[TOC]
Hi蔼两,大家好。我是茶桁逞度。
上一節(jié)課中额划,我們留了一個(gè)小尾巴,就是我讓大家注意了一下這個(gè)式子:
這段含義就是(在等于6的時(shí)候)減去(當(dāng)等于1的時(shí)候)档泽。它的結(jié)果就是6的平方減1的平方俊戳,它也等于35,好神奇馆匿。那難道說這和之間有什么關(guān)聯(lián)嗎? 或者說我們把的積分寫成?, 難道這兩者是相等的嗎抑胎?
在這里引出了微積分里面的非常重要的一個(gè)定理了:牛頓-萊布尼茲公式。
牛頓-萊布尼茲公式
牛頓-萊布尼茲公式渐北,我們通過一個(gè)運(yùn)動(dòng)學(xué)的問題去說阿逃,它表述了怎么樣的一個(gè)場景呢?
首先,物體的初速度大小是0恃锉,它做一個(gè)勻加速直線運(yùn)動(dòng)搀菩,其加速度是, 那么它的位移時(shí)間方程s就應(yīng)該是,我們物理課上學(xué)過的對吧破托? 如果有不清楚的同學(xué)大家可以自己搜索一下肪跋,很好理解。我們把a(bǔ)的數(shù)值給它帶入之后炼团,它就等于t平方。
然后我們還可以考慮疏尿,不是做勻加速嗎瘟芝,那速度和時(shí)間的方程它應(yīng)該就是:
我們打個(gè)比方,比如說我初速都是0褥琐,一直做勻加速锌俱,每過一秒我的速度就增加2。所以它的函數(shù)方程就應(yīng)該是2t敌呈。其實(shí)也就相當(dāng)于對位移求導(dǎo)贸宏。就可以得到速度方程, 是我們物理學(xué)上面的一個(gè)常識。
我們先看一下這兩個(gè)圖像:
上面一張圖是我們位移時(shí)間方程的圖像磕洪,下面是速度時(shí)間的函數(shù)圖像吭练。分別是以及。
我們再來看一下這兩個(gè)圖所對應(yīng)的幾何意義析显。比如說我從0秒一直到5秒鲫咽,上面位移時(shí)間圖像里面它代表什么意義呢?0秒的時(shí)候在原點(diǎn)谷异,距原點(diǎn)的距離為0分尸,在5秒的時(shí)候就應(yīng)該在如圖的位置,, 應(yīng)該是25米:
我從0秒到5秒總共走了多遠(yuǎn)是不是就是直接拿縱坐標(biāo)直接減就行了?25-0歹嘹,那不就是25嘛箩绍。
同樣的問題再放在速度時(shí)間方程上面來看。橫坐標(biāo)是時(shí)間t尺上,縱坐標(biāo)是速度v材蛛,我們知道速度乘以時(shí)間就是等于路程,或者說等于位移怎抛。函數(shù)曲線和軸圍成的面積幾何意義就是位移仰税。如果我們想通過速度時(shí)間圖像去求解從0秒到5秒總共走了多遠(yuǎn)的話,求0秒到5秒形成的三角形的面積就行抽诉。
我們已經(jīng)知道面積代表著,不管是矩形還是三角形, 兩個(gè)數(shù)值乘在一起代表的物理含義就是位移陨簇。所以對于速度圖像而言,我們求它從0秒到5秒走過的路程就是把從原點(diǎn)出發(fā),一直到5秒河绽,圍成的這么一個(gè)三角形的面積求出來己单。如圖:
三角形對應(yīng)的面積就是我們在這5秒內(nèi)走過的位移。
那按照幾何意義來說的話耙饰,面積怎么求呢纹笼?邊長分別是5和10,所以面積等于, 等于25苟跪。和我們用位移時(shí)間函數(shù)所求到的結(jié)果是一模一樣的廷痘,唯一的區(qū)別就是在位移圖像里面它是直接縱坐標(biāo)結(jié)束值和初始值相減,在速度圖像里面是求面積件已。
那我們就發(fā)現(xiàn)了一個(gè)非常神奇的事實(shí):當(dāng)我們對速度函數(shù)求積分的時(shí)候笋额,其實(shí)就是求被積函的原函數(shù)。
其實(shí)就是對速度函數(shù)做了一個(gè)反向求導(dǎo)篷扩,從位移到速度它是一個(gè)求導(dǎo)過程兄猩。從速度到位移我們暫且把它叫做反向求導(dǎo),就是回到里面逆向求導(dǎo)一下鉴未,得到函數(shù)之后再減去相應(yīng)的縱坐標(biāo)值就可以了枢冤。
牛頓-萊布尼茲公式非常非常的重要。因?yàn)樗嬖V了我們對于積分的形式我們應(yīng)該怎么樣去求解铜秆,我們來看一下定積分公式:
如果我們要求積分的話淹真,只需要找出對應(yīng)的原函數(shù),然后把它在a點(diǎn)和b點(diǎn)的值求出來相減连茧,就可以得到從a到b之間積分的值趟咆。
這是非常重要的一個(gè)事情,因?yàn)樗话l(fā)現(xiàn)之前呢其實(shí)人類是不知道怎么樣處理梅屉。雖然我知道的意義值纱,知道怎么求導(dǎo),但是關(guān)鍵我不知道怎么積坯汤。正是因?yàn)楣降陌l(fā)明虐唠,我們才知道,原來求它原函數(shù)就行了惰聂。
原函數(shù)的意思就是說疆偿,比如這里是的話,那它的原函數(shù)是什么樣的函數(shù)求導(dǎo)得到了呢搓幌?就是杆故。
所以我們可以看到積分其實(shí)是分成兩種,一種稱為「定積分」一種稱為「不定積分」溉愁。定積分有具體的積分上下界以及具體的函數(shù)值相減处铛,對應(yīng)的這么一個(gè)結(jié)果。而不定積分只需要求出一個(gè)原函數(shù)就可以了。不定積分公式如下:
不管是定積分還是不定積分撤蟆,核心都是逆向求導(dǎo)奕塑,找出原函數(shù)。
細(xì)心的小伙伴會(huì)注意到家肯,在不定積分這里求出來原函數(shù)還加了一個(gè)常數(shù)龄砰。為什么要加呢?難道說, 是, 又或者是都行嗎讨衣?我們可以嘗試求導(dǎo)試一下换棚,確實(shí)是這樣沒錯(cuò)。這其實(shí)是一個(gè)之前課程中教過的問題反镇,就是常數(shù)求導(dǎo)等于多少固蚤?等于0對嗎?這項(xiàng)沒有了不會(huì)體現(xiàn)在這里愿险。
所以我們反向求導(dǎo)的時(shí)候會(huì)給它加上一個(gè)常數(shù)颇蜡,表示它的原函數(shù)不是只有一個(gè)价说,是有無窮多個(gè)辆亏,根據(jù)來做區(qū)別, 但是核心的這一部分是一樣的.
很多小伙伴求不定積分,反向求導(dǎo)的時(shí)候把求出來就萬事大吉了, 忘了加一個(gè)常數(shù)鳖目。也有的不太會(huì)加扮叨,其實(shí)就直接寫上就行。因?yàn)槟阋膊⒉恢莱?shù)是什么领迈,可以代表任何常數(shù)彻磁。不能就光寫一個(gè)。
在我們定積分和不定積分的兩個(gè)公司中狸捅, 是的原函數(shù)衷蜓, 為常數(shù), 是積分區(qū)間尘喝。
我們來看一個(gè)例子:
求積分的值磁浇。
我們從1到6積的積分,這被積函數(shù)看著似乎很復(fù)雜的樣子朽褪,如果我們不知道牛頓-萊布尼茲公式的話就束手無策置吓,但是因?yàn)檫@兩位大神特別給力,所以現(xiàn)在呢缔赠,我們只需要找出這個(gè)被積函數(shù)的原函數(shù)是什么:
大家可能一開始會(huì)比較習(xí)慣了求導(dǎo)衍锚,但是反向求導(dǎo)或者說求原函數(shù)的過程可能還得有一個(gè)適應(yīng)的過程,多練幾遍其實(shí)就熟悉了嗤堰。
打比方說戴质, , 我們想一下,三次方之前肯定是四次方, 四次方要求導(dǎo)拿下來肯定會(huì)有一個(gè)數(shù)字4, 那在被積函數(shù)里數(shù)字4沒有了,所以原函數(shù)肯定是有一個(gè)常數(shù)1/4, 當(dāng)求導(dǎo)的時(shí)候,拿下來的4和1/4抵消了置森,所以在被積函數(shù)里系數(shù)才是1斗埂,求出來導(dǎo)數(shù)是。
當(dāng)前我們舉的這個(gè)例子還是比較去好判斷它的原函數(shù)凫海,有一些函數(shù)的原函數(shù)比較難去判斷呛凶,會(huì)比較復(fù)雜。還有一點(diǎn)行贪,就是我們要知道漾稀,這是被積函數(shù)的一個(gè)原函數(shù)是這樣子, 因?yàn)楸环e函數(shù)原函數(shù)有無窮多個(gè),只要加上一個(gè)常數(shù), 就無窮多個(gè)建瘫。我在這里我只是寫出這么一個(gè)崭捍,就是常數(shù)為0的情況。
所以呢積分值就對應(yīng)著原函數(shù)在1和6處, 這兩個(gè)點(diǎn)的取值的一個(gè)差啰脚。算了一下殷蛇,近似值呢是1510.84
,是一個(gè)無限小數(shù)橄浓。
這里還有一個(gè)地方要給大家說明一下粒梦,大家看到, 還有后面的, 并不是代表著6度,它并不是代表著我們平時(shí)理解的角度荸实。我們可以注意到無論是6還是1匀们,右上角都沒有代表讀書人的小圓圈,因?yàn)樗旧砭筒皇墙嵌茸几淼氖腔《取?/p>
弧度和角度怎么樣去換算呢泄朴?就是, 等于360度,就等于180度露氮,換算的話祖灰,畔规。大家這里可以了解一下局扶。
牛頓-萊布尼茲公式的意義
那牛頓-萊布尼茲公式對于我們有什么樣的意義呢?
首先油讯,他提供了求積分問題的一個(gè)非常有效的辦法详民,我們可以通過方向求導(dǎo)得出被積函數(shù)的原函數(shù);并且將復(fù)雜的積分運(yùn)算轉(zhuǎn)化為簡單的加減運(yùn)算陌兑。
為什么說積分運(yùn)算是一個(gè)非常復(fù)雜的運(yùn)算沈跨,就是因?yàn)槿绻覀儧]有牛頓-萊布尼茲公式的話,如果要去計(jì)算積分唯一的辦法只有一開始說的兔综,通過畫無限多個(gè)矩形去逼近它饿凛,積分這一種方式去做狞玛。而劃分的過程就太復(fù)雜,這跟你劃分的多精細(xì)還有關(guān)涧窒。而且關(guān)鍵最后得到結(jié)果還不是一個(gè)很準(zhǔn)確的值心肪,只是一個(gè)近似值,永遠(yuǎn)只是一個(gè)近似值纠吴,你永遠(yuǎn)達(dá)不到它積分的值硬鞍。而公式將復(fù)雜的積分運(yùn)算化解成了簡單的這種加減運(yùn)算。
第二個(gè)戴已,它架起了微分學(xué)和積分學(xué)之間的一個(gè)橋梁固该。歷史上其實(shí)微分學(xué)和積分學(xué)一開始是獨(dú)立發(fā)展的。那個(gè)時(shí)候科學(xué)家是不知道這兩個(gè)東西是有聯(lián)系的糖儡,并沒有意識到一個(gè)正向一個(gè)反向過來伐坏。自從牛頓-萊布尼茲公式提出之后,微分學(xué)和積分學(xué)才被稱為了微積分握联。
正因?yàn)樯厦娴倪@些重要性桦沉,牛頓-萊布尼茲公式也被稱為了微積分基本定理。這是一個(gè)很高的榮譽(yù)金闽,整個(gè)微積分的基本定理纯露。
接下來,再給大家一個(gè)小知識點(diǎn):
我們考慮呐矾,一個(gè)直恒為正的函數(shù)苔埋,也就是不存在圖像在軸下方出現(xiàn)負(fù)面積的情況懦砂。
比如上圖這樣蜒犯,函數(shù)值恒為正。如果是函數(shù)的話荞膘,考慮它的幾何意義是什么罚随。就是函數(shù)圖像以及軸所圍成的面積, 通過積分求出來的就是面積。
那問題來了羽资,我們通過積分運(yùn)算求出來的值是它和x軸圍成的面積的準(zhǔn)確值淘菩,還是說它是一個(gè)極度逼近的一個(gè)近似值?準(zhǔn)確值什么意思屠升,就是面積被求出來了潮改,一點(diǎn)點(diǎn)都不差,正好是這么多腹暖。而極度逼近的近似值就是可以無限的逼近汇在,誤差非常非常小,但是還是不相等脏答,還是有一點(diǎn)點(diǎn)誤差糕殉。
函數(shù)是連續(xù)的亩鬼,就考慮連續(xù)的函數(shù)。
其實(shí)答案是準(zhǔn)確值阿蝶。
為什么我在這里提出這么一個(gè)問題雳锋?因?yàn)槲疫€記得上高中的時(shí)候,發(fā)現(xiàn)我周圍的同學(xué)很多人以為是一個(gè)極度逼近的近似值羡洁,而不是一個(gè)準(zhǔn)確值玷过。就跟那個(gè)極限的概念一樣,很多人覺得它是一個(gè)無限逼近但永遠(yuǎn)達(dá)不到的這么一個(gè)過程筑煮。
積分求出來的冶匹,就是一個(gè)準(zhǔn)確值。它面積是多少咆瘟,通過積分求出來就是多少嚼隘,大家這點(diǎn)要記住。
泰勒展開
接著袒餐,是我們微積分里最后一部分:泰勒展開飞蛹。是不是看到這里大家都舒一口氣?萬里長征終于來到最后一站了灸眼,當(dāng)然了還是會(huì)有些公式卧檐。
首先,我們通過微積分基本定理可知下面的式子:
這里被積函數(shù)用表示了,原函數(shù)用表示焰宣。然后我們稍微做一下變形霉囚,就能得到。
然后我們再對做同樣的處理匕积,就是是關(guān)于的一個(gè)函數(shù), 導(dǎo)函數(shù)它也是一個(gè)函數(shù)盈罐,就像我們之前說過的,導(dǎo)數(shù)可以求很多階闪唆,只要你n階可導(dǎo)的話盅粪,你一直可以求到n階導(dǎo)數(shù)。所以求了一次導(dǎo)之后悄蕾,它仍然可能是一個(gè)量的函數(shù)票顾。
我們再做同樣的處理:
就是把上一個(gè)式子中結(jié)果里的看作成它所在式子中最前方的,其實(shí)做的就是這么一個(gè)事情帆调。如果大家式子覺得看著腦殼疼可以不用去看奠骄。我就告訴你,就是把看作了一樣番刊,然后套用一下這個(gè)式子去做含鳞。
頭暈了嗎?別急撵枢,往下看民晒,往下看你就會(huì)更暈了, 接著精居,我們在對上面得到的式子中的繼續(xù)做同樣的處理:
這里呢,其實(shí)就是吧同樣看作潜必,然后得到結(jié)果靴姿,就是這么一大長串。雙重積分磁滚、三重積分佛吓;你想要幾成都可以,看你自己樂意垂攘。
那我們做這些有啥意義呢维雇?別急,接著往下看晒他。
首先吱型,我們先來看一下形式,先別管這后面這一項(xiàng)陨仅,后面一項(xiàng)它是跟有關(guān)的,是一個(gè)自變量津滞,它不是一個(gè)常數(shù)。
我們來看一下前面灼伤,是一個(gè)常數(shù)了, 是一個(gè)常數(shù)了,是一個(gè)常數(shù)了触徐。那不就是處函數(shù)值、一階導(dǎo)數(shù)狐赡、二階導(dǎo)數(shù)撞鹉,不都是常數(shù)嗎?所以這三個(gè)均為常數(shù)颖侄,我們可以得到什么鸟雏?直接對它做積分:
這里,可以把用來代替发皿,但我們還是先給它保留一下:崔慧。
我們可以這么看拂蝎,先別管穴墅,把這項(xiàng)給拿掉,就看做它系數(shù)是1温自,就是積分a到, 乘上1玄货, 然后乘上。
什么東西求出來它的導(dǎo)數(shù)是1呢悼泌?不就是松捉,的時(shí)候、的時(shí)候, 它兩相減乘出來的結(jié)果馆里,再乘上常數(shù)隘世,在這里它除以1是我人為加的可柿。如果計(jì)算的話,不會(huì)有除以1這一步丙者,那我為什么要人為加這么一個(gè)呢复斥?我們接著往下看:
求二重積分怎么求? 我們從里到外一步一步的求, 我們先看這部分:,不然兩個(gè)一塊看你絕對腦殼疼械媒,而且也反應(yīng)不過來目锭。
這一部分求積分不就和上方的式子類似嗎,求出來結(jié)果就是, 和上面類似纷捞,只不過就是表現(xiàn)形式上面痢虹,符號上面有一些差別。
當(dāng)我們做完了這些之后主儡,我們再來求這部分:, 雙重積分我們就一層一層來,別想一口吃個(gè)胖子奖唯,一下子就把兩層積分全給做了。那這個(gè)時(shí)候糜值,是一個(gè)常數(shù), 然后是自變量的一次臭埋,是一個(gè)常數(shù)。所以我們求出來最終結(jié)果臀玄。這部分的原函數(shù)瓢阴,寫成。再往里面帶健无,當(dāng)它等于a的時(shí)候什么值荣恐,當(dāng)等于的時(shí)候什么值。
注意累贤,這里的 它就不再是我們慣常表示的那個(gè)自變量了叠穆,這里我們可以把它當(dāng)成一個(gè)常數(shù)。
通過我們牛頓-萊布尼茲公式可以算出來雙重積分求出來結(jié)果:臼膏。
然后我們接下來再來看一下硼被,我們一直這樣做下去會(huì)怎樣。
我們一直做下去渗磅,那他四重積分又出來了嚷硫,之后是五重、六重始鱼,一直到n重都能出來仔掸。在n重之前的這些積分,不管多少重医清,它這里面都是一個(gè)常數(shù)起暮。所以我們在這里就可以得到:
只要我們一直做下去,就會(huì)發(fā)現(xiàn)可以表示成這種形式。它在某一點(diǎn)的函數(shù)值会烙,這一點(diǎn)的一階導(dǎo)负懦、二階導(dǎo)筒捺、三階導(dǎo),都乘上一個(gè)多項(xiàng)式纸厉,一直到次的多項(xiàng)式焙矛,然后再除以n的階乘。
階乘是什么意思大家都應(yīng)該知道吧残腌?我們拿5舉例村斟, 5的階乘就是,多少的階乘就是從1一直乘到多少個(gè)數(shù)抛猫。階層的增長率其實(shí)是超過指數(shù)函數(shù)的蟆盹,它的增長速度是遠(yuǎn)超過指數(shù)函數(shù)的,階乘是一個(gè)很可怕的數(shù)闺金。
當(dāng)然逾滥,在數(shù)學(xué)上面如果你要表示非常大的數(shù),可以用高德納數(shù)來表示败匹,這里就不展開說了寨昙。
最后,我們還拖了一個(gè)小尾巴掀亩,為什么沒有寫了,如果它寫的話它是套了n重積分的一個(gè)形式舔哪。
這里我們就把函數(shù)用這種形式來表示,那形式有什么意義槽棍?其意義非常大捉蚤,我們一個(gè)一個(gè)來看:
不管是什么樣形式的函數(shù),都可以通過多項(xiàng)式函數(shù)來擬合炼七。多項(xiàng)式函數(shù):易于計(jì)算缆巧,可以快速獲得結(jié)果。
比如豌拙, 當(dāng)為30度陕悬,45度,90度的時(shí)候按傅,我們都可以進(jìn)行計(jì)算捉超。但是當(dāng)x為37度,38.89度逞敷,二分之派狂秦,你還能算出來嗎?人和機(jī)器都不行推捐。算這些函數(shù)都是通過「泰勒展開」來計(jì)算的。把他們化成這種形式:就是我們上面最終的得到的形式去計(jì)算的侧啼,通過計(jì)算多項(xiàng)式函數(shù)來做牛柒。
所以大家不要以為計(jì)算機(jī)啊很牛逼堪簿,其實(shí)它在智能程度遠(yuǎn)遜于人類,它只能做一些非常簡單的二進(jìn)式的加減法皮壁,什么0+1椭更、1+0、1*1
這種東西蛾魄。但是它可以通過把復(fù)雜函數(shù)轉(zhuǎn)換成多項(xiàng)式虑瀑,通過強(qiáng)大的算力快速的告訴我們結(jié)果,計(jì)算機(jī)就是這樣去計(jì)算滴须。
包括大家在中學(xué)的時(shí)候應(yīng)該用過一個(gè)中學(xué)數(shù)學(xué)用表舌狗,在上面會(huì)看到不同的函數(shù),在等于幾的時(shí)候都會(huì)有一個(gè)近似值扔水。那時(shí)候是不是很好奇值咋算的痛侍,我那時(shí)候就好奇過。那時(shí)候我反正是想不明白這東西怎么算魔市。后來查資料就發(fā)現(xiàn)是通過泰勒展開算出來的主届,就是通過這種方式。
那么所有的復(fù)雜函數(shù)都是用泰勒展開轉(zhuǎn)換成多項(xiàng)式函數(shù)計(jì)算的待德。
泰勒展開也是有一個(gè)適用范圍的君丁。我們舉一個(gè)例子:
這個(gè)函數(shù),不是對任意的都成立, 比如如果我等于10的話, 左邊是一個(gè)負(fù)數(shù)了,但是你看右邊是一個(gè)非常大的一個(gè)正數(shù)将宪,這根本是不可能的谈截。這還引發(fā)過數(shù)學(xué)史上非常有名的一個(gè)悖論。所以泰勒展開它是有一個(gè)適用范圍的涧偷。對于上面這個(gè)例子而言簸喂,它的適用范圍就是1,它的收斂半徑就是1燎潮。
有一種泰勒展開比較特殊喻鳄,就是你令多重積分里這些a等于0的時(shí)候,這種泰勒展開被稱為麥克勞林展開确封。
我們來看一個(gè)例子除呵,來看一下它到底是否像說的那么厲害。
例:求函數(shù)在時(shí)的值爪喘。
當(dāng)我們拿到這個(gè)函數(shù)的時(shí)候颜曾,感覺都沒辦法去做,e的值都不知道秉剑。其實(shí)就是讓我們求e的值泛豪。
由函數(shù)的麥克勞林展開式,我們可以得到:
我們這里就先精確到的5次方。
我們最終得到結(jié)果:
通過查表,e的值是多少? 是, 一直循環(huán)下去诡曙。我們會(huì)發(fā)現(xiàn)僅僅是通過簡單的四則運(yùn)算臀叙,再加上簡單的乘方運(yùn)算,乘方當(dāng)然也可以轉(zhuǎn)化為乘法運(yùn)算价卤。就計(jì)算出了一個(gè)非常復(fù)雜函數(shù)的值劝萤,泰勒展開的威力可見一般。
我們在計(jì)算機(jī)去處理的時(shí)候慎璧,其實(shí)它沒有我們聰明床嫌,人做不到事情它也做不到,只能轉(zhuǎn)換成這些多項(xiàng)式然后去計(jì)算胸私⊙岽Γ靠的是它強(qiáng)大的算力,可能把小數(shù)點(diǎn)的位數(shù)給精確到多少位多少位盖文,再交給我們?nèi)ゲ橹龅埃瑑H此而已。
那我們?nèi)绾卫斫馓├照归_五续?其實(shí)泰勒展開是可以用一系列的多項(xiàng)式函數(shù)來擬合任意一個(gè)函數(shù)洒敏,它擬合的道理是什么?我們看下面的圖:
比如紅色的線代表了我們要擬合的函數(shù)疙驾,鋸齒狀的綠色曲線代表了我們擬合的效果凶伙。泰勒展開就是想用一個(gè)函數(shù)模擬另外一個(gè)蘑辑。模擬不僅僅代表著在某些點(diǎn)的坐標(biāo)赔癌,或者說函數(shù)值相同驼仪;更代表了在這些點(diǎn)的一階變化率相同挖垛,二階變化率一直到n階變化率都相同。
也就是兩個(gè)函數(shù)如果非常接近了正卧,非常趨于相同了叹坦。那應(yīng)該說不光在某些點(diǎn)函數(shù)值相同检碗,在這些點(diǎn)的各階的變化率對應(yīng)的情況也相同挖息。
就像兩個(gè)賽車在比賽一樣金拒,不是哪些位置他們倆的速度相同,還得比他們在哪些位置的加速度是否也相同套腹,這樣他們運(yùn)動(dòng)曲線才是一樣的绪抛。也就是說,如果兩個(gè)函數(shù)和相同电禀,那么:
結(jié)束語
以泰勒展開為結(jié)束點(diǎn)幢码,我們今天的課程到這里也就結(jié)束了。微積分相關(guān)的內(nèi)容到這里就全部講完了尖飞,當(dāng)然症副,我所講的這些內(nèi)容店雅,在熟悉之后應(yīng)付人工智能是能應(yīng)付了,但是遠(yuǎn)遠(yuǎn)不是微積分的所有內(nèi)容瓦糕,并且講的也并不細(xì)致底洗,所以不要將我所講的這些內(nèi)容當(dāng)作正規(guī)的數(shù)學(xué)教材腋么。如果您是為了去理解和學(xué)習(xí)數(shù)學(xué)咕娄,那么就當(dāng)作我給你開了一個(gè)窗,入門的話珊擂,還需要正規(guī)的數(shù)學(xué)教材去系統(tǒng)的好好學(xué)一下圣勒。
對于只是希望進(jìn)入人工智能大門的小伙伴,要記得我一開始所說的摧扇,微積分這部分內(nèi)容體系雖然很龐大圣贸,但是最核心的還是導(dǎo)數(shù)和鏈?zhǔn)椒▌t。當(dāng)然在神經(jīng)網(wǎng)絡(luò)里面導(dǎo)數(shù)大多數(shù)情況是以偏導(dǎo)數(shù)的形式存在扛稽。我們用梯度下降算法去優(yōu)化神經(jīng)網(wǎng)絡(luò)吁峻。
那么,這一段時(shí)間大家辛苦了在张∮煤可以先好好休息一下,下節(jié)課估計(jì)會(huì)晚一點(diǎn)放出來帮匾,我先去好好的備下課啄骇。下節(jié)課開始,我們來學(xué)習(xí)線性代數(shù)的相關(guān)內(nèi)容瘟斜。還記得我規(guī)劃的相關(guān)目錄嗎缸夹?我再把線性代數(shù)部分貼出來大家看看:
線性代數(shù):
- 線性方程組
- 行列式與克拉默法則
- 矩陣及其運(yùn)算
- 神經(jīng)網(wǎng)絡(luò)中的矩陣/向量
- 矩陣的性質(zhì)
- 矩陣與線性變換
- 線性變換的幾何意義
- 特征值與特征向量
- NumPy中矩陣的操作
當(dāng)然,最后還是需要根據(jù)內(nèi)容多少來確定一篇文章內(nèi)包含多少螺句。
好虽惭,我是茶桁,咱們下節(jié)課再見蛇尚。