高等数学函数的性质

牛顿二项公式

( x + y ) n = ∑ k = 0 n C n k ⋅ x n − k y k (x+y)^n=\stackrel{n}{\sum\limits_{k=0}}C^k_n\sdot x^{n-k}y^k (x+y)n=k=0nCnkxnkyk.

映射

f : X → Y f:X\rightarrow Y f:XY f f f X X X Y Y Y映射 f f f 是一个对应关系, X , Y X,Y X,Y 是两个非空集合。在对应关系 f f f 下, X X X 中的元素 x x x Y Y Y 中有唯一确定的元素 y y y 与之对应。

  • y y y x x x f f f 下的
  • x x x y y y f f f 下的原像

集合 X X X 是 映射 f f f 的定义域,记 D f D_f Df,即 D f = X D_f=X Df=X.

X X X 中所有元素的 组成的 集合 称为 映射 f f f值域,记 R f R_f Rf f ( X ) f(X) f(X),即 R f = f ( X ) = { f ( x ) ∣ x ∈ X } R_f=f(X)=\{f(x)|x\in X\} Rf=f(X)={f(x)xX}.

  • 对于每一个元素 x ∈ X x\in X xX,在 Y Y Y 中的像 y y y 是唯一的。但对于每一个元素 y ∈ Y y\in Y yY,在 X X X 中的原像不一定是唯一的。
  • R f ⊂ Y R_f\subset Y RfY,不一定 R f = Y R_f=Y Rf=Y.

对于 f : X → Y f:X\rightarrow Y f:XY

  • R f = Y R_f=Y Rf=Y,则称 f : X → Y f:X\rightarrow Y f:XY满射。(集合 Y Y Y 中每个元素在集合 X X X 中都能找到它的原像。)
  • x 1 ≠ x 2 , ( x 1 , x 2 ∈ X ) x_1\neq x_2,(x_1,x_2\in X) x1=x2,(x1,x2X) f ( x 1 ) ≠ f ( x 2 ) f(x_1)\neq f(x_2) f(x1)=f(x2),则称 f : X → Y f:X\rightarrow Y f:XY单射。(集合 X X X 中任意两个元素在 Y Y Y 中的像不相等, X X X 中任意两个元素的像没有重复。)
  • 既是满射又是单射的映射称为一一映射双射

映射又称算子。在不同数学分支有着不同的惯用名,非空集 X X X 到 数集 Y Y Y 的映射称为 X X X 上的 泛函;从非空集 X X X 到它自身的映射又称为 X X X 上的 变换;从 实数集 R R R(或其子集) 到实数集 Y Y Y 的映射通常称为 定义在 X X X 上的 函数


逆映射与复合映射

f : X → Y f:X\rightarrow Y f:XY 是单射,则其存在逆映射。

f : X → Y f:X\rightarrow Y f:XY 是单射,则 y ∈ R f y\in R_f yRf,有唯一的 x ∈ X x\in X xX f ( x ) = y f(x)=y f(x)=y.

定义一个新的映射 g : R f → X g:R_f\rightarrow X g:RfX,每个 y ∈ R f y\in R_f yRf g ( y ) = x g(y)=x g(y)=x.

g g g f f f逆映射。记 g = f − 1 g=f^{-1} g=f1 g g g 的定义域 D g = D f − 1 = R f Dg=D_{f^{-1}}=R_f Dg=Df1=Rf g g g 的值域 R g = R f − 1 = X R_g=R_{f^{-1}}=X Rg=Rf1=X.


f : [ − π 2 , π 2 ] → [ − 1 , 1 ] f:[-\dfrac{\pi}{2},\dfrac{\pi}{2}]\rightarrow [-1,1] f:[2π,2π][1,1],对每个 x ∈ [ − π 2 , π 2 ] x\in [-\dfrac{\pi}{2},\dfrac{\pi}{2}] x[2π,2π] f ( x ) = sin ⁡ x f(x)=\sin x f(x)=sinx 是一个映射,定义域 D f = [ − π 2 , π 2 ] D_f=[-\dfrac{\pi}{2},\dfrac{\pi}{2}] Df=[2π,2π],值域 R f = [ − 1 , 1 ] R_f=[-1,1] Rf=[1,1]. 此时, f f f 是一个单射,所以其存在逆映射 f − 1 = arcsin ⁡ x ,   x ∈ [ − 1 , 1 ] f^{-1}=\arcsin x,\ x\in [-1,1] f1=arcsinx, x[1,1] f − 1 f^{-1} f1 就是反正弦函数,定义域 D f − 1 = [ − 1 , 1 ] D_{f^{-1}}=[-1,1] Df1=[1,1],值域 R f − 1 = [ − π 2 , π 2 ] R_{f^{-1}}=[-\dfrac{\pi}{2},\dfrac{\pi}{2}] Rf1=[2π,2π].


两个映射 g : X → Y 1 g:X\rightarrow Y_1 g:XY1 f : Y 2 → Z f:Y_2\rightarrow Z f:Y2Z

Y 1 ⊂ Y 2 Y_1\subset Y_2 Y1Y2,则可以定义复合映射

f ∘ g : X → Z ,   ( f ∘ g ) ( x ) = f [ g ( x ) ] ,   x ∈ X f\circ g:X\rightarrow Z,\ (f\circ g)(x)=f[g(x)],\ x\in X fg:XZ, (fg)(x)=f[g(x)], xX.

  • 满足条件: R g ⊂ D f R_g\subset D_f RgDf.
  • f ∘ g f\circ g fg 有意义并不代表 g ∘ f g\circ f gf 有意义.
  • f ∘ g f\circ g fg g ∘ f g\circ f gf 都有意义,符合映射 f ∘ g f\circ g fg g ∘ f g\circ f gf 也未必相同.

映射 g : R → [ − 1 , 1 ] g:\mathrm{R}\rightarrow[-1,1] g:R[1,1],对每个 x ∈ R x\in\mathrm{R} xR g ( x ) = sin ⁡ x g(x)=\sin x g(x)=sinx;映射 f : [ − 1 , 1 ] → [ 0 , 1 ] f:[-1,1]\rightarrow[0,1] f:[1,1][0,1],对每个 u ∈ [ − 1 , 1 ] u\in[-1,1] u[1,1] f ( u ) = 1 − u 2 f(u)=\sqrt{1-u^2} f(u)=1u2

复合映射 f ∘ g : R → [ 0 , 1 ] f\circ g:\mathrm{R}\rightarrow[0,1] fg:R[0,1],对每个 x ∈ R x\in\mathrm{R} xR,有 ( f ∘ g ) ( x ) = f [ g ( x ) ] = f ( sin ⁡ x ) = 1 − sin ⁡ 2 x = ∣ cos ⁡ x ∣ (f\circ g)(x)=f[g(x)]=f(\sin x)=\sqrt{1-\sin^2x}=|\cos x| (fg)(x)=f[g(x)]=f(sinx)=1sin2x =cosx.


函数

定义:设数集 D ⊂ R D\subset\mathrm{R} DR,则称映射 f : D → R f:D\rightarrow\mathrm{R} f:DR 为定义在 D D D 上的函数,通常记为 y = f ( x ) ,   x ∈ D y=f(x),\ x\in D y=f(x), xD

  • x x x 自变量
  • y y y 因变量
  • D D D 定义域,记 D f D_f Df.

x x x 处的函数值 y = f ( x ) y=f(x) y=f(x). x x x y y y函数关系。全体函数值 f ( x ) f(x) f(x) 构成的集合称为值域 R f R_f Rf f ( D ) f(D) f(D). R f = f ( D ) = { y ∣ y = f ( x ) , x ∈ D } R_f=f(D)=\{y|y=f(x),x\in D\} Rf=f(D)={yy=f(x),xD}.


符号函数: y = s g n   x = { − 1 , x < 0 , 0 , x = 0 , 1 , x > 0. y=\mathrm{sgn}\ x=\begin{cases}-1,&x<0,\\0,&x=0,\\1,&x>0.\end{cases} y=sgn x= 1,0,1,x<0,x=0,x>0.

x = s g n   x ⋅ x x=\mathrm{sgn}\ x\cdot x x=sgn xx.


取整函数: y = [ x ] y=[x] y=[x],图像为阶梯曲线,定义域 D = ( − ∞ , + ∞ ) D=(-\infty,+\infty) D=(,+),值域 R f = Z R_f=\mathrm{Z} Rf=Z.


函数的特性
  • 有界性:
    • f ( x ) ≤ K 1 f(x)\leq K_1 f(x)K1 K 1 K_1 K1 f ( x ) f(x) f(x) X X X 上的一个 上界
    • f ( x ) ≥ K 2 f(x)\geq K_2 f(x)K2 K 2 K_2 K2 f ( x ) f(x) f(x) X X X 上的一个 下界
    • ∣ f ( x ) ∣ ≤ M |f(x)|\leq M f(x)M f ( x ) f(x) f(x) X X X有界
    • ∀ M ∈ R + , ∃ x 1 ∈ X , ∣ f ( x 1 ) ∣ > M \forall M\in\mathrm{R}^+,\exist x_1\in X,|f(x_1)|>M MR+,x1X,f(x1)>M,则 f ( x ) f(x) f(x) X X X 上无界。
    • f ( x ) f(x) f(x) X X X 上既有上界又有下届,则 f ( x ) f(x) f(x) X X X 上有界。
  • 单调性:
    • f ( x ) f(x) f(x) I ⊂ D I\subset D ID ∀ x 1 , x 2 ∈ I ,   x 1 < x 2 \forall x_1,x_2\in I,\ x_1<x_2 x1,x2I, x1<x2,有 f ( x 1 ) < f ( x 2 ) f(x_1)<f(x_2) f(x1)<f(x2),则 f ( x ) f(x) f(x) 在区间 I I I 上是 单调增加 的。
    • f ( x ) f(x) f(x) I ⊂ D I\subset D ID ∀ x 1 , x 2 ∈ I ,   x 1 < x 2 \forall x_1,x_2\in I,\ x_1<x_2 x1,x2I, x1<x2,有 f ( x 1 ) > f ( x 2 ) f(x_1)>f(x_2) f(x1)>f(x2),则 f ( x ) f(x) f(x) 在区间 I I I 上是 单调减少 的。
    • 单调增加和单调减少的函数统称为 单调函数

函数的奇偶性

  • f ( x ) = f ( − x ) f(x)=f(-x) f(x)=f(x),关于 x = 0 x=0 x=0 对称,偶函数
  • f ( x ) = − f ( − x ) f(x)=-f(-x) f(x)=f(x),关于 ( 0 , 0 ) (0,0) (0,0) 对称,奇函数

函数的周期性

f ( x ) f(x) f(x) 定义域 D D D ∃ l ∈ R + \exist l\in \mathrm{R}^+ lR+,使 ∀ x ∈ D \forall x\in D xD ( x ± l ) ∈ D (x\pm l)\in D (x±l)D,且 f ( x + l ) = f ( x ) f(x+l)=f(x) f(x+l)=f(x). 则称 f ( x ) f(x) f(x)周期函数 l l l 称为 f ( x ) f(x) f(x)周期,(最小正周期)。


y = sin ⁡ x y=\sin x y=sinx :(奇函数,周期 2 π 2\pi 2π.)

在这里插入图片描述


y = cos ⁡ x y=\cos x y=cosx :(偶函数,周期 2 π 2\pi 2π.)

在这里插入图片描述


y = sin ⁡ ( x + π 4 ) y=\sin(x+\dfrac{\pi}{4}) y=sin(x+4π)

在这里插入图片描述


y = sin ⁡ x + cos ⁡ x y=\sin x + \cos x y=sinx+cosx :(非奇非偶函数,周期 2 π 2\pi 2π.)

在这里插入图片描述

y = sin ⁡ x + cos ⁡ x = 2 ( sin ⁡ x ⋅ 2 2 + cos ⁡ x ⋅ 2 2 ) y=\sin x+\cos x=\sqrt{2}(\sin x\cdot\dfrac{\sqrt{2}}{2}+\cos x\cdot\dfrac{\sqrt{2}}{2}) y=sinx+cosx=2 (sinx22 +cosx22 )

= 2 ( sin ⁡ x ⋅ cos ⁡ π 4 + cos ⁡ x ⋅ sin ⁡ π 4 ) =\sqrt{2}(\sin x\cdot\cos\dfrac{\pi}{4}+\cos x\cdot\sin\dfrac{\pi}{4}) =2 (sinxcos4π+cosxsin4π)

= 2 sin ⁡ ( x + π 4 ) =\sqrt{2}\sin(x+\dfrac{\pi}{4}) =2 sin(x+4π).

y = 2 sin ⁡ ( x + π 4 ) y=\sqrt{2}\sin(x+\dfrac{\pi}{4}) y=2 sin(x+4π) y = sin ⁡ x y=\sin x y=sinx 左移了 π 4 \dfrac{\pi}{4} 4π 单位再整体乘以 2 \sqrt{2} 2 得来。


y = tan ⁡ x y=\tan x y=tanx :(奇函数,周期 π \pi π.)

在这里插入图片描述


Dirichlet 狄利克雷函数:

D ( x ) = { 1 , x ∈ Q , 0 , x ∈ Q C . D(x)=\begin{cases}1,&x\in\mathrm{Q},\\0,&x\in\mathrm{Q}^C.\end{cases} D(x)={1,0,xQ,xQC.

Q C \mathrm{Q}^C QC,角标 C C C 一般表示有理数集 Q \mathrm{Q} Q 相对于实数集 R \mathrm{R} R 的补集, Q C \mathrm{Q}^C QC 的意思就是 无理数集。

任何有理数加上一个有理数,还是有理数;任何无理数加上一个有理数,还是一个无理数。对于这个函数,任何有理数都是它的周期。

∵ \because 没有最小的有理数

∴ \therefore Dirichlet 函数没有最小正周期。


反函数与复合函数

设函数 f : D → f ( D ) f:D\rightarrow f(D) f:Df(D) 是单射,则它存在逆映射 f − 1 : f ( D ) → D f^{-1}:f(D)\rightarrow D f1:f(D)D,则称此映射 f − 1 f^{-1} f1 为函数 f f f 的反函数。

一般地, y = f ( x ) y=f(x) y=f(x) x ∈ D x\in D xD 的反函数记成 y = f − 1 ( x ) , x ∈ f ( D ) y=f^{-1}(x), x\in f(D) y=f1(x),xf(D).

相对于反函数 y = f − 1 ( x ) y=f^{-1}(x) y=f1(x) 来说,原来的函数 y = f ( x ) y=f(x) y=f(x) 称为 直接函数,它俩在函数图像上关于直线 y = x y=x y=x 对称,其实 y = f − 1 ( x ) y=f^{-1}(x) y=f1(x) 就是由 y = f ( x ) y=f(x) y=f(x) 对换 x x x 轴 和 y y y 轴 得到的函数图像。

复合

y = f ( u ) y=f(u) y=f(u) 定义域 D f D_f Df u = g ( x ) u=g(x) u=g(x) 定义域 D g D_g Dg,其值域 R g ⊂ D f R_g\subset D_f RgDf,则确定一个 复合函数 : y = f [ g ( x ) ] , x ∈ D g y=f[g(x)],\quad x\in D_g y=f[g(x)],xDg. u u u中间变量

g g g f f f 的复合,记为 f ∘ g f\circ g fg,即: ( f ∘ g ) ( x ) = f [ g ( x ) ] (f\circ g)(x)=f[g(x)] (fg)(x)=f[g(x)].


f ( x ) , g ( x ) f(x),g(x) f(x),g(x) 的定义域为 D f , D g D_f,D_g Df,Dg D = D f ∩ D g ≠ ∅ D=D_f\cap D_g\neq\empty D=DfDg=,定义两个函数的运算:

  • 和(差): ( f ± g ) ( x ) = f ( x ) ± g ( x ) , x ∈ D ; (f\pm g)(x)=f(x)\pm g(x),\quad x\in D; (f±g)(x)=f(x)±g(x),xD;
  • 积: ( f ⋅ g ) ( x ) = f ( x ) ⋅ g ( x ) , x ∈ D ; (f\cdot g)(x)=f(x)\cdot g(x),\quad x\in D; (fg)(x)=f(x)g(x),xD;
  • 商: ( f g ) ( x ) = f ( x ) g ( x ) , x ∈ D − { x ∣ g ( x ) = 0 , x ∈ D } \Big(\dfrac{f}{g}\Big)(x)=\dfrac{f(x)}{g(x)},\quad x\in D-\{x|g(x)=0,x\in D\} (gf)(x)=g(x)f(x),xD{xg(x)=0,xD}.

任何定义在 ( − l , l ) (-l,l) (l,l) 上的函数 f ( x ) f(x) f(x) 都可以写成 f ( x ) = g ( x ) + h ( x ) f(x)=g(x)+h(x) f(x)=g(x)+h(x) 的形式,其中 g ( x ) g(x) g(x) ( − l , l ) (-l,l) (l,l) 上的偶函数, h ( x ) h(x) h(x) ( − l , l ) (-l,l) (l,l) 上的奇函数。

设函数 f ( x ) f(x) f(x) 的定义域为 ( − l , l ) (-l,l) (l,l),证明必存在 ( − l , l ) (-l,l) (l,l) 上的偶函数 g ( x ) g(x) g(x) 及奇函数 h ( x ) h(x) h(x),使得 f ( x ) = g ( x ) + h ( x ) f(x)=g(x)+h(x) f(x)=g(x)+h(x).

证明:

假设存在这种的 g ( x ) g(x) g(x) h ( x ) h(x) h(x),使得 f ( x ) = g ( x ) + h ( x ) f(x)=g(x)+h(x) f(x)=g(x)+h(x).

g ( x ) = g ( − x ) g(x)=g(-x) g(x)=g(x) h ( − x ) = − h ( x ) h(-x)=-h(x) h(x)=h(x).

f ( − x ) = g ( − x ) + h ( − x ) = g ( x ) − h ( x ) f(-x)=g(-x)+h(-x)=g(x)-h(x) f(x)=g(x)+h(x)=g(x)h(x).

g ( x ) = 1 2 [ f ( x ) + f ( − x ) ] g(x)=\dfrac{1}{2}[f(x)+f(-x)] g(x)=21[f(x)+f(x)].

h ( x ) = 1 2 [ f ( x ) − f ( − x ) ] h(x)=\dfrac{1}{2}[f(x)-f(-x)] h(x)=21[f(x)f(x)].

g ( x ) + h ( x ) = f ( x ) g(x)+h(x)=f(x) g(x)+h(x)=f(x).

g ( − x ) = 1 2 [ f ( − x ) + f ( x ) ] = g ( x ) g(-x)=\dfrac{1}{2}[f(-x)+f(x)]=g(x) g(x)=21[f(x)+f(x)]=g(x).

h ( − x ) = 1 2 [ f ( − x ) − f ( x ) ] = − h ( x ) h(-x)=\dfrac{1}{2}[f(-x)-f(x)]=-h(x) h(x)=21[f(x)f(x)]=h(x).

由结论 f ( x ) = g ( x ) + h ( x ) f(x)=g(x)+h(x) f(x)=g(x)+h(x) 反推条件 g ( x ) = g ( − x ) g(x)=g(-x) g(x)=g(x) h ( − x ) = − h ( x ) h(-x)=-h(x) h(x)=h(x).

f ( x ) f(x) f(x) 是偶函数时, h ( x ) = 0 h(x)=0 h(x)=0,它既是关于 x = 0 x=0 x=0 对称的偶函数,也是关于 ( 0 , 0 ) (0,0) (0,0) 对称的奇函数

初等函数
  • 幂函数: y = x μ y=x^{\mu} y=xμ,( μ ∈ R \mu\in\mathrm{R} μR 是常数)
  • 指数函数: y = a x y=a^x y=ax,( a > 0 a>0 a>0 a ≠ 1 a\neq1 a=1
  • 对数函数: y = log ⁡ a x y=\log_ax y=logax,( a > 0 a>0 a>0 a ≠ 1 a\neq1 a=1,特别当 a = e a=e a=e 时,记为 y = ln ⁡ x y=\ln x y=lnx e ≈ 2.718 e\approx2.718 e2.718,是一个无理数。)
  • 三角函数: y = sin ⁡ x , y = cos ⁡ x , y = tan ⁡ x y=\sin x,y=\cos x,y=\tan x y=sinx,y=cosx,y=tanx
  • 反三角函数: y = arcsin ⁡ x , y = arccos ⁡ x , y = arctan ⁡ x y=\arcsin x,y=\arccos x,y=\arctan x y=arcsinx,y=arccosx,y=arctanx

以上这五类为 基本初等函数

由常数和基本初等函数经过有限次的四则运算和有限次的函数复合步骤所构成并可用一个式子表示的函数,称为初等函数,例如:

y = 1 − x 2 , y = sin ⁡ 2 x , y = cot ⁡ x 2 y=\sqrt{1-x^2},\quad y=\sin^2x,\quad y=\sqrt{\cot\dfrac{x}{2}} y=1x2 ,y=sin2x,y=cot2x


双曲正弦

y = s h   x = e x − e − x 2 y=\mathrm{sh}\ x=\dfrac{e^x-e^{-x}}{2} y=sh x=2exex

双曲余弦

y = c h   x = e x + e − x x y=\mathrm{ch}\ x=\dfrac{e^x+e^{-x}}{x} y=ch x=xex+ex

双曲正切

y = t h   x = e x − e − x e x + e − x y=\mathrm{th}\ x=\dfrac{e^x-e^{-x}}{e^x+e^{-x}} y=th x=ex+exexex

在这里插入图片描述

公式
  • s h   ( x ± y ) = s h   x ⋅ c h   y ± c h   x ⋅ s h   y \mathrm{sh}\ (x\pm y)=\mathrm{sh}\ x\cdot\mathrm{ch}\ y\pm\mathrm{ch}\ x\cdot\mathrm{sh}\ y sh (x±y)=sh xch y±ch xsh y
  • c h   ( x ± y ) = c h   x ⋅ c h   y ± s h   x ⋅ s h   y \mathrm{ch}\ (x\pm y)=\mathrm{ch}\ x\cdot\mathrm{ch}\ y\pm\mathrm{sh}\ x\cdot\mathrm{sh}\ y ch (x±y)=ch xch y±sh xsh y

对于 c h   ( x − y ) = c h   x ⋅ c h   y − s h   x ⋅ s h   y \mathrm{ch}\ (x-y)=\mathrm{ch}\ x\cdot\mathrm{ch}\ y-\mathrm{sh}\ x\cdot\mathrm{sh}\ y ch (xy)=ch xch ysh xsh y,当 x = y x=y x=y 时,有 c h   ( x − x ) = c h   0 = c h 2   x − s h 2   x = 1 \mathrm{ch}\ (x-x)=\mathrm{ch}\ 0=\mathrm{ch}^2\ x-\mathrm{sh}^2\ x=1 ch (xx)=ch 0=ch2 xsh2 x=1.

对于 s h   ( x + y ) = s h   x ⋅ c h   y + c h   x ⋅ s h   y \mathrm{sh}\ (x+y)=\mathrm{sh}\ x\cdot\mathrm{ch}\ y+\mathrm{ch}\ x\cdot\mathrm{sh}\ y sh (x+y)=sh xch y+ch xsh y,当 x = y x=y x=y 时,有 s h   2 x = 2 c h   x ⋅ s h   x \mathrm{sh}\ 2x=2\mathrm{ch}\ x\cdot\mathrm{sh}\ x sh 2x=2ch xsh x.

对于 c h   ( x + y ) = c h   x ⋅ c h   y + s h   x ⋅ s h   y \mathrm{ch}\ (x+y)=\mathrm{ch}\ x\cdot\mathrm{ch}\ y+\mathrm{sh}\ x\cdot\mathrm{sh}\ y ch (x+y)=ch xch y+sh xsh y,当 x = y x=y x=y 时,有 c h   2 x = c h 2 x + s h 2 x \mathrm{ch}\ 2x=\mathrm{ch}^2 x+\mathrm{sh}^2 x ch 2x=ch2x+sh2x.

双曲函数 y = s h   x , y = c h   x ( x ≥ 0 ) , y = t h   x y=\mathrm{sh}\ x,y=\mathrm{ch}\ x\quad (x\geq0),y=\mathrm{th}\ x y=sh x,y=ch x(x0),y=th x 的反函数依次记为:

反双曲正弦 y = a r s h   x y=\mathrm{arsh}\ x y=arsh x

反双曲余弦 y = a r c h   x y=\mathrm{arch}\ x y=arch x

反双曲正切 y = a r t h   x y=\mathrm{arth}\ x y=arth x


y = s h   x y=\mathrm{sh}\ x y=sh x 的反函数: y = a r s h   x = ln ⁡ ( x + x 2 + 1 ) y=\mathrm{arsh}\ x=\ln(x+\sqrt{x^2+1}) y=arsh x=ln(x+x2+1 ). 推导过程如下:

x = s h   y = e y − e − y 2 x=\mathrm{sh}\ y=\dfrac{e^y-e^{-y}}{2} x=sh y=2eyey

u = e y u=e^y u=ey

x = u − 1 u 2 x=\dfrac{u-\dfrac{1}{u}}{2} x=2uu1

u 2 − 2 x u − 1 = 0 u^2-2xu-1=0 u22xu1=0

u = 2 x ± 4 x 2 + 4 2 = x ± x 2 + 1 u=\dfrac{2x\pm\sqrt{4x^2+4}}{2}=x\pm\sqrt{x^2+1} u=22x±4x2+4 =x±x2+1

∵ u = e y > 0 \because u=e^y>0 u=ey>0

∵ x 2 + 1 > x \because \sqrt{x^2+1}>x x2+1 >x

∴ \therefore 只能取正号: u = x + x 2 + 1 u=x+\sqrt{x^2+1} u=x+x2+1

y = a r s h   x = ln ⁡ ( x + x 2 + 1 ) y=\mathrm{arsh}\ x=\ln(x+\sqrt{x^2+1}) y=arsh x=ln(x+x2+1 ) x + x 2 + 1 > 0 x+\sqrt{x^2+1}>0 x+x2+1 >0,即 x ∈ ( − ∞ , + ∞ ) x\in (-\infty,+\infty) x(,+).

− y = − f ( x ) = − ln ⁡ ( x + x 2 + 1 ) = ln ⁡ 1 x + x 2 + 1 = ln ⁡ − x + x 2 + 1 ( x 2 + 1 + x ) ( x 2 + 1 − x ) = ln ⁡ − x + x 2 + 1 ( x 2 + 1 ) − x 2 = ln ⁡ ( − x + x 2 + 1 ) -y=-f(x)=-\ln(x+\sqrt{x^2+1})=\ln\dfrac{1}{x+\sqrt{x^2+1}}=\ln\dfrac{-x+\sqrt{x^2+1}}{(\sqrt{x^2+1}+x)(\sqrt{x^2+1}-x)}=\ln\dfrac{-x+\sqrt{x^2+1}}{(x^2+1)-x^2}=\ln(-x+\sqrt{x^2+1}) y=f(x)=ln(x+x2+1 )=lnx+x2+1 1=ln(x2+1 +x)(x2+1 x)x+x2+1 =ln(x2+1)x2x+x2+1 =ln(x+x2+1 )

= f ( − x ) = ln ⁡ ( − x + x 2 + 1 ) =f(-x)=\ln(-x+\sqrt{x^2+1}) =f(x)=ln(x+x2+1 )

∴ \therefore y = a r s h   x y=\mathrm{arsh}\ x y=arsh x 是奇函数。

在这里插入图片描述


y = c h   x y=\mathrm{ch}\ x y=ch x 的反函数 y = a r c h   x = ln ⁡ ( x + x 2 − 1 ) , x ≥ 1 y=\mathrm{arch}\ x=\ln(x+\sqrt{x^2-1}),\quad x\geq1 y=arch x=ln(x+x21 ),x1.

定义域:当 x < 0 x<0 x<0 时, x + x 2 − 1 x+\sqrt{x^2-1} x+x21 始终小于零,所以 x x x 不能小于零;

x > 0 x>0 x>0 时,只要满足 x 2 − 1 \sqrt{x^2-1} x21 根号下大于零即可,即 x ≥ 1 x\geq1 x1.

所以定义域为 [ 1 , + ∞ ) [1,+\infty) [1,+). 推导过程如下:

x = c h   y , y ≥ 0 x=\mathrm{ch}\ y,\quad y\geq0 x=ch y,y0.

x = e y + e − y 2 , y ≥ 0 x=\dfrac{e^y+e^{-y}}{2},\quad y\geq0 x=2ey+ey,y0.

u = e y u=e^y u=ey

x = u + 1 u 2 x=\dfrac{u+\dfrac{1}{u}}{2} x=2u+u1

u 2 − 2 x u + 1 = 0 u^2-2xu+1=0 u22xu+1=0

u = 2 x ± 4 x 2 − 4 2 = x ± x 2 − 1 > 0 u=\dfrac{2x\pm\sqrt{4x^2-4}}{2}=x\pm\sqrt{x^2-1}>0 u=22x±4x24 =x±x21 >0

x > 0 x>0 x>0 x 2 − 1 ≥ 0 x^2-1\geq0 x210 ∴ x ≥ 1 \therefore x\geq1 x1.

在这里插入图片描述

∵ u = e y > 0 , y ≥ 0 , u ≥ 1 \because u=e^y>0,\quad y\geq0,\quad u\geq1 u=ey>0,y0,u1

∴ \therefore 取正号 u = x + x 2 − 1 u=x+\sqrt{x^2-1} u=x+x21 .

∴ y = a r c h   x = ln ⁡ ( x + x 2 − 1 ) , x ≥ 1 \therefore y=\mathrm{arch}\ x=\ln(x+\sqrt{x^2-1}),\quad x\geq1 y=arch x=ln(x+x21 ),x1.

y = c h   x , ( x ≥ 0 ) y=\mathrm{ch}\ x,\quad (x\geq0) y=ch x,(x0) 的反函数 y = a r c h   x y=\mathrm{arch}\ x y=arch x 即反双曲余弦函数的图像

在这里插入图片描述

y = c h   x , ( x ≤ 0 ) y=\mathrm{ch}\ x,\quad (x\leq0) y=ch x,(x0) 的反函数 y = a r c h   x y=\mathrm{arch}\ x y=arch x 即反双曲余弦函数的图像
在这里插入图片描述


y = t h   x = e x − e − x e x + e − x y=\mathrm{th}\ x=\dfrac{e^x-e^{-x}}{e^x+e^{-x}} y=th x=ex+exexex 的反函数 y = a r t h   x = 1 2 ln ⁡ 1 + x 1 − x , x ∈ ( − 1 , 1 ) y=\mathrm{arth}\ x=\dfrac{1}{2}\ln\dfrac{1+x}{1-x},\quad x\in (-1,1) y=arth x=21ln1x1+x,x(1,1). 下面是推导过程:

x = e y − e − y e y + e − y x=\dfrac{e^y-e^{-y}}{e^y+e^{-y}} x=ey+eyeyey

u = e y u=e^y u=ey

x = u − 1 u u + 1 u x=\dfrac{u-\dfrac{1}{u}}{u+\dfrac{1}{u}} x=u+u1uu1 ∵ u = e y > 0 \because u=e^y>0 u=ey>0,分子分母同时乘以 u u u

u = u 2 − 1 u 2 + 1 u=\dfrac{u^2-1}{u^2+1} u=u2+1u21

u 2 − 1 = u 2 x + x u^2-1=u^2x+x u21=u2x+x

( x − 1 ) u 2 = − x − 1 (x-1)u^2=-x-1 (x1)u2=x1

u 2 = x + 1 1 − x u^2=\dfrac{x+1}{1-x} u2=1xx+1

u = 1 + x 1 − x u=\sqrt{\dfrac{1+x}{1-x}} u=1x1+x

u = e y = 1 + x 1 − x u=e^y=\sqrt{\dfrac{1+x}{1-x}} u=ey=1x1+x

y = ln ⁡ ( 1 + x 1 − x ) 1 2 = 1 2 ln ⁡ 1 + x 1 − x y=\ln\Big(\dfrac{1+x}{1-x}\Big)^{\frac{1}{2}}=\dfrac{1}{2}\ln\dfrac{1+x}{1-x} y=ln(1x1+x)21=21ln1x1+x

1 + x 1 − x > 0 \dfrac{1+x}{1-x}>0 1x1+x>0

x ≠ 1 x\neq1 x=1

x < 1 x<1 x<1 时, 1 + x > 0 1+x>0 1+x>0 得: x > − 1 x>-1 x>1

x > 1 x>1 x>1 时, 1 + x < 0 1+x<0 1+x<0 得: x < − 1 x<-1 x<1,不成立。

所以定义域为 ( − 1 , 1 ) (-1,1) (1,1).

在这里插入图片描述


y = sec ⁡ x = 1 cos ⁡ x y=\sec x=\dfrac{1}{\cos x} y=secx=cosx1 cos ⁡ x ≠ 0 \cos x\neq0 cosx=0 x ≠ 2 k π ± π 2 , k ∈ Z x\neq 2k\pi\pm\dfrac{\pi}{2},k\in\mathrm{Z} x=2±2π,kZ.

在这里插入图片描述

y = csc ⁡ x = 1 sin ⁡ x y=\csc x=\dfrac{1}{\sin x} y=cscx=sinx1 sin ⁡ x ≠ 0 \sin x\neq 0 sinx=0 x ≠ k π , k ∈ Z x\neq k\pi,k\in\mathrm{Z} x=,kZ.

在这里插入图片描述

y = cot ⁡ x = cos ⁡ x sin ⁡ x = 1 tan ⁡ x y=\cot x=\dfrac{\cos x}{\sin x}=\dfrac{1}{\tan x} y=cotx=sinxcosx=tanx1 tan ⁡ x ≠ 0 \tan x\neq 0 tanx=0 x ≠ k π , k ∈ Z x\neq k\pi,k\in\mathrm{Z} x=,kZ.

在这里插入图片描述

导数

什么是导数

设函数 y = f ( x ) y=f(x) y=f(x) 在点 x 0 x_0 x0 的某个 邻域 ∗ ^* 内有定义, x x x x 0 x_0 x0 处取得增量 Δ x \Delta x Δx (这个增量 Δ x \Delta x Δx 可能为正也可能为负,确切地说就是一个变化量,有正负),点 x 0 + Δ x x_0+\Delta x x0+Δx 仍在该邻域内,相应地,因变量取得增量 Δ y \Delta y Δy Δ y = f ( x 0 + Δ x ) − f ( x 0 ) \Delta y = f(x_0+\Delta x) - f(x_0) Δy=f(x0+Δx)f(x0);如果 Δ y \Delta y Δy Δ x \Delta x Δx 之比当 Δ x → 0 \Delta x \rightarrow 0 Δx0 时的极限存在,那么称函数 y = f ( x ) y=f(x) y=f(x) 在点 x 0 x_0 x0 处可导,并称这个极限为函数 y = f ( x ) y=f(x) y=f(x) 在点 x 0 x_0 x0 处的导数,记为 f ′ ( x 0 ) f^\prime(x_0) f(x0).

f ′ ( x 0 ) = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 f ( x 0 + Δ x ) − f ( x 0 ) Δ x f^\prime(x_0)=\lim\limits_{\Delta x\rightarrow0}\dfrac{\Delta y}{\Delta x}=\lim\limits_{\Delta x\rightarrow0}\dfrac{f(x_0+\Delta x) - f(x_0)}{\Delta x} f(x0)=Δx0limΔxΔy=Δx0limΔxf(x0+Δx)f(x0).

也可记作 y ′ ∣ x = x 0 ,    d y d x ∣ x = x 0 ,     d f ( x ) d x ∣ x = x 0 y^\prime|_{x=x_0},\ \ \dfrac{\mathrm{d}y}{\mathrm{d}x}\vert_{x=x_0},\ \ \ \dfrac{\mathrm{d}f(x)}{\mathrm{d}x}|_{x=x_0} yx=x0,  dxdyx=x0,   dxdf(x)x=x0.


邻域 ∗ ^* :以 x 0 x_0 x0 为中心的任何开区间称为点 x 0 x_0 x0 的邻域,记作 U ( x 0 ) U(x_0) U(x0);在 U ( x 0 ) U(x_0) U(x0) 中去掉中心 x 0 x_0 x0 后,称为点 x 0 x_0 x0 的去心邻域,记作 U ∘ ( x 0 ) \stackrel{\circ}{U}(x_0) U(x0).

x 0 ∈ R , δ > 0 x_0 \in \mathrm{R}, \delta>0 x0R,δ>0,开区间 ( x 0 − δ , x 0 + δ ) (x_0-\delta,x_0+\delta) (x0δ,x0+δ) 称为点 x 0 x_0 x0 δ \delta δ 邻域,记作 U ( x 0 , δ ) U(x_0,\delta) U(x0,δ). 点 x 0 x_0 x0 的去心 δ \delta δ 邻域记作 U ∘ ( x 0 , δ ) \stackrel{\circ}{U}(x_0,\delta) U(x0,δ) δ \delta δ 称为邻域半径.

对于 0 ≤ ∣ x − x 0 ∣ < δ 0\leq|x-x_0|<\delta 0xx0<δ ,绝对值的几何意义为距离, ∣ x − x 0 ∣ |x-x_0| xx0 x x x x 0 x_0 x0 的距离. 0 ≤ ∣ x − x 0 ∣ < δ 0\leq|x-x_0|<\delta 0xx0<δ x x x x 0 x_0 x0 的距离大于等于 0 小于等于 δ \delta δ x ∈ ( x 0 − δ , x 0 + δ ) x\in (x_0-\delta,x_0+\delta) x(x0δ,x0+δ),即 x ∈ U ( x 0 , δ ) x\in U(x_0,\delta) xU(x0,δ).

同样地,对于 0 < ∣ x − x 0 ∣ < δ 0<|x-x_0|<\delta 0<xx0<δ ,意思是 x ∈ ( x 0 − δ , x 0 ) ∪ ( x 0 , x 0 + δ ) x\in (x_0-\delta,x_0)\cup(x_0,x_0+\delta) x(x0δ,x0)(x0,x0+δ),即 x ∈   U ∘ ( x 0 , δ ) x\in\ \stackrel{\circ}{U}(x_0,\delta) x U(x0,δ).


导数的本质

从导数的定义可以看出,导数的本质就是一个求极限的运算,从函数图像上来看,导数的几何意义就是函数曲线上某点处的斜率。


基本导数公式

( C ) ′ = 0       , ( C 是常数 ) . (\mathrm{C})^\prime =0\ \ \ \ \ ,(\mathrm{C}是常数). (C)=0     ,(C是常数).

( s i n   x ) ′ = c o s   x (\mathrm{sin}\ x)^\prime = \mathrm{cos}\ x (sin x)=cos x

( x u ) ′ = u ⋅ x u − 1 (x^u)^\prime = u\cdot x^{u-1} (xu)=uxu1

( c o s   x ) ′ = −   s i n   x (\mathrm{cos}\ x)^\prime = -\ \mathrm{sin}\ x (cos x)= sin x

( t a n   x ) ′ = ( s i n   x c o s   x ) ′ = c o s 2 x + s i n 2 x c o s 2 x = s e c 2 x (\mathrm{tan}\ x)^\prime = \bigg(\dfrac{\mathrm{sin}\ x}{\mathrm{cos}\ x}\bigg)^\prime =\dfrac{\mathrm{cos}^2x+\mathrm{sin}^2x}{\mathrm{cos}^2x}=\mathrm{sec}^2x (tan x)=(cos xsin x)=cos2xcos2x+sin2x=sec2x

( c o t   x ) ′ = ( c o s   x s i n   x ) ′ = −   s i n 2 x − c o s 2 x s i n 2 x = −   c s c 2   x (\mathrm{cot}\ x)^\prime = \bigg(\dfrac{\mathrm{cos}\ x}{\mathrm{sin}\ x}\bigg)^\prime = \dfrac{-\ \mathrm{sin}^2x-\mathrm{cos}^2x}{\mathrm{sin}^2x} = -\ \mathrm{csc}^2\ x (cot x)=(sin xcos x)=sin2x sin2xcos2x= csc2 x

( sec ⁡   x ) ′ = ( 1 cos ⁡   x ) ′ = − cos ⁡ − 2 x ⋅ ( − sin ⁡   x ) = sec ⁡   x ⋅ tan ⁡   x (\sec\ x)^\prime = \bigg(\dfrac{1}{\cos\ x}\bigg)^\prime = - \cos^{-2}x\cdot (-\sin\ x) = \sec\ x\cdot\tan\ x (sec x)=(cos x1)=cos2x(sin x)=sec xtan x

( csc ⁡   x ) ′ = ( 1 sin ⁡   x ) ′ = −   sin ⁡ − 2 x ⋅ cos ⁡   x = −   csc ⁡   x ⋅ cot ⁡   x (\csc\ x)^\prime = \bigg(\dfrac{1}{\sin\ x}\bigg)^\prime = -\ \sin^{-2}x\cdot\cos\ x = -\ \csc\ x\cdot\cot\ x (csc x)=(sin x1)= sin2xcos x= csc xcot x

( a x ) ′ = a x ⋅ ln ⁡ a      , ( a > 0 ,     a ≠ 1 ) . (\mathrm{a}^x)^\prime = \mathrm{a}^x\cdot\ln a\ \ \ \ ,(\mathrm{a}>0,\ \ \ a \neq 1). (ax)=axlna    ,(a>0,   a=1).

( e x ) ′ = e x (\mathrm{e}^x)^\prime = \mathrm{e}^x (ex)=ex

( log ⁡ a x ) ′ = 1 x ⋅ ln ⁡ a       , ( a > 0 , a ≠ 1 ) . (\log_ax)^\prime = \dfrac{1}{x\cdot\ln a}\ \ \ \ \ ,(a > 0, a\neq 1). (logax)=xlna1     ,(a>0,a=1).

( ln ⁡ x ) ′ = 1 x (\ln x)^\prime = \dfrac{1}{x} (lnx)=x1

( arcsin ⁡   x ) ′ = 1 1 − x 2 (\arcsin\ x)^\prime = \dfrac{1}{\sqrt{1-x^2}} (arcsin x)=1x2 1

( arccos ⁡   x ) ′ = −   1 1 − x 2 (\arccos\ x)^\prime = -\ \dfrac{1}{\sqrt{1-x^2}} (arccos x)= 1x2 1

( arctan ⁡   x ) ′ = 1 1 + x 2 (\arctan\ x)^\prime = \dfrac{1}{1+x^2} (arctan x)=1+x21

( a r c c o t   x ) ′ = −   1 1 + x 2 (\mathrm{arccot}\ x)^\prime = -\ \dfrac{1}{1+x^2} (arccot x)= 1+x21


函数的和、差、积、商的求导法则:

u = u ( x ) u=u(x) u=u(x), v = v ( x ) v=v(x) v=v(x) 都可导,则

(1) ( u ± v ) ′ = u ′ ± v ′ (u\pm v)^\prime = u^\prime \pm v^\prime (u±v)=u±v.

(2) ( C u ) ′ = C u ′       , ( C 是常数 ) . (\mathrm{C}u)^\prime = \mathrm{C}u^\prime\ \ \ \ \ ,(\mathrm{C}是常数). (Cu)=Cu     ,(C是常数).

(3) ( u v ) ′ = u ′ v + u v ′ (uv)^\prime = u^\prime v+uv^\prime (uv)=uv+uv.

(4) ( u v ) ′ = u ′ v − u v ′ v 2 \bigg(\dfrac{u}{v}\bigg)^\prime = \dfrac{u^\prime v-uv^\prime}{v^2} (vu)=v2uvuv.


反函数的求导法则:

x = f ( y ) x=f(y) x=f(y) 在区间 I y I_y Iy 内单调可导(单调才能有反函数),且 f ( y ) ≠ 0 f(y)\neq 0 f(y)=0,则它的反函数 y = f − 1 ( x ) y = f^{-1}(x) y=f1(x) I x = f ( I y ) I_x=f(I_y) Ix=f(Iy) 内也可导,则:
[ f − 1 ( x ) ] ′ = 1 f ′ ( y )       或     d y d x = 1 d x d y . [f^{-1}(x)]^\prime = \dfrac{1}{f^\prime(y)}\ \ \ \ \ \ 或\ \ \ \ \dfrac{\mathrm{d} y}{\mathrm{d}x}=\dfrac{1}{\dfrac{\mathrm{d}x}{\mathrm{d}y}}. [f1(x)]=f(y)1          dxdy=dydx1.

也就是说,反函数的导数等于直接函数导数的倒数

用函数图像来解释,应该更容易理解。对于 y = f ( x ) y=f(x) y=f(x) ,导数在图像上表现为函数图像曲线某点的切线,即函数图像在该点处的斜率。而反函数 x = f − 1 ( y ) x=f^{-1}(y) x=f1(y) 的图像和直接函数 y = f ( x ) y=f(x) y=f(x) 的图像关于直线 y = x y=x y=x 对称,即将 x x x 轴和 y y y 反转,斜率 k = Δ y Δ x , ( Δ x → 0 ) k=\dfrac{\Delta y}{\Delta x}, (\Delta x\rightarrow0) k=ΔxΔy,(Δx0) ,当图像关于直线 y = x y=x y=x 对称反转后,在同一点处的斜率互为倒数关系 k ′ = 1 k = Δ x Δ y k^\prime = \dfrac{1}{k}=\dfrac{\Delta x}{\Delta y} k=k1=ΔyΔx. 所以,反函数的导数等于直接函数导数的倒数

x = sin ⁡ y x=\sin y x=siny y ∈ [ − π 2 , π 2 ] y\in [-\frac{\pi}{2},\frac{\pi}{2}] y[2π,2π] 为直接函数,则 y = arcsin ⁡ x y=\arcsin x y=arcsinx 是它们的反函数. x = sin ⁡ y x=\sin y x=siny 在开区间 I y = ( − π 2 , π 2 ) I_y=(-\frac{\pi}{2},\frac{\pi}{2}) Iy=(2π,2π) 内单调、可导,且 ( sin ⁡ y ) ′ = cos ⁡ y > 0 (\sin y)^\prime=\cos y>0 (siny)=cosy>0. 在对应区间 I x = ( − 1 , 1 ) I_x=(-1,1) Ix=(1,1) 上有 y ′ = ( arcsin ⁡ x ) ′ = 1 x ′ = 1 cos ⁡ y y^\prime=(\arcsin x)^\prime=\dfrac{1}{x^\prime}=\dfrac{1}{\cos y} y=(arcsinx)=x1=cosy1.

cos ⁡ y = 1 − sin ⁡ 2 y = 1 − x 2 \cos y=\sqrt{1-\sin^2y}=\sqrt{1-x^2} cosy=1sin2y =1x2 .

∴     y ′ = ( arcsin ⁡ x ) ′ = 1 x ′ = 1 cos ⁡ y = 1 1 − x 2 \therefore\ \ \ y^\prime=(\arcsin x)^\prime=\dfrac{1}{x^\prime}=\dfrac{1}{\cos y}=\dfrac{1}{\sqrt{1-x^2}}    y=(arcsinx)=x1=cosy1=1x2 1.

同样地,对于 x = cos ⁡ y x = \cos y x=cosy, y ∈ [ 0 , π ] y\in [0,\pi] y[0,π] 为直接函数,则 y = arccos ⁡ x y=\arccos x y=arccosx 是它的反函数. x = cos ⁡ y x=\cos y x=cosy 在开区间 I y = ( 0 , π ) I_y=(0, \pi) Iy=(0,π) 内单调、可导,且 ( cos ⁡ y ) ′ = − sin ⁡ y < 0 (\cos y)^\prime = -\sin y < 0 (cosy)=siny<0. 在对应的区间 I x = ( − 1 , 1 ) I_x=(-1,1) Ix=(1,1) 上有 y ′ = ( arccos ⁡ x ) ′ = 1 x ′ = − 1 sin ⁡ y y^\prime=(\arccos x)^\prime=\dfrac{1}{x^\prime}=-\dfrac{1}{\sin y} y=(arccosx)=x1=siny1.

sin ⁡ y = 1 − cos ⁡ 2 y = 1 − x 2 \sin y=\sqrt{1-\cos^2y}=\sqrt{1-x^2} siny=1cos2y =1x2 .

∴     y ′ = ( arccos ⁡ x ) ′ = − 1 1 − x 2 \therefore\ \ \ y^\prime=(\arccos x)^\prime=-\dfrac{1}{\sqrt{1-x^2}}    y=(arccosx)=1x2 1.


复合函数求导法则:
y = f ( u ) y=f(u) y=f(u),而 u = g ( x ) u=g(x) u=g(x) f ( u ) f(u) f(u) g ( x ) g(x) g(x) 都可导,则复合函数 y = f [ g ( x ) ] y=f[g(x)] y=f[g(x)] 的导数为 y ′ = f ′ ( u ) ⋅ g ′ ( x ) y^\prime=f^\prime(u)\cdot g^\prime(x) y=f(u)g(x). 或 y ′ = d y d x = d y d u ⋅ d u d x y^\prime = \dfrac{\mathrm{d}y}{\mathrm{d}x}=\dfrac{\mathrm{d}y}{\mathrm{d}u}\cdot\dfrac{\mathrm{d}u}{\mathrm{d}x} y=dxdy=dudydxdu.

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:/a/927372.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【MySQL】深度学习数据库开发技术:mysql事务穿透式解析

前言&#xff1a;本节内容开始讲解事务。 博主计划用三节来讲解事务。 本篇为第一节&#xff0c; 主要解释什么是事务&#xff0c; 事务有什么用。 以及事物的基本操作和异常退出回滚情况。 下面不多说&#xff0c;友友们&#xff0c; 开始学习吧&#xff01; ps&#xff1a;本…

Swift解题 | 求平面上同一条直线的最多点数

文章目录 前言摘要问题描述解题思路Swift 实现代码代码分析示例测试与结果时间复杂度空间复杂度总结关于我们 前言 本题由于没有合适答案为以往遗留问题&#xff0c;最近有时间将以往遗留问题一一完善。 149. 直线上最多的点数 不积跬步&#xff0c;无以至千里&#xff1b;不积…

使用Ansible自动化部署Zabbix6监控

1、获取Ansible离线部署包 链接&#xff1a;https://pan.baidu.com/s/1EjI02Ni8m9J4eJeBcJ-ZUQ?pwdzabx 提取码&#xff1a;zabx 2、安装Ansible wget -O /etc/yum.repos.d/epel.repo https://mirrors.aliyun.com/repo/epel-7.repo yum -y install ansible3、修改hosts文件…

lua闭包Upvalue

闭包 lua任何函数都是闭包&#xff0c;闭包至少带1个upValue&#xff1b; CClosure是使用Lua提供的lua_pushcclosure这个C-Api加入到虚拟栈中的C函数&#xff0c;它是对LClosure的一种C模拟 如string.gmatch就是cclosure 定义&#xff1a; #define ClosureHeader \CommonH…

二叉搜索树之遍历

二叉搜索树是一种重要的数据结构&#xff0c;它的每个节点最多有两个子节点&#xff0c;称为左子节点和右子节点。 二叉搜索树的特性是&#xff1a;对于树中的每个节点&#xff0c;其左子树中的所有节点的值都小于该节点的值&#xff0c;而右子树中的所有节点的值都大于该节点…

Java基础访问修饰符全解析

一、Java 访问修饰符概述 Java 中的访问修饰符用于控制类、方法、变量和构造函数的可见性和访问权限&#xff0c;主要有四种&#xff1a;public、protected、default&#xff08;无修饰符&#xff09;和 private。 Java 的访问修饰符在编程中起着至关重要的作用&#xff0c;它…

安心护送转运平台小程序

安心护送转运平台小程序是一款基于FastAdminThinkPHPUniapp开发的非急救救护车租用转运平台小程序系统&#xff0c;可以根据运营者的业务提供类似短途接送救护服务&#xff0c;重症病人转运服务&#xff0c;长途跨省护送服务。

人工智能技术在外骨骼机器人中的应用,发展历程与原理介绍

大家好&#xff0c;我是微学AI&#xff0c;今天给大家介绍一下 人工智能技术在外骨骼机器人中的应用&#xff0c;发展历程与原理介绍 。外骨骼机器人是一种 套在人体外部的可穿戴机器人装置 &#xff0c;旨在增强人类的身体能力和运动功能。其独特之处在于能够与人体紧密配合&a…

类型转换与IO流:C++世界的变形与交互之道

文章目录 前言&#x1f384;一、类型转换&#x1f388;1.1 隐式类型转换&#x1f388;1.2 显式类型转换&#x1f381;1. C 风格强制类型转换&#x1f381;2. C 类型转换操作符 &#x1f388;1.3 C 类型转换操作符详解&#x1f381;1. static_cast&#x1f381;2. dynamic_cast&…

如何手搓一个智能宠物喂食器

背景 最近家里的猫胖了&#xff0c;所以我就想做个逗猫棒。找了一圈市场上的智能逗猫棒&#xff0c;运行轨迹比较单一&#xff0c;互动性不足。 轨迹单一&#xff0c;活动范围有限 而我希望后续可以结合人工智能物联网&#xff0c;通过摄像头来捕捉猫的位置&#xff0c;让小…

【AI系统】AI 编译器基本架构

AI 编译器基本架构 在上一篇文章中将 AI 编译器的发展大致分为了 3 个阶段&#xff0c;分别为 1&#xff09;朴素编译器、2&#xff09;专用编译器以及 3&#xff09;通用编译器。 本文作为上一篇文章 AI 编译器架构的一个延续&#xff0c;着重讨论 AI 编译器的通用架构。首先…

用 React 编写一个笔记应用程序

这篇文章会教大家用 React 编写一个笔记应用程序。用户可以创建、编辑、和切换 Markdown 笔记。 1. nanoid nanoid 是一个轻量级和安全的唯一字符串ID生成器&#xff0c;常用于JavaScript环境中生成随机、唯一的字符串ID&#xff0c;如数据库主键、会话ID、文件名等场景。 …

#渗透测试#红蓝攻防#HW#漏洞挖掘#漏洞复现01-笑脸漏洞(vsftpd)

免责声明 本教程仅为合法的教学目的而准备&#xff0c;严禁用于任何形式的违法犯罪活动及其他商业行为&#xff0c;在使用本教程前&#xff0c;您应确保该行为符合当地的法律法规&#xff0c;继续阅读即表示您需自行承担所有操作的后果&#xff0c;如有异议&#xff0c;请立即停…

Day1——GitHub项目共同开发

MarkDowm解释 Markdown是一种轻量级标记语言&#xff0c;它允许人们使用易读易写的纯文本格式编写文档&#xff0c;然后转换成结构化的HTML代码。Markdown的目的是让文档的编写和阅读变得更加容易&#xff0c;同时也不失HTML的强大功能。以下是Markdown的一些基本概念和用法&a…

【攻防世界】WEB-inget

首先找到该关卡 启动靶场环境 访问靶场 构造一个id参数&#xff0c;尝试访问&#xff0c;无内容回显 使用sqlmap工具&#xff0c;先获取数据库&#xff0c;输入命令sqlmap -u http://61.147.171.105:58893/?id1 --dbs 发现第一个即为所需数据库&#xff0c;接下来进行获取…

【C++】深度剖析经典编程题目:电影票、A+B与鸡兔同笼的解决方案

博客主页&#xff1a; [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: C 文章目录 &#x1f4af;前言&#x1f4af;牛牛买电影票问题题目描述解题思路代码实现优化思路总结 &#x1f4af;AB问题题目描述解题思路代码实现代码优化总结 &#x1f4af;鸡兔同笼问题题目描述解题思路数学解法代…

掌上单片机实验室 — RT - Thread+ROS2 浅尝(26)

前面化解了Micro_ROS通讯问题&#xff0c;并在 RT-Thread Studio 环境下&#xff0c;使用Micro_ROS软件包中的例程&#xff0c;实现了STM32F411CE核心板和ROS2主机的通讯。之后还尝试修改例程 micro_ros_sub_twist.c &#xff0c;实现了接收 turtle_teleop_key 所发出的 turtle…

How to monitor Spring Boot apps with the AppDynamics Java Agent

本文介绍如何使用 AppDynamics Java 代理监视 Azure Spring Apps 中的 Spring Boot 应用程序。 使用 AppDynamics Java 代理可以&#xff1a; 监视应用程序使用环境变量配置 AppDynamics Java 代理 在 AppDynamics 仪表板中检查所有监视数据 How to monitor Spring Boot app…

ComfyUI | ComfyUI桌面版发布,支持winmac多平台体验,汉化共享等技巧!(内附安装包)

ComfyUI 桌面版正式推出&#xff0c;支持 Windows 与 macOS 等多平台&#xff0c;为 AI 绘画爱好者带来全新体验。其安装包便捷易用&#xff0c;开启了轻松上手之旅。汉化共享功能更是一大亮点&#xff0c;打破语言障碍&#xff0c;促进知识交流与传播。在操作上&#xff0c;它…

CAD深度清理工具-AVappsDrawingPurge9.0.0(2024.8.27版本) 支持版本CAD2022-2025-供大家学习研究参考

图形文件DWG体积很大&#xff1a;通常没有明显的数据。同时&#xff0c;还其他症状包括&#xff1a; &#xff08;1&#xff09;无法复制和粘贴图元。 &#xff08;2&#xff09;悬挂较长时间选择文本与 “特性”选项板上打开。 &#xff08;3&#xff09;图形文件需要很长时间…