“今天十号，好像是清华学报出刊的时间，不知道机械制图会不会一同出刊……算了，不管，距离建立思维有限元分析系统还有最后一点进度，争取这个星期之内搞定。”余华放下钢笔，默默思索。

罗庚今天要上三节数学课，下午才会回来，课后作业忙完，余华起身来到办公桌前，伏案钻研复习师父华罗庚讲解的拉格朗日中值定理。

学而时习之，学是接触知识的阶段，习是将知识转化为自身的阶段。

回顾今日数分课讲解的知识点，将其拆分开来，进行知识重构，从多角度和多方面进行深层次理解，融会贯通过后，这才算完。

紧接着，余华翻开数分书，预习即将讲述的罗尔定理和柯西中值定理。

从本质上讲，众多中值定理都是拉格朗日中值定理的特殊情况和推广，乃至延伸，不过，罗尔定理却很特殊，语言表述为拉格朗日中值定理的函数，在两个端点的函数值相等。

学习这个有什么实际用处呢？

似乎没有。

但却是研究特定函数的重要工具，对余华而言更是极为重要。

余华神态认真，眼神专注，仔细学习罗尔定理证明过程和相关知识点。

现如今，随着知识层次和知识信息熵越来越高，加之大脑进化幅度低于高等知识的信息熵增长幅度，余华整个人的学习效率逐渐呈下降趋势，对于蕴含高信息熵的数学知识点，再也不像之前学习初等数学时的简单轻松。

信息熵是某一段信息的平均信息量，信息熵越高，其中蕴含的信息量也就越高，这是信息论之父香农将在1948年正式公布的信息领域概念，现在香农大佬还不知道在哪儿。

从信息论角度讲，数学分析的每一个知识点和每一个理论，都是高信息熵的典型例子。

若要问具体有多高？

假设初等数学体系的一元二次方程，信息熵数值为5，那么，眼前正在学习的罗尔定理信息熵便是2，困扰数学界二百多年的哥猜信息熵可能高达5，甚至破千。

这么一看，就极为只管，但光有数值，并不严谨。