机器学习的梯度下降

翻力学课本吧，材料力学，结构力学，流体力学，弹性力学，以及绝大多数工科类必修专业书，没一个不用的
你这问题给我整的不知道该怎么回答了，就像楼上那个说解释筷子能在吃饭上有哪些应用一样

我这么一想基本上就没用不用高数的理科…
物理上随便找点吧

物理呗，你学高数大概率也学大学物理，随便找两个运动学例子就行

涉及物理的专业基本都要用到高数

你但凡学过任何一种其他科学，就不会问这个问题了。或者说你如果高中学过物理也不会问。

我的专业的话……
流体力学——Navier—Stokes（N-S）方程
描述流体运动的微分方程，只在部分边界条件下有解析解，因此描述流体运动几乎绕不开它。
这样想应用太多了，一堆都是用微分方程描述的，最经典描述电磁的那四个

工科和理科不都会用到吗？随便举几个就行

力学

就拿线代里边的矩阵来说，app可以根据用户的偏好习惯建立一个矩阵，不同的用户有不同的矩阵，从中发现相似矩阵，再给拥有相似矩阵的用户推荐内容，当然过程肯定没有这么简单，不过这也是矩阵的一个运用了

工科方面的有限元数值解啥的。。。。

深度学习的理论基础就是线代和概率

计算机领域 应用心理学领域 物理领域 化学领域

经济学中求最大利润用的拉格朗日函数法

典型的，傅里叶展开，就是物理上波动相关东西的计算，然后我们学物理的有一本书叫数学物理方法（甚至川大版就直接叫高等数学物理学用)，就是数学在物理中的应用，甚至普通物理的别名高等数学在物理学中的应用，具体应用最多的就是微积分啦，比如转动惯量万有引力等