深度学习-数学基础-高等数学

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。