欧拉公式详解-震惊,小学生也能看懂?

摘要:
@欧拉公式序言知识目录:幂律证明、加法规则、乘积规则证明、链式规则证明、从幂律和链式规则证明导出的三角函数的导数证明、指数函数的高阶导数继续推导尝试求e^x导数的导数、隐式函数推导、泰勒级数原点、,麦克劳林展开,欧拉公式前言本主题,欧拉公式序言今天,博主在B站观看了一段视频。该视频介绍了欧拉的定义、欧拉的名字、伯努利发明的数字,以及(e^i)、泰勒展开式和虚数。显然,这个函数可以导出,即这个坐标的斜率。

@

目录

欧拉公式

前言

今天博主在b站上看完了一个视频。此视频介绍了欧拉从定义(pi)、以欧拉命名、伯努利发明的数(e)(sin)(cos)以及(e^i)(e)的泰勒展开式以及虚数(i)
这是一篇学习笔记,有错误的话,感谢评论里指出。

前置知识

幂法则

如果(f(x)=x^n),那么(f'(x)=nx^{n-1})

证明

新的函数值是(f(x+mathrm{d}x)=(x+mathrm{d}x)^n=(x+mathrm{d}x)(x+mathrm{d}x)(x+mathrm{d}x)cdots(x+mathrm{d}x))
可以由二项式定理得到

[(x+mathrm{d}x)^n=sum^{n}_{i=0}left(egin{array}{c}i\ nend{array} ight)x^{n-i}(mathrm{d}x)^i=left(egin{array}{c}0\ nend{array} ight)x^n+left(egin{array}{c}1\ nend{array} ight)x^{n-1}mathrm{d}x+left(egin{array}{c}2\ nend{array} ight)x^{n-2}(mathrm{d}x)^2cdots ]

[df=f(x+mathrm{d}x)-f(x)=x^{n-1}mathrm{d}x+x^{n-2}(mathrm{d}x)^2cdots ]

[frac{df}{dx}=x^{n-1}+frac{n(n-1)}{2}x^{n-2}dx+frac{n(n-1)(n-2)}{6}x^{n-2}dxcdots ]

因为(dx)趋向(0),所以可以忽略含有(dx)的项,(frac{df}{dx}=x^{n-1})

加法则

两个函数(f(x))(g(x)),那么((f(x)+g(x))'=f'(x)+g'(x))

积法则

两个函数(f(x))(g(x)),那么((f(x)g(x))'=f(x)g'(x)+f'(x)g(x))

证明

由于相乘想到面积来可视化过程,设一个矩形长宽分别为(f(x))(g(x)),设(h(x)=(f(x)g(x))')
如图所示:
欧拉公式详解-震惊,小学生也能看懂?第1张
显然增加的面积就是三块有颜色面积的小矩形,绿红黄他们的面积之和为:

[f(x)mathrm{d}(g(x))+g(x)mathrm{d}(f(x))+mathrm{d}(f(x))mathrm{d}(g(x))=h'(x)mathrm{d}xRightarrow ]

[f(x)g'(x)mathrm{d}x+g(x)f'(x)mathrm{d}x+g'(x)mathrm{d}xf'(x)mathrm{d}x=h'(x)mathrm{d}x ]

那么(frac{h'(x)}{dx}=f(x)g'(x)+g(x)f'(x)+g'(x)f'(x)mathrm{d}x)
发现尾项与(mathrm{d}x)有关,当(mathrm{d}x)趋向(0)的时候可以忽略。

链式法则

两个函数(f(x))(g(x)),那么(f'(g(x))=f'(g(x))g'(x)),也就是(frac{mathrm{d}f}{mathrm{d}x}=frac{mathrm{d}f}{mathrm{d}g}frac{mathrm{d}g}{mathrm{d}x})

证明

(x)变化量为(dx)的时候,(g)函数变化量是(mathrm{d}(g(x)))
(f)函数的变化量为:

[mathrm{d}(f(g(x)))=f'(g(x))mathrm{d}(g(x))=f'(g(x))g'(x)mathrm{d}xRightarrow frac{mathrm{d}(f(g(x))}{mathrm{d}x}=f'(g(x))g'(x) ]

最后一步是由导数的定义得来的。

通过幂法则、链式法则推到商法则

三角函数的导数

(sin'(x)=cos(x))
(cos'(x)=-sin(x))

证明

高阶导数

(f^{(n)}(x))指的是(f(x))(n)阶导数。我自己的理解:描述(f(x))的变化函数是(f'(x)),描述(f'(x))的变化函数(f''(x)),也就是(f^{(n)})的变化受到(f^{(n+1)})的控制,如果控制(f^1)(f^2)···他们的函数都相等,那么"理论上"这两个函数是相等的。下面泰勒级数就用到这个思想。

继续

指数函数求导

尝试求导

(M(t)=2^t)

[frac{mathrm{d}M}{mathrm{d}t}=frac{2^{t+mathrm{d}t}-2^t}{mathrm{d}t}=2^tunderbrace{(frac{2^{mathrm{d}t}-1}{mathrm{d}t})}_{dt o0} ]

(frac{2^{mathrm{d}t}-1}{mathrm{d}t})趋向于一个常数(0.69314718056cdots)
同样函数(M(t)=3^t)同样的方法,后半部分将趋向于(1.09861228867cdots)
(M(t)=8^t o 2.07944154168cdots)
(1.09861228867cdots{ imes3}=2.07944154168cdots)
从指数上(8=2^3),说明这个常数是对于对某个数求对数函数得到的。
有没有哪个底数能是的这个系数为(1)呢?
((a^t)'=a^t)

e的出现

这个底数就是(e=2.71828cdots)

a^x的导数

由上面得到((a^x)'=a^xln(a))
(frac{d(e^{ct})}{mathrm{d}t}=ce^{ct})(c)是常数,由复合函数求导。
所有指数函数(a)写作(e^{ln(2)})
代入上式得到:(a^x=e^{ln(a)t})

隐函数求导

圆的方程式(x^2+y^2=r),这很显然,如果我们要对它求导怎么办?此时输入一个(x)不一定输出一个(y)。很显然这个函数是可以求导的,也就是求((x,y))这个坐标的斜率。

泰勒级数

由来

一个函数可以写成(f(x)=sum^n_{i=0}{a_ix^i}=a_0+a_1x_1+a_2x_2+cdots)
在高阶导数的时候说过,如果两个函数每一阶导数都相等,那么"理论上"两个函数是相等的。
因为我们有(cos'(x)=-sin(x))(cos''(x)=-cos(x))(cos'''(x)=sin(x))(cos''''(x)=cos(x))
此后就是(-sin(x))(-cos(x))(sin(x))(cos(x))循环,求导次数(x),其(x mod 4=1),(2),(3),(0)的时候分别对应这四个。
(cos(0)=1Rightarrow f(x)=a_0+sum_{i=1}^n{a_icdot0}=a_0=1)
(cos'(0)=0Rightarrow f'(x)=1cdot a_1+sum_{i=2}^n{(i-1)a_icdot0}=1!cdot a_1=0)
(cos''(0)=-1Rightarrow f''(x)=1cdot2cdot a_2+sum_{i=3}^n{(i-1)cdot(i-2)a_i}=2!cdot a_2=-1)
(cos'''(0)=0Rightarrow f'''(x)=1cdot2cdot3 a_3+sum_{i=4}^n{(i-1)cdot(i-2)cdot(i-3)a_i}=3!cdot a_3=0)
(cos''''(0)=1Rightarrow f''''(x)=1cdot2cdot3cdot4 a_4+sum_{i=5}^n{(i-1)cdot(i-2)cdot(i-3)cdot(i-4)a_i}=4!cdot a_4=1)

可以发现规律了,假设取了(i)次导数,且有(i=2n)

  • (n)是奇数有:(i!cdot a_i=-1Rightarrow a_i=-frac{1}{i!})

  • (n)是偶数有:(i!cdot a_i=1Rightarrow a_i=frac{1}{i!})

也就是(cos(x)=1-frac{x^2}{2!}+frac{x^4}{4!}-frac{x^6}{6!}+frac{x^4}{8!}-cdots)
同样的思路可以证明(sin(x)=sum^{infty}_{i=2n+1,nin N}{(-1)^nfrac{x^i}{i!}}=x-frac{x^3}{3!}+frac{x^5}{5!}-frac{x^7}{7!}+cdots)

证明(e^x=cdots)比这更容易,根据定义((e^x)'=e^x),重复上述过程即可。

麦克劳林展开式

(e^x=sum^infty_{i=0}{frac{x^i}{i!}}=1+frac{x^1}{1!}+frac{x^2}{2!}+frac{x^3}{3!}+frac{x^4}{4!}+cdots)
(sin(x)=sum^{infty}_{i=2n+1,nin N}{(-1)^nfrac{x^i}{i!}}=x-frac{x^3}{3!}+frac{x^5}{5!}-frac{x^7}{7!}+cdots)
(cos(x)=sum^{infty}_{i=2n,nin N}(-1)^nfrac{x^i}{i!}=1-frac{x^2}{2!}+frac{x^4}{4!}-frac{x^6}{6!}+cdots)

本文正题

(e^{ix}=1+frac{(ix)^1}{1!}+frac{(ix)^2}{2!}+frac{(ix)^3}{3!}+frac{(ix)^4}{4!}+frac{(ix)^5}{5!}=1+frac{ix}{1!}-frac{x^2}{2!}-frac{ix^3}{3!}+frac{x^4}{4!}+frac{ix^5}{5!}-cdots)

把带有(i)的提出来有:

(e^{ix}=1-frac{x^2}{2!}+frac{x^4}{4!}-frac{x^6}{6!}+cdots+i(x-frac{x^3}{3!}+frac{x^5}{5!}-frac{x^7}{7!})=cos(x)+i imes sin(x))

(x=pi)的时候

(e^{ipi}=cos(pi)+i imes sin(pi)=-1)

所以(e^{ipi}+1=0)

免责声明:文章转载自《欧拉公式详解-震惊,小学生也能看懂?》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇jmeter测试报告分析Ansible原理与安装部署下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

SciPy模块应用

1.图像模糊         图像的高斯模糊是非常经典的图像卷积例子。本质上,图像模糊就是将(灰度)图像I 和一个高斯核进行卷积操作:,其中是标准差为σ的二维高斯核。高斯模糊通常是其他图像处理操作的一部分,比如图像插值操作、兴趣点计算以及很多其他应用。SciPy 有用来做滤波操作的scipy.ndimage.filters 模块。该模块使用快速一维分离的方...

深度学习入门|第五章 误差反向传播法

误差反向传播法 前言 此为本人学习《深度学习入门》的学习笔记,详情请阅读原书 数值微分虽然简单,也容易实现,但是缺点是计算上比较费时间,本章介绍一个高效计算权重参数的梯度的方法--误差反向传播法 一、计算图 计算图将计算过程用图形表示出来。这里说的图形是数据结构图,通过多个节点和边表示(连接节点的直线称为“边”)。 1、用计算图求解 实例:太郎在超市买了...

中英文对照 —— 标点符号(punctuation)

有限的几个; What Are the Fourteen Punctuation Marks in English Grammar? period:句号;comma:逗号;冒号:colon;分号:semicolon; prime:上撇号,如数学分析中的一阶导数 f′(x) underscore:下划线;省略号:ellipsis; exclamatio...

激活函数总结

激活函数有什么用? 提到激活函数,最想问的一个问题肯定是它是干什么用的?激活函数的主要作用是提供网络的非线性表达建模能力,想象一下如果没有激活函数,那么神经网络只能表达线性映射,此刻即便是有再多的隐藏层,其整个网络和单层的神经网络都是等价的。因此正式由于激活函数的存在,深度神经网络才具有了强大的非线性学习能力。接下来我们就来盘点一下当前有哪些流行的激活函...

sympy简明用法

系统学习Sympy 什么是Sympy Sympy 是一个可以进行符号运算的第三方科学计算库,数学对象可以被精确的表达,而不是近似值,这也意味着带有未计算的未知量可以以符号的形式留在数学表达式中。 import sympy sympy.sqrt(3) #用Sympy表达无理数 sqrt(3) sympy.init_printing(use_unicod...

最优化 梯度 海塞矩阵

一、方向导数 limt->0f(x0+td)-f(x0) / t 存在 则该极限为f在x0处沿方向d的方向导数 记为 ∂ f/∂ d 下降方向: 方向导数∂ f/∂ d <0 ,则d为f在x0处的下降方向 二、梯度 对于向量x,若每个偏导数 ∂ f/∂ x(i) 都存在 则列向量为f在x处的梯度 记号 ▽f(x) 三、可微与梯度 可微则一定存在...