✍️
mathematics_basic_for_ML
  • README
  • README
    • Summary
    • Geometry
      • EulerAngle
      • Gimbal lock
      • Quaternion
      • RiemannianManifolds
      • RotationMatrix
      • SphericalHarmonics
    • Information
      • Divergence
      • 信息熵 entropy
    • LinearAlgebra
      • 2D仿射变换(2D Affine Transformation)
      • 2DTransformation
      • 3D变换(3D Transformation)
      • ComplexTransformation
      • Conjugate
      • Hessian
      • IllConditioning
      • 逆变换(Inverse transform)
      • SVD
      • det
      • eigendecomposition
      • 矩阵
      • norm
      • orthogonal
      • special_matrix
      • trace
      • vector
    • Mathematics
      • Complex
      • ExponentialDecay
      • average
      • calculus
      • convex
      • derivative
      • 距离
      • function
      • space
      • Formula
        • euler
        • jensen
        • taylor
        • trigonometric
    • Numbers
      • 几何级数
      • SpecialNumbers
    • NumericalComputation
      • ConstrainedOptimization
      • GradientDescent
      • Newton
      • Nominal
      • ODE_SDE
      • Preprocessing
    • Probability
      • bayes
      • distribution
      • expectation_variance
      • 贝叶斯公式
      • functions
      • likelihood
      • mixture_distribution
      • 一些术语
      • probability_distribution
Powered by GitBook
On this page
  • 微分
  • 积分
  • 微积分的基本定理
  • 第一基本定理
  • 第二基本定理 牛顿-莱布尼茨公式
  • 积分中值定理

Was this helpful?

  1. README
  2. Mathematics

calculus

PreviousaverageNextconvex

Last updated 2 years ago

Was this helpful?

微分

dx=Δxdy=f′(x)dxΔy=dy+O(Δx)f′(x)=dydx\begin{aligned} dx = \Delta x \\ dy = f'(x)dx \\ \Delta y = dy + O(\Delta x) f'(x) = \frac{dy}{dx} \end{aligned}dx=Δxdy=f′(x)dxΔy=dy+O(Δx)f′(x)=dxdy​​

积分

∫abf(x)dx=lim⁡λ→0∑i=1nf(ϵi)Δx\int_a^bf(x)dx = \lim_{\lambda\rightarrow 0}\sum_{i=1}^nf(\epsilon_i)\Delta x∫ab​f(x)dx=λ→0lim​i=1∑n​f(ϵi​)Δx

说明: $\lambda\rightarrow 0$:划分越线越好 $\sum_{i=1}^n$:所有子区间的面积之和 $f(\epsilon_i)$:用子区间内一个点的y代表整个区间的y $\Delta x$:子区间的x

微积分的基本定理

第一基本定理

设实函数f(x)在闭区间[a,b]上连续,如果

F(x)=∫axf(t)dtF(x) = \int_a^x f(t)dtF(x)=∫ax​f(t)dt

那么F(x)可导,且$F'(x) = f(x)$

第二基本定理 牛顿-莱布尼茨公式

若函数f(x)在[a, b]上连续,且存在原函数$F'(x) = f(x)$,则f(x)在[a, b]上可积,且

∫abf(x)dx=F(b)−F(a)\int_a^b f(x)dx = F(b) - F(a)∫ab​f(x)dx=F(b)−F(a)

积分中值定理

若函数f(x)在[a, b]上连续,则在[a, b]上至少存在一点$\xi$,使得:

∫abf(x)dx=f(ξ)(b−a)\int_a^b f(x)dx = f(\xi)(b-a)∫ab​f(x)dx=f(ξ)(b−a)