当前位置: 首页 > ai >正文

数学复习笔记 18

前言

复盘洛必达和拉格朗日求极限。

1.36

这题有点懵了,我一顿操作算出来答案错了。我想的是,两个 e 作差,那么我把后面的 e 提出来,然后非零因子淡化,然后等价无穷小,这里刚复习了洛必达,然后用洛必达一直洛,最后得到答案。但是答案错了。我哭了。 重新算了一遍,思路没啥问题,计算错了。这太致命了。我看了一下计算步骤,是 x 4 x^4 x4 求导,我心里想的是 4 x 3 4x^3 4x3 ,然后写的时候写的是 3 x 2 3x^2 3x2 ,手默默又给这个幂函数求导了一次,手没跟上脑子。多算了一次求导。下次一定要吸取经验教训。不然太亏了。

拉格朗日算极限

就是出现了两个式子对应法则一致,但是自变量取值不一致的时候,用拉格朗日求极限。

1.37

非零因子直接淡化,然后拉格朗日秒了。

1.38

拉格朗日需要求导,但是我导数表忘得差不多了。有点无奈。目前每天需要复习的就是泰勒公式,十个,导数表,积分表。然后就是简单的拉格朗日就能算出答案。

练习题

13-27 题,这里是十五个题。害,这对我来说根本不是复盘,我练习题压根之前就没咋写。之前是想写的练习册太多了,力量太分散了,现在集中力量,把一本刷穿吧。我从要写的最后一个题开始写,这样比较有写题状态一点。

27

求几个参数的问题,感觉是泰勒展开来做的。但是有三个参数,感觉有点懵。泰勒公式在讲义 21 面。首先把可能需要用到的泰勒公式抄写一遍,因为我现在还记不住,之后记住了就可以先默写一遍,然后把题目给的式子可以整理一下。整理成为常见的泰勒公式的类型。这里我们展开到三阶就可以了。题目说了。 1 1 − x \frac1{1-x} 1x1
1 1 + x \frac1{1+x} 1+x1这两个式子选一个泰勒展开,我也不知道用哪一个,试一试先。奥,本质上应该是一致的,所以用哪个都可以。也不是,应该是不一致的,用了其中一个算出来得出了一个矛盾的答案,所以应该是用另一个。不对啊,怎么算也会得出矛盾。这是怎么回事。我明白了,是要把原来的方程先整理一下再用泰勒公式。不对,算出啦还是不对。这题太难了,不会做了。原来是要展开到三阶,我有一个函数只展开到二阶,因为反正会消掉,没有影响呢。我的。

算了,复盘目前就做这个题了,之后的题之后再做了,感觉重点还是专业课啊,这样下去感觉专业课不可能考一百二了。

所以假设想要用泰勒公式解题,最关键的就是记住常见的泰勒公式的完整的表达式。

background music

《月光的信》金玟岐

2.1

复习一下矩阵。矩阵乘法就是行乘以列。观察可以发现,矩阵乘法不满足交换律,零因子律,消去律。也就是可以简单认为矩阵乘法是三无的,无交换律、零因子律、消去律。

http://www.xdnf.cn/news/6849.html

相关文章:

  • Codex与LangChain结合的智能代理架构:重塑软件开发的未来
  • python打卡day28
  • 管理前端项目依赖版本冲突导致启动失败的问题的解决办法
  • muduo库EventLoopThread模块详解——C++
  • DeepSeek快速指南:提升效率,告别内耗
  • Windows运维工具批处理版
  • [前端高频]数组转树、数组扁平化、深拷贝、JSON.stringifyJSON.parse等手撕
  • sizeof 和strlen的对比
  • 【C++ - 仿mudou库one thread one loop式高并发服务器实现】
  • 聊一聊如何确保接口文档的完整性和准确性
  • 深度学习中ONNX格式的模型文件
  • Linux——MySQL用户管理与链接
  • OpenAI Agent调用MCP Server案例分析
  • JavaScript【4】数组和其他内置对象(API)
  • 如何在 Windows 10 或 11 中安装 PowerShellGet 模块?
  • 【软考中级软件设计师】进程管理
  • Windows/MacOS WebStorm/IDEA 中开发 Uni-App 配置
  • Unable to get end effector tips from jmg
  • UDP三种通信方式
  • Harmony开发 List、Grid拖动自定义排序实现
  • 车载诊断架构 --- 核心网关流控制机制需求
  • Python训练打卡Day26
  • c++成员函数返回类对象引用和直接返回类对象的区别
  • 时间筛掉了不够坚定的东西
  • STM32之蜂鸣器和按键
  • Face Over 84.0| 利用AI技术交换照片或视频中的面孔,制作有趣内容
  • (8)python开发经验
  • 如何在纷杂的环境当中保持保持独立思考能力?
  • 基于多头自注意力机制(MHSA)增强的YOLOv11主干网络—面向高精度目标检测的结构创新与性能优化
  • HCIP第六次作业