机器学习基础:高等数学

机器学习基础:高等数学1.导数定义: 导数和微分的概念 $$ f'({{x}{0}})=\underset{\Delta x\to 0}{\mathop{\lim }},\frac{f({{x}{0}}+\Delta x)

1.导数定义:

导数和微分的概念


f ( x 0 ) = lim Δ x 0 f ( x 0 + Δ x ) f ( x 0 ) Δ x 1 f'({{x}_{0}})=\underset{\Delta x\to 0}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x} (1)

或者:


f ( x 0 ) = lim x x 0 f ( x ) f ( x 0 ) x x 0 2 f'({{x}_{0}})=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f(x)-f({{x}_{0}})}{x-{{x}_{0}}}(2)

2.左右导数导数的几何意义和物理意义

函数
f ( x ) f(x)

x 0 x_0
处的左、右导数分别定义为:

左导数:


f ( x 0 ) = lim Δ x 0 f ( x 0 + Δ x ) f ( x 0 ) Δ x = lim x x 0 f ( x ) f ( x 0 ) x x 0 , ( x = x 0 + Δ x ) {{{f}’}_{-}}({{x}_{0}})=\underset{\Delta x\to {{0}^{-}}}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}=\underset{x\to x_{0}^{-}}{\mathop{\lim }}\,\frac{f(x)-f({{x}_{0}})}{x-{{x}_{0}}},(x={{x}_{0}}+\Delta x)

右导数:


f + ( x 0 ) = lim Δ x 0 + f ( x 0 + Δ x ) f ( x 0 ) Δ x = lim x x 0 + f ( x ) f ( x 0 ) x x 0 {{{f}’}_{+}}({{x}_{0}})=\underset{\Delta x\to {{0}^{+}}}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}=\underset{x\to x_{0}^{+}}{\mathop{\lim }}\,\frac{f(x)-f({{x}_{0}})}{x-{{x}_{0}}}

3.函数的可导性与连续性之间的关系

Th1: 函数
f ( x ) f(x)

x 0 x_0
处可微
f ( x ) \Leftrightarrow f(x)

x 0 x_0
处可导

Th2: 若函数在点
x 0 x_0
处可导,则
y = f ( x ) y=f(x)
在点
x 0 x_0
处连续,反之则不成立。即函数连续不一定可导。

Th3:
f ( x 0 ) {f}'({{x}_{0}})
存在
f ( x 0 ) = f + ( x 0 ) \Leftrightarrow {{{f}’}_{-}}({{x}_{0}})={{{f}’}_{+}}({{x}_{0}})

4.平面曲线的切线和法线

切线方程 :
y y 0 = f ( x 0 ) ( x x 0 ) y-{{y}_{0}}=f'({{x}_{0}})(x-{{x}_{0}})

法线方程:
y y 0 = 1 f ( x 0 ) ( x x 0 ) , f ( x 0 ) 0 y-{{y}_{0}}=-\frac{1}{f'({{x}_{0}})}(x-{{x}_{0}}),f'({{x}_{0}})\ne 0

5.四则运算法则

设函数
u = u ( x ) v = v ( x ) u=u(x),v=v(x)
]在点
x x
可导则

(1)
( u ± v ) = u ± v (u\pm v{)}’={u}’\pm {v}’

d ( u ± v ) = d u ± d v d(u\pm v)=du\pm dv

(2)
( u v ) = u v + v u (uv{)}’=u{v}’+v{u}’

d ( u v ) = u d v + v d u d(uv)=udv+vdu

(3)
( u v ) = v u u v v 2 ( v 0 ) (\frac{u}{v}{)}’=\frac{v{u}’-u{v}’}{{{v}^{2}}}(v\ne 0)

d ( u v ) = v d u u d v v 2 d(\frac{u}{v})=\frac{vdu-udv}{{{v}^{2}}}

6.基本导数与微分表

(1)
y = c y=c
(常数)
y = 0 {y}’=0

d y = 0 dy=0

(2)
y = x α y={{x}^{\alpha }}
(
α \alpha
为实数)
y = α x α 1 {y}’=\alpha {{x}^{\alpha -1}}

d y = α x α 1 d x dy=\alpha {{x}^{\alpha -1}}dx

(3)
y = a x y={{a}^{x}}

y = a x ln a {y}’={{a}^{x}}\ln a

d y = a x ln a d x dy={{a}^{x}}\ln adx
特例:
( e x ) = e x ({{{e}}^{x}}{)}’={{{e}}^{x}}

d ( e x ) = e x d x d({{{e}}^{x}})={{{e}}^{x}}dx

(4)
y = log a x y={{\log }_{a}}x

y = 1 x ln a {y}’=\frac{1}{x\ln a}


d y = 1 x ln a d x dy=\frac{1}{x\ln a}dx
特例:
y = ln x y=\ln x

( ln x ) = 1 x (\ln x{)}’=\frac{1}{x}

d ( ln x ) = 1 x d x d(\ln x)=\frac{1}{x}dx

(5)
y = sin x y=\sin x


y = cos x {y}’=\cos x

d ( sin x ) = cos x d x d(\sin x)=\cos xdx

(6)
y = cos x y=\cos x


y = sin x {y}’=-\sin x

d ( cos x ) = sin x d x d(\cos x)=-\sin xdx

(7)
y = tan x y=\tan x


y = 1 cos 2 x = sec 2 x {y}’=\frac{1}{{{\cos }^{2}}x}={{\sec }^{2}}x

d ( tan x ) = sec 2 x d x d(\tan x)={{\sec }^{2}}xdx

(8)
y = cot x y=\cot x

y = 1 sin 2 x = csc 2 x {y}’=-\frac{1}{{{\sin }^{2}}x}=-{{\csc }^{2}}x

d ( cot x ) = csc 2 x d x d(\cot x)=-{{\csc }^{2}}xdx

(9)
y = sec x y=\sec x

y = sec x tan x {y}’=\sec x\tan x


d ( sec x ) = sec x tan x d x d(\sec x)=\sec x\tan xdx
(10)
y = csc x y=\csc x

y = csc x cot x {y}’=-\csc x\cot x


d ( csc x ) = csc x cot x d x d(\csc x)=-\csc x\cot xdx
(11)
y = arcsin x y=\arcsin x


y = 1 1 x 2 {y}’=\frac{1}{\sqrt{1-{{x}^{2}}}}


d ( arcsin x ) = 1 1 x 2 d x d(\arcsin x)=\frac{1}{\sqrt{1-{{x}^{2}}}}dx
(12)
y = arccos x y=\arccos x


y = 1 1 x 2 {y}’=-\frac{1}{\sqrt{1-{{x}^{2}}}}

d ( arccos x ) = 1 1 x 2 d x d(\arccos x)=-\frac{1}{\sqrt{1-{{x}^{2}}}}dx

(13)
y = arctan x y=\arctan x


y = 1 1 + x 2 {y}’=\frac{1}{1+{{x}^{2}}}

d ( arctan x ) = 1 1 + x 2 d x d(\arctan x)=\frac{1}{1+{{x}^{2}}}dx

(14)
y = arc cot x y=\operatorname{arc}\cot x


y = 1 1 + x 2 {y}’=-\frac{1}{1+{{x}^{2}}}


d ( arc cot x ) = 1 1 + x 2 d x d(\operatorname{arc}\cot x)=-\frac{1}{1+{{x}^{2}}}dx
(15)
y = s h x y=shx


y = c h x {y}’=chx

d ( s h x ) = c h x d x d(shx)=chxdx

(16)
y = c h x y=chx


y = s h x {y}’=shx

d ( c h x ) = s h x d x d(chx)=shxdx

7.复合函数,反函数,隐函数以及参数方程所确定的函数的微分法

(1) 反函数的运算法则: 设
y = f ( x ) y=f(x)
在点
x x
的某邻域内单调连续,在点
x x
处可导且
f ( x ) 0 {f}'(x)\ne 0
,则其反函数在点
x x
所对应的
y y
处可导,并且有
d y d x = 1 d x d y \frac{dy}{dx}=\frac{1}{\frac{dx}{dy}}

(2) 复合函数的运算法则:若
μ = φ ( x ) \mu =\varphi (x)
在点
x x
可导,而
y = f ( μ ) y=f(\mu )
在对应点
μ \mu
(
μ = φ ( x ) \mu =\varphi (x)
)可导,则复合函数
y = f ( φ ( x ) ) y=f(\varphi (x))
在点
x x
可导,且
y = f ( μ ) φ ( x ) {y}’={f}'(\mu )\cdot {\varphi }'(x)

(3) 隐函数导数
d y d x \frac{dy}{dx}
的求法一般有三种方法:

1)方程两边对
x x
求导,要记住
y y

x x
的函数,则
y y
的函数是
x x
的复合函数.例如
1 y \frac{1}{y}

y 2 {{y}^{2}}

l n y ln y

e y {{{e}}^{y}}
等均是
x x
的复合函数. 对
x x
求导应按复合函数连锁法则做.

2)公式法.由
F ( x , y ) = 0 F(x,y)=0

d y d x = F x ( x , y ) F y ( x , y ) \frac{dy}{dx}=-\frac{{{{{F}’}}_{x}}(x,y)}{{{{{F}’}}_{y}}(x,y)}
,其中,
F x ( x , y ) {{{F}’}_{x}}(x,y)

F y ( x , y ) {{{F}’}_{y}}(x,y)
分别表示
F ( x , y ) F(x,y)

x x

y y
的偏导数

3)利用微分形式不变性

8.常用高阶导数公式

(1)
( a x ) ( n ) = a x ln n a ( a > 0 ) ( e x ) ( n ) = e x ({{a}^{x}}){{\,}^{(n)}}={{a}^{x}}{{\ln }^{n}}a\quad (a>{0})\quad \quad ({{{e}}^{x}}){{\,}^{(n)}}={e}{{\,}^{x}}

(2)
( sin k x ) ( n ) = k n sin ( k x + n π 2 ) (\sin kx{)}{{\,}^{(n)}}={{k}^{n}}\sin (kx+n\cdot \frac{\pi }{{2}})

(3)
( cos k x ) ( n ) = k n cos ( k x + n π 2 ) (\cos kx{)}{{\,}^{(n)}}={{k}^{n}}\cos (kx+n\cdot \frac{\pi }{{2}})

(4)
( x m ) ( n ) = m ( m 1 ) ( m n + 1 ) x m n ({{x}^{m}}){{\,}^{(n)}}=m(m-1)\cdots (m-n+1){{x}^{m-n}}

(5)
( ln x ) ( n ) = ( 1 ) ( n 1 ) ( n 1 ) ! x n (\ln x){{\,}^{(n)}}={{(-{1})}^{(n-{1})}}\frac{(n-{1})!}{{{x}^{n}}}

(6)莱布尼兹公式:若
u ( x ) , v ( x ) u(x)\,,v(x)

n n
阶可导,则
( u v ) ( n ) = i = 0 n c n i u ( i ) v ( n i ) {{(uv)}^{(n)}}=\sum\limits_{i={0}}^{n}{c_{n}^{i}{{u}^{(i)}}{{v}^{(n-i)}}}
,其中
u ( 0 ) = u {{u}^{({0})}}=u

v ( 0 ) = v {{v}^{({0})}}=v

9.微分中值定理,泰勒公式

Th1:(费马定理)

若函数
f ( x ) f(x)
满足条件:

(1)函数
f ( x ) f(x)

x 0 {{x}_{0}}
的某邻域内有定义,并且在此邻域内恒有
f ( x ) f ( x 0 ) f(x)\le f({{x}_{0}})

f ( x ) f ( x 0 ) f(x)\ge f({{x}_{0}})
,

(2)
f ( x ) f(x)

x 0 {{x}_{0}}
处可导,则有
f ( x 0 ) = 0 {f}'({{x}_{0}})=0

Th2:(罗尔定理)

设函数
f ( x ) f(x)
满足条件:

(1)在闭区间
[ a , b ] [a,b]
上连续;

(2)在
( a , b ) (a,b)
内可导;

(3)
f ( a ) = f ( b ) f(a)=f(b)

则在
( a , b ) (a,b)
内一存在个
ξ \xi
,使
f ( ξ ) = 0 {f}'(\xi )=0

Th3: (拉格朗日中值定理)

设函数
f ( x ) f(x)
满足条件:

(1)在
[ a , b ] [a,b]
上连续;

(2)在
( a , b ) (a,b)
内可导;

则在
( a , b ) (a,b)
内一存在个
ξ \xi
,使
f ( b ) f ( a ) b a = f ( ξ ) \frac{f(b)-f(a)}{b-a}={f}'(\xi )

Th4: (柯西中值定理)

设函数
f ( x ) f(x)

g ( x ) g(x)
满足条件: (1) 在
[ a , b ] [a,b]
上连续;

(2) 在
( a , b ) (a,b)
内可导且
f ( x ) {f}'(x)

g ( x ) {g}'(x)
均存在,且
g ( x ) 0 {g}'(x)\ne 0

则在
( a , b ) (a,b)
内存在一个
ξ \xi
,使
f ( b ) f ( a ) g ( b ) g ( a ) = f ( ξ ) g ( ξ ) \frac{f(b)-f(a)}{g(b)-g(a)}=\frac{{f}'(\xi )}{{g}'(\xi )}

10.洛必达法则

法则 Ⅰ (
0 0 \frac{0}{0}
型)

设函数
f ( x ) , g ( x ) f\left( x \right),g\left( x \right)

满足条件:


lim x x 0 f ( x ) = 0 , lim x x 0 g ( x ) = 0 \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,f\left( x \right)=0,\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,g\left( x \right)=0
;


f ( x ) , g ( x ) f\left( x \right),g\left( x \right)

x 0 {{x}_{0}}
的邻域内可导,(在
x 0 {{x}_{0}}
处可除外)且
g ( x ) 0 {g}’\left( x \right)\ne 0
;


lim x x 0 f ( x ) g ( x ) \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}’\left( x \right)}{{g}’\left( x \right)}
存在(或
\infty
)。

则:
lim x x 0 f ( x ) g ( x ) = lim x x 0 f ( x ) g ( x ) \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}’\left( x \right)}{{g}’\left( x \right)}
。 法则
I {{I}’}
(
0 0 \frac{0}{0}
型)

设函数
f ( x ) , g ( x ) f\left( x \right),g\left( x \right)

满足条件:


lim x f ( x ) = 0 , lim x g ( x ) = 0 \underset{x\to \infty }{\mathop{\lim }}\,f\left(x \right)=0,\underset{x \to \infty}{\mathop{\lim}}\,g\left(x \right)=0
;

存在一个
X > 0 X>0
,当
x > X \left| x \right|>X
时,
f ( x ) , g ( x ) f\left( x \right),g\left( x \right)
可导,且
g ( x ) 0 {g}’\left( x \right)\ne 0
;
lim x x 0 f ( x ) g ( x ) \underset{x\to {{x}_{0}}}{\mathop{\lim}}\,\frac{{f}’\left(x \right)}{{g}’\left(x \right)}
存在(或
\infty
)。

则:
lim x x 0 f ( x ) g ( x ) = lim x x 0 f ( x ) g ( x ) \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}’\left( x \right)}{{g}’\left( x \right)}

法则 Ⅱ(
\frac{\infty }{\infty }
型)

设函数
f ( x ) , g ( x ) f\left( x \right),g\left( x \right)
满足条件:
lim x x 0 f ( x ) = , lim x x 0 g ( x ) = \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,f\left( x \right)=\infty ,\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,g\left( x \right)=\infty
;


f ( x ) , g ( x ) f\left( x \right),g\left( x \right)

x 0 {{x}_{0}}
的邻域内可导(在
x 0 {{x}_{0}}
处可除外)且
g ( x ) 0 {g}’\left( x \right)\ne 0
;
lim x x 0 f ( x ) g ( x ) \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}’\left( x \right)}{{g}’\left( x \right)}
存在(或
\infty
)。


lim x x 0 f ( x ) g ( x ) = lim x x 0 f ( x ) g ( x ) . \underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}’\left( x \right)}{{g}’\left( x \right)}.

同理法则
I I {I{I}’}
(
\frac{\infty }{\infty }
型)仿法则
I {{I}’}
可写出。

11.泰勒公式

设函数
f ( x ) f(x)
在点
x 0 {{x}_{0}}
处的某邻域内具有
n + 1 n+1
阶导数,则对该邻域内异于
x 0 {{x}_{0}}
的任意点
x x
,在
x 0 {{x}_{0}}

x x
之间至少存在 一个
ξ \xi
,使得:


f ( x ) = f ( x 0 ) + f ( x 0 ) ( x x 0 ) + 1 2 ! f ( x 0 ) ( x x 0 ) 2 + f(x)=f({{x}_{0}})+{f}'({{x}_{0}})(x-{{x}_{0}})+\frac{1}{2!}{f}”({{x}_{0}}){{(x-{{x}_{0}})}^{2}}+\cdots


+ f ( n ) ( x 0 ) n ! ( x x 0 ) n + R n ( x ) +\frac{{{f}^{(n)}}({{x}_{0}})}{n!}{{(x-{{x}_{0}})}^{n}}+{{R}_{n}}(x)

其中
R n ( x ) = f ( n + 1 ) ( ξ ) ( n + 1 ) ! ( x x 0 ) n + 1 {{R}_{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{(x-{{x}_{0}})}^{n+1}}
称为
f ( x ) f(x)
在点
x 0 {{x}_{0}}
处的
n n
阶泰勒余项。


x 0 = 0 {{x}_{0}}=0
,则
n n
阶泰勒公式
f ( x ) = f ( 0 ) + f ( 0 ) x + 1 2 ! f ( 0 ) x 2 + + f ( n ) ( 0 ) n ! x n + R n ( x ) f(x)=f(0)+{f}'(0)x+\frac{1}{2!}{f}”(0){{x}^{2}}+\cdots +\frac{{{f}^{(n)}}(0)}{n!}{{x}^{n}}+{{R}_{n}}(x)
……(1)

其中
R n ( x ) = f ( n + 1 ) ( ξ ) ( n + 1 ) ! x n + 1 {{R}_{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{x}^{n+1}}

ξ \xi
在 0 与
x x
之间.(1)式称为麦克劳林公式

常用五种函数在
x 0 = 0 {{x}_{0}}=0
处的泰勒公式

(1)
e x = 1 + x + 1 2 ! x 2 + + 1 n ! x n + x n + 1 ( n + 1 ) ! e ξ {{{e}}^{x}}=1+x+\frac{1}{2!}{{x}^{2}}+\cdots +\frac{1}{n!}{{x}^{n}}+\frac{{{x}^{n+1}}}{(n+1)!}{{e}^{\xi }}


= 1 + x + 1 2 ! x 2 + + 1 n ! x n + o ( x n ) =1+x+\frac{1}{2!}{{x}^{2}}+\cdots +\frac{1}{n!}{{x}^{n}}+o({{x}^{n}})

(2)
sin x = x 1 3 ! x 3 + + x n n ! sin n π 2 + x n + 1 ( n + 1 ) ! sin ( ξ + n + 1 2 π ) \sin x=x-\frac{1}{3!}{{x}^{3}}+\cdots +\frac{{{x}^{n}}}{n!}\sin \frac{n\pi }{2}+\frac{{{x}^{n+1}}}{(n+1)!}\sin (\xi +\frac{n+1}{2}\pi )


= x 1 3 ! x 3 + + x n n ! sin n π 2 + o ( x n ) =x-\frac{1}{3!}{{x}^{3}}+\cdots +\frac{{{x}^{n}}}{n!}\sin \frac{n\pi }{2}+o({{x}^{n}})

(3)
cos x = 1 1 2 ! x 2 + + x n n ! cos n π 2 + x n + 1 ( n + 1 ) ! cos ( ξ + n + 1 2 π ) \cos x=1-\frac{1}{2!}{{x}^{2}}+\cdots +\frac{{{x}^{n}}}{n!}\cos \frac{n\pi }{2}+\frac{{{x}^{n+1}}}{(n+1)!}\cos (\xi +\frac{n+1}{2}\pi )


= 1 1 2 ! x 2 + + x n n ! cos n π 2 + o ( x n ) =1-\frac{1}{2!}{{x}^{2}}+\cdots +\frac{{{x}^{n}}}{n!}\cos \frac{n\pi }{2}+o({{x}^{n}})

(4)
ln ( 1 + x ) = x 1 2 x 2 + 1 3 x 3 + ( 1 ) n 1 x n n + ( 1 ) n x n + 1 ( n + 1 ) ( 1 + ξ ) n + 1 \ln (1+x)=x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+\frac{{{(-1)}^{n}}{{x}^{n+1}}}{(n+1){{(1+\xi )}^{n+1}}}


= x 1 2 x 2 + 1 3 x 3 + ( 1 ) n 1 x n n + o ( x n ) =x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+o({{x}^{n}})

(5)
( 1 + x ) m = 1 + m x + m ( m 1 ) 2 ! x 2 + + m ( m 1 ) ( m n + 1 ) n ! x n {{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots +\frac{m(m-1)\cdots (m-n+1)}{n!}{{x}^{n}}

+ m ( m 1 ) ( m n + 1 ) ( n + 1 ) ! x n + 1 ( 1 + ξ ) m n 1 +\frac{m(m-1)\cdots (m-n+1)}{(n+1)!}{{x}^{n+1}}{{(1+\xi )}^{m-n-1}}


( 1 + x ) m = 1 + m x + m ( m 1 ) 2 ! x 2 + {{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots

+ m ( m 1 ) ( m n + 1 ) n ! x n + o ( x n ) +\frac{m(m-1)\cdots(m-n+1)}{n!}{{x}^{n}}+o({{x}^{n}})

12.函数单调性的判断

Th1:

设函数
f ( x ) f(x)

( a , b ) (a,b)
区间内可导,如果对
x ( a , b ) \forall x\in (a,b)
,都有f\,'(x)>0(或f\,'(x)<0),则函数
f ( x ) f(x)

( a , b ) (a,b)
内是单调增加的(或单调减少)

Th2:

(取极值的必要条件)设函数
f ( x ) f(x)

x 0 {{x}_{0}}
处可导,且在
x 0 {{x}_{0}}
处取极值,则f\,'({{x}_{0}})=0

Th3:

(取极值的第一充分条件)设函数
f ( x ) f(x)

x 0 {{x}_{0}}
的某一邻域内可微,且f\,'({{x}_{0}})=0(或
f ( x ) f(x)

x 0 {{x}_{0}}
处连续,但f\,'({{x}_{0}})不存在。)

(1)若当
x x
经过
x 0 {{x}_{0}}
时,f\,'(x)由“+”变“-”,则
f ( x 0 ) f({{x}_{0}})
为极大值;

(2)若当
x x
经过
x 0 {{x}_{0}}
时,f\,'(x)由“-”变“+”,则
f ( x 0 ) f({{x}_{0}})
为极小值;

(3)若f\,'(x)经过
x = x 0 x={{x}_{0}}
的两侧不变号,则
f ( x 0 ) f({{x}_{0}})
不是极值。

Th4:

(取极值的第二充分条件)设
f ( x ) f(x)
在点
x 0 {{x}_{0}}
处有
f ( x ) 0 f”(x)\ne 0
,且f\,'({{x}_{0}})=0,则 当f’\,'({{x}_{0}})<0时,
f ( x 0 ) f({{x}_{0}})
为极大值; 当f’\,'({{x}_{0}})>0时,
f ( x 0 ) f({{x}_{0}})
为极小值。 注:如果f’\,'({{x}_{0}})<0,此方法失效。

13.渐近线的求法

(1)水平渐近线 若
lim x + f ( x ) = b \underset{x\to +\infty }{\mathop{\lim }}\,f(x)=b
,或
lim x f ( x ) = b \underset{x\to -\infty }{\mathop{\lim }}\,f(x)=b
,则


y = b y=b
称为函数
y = f ( x ) y=f(x)
的水平渐近线。

(2)铅直渐近线 若
lim x x 0 f ( x ) = \underset{x\to x_{0}^{-}}{\mathop{\lim }}\,f(x)=\infty
,或
lim x x 0 + f ( x ) = \underset{x\to x_{0}^{+}}{\mathop{\lim }}\,f(x)=\infty
,则


x = x 0 x={{x}_{0}}
称为
y = f ( x ) y=f(x)
的铅直渐近线。

(3)斜渐近线 若
a = lim x f ( x ) x , b = lim x [ f ( x ) a x ] a=\underset{x\to \infty }{\mathop{\lim }}\,\frac{f(x)}{x},\quad b=\underset{x\to \infty }{\mathop{\lim }}\,[f(x)-ax]
,则
y = a x + b y=ax+b
称为
y = f ( x ) y=f(x)
的斜渐近线。

14.函数凹凸性的判断

Th1: (凹凸性的判别定理)若在 I 上
f ( x ) < 0 f”(x)<0
(或
f ( x ) > 0 f”(x)>0
),则
f ( x ) f(x)
在 I 上是凸的(或凹的)。

Th2: (拐点的判别定理 1)若在
x 0 {{x}_{0}}

f ( x ) = 0 f”(x)=0
,(或
f ( x ) f”(x)
不存在),当
x x
变动经过
x 0 {{x}_{0}}
时,
f ( x ) f”(x)
变号,则
( x 0 , f ( x 0 ) ) ({{x}_{0}},f({{x}_{0}}))
为拐点。

Th3: (拐点的判别定理 2)设
f ( x ) f(x)

x 0 {{x}_{0}}
点的某邻域内有三阶导数,且
f ( x ) = 0 f”(x)=0

f ( x ) 0 f”'(x)\ne 0
,则
( x 0 , f ( x 0 ) ) ({{x}_{0}},f({{x}_{0}}))
为拐点。

15.弧微分


d S = 1 + y 2 d x dS=\sqrt{1+y{{‘}^{2}}}dx

16.曲率

曲线
y = f ( x ) y=f(x)
在点
( x , y ) (x,y)
处的曲率
k = y ( 1 + y 2 ) 3 2 k=\frac{\left| y” \right|}{{{(1+y{{‘}^{2}})}^{\tfrac{3}{2}}}}
。 对于参数方程
x = φ ( t )   y = ψ ( t ) x=\varphi (t)\ y=\psi (t)
,
k = φ ( t ) ψ ( t ) φ ( t ) ψ ( t ) [ φ 2 ( t ) + ψ 2 ( t ) ] 3 2 k=\frac{\left| \varphi ‘(t)\psi ”(t)-\varphi ”(t)\psi ‘(t) \right|}{{{[\varphi {{‘}^{2}}(t)+\psi {{‘}^{2}}(t)]}^{\tfrac{3}{2}}}}

17.曲率半径

曲线在点
M M
处的曲率
k ( k 0 ) k(k\ne 0)
与曲线在点
M M
处的曲率半径
ρ \rho
有如下关系:
ρ = 1 k \rho =\frac{1}{k}

今天的文章机器学习基础:高等数学分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/13929.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注