综合运用
从第一性原理出发的单变量微积分
现在把作图流程应用到整个函数族上。这里的目标不是精确到每一点,而是读出定性形状:两端往哪走,有几个起伏,在哪里爆炸。几个快速检查通常就能揭示轮廓。
对于多项式,最高次项决定两端行为。正首项系数的奇次多项式左下右上(像 x³);正首项系数的偶次多项式两端向上(像 x²)。转折点数量最多比次数少 1。
勾勒一个函数的草图就像是从头到尾遵循一份食谱。你不会品尝每一粒盐;你会按照你早已学会的既定步骤来操作——检查两端、寻找转折点、标记根——然后这道菜就成型了。你之前练习过的每一个步骤都是食谱中的一行,按顺序阅读它们就会给你最终的轮廓。
在机器学习中的应用一眼识别函数轮廓,是你理解激活函数和损失函数的方式。1/(x²+1) 的凸起是平滑注意力/加权核的形状;sigmoid 的 S 曲线、二次损失两端向上的碗形、奇函数非线性的左下右上:知道形状,就能在不代入数字的情况下理解函数在极端处的行为。
▶ 综合运用