为什么要考虑函数的可微性? - 简单微积分

2018 年 8 月 28 日 遇见数学

让我们放松下来,

轻松地去探索

微积分的本质吧!


下文节选自《简单微积分》, 已获人邮图灵授权许可, [遇见数学] 特此表示感谢! 




微积分的真身

     微分的可能性

对于高中或者大学教材中的一些内容,一些学习者会产生这样的疑问:“这种理所当然的事情,为何还有学习的必要?”

这类内容其实比较难理解其意义,“可微性”就是其中一例。可微性在高中显露头角,到大学则会频繁出现。例如下面这个,

在原点不可微分。

图124 不可微函数的例子

或许有些读者并不了解,曲线顺滑(可以微分的)函数,它的极限也不一定可以微分。


这是比较专业的内容了,在这里简单地解释下。

图 125 表示的是“把顺滑的波按照一定规则,分别以 2 个( n = 2 )、3 个( n = 3 )、4 个( n = 4 )的形式合并出的图像”。右下方的函数是无限合并的波,叫作魏尔斯特拉斯函数。

合并的波在有限数量范围内是顺滑的,但是无限合并顺滑的波形成的魏尔斯特拉斯函数却在所有的点上都无法微分。

图125 直到形成魏尔斯特拉斯函数

因为存在这种例子,所以数学家每次说“可不可以微分” 时,都会让人神经敏感。比如说不可微函数,一般也很难计算其最大值。

这是因为,如果不可微分,就无法使用

微分 = 0

这个方程式,即任何位置都不可微的函数的图像都无限复杂。

即使从局部来看,不可微函数的图像也并不单纯,这一点和可微函数存在本质上的不同。

可能有人会认为,这种病态函数难道不是罕见的例子吗?但是,事实并非如此。像海岸线那种锯齿状且无法微分的例子,真是一点儿也不罕见。

登录查看更多
1

相关内容

在微积分(数学的一个分支)中,一个实变量的可微函数是一种函数,其导数存在于其域的每个点上。 结果,可微函数的图在其范围内的每个内部点必须具有(非垂直)切线,必须相对平滑,并且不能包含任何折断,角度或尖点。 更一般而言,如果x0是函数f的域中的内点,则如果存在导数f'(x0),则f在x0处是可微的。 这意味着f的图在点(x0,f(x0))处具有非垂直切线。 函数f在x0处也可以称为局部线性,因为它可以被该点附近的线性函数很好地近似。
最新《自动微分手册》77页pdf
专知会员服务
97+阅读 · 2020年6月6日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
专知会员服务
44+阅读 · 2020年3月6日
KGCN:使用TensorFlow进行知识图谱的机器学习
专知会员服务
80+阅读 · 2020年1月13日
从信息论的角度来理解损失函数
深度学习每日摘要
17+阅读 · 2019年4月7日
数据科学家需要了解的5种聚类算法
论智
4+阅读 · 2018年4月7日
从最大似然到EM算法:一致的理解方式
PaperWeekly
18+阅读 · 2018年3月19日
机器之心最干的文章:机器学习中的矩阵、向量求导
深度学习世界
12+阅读 · 2018年2月7日
理解神经网络的激活函数
论智
7+阅读 · 2018年1月8日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
大学数学不好,或许是数学教材的锅?
算法与数学之美
15+阅读 · 2017年8月1日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
人工神经网络
平均机器
14+阅读 · 2017年7月17日
[有意思的数学] 参数估计
机器学习和数学
14+阅读 · 2017年6月4日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关资讯
从信息论的角度来理解损失函数
深度学习每日摘要
17+阅读 · 2019年4月7日
数据科学家需要了解的5种聚类算法
论智
4+阅读 · 2018年4月7日
从最大似然到EM算法:一致的理解方式
PaperWeekly
18+阅读 · 2018年3月19日
机器之心最干的文章:机器学习中的矩阵、向量求导
深度学习世界
12+阅读 · 2018年2月7日
理解神经网络的激活函数
论智
7+阅读 · 2018年1月8日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
大学数学不好,或许是数学教材的锅?
算法与数学之美
15+阅读 · 2017年8月1日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
人工神经网络
平均机器
14+阅读 · 2017年7月17日
[有意思的数学] 参数估计
机器学习和数学
14+阅读 · 2017年6月4日
Top
微信扫码咨询专知VIP会员