اگر تابعی در یک نقطه تعریف شود، در آنجا پیوسته است.
نه لزوماً. شما میتوانید یک «نقطه» داشته باشید که خیلی بالاتر از بقیه خط شناور باشد. تابع وجود دارد، اما پیوسته نیست زیرا با مسیر نمودار مطابقت ندارد.
حدها و پیوستگی، سنگ بنای حساب دیفرانسیل و انتگرال هستند و نحوه رفتار توابع را هنگام نزدیک شدن به نقاط خاص تعریف میکنند. در حالی که یک حد، مقداری را که یک تابع از نزدیکی به آن نزدیک میشود توصیف میکند، پیوستگی مستلزم آن است که تابع واقعاً در آن نقطه وجود داشته باشد و با حد پیشبینیشده مطابقت داشته باشد و یک نمودار صاف و بدون شکست را تضمین کند.
مقداری که یک تابع با نزدیک و نزدیکتر شدن ورودی به یک عدد خاص، به آن نزدیک میشود.
ویژگی یک تابع که در آن هیچ پرش، حفره یا شکست ناگهانی در نمودار آن وجود ندارد.
| ویژگی | حد | تداوم |
|---|---|---|
| تعریف پایه | مقدار «هدف» همزمان با نزدیک شدن به آن | ماهیت «پیوسته»ی مسیر |
| الزام ۱ | رویکردها از چپ/راست باید مطابقت داشته باشند | تابع باید در نقطه تعریف شود |
| الزام ۲ | هدف باید یک عدد متناهی باشد | حد باید با مقدار واقعی مطابقت داشته باشد |
| نشانه بصری | اشاره به یک مقصد | یک خط صاف و بدون فاصله |
| نمادگذاری ریاضی | حد f(x) = L | حد f(x) = f(c) |
| استقلال | مستقل از ارزش واقعی نقطه | وابسته به ارزش واقعی نقطه |
به یک حد به عنوان یک مقصد GPS فکر کنید. شما میتوانید مستقیماً تا جلوی دروازه یک خانه رانندگی کنید، حتی اگر خود خانه تخریب شده باشد؛ مقصد (حد) هنوز وجود دارد. با این حال، تداوم نه تنها مستلزم وجود مقصد است، بلکه مستلزم آن است که خانه واقعاً آنجا باشد و شما بتوانید مستقیماً وارد آن شوید. به زبان ریاضی، حد جایی است که به سمت آن میروید و تداوم تأییدی است که شما واقعاً به یک نقطه ثابت رسیدهاید.
برای اینکه یک تابع در نقطه 'c' پیوسته باشد، باید از یک بررسی دقیق سه مرحلهای عبور کند. اول، حد باید هنگام نزدیک شدن به 'c' وجود داشته باشد. دوم، تابع باید در واقع در 'c' تعریف شده باشد (بدون حفره). سوم، آن دو مقدار باید یکسان باشند. اگر هر یک از این سه شرط برقرار نباشد، تابع در آن نقطه ناپیوسته در نظر گرفته میشود.
حدها فقط به همسایگی اطراف یک نقطه اهمیت میدهند. میتوانید یک «پرش» داشته باشید که در آن سمت چپ به ۵ و سمت راست به ۱۰ برسد؛ در این حالت، حد وجود ندارد زیرا هیچ توافقی وجود ندارد. برای پیوستگی، باید یک «تماس» (handshake) کامل بین سمت چپ، سمت راست و خود نقطه وجود داشته باشد. این تماس تضمین میکند که نمودار یک منحنی صاف و قابل پیشبینی است.
ما برای کار با شکلهایی که «سوراخ» دارند، به حد نیاز داریم، که این اتفاق اغلب هنگام تقسیم بر صفر در جبر رخ میدهد. پیوستگی برای «قضیه مقدار میانی» ضروری است، که تضمین میکند اگر یک تابع پیوسته از زیر صفر شروع شود و بالای صفر تمام شود، *باید* در نقطهای از صفر عبور کند. بدون پیوستگی، تابع میتواند به سادگی از روی محور «بپرد» بدون اینکه هرگز آن را لمس کند.
اگر تابعی در یک نقطه تعریف شود، در آنجا پیوسته است.
نه لزوماً. شما میتوانید یک «نقطه» داشته باشید که خیلی بالاتر از بقیه خط شناور باشد. تابع وجود دارد، اما پیوسته نیست زیرا با مسیر نمودار مطابقت ندارد.
حد همان مقدار تابع است.
این فقط در صورتی صادق است که تابع پیوسته باشد. در بسیاری از مسائل حساب دیفرانسیل و انتگرال، حد ممکن است ۵ باشد در حالی که مقدار واقعی تابع «تعریف نشده» یا حتی ۱۰ است.
مجانبهای عمودی حد دارند.
از نظر فنی، اگر یک تابع به سمت بینهایت برود، حد «وجود ندارد» میشود. در حالی که ما برای توصیف رفتار تابع، «lim = ∞» را مینویسیم، بینهایت یک عدد متناهی نیست، بنابراین حد در تعریف رسمی خود صدق نمیکند.
همیشه میتوانید با وارد کردن عدد، محدودیت را پیدا کنید.
این «جایگزینی مستقیم» فقط برای توابع پیوسته کار میکند. اگر جایگذاری عدد به شما 0/0 بدهد، با یک حفره مواجه هستید و برای یافتن حد واقعی باید از جبر یا قانون هوپیتال استفاده کنید.
وقتی نیاز دارید روند یک تابع را در نزدیکی نقطهای که ممکن است تعریف نشده یا «نامرتب» باشد، پیدا کنید، از حدها استفاده کنید. وقتی نیاز دارید ثابت کنید که یک فرآیند پایدار است و هیچ تغییر یا شکاف ناگهانی ندارد، از پیوستگی استفاده کنید.
در حالی که دانشمندان داده اغلب با هر دو اصطلاح در کاهش ابعاد مواجه میشوند، مؤلفههای اصلی جهت حداکثر واریانس در یک مجموعه داده را توصیف میکنند، در حالی که مقادیر منفرد، بزرگی مقیاسبندی را در امتداد آن محورهای هندسی در طول تجزیه ماتریس اندازهگیری میکنند. درک پل ریاضی آنها برای تسلط بر الگوریتمهایی مانند PCA و SVD ضروری است.
احتمال و آمار دو روی یک سکه ریاضی هستند که با عدم قطعیت از دو جهت مخالف برخورد میکنند. در حالی که احتمال، احتمال نتایج آینده را بر اساس مدلهای شناخته شده پیشبینی میکند، آمار دادههای گذشته را برای ساخت یا تأیید آن مدلها تجزیه و تحلیل میکند و به طور مؤثر از مشاهدات به عقب کار میکند تا حقیقت اساسی را پیدا کند.
اگرچه اغلب در مکالمات روزمره به جای یکدیگر استفاده میشوند، احتمال و شانس دو روش مختلف برای بیان احتمال یک رویداد هستند. احتمال تعداد نتایج مطلوب را با تعداد کل احتمالات مقایسه میکند، در حالی که شانس تعداد نتایج مطلوب را مستقیماً با تعداد نتایج نامطلوب مقایسه میکند.
در حالی که اعداد انتزاعی، کمیتها را به عنوان منطق نمادین محضِ تحتِ کنترلِ قوانینِ صوری و معادلاتِ جبری در نظر میگیرند، تفاسیرِ هندسی، همان مقادیر را به شکلها، خطوط و ابعادِ فضاییِ ملموس نگاشت میکنند. این دو دیدگاه، در کنار هم، زبانی دوگانه در ریاضیات تشکیل میدهند که کاراییِ نمادینِ بیحاصل را با درکِ بصریِ شهودی متعادل میکند.
در سطح بنیادی حساب، اعداد صحیح بزرگتر از یک به دو قلمرو مجزا تقسیم میشوند: اعداد اول، که به عنوان بلوکهای سازندهی تقسیمناپذیر ریاضیات عمل میکنند، و ساختارهای مرکب، که با ضرب آن اعداد اول در یکدیگر تشکیل میشوند. این تمایز همه چیز را از کاهش کسرهای ساده گرفته تا پروتکلهای رمزنگاری مدرن شکل میدهد.