数学

1. 问题引入 2. 函数在某处带皮亚诺余项的n阶泰勒公式（基本概念：泰勒余项、绝对误差、皮亚诺余项） 3. 函数在某处带皮亚诺余项的n阶麦克劳林公式 4. 函数在某处带拉格朗日余项的n阶泰勒公式 5. 函数在某处带拉格朗日余项的n阶麦克劳林公式、拉格朗日中值公式是泰勒中值公式的一个特列 6. 指数函数的（n阶）麦克劳林公式 7. 正弦函数的（n阶）麦克劳林公式 8. 余弦函数的（n阶）麦克劳林公式 9. 对数函数的（n阶）麦克劳林公式 10. 幂函数的（n阶）麦克劳林公式 11. 例题 来源： CSDN 作者： 预见未来to50 链接： https://blog.csdn.net/hpdlzu80100/article/details/103663452

Math 属性: PI 圆周率 例子：var x=Math.xxxx(); sqrt() 一个非负数的平方根 nan pow() x的y次幂的值 Math.pow（x，y） abs() 返回参数的绝对值 floor() 向下取整 （括号里的数字） round() 四舍五入 ceil() 向上取整 max() 最大值 （选择多数中最大的值） min() 最小值 （选择多数中最小的值） random() 取随机数 0~1之间 document.write('取随机5-8的数：'+(Math.round(Math.random()*3+5))+'<br>'); <script> var yzl=Math.PI; var pfg=Math.sqrt(16); var Ncm=Math.pow(2,2); var jdz=Math.abs(-5); var xxqz=Math.floor(5.8); var xsqz=Math.ceil(2.4); var sswr=Math.round(4.6); var zdz=Math.max(5,2,7,6,45); var zxz=Math.min(8,6,5,3,1,0); var sjz=Math.random(); var sjz2=Math.round(Math.random()*10); document.write("圆周率："+yzl

数据库总结： 行列转换： case 字段 when 值 1 then 结果 when 值 2 then 结果 2 . . . else 默认结果 end 列转行 select 姓名 ， sum ( case 课程 when 语文 then 分数 else 0 end ) as 语文， sum ( case 课程 when 数学 then 分数 else 0 end ) as 数学， sum ( case 课程 when 英语 then 分数 else 0 end ) as 英语， from scores group by 姓名 select 日期， sum ( case 结果 when 胜 then res ) as 胜， sum ( case 结果 when 负 then res ) as 负 from （ select 日期，结果，count（ * ） res from A group by 日期，结果）t group by 日期 逆向 行转列 select 姓名 , '语文' as 课程 , 语文 as 分数 from scores2 union all select 姓名 , '数学' as 课程 , 数学 as 分数 from scores2 union all select 姓名 , '物理' as 课程 , 物理 as 分数 from scores2 order by

Mathtype在word中一些数学符号不能显示[比如符号上的波浪线],只能显示方框时的解决办法 解决方法 解决方法 打开C:\WINDOWS\Fonts，若里面有MT Extra(TrueType)字体或其快捷方式，则将其删除，再把MathType安装目录下\MathType 6.0\Fonts\TrueType\目录里面的MTEXTRA.TTF字体文件复制粘贴到C:\WINDOWS\Fonts文件夹中（粘贴时会有安装字体提示），完成字体完装。 来源： CSDN 作者： 光头披风侠@ 链接： https://blog.csdn.net/qq_31954417/article/details/103591581

早上10点左右待在公司待到现在，期间在看C Primer Plus（第五版），看累了的时候刷刷火影，到了这个点实在是有点累，想写下今天所看所学到的东西，但突然记不起自己今天看的都有些啥，如果出点题目可能还是可以写写，但是觉得这样似乎有点夸张，开始怀疑自己的记忆能力是不是和金鱼一样。 看了6个多小时的书，才看了不到100页，开始有点怀疑自己的智商了，其实感觉更多的是因为书籍前面自己看过了，但是并不牢固，重新开始看的时候难免会有一种看过了，跳跃性阅读以下就好了的思想，导致看了几分钟又要把书返回到前面仔细看书籍所说到的一些名词和各个知识点的一些特殊地方。 其实感觉最重要的是你要清楚自己为什么要去学习你现在所学习的东西，要抱着一种培养成兴趣的想法去学习吧。但是说实话在开始的时候的确会有厌倦，好比我现在学习数学的时候，并不会像我学习C这样感觉枯燥（可能这个词不太恰当，我感觉自己是比较喜欢多点习题，太过多文字说明，简要的说明后，尝试做一些错误的示范，指导看书的人去做，他们发现这是错误的做法后让他们尝试自己去找方法解决，或者思考一下为什么会错误这种方法更好吧），我现在在复习数学，比如说函数有奇函数和偶函数的区别，你简要说明奇函数和偶函数是什么，如何去分辨，然后我就开始做习题了，文字不需要太长，长我也记不住，就做题，忘了再回头看看，再做，忘了再看，虽然重复，但是我会有动力

函数式编程 阮一峰 《 函数式编程初探 》，阮一峰是《黑客与画家》的译者。 wiki 《 函数编程语言 》 一本好书，《 计算机程序的构造与解释 》有讲到scheme lisp, 不过是作为工具。重点还是再讲方法论，虽然只看了前言，已经觉得是非常好的书，非常有高度。 写这段话的人叫 艾伦佩利 。他为这本书做的序，写的更好。非常有高度，非常有智慧，即使不读这本书，也推荐读一下序。 《解释》是作为MIT的课程教材。其中提到了另一门课 6.231 可以作为该可的前导学习。也对应了一本英文版的教材《 dynamic programing and Optimal control 》，不过我没看，也没有列入计划。 lambda演算 0 我试图想要总结或者抄录一句话来定义，什么叫lambda演算，遗憾的是没有成功找到一句简洁又明晰的。如果一定要找一个的话，可能是这样的： 1 一篇轻松又好读的译文： 我的最爱Lambda演算——开篇 2 函数式编程的重要性在于lambda演算，而lambda演算则牵扯到了数学和公理体系。 理解 函数式编程 最重要的是理解什么是 lambda演算 ，理解lambda演算最重要的是理解什么是 函数 ，以及什么是 高阶函数 。 见 << lambda.pdf >> 柯里化：把任意多参数函数都转换成单参数的高阶函数。 个人理解：原来一切都是从lambda运行演进出来的

一、数学函数 　　数学函数主要用于处理数字，包括整型、浮点数等。 注：对大小写不敏感 ABS(x) 返回x的绝对值　　 SELECT ABS(-1) -- 返回1 CEIL(x),CEILING(x) 返回大于或等于x的最小整数　　 SELECT CEIL(1.5) -- 返回2 FLOOR(x) 返回小于或等于x的最大整数　　 SELECT FLOOR(1.5) -- 返回1 RAND() 返回0->1的随机数　　 SELECT RAND() --0.93099315644334 RAND(x) 返回0->1的随机数，x值相同时返回的随机数相同　　 种子一样 返回随机数一样 SELECT RAND(2) --1.5865798029924 PI() 返回圆周率(3.141593）　　 SELECT PI() --3.141593 TRUNCATE(x,y) 返回数值x保留到小数点后y位的值（与ROUND最大的区别是不会进行四舍五入）　　 SELECT TRUNCATE(1.23456,3) -- 1.234 ROUND(x,y) 保留x小数点后y位的值，但截断时要进行四舍五入　　 SELECT ROUND(1.23456,3) -- 1.235 POW(x,y).POWER(x,y) 返回x的y次方　　 SELECT POW(2,3) -- 8 SQRT(x) 返回x的平方根　　

这几天开始进入系分考试的正式复习，试着做了96年和97年的两份上午试题。因为还没有拿到相关复习资料，所以全是按自己目前的知识积累和开发经验来做。结果成绩很差，基本上在35分左右。 分析两次测试的答题情况，发现目前自己知识结构如下：计算机原理方面基本ok；软件工程方面尚可，命中率在70％左右；专业英语还有一定欠缺，主要是词汇量不够，但一般10分可以拿到7分左右；线性代数，离散数学，高等数学方面就几乎为0， 一些主要概念完全没有了印象，比如矩阵，积分公式等等。 每年的上午题有3道大题是关于数学方面的，可以用一句话来形容它的重要性——得之者得天下。是得找回以前的课本好好复习它们了。 来源： https://www.cnblogs.com/jimmyhsu/archive/2005/03/22/123353.html

主要内容： 什么是最小二乘 最小二乘的几何意义 正交投影矩阵 什么是最小二乘？ 假设我们手上有n组成对的数据，{(xi,yi):i=1…n}，为了探究y变量与x变量的关系，我们希望用一个多项式来匹配它，可是多项式中的系数怎么确定呢？拿来拼凑肯定是不行的，最小二乘法告诉我们，这个多项式的系数应该让每个点的误差的平方之和最小。 （百度百科） 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。 最小二乘的几何意义 最小二乘的几何意义：最小二乘法中的几何意义是高维空间中的一个向量在低维子空间的投影。 从上面的定义中，我们很难想象到最小二乘的几何意义，那么我们通过一个简单的例子来推导一下： 我们根据定义中的误差平方之和最小化来拟合直线： 每个点的误差表示： 最小误差的平方和： 要求解上面的最小化问题，我们可以通过求导的方式得到，最好是转化为矩阵表达形式：AX=b (这里x表示上述的系数a) 求得结果为： 如果通过超定方程的解法 ，很容易就可以得到上面结果。 先来说说向量表达形式： 小括号中表示：它是两个向量 [1, ... , 1]T 和 [x1, ... ,

数学归纳法初步 先介绍一种数学归纳法 首先，我们定义P(n)为关于自然数n的命题 #第一数学归纳法 (1)找到自然数n，使得P(n)成立; (2)假设P(k)(k≥n,k∈N)成立，若能证得P(n+1)也成立，则对于所有大于等于n的自然数，命题都成立. 具体这是怎么回事先不给出，之后我会慢慢更新。 来源： CSDN 作者： qq_31909473 链接： https://blog.csdn.net/qq_31909473/article/details/103551762