visual math studio

把公式讲成
一场能看见的推理

这个网站现在不再只是 EML 的展示页，而是一座数学直觉展馆： 每个展品都从问题出发，用图像解释逻辑，再用一个可操作例子把公式落地。

进入展馆打开实验室
Taylor局部预测Newton形状校正Squeeze边界收拢

exhibit 01 / Taylor

泰勒公式：曲线的“局部身份证”

泰勒公式的逻辑不是硬背一串导数，而是问：如果我站在 x=0， 只知道曲线在这里的高度、方向和弯曲，我能预测多远？

高度f(0) 决定曲线从哪里出发。
斜率f′(0) 决定刚离开这一点时朝哪里走。
弯曲f″(0) 决定它不是直线，而是开始弯。
余项R_n(x) 告诉你“还差多少”，这是可靠性的来源。

example / e^x at 0

ex≈1+x+x22+x36e^x \approx 1+x+\frac{x^2}{2}+\frac{x^3}{6}
三阶修正
真实 e^x3 阶泰勒多项式

example / sin x

f′(a)=lim⁡h→0f(a+h)−f(a)hf'(a)=\lim_{h\to 0}\frac{f(a+h)-f(a)}{h}
h = 1.20
切线斜率 0.697割线斜率 0.160

exhibit 02 / derivative

导数：从“两点变化”到“一点速度”

导数是泰勒公式的一阶信息。先取两个点得到割线斜率，再让第二个点贴近第一个点， 最后留下来的极限就是切线斜率。

平均变化两个点之间的高度差除以横向距离。
缩短距离把 h 变小，割线越来越像切线。
极限留下h 趋近 0 后，得到一点处的瞬时变化率。
xn+1=12(xn+51xn)x_{n+1}=\frac{1}{2}\left(x_n+\frac{51}{x_n}\right)
当前估计7.14142843真实 √51 = 7.14142843，平方误差 2.13e-14

exhibit 02 / Newton

“挤压法”：固定面积，把长方形压成正方形

视频里的方法本质是牛顿迭代，也常被称作海伦法。它不是玄学速算， 而是一个反复自我修正的几何动作：一边猜小了，另一边就会偏大，取平均以后两边同时被拉近。

第 0 轮7.000000 和 7.285714

平均后得到 7.14285714

第 1 轮7.142857 和 7.140000

平均后得到 7.14142857

第 2 轮7.141429 和 7.141428

平均后得到 7.14142843

提醒：49 的平方根是 7；49 的平方是 2401。

exhibit 03 / squeeze theorem

夹逼定理：看不清中间，就看两边

有些函数在某个点附近疯狂振荡，很难直接看极限。夹逼定理提供一种设计思路： 不和中间那条曲线硬拼，改用两条更容易理解的边界把它夹住。

上界找到 h(x)，保证 f(x) 永远不超过它。
下界找到 g(x)，保证 f(x) 永远不低于它。
收口如果 g 和 h 都挤向同一个 L，中间只能跟着去。

example

−∣x∣≤xsin⁡1x≤∣x∣-|x|\le x\sin\frac{1}{x}\le |x|
极限为 0
上界 |x|下界 -|x|
eml(x,y)=ex−ln⁡(y)\text{eml}(x,y)=e^x-\ln(y)emlemlemlx1x1

exhibit 04 / EML

EML：把函数看成一棵生成树

这个展品保留原网站最有特色的部分：一个二元算子如何递归生成复杂表达式。 它适合放在汇总站里作为“生成式数学语法”的例子。

定义积木先规定唯一操作 eml(x,y)。
替换输入x、常数、另一个 eml 都可以成为子节点。
树状组合复杂函数来自节点之间的嵌套关系。
进入数学公式实验室

how to read

给新手的读法：别急着背，先把动作看懂

数学可视化的价值不是把公式装饰得更漂亮，而是把“为什么这样做”暴露出来。 这个站点之后可以继续扩展微积分、概率、线性代数和数论展品。

1

先问问题

公式不是从天上掉下来的，它通常在回答一个很具体的麻烦。

2

看几何图

把符号翻译成长度、面积、斜率、边界或树，抽象会突然变近。

3

试一个数

用 51、0、sin x 这类小例子跑一遍，比背定义更牢。

4

看误差

真正的理解不是“算出答案”，而是知道为什么会越来越接近。