当前位置: 首页 > news >正文

回忆中学的函数

这篇文章,带你一次性回顾中学时代里的那些函数。如果对初中、高中的函数还记忆模糊,建议往下翻一翻。

目录
  • 一、函数的意义
    • 要素
    • 特征
  • 二、初阶函数
    • 1. 一次函数
      • 函数特征
      • 应用示例
    • 2. 反比例函数
      • 函数特征
      • 应用示例
    • 3. 二次函数
      • 函数特征
      • 应用示例
  • 三、高阶函数
    • 4. 指数函数
      • 函数特征
      • 应用示例
    • 5. 对数函数
      • 函数特征
      • 应用示例
    • 6. 幂函数
      • 函数特征
      • 应用示例
    • 7. 绝对函数
      • 函数特征
      • 应用示例
    • 8. Sigmoid函数
      • 函数特征
      • 应用示例
    • 9. 三角函数
      • 函数特征
      • 应用示例
  • 小结

一、函数的意义

如果说,学数学的核心就在于学习函数,应该没有人会不同意吧。

image-20250924171630287

数学应用的目的是求解现实中的各种问题,其中,为了模拟这种 "已知 xxx, 那么xxx" 论述的过程,函数是最重要的形式。通俗点说,函数就像一个“机器”:你输入一个值,它按照规则处理后输出一个结果

函数的定义通常记为:

\[y = f(x) \]

其中,x 叫自变量,y 是因变量,大致的意思就是 y 随着 x 的变化而变化,或者说 y 的取值和 x 离不开干系。

那么 f(x) 描述的就是这种关系本身,即通过 x 要怎样推断出 y 的值。

要素

严格说,函数包含三个要素,如下面的示例函数:

\[f(x)=2x+1 \]

  • 要素1, 定义域, x 的取值范围,如 \(x \in \mathbb{R}\)
  • 要素2, 值域,y 也就是 f(x) 的结果取值范围, 如 \(y \in \mathbb{R}\)
  • 要素3, 计算法则,即 f(x) 公式本身

特征

既然函数描述了数据之间的关系,而现实场景中数据的关系会存在一些规律,这些规律通过图像特征也能够直观的看出。一些常见的规律就包括:

单调性

函数单调性描述的是函数值随着自变量的变大是变大还是变小,如单调递增或递减。

举例:我们的愿望是,👉 工资和自己工作年限的关系是单调递增,工作越久,工资越高。

奇偶性

奇偶性描述的是函数在正负方向上的对称性,例如当x为2和-2时,y=4则为偶函数,若y=4和-4则为奇函数

举例:我是一面镜子,也是一个偶函数。

对称性

函数图像是否在某个轴或点上呈现对称结构,可以认为奇偶性是特殊的对称性。

举例:蝴蝶的翅膀是左右对称的。

周期性

周期性表示函数的图像或数值每隔一段时间,会重复一次

举例:钟表的指针运动、日出日落、心跳波形等等。

二、初阶函数

1. 一次函数

一次函数的公式如下:

\[y = kx + b \]

  • k 是斜率(不能为 0),表示函数的变化速度;
  • b 是常数,表示图像在 y 轴上的截距。

当 b = 0 时,函数变为 y = kx,是一个正比例函数。

在几何上,一次函数是一条直线,如下:

image-20250922112018568
函数特征
特征项 描述说明
📍 图像形状 一条直线
📈 斜率 k 决定直线的倾斜方向和陡峭程度
📍 截距 b 决定图像与 y 轴的交点位置
🔁 单调性 当 k>0,函数递增;当 k<0,函数递减
🧭 象限分布 根据 k 和 b 的符号,图像穿过不同象限
应用示例

假定你是一家小商店老板,需要做整体成本计算

  • 表达式:\(y =5x+100\)
  • 含义:x 代表 每件商品成本为 5 元,固定成本为 100 元。

2. 反比例函数

反比例函数的公式如下:

\[y = \frac{k}{x} \]

  • k 是常数,且 \(x≠0\)

反比例函数的图像是一条双曲线,如下:

image-20250922115301396

当 k > 0 时,图像位于第一象限和第三象限;

当 k < 0 时,图像位于第二象限和第四象限。

函数特征
特征项 描述说明
📍 图像形状 双曲线,两支分别位于对角象限
🔁 单调性 在每个象限内单调递减
🚫 不连续点 在 x=0 处无定义,图像断裂
🧭 对称性 关于原点中心对称
📈 渐近线 x轴和y轴是渐近线,图像无限接近但不相交
应用示例

.工厂作业时,计算工作效率与时间的关系

  • 表达式:\(y = \frac{10}{x}\)
  • 含义:完成同一任务所需时间 y 与工人数 x 成反比。
  • 举例:10人完成任务需1小时,5人则需2小时。

3. 二次函数

二次函数的公式如下:

\[y = ax^2 + bx + c \]

  • \(a \neq 0\),否则退化为一次函数;
  • b, c 为常数。

二次函数的图像是一条抛物线,如下:

image-20250924122906035

掌握二次函数需要理解判别式:

\[\Delta = { b^2 - 4ac} \]

判别式的符号与二次函数的图像特征有特定的关系,如下所示:

image-20250924122906035
函数特征
特征项 描述说明
📍 图像形状 抛物线
🔁 开口方向 a > 0 向上开口,a<0 向下开口
🎯 顶点坐标 \((-\frac{b}{2a}, \frac{4ac - b^2}{4a})\)
🧭 对称轴 \(x = -\frac{b}{2a}\)
📈 单调性 顶点左侧递减,右侧递增(或相反)
🚫 零点 与 x 轴交点由判别式 \(\Delta = b^2 - 4ac\) 决定
应用示例
image-20250924172112612

抛体运动高度计算,物体在竖直方向上,高度随时间变化的关系。

  • 表达式:\(y = -\frac{1}{2}gt^2 + v_0t + h_0\)

  • 含义: g 是重力,v0 是初始速度,h0 是初始高度。

三、高阶函数

4. 指数函数

指数函数的公式如下:

\[y = a^x \quad (a > 0, a \ne 1) \]

其中:

  • a 是底数,必须为正且不等于 1;
  • 函数值 y 是底数 a 的 x 次幂。

指数函数的图像是一条光滑曲线,如下:

image-20250924125709638
函数特征
条目 特征说明
📈 增减性 当 a > 1 时,函数递增;当 0<a<1 时,函数递减
📍 交点 图像恒过点 (0, 1),因为 \(a^0 = 1\)
🚫 渐近线 x 轴是水平渐近线,图像无限接近但不相交
🧭 定义域 \((-\infty, +\infty)\),值域为 \((0, +\infty)\)
🔁 单调性 在整个定义域内保持单调性,无极值点
应用示例
image-20250924172205676

金融场景下,利用指数函数进行复利计算:

  • 表达式:\(A = P(1 + r)^n\)
  • 含义:本金 P 在利率 r 下经过 n 期后的总额。

5. 对数函数

对数函数可看作是指数函数的反过程,对数函数的定义如下:

\[y = \log_a x \quad (a > 0,\ a \ne 1,\ x > 0) \]

  • 底数 a 的多少次幂等于 x,即 \(a^y = x\)
  • a是底数,必须为正且不等于 1
  • x 是正数,必须大于 0
  • y 是以 a 为底的 x 的对数

对数函数的图像是一条光滑曲线,和相应的指数函数沿着 y=x 直线呈对称关系,如下:

image-20250924133434386
函数特征
特征项 描述说明
📍 图像形状 曲线,呈现递增或递减
📈 单调性 当 a > 1,图像递增;当 0 < a < 1,图像递减
📍 交点 恒过点 (1, 0),因为 \(\log_a 1 = 0\)
🚫 渐近线 y 轴(即x = 0)是垂直渐近线
🧭 定义域 x > 0,值域为 (−∞,+∞)
应用示例

碳-14测年法(Carbon-14 dating)是一种非常重要的放射性同位素测定技术,可用来估算有机遗骸的年代。

当生物死亡后,它就不再吸收碳,体内的 \(^{14}C\) 开始以固定速率衰减。通过测量遗骸中剩余的 \(^{14}C\) 含量,就可以推算出死亡时间。

  • 表达式:\(N=N_0⋅e^{−λt}\),推出 \(t = \frac{1}{\lambda} \log_e \left( \frac{N_0}{N} \right)\)
  • 含义: N0 是初始碳-14量值,N 是当前值,λ 衰变常数,e是自然对数。

6. 幂函数

幂函数的公式如下:

\[f(x) = a \cdot x^n \]

  • a 是常数(通常为系数);
  • n 是幂指数,可以是正数、负数、分数甚至无理数;
  • 当 a = 1 时,函数简化为 \(f(x) = x^n\),这是最常见的形式。

从几何上看,幂函数的图像形状随指数 n 的不同而变化显著,如下:

image-20250924140341605
函数特征
幂指数 n 图像特征说明
正整数(偶数) 图像关于 y 轴对称,开口向上,如 \(y = x^2\)
正整数(奇数) 图像关于原点对称,穿过原点,如 \(y = x^3\)
分数指数 图像在第一象限,如 \(y = \sqrt{x}\),定义域为 \(x \geq 0\)
负整数 图像呈双曲线状,如 \(y = x^{-1}\),在 x = 0 处无定义
应用示例

电功率公式:\(P = I^2 R\)

  • 含义:其中 I是电流,R 是电阻。

  • 说明:该公式基于欧姆定律和功率公式结合得出,用于适用于电阻器、电热器等纯电阻负载的计算。

7. 绝对函数

绝对函数的公式如下:

\[f(x) = \begin{cases} x, & x \geq 0 \\ -x, & x < 0 \end{cases} \]

  • ∣x∣表示数 x 到原点的距离;
  • \(x \geq 0\),∣x∣=x;
  • \(x<0\),|x| = -x。

绝对函数本质上是一个分段函数,在图像上是一条“V” 型折线,如下:

image-20250924155419628
函数特征
特征项 描述说明
📍 图像形状 V 形折线,左右对称
📈 单调性 左侧递减,右侧递增;
📍 交点 顶点在原点 (0, 0),是图像的转折点;
🚫 斜率 左侧斜率为 -1,右侧斜率为 +1;
🧭 定义域 最小值为 0,无最大值。
应用示例

在评估传感器数值的准确度时,经常会使用 MAE 方法进行误差分析

  • 表达式:\(\text{MAE} = \frac{1}{n} \sum_{i=1}^{n} |\text{测量值}_i - \text{真实值}_i|\)
  • 含义:将多次历史数据的测量值与真实值之间的误差进行平均计算,得到评估的准确度。

8. Sigmoid函数

Sigmoid 函数(也称为 Logistic 函数)是一种收敛函数,适用于解决概率建模和二分类问题,也是机器学习和深度学习中常见的激活函数。

Sigmoid 函数的定义如下:

\[f(x) = \frac{1}{1 + e^{-x}} \]

  • e 是自然常数(约等于 2.718);
  • 输出值\(f(x) \in (0, 1)\),即将任意实数压缩到 0 到 1 的区间

从几何上看,Sigmoid 函数是一个值介于0和1之间的渐进式曲线,如下:

image-20250924163911136
函数特征
特征项 描述说明
📈 单调性 函数在整个定义域上单调递增
🎯 对称性 图像关于原点对称 \(f(-x) = 1 - f(x)\)
📍 极限值 \(x \to -\infty,f(x) \to 0\);当 \(x \to +\infty,f(x) \to 1\)
🧭 中心点 当 x = 0,f(x)=0.5,图像在此处最陡
🚫 渐近线 y 轴两侧分别有水平渐近线 y=0和 y=1
应用示例
image-20250924172521437

神经网络激活函数

  • 用于隐藏层或输出层,将神经元输出压缩到 (0,1)(0, 1) 区间;
  • 举例:在二分类问题中,输出值可解释为属于正类的概率。

9. 三角函数

三角函数是数学中用于描述角与边之间关系的基本函数,广泛应用于几何、物理、工程、天文等领域。

三角函数的公式如下:

\[\sin x = \frac{\text{对边}}{\text{斜边}}, \quad \cos x = \frac{\text{邻边}}{\text{斜边}}, \quad \tan x = \frac{\text{对边}}{\text{邻边}} \]

函数 图像形状 周期 振幅 对称性
\(\sin x\) 波浪形 \(2\pi\) 1 奇函数,关于原点对称
\(\cos x\) 波浪形 \(2\pi\) 1 偶函数,关于 y 轴对称
\(\tan x\) 间断曲线 \(\pi\) 无界 奇函数,关于原点对称
函数特征
img
应用示例
image-20250924172616856

物理振动建模,使用正弦波的数学表达式来描述物体振动随时间变化的波动情况。

  • 表达式:\(x(t) = A \sin(\omega t + \phi)\)
  • 含义:\(\omega 是角频率(波动的快慢),t 是时间,\phi 是初始偏移,A 是振幅\)
  • 举例:\(x(t)=5sin⁡(2πt),振幅为5米,\omega = 2\pi,即频率为 1 Hz(每秒一周期),初始偏移为0\)

小结

函数是中学数学教材的主要学习和考试内容,它同时也有着大量的实际场景应用。在机器学习和深度学习领域,存在不少以函数为基础的理论研究和实践。但不幸的是,对大部分职场老鸟来说,这些内容因时间和职业方向关系早已不再熟悉。本文对早期常见的一些基础函数做了整理,旨在帮助快速回顾并建立一些基础知识印象。

http://www.hskmm.com/?act=detail&tid=21534

相关文章:

  • Java 一行一行的读取文本,小Demo 大学问
  • 家里wifi电信出口ip如何控制不变,解决访问云服务器上面的资源
  • 2025 年挤压造粒机源头厂家最新推荐榜单:前五企业技术实力、服务能力及口碑测评指南对辊挤压/化肥挤压/干粉挤压造粒机厂家推荐
  • MYSQL数据库取消表的约束
  • 2025 年京东 e 卡回收平台最新推荐排行榜:权威测评实时结算平台,助力用户安全高效转让京东 e 卡
  • 2025 年支付宝消费券回收平台最新推荐榜单:优质平台权威测评,助您高效安全处理闲置消费券支付宝消费券回收/闲置支付宝消费券回收/支付宝消费券快速回收平台推荐
  • ICP备案查询网站 域名备案查询
  • 2025 年注浆管厂家最新权威推荐排行榜:聚焦 R780/108 / 隧道 / 预埋 / 桩基等专用产品,精选 TOP5 优质企业
  • stable diffusion网络结构详解
  • 9.30
  • 网络与系统攻防技术实验一——逆向破解与Bof
  • 【python】解决grpcio.protoc生成的pb文件里面没有类和方法定义
  • 阙韩
  • “计算机配置\Windows 设置\安全设置\本地策略\审核策略” 配置后不生效
  • Spring Boot 事件发布与监听 观察者模式的实际应用 - 实践
  • P13969 [VKOSHP 2024] Exchange and Deletion
  • Matlab 通用库的fft和dsp toolbox的dsp.fft对比
  • [CTS2024] 众生之门
  • [CEOI 2025] Equal Mex
  • [ROI 2018] Quick sort
  • CF2127F Hamed and AghaBalaSar
  • 2025 年PPH 管厂家推荐榜单:江苏镇江扬中优质 PPH 管道/管材/管件厂家权威精选
  • Label-Free Liver Tumor Segmentation
  • CF1951G Clacking Balls
  • [ABC311Ex] Many Illumination Plans
  • 2025 预分散颜料厂家最新推荐榜:超高含量技术 + 合规企业全景指南,纺丝 / 吹膜专用产品选型手册
  • 倍增思想与其优化
  • 2025 年 AI 健康管理领域推荐深护智康,社区、基层公卫、母婴 AI 健康管理、AI + 大健康管理、AI 健康管理师公司推荐
  • 2025 最新权威推荐:全国开锁公司口碑排行榜,含智能锁专项服务与紧急上门品牌详解汽车保险柜开锁/汽车锁开锁/保险柜开锁/智能开锁/快速上门开锁公司推荐
  • 从“看得见”到“能决策”:Operation Intelligence 重构企业智能运维新范式