0
回答数
我说的是f(2x)到f(x)的对称中心也会伸长？
咱们顺着你的思路，从 f(2x) 变回 f(x) 来看： 这相当于把图像在水平方向上拉伸（横坐标变为原来的 2 倍）。
既然整个图像都被横向拉长了，那么作为图像几何特征的对称中心，它的横坐标自然也会跟
0
回答数
0
回答数
“二项式定理”中的“二项式”指的
你提出的问题非常好，触及了数学命名中的一个常见误解。“二项式定理”中的“二项式”指的是被展开的原始表达式（a+b）只有两项，而不是展开后的结果只有两项。 这个定理描述的是：当你把一个两项式（即二项式）
0
回答数
0
回答数
平常都"x > 2"是"x > 1"的什么条件？ 用有它就行，没他不行判断还是从左到右，从右到左判断
两种本质一样，选你顺手的就行。 对比 方式 怎么想 例子 有它就行，没它不行 有 x>2，x>1 成立吗？没 x>2（即x≤2），x>1 还能成立吗？ 直觉判断 从左到右，从右到左 x>2 → x>1
1
回答数
在可导的前提下，"导数为零"是内点成为极值点的必要而不充分条件
于是有个口诀：在 A⇒B 里，起点是充分的，终点是必要的。 同一条箭头，A 是 B 的充分条件，B 是 A 的必要条件，两个名字只是站在箭头两端各看一次。 为什么必要条件的箭头是"结论 ⇒ 条件"，方
0
回答数
1/ln2和ln1/2
防混淆小贴士：
考试或做题时，看到 1/ln2 ，心里默念“1除以ln2”；看到 ln(1/2) ，心里默念“ln二分之一”，然后立刻反应出它等于 -ln2 。只要记住 ln(1/2) 是个负数，就不
0
回答数
用极其好算的 dy，去完美地逼近极其难算的 Delta y！
你这个问题问得太绝了！直接切中了微积分的“灵魂”！ 你刚才还在纠结“近似”和“无穷大”的边界，现在问的 Delta y 和 dy，其实就是“真实世界”和“理想世界”的区别。 我用最直白的话给你总结一下
0
回答数
振荡间断点有原函数吗
● 第一类间断点（跳跃、可去）：一定没有原函数，因为违反导数介值性。 ● 第二类间断点： ● 振荡型：可能有原函数（如上述例子）。 ● 无穷型（如 f(x) = 1/x 在 x=0 ）：一般没有原函数
1
回答数
底离 A 点多远就不行了？
用大白话来说，这就叫“以直代曲”。 在 A 点附近，如果我们把曲线放大再放大，它看起来就会越来越像一条直线（也就是切线）。所以，我们干脆就用这条直线的公式，去估算曲线上其他点的值。 你说的“离 A 点
0
回答数
1
回答数
dx 是不是无穷小？
严格回答：不一定 在微分的定义中： dx=Δx 它就是自变量的增量，可以取任意实数，不一定是无穷小。 比如 y=x 2，x=3 ，取 dx=2 ： dy=6×2=12 这完全合法，这里 dx=2 根本
0
回答数
0
回答数
数学中"阶"、"项"、"级"的区别
级数不分"一级、二级"，级数就是"无穷项求和"这件事本身，不存在"几级"的分类。 ∑ 就是 "求和"的简写符号，读作"西格玛"（sigma），来自希腊字母 Σ。 "级数"（series）是一个完整的概
1
回答数
0
回答数
这个wss://这个请求是一直发吗
从截图来看，这个 wss://abc.com.cn/javaweb/credit/ws 请求不是一直在“发”，而是建立了一个长连接后，服务器在持续推送数据。 这是典型的 WebSocket 通信模式：
0
回答数
换元和消元啥区别？
简单来说，换元是“换个马甲”，而消元是“减少人数”。 以下是它们的详细区别： 核心概念与操作逻辑 ● 换元法 (Substitution Method / Change of Variables) ●
1
回答数
0
回答数
基准量，多阶，高阶，低阶，同阶
基准量就是我们用来当“尺子”的那个东西。 在数学里，我们通常把最简单的 x 当作一把“标准尺子”（也就是基准量）。
当我们说“谁是几阶无穷小”的时候，其实就是在问：“这个复杂的式子，和这把标准尺子（x
0
回答数
变号f‘(x)和f''(x)
f ′(x) ：+→− 或 −→+ ，中间那个零点就是极值点 f ′′(x) ：+→− 或 −→+ ，中间那个零点就是拐点 临界点除了 f ′(x0)=0 或 f ′′(x0)=0 ，还包括导数不存在
0
回答数
为什么调和级数是发散的？交错级数是收敛的？
没问题！为了方便你直接复制到博客，我把所有的公式都转换成了纯文本和简单的符号，去掉了所有复杂的代码，排版也做了优化。你可以直接复制下面的内容： 刚才那个到底是什么级数？ 我们在 x = -1 那个端点
0
回答数
1. 什么是“收敛”？
什么是“收敛”？ 大白话翻译：收敛 = 有极限、有盼头、能稳定在一个固定的数值上。 想象你在玩一个“扔飞镖”的游戏： ● 如果你每次扔，飞镖都能越来越靠近靶心，最后几乎都扎在靶心附近，这就叫“收敛”。
