向量积(矢积)与数量积(标积)的区别
名称 | 标积 / 内积 / 数量积 / 点积 | 矢积 / 外积 / 向量积 / 叉积 |
---|---|---|
运算式(a,b和c粗体字,表示向量) | a·b=|a||b|·cosθ | a×b=c,其中|c|=|a||b|·sinθ,c的方向遵守右手定则 |
几何意义 | 向量a在向量b方向上的投影与向量b的模的乘积 | c是垂直a、b所在平面,且以|b|·sinθ为高、|a|为底的平行四边形的面积 |
运算结果的区别 | 标量(常用于物理)/数量(常用于数学) | 矢量(常用于物理)/向量(常用于数学) |
http://www.dxsx.net/article.php?type=210 数学资料
偏导数
如果函数的左极限=右极限,则偏导数存在
全微分右式中的du/dx 不用 ∂u/∂x,是因为u中只有x。以上图片中的偏导链式法则在反向传播中应用
可微
必要条件
若函数在某点可微分,则函数在该点必连续;
若二元函数在某点可微分,则该函数在该点对x和y的偏导数必存在。
若函数对x和y的偏导数在这点的某一邻域内都存在,且均在这点连续,则该函数在这点可微。(如断点不可微,偏导数存在但是不连续)
分布函数和概率密度函数
概率密度和分布函数:参考 https://www.jianshu.com/p/b570b1ba92bb https://wenku.baidu.com/view/3023e98f680203d8ce2f24cf.html
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import math
x = np.arange(-3,3.04,0.1)
def f(x):
# 标准正太概率密度函数
return 1 / (math.sqrt(2*math.pi)) * pow(math.e,(-pow(x,2)/2))
plt.plot(x,f(x)
from scipy import integrate
lst = []
for i in x:
# v为从-3到i只的积分值
v, err = integrate.quad(f, -3, i)
lst.append(v)
plt.plot(x,lst) # 下图为标准正太概率密度函数的积分,也就是标准正太累计分布函数(标准正太分布函数)。
# 标准正太分布函数的导数也就是标准正太分布概率密度函数