(大年初二要幹嘛?深夜教台大學生算數學啊!)
雷翔宇 其實上面全部都算錯了,因為單個為正或為反並非1/2。最大是1/2,則六十籤為約萬分之三。
黃士修 這不叫錯誤,而是做機率的上限估計即可。實際上只會更難,不會更簡單。
雷翔宇 上面各樓的敘述都沒有言及這是上限估計,所以這毫無疑問是個錯誤。
黃士修 可能是你不知道這是常識所以大家其實都不用特地強調……
雷翔宇 上面沒有人說單個筊杯為正或為反是1/2,沒有人以此為前提,也沒有人在答案裡說這是最大值。
黃士修 你可以繼續捍衛自己的微小所知,但沒什麼意義就是了。
雷翔宇 舉例來說,如果單一個筊正反機率為2:1,那麼聖杯就只有4/9的機率,而不是1/2。
黃士修 但是你無從也沒有必要證明每一個細微的物理因素,否則就跟統計的意義背道而馳。
雷翔宇 筊明顯不是個正反面對稱的物體呢 「無從也沒有必要」不明所以
黃士修 對,理論上需要實驗,但實務上沒有必要進行實驗,如果知道「統計」的基本精神的話。所以說,不能讀死書是最重要的。
雷翔宇 黃士修說單一筊杯正面與反面是「『細微的』物理因素」呢,原來是這種認知啊,勉強になりました^_^
黃士修 以大數法則做粗估的話,那確實是細微的物理因素。話說你真的不用這樣崩潰。
雷翔宇 謝謝你豐富我的新春,讓我認識你的閱讀能力,太感謝你了!
黃士修 哪裡,你的閱讀能力要多加強,而且腦袋不能那麼僵硬,否則空讀再多書也無法活用。
雷翔宇 我不知道「你不知道這是常識」是在說什麼是常識,但您就繼續賣弄您自以為是的常識唄。
黃士修 知道自己不知道就好。常識不用賣弄,知識不應賣弄。學然後知不足,教然後知困。知不足,然後能自反也;知困,然後能自強也。
雷翔宇 (拍手)好棒棒!讚讚
黃士修 光是指出問題,沒有進一步思考,這樣是不行的。如果真的要細究這個問題也行,我們來做一個很簡單的思考實驗。
即使凸面因為形狀不對稱的關係,大幅影響笑筊的機率(反之,也大幅影響陰筊的機率),因為聖筊是一凸一平的設計,出現機率會互補,所以聖筊可以穩定維持在50%。
更進一步,假設出現凸面機率為x,出現平面機率為(1-x),則聖筊的機率為P=2x(1-x)。這是一個開口朝下的拋物線,並且可以透過配方法或算幾不等式求極值。P的最大值為1/2,發生在x=1/2,也就是凸面和平面機率相等的情形。
思考實驗和數量估計都是物理的基本能力,拋物線和求極值則是高中數學的內容。本來不想說那麼多,因為我真的認為是常識。有人堅持要以為我在賣弄知識,那我也只好秀兩手,請這位台大的同學回家多讀書了。
#我可以跟管老師投訴貴校語言學系不用學數學的嗎
--
【後記:另一位台大朋友發問,但沒抓到要點】
黃士修 你這樣只有重複指出問題,沒有進一步思考分析。
我示範給你看好了。
Case 1. 假設凸面機率 x=0.5
平面機率 1-x=0.5
聖筊機率 P=2x(1-x)=0.5
Case 2. 假設凸面機率 x=0.4
平面機率 1-x=0.6
聖筊機率 P=2x(1-x)=0.48
Case 3. 假設凸面機率 x=0.3
平面機率 1-x=0.7
聖筊機率 P=2x(1-x)=0.42
如果一只筊杯的平凸機率是七三開,這已經太過明顯,可以用直觀發現這只筊杯有問題。
所以,筊杯的平凸機率是六四開,其實已經是實務上的極限情況,然而聖筊機率卻仍然有48%,非常穩定。
不放心的話,可以再做一次逼近估計。
Case 4. 假設凸面機率 x=0.35
平面機率 1-x=0.65
聖筊機率 P=2x(1-x)=0.455
平凸機率是六成五對三成五,聖筊機率還是超過45%。
故我們可以放心地說,即使形狀或材質大幅影響筊杯的凸面機率,出現聖筊的機率仍然是相當公平的。
它的物理解釋就是,聖筊一凸一平,即使單一筊杯機率不公平,但因為兩個筊杯對稱互補,所以機率穩定公平。
這些,應該都是高中物理和數學的基本功。如果你不熟悉,代表過去讀書的方法不對。不懂得活用,讀再多書、考再多試,也是枉然。
--
💧捐款支持以核養綠,對抗反核利益團體
https://p.ecpay.com.tw/6DB45
✅現在就加以核養綠小幫手LINE好友
https://line.me/R/ti/p/%40yyy2460i
同時也有1部Youtube影片,追蹤數超過4萬的網紅呂冠緯 / 冠緯學長陪你學,也在其Youtube影片中提到,...
「算幾不等式證明」的推薦目錄:
- 關於算幾不等式證明 在 黃土條 Facebook
- 關於算幾不等式證明 在 李開復 Kai-Fu Lee Facebook
- 關於算幾不等式證明 在 辣媽英文天后 林俐 Carol Facebook
- 關於算幾不等式證明 在 呂冠緯 / 冠緯學長陪你學 Youtube
- 關於算幾不等式證明 在 Re: [問題] 算幾不等式為何必須限制R+ - 看板tutor 的評價
- 關於算幾不等式證明 在 [解題] 國中數學不等式證明- 看板tutor | PTT職涯區 的評價
- 關於算幾不等式證明 在 國立台東高級中學九十五學年度第一學期 期末考一年級原藝班 ... 的評價
- 關於算幾不等式證明 在 算幾不等式幾何在PTT/Dcard完整相關資訊 的評價
- 關於算幾不等式證明 在 算幾不等式幾何在PTT/Dcard完整相關資訊 的評價
算幾不等式證明 在 李開復 Kai-Fu Lee Facebook 八卦
創新工場“AI蒙汗藥”入選NeurIPS 2019,3年VC+AI佈局進入科研收穫季
本文來自量子位微信公眾號
……………………………………………………………………
NeurIPS 2019放榜,創新工場AI工程院論文在列。
名為“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”。
一作是創新工場南京國際AI研究院執行院長馮霽,二作是創新工場南京國際人工智慧研究院研究員蔡其志,南京大學AI大牛周志華教授也在作者列。
論文提出了一種高效生成對抗訓練樣本的方法DeepConfuse,通過微弱擾動資料庫的方式,徹底破壞對應的學習系統的性能,達到“資料下毒”的目的。
創新工場介紹稱,這一研究就並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅,還能協助針對性地制定防範“AI駭客”的完善方案,推動AI安全攻防領域的發展。
NeurIPS,全稱神經資訊處理系統大會(Conference and Workshop on Neural Information Processing Systems),自1987年誕生至今已有32年的歷史,一直以來備受學術界和產業界的高度關注,是AI學術領域的“華山論劍”。
作為AI領域頂會,NeurIPS也是最火爆的那個,去年會議門票在數分鐘內被搶光,而且在論文的投稿錄取上,競爭同樣激烈。
今年,NeurIPS會議的論文投稿量再創新高,共收到6743篇投稿,最終錄取1428篇論文,錄取率為21.2%。
▌“資料下毒”論文入選頂會NeurIPS
那這次創新工場AI工程院這篇入選論文,核心議題是什麼?
我們先拆解說說。
近年來,機器學習熱度不斷攀升,並逐漸在不同應用領域解決各式各樣的問題。不過,卻很少有人意識到,其實機器學習本身也很容易受到攻擊,模型並非想像中堅不可摧。
例如,在訓練(學習階段)或是預測(推理階段)這兩個過程中,機器學習模型就都有可能被對手攻擊,而攻擊的手段也是多種多樣。
創新工場AI工程院為此專門成立了AI安全實驗室,針對人工智慧系統的安全性進行了深入對評估和研究。
在被NeurIPS收錄的論文中,核心貢獻就是提出了高效生成對抗訓練資料的最先進方法之一——DeepConfuse。
▌給數據下毒
通過劫持神經網路的訓練過程,教會雜訊生成器為訓練樣本添加一個有界的擾動,使得該訓練樣本訓練得到的機器學習模型在面對測試樣本時的泛化能力盡可能地差,非常巧妙地實現了“資料下毒”。
顧名思義,“資料下毒”即讓訓練資料“中毒”,具體的攻擊策略是通過干擾模型的訓練過程,對其完整性造成影響,進而讓模型的後續預測過程出現偏差。
“資料下毒”與常見的“對抗樣本攻擊”是不同的攻擊手段,存在於不同的威脅場景:前者通過修改訓練資料讓模型“中毒”,後者通過修改待測試的樣本讓模型“受騙”。
舉例來說,假如一家從事機器人視覺技術開發的公司希望訓練機器人識別現實場景中的器物、人員、車輛等,卻不慎被入侵者利用論文中提及的方法篡改了訓練資料。
研發人員在目視檢查訓練資料時,通常不會感知到異常(因為使資料“中毒”的噪音資料在圖像層面很難被肉眼識別),訓練過程也一如既往地順利。
但這時訓練出來的深度學習模型在泛化能力上會大幅退化,用這樣的模型驅動的機器人在真實場景中會徹底“懵圈”,陷入什麼也認不出的尷尬境地。
更有甚者,攻擊者還可以精心調整“下毒”時所用的噪音資料,使得訓練出來的機器人視覺模型“故意認錯”某些東西,比如將障礙認成是通路,或將危險場景標記成安全場景等。
為了達成這一目的,這篇論文設計了一種可以生成對抗雜訊的自編碼器神經網路DeepConfuse。
通過觀察一個假想分類器的訓練過程更新自己的權重,產生“有毒性”的雜訊,從而為“受害的”分類器帶來最低下的泛化效率,而這個過程可以被歸結為一個具有非線性等式約束的非凸優化問題。
▌下毒無痕,毒性不小
從實驗資料可以發現,在MNIST、CIFAR-10以及縮減版的IMAGENET這些不同資料集上,使用“未被下毒”的訓練資料集和“中毒”的訓練資料集所訓練的系統模型在分類精度上存在較大的差異,效果非常可觀。
與此同時,從實驗結果來看,該方法生成的對抗雜訊具有通用性,即便是在隨機森林和支援向量機這些非神經網路上也有較好表現。
其中,藍色為使用“未被下毒”的訓練資料訓練出的模型在泛化能力上的測試表現,橙色為使用“中毒”訓練資料訓練出的模型的在泛化能力上的測試表現。
在CIFAR和IMAGENET資料集上的表現也具有相似效果,證明該方法所產生的對抗訓練樣本在不同的網路結構上具有很高的遷移能力。
此外,論文中提出的方法還能有效擴展至針對特定標籤的情形下,即攻擊者希望通過一些預先指定的規則使模型分類錯誤,例如將“貓”錯誤分類成“狗”,讓模型按照攻擊者計畫,定向發生錯誤。
例如,下圖為MINIST資料集上,不同場景下測試集上混淆矩陣的表現,分別為乾淨訓練資料集、無特定標籤的訓練資料集、以及有特定標籤的訓練資料集。
實驗結果有力證明,為有特定標籤的訓練資料集做相應設置的有效性,未來有機會通過修改設置以實現更多特定的任務。
對資料“下毒”技術的研究並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅,更重要的是,只有深入研究相關的入侵或攻擊技術,才能有針對性地制定防範“AI駭客”的完善方案。
隨著AI演算法、AI系統在國計民生相關的領域逐漸得到普及與推廣,科研人員必須透徹地掌握AI安全攻防的前沿技術,並有針對性地為自動駕駛、AI輔助醫療、AI輔助投資等涉及生命安全、財富安全的領域研發最有效的防護手段。
▌還關注聯邦學習
除了安全問題之外,人工智慧應用的資料隱私問題,也是創新工場AI安全實驗室重點關注的議題之一。
近年來,隨著人工智慧技術的高速發展,社會各界對隱私保護及資料安全的需求加強,聯邦學習技術應運而生,並開始越來越多地受到學術界和工業界的關注。
具體而言,聯邦學習系統是一個分散式的具有多個參與者的機器學習框架,每一個聯邦學習的參與者不需要與其餘幾方共用自己的訓練資料,但仍然能利用其餘幾方參與者提供的資訊更好的訓練聯合模型。
換言之,各方可以在在不共用資料的情況下,共用資料產生的知識,達到共贏。
創新工場AI工程院也十分看好聯邦學習技術的巨大應用潛力。
今年3月,“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”論文的作者、創新工場南京國際人工智慧研究院執行院長馮霽代表創新工場當選為IEEE聯邦學習標準制定委員會副主席,著手推進制定AI協同及大資料安全領域首個國際標準。
創新工場也將成為聯邦學習這一技術“立法”的直接參與者。
▌創新工場AI工程院科研成績單
創新工場憑藉獨特的VC+AI(風險投資與AI研發相結合)的架構,致力於扮演前沿科研與AI商業化之間的橋樑角色。
創新工場2019年廣泛開展科研合作,與其他國際科研機構合作的論文,入選多項國際頂級會議,除上述介紹的“資料下毒”論文入選NeurlPS之外,還有8篇收錄至五大學術頂會,涉及影像處理、自動駕駛、自然語言處理、金融AI和區塊鏈等方向。
┃兩篇論文入選ICCV
Disentangling Propagation and Generation for Video Prediction
https://arxiv.org/abs/1812.00452
這篇論文的主要工作圍繞一個視頻預測的任務展開,即在一個視頻中,給定前幾幀的圖片預測接下來的一幀或多幀的圖片。
Joint Monocular 3D Vehicle Detection and Tracking
https://arxiv.org/abs/1811.10742
這篇論文提出了一種全新的線上三維車輛檢測與跟蹤的聯合框架,不僅能隨著時間關聯車輛的檢測結果,同時可以利用單目攝像機獲取的二維移動資訊估計三維的車輛資訊。
┃一篇論文入選IROS
Monocular Plan View Networks for Autonomous Driving
http://arxiv.org/abs/1905.06937
針對端到端的控制學習問題提出了一個對當前觀察的視角轉換,將其稱之為規劃視角,它把將當前的觀察視角轉化至一個鳥瞰視角。具體的,在自動駕駛的問題下,在第一人稱視角中檢測行人和車輛並將其投影至一個俯瞰視角。
┃三篇論文入選EMNLP
Multiplex Word Embeddings for Selectional Preference Acquisition
提出了一種multiplex詞向量模型。在該模型中,對於每個詞而言,其向量包含兩部分,主向量和關係向量,其中主向量代表總體語義,關係向量用於表達這個詞在不同關係上的特徵,每個詞的最終向量由這兩種向量融合得到。
What You See is What You Get: Visual Pronoun Coreference Resolution in Dialogues
https://assert.pub/papers/1909.00421
提出了一個新模型(VisCoref)及一個配套資料集(VisPro),用以研究如何將代詞指代與視覺資訊進行整合。
Reading Like HER: Human Reading Inspired Extractive Summarization
人類通過閱讀進行文本語義的摘要總結大體上可以分為兩個階段:1)通過粗略地閱讀獲取文本的概要資訊,2)進而進行細緻的閱讀選取關鍵句子形成摘要。
本文提出一種新的抽取式摘要方法來模擬以上兩個階段,該方法將文檔抽取式摘要形式化為一個帶有上下文的多臂老虎機問題,並採用策略梯度方法來求解。
┃一篇論文入選IEEE TVCG
sPortfolio: Stratified Visual Analysis of Stock Portfolios
https://www.ncbi.nlm.nih.gov/pubmed/31443006
主要是對於金融市場中的投資組合和多因數模型進行可視分析的研究。通過三個方面的分析任務來幫助投資者進行日常分析並升決策準確性。
並提出了一個全新的視覺化分析系統sPortfolio,它允許使用者根據持倉,因數和歷史策略來觀察投資組合的市場。sPortfolio提供了四個良好協調的視圖。
┃一篇論文入選NSDI
Monoxide: Scale Out Blockchain with Asynchronized Consensus Zones
https://www.usenix.org/system/files/nsdi19-wang-jiaping.pdf
提出了一種名為非同步共識組 Monoxide 的區塊鏈擴容方案,可以在由 4.8 萬個全球節點組成的測試環境中,實現比比特幣網路高出 1000 倍的每秒交易處理量,以及 2000 倍的狀態記憶體容量,有望打破“不可能三角”這個長期困擾區塊鏈性能的瓶頸。
▌獨特的“科研助推商業”思路
國內VC,發表論文都很少見,為什麼創新工場如此做?
這背後在於其“VC+AI”模式。
最獨特之處在于,創新工場的AI工程院可以通過廣泛的科研合作以及自身的科研團隊,密切跟蹤前沿科研領域裡最有可能轉變為未來商業價值的科研方向。
這種“科研助推商業”的思路力圖儘早發現有未來商業價值的學術研究,然後在保護各方智慧財產權和商業利益的前提下積極與相關科研方開展合作。
同時,由AI工程院的產品研發團隊嘗試該項技術在不同商業場景裡可能的產品方向、研發產品原型,並由商務拓展團隊推動產品在真實商業領域的落地測試,繼而可以為創新工場的風險投資團隊帶來早期識別、投資高價值賽道的寶貴機會。
“科研助推商業”並不是簡單地尋找有前景的科研專案,而是將技術跟蹤、人才跟蹤、實驗室合作、智慧財產權合作、技術轉化、原型產品快速反覆運算、商務拓展、財務投資等多維度的工作整合在一個統一的資源體系內,用市場價值為導向,有計劃地銜接學術科研與商業實踐。
以AI為代表的高新技術目前正進入商業落地優先的深入發展期,產業大環境亟需前沿科研技術與實際商業場景的有機結合。
創新工場憑藉在風險投資領域積累的豐富經驗,以及在創辦AI工程院的過程中積累的技術人才優勢,特別適合扮演科研與商業化之間的橋樑角色。
於是,創新工場AI工程院也就順勢而生。
創新工場人工智慧工程院成立於2016年9月,以“科研+工程實驗室”模式,規劃研發方向,組建研發團隊。
目前已經設有醫療AI、機器人、機器學習理論、計算金融、電腦感知等面向前沿科技與應用方向的研發實驗室,還先後設立了創新工場南京國際人工智慧研究院、創新工場大灣區人工智慧研究院。
目標是培養人工智慧高端科研與工程人才,研發以機器學習為核心的前沿人工智慧技術,並同各行業領域相結合,為行業場景提供一流的產品和解決方案。
而且, 創新工場還與國內外著名的科研機構廣泛開展科研合作。
例如,今年3月20日,香港科技大學和創新工場宣佈成立電腦感知與智慧控制聯合實驗室(Computer Perception and Intelligent Control Lab)。
此外,創新工場也積極參與了國際相關的技術標準制定工作。例如,今年8月,第28屆國際人工智慧聯合會議(IJCAI)在中國澳門隆重舉辦,期間召開了IEEE P3652.1(聯邦學習基礎架構與應用)標準工作組第三次會議。
IEEE聯邦學習標準由微眾銀行發起,創新工場等數十家國際和國內科技公司參與,是國際上首個針對人工智慧協同技術框架訂立標準的專案。
創新工場表示,自身的科研團隊將深度參與到聯邦學習標準的制定過程中,希望為AI技術在真實場景下的安全性、可用性以及保護資料安全、保護使用者隱私貢獻自己的力量。
算幾不等式證明 在 辣媽英文天后 林俐 Carol Facebook 八卦
俐媽當年就是辛苦地征服了數學,才有機會進北一女及台大就讀,你們要好好吸收這篇菁華哪💪🏼💪🏼
來來來,筆記本準備好,
數學科致勝關鍵一次掌握!!
有看沒有懂的部分,
趕快利用時間釐清清楚~~
數學科會考30天衝刺重點
針對國中會考數學科考前準備:
會考難度為難易適中,較刁鑽的題目並不會出現太多,建議先把基本觀念及基本題型做熟,再來鑽研進階的題型。
會考考試時間80分鐘,總題數約25-30題,所以同學平時練習就必須習慣限時練習,才能適應考試時的做答速度。
考試的叮嚀:
考試難度難易適中,而且考題順序有先易後難的趨勢,所以前面做答不要花過多的時間,以免後面考題無法完成做答,再來非選部份盡量不要繳白卷,非選採取部份給分,重點在於解題的策略與表達,表達出解題策略越完整分數越高,所以非選記得務必盡量做答。
1.正負數與數線:
(1)「絕對值」代表「到原點的距離」、「相減取絕對值」
代表「兩點距離」
(2)科學記號的應用問題通常都會搭配四則運算
(3)新舊數線轉換切記「差成比例」
2.因倍數與公因倍數:
質數的判定、互質的判定還有短除法請熟練!
3.分數:
(1)四則運算切記「先乘除,後加減,但次方優先!」
(2)括號的處理務必「由小到大」且小心變號!
4.一元一次方程式:
應用題考列式
5.二元一次方程式:
(1)加減消去法
(2)代入消去法
(3)應用題
6.坐標平面:
(1)基本的象限考正負;點的移動x右加左減,y上加下減
(2)水平線y相同,鉛直線x相同
(3)二元一次直線方程式畫圖!
7.比與比例:
雙比例問題,務必調整到符合題意
8.函數:
線型函數應用問題可以利用「差成比例」處理!
9.一元一次不等式:
(1)基本的一元一次不等式求x範圍
(2)乘除負數須變向
10.乘法公式與多項式:
(1)乘法公式求值請觀察數字之間的關聯性
(2)多項式長除法
(3)因式倍式關係。
11.二次方根與勾股定理:
(1)基本的化成最簡根式、有理化、四則運算
(2)根號估計
(3)勾股定理搭配幾何一起考
12.因式分解:
(1)提公因式
(2)十字交乘
13.一元二次方程式:
(1)因式分解求x
(2)配方求x
14.等差數列:
(1)基本的循環用除法看餘數
(2)等差數列換首項公差處理
(3)等差數列求和
15.平面幾何:
(1)對稱圖形
(2)外角定理
(3)中垂線性質到兩端點等距、角平分線性質到兩夾邊等距
(4)30度-60度-90度 邊長比「1:根號3:2」
16.三角形:
(1)三角形兩邊之和大於第三邊
(2)大角對大邊小角對小邊偶爾會出
(3)三角形的全等證明
17.平行與四邊形:
(1)平行時,同位角、內錯角相等,同側內角互補
(2)遇梯形常做的幾種輔助線
18.相似形:
(1)AA相似
(2)相似形的「對應角相等」、「對應長成比例」
、「面積比等於對應長度平方比」
19.圓形:
(1)扇形、弧長、弓形
(2)相切要想到垂直與切線段等長
(3)圓周角、弦切角
20.三角形的三心:
(一)外心:(1)到三頂點等距
(2)直角三角形外心在斜邊中點
(二)內心:(1)到三邊等距
(2)r的兩種求法請複習
(三)重心:(1)中線長度比為2:1
(2)面積六等分
21.二次函數拋物線:
(1)開口的方向和大小
(2)配方法求頂點求最大最小
(3)平移要想到看頂點的移動
22.立體圖形:
(1)展開圖還原
(2)柱體的體積與表面積
23.統計:
(1)盒狀圖和圓餅圖的四分位數
(2)次數分配圖呈對稱,平均數和中位數會相等!
24.機率:
(1)列表討論
(2)畫樹狀圖
算幾不等式證明 在 呂冠緯 / 冠緯學長陪你學 Youtube 的評價
算幾不等式證明 在 [解題] 國中數學不等式證明- 看板tutor | PTT職涯區 的八卦
卡住了@@" 想說試試看用算幾不等式或柯西不等式但對象是個國中生不曉得板上的老師們對於此題是否有可讓國中生了解的觀念或想法在此先謝過了~ -- ※ 發信站: 批踢踢實業 ... ... <看更多>
算幾不等式證明 在 國立台東高級中學九十五學年度第一學期 期末考一年級原藝班 ... 的八卦
不等式x 4 -16≦0之解為 . ... 計算= . 9.設b 是實數,函數g(x)的定義為g(x)=若g(x)是一連續函數, ... 設a,b,c 皆為正數,利用算幾不等式證明:++≧6。 ... <看更多>
算幾不等式證明 在 Re: [問題] 算幾不等式為何必須限制R+ - 看板tutor 的八卦
※ 引述《jerrylau (keep it simple)》之銘言:
: 標題: [問題] 算幾不等式為何必須限制R+
: 時間: Sun Mar 5 00:23:28 2006
:
: 若a>0且b>0,則(a+b)/2>=根號ab
:
: 針對ab皆為正實數部分沒有問題
: 我要問的是為什麼不考慮a=b=0呢??
: 感謝回答
:
: 推 beegirl:請問根號0有意義嗎? 03/05 01:26
^^^^^^^^^^^^^^^^√0當然有意義
我試著來回答你的問題好了
首先...算幾不等式來由是什麼?
瞭解後問題就解決了大半了
算幾不等式源由於:『所有周長相同的矩形中,正方形的面積為最大』
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
a=0或b=0,幾何平均數(面積項)為0,這件事情太顯然了
不等式的成立可以說是trivial(無聊),根本沒什麼好證明的...
也只有在a>0且b>0,這個不等式的現象才會"不這麼顯然"
才有探討與論證的餘地....
數學家在陳訴定理時,就我觀察...至少有兩個奇異的偏好
1.話不喜歡講太囉唆 2.不講『無聊話』!
並且考慮a=0或b=0時,不等式的幾何意義會喪失
『所有周長相同的矩形中,正方形的面積為最大』這個陳訴
同義於...『同周長的矩形,兩邊的差距越小,其面積就越大』
要深究的就是幾何裡的面積現象,沒有長度又何來面積呢?
以下附上算幾不等式的證明:
設a>0且b>0,(a+b)/2>=√(ab)
pf:此證明可由配方法輕易得到
(a+b) (√a -√b)^2
----- -√(ab)= ----------------->=0
2 2
若且唯若 a=b,等號成立 Q.E.D.
OK!如果學生是國中生,講這樣就夠了
如果學生是高中生....
我個人認為無論如何都要論證廣義的算幾不等式(使用數學歸納法)
這是一個數學歸納法非常好的練習範例
prove a_1+a_2+a_3+........+a_n
------------------------- >= (a_1×a_2×......a_n)^(1/n)
n
for n屬於自然數....
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 203.67.110.254
... <看更多>