本文主要记录深度学习中需要用到的主要高等数学知识点,包括:导数、微分、积分,记录形式为笔记图片。
1 导数与微分
1.1 定义
1.2 基本求导公式
1.3 基本求导方法
2 微分中值定理与导数的应用
2.1 微分中值定理
2.2 导数的应用
3 不定积分
3.1 原函数与不定积分的定义
3.2 基本积分公式
3.3 不定积分计算方法
4 定积分
4.1 定积分的计算
4.2 定积分的技巧
4.3 定积分的应用
4.4 变限积分求导
4.5 反常积分
5 微分方程
微分方程的概念
5.1 一阶微分方程求解
5.2 二阶常系数齐次微分方程的求解
5.3 二阶常系数非齐次微分方程求解
6 向量代数与空间解析几何
6.1 向量代数定义与运算
6.2 空间平面与直线
6.3 空间曲面与曲线
7 多元函数微分学及其应用
7.1 多元函数微分学的概念
7.2 多元函数的求导法则
7.3 多元函数微分学的应用
8 补充
8.1 泰勒展开
泰勒展开(Taylor series expansion)是数学中一种将函数表示为多项式和以便进行近似的方法。它以英国数学家布鲁克·泰勒命名,通过在某一点附近展开函数,将复杂的函数简化为多项式形式,方便进行计算和分析。
- 定义和公式
泰勒展开是指将函数 𝑓(𝑥)在某一点 𝑎a 处展开成一个无穷多项式的形式:
- 麦克劳林展开
若选择 𝑎=0a=0,泰勒展开式变为麦克劳林展开(Maclaurin series),公式为:
- 收敛性
泰勒级数的收敛性取决于函数的性质和所选取的展开点 𝑎。并非所有函数在所有点都能用泰勒级数进行展开,有些情况下级数可能发散或在某点之外无穷大的情形。
- 余项估计
为衡量泰勒级数的误差,可以使用拉格朗日型余项公式:
其中 𝜉是某个介于 a 和 x 之间的点。
- 应用
泰勒展开广泛应用于物理学、工程学、经济学等领域,用于解决复杂函数的近似计算,求解微分方程,优化等问题。例如:
物理学中的近似计算。
数值计算中用于求近似值。
机器学习中的特征展开与模型近似。