便地与机器人进行互动。gewe框架&#xff0c;一个开源的微信聊天机器人框架&#xff0c;实现…...

波形的变化和信号的产生1+multisim仿真

目录 1.正弦波振荡电路 1.1RC正弦波振荡电路 1.1.1RC串并联选频网络 1.1.2RC桥式正弦波振荡电路 1.1.4LC正弦波振荡电路 1.1.3石英晶体正弦波振荡电路 2.电压比较器 2.1概述 2.1.1基本概念 2.2电压比较器的种类 2.2.1过零比较器 2.2.2一般单限比较器 2.2.3滞回比较…...

【FAQ】HarmonyOS SDK 闭源开放能力 —Map Kit(3)

1.问题描述&#xff1a; compatibleSdkVersion升级到5.0.0&#xff08;12&#xff09;之后&#xff0c;调用坐标系转换API&#xff1a;map.convertCoordinate(mapCommon.CoordinateType.WGS84, mapCommon.CoordinateType.GCJ02, { longitude: location.longitude, latitude:…...

电脑微信多开方法,保姆级教学,超简单!

文章目录 前言方法教学 前言 大家在日常生活中一般都会有多个微信号或QQ号&#xff0c;但大部分人只有一部手机和一台电脑&#xff0c;这就导致每次都需要来回切换不同的账号&#xff0c;非常麻烦&#xff1b;QQ还好&#xff0c;在电脑上可以登陆多个账号&#xff0c;但微信只能…...

【Mysql】-锁,行级锁

Mysql mysql中的行锁 在 MySQL 的 InnoDB 存储引擎中&#xff0c;行级锁通常是加在索引上的&#xff0c;而不是直接加在数据行上。这种机制是基于索引的锁定策略&#xff0c;具体来说&#xff1a; 主键索引&#xff1a;如果查询更新使用了主键进行查找&#xff0c;InnoDB 会直…...

手机功耗技术领域

手机功耗技术领域 器件 器件-电池 提升电池能量密度 提升正极电压、升级负极材料正极电压方面&#xff0c;目前行业还是以4.5V体系为主&#xff1b;4.53V体系预计24-25年落地&#xff1b;负极材料方面&#xff0c;石墨体系每年2%能量密度提升迭代&#xff1b; 掺硅方案目前…...

Golang | Leetcode Golang题解之第493题翻转对

题目&#xff1a; 题解&#xff1a; type fenwick struct {tree []int }func newFenwickTree(n int) fenwick {return fenwick{make([]int, n1)} }func (f fenwick) add(i int) {for ; i < len(f.tree); i i & -i {f.tree[i]} }func (f fenwick) sum(i int) (res int)…...

linux笔记(yum本地源仓库搭建)

一、准备工作 安装必要的软件包 在大多数 Linux 发行版中&#xff0c;Yum 已经默认安装。如果系统中没有安装&#xff0c;可以根据发行版的包管理器进行安装。 准备本地源文件 可以是光盘镜像&#xff08;如果是从光盘安装系统&#xff09;&#xff0c;或者是已经下载好的系…...

K8S系列-Kubernetes网络

一、Kubernetes网络模型 ​ Kubernetes网络模型设计的一个基础原则是&#xff1a;每个Pod都拥有一个独立的IP地址&#xff0c;并假定所有Pod都在一个可以直接连通的、扁平的网络空间中&#xff0c;不管它们是否运行在同一个Node&#xff08;宿主机&#xff09;中&#xff0c;都…...

Excel 对数据进行脱敏

身份证号脱敏&#xff1a;LEFT(A2,6)&REPT("*",6)&RIGHT(A2,6) 手机号脱敏&#xff1a;LEFT(B2,3)&REPT("*",5)&RIGHT(B2,3) 姓名脱敏&#xff1a;LEFT(C2,1)&REPT("*",1)&RIGHT(C2,1) 参考&#xff1a; excel匹配替换…...

(十)学生端搭建

本次旨在将之前的已完成的部分功能进行拼装到学生端&#xff0c;同时完善学生端的构建。本次工作主要包括&#xff1a; 1.学生端整体界面布局 2.模拟考场与部分个人画像流程的串联 3.整体学生端逻辑 一、学生端 在主界面可以选择自己的用户角色 选择学生则进入学生登录界面…...

MFC内存泄露

1、泄露代码示例 void X::SetApplicationBtn() {CMFCRibbonApplicationButton* pBtn GetApplicationButton();// 获取 Ribbon Bar 指针// 创建自定义按钮CCustomRibbonAppButton* pCustomButton new CCustomRibbonAppButton();pCustomButton->SetImage(IDB_BITMAP_Jdp26)…...

如何在看板中体现优先级变化

在看板中有效体现优先级变化的关键措施包括&#xff1a;采用颜色或标签标识优先级、设置任务排序规则、使用独立的优先级列或泳道、结合自动化规则同步优先级变化、建立定期的优先级审查流程。其中&#xff0c;设置任务排序规则尤其重要&#xff0c;因为它让看板视觉上直观地体…...

基于Flask实现的医疗保险欺诈识别监测模型

基于Flask实现的医疗保险欺诈识别监测模型 项目截图 项目简介 社会医疗保险是国家通过立法形式强制实施&#xff0c;由雇主和个人按一定比例缴纳保险费&#xff0c;建立社会医疗保险基金&#xff0c;支付雇员医疗费用的一种医疗保险制度&#xff0c; 它是促进社会文明和进步的…...

CentOS下的分布式内存计算Spark环境部署

一、Spark 核心架构与应用场景 1.1 分布式计算引擎的核心优势 Spark 是基于内存的分布式计算框架&#xff0c;相比 MapReduce 具有以下核心优势&#xff1a; 内存计算&#xff1a;数据可常驻内存&#xff0c;迭代计算性能提升 10-100 倍&#xff08;文档段落&#xff1a;3-79…...

【ROS】Nav2源码之nav2_behavior_tree-行为树节点列表

1、行为树节点分类 在 Nav2(Navigation2)的行为树框架中,行为树节点插件按照功能分为 Action(动作节点)、Condition(条件节点)、Control(控制节点) 和 Decorator(装饰节点) 四类。 1.1 动作节点 Action 执行具体的机器人操作或任务,直接与硬件、传感器或外部系统…...

Cinnamon修改面板小工具图标

Cinnamon开始菜单-CSDN博客 设置模块都是做好的&#xff0c;比GNOME简单得多&#xff01; 在 applet.js 里增加 const Settings imports.ui.settings;this.settings new Settings.AppletSettings(this, HTYMenusonichy, instance_id); this.settings.bind(menu-icon, menu…...

Java-41 深入浅出 Spring - 声明式事务的支持 事务配置 XML模式 XML+注解模式

点一下关注吧&#xff01;&#xff01;&#xff01;非常感谢&#xff01;&#xff01;持续更新&#xff01;&#xff01;&#xff01; &#x1f680; AI篇持续更新中&#xff01;&#xff08;长期更新&#xff09; 目前2025年06月05日更新到&#xff1a; AI炼丹日志-28 - Aud…...

C++八股 —— 单例模式

文章目录 1. 基本概念2. 设计要点3. 实现方式4. 详解懒汉模式 1. 基本概念 线程安全&#xff08;Thread Safety&#xff09; 线程安全是指在多线程环境下&#xff0c;某个函数、类或代码片段能够被多个线程同时调用时&#xff0c;仍能保证数据的一致性和逻辑的正确性&#xf…...

智能分布式爬虫的数据处理流水线优化:基于深度强化学习的数据质量控制

在数字化浪潮席卷全球的今天&#xff0c;数据已成为企业和研究机构的核心资产。智能分布式爬虫作为高效的数据采集工具&#xff0c;在大规模数据获取中发挥着关键作用。然而&#xff0c;传统的数据处理流水线在面对复杂多变的网络环境和海量异构数据时&#xff0c;常出现数据质…...