机器学习课程-温州大学-高等数学回顾

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/fengdu78

摘要

文档主要回顾了高等数学中的导数与微分概念，包括导数的定义、基本导数表、复合函数的微分法以及曲率和曲率半径的计算方法。文档还涉及了莱布尼兹公式和拐点判别定理，并提供了参数方程的曲率计算公式。

AI总结

### 文档总结：《机器学习课程-温州大学-高等数学回顾》

本课程回顾了高等数学中与机器学习相关的基础知识，重点内容如下：

#### 1. 导数与微分
- **导数定义**：
$$ f^{\prime}(x_{0})=\lim_{\Delta x\to0}\frac{f(x_{0}+\Delta x)-f(x_{0})}{\Delta x} $$
或
$$ f^{\prime}(x_{0}) = \lim_{x \to x_{0}} \frac{f(x) - f(x_{0})}{x - x_{0}} $$

- **四则运算法则**：
- 和/差的导数：$ (u \pm v)^{\prime} = u^{\prime} \pm v^{\prime} $
- 积的导数：$ (uv)^{\prime} = uv^{\prime} + vu^{\prime} $
- 商的导数：$$ \left(\frac{u}{v}\right)^{\prime}=\frac{vu^{\prime}-uv^{\prime}}{v^{2}} \quad (v \neq 0) $$

- **基本导数公式**：
- 常数：$ y = c \Rightarrow y^{\prime} = 0 $
- 幂函数：$ y = x^{\alpha} \Rightarrow y^{\prime} = \alpha x^{\alpha - 1} $
- 指数函数：$ y = a^{x} \Rightarrow y^{\prime} = a^{x} \ln a $
- 对数函数：$ y = \log_{a}x \Rightarrow y^{\prime} = \frac{1}{x \ln a} $
- 双曲函数：$ y = \text{sh}x \Rightarrow y^{\prime} = \text{ch}x $；$ y = \text{ch}x \Rightarrow y^{\prime} = \text{sh}x $

#### 2. 复合函数与反函数的微分
- **复合函数**：若 $ y = f(\varphi(x)) $，则 $ y^{\prime} = f^{\prime}(\varphi(x)) \cdot \varphi^{\prime}(x) $
- **反函数**：若 $ y = f(x) $ 的反函数为 $ x = f^{-1}(y) $，则 $ \frac{dy}{dx} = \frac{1}{\frac{dx}{dy}} $

#### 3. 高阶导数
- 常用高阶导数公式：
- $ (a^{x})^{(n)} = a^{x} (\ln a)^{n} $
- $ (\sin kx)^{(n)} = k^{n} \sin(kx + n \cdot \frac{\pi}{2}) $
- $ (x^{m})^{(n)} = m(m-1)\cdots(m-n+1)x^{m-n} $
- 莱布尼兹公式：$ (uv)^{(n)} = \sum_{i=0}^{n} C_{n}^{i} u^{(i)} v^{(n-i)} $

#### 4. 曲率与曲率半径
- **曲线曲率**：$ k = \frac{|y^{\prime\prime}|}{(1 + y^{\prime}^{2})^{3/2}} $
- **参数方程曲率**：$$ k = \frac{|\varphi^{\prime}(t)\psi^{\prime\prime}(t) - \varphi^{\prime\prime}(t)\psi^{\prime}(t)|}{[\varphi^{\prime}(t)^{2} + \psi^{\prime}(t)^{2}]^{3/2}} $$
- **曲率半径**：$ \rho = \frac{1}{k} $

#### 5. 参考文献
- 主要参考：同济大学《高等数学》教材。

---

总结内容涵盖了高等数学的核心知识点，重点突出导数、微分、曲率等与机器学习相关的数学工具，便于快速回顾和理解。