Quartz 4

微积分

6 min read

微积分

🗂️ 内容导航

名称说明链接
极限与连续理解微积分的基础概念进入
导数与微分理解导数的概念、运算法则与应用进入
积分学理解不定积分、定积分与应用进入

核心观点：微积分是研究变化和累积的数学分支，是优化算法和连续建模的数学基础。

📊 微积分体系

graph TB
    subgraph 极限理论
        L1["数列极限<br/>收敛概念"]
        L2["函数极限<br/>连续性"]
        L3["无穷级数<br/>求和"]
    end    
    subgraph 微分学
        D1["导数<br/>变化率"]
        D2["微分<br/>线性近似"]
        D3["偏导数<br/>多元函数"]
    end    
    subgraph 积分学
        I1["不定积分<br/>原函数"]
        I2["定积分<br/>面积"]
        I3["多重积分<br/>体积"]
    end
    
    L1 & L2 & L3 --> D1 & D2 & D3
    D1 & D2 & D3 --> I1 & I2 & I3
    
    style L1 fill:#ffebee
    style D1 fill:#e3f2fd
    style I1 fill:#e8f5e9

📐 极限理论

极限定义

类型定义记法
数列极限aₙ - A
函数极限f(x) - L

极限性质

graph TB
    subgraph 极限运算法则
        A1["和差法则<br/>极限的和=和的极限"]
        A2["积商法则<br/>极限的积=积的极限"]
        A3["复合函数<br/>极限传递"]
    end    
    A1 & A2 & A3
    
    style A1 fill:#ffebee

连续性

概念定义意义
连续lim(x→x₀)f(x) = f(x₀)无跳跃
一致连续δ与x₀无关全局连续
可去间断极限存在≠函数值可修补
跳跃间断左右极限不等不可修补

📈 微分学

导数定义

定义公式意义
极限定义f’(x) = lim(h→0)[f(x+h)-f(x)]/h瞬时变化率
几何意义切线斜率局部线性化

求导法则

graph TB
    subgraph 基本法则
        A1["常数法则<br/>(c)' = 0"]
        A2["幂法则<br/>(xⁿ)' = nxⁿ⁻¹"]
        A3["乘法法则<br/>(uv)' = u'v + uv'"]
        A4["链式法则<br/>(f(g(x)))' = f'(g(x))g'(x)"]
    end    
    A1 & A2 & A3 & A4
    
    style A1 fill:#ffebee

常见函数导数

函数导数应用
常数0基准
幂函数nxⁿ⁻¹多项式
指数函数eˣ增长模型
对数函数1/x韦伯定律
三角函数sin/cos互换周期现象

偏导数与梯度

概念定义意义
偏导数∂f/∂x单变量变化率
梯度∇f = (∂f/∂x₁,…,∂f/∂xₙ)最速上升方向
方向导数∇f·u方向变化率
梯度下降原理：
θₙₑw = θ - α∇f(θ)

- α：学习率
- ∇f(θ)：梯度方向
- 负梯度：最速下降

📏 积分学

不定积分

公式意义
∫f(x)dx = F(x) + C原函数族
∫xⁿdx = xⁿ⁺¹/(n+1) + C幂函数
∫eˣdx = eˣ + C指数函数
∫sinxdx = -cosx + C三角函数

定积分

graph TB
    subgraph 定积分定义
        A1["黎曼和<br/>∑f(xᵢ)Δxᵢ"]
        A2["极限过程<br/>n→∞"]
        A3["积分值<br/>面积"]
    end    
    A1 --> A2 --> A3
    
    style A1 fill:#ffebee

微积分基本定理

定理内容意义
牛顿-莱布尼茨公式∫ₐᵇf(x)dx = F(b)-F(a)微分与积分互逆
变上限积分d/dx∫ₐˣf(t)dt = f(x)原函数存在

🤖 机器学习应用

损失函数优化

flowchart LR
    A["损失函数<br/>L(θ)"] --> B["求导<br/>∇L(θ)"]
    B --> C["梯度下降<br/>更新参数"]
    C --> D["收敛<br/>最优解"]
    
    style A fill:#fff3e0
    style B fill:#e3f2fd
    style C fill:#e8f5e9
    style D fill:#fce4ec

反向传播

层次运算微积分应用
前向传播y = f(Wx+b)函数复合
损失计算L = loss(y, ŷ)损失函数
反向传播∂L/∂W = ∂L/∂y·∂y/∂W链式法则

积分应用

应用公式场景
期望E[X] = ∫xf(x)dx期望计算
方差Var(X) = ∫(x-μ)²f(x)dx方差计算
概率P(a<X<b) = ∫ₐᵇf(x)dx概率计算

🎯 核心结论

微积分核心概念

  1. 极限：连续性的基础
  2. 导数：变化率的度量
  3. 积分：累积的计算
  4. 基本定理：微分与积分互逆
  5. 应用：优化与建模

学习路径

微积分学习四步骤：
1. 极限与连续：收敛概念
2. 微分学：导数与偏导数
3. 积分学：不定积分与定积分
4. 机器学习应用：优化与反向传播

📚 参考文献

  1. 《高等数学》- 同济大学
  2. 《微积分》- James Stewart
  3. 《普林斯顿微积分读本》
  4. 《机器学习中的数学》- 微积分部分
  5. 《深度学习》- 数学基础
  6. 《Mathematics for Machine Learning》
  7. 《Calculus Made Easy》- Silvanus Thompson
  8. 《微积分及其应用》- 刘绍学

3 items under this folder.