【高数上册笔记01】:从集合映射到区间函数

【参考资料】

  1. 同济大学《高等数学》教材
  2. 樊顺厚老师B站《高等数学精讲》系列课程 (注:本笔记为个人数学复习资料,旨在通过系统化整理替代厚重教材,便于随时查阅与巩固知识要点)

仅用于个人数学复习,因为课本太厚了而且不方便带着,所以才整理这样一份笔记。

文章目录

    • 一、集合
      • 1.1 集合的性质
      • 1.2 常见数集
      • 1.3 集合的运算
    • 二、映射
      • 2.1 映射基本概念
      • 2.2 映射分类
      • 2.3 映射的性质与应用
      • 2.4 狄利克雷和符号
        • 2.4.1 狄利克雷函数
        • 2.4.2 符号函数
    • 三、区间和邻域
      • 3.1 区间
      • 3.2 邻域
    • 四、函数
      • 4.1 函数特性
      • 4.2 六个基本初等函数
      • 4.3 极值、最值、拐点

一、集合

集合(set)是由确定的、互异的、无序的对象(称为元素)组成的整体。若 x ∈ A x \in A xA 表示 x x x 是集合 A A A 的元素, x ∉ A x \notin A x/A 表示 x x x 不是集合 A A A 的元素。

列举法:将集合的所有元素一一列出。 如: { 1 , 2 , 3 } \{1,2,3\} {1,2,3}

描述法:通过元素的共同属性描述集合。 如: { x ∈ R ∣ x > 0 } \{x \in \mathbb{R} \mid x > 0\} {xRx>0}

1.1 集合的性质

  • 确定性:集合中的元素必须是明确的。
  • 互异性:集合中的元素互不相同。
  • 无序性:集合中的元素没有顺序之分。

1.2 常见数集

  • 自然数集: N = { 0 , 1 , 2 , … } \mathbb{N} = \{0,1,2,\dots\} N={0,1,2,}
  • 正整数集: N + = { 1 , 2 , 3 , … } \mathbb{N}^+ = \{1,2,3,\dots\} N+={1,2,3,}
  • 整数集: Z = { … , − 2 , − 1 , 0 , 1 , 2 , … } \mathbb{Z} = \{\dots,-2,-1,0,1,2,\dots\} Z={,2,1,0,1,2,}
  • 有理数集: Q = { p q ∣ p ∈ Z , q ∈ Z + } \mathbb{Q} = \left\{ \frac{p}{q} \mid p \in \mathbb{Z}, q \in \mathbb{Z}^+ \right\} Q={qppZ,qZ+}
  • 实数集: R \mathbb{R} R

1.3 集合的运算

基本运算

  • 并集: A ∪ B = { x ∣ x ∈ A 或  x ∈ B } A \cup B = \{x \mid x \in A \text{ 或 } x \in B\} AB={xxA  xB}
  • 交集: A ∩ B = { x ∣ x ∈ A 且  x ∈ B } A \cap B = \{x \mid x \in A \text{ 且 } x \in B\} AB={xxA  xB}
  • 差集: A ∖ B = { x ∣ x ∈ A 且  x ∉ B } A \setminus B = \{x \mid x \in A \text{ 且 } x \notin B\} AB={xxA  x/B}
  • 补集:设全集为 U U U,则 A A A 的补集为 ∁ U A = U ∖ A \complement_U A = U \setminus A UA=UA
  • 笛卡尔积: A × B = { ( a , b ) ∣ a ∈ A , b ∈ B } A \times B = \{(a,b) \mid a \in A, b \in B\} A×B={(a,b)aA,bB}

运算律

  • 交换律: A ∪ B = B ∪ A A \cup B = B \cup A AB=BA A ∩ B = B ∩ A A \cap B = B \cap A AB=BA
  • 结合律: ( A ∪ B ) ∪ C = A ∪ ( B ∪ C ) (A \cup B) \cup C = A \cup (B \cup C) (AB)C=A(BC) ( A ∩ B ) ∩ C = A ∩ ( B ∩ C ) (A \cap B) \cap C = A \cap (B \cap C) (AB)C=A(BC)
  • 分配律: A ∪ ( B ∩ C ) = ( A ∪ B ) ∩ ( A ∪ C ) A \cup (B \cap C) = (A \cup B) \cap (A \cup C) A(BC)=(AB)(AC) A ∩ ( B ∪ C ) = ( A ∩ B ) ∪ ( A ∩ C ) A \cap (B \cup C) = (A \cap B) \cup (A \cap C) A(BC)=(AB)(AC)

二、映射

2.1 映射基本概念

X X X Y Y Y 是两个非空集合,若存在一个法则 f f f,使得对 X X X 中的每个元素 x x x,在 Y Y Y 中有唯一确定的元素 y y y 与之对应,则称 f f f 为从 X X X Y Y Y映射,记作:
f : X → Y f:X \rightarrow Y f:XY
其中, y = f ( x ) y = f(x) y=f(x) 称为 x x x 在映射 f f f 下的 x x x 称为 y y y原像

映射的三要素

  1. 定义域: D f = X D_f = X Df=X
  2. 对应法则: f f f
  3. 值域: R f = f ( X ) = { f ( x ) ∣ x ∈ X } ⊂ Y R_f = f(X) = \{ f(x) \mid x \in X \} \subset Y Rf=f(X)={f(x)xX}Y

2.2 映射分类

  1. 满射(Surjective)
    若映射的值域等于目标集 Y Y Y,即 R f = Y R_f = Y Rf=Y,则称 f f f满射定义:对任意 y ∈ Y y \in Y yY,存在 x ∈ X x \in X xX,使得 f ( x ) = y f(x) = y f(x)=y

  2. 单射(Injective)
    X X X 中任意两个不同元素 x 1 ≠ x 2 x_1 \ne x_2 x1=x2 的像也不同,即 f ( x 1 ) ≠ f ( x 2 ) f(x_1) \ne f(x_2) f(x1)=f(x2),则称 f f f单射

  3. 双射(Bijective)
    若映射 f f f 既是单射又是满射,则称其为双射(一一映射)。
    性质:双射存在唯一的逆映射 f − 1 : Y → X f^{-1}: Y \rightarrow X f1:YX

满射: f : R → [ 0 , + ∞ ) , f ( x ) = x 2 \text{满射:} f: \mathbb{R} \rightarrow [0, +\infty), \quad f(x) = x^2 满射:f:R[0,+),f(x)=x2
双射: f : R → R , f ( x ) = 2 x + 3 \text{双射:} f: \mathbb{R} \rightarrow \mathbb{R}, \quad f(x) = 2x + 3 双射:f:RR,f(x)=2x+3
单射: f : R → R , f ( x ) = e x \text{单射:} f: \mathbb{R} \rightarrow \mathbb{R}, \quad f(x) = e^x 单射:f:RR,f(x)=ex


2.3 映射的性质与应用

  1. 逆映射
    f : X → Y f:X \rightarrow Y f:XY 是单射,则存在逆映射 f − 1 : R f → X f^{-1}: R_f \rightarrow X f1:RfX,满足:
    f − 1 ( y ) = x 当且仅当 f ( x ) = y f^{-1}(y) = x \quad \text{当且仅当} \quad f(x) = y f1(y)=x当且仅当f(x)=y
    注意:只有单射才能定义逆映射!

  1. 复合映射
    f : X → Y f:X \rightarrow Y f:XY g : Y → Z g:Y \rightarrow Z g:YZ 是两个映射,若 R f ⊂ D g R_f \subset D_g RfDg,则可定义复合映射 h : X → Z h:X \rightarrow Z h:XZ,记作 h = g ∘ f h = g \circ f h=gf,满足:
    h ( x ) = g ( f ( x ) ) 对所有 x ∈ X h(x) = g(f(x)) \quad \text{对所有} \quad x \in X h(x)=g(f(x))对所有xX

  1. 映射的等价性
    映射 f : X → Y f:X \rightarrow Y f:XY 是双射,当且仅当存在映射 g : Y → X g:Y \rightarrow X g:YX,使得 f ∘ g = id Y f \circ g = \text{id}_Y fg=idY g ∘ f = id X g \circ f = \text{id}_X gf=idX,其中 id X \text{id}_X idX X X X 上的恒等映射。

2.4 狄利克雷和符号

2.4.1 狄利克雷函数

定义:
D ( x ) = { 1 , x ∈ Q 0 , x ∉ Q D(x) = \begin{cases} 1, & x \in \mathbb{Q} \\ 0, & x \notin \mathbb{Q} \end{cases} D(x)={1,0,xQx/Q
性质

  • 定义域: R \mathbb{R} R
  • 值域: { 0 , 1 } \{0,1\} {0,1}
  • 无最小正周期(任何正有理数都是其周期)。
2.4.2 符号函数

定义:
sgn ( x ) = { 1 , x > 0 0 , x = 0 − 1 , x < 0 \text{sgn}(x) = \begin{cases} 1, & x > 0 \\ 0, & x = 0 \\ -1, & x < 0 \end{cases} sgn(x)= 1,0,1,x>0x=0x<0
性质

  • 分段函数,值域为 { − 1 , 0 , 1 } \{-1,0,1\} {1,0,1}
  • 满足 x = sgn ( x ) ⋅ ∣ x ∣ x = \text{sgn}(x) \cdot |x| x=sgn(x)x

三、区间和邻域

3.1 区间

定义:区间是实数集的一个子集,通常表示为两个端点之间的连续范围。

分类

  • 闭区间:包含端点 a a a b b b,记作 [ a , b ] = { x ∈ R ∣ a ≤ x ≤ b } [a, b] = \{x \in \mathbb{R} \mid a \le x \le b\} [a,b]={xRaxb}
  • 开区间:不包含端点 a a a b b b,记作 ( a , b ) = { x ∈ R ∣ a < x < b } (a, b) = \{x \in \mathbb{R} \mid a < x < b\} (a,b)={xRa<x<b}
  • 半开区间:包含一个端点,不包含另一个端点,记作 [ a , b ) [a, b) [a,b) ( a , b ] (a, b] (a,b]

区间的几何表示:

  • 闭区间:线段两端点用实心点表示。
  • 开区间:线段两端点用空心点表示。
  • 半开区间:一端用实心点,另一端用空心点表示。

3.2 邻域

a a a δ \delta δ 邻域:设 δ > 0 \delta > 0 δ>0,则开区间 ( a − δ , a + δ ) (a - \delta, a + \delta) (aδ,a+δ) 称为点 a a a δ \delta δ 邻域,记作 U ( a , δ ) U(a, \delta) U(a,δ)。 中心:点 a a a ,半径: δ \delta δ

去心邻域:若去掉邻域的中心 a a a,则称为点 a a a 的去心 δ \delta δ 邻域,记作 U ∘ ( a , δ ) U^\circ(a, \delta) U(a,δ),即:
U ∘ ( a , δ ) = { x ∈ R ∣ 0 < ∣ x − a ∣ < δ } U^\circ(a, \delta) = \{x \in \mathbb{R} \mid 0 < |x - a| < \delta\} U(a,δ)={xR0<xa<δ}

δ \delta δ 邻域:开区间 ( a − δ , a ) (a - \delta, a) (aδ,a)

δ \delta δ 邻域:开区间 ( a , a + δ ) (a, a + \delta) (a,a+δ)


四、函数

4.1 函数特性

  1. 有界性
    定义:函数 f ( x ) f(x) f(x) 在区间 I I I 上有界,若存在常数 M > 0 M > 0 M>0,使得对所有 x ∈ I x \in I xI,有 ∣ f ( x ) ∣ ≤ M |f(x)| \le M f(x)M
    无界性:若不存在这样的 M M M,则称 f ( x ) f(x) f(x) I I I 上无界。

  2. 单调性

    • 单调递增:若 x 1 < x 2 x_1 < x_2 x1<x2 时, f ( x 1 ) ≤ f ( x 2 ) f(x_1) \le f(x_2) f(x1)f(x2),则称 f ( x ) f(x) f(x) 在区间 I I I 上单调递增。
    • 单调递减:若 x 1 < x 2 x_1 < x_2 x1<x2 时, f ( x 1 ) ≥ f ( x 2 ) f(x_1) \ge f(x_2) f(x1)f(x2),则称 f ( x ) f(x) f(x) 在区间 I I I 上单调递减。
    • 严格单调性:将“ ≤ \le ”或“ ≥ \ge ”替换为“ < < <”或“ > > >”即可。
  3. 奇偶性

    • 偶函数:若 f ( − x ) = f ( x ) f(-x) = f(x) f(x)=f(x),则 f ( x ) f(x) f(x) 是偶函数,图象关于 y y y 轴对称。
    • 奇函数:若 f ( − x ) = − f ( x ) f(-x) = -f(x) f(x)=f(x),则 f ( x ) f(x) f(x) 是奇函数,图象关于原点对称。
  4. 周期性:若存在正数 T T T,使得对所有 x x x,有 f ( x + T ) = f ( x ) f(x + T) = f(x) f(x+T)=f(x),则称 f ( x ) f(x) f(x) 是周期函数, T T T 为其周期。最小的正周期称为基本周期

    • 正弦函数 f ( x ) = sin ⁡ x f(x) = \sin x f(x)=sinx 的基本周期为 2 π 2\pi 2π
    • 狄利克雷函数 D ( x ) D(x) D(x) 的任何正有理数都是其周期(无最小正周期)。

4.2 六个基本初等函数

  1. 常数函数

    • f ( x ) = C f(x) = C f(x)=C C C C 为常数)
    • 图像为水平直线,有界且周期性(无最小正周期)。
  2. 幂函数

    • f ( x ) = x α f(x) = x^\alpha f(x)=xα α \alpha α 为常数)
    • α > 0 \alpha > 0 α>0:图像经过点 ( 1 , 1 ) (1,1) (1,1),在 x > 0 x > 0 x>0 时单调递增。
    • α < 0 \alpha < 0 α<0:图像经过点 ( 1 , 1 ) (1,1) (1,1),在 x > 0 x > 0 x>0 时单调递减。
  3. 指数函数

    • f ( x ) = a x f(x) = a^x f(x)=ax a > 0 , a ≠ 1 a > 0, a \ne 1 a>0,a=1
    • a > 1 a > 1 a>1:单调递增。
    • 0 < a < 1 0 < a < 1 0<a<1:单调递减。
  4. 对数函数

    • f ( x ) = log ⁡ a x f(x) = \log_a x f(x)=logax a > 0 , a ≠ 1 a > 0, a \ne 1 a>0,a=1
    • a > 1 a > 1 a>1:单调递增。
    • 0 < a < 1 0 < a < 1 0<a<1:单调递减。
  5. 三角函数

    • 包括 sin ⁡ x , cos ⁡ x , tan ⁡ x \sin x, \cos x, \tan x sinx,cosx,tanx 等。
    • 周期性: sin ⁡ x \sin x sinx cos ⁡ x \cos x cosx 的周期为 2 π 2\pi 2π tan ⁡ x \tan x tanx 的周期为 π \pi π
    • 奇偶性: sin ⁡ x \sin x sinx 为奇函数, cos ⁡ x \cos x cosx 为偶函数。
  6. 反三角函数

    • 包括 arcsin ⁡ x , arccos ⁡ x , arctan ⁡ x \arcsin x, \arccos x, \arctan x arcsinx,arccosx,arctanx 等。
    • arcsin ⁡ x \arcsin x arcsinx arccos ⁡ x \arccos x arccosx 的定义域为 [ − 1 , 1 ] [-1,1] [1,1],值域分别为 [ − π 2 , π 2 ] [- \frac{\pi}{2}, \frac{\pi}{2}] [2π,2π] [ 0 , π ] [0, \pi] [0,π]
    • arctan ⁡ x \arctan x arctanx 的定义域为 R \mathbb{R} R,值域为 ( − π 2 , π 2 ) (- \frac{\pi}{2}, \frac{\pi}{2}) (2π,2π)

4.3 极值、最值、拐点

极值:通过导数判断函数的极大值或极小值。

最值:在闭区间上连续的函数一定存在最大值和最小值。

拐点:函数图像凹凸性发生改变的点,通过二阶导数的符号变化确定。

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.mzph.cn/bicheng/80638.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

每日算法刷题 Day3 5.11:leetcode数组2道题,用时1h(有点慢)

5.LC 零矩阵(中等) 面试题 01.08. 零矩阵 - 力扣&#xff08;LeetCode&#xff09; 思想: 法一: 利用两个集合分别储存要清0的行和列索引 另外两种原地优化空间的做法暂时不是目前刷题目标&#xff0c;故不考虑 代码 c: class Solution { public:void setZeroes(vector&l…

【小记】excel vlookup一对多匹配

一个学生报四门课&#xff0c;输出每个学生课程 应用概述操作预处理数据计数指令 COUNTIFS进行一对多匹配 vlookup 应用概述 应用场景&#xff1a;学生报名考试&#xff0c;需要整理成指定格式&#xff0c;发给考试院。 一个学生最多报考四门 格式实例&#xff1a;准考证号 …

《从零构建大模型》PDF下载(中文版、英文版)

内容简介 本书是关于如何从零开始构建大模型的指南&#xff0c;由畅销书作家塞巴斯蒂安• 拉施卡撰写&#xff0c;通过清晰的文字、图表和实例&#xff0c;逐步指导读者创建自己的大模型。在本书中&#xff0c;读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备…

基于 Ubuntu 24.04 部署 WebDAV

1. 简介 WebDAV&#xff08;Web Distributed Authoring and Versioning&#xff09;是一种基于 HTTP 的协议&#xff0c; 允许用户通过网络直接编辑和管理服务器上的文件。 本教程介绍如何在 Ubuntu 24.04 上使用 Apache2 搭建 WebDAV 服务&#xff0c;无需域名&#xff0c;…

node.js 实战——在express 中将input file 美化,并完成裁剪、上传进度条

美化上传按钮 在ejs 页面 <!DOCTYPE html> <html> <head><meta charset"utf-8"></meta><title><% title %></title><link relstylesheet href/stylesheets/form.css/><!-- 本地 Bootstrap 引入方式 -->…

MySQL为什么选择B+树

1.hash表&#xff1a;不支持范围查询 2.跳表&#xff1a;索引层增加太快&#xff0c;IO成本增加太快 3.二叉树、AVL树、红黑树&#xff1a;树高度增加太快&#xff0c;IO成本增加太快 4.B树&#xff1a;树高增加太快&#xff1b;范围查询只能走中序遍历&#xff0c;IO成本很…

go程序编译成动态库,使用c进行调用

以下是使用 Go 语言打包成 .so 库并使用 C 语言调用的完整步骤&#xff1a; 1. Go 语言打包成 .so 库 &#xff08;1&#xff09;编写 Go 代码 创建一个 Go 文件&#xff08;如 calculator.go&#xff09;&#xff0c;并定义需要导出的函数。导出的函数名必须以大写字母开头…

YOLO-World:基于YOLOv8的开放词汇目标检测

文章目录 前言1、出发点2、方法2.1.TextEncoder2.2.ReparmVLPAN2.3.输出头 3、实验3.1.数据集3.2.LVIS测试集 总结 前言 本文介绍一篇来自腾讯的开放词汇检测工作&#xff0c;发表自CVPR2024&#xff0c;论文链接&#xff0c;开源地址。 1、出发点 GroundingDINO在开放词汇检测…

华为网路设备学习-21 IGP路由专题-路由过滤(filter-policy)

一、路由过滤&#xff08;filter-policy&#xff09; 1、用于控制路由更新、接收的一个工具 2、只能过滤路由信息&#xff0c;无法过滤LSA 二、路由过滤&#xff08;filter-policy&#xff09;与动态路由协议 1、距离矢量路由协议 RIP动态路由协议 交换的是路由表&#xff0…

美化IDEA注释:Idea 中快捷键 Ctrl + / 自动注释的缩进(避免添加注释自动到行首)以及 Ctrl + Alt + l 全局格式化代码的注释缩进

打开 Settings 界面&#xff0c;依次选择 Editor -> Code Style -> Java&#xff0c;选择 Code Generation&#xff0c; 取消 Line comment at first column 和 Block comment at first column 的勾选即可&#xff0c; 1、Line comment at first column (行注释在第一列…

服务器数据恢复—硬盘坏道导致EqualLogic存储不可用的数据恢复

服务器存储数据恢复环境&故障&#xff1a; 一台EqualLogic某型号存储中有一组由16块SAS硬盘组建的RAID5阵列。上层采用VMFS文件系统&#xff0c;存放虚拟机文件&#xff0c;上层一共分了4个卷。 磁盘故障导致存储不可用&#xff0c;且设备已经过保。 服务器存储数据恢复过程…

openharmony系统移植之gpu mesa3d适配

openharmony系统移植之gpu mesa3d适配 文章目录 openharmony系统移植之gpu mesa3d适配1. 环境说明2. gpu内核panfrost驱动2.1 使能panfrost驱动2.2 panfrost dts配置 3. buildroot下测试gpu驱动3.1 buildroot配置编译 4. ohos下mesa3d适配4.1 ohos下mesa3d编译调试4.1.2 编译4.…

Kafka生产者send方法详解

Kafka生产者send方法详解 1. send方法的工作原理 1.1 基本流程 #mermaid-svg-EXvKiyf8oSlenrxK {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-EXvKiyf8oSlenrxK .error-icon{fill:#552222;}#mermaid-svg-EXvKiyf…

【sdkman】sdk命令使用简介

SDKMAN! 使用指南 SDKMAN! 是一个用于管理多个软件开发工具包版本的命令行工具。 基本命令 安装 SDK # 安装最新稳定版 sdk install java# 安装特定版本 sdk install scala 3.4.2# 安装本地版本 sdk install groovy 3.0.0-SNAPSHOT /path/to/groovy-3.0.0-SNAPSHOT sdk ins…

开源字体设计工具字玩 FontPlayer

开源字体设计工具字玩 FontPlayer 内测版 v0.2.0 于 2025 年 5 月 9 日发布 基础功能&#xff1a;用户可以使用该工具绘制字体并导出 otf 字体文件&#xff0c;设计属于自己的字库。脚本功能&#xff1a;提供了脚本功能&#xff0c;用户可以用程序的方式绘制字形组件&#xff0…

快速入门深度学习系列(3)----神经网络

本文只针对图进行解释重要内容 这就是入门所需要掌握的大部分内容 对于不懂的名词或概念 你可以及时去查 对于层数 标在上面 对于该层的第几个元素 标在下面 输入层算作第0层 对于第一层的w b 参数 维度如下w:4*3 b:4*1 这个叫做神经元 比如对于第一层的神经元 这里说的很…

【Python 算法零基础 2.模拟 ⑤ 基于栈和队列】

目录 基于栈 Ⅰ、1441. 用栈操作构建数组 算法与思路 ① 初始化操作序列 ② 遍历数字范围 ③ 判断并添加操作 ④ 提前结束循环 ⑤ 返回操作序列 基于队列 Ⅰ、1700. 无法吃午餐的学生数量 思路与算法 ① 统计学生对三明治的需求&#xff1a; ② 遍历三明治供应顺序&#xff1a;…

管家婆实用贴-如何在Excel中清除空格

我们在使用管家婆软件时&#xff0c;经常会用到Excel表格导入导出数据&#xff0c;在使用Excel整理数据时&#xff0c;数据中的空格可能会导致计算和分析出现问题。无论是多余的前导空格、尾部空格还是单元格中的不必要空格&#xff0c;清除它们都是确保数据准确性的关键。今天…

uniapp-商城-53-后台 商家信息(更新修改和深浅copy)

1、概述 文章主要讨论了在数据库管理中如何处理用户上传和修改商家信息的问题&#xff0c;特别是通过深浅拷贝技术来确保数据更新的准确性和安全性。 首先&#xff0c;解释了深拷贝和浅拷贝的区别&#xff1a;浅拷贝使得两个变量共享相同的内存地址&#xff0c;而深拷贝则创建新…

numpy模块综合使用

一、numpy模块的综合使用方法 # 使用矩阵的好处&#xff0c;矩阵对于python中列表&#xff0c;字典等数据类型一个一个拿来计算是会方便计算很多的&#xff0c;底层使用的是c语言 # 在数据分析和数据处理的时候也经常常用 import numpy as np array np.array([[1,2,3],[2,3,4…