关于函数的事情

什么是函数

在运动变化的观点下,函数指一个量(因变量)随另一个量(自变量)的变化而变化。例如,当自变量xxx在定义域内取每个确定值时,因变量yyy都有唯一确定的值与之对应。
比如:y=2x+1y=2x+1y=2x+1y=x2−4y=x^2-4y=x24

函数图像

定义

函数图像是所有有序数对 (x,f(x))(x,f(x))(x,f(x)) 组成的集合,其中xxx是定义域内的自变量,f(x)f(x)f(x) 是对应的因变量值。
在平面直角坐标系上,横轴(xxx轴)表示数对中的xxx,而数轴(yyy轴)表示数对中的f(x)f(x)f(x)
xxxf(x)f(x)f(x)为坐标的点一一连接,就构成了函数图像。
例如,函数y=4xy=4xy=4x的函数图像:
在这里插入图片描述

函数分类

幂函数(包括一次函数,二次函数)

形如y=xay=x^ay=xa的函数,以 xxx为底数,指数为常数。
例如:y=x2y=x^2y=x2y=xy=\sqrt xy=xy=x3+9y=x^3+9y=x3+9
函数图像:
y=x2y=x^2y=x2
![幂函数]图像(https://i-blog.csdnimg.cn/direct/6ea74a90bfe0477098a065a0ef0f01ea.png#pic_center)

指数函数

形如y=axy=a^xy=ax的函数,以xxx为指数,底数为常量。
例如:y=10xy=10^xy=10x
函数图像:
y=10xy=10^xy=10x
指数函数图像

对数函数

形如y=logaxy=log_axy=logax的函数,与指数函数互为反函数,两者的函数图像关于y=xy=xy=x对称。
例如:y=log10xy=log_{10}xy=log10x
函数图像:
y=log10xy=log_{10}xy=log10x
对数函数图像

与指数函数y=10xy=10^xy=10x图像作对比:
对数函数与指数函数对比
特殊性质:若两函数底数aaa互为倒数,则两函数的图像关于xxx轴对称。

三角函数

勾股定理:直角三角形的两条直角边长度分别为aaabbb,斜边长度为ccc,那么就有a2+b2=c2a^2+b^2=c^2a2+b2=c2
证明:
三角函数证明

如图,aaabbb为直角三角形的直角边长,ccc为斜边长。
大正方形的面积为(a+b)2=a2+b2+2ab(a+b)^2=a^2+b^2+2ab(a+b)2=a2+b2+2ab
四个三角形的面积为:4×ab2=2ab4\times\frac{ab}{2}=2ab4×2ab=2ab
那么中间小正方形的面积就是(a2+b2+2ab)−2ab=a2+b2(a^2+b^2+2ab)-2ab=a^2+b^2(a2+b2+2ab)2ab=a2+b2
同时又因为小正方形的边长也就是三角形斜边长为ccc,所以小正方形的面积也是c2c^2c2
可以得出a2+b2=c2a^2+b^2=c^2a2+b2=c2
三角函数
三角函数三个主要的组成分别是正弦sinsinsin,余弦coscoscos,正切tantantan,他们适用于直角三角形的锐角,反映的是对应边的比值。
1.sin,表示对边斜边\frac{对边}{斜边}斜边对边的值。
2.cos,表示邻边斜边\frac{邻边}{斜边}斜边邻边的值。
3.tan,表示对边邻边\frac{对边}{邻边}邻边对边的值。
特殊值

角度000303030454545606060909090
sin00012\frac{1}{2}2122\frac{\sqrt 2}{2}2232\frac{\sqrt 3}{2}23111
cos11132\frac{\sqrt 3}{2}2322\frac{\sqrt 2}{2}2212\frac{1}{2}21000
tan00033\frac{\sqrt 3}{3}331113\sqrt 33不存在(∞)(\infin)()
反比例函数

形如y=kxy=\frac{k}{x}y=xk(k≠0k\ne0k=0)的函数,此时,yyyxxx成反比例关系。
例如:y=1xy=\frac{1}{x}y=x1
定义域
x≠0x\ne0x=0y≠0y\ne0y=0
函数图像:
反比例函数的函数图像为双曲线。
k>0k>0k>0时,双曲线位于第一、三象限;
k<0k<0k<0时,双曲线位于第二、四象限。
y=1xy=\frac{1}{x}y=x1的函数图像。
反比例函数图像

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值