直线与多项式

从第一性原理出发的单变量微积分

在微积分能做任何有趣的事情之前,你需要熟悉它作用的函数。早期最重要的两类是直线和多项式。好消息是,一旦知道看什么,你几乎可以直接从公式读出它们的性质——不一定需要画图。

直线是 y = mx + b。斜率 m 是陡峭程度(升高量除以水平距离);b 是它穿过 y 轴的位置。正的 m 向上倾斜,负的向下倾斜,0 表示水平。这就是直线的完整故事。

一支以稳定速率燃烧的蜡烛是一条完美的直线:它的高度每小时下降相同的量,因此公式 y = mx + b 有一个负的斜率 m(燃烧速率)和截距 b(初始高度)。被抛向空中的球则不同——它的高度上升,然后下降,描绘出一条抛物线,即二次函数 ax² + bx + c 的 U 形图像。一个弯曲,另一个保持笔直,而公式在你绘制哪怕一个点之前就已经告诉了你它是哪一个。

在机器学习中的应用多项式是 Taylor 近似(第 10 模块)的原材料:在某个点附近,几乎任何光滑函数——sigmoid、损失曲面——都能被低次多项式很好地近似。判别式的思想也会推广:在优化中,一个“二阶”量(Hessian 的特征值)的符号告诉你当前位置是碗形、穹顶还是鞍点——这正是这里 a 对抛物线所起的作用。
▶ 直线与多项式
← 通向积分的桥梁指数函数与对数 →