T:0000
New Mathematical Library (略して NML) は、もともとアメリカ数学協会 (MAA) によって発行された国際的に有名な一連の数学書籍です。このシリーズの書籍の本来の目的は、高校数学のコースと専門的な数学研究の間の橋渡しをし、高校生と短大生に適した質の高い教材を提供することです。
New Mathematical Library (NML) の誕生は、アメリカ教育の歴史における重要なマイルストーンです。この一連の書籍は単なる商業出版物ではなく、冷戦時代の地政学的緊張と科学競争に対応した国家教育改革の成果です。その中心的な目標は、アメリカのティーンエイジャーの数学的リテラシーを向上させ、将来の最高の科学的才能を育成することです。
1957 年 10 月 4 日、ソ連は人類史上初の人工衛星であるスプートニク 1 号の打ち上げに成功しました。この事件はアメリカ社会に衝撃を与え、いわゆる「スプートニク危機」を引き起こした。米国は基礎科学と工学教育においてソ連に後れを取っていることに気づき、国防と安全保障の不安を引き起こした。
この不利な状況を逆転するために、米国政府は科学教育への資金を大幅に増額し、学校数学研究グループ (SMSG) を設立しました。同グループは、伝統的な中学校の数学教育は機械的な操作に重点を置きすぎており、現代数学の厳密な論理と美しさが欠けていると考えている。そのため、SMSG は「新しい数学」運動を推進し、現代の最高の数学者を招待して、才能のある高校生向けに「本当の数学」を示すことができる一連の本を執筆しました。これがNew Mathシリーズの原点です。
このシリーズは、学校数学研究グループ (SMSG) プログラムの一環として 1960 年代に始まりました。目標は、若い読者に公式の適用だけではなく、本当の数学的思考に触れてもらうことです。このシリーズは、アンネリ・ラックスが長年編集者を務め、一流の数学者によって長年にわたって書かれてきたため、数学コミュニティではこのシリーズは彼女の名前と関連付けられることがよくあります。
このシリーズの本は、数学コンテスト (AMC、AIME など) に参加する生徒のトレーニング資料として適しているだけでなく、中学校の教師の補助教材として、または純粋な数学に興味がある人が読むのにも非常に適しています。
以下は、番号順に並べたシリーズの完全なリストです。
基本代数学は、数値、記号、およびそれらの演算を研究する数学の分野です。これは算術から発展し、未知の数値や記号を計算に組み込み、代数式や方程式を通じて定量的な関係を記述します。
2x + 3y。x + 5 = 12。2x + 1 > 7。f(x) = x²。二次方程式は未知数を 1 つだけ含む方程式で、最高次数は二次方程式です。一般的な形式は次のとおりです。
ax² + bx + c = 0 （a ≠ 0）
二次方程式の解は次のように与えられます。根の公式与える:
x = (-b ± √(b² - 4ac)) / (2a)
でΔ = b² - 4ac呼ばれた判別式、ソリューションのタイプを決定します。
Δ > 0、 2 つの等しくない実解があります。Δ = 0、 2 つの等しい実数解 (複数の根) があります。Δ < 0、実数解はありませんが、2 つの共役複素数解があります。方程式を解く2x² - 4x - 6 = 0：
a = 2，b = -4，c = -6Δ = (-4)² - 4(2)(-6) = 16 + 48 = 64x = (4 ± √64) / 4 = (4 ± 8) / 4x₁ = 3，x₂ = -1(x - p)(x - q) = 0、その場合の解決策はx = pまたはx = q。y = ax² + bx + cX 軸との交点を求めます。1 変数の 3 次方程式の一般的な形式は次のとおりです。
ax³ + bx² + cx + d = 0 (a ≠ 0)
変数 x = y - b/(3a) を代入すると、二次項を削除でき、方程式を簡略化した形式に変換できます。
y³ + p·y + q = 0
で：
3 次方程式の解のタイプは判別式 Δ によって決まります。
Δ = (q/2)² + (p/3)³
y³ + p・y + q = 0 の場合、解の 1 つは次のとおりです。
y = ³√(-q/2 + √Δ) + ³√(-q/2 - √Δ)
残りの解は、立方根の 3 つの異なる値を使用して見つけることができます。
最後に、y を x = y - b/(3a) に代入して、元の 3 次方程式の解を求めます。
1 変数の 3 次方程式の一般的な形式は次のとおりです。
ax³ + bx² + cx + d = 0 (a ≠ 0)
x = y - b/(3a) を代入すると、方程式は「単純化された 3 次方程式」に変換できます。
y³ + p·y + q = 0
で：
y = u + v とし、これを簡略化した方程式に代入します。
(u + v)³ + p(u + v) + q = 0
展開後、次のようになります。
u³ + v³ + (3uv + p)(u + v) + q = 0
3uv + p = 0 の場合、(u+v) を含む項は削除され、次のようになります。
u³ + v³ + q = 0
したがって、次を満たす必要があります。
U = u3、V = v3 と仮定すると、次のようになります。
したがって、U と V は次の二次方程式の解になります。
z² + qz - (p³/27) = 0
二次公式を使用します。
U, V = -q/2 ± √( (q/2)² + (p/3)³ )
今すぐ：
ここで、Δ = (q/2)² + (p/3)³ です。
したがって、y の解は次のようになります。
y = ³√(-q/2 + √Δ) + ³√(-q/2 - √Δ)
もう一度置き換えます:
x = y - b/(3a)
元の方程式の解が得られます。残りの 2 つの解は、立方根の 3 つの異なる分岐を使用して計算できます。
4 次方程式の一般的な形式は次のとおりです。
ax⁴ + bx³ + cx² + dx + e = 0 (a ≠ 0)
まず変数 x = y - b/(4a) を代入し、3 次項を削除して「簡略化された 4 次方程式」を取得します。
y⁴ + p·y² + q·y + r = 0
係数は次のとおりです。
y⁴ + p・y² + q・y + r = 0 とします。アイデアは、これを「二乗の差」の形式に書き直すことです。
(y² + α)² = (β·y + γ)²
係数を展開して比較すると、α を適切に選択することで、元の 4 次方程式を 2 つの 2 次方程式に分解できるという条件が得られます。
具体的な手順は次のとおりです。
三次方程式は次のとおりです。
z³ + 2p·z² + (p² - 4r)z - q² = 0
実根 z₀ の 1 つを解いたら、元の方程式を因数分解する二次方程式を構築できます。
z₀ を選択すると、元の方程式を 2 つの二次方程式に分解できます。
y² ± √(z₀)·y + (p/2 + z₀/2 ± q/(2√(z₀))) = 0
y を 1 つずつ解決した後、最後に逆置換します。
x = y - b/(4a)
４次方程式の解は 4 つ得られます。
フェラーリ法は、1540 年代にイタリアの数学者ロドヴィコ フェラーリによって提案された、1 変数の 4 次方程式を解くための古典的な代数手法です。 4次方程式を2次方程式に分解し、「補助3次方程式（分解三次方程式）を構築する」ことで解きます。
ax⁴ + bx³ + cx² + dx + e = 0 (a ≠ 0)
最初に置換を実行します。
x = y - b/(4a)
3次項を取り除くと、「単純化された4次方程式」が得られます。
y⁴ + p·y² + q·y + r = 0
で：
目標は、y⁴ + p·y² + q·y + r を 2 つの二次式の積に分解することです。設定：
y⁴ + p·y² + q·y + r = (y² + m)² - (ny + k)²
展開された係数を比較して、m、n、kに関する条件式を求め、これを「補助3次方程式」に変換します。
z = n² とすると、次のようになります。
z³ + 2p·z² + (p² - 4r)z - q² = 0
これはいわゆる「レゾルベントキュービック」です。実根 z₀ を解いたら、それを使用して 4 次方程式を因数分解できます。
z₀ > 0 とすると、二次方程式を構築できます。
y² ± √(z₀)·y + (p/2 + z₀/2 ± q/(2√(z₀))) = 0
これら 2 つの二次方程式は、元の 4 次方程式を完全に分解することができます。
y を解いた後、次のように代入します。
x = y - b/(4a)
４次方程式の解は 4 つ得られます。
方程式を解きます: x⁴ + 2x² - 8x + 1 = 0
元の方程式には x³ 項がなくなっているため、すでに「簡略化された 4 次方程式」の形式になっています。
y⁴ + p·y² + q·y + r = 0
ここで y = x であり、次のようになります。
補助 3 次方程式は次のとおりです。
z³ + 2p·z² + (p² - 4r)z - q² = 0
p=2、q=-8、r=1 を代入します。
z³ + 4z² + (4 - 4)z - 64 = 0
今すぐ：
z³ + 4z² - 64 = 0
z=4 として整数の根を試してみます。
4³ + 4·4² - 64 = 64 + 64 - 64 = 64 ≠ 0
z=2 とします。
2³ + 4·2² - 64 = 8 + 16 - 64 = -40 ≠ 0
z= -8 とします。
(-8)³ + 4·(-8)² - 64 = -512 + 256 - 64 = -320 ≠ 0
z= 8 とします。
8³ + 4·8² - 64 = 512 + 256 - 64 = 704 ≠ 0
z= 4 とします。
= 64 + 64 - 64 = 64 ≠ 0
代わりに z= -4 を使用してください。
(-4)³ + 4·(-4)² - 64 = -64 + 64 - 64 = -64 ≠ 0
z = -2：
-8 + 16 - 64 = -56 ≠ 0
z = 16：
16³ + 4·16² - 64 = 4096 + 1024 - 64 = 5056 ≠ 0
このとき、代わりに一般的な 3 次方程式の解法を使用する必要があります。
式を計算すると、z₀ ≈ 3.54 として実根が得られます。
√(z₀) ≈ 1.88 とします。次に、元の方程式は 2 つの二次方程式に分解されます。
y² + √(z₀)·y + (p/2 + z₀/2 + q/(2√(z₀))) = 0
y² - √(z₀)·y + (p/2 + z₀/2 - q/(2√(z₀))) = 0
値を代入します。
元の式 x = y (逆置換補正は必要ない) なので、解決策は次のようになります。
方程式 x⁴ + 2x² - 8x + 1 = 0 には 2 つの実根と 2 つの共役複素根があります。
フェラーリの方法は処理が煩雑ではあるが、体系的に4次方程式を2次方程式に分解して解くことができる。
除算の式を B(x) = (x^2+1)(x-1)^2 とします。割り算の次数が 4 次であるため、剰余 R(x) の最高次数は 4 次未満でなければなりません。
余りを R(x) = ax^3 + bx^2 + cx + d とします。
多項式除算の原理によれば、被除数は次のように表すことができます。
x^2026 = (x^2+1)(x-1)^2 Q(x) + ax^3 + bx^2 + cx + d
1. x = 1 (除算方程式の実根) の場合:
1^2026 = a(1)^3 + b(1)^2 + c(1) + d
a + b + c + d = 1 --- (式 1)
2. 元の方程式の両辺を微分し、x = 1 と入力します (複数の根を処理します)。
2026x^2025 = (除算の偏微分) + 3ax^2 + 2bx + c
(x-1)^2 には微分後も (x-1) 項が含まれているため、x=1 を代入するとこの部分は 0 になります。
2026 = 3a + 2b + c --- (式 2)
3. x = i (除算式の虚数根、i^2 = -1) の場合:
i^2026 = (i^2)^1013 = (-1)^1013 = -1
R(i) = a(i^3) + b(i^2) + c(i) + d = -ai - b + ci + d
実数部と虚数部を整理します: -1 = (d - b) + i(c - a)
これから次のことが得られます。
d - b = -1 --- (式 3)
c - a = 0 => c = a --- (式 4)
(式 4) c = a を (式 1) と (式 2) に代入すると、次のようになります。
(1) a + b + a + d = 1 => 2a + b + d = 1
(2) 3a + 2b + a = 2026 => 4a + 2b = 2026 => 2a + b = 1013
2a + b = 1013 を 2a + b + d = 1 に代入すると、次のようになります。
1013 + d = 1 => d = -1012
d = -1012 を (式 3) に代入すると、次のようになります。
-1012 - b = -1 => b = -1011
b = -1011 を 2a + b = 1013 に代入すると、次のようになります。
2a - 1011 = 1013 => 2a = 2024 => a = 1012
c = a なので、c = 1012
剰余 R(x) = 1012x^3 - 1011x^2 + 1012x - 1012
この解決策は虚数 i や微積分を使用しません。多項式の合同特性を使用して、被除数と 2 つの因数 (x2+1) と (x-1)2剰余は最終的に合計剰余に結合されます。
合同関係を考えると、除算式をxとしたとき2×のとき+12-1 に相当します。
x2026 = (x2)1013
×します2= -1 置換:
(-1)1013 = -1
したがって、×2026xで割る2+1の余りは-1になります。
x = (x-1) + 1 とし、二項定理を使用して展開します。
x2026 = [(x-1) + 1]2026
展開では、(x-1) の 2 乗以上を含む項は (x-1) になります。2分割可能。
最後の 2 つの項目だけを保持する必要があります。
余り = C(2026, 1) * (x-1)1 * 12025 + C(2026, 0) * 12026
余り = 2026 * (x-1) + 1
余り = 2026x - 2026 + 1 = 2026x - 2025
残りの合計を R(x) とします。割り算は4乗なので余りは3乗になります。
最初のステップの結果によると、R(x) = (x2+1)(ax + b) - 1。
次に、R(x) を (x-1) で割るように求めます。2の残りは 2026x - 2025 に等しくなければなりません。
×します2+1 は (x-1) の形式で表されます。
x2+1 = (x-1+1)2 + 1 = (x-1)2 + 2(x-1) + 1 + 1 = (x-1)2 + 2(x-1) + 2
型内 (x-1)2下、×2+1 は 2(x-1) + 2 と同等です。
ax+b を (x-1) として表します。
ax + b = a(x-1+1) + b = a(x-1) + (a+b)
上記の結果を R(x) に代入して展開します ((x-1) の 2 次項を無視します)。
R(x) は、[2(x-1) + 2] * [a(x-1) + (a+b)] - 1 と同等です。
= 2a(x-1) + 2(a+b)(x-1) + 2(a+b) - 1
= (4a + 2b)(x-1) + (2a + 2b - 1)
2 番目のステップの残りの部分 2026(x-1) + 1 と比較します。
1. 4a + 2b = 2026 => 2a + b = 1013
2. 2a + 2b - 1 = 1 => a + b = 1
2 つの方程式を減算します: (2a + b) - (a + b) = 1013 - 1
a = 1012 が得られます。
a + b = 1 を代入すると、b = -1011 となります。
a と b を R(x) = (x に代入します)2+1)(1012x - 1011) - 1：
R(x) = 1012x3 - 1011x2 + 1012x - 1011 - 1
R(x) = 1012x3 - 1011x2 + 1012x - 1012
積対数としても知られるランベルト W 関数は、関数 f(w) = w * e^w の逆関数です。複素数 z の場合、W(z) の値は次の式を満たす値として定義されます。
W(z) * exp(W(z)) = z
これは、数値とその指数関数の積がわかっていれば、ランバートの W 関数を逆算して数値そのものを計算するのに役立つことを意味します。これは、指数項を含む超越方程式を扱う場合に便利です。
関数 f(w) = w * e^w は実領域では単射的ではないため (つまり、異なる入力が同じ出力になる可能性があります)、その逆関数は実領域に 2 つの分岐があります。
z = -1/e (約 -0.3678) で 2 つの分岐が合流し、W(-1/e) = -1 になります。
この関数は、1758 年に三項方程式を研究しているときに初めてこの概念に触れたスイスの数学者ヨハン ハインリッヒ ランベルトにちなんで名付けられました。その後、偉大な数学者レオンハルト オイラーが 1783 年にこの関数のより詳細な分析を実施しました。しかし、数学ソフトウェア (Maple や Mathematica など) に一貫した命名規則を持たせるために、正式名称「ランバートの W 関数」は 1990 年代まで広く採用されませんでした。
Lambert の W 関数は、いくつかの分野で分析ソリューションを提供し、科学者を数値シミュレーションのみに依存することから解放します。
シリーズとは、数学において項目を順番に追加するプロセスまたは結果です。シーケンスに有限数の項が含まれる場合、それは有限級数と呼ばれます。無限数の項が含まれる場合、それは無限級数と呼ばれます。級数の概念は微積分と数学的分析の基礎であり、無限の累積に対処する方法を理解するのに役立ちます。
等差級数とは、シーケンス内の隣接する 2 つの項目の差 (許容差と呼ばれる) が等しい累積プロセスを指します。その最も有名な特性は、最初と最後の項の平均に項の数を乗算することで系列の合計を計算できることです。
例: 1 + 3 + 5 + 7 + 9 = 25
等比級数とは、シーケンス内の任意の 2 つの隣接する項の比 (公比と呼ばれる) が等しい累積プロセスを指します。無限級数の場合、公比の絶対値が 1 未満であれば、級数は一定の値に収束します。
例: 1 + 1/2 + 1/4 + 1/8 + ... = 2
無限級数の場合、最も重要な研究方向は、それが収束するかどうかを判断することです。収束とは、無限の数を加算した結果が有限の定数に近づくことを意味します。合計が無限大になる傾向がある場合、または複数の値の間で変動する場合、それは発散と呼ばれます。
シリーズは高度な数学や工学に幅広く応用できます。
無限級数は、無限シーケンス内のすべての項を順番に加算する式です。シーケンスが a1、a2、a3... の場合、対応する系列は a1 + a2 + a3 + ... として記録されます。実際には無限の加算を完了することはできませんが、数学的極限の概念を通じて、合計が特定の値に向かう傾向があるかどうかを調べることができます。
無限級数の最も重要な特性はその収束です。
等比級数は無限級数の最も一般的でよく理解されている例であり、各項は前の項に固定比 (公比 r) を掛けたものです。等比級数は、公比の絶対値が 1 未満の場合に収束します。次に例を示します。
1/2 + 1/4 + 1/8 + 1/16 + ... = 1
この幾何学的図形は、無限の数の正の数を加算すると、結果が有限の数になることを視覚的に示しています。
古代の哲学者ゼノンはかつて有名な「アキレスが亀を追う」というパラドックスを提唱しました。彼は、追っ手はまず追われる側の開始点に到達しなければならず、その点に到達した時点で追われる側は一定の距離を前進しているので、追っ手は決して亀に追いつくことはできない、と主張した。このパラドックスに対する数学的な答えは、無限級数です。つまり、無限の期間の合計は有限の値になる可能性があり、これは、追跡者が限られた時間内に亀を追い越すことができることを意味します。
数学者は、複雑な級数の収束を判断するためのさまざまなツールを開発してきました。一般的な方法には次のようなものがあります。
Infinite シリーズは、次のような科学および工学分野で幅広い用途に使用できます。
調和級数は、正の整数の逆数を順次加算して形成される無限級数です。その形式は次のとおりです。
1 + 1/2 + 1/3 + 1/4 + 1/5 + ... + 1/n + ...
音楽理論における倍音列と密接に関係しているため、「ハーモニー」と呼ばれます。弦楽器では、弦の長さが 1/2、1/3、1/4 などに短縮されると、発せられる周波数はこれらの数値の逆数に対応します。
調和系列の最も有名な特性は、それが発散することです。これは、項の数が増加するにつれて、合計が固定値に収束するのではなく、無限大に近づくことを意味します。各項の値 (1/n) は小さくなり、ゼロに近づきますが、合計の増加が止まるほど急速には縮小しません。
調和級数の発散を最初に証明したのは、14 世紀の数学者ニコール・オレズムでした。彼は、用語をグループに分割するという巧妙なグループ化方法を使用し、各グループの合計が 1/2 より大きいため、無限に多い 1/2 の合計は無限大につながることを証明しました。
調和系列は無限に発散しますが、成長は非常にゆっくりです。最初の 100 万項の合計はわずか約 14.39 です。数学者オイラーは、調和級数の最初の n 項の合計と自然対数 ln(n) の差が、オイラー・マスケローニ定数と呼ばれる定数になる傾向があることを発見しました。この定数は、ほぼ 0.5772 に等しくなります。
調和シリーズには、物理学における有名な応用例があります。同じ長方形の木製ブロックのスタックがある場合、調和シリーズの特性を使用して「偏心スタッキング」を実行できます。十分な数の木製ブロックがある限り、理論的には、上部の木製ブロックを下部の木製ブロックの端を越えて完全に浮かせることができ、オフセット距離は無限大になります。
調和級数は素数の分布にも深く関係しています。素数の逆数 (1/2 + 1/3 + 1/5 + 1/7 + ...) を加算するだけでも、級数は発散します。これはオイラーによって証明され、素数が無限に存在することを間接的に証明しました。
バーゼル問題は、1644 年にイタリアの数学者モントリによって最初に提案された有名な数論の問題です。この問題では、すべての正の整数の 2 乗の逆数の合計の正確な値を計算する必要があります。つまり、次のとおりです。
1 + 1/4 + 1/9 + 1/16 + 1/25 + ...
この級数は収束することが知られていましたが、当時、数学者はその収束の正確な値を見つけるのが困難でした。
この問題を提案したベルヌーイ家と最終的に解決したオイラーがともにスイスのバーゼル出身であることから、この問題はバーゼル問題と呼ばれています。有名な数学者ジェイコブ・ベルヌーイは、この問題を解決しようと試みましたが失敗し、1689 年にそれが非常に難しい課題であったことを認めました。 1734 年になって、当時まだ 28 歳だったレオンハルト オイラーが数学界に衝撃を与える解法を発表しました。
オイラーは、正弦関数の無限積展開を使用して、この級数の正確な値を導き出しました。彼は、このシリーズの合計は次と等しいと結論付けました。
円周率の2乗を6で割ったもの
この結果は 1.644934 にほぼ等しくなります。 This was very surprising at the time, since pi should appear in a sequence of sums of squares of integers that seemed completely unrelated to circular geometry.
バーゼル問題の解決策はオイラーを有名にしただけでなく、その後の数学研究に新たな道を切り開きました。
微積分は、量の変化率と累積を研究する数学の分野です。微積分は、微積分と積分という 2 つの部分で構成されます。物理学、工学、生物学、経済学などの分野で広く使用されています。これは、継続的な変化を記述するための基本的なツールです。
微分積分の主な目的は、関数の変化率を研究することです。微分演算は、関数の導関数を見つけるために使用されます。これは、独立変数による関数の変化率を表します。簡単に言えば、導関数は瞬間的な変化の傾きと考えることができます。
f(x) = x^2、しかしf'(x) = 2x急行f(x)存在するx変化率。dy/dxはいy比較的xの導関数、するとdy急行x小さな変化が起こったときy変化量。積分微積分は累積量を計算するために使用され、面積と体積の計算に密接に関連しています。積分は微分の逆演算であり、主に累積量、合計、または関数の逆変化を解くために使用されます。
f(x) = 2x、しかし∫f(x)dx = x^2 + C、でCは整数定数です。∫[a, b] f(x) dx急行f(x)合間に[a, b]以内の合計。微積分の基本定理は、微分積分と積分を結びつけ、積分演算が微分によって解けることを示します。具体的には、F'(x) = f(x)、しかし∫[a, b] f(x) dx = F(b) - F(a)。
微積分は科学と工学において幅広い用途があります。いくつかの例を次に示します。
簡単な微分と積分の例を次に示します。
微分: f(x) = x^3 の場合、f'(x) = 3x^2
積分: f(x) = 3x^2 の場合、∫f(x)dx = x^3 + C
微積分は変化と蓄積を研究する数学的ツールであり、現実世界の現象を理解してシミュレーションするために不可欠です。
以下に、数学と物理学で広範囲に応用できる一般的な微分の公式をいくつか示します。
d(c)/dx = 0、でcは定数です。d(x^n)/dx = n * x^(n-1)。d(e^x)/dx = e^x。d(ln(x))/dx = 1/x。d(sin(x))/dx = cos(x)。d(cos(x))/dx = -sin(x)。d(tan(x))/dx = sec²(x)。d(cot(x))/dx = -csc²(x)。d(sec(x))/dx = sec(x) * tan(x)。d(csc(x))/dx = -csc(x) * cot(x)。d(arcsin(x))/dx = 1/√(1 - x²)。d(arccos(x))/dx = -1/√(1 - x²)。d(arctan(x))/dx = 1/(1 + x²)。d(arccot(x))/dx = -1/(1 + x²)。d(arcsec(x))/dx = 1/(|x| * √(x² - 1))。d(arccsc(x))/dx = -1/(|x| * √(x² - 1))。d(u * v)/dx = u' * v + u * v'。d(u / v)/dx = (u' * v - u * v') / v²。連鎖則は複合関数の微分に使用されます。
d(f(g(x)))/dx = f'(g(x)) * g'(x)
関数が暗黙的に与えられた場合、例えばF(x, y) = 0の場合、陰的関数微分法を使用できます。
(dy/dx) = -(∂F/∂x) / (∂F/∂y)
ファインマンのテクニックは、有名な物理学者リチャード・ファインマンにちなんで名付けられた、複素積分を計算する方法です。この手法は、積分をパラメータ化し、微分変数を導入し、最終ステップで積分演算を実行することによって問題を解決します。この方法は、従来の方法では解決することが困難な積分を解くのに特に適しています。
ファインマン統合手法には通常、次の手順が含まれます。
以下はファインマンの積分手法の簡単な例です。
次の積分を計算する必要があるとします。
I = ∫ e^(-x^2) dx
パラメーター t を導入し、積分を I(t) = ∫ e^(-t * x^2) dx とします。
次に、パラメータ t が微分され、対応する積分が計算され、最終的に t が望ましい値に戻ります。この方法は、特にパラメータ化がある場合に、同様の形式の複素積分を解くのに適しています。
ファインマンの積分手法の利点は、特に物理学や工学における難しい積分問題を単純化できることです。多くの一般的な積分は、この手法で解くことができます。この方法は、精度を損なうことなく、複雑な積分問題をより柔軟に処理できます。
ファインマン積分手法は、パラメーターと微分を導入することで積分問題を単純化する強力で柔軟な計算手法です。この手法は物理学、数学、その他の分野で幅広く応用されており、複雑な積分問題を解決するための重要なツールです。
微分方程式は、システムの変化率を記述する未知の関数とその導関数を含む方程式です。微分方程式は物理学、工学、経済学、生物学などの科学分野で広く使用されており、時間や空間とともに変化する現象をシミュレーションするのに特に適しています。
微分方程式は一般に次のタイプに分類されます。
微分方程式を解く方法は、方程式の種類と複雑さによって異なります。一般的な方法には次のようなものがあります。
微分方程式は科学の多くの分野で応用されており、いくつかの例を次に示します。
以下は常微分方程式の例です。
dy/dx = 3x^2
この方程式の解は次のとおりです。
y = x^3 + C
で、Cは整数定数です。
微分方程式は、自然システムおよび人工システムの変化を記述するための強力なツールであり、システムの動作をシミュレーションおよび予測することができます。
偏微分方程式 (PDE) は、1 つ以上の変数の偏微分を含む方程式です。このタイプの方程式は、多変数システムの変化の法則を記述するために使用されます。
∂u/∂t = α ∇²u∂²u/∂t² = c² ∇²u∇²φ = 0∇²φ = f(x, y, z)熱が時間の経過とともにどのように空間に広がるかを説明する式は次のとおりです。
∂u/∂t = α ∇²u
でu温度です、αは熱拡散係数、∇²はラプラシアン演算子です。
音波や電磁波などの振動または波の伝播を説明します。
∂²u/∂t² = c² ∇²u
uは変位、c波の速度です。
静的場 (静電場など) の記述方程式:
∇²φ = 0
電場や重力場などの定常状態の問題でよく使用されます。
フィールドにソース項がある場合、ラプラス方程式は次のように展開されます。
∇²φ = ρ/ε₀
ρは電荷密度、ε₀は真空の誘電率です。
量子力学の核となる偏微分方程式:
iħ ∂ψ/∂t = - (ħ²/2m) ∇²ψ + Vψ
ψは波動関数、ħプランク定数を小さくするには、V位置エネルギーです。
偏微分形式を含む電磁場の変化を説明します。
∇ × E = -∂B/∂t ∇ × B = μ₀ε₀ ∂E/∂t + μ₀J
Eは電場、Bは磁場、Jは電流密度です。
フーリエ変換は、時間領域または空間領域の信号を周波数領域表現に変換する方法であり、信号処理、物理学、および工学において重要な用途があります。フーリエ変換を通じて、信号内のさまざまな周波数成分を分析できます。
で：
f(t)時間領域の信号ですωは角周波数（ラジアン/秒）です。F(ω)変換された周波数領域関数であり、信号の周波数成分を表します。一般的なフーリエ変換のプロパティのいくつかは次のとおりです。
ℱ{af(t) + bg(t)} = aF(ω) + bG(ω)f(t)フーリエは次のように変換されます。F(ω)、しかしf(t - t0)フーリエは次のように変換されます。F(ω)e-jωt0ℱ{f'(t)} = jωF(ω)ℱ{∫-∞t f(τ) dτ} = F(ω) / jω関数f(t) |
フーリエ変換F(ω) |
|---|---|
1 |
2πδ(ω) |
δ(t) (Dirac delta function) |
1 |
ejω0t |
2πδ(ω - ω0) |
cos(ω0t) |
π[δ(ω - ω0) + δ(ω + ω0)] |
sin(ω0t) |
jπ[δ(ω - ω0) - δ(ω + ω0)] |
これらの特性と公式は、信号の周波数成分とスペクトル特性を理解するのに役立ち、信号処理および通信システムで広く使用されています。
ラプラス変換は、時間領域関数を周波数領域表現に変換するために使用される方法です。数学と工学、特に制御システム、信号処理、微分方程式の解法で広く使用されています。
で：
f(t)は時間領域の関数ですsは複数の変数で、通常は次のように書かれます。s = σ + jωF(s)は変換された周波数領域関数です一般的なラプラス変換プロパティのいくつかは次のとおりです。
ℒ{af(t) + bg(t)} = aF(s) + bG(s)f(t)ラプラス変換は、F(s)、それでf(t-a)u(t-a)ラプラス変換は、e-asF(s)ℒ{f'(t)} = sF(s) - f(0)ℒ{∫0t f(τ) dτ} = F(s) / s関数f(t) |
ラプラス変換F(s) |
|---|---|
1 |
1 / s |
t |
1 / s2 |
eat |
1 / (s - a) |
sin(ωt) |
ω / (s2 + ω2) |
cos(ωt) |
s / (s2 + ω2) |
これらのプロパティと公式は、複雑な微分方程式を解き、それを代数方程式に変換して、システムの解析と設計を容易にするのに役立ちます。
Green Function は、線形微分方程式、特にソース項を含む非均一偏微分方程式を解くために使用されるツールです。線形演算子の場合L、満足する
L G(x, ξ) = δ(x - ξ)
でδ(x - ξ)はディラックのデルタ関数です。G(x, ξ)は、この演算子のグリーン関数です。
グリーン関数がわかっている場合G(x, ξ)の場合、非一次方程式は次のようになります。
L u(x) = f(x)
の解は整数形式で表されます。
u(x) = ∫ G(x, ξ) f(ξ) dξ
グリーン関数は、空間内の単位ソース項によって生成される「応答」とみなすことができます。たとえば、次のようになります。
ラプラス方程式のグリーン関数 (無限区間上) は次のとおりです。
G(x, ξ) = -|x - ξ| / 2
Lと境界条件L G(x, ξ) = δ(x - ξ)境界条件を満たすグリーン関数u(x)スターム・リウヴィル理論は、固有値問題を扱うための数学的枠組みです。主に線形微分方程式の固有関数と固有値の問題を解くために使用されます。この理論は、物理学、工学、応用数学、特に振動、熱伝導、量子力学におけるシステムの動作の記述に広く応用されています。
典型的な Sturm-Liouville 問題は、次の形式の 2 階微分方程式として表現できます。
(p(x)y')' + (q(x) + λr(x))y = 0
で：
yは未知の関数です。λ特性値です。p(x)、q(x)そしてr(x)は既知の関数であり、p(x)そしてr(x)指定された間隔内の正の値。Sturm-Liouville 問題を定式化するには、方程式が 2 つの境界条件を満たす必要があります。一般的な境界条件は次のとおりです。
y(a) = 0そしてy(b) = 0y'(a) = 0そしてy'(b) = 0これらの境界条件によって固有値が決まりますλの可能な値、および対応する特性関数に影響を与えるy(x)形状。
Sturm-Liouville 問題の解は一連の固有値で構成されますλおよび対応する特性関数y(x)。これらの特性関数は直交性、つまり重み関数を満たします。r(x)以下では、さまざまな特性関数の積分はゼロになります。
∫[a, b] y_m(x) y_n(x) r(x) dx = 0 (m≠nの場合)
で、y_m(x)そしてy_n(x)異なる固有値ですλ_mそしてλ_n対応する特性関数。
Sturm-Liouville 理論は、次の分野で広く使用されています。
次の単純な Sturm-Liouville 問題を考えてみましょう。
y'' + λy = 0, y(0) = 0, y(π) = 0
この問題の固有値λのためにλ_n = n^2（でnは正の整数)、対応する特性関数は次のようになります。y_n(x) = sin(nx)。
スターム・リウヴィル理論は、固有値問題を扱うためのフレームワークを提供し、線形微分方程式を解析し、システムの振動モードを理解する上で非常に重要です。
レインビル常微分方程式は、ハリー レインビルにちなんで名付けられた方程式のクラスを指します。 Rainville 氏の研究はさまざまな微分方程式理論をカバーしており、特に工学と物理学において重要な解決策と応用を提案しています。 Rainville はその著作の中で、1 次、2 次、および高次の常微分方程式に対する体系的な解法のガイダンスを提供しており、これは微分方程式の理論を理解するのに非常に役立ちます。
Rainville は、さまざまな微分方程式に対するさまざまな解法を提案しました。
Rainville の常微分方程式は、微分方程式のさまざまな解法と応用を提供し、さまざまな分野における動的システム モデリングのための重要なツールを提供します。物理学、工学、生物数学のいずれにおいても、レインビル方程式と解は、システムの動作を深く理解し、予測するのに役立ちます。
ルジャンドル多項式は、ラプラス方程式および関連する球面座標の境界値問題を解くために一般的に使用される一連の直交多項式です。数理物理学では、これらはスターム・リウヴィル理論の特殊なケースです。
ルジャンドル多項式P_n(x)は 2 次線形微分方程式の解です。
(1 - x^2) y'' - 2x y' + n(n + 1)y = 0
で、nは負ではない整数です。
ルジャンドル多項式は直交条件、つまり区間内を満たします。[-1, 1]上記の重み関数は次のとおりです。1のとき、異なる次数の多項式間で次の整数関係が満たされます。
∫[-1, 1] P_m(x) P_n(x) dx = 0 (m ≠ n の場合)
ルジャンドル多項式の母関数は次のとおりです。
(1 - 2xt + t^2)^(-1/2) = ∑ P_n(x) t^n (n = 0, 1, 2, ...)
以下に、低次のルジャンドル多項式をいくつか示します。
P_0(x) = 1P_1(x) = xP_2(x) = (3x^2 - 1)/2P_3(x) = (5x^3 - 3x)/2ルジャンドル多項式は、次の分野を含む (ただしこれらに限定されない) 物理学および工学において重要な用途があります。
機能を考慮するf(x) = x^2、それをルジャンドル多項式の線形結合に展開します。
f(x) = (2/3) P_2(x) + (1/3) P_0(x)
ルジャンドル多項式は、球面対称問題を処理するための強力なツールを提供し、数値計算と理論物理学で重要な役割を果たします。
エルミート多項式は数学における一連の直交多項式であり、確率論、数値解析、量子力学などの分野で一般的に使用されます。エルミート多項式は次の微分方程式を満たします。
y'' - 2xy' + 2ny = 0
で、nは負ではない整数です。
エルミート多項式は、次の漸化関係を使用して生成できます。
H₀(x) = 1,
H₁(x) = 2x,
Hₙ₊₁(x) = 2xHₙ(x) - 2nHₙ₋₁(x)
重み関数のエルミート多項式w(x) = e^(-x²)以下は直交性を満たします。
∫[-∞, ∞] Hₘ(x)Hₙ(x)e^(-x²) dx = 0 (m ≠ n の場合)
エルミート多項式の母関数は次のとおりです。
e^(2xt - t²) = ∑ Hₙ(x) tⁿ / n! (n = 0, 1, 2, ...)
以下に、低次のエルミート多項式をいくつか示します。
H₀(x) = 1H₁(x) = 2xH₂(x) = 4x² - 2H₃(x) = 8x³ - 12xエルミート多項式は、次の分野で広く使用されています。
チェビシェフ多項式は、数学で広く使用されている直交多項式の一種で、最初のカテゴリ (Tn(x)) と 2 番目のカテゴリ (Un(x)）。チェビシェフ多項式は、近似理論、数値解析、工学の分野で重要な役割を果たします。
チェビシェフ多項式は次のように定義されます。
Tn(x)として定義されるcos(n * arccos(x))。Un(x)として定義されるsin((n+1) * arccos(x)) / sqrt(1 - x^2)。第一種チェビシェフ多項式Tn(x)および第 2 種チェビシェフ多項式Un(x)これは再帰的な関係を通じて計算できます。
Tn+1(x) = 2x * Tn(x) - Tn-1(x)、でT0(x) = 1，T1(x) = x。Un+1(x) = 2x * Un(x) - Un-1(x)、でU0(x) = 1，U1(x) = 2x。以下は第一種チェビシェフ多項式です。Tn(x)最初のいくつかの項目:
T0(x) = 1T1(x) = xT2(x) = 2x2 - 1T3(x) = 4x3 - 3xT4(x) = 8x4 - 8x2 + 1チェビシェフ多項式Tn(x)これは、次のような特定の微分方程式を解くときに重要なツールです。
(1 - x²) T''(x) - x T'(x) + n² T(x) = 0この方程式はチェビシェフ多項式の定義方程式であり、2 次線形微分方程式であり、-1 から 1 までの範囲の領域に適用されます。
方程式の中で(1 - x²) T''(x) - x T'(x) + n² T(x) = 0いつ、いつnが整数の場合、その解は第一種チェビシェフ多項式になります。Tn(x)。したがって、この方程式は直交性を満たし、良好な近似特性を有しており、特に数値解析における近似解に適しています。
微分方程式の近似解を見つけたいとします。解決策として考えられるのは、f(x)チェビシェフ多項式の線形結合に展開します。
f(x) ≈ ∑ an Tn(x)で、anチェビシェフ多項式の係数です。数値的手法を使用してこれらの係数を解き、微分方程式の近似解を得ることができます。
積分方程式とは、未知の関数が積分符号に現れる方程式を指します。これは、多くの物理学および工学問題 (熱伝導、電磁場、弾性力学など) における一般的な数学モデルです。その解は微分方程式と密接に関連しており、相互に変換されることがよくあります。
積分方程式の一般的な形式は次のとおりです。
f(x) = λ ∫ab K(x, t) φ(t) dt + g(x)
フレドホルム カテゴリー 2:
φ(x) = ∫01 (x + t) φ(t) dt + sin(x)
ヴォルテッラ カテゴリー 1:
x² = ∫0x t φ(t) dt
多くの問題では、積分方程式と微分方程式は同等です。たとえば、微分方程式は積分方程式を微分することによって取得できます。また、グリーン関数を使用して微分方程式を積分形式に変換することもできます。これは、境界値の問題を扱う場合に特に役立ちます。
積分方程式は、連続システムと境界条件を分析するための効果的なツールを提供します。微分方程式と比較して、非局所性、記憶、または境界効果を伴う問題を扱うのに適しており、現代の物理学および工学において不可欠な数学的手法です。
積分方程式とは、未知の関数が積分符号内に現れる方程式です。これは、電磁場、音場、熱場などの物理問題における場の量の分布を記述するためによく使用されます。その基本的な形式は次のとおりです。
φ(x) = ∫ K(x, x') ψ(x') dx'
電磁場を計算する場合、積分方程式を使用して、境界条件によって引き起こされる放射と散乱の挙動を説明できます。たとえば、グリーン関数は、マクスウェル方程式の微分形式を直接解くことを避けるために、境界積分方程式を確立するために使用されます。
モーメント法 (MoM) は、積分方程式を離散化する数値法であり、場問題を近似的に解くために使用されます。主なアイデアは、未知の関数を一連の基底関数の線形結合に拡張し、テスト関数を通じて代数方程式系を構築することです。
ψ(x) ≈ ∑ aₙ fₙ(x)
∑ aₙ ∫ gₘ(x) K(x, x') fₙ(x') dx' dx = ∫ gₘ(x) φ(x) dx
[Z][a] = [V]
積分方程式とモーメント法は、場の理論と境界値の問題に強力な解決ツールを提供します。数値離散化と線形代数システムの確立により、さまざまな散乱、放射、透過現象を効果的に解くことができ、電磁気学、音響学、計算物理学の分野で広く使用されています。
ガンマ関数は階乗を拡張した数学関数で、通常は複素数や実数の分野で使用されます。正の整数 n の場合、ガンマ関数は n の階乗として定義されます。
Γ(n) = (n-1)!ここで、n = 1、2、3、...
正の実数 x の場合、ガンマ関数は次のように定義されます。
Γ(x) = ∫(0 ～ ∞) t^(x-1) * e^(-t) dt
この積分は x > 0 のときに収束します。
ガンマ関数には、次のような重要なプロパティがいくつかあります。
ガンマ関数は、科学および工学の多くの分野、特に次の分野で幅広く応用されています。
ガンマ関数は数学において非常に重要な特別な関数です。これは階乗の概念を拡張し、多くの分野で幅広い用途に使用できます。ガンマ関数の特性と応用を理解することで、さまざまな数学的および科学的問題をより適切に解決できるようになります。
分数次の導関数と積分は、総称して「微分積分」と呼ばれ、導関数と積分を非整数次数に拡張する数学の概念です。関数の任意の次数の微分演算と積分演算をカバーします。
分数導関数と積分の主な定義の 1 つは、リーマン・リウヴィル形式です。
Dⁿ[a, b]f(x) = (1 / Γ(m - n)) dᵐ/dxᵐ ∫[a, x] (x - t)ⁿ⁻ᵐ f(t) dt
で、nは非整数であり、m満足していますm - 1 < n < m整数、Γはガンマ関数です。
Caputo の定義は、初期値問題に適した形式を提供します。
Dⁿf(x) = (1 / Γ(m - n)) ∫[a, x] (x - t)ⁿ⁻ᵐ f⁽ᵐ⁾(t) dt
カプト定義は、リーマン・リウヴィル形式よりも物理現象を記述するのに適しています。
DⁿDᵐf(x) = Dⁿ⁺ᵐf(x)。D⁰f(x) = f(x)。分数導関数と積分は、科学および工学の多くの分野で重要な用途があります。
ベッセル関数は、数学や物理学で、特に円対称または円筒対称の問題を解くときに広く使用される特殊関数の一種です。これらの関数は数学者フリードリヒ ベッセルにちなんで命名され、通常は J_n(x) で表されます。ここで、n は関数の次数、x は独立変数です。
ベッセル関数には主に 2 つのタイプがあります。
ベッセル関数には、次のような多くの重要な数学的特性があります。
ベッセル関数は、科学および工学の多くの分野、特に次の分野で広く使用されています。
特別な関数として、ベッセル関数は数学とその応用分野で非常に重要です。そのユニークな特性と幅広い用途により、物理学や工学において不可欠なツールとなっています。
超幾何関数は特別なクラスの関数であり、一般化された超幾何級数として定義されます。
_2F_1(a, b; c; z) = ∑ (aₖ bₖ / cₖ) * zᵏ / k! (k = 0, 1, 2, ...)
で、aₖ = a(a+1)(a+2)...(a+k-1)昇順階乗を表し、c ≠ 0, -1, -2, ...。
この級数は次の条件で収束します。
|z| < 1系列が収束するとき。|z| = 1いつ、もしRe(c - a - b) > 0、その後収束します。超幾何関数には、次のようなさまざまな特殊なケースが含まれます。
a = b = 1/2，c = 1。_2F_1急行。超幾何関数は次の超幾何微分方程式を満たします。
z(1 - z)y'' + [c - (a + b + 1)z]y' - aby = 0
超幾何関数は、次の分野で重要な用途があります。
ルジャンドル関数は、ルジャンドル微分方程式を解く特別な関数のセットです。これらの関数は、物理学や工学の問題、特に静電場、重力場、量子力学の球面座標系などの球対称系で広く使用されています。
ルジャンドル微分方程式は、次の形式の 2 階常微分方程式です。
(1 - x²) d²y/dx² - 2x dy/dx + l(l + 1)y = 0
で、lは負ではない整数であり、xの値の範囲は -1 ～ 1 です。
いつl非負の整数の場合、ルジャンドル微分方程式の解はルジャンドル多項式となり、通常は次のように書かれます。Pl(x)。ルジャンドル多項式は多項式解の形式です。最初のいくつかの多項式を次に示します。
P0(x) = 1P1(x) = xP2(x) = (3x² - 1) / 2P3(x) = (5x³ - 3x) / 2ルジャンドル多項式は直交性を満たします。つまり、次のとおりです。
∫-11 Pl(x) Pm(x) dx = 0、l ≠ m の場合
関連するルジャンドル関数は、球面座標における角運動量の問題を解決するために使用されます。ルジャンドル関節関数は次のように書かれます。Plm(x)、でmは整数であり、次の条件を満たします|m| ≤ l。
ルジャンドル関節関数は、ルジャンドル多項式から微分することで導出されます。
Plm(x) = (1 - x²)|m|/2 d|m|Pl(x) / dx|m|
#Python の例: SciPy を使用してルジャンドル多項式 P3(x) を計算する
scipy.special import legendre より
# ルジャンドル多項式を定義する
P3 = ルジャンドル(3)
x = 0.5 # x = 0.5 とする
# P3(x)を計算する
結果 = P3(x)
print("P3(0.5) =, 結果)
この例では、Python SciPy スイートの使用方法を示します。legendre関数 ルジャンドル多項式を計算するP3(x)価値。
要約すると、ルジャンドル関数は多くの物理的および工学的問題、特に球面座標系の対称性の問題において重要な役割を果たします。
差分方程式（Difference Equation）は、離散変数列間の関係を記述する方程式です。離散システムの動的挙動を記述するために、数学、物理学、経済学、工学などの分野で広く使用されています。
差分方程式の基本的な形式は次のとおりです。
y[n+1] = f(y[n], y[n-1], ..., y[0], n)
で：
y[n]時間の順序を表しますn価値f数列の漸化関係を決定する関数ですy[n+1] = a y[n] + b、線形差分方程式と呼ばれます。f = 0の場合、それは同次差分方程式になります。一次差分方程式の形式は次のとおりです。
y[n+1] = ay[n] + b
この方程式は、直線的に増加または減衰するシーケンスを記述するために使用できます。
2 次差分方程式では、次のような 2 つの前の値間の関係が考慮されます。
y[n+2] = a y[n+1] + b y[n] + c
このタイプの方程式は、振動挙動やより複雑な動的システムを説明するためによく使用されます。
差分方程式を解く一般的な方法は次のとおりです。
差分方程式は、デジタル信号処理、制御システム、財務モデル、その他の分野で重要な応用価値があり、離散システムの動作の分析と予測に役立ちます。
数学では、汎用関数(関数型) は、入力が関数で出力がスカラー値である特別な種類の関数です。一般関数は、エネルギー、経路、およびシステムのその他の状態を記述するために物理学や工学でよく使用されます。一般的な関数は、多くの場合、記号を使用して数学的に表現されます。J[y]、でy関数です。
変分法(変分法) は、一般的な関数が最大値または最小値に達する状況を見つけるために使用される数学的手法です。変分法の中心となる考え方は、関数を変更することです。y(x)機能を最小化または最大化する形状またはパスJ[y]価値。これは、最短経路、最小エネルギーなどの問題を解決するために物理学で使用されます。
変分法では、オイラー・ラグランジュ方程式は汎関数の極値問題を解くためによく使用される方程式です。関数が与えられると:
J[y] = ∫ L(x, y, y') dxで、Lはラグランジュ関数であり、y'はいy右xの派生語。機能的にするJ[y]極値の取得、関数y(x)オイラー・ラグランジュ方程式が満たされる必要があります。
∂L/∂y - d(∂L/∂y')/dx = 0以下は、変分法を使用して 2 点間の最短経路を見つける簡単な応用例です。
J[y] = ∫√(1 + (y')^2) dx。固有値と固有ベクトルは、線形代数、特に行列の研究において重要な概念です。与えられた正方行列 A に対して、ゼロ以外のベクトル v が存在する場合、A が v に作用すると、結果は v の倍数になります。
A * v = λ * vここで、λ は固有値、v は対応する固有ベクトルです。
固有値は固有ベクトルに関連付けられたスカラーであり、固有ベクトルの方向の行列のスケーリング係数を表します。正方行列 A の場合、その固有値は特性方程式を解くことで取得できます。
det(A - λI) = 0ここで、I は単位行列、det は行列式を表します。この方程式を解くと、A のすべての固有値が得られます。
固有ベクトルとは、行列変換下でも方向が変化しないベクトルを指します。与えられた固有値 λ に対して、固有ベクトル v は上の方程式を満たす非ゼロの解になります。固有ベクトルは、行列 A の動作と構造についての洞察を提供します。
固有値と固有ベクトルは、次のような多くの分野で幅広い用途があります。
固有値と固有ベクトルは線形代数の中核概念であり、行列の特性を理解し、さまざまな応用問題を解決するために重要です。これらは線形変換に関する重要な情報を提供し、データ分析、エンジニアリング、科学研究で広く使用されています。
共役対称行列 (エルミート行列) は、次の条件を満たす特別な正方行列です: 任意の要素 a_{ij} に対して、 a_{ij} = \overline{a_{ji}} が存在します。 。これは、行列の要素関係が対称であることを意味しますが、複素数の共役を考慮しています。簡単に言うと、行列はそれ自体の共役転置と等価です。これは次のとおりです。
A = A*ここで、A* は行列 A の共役転置を表します。
共役対称行列には、次のようないくつかの重要な特性があります。
共役対称行列は、数学や工学において幅広い用途があります。一般的な例は次のとおりです。
共役対称行列は線形代数における重要な概念であり、多くの優れた数学的性質と応用力を持っています。科学や工学のさまざまな分野において、共役対称行列の特性を理解して活用することは、実際的な問題を解決するために非常に重要です。
オイラーの回転定理は、18 世紀に数学者レオンハルト オイラーによって提案され、剛体の回転を説明する重要な定理です。この定理は、3 次元空間では、点に固定された剛体の回転は固定軸の周りの回転として表現できることを示しています。この固定軸を回転軸といいます。
オイラーの回転定理は次のように述べています。3 次元空間内の任意の剛体について、その剛体が空間内で 1 つの方向から別の方向に回転する場合、その回転は固定軸の周りの回転と等価になる可能性があります。これは、回転角度のみを知る必要があることを意味しますθ回転軸の方向と回転を記述することができます。
実際のアプリケーションでは、回転は通常オイラー角を使用して表現されます。オイラー角には 3 つの角度が含まれており、それぞれ空間内の相互に直交する 3 つの軸上の剛体の回転を表します。これら 3 つの角度は通常次のように表されます。(α, β, γ)、で：
これら 3 つの角度を通じて、空間内の剛体の回転を記述することができます。
オイラーの回転定理によれば、剛体の回転は回転行列または四元数で表すことができます。回転行列は、空間内の剛体の変換を記述するために使用される 3x3 の直交行列です。回転角度についてθ、回転軸を中心に(x, y, z)、回転行列は次のように表されます。
R(θ) =
| cosθ + x²(1 - cosθ) xy(1 - cosθ) - zsinθ xz(1 - cosθ) + ysinθ |
| yx(1 - cosθ) + zsinθ cosθ + y²(1 - cosθ) yz(1 - cosθ) - xsinθ |
| zx(1 - cosθ) - ysinθ zy(1 - cosθ) + xsinθ cosθ + z²(1 - cosθ) |
# Python の例: SciPy を使用して回転行列を計算する
scipy.spatial.transform から R として回転をインポート
# 回転角度 (度) と軸を定義します
角度 = 45 # 45 度
axis = [0, 0, 1] # Z軸を中心に回転
# 回転行列を計算する
回転 = R.from_rotvec(角度 * np.pi / 180 * np.array(axis))
回転行列 = 回転.as_matrix()
print("回転行列:",rotation_matrix)
この例では、Python SciPy スイートを使用して、Z 軸を中心とした 45 度回転の回転行列を計算する方法を示します。
要約すると、オイラーの回転定理は、剛体の回転に関する簡潔かつ強力な記述方法を提供し、多くの工学および物理学の応用において重要な意味を持ちます。
ナブラ演算子 (記号 ∇) はベクトル微分演算子です。 3 次元デカルト座標系では、3 つの座標軸の方向に関して偏微分されたベクトルの集合として定義されます。数学や物理学では、この記号は通常、デルまたはナブラと発音されます。これは特定の数値ではなく、意味を持つために特定の関数 (スカラー場またはベクトル場) に作用する必要がある演算命令です。
ナブラ演算子をそれ自体でドット積すると、ラプラシアン演算子 (∇² と表記) が生成されます。熱伝導、静電ポテンシャル分布、波動現象などの物理現象を記述する方程式において重要な役割を果たす2階微分演算子です。
この逆三角形表記は、もともとスコットランドの数学者ウィリアム ローワン ハミルトンによって導入されました。ナブラという名前は、ジェームズ クラーク マクスウェルの友人によって提案され、逆三角形のような形をした古代の撥弦楽器を意味するギリシャ語 (ギリシャ語でナウブラ) に由来しています。
ナブラ演算子は、電磁気学の基本法則を記述するマクスウェル方程式や流体力学のナビエ・ストークス方程式において不可欠なツールです。複雑な空間変化の関係をエレガントなベクトル表現に簡素化し、エネルギー流、流体渦、電磁場の間の相互作用をより直観的に理解できるようにします。
線形代数は、ベクトル、ベクトル空間 (線形空間)、線形変換、行列を研究する数学の一分野です。これは、現代数学とその応用分野 (物理学、工学、経済学、コンピューター サイエンスなど) の基本ツールです。
(x, y, z)。正方行列の場合A、ゼロ以外のベクトルがある場合vスカラー付きλ作るもの:
A * v = λ * v
しかしλ呼ばれた固有値，v対応する固有ベクトル。これは、システムの安定性解析、物理モデリング、データの次元削減において重要な役割を果たします。
線形変換は、あるベクトル空間から別のベクトル空間へのマッピングを指し、次の 2 つの特性を満たします。
で、Tは線形変換です。uそしてvはベクトルであり、cはスカラー量です。
線形代数では、あらゆる線形変換は行列の乗算として表現できます。
T(x) = A * x
でAは行列であり、xベクトルです。
線形代数における一般的な線形変換には次のものがあります。
T(x) = 0のベクトルxコレクション。T(x)形成されたベクトルのセット。T(0) = 0）。オイラーの回転定理は、3 次元空間では、固定点の周りの剛体の変位は、固定点を通過する固有の軸の周りの 1 回の回転の結果と見なすことができると述べています。これは、剛体がどれほど複雑な連続回転を経験しても、初期位置に対する最終位置の変化は、特定の回転軸を中心に特定の角度を回転させることによって常に実現できることを意味します。
線形代数では、この定理は回転行列の観点から説明できます。 3x3 実数行列 R が直交し、その行列式の値が 1 (特別な直交群 SO(3) に属する) である場合、行列の固有値は 1 でなければなりません。行列 R が作用するときにベクトルは変化しないため、固有値 1 に対応する固有ベクトルが回転軸になります。
オイラーの最初の証明は球面幾何学に基づいていました。彼は、球面上の 1 組の大円弧を別の等しい長さの弧に移動させる変換では、球面上の 1 対の対蹠点を変更しない必要があることに気づきました。一対の固定点を結ぶ直線が剛体の回転軸となります。
トポロジーは、継続的な変形 (引き裂きや接着を除く、引き伸ばし、曲げなど) のもとで残る空間の特性を研究する数学の一分野です。特定の幾何学的測定値ではなく、オブジェクトの「形状の性質」に焦点を当てます。
位相空間は、「トポロジー」と呼ばれる部分集合系をもつ集合です。これらのサブセットは次の条件を満たします。
これらのオープンセットは、「連続性」や「連続性」などの概念を定義するために使用されます。
代数幾何学は、多項方程式の解のセットを研究する数学の分野です。これらの解セットは「代数多様性」と呼ばれます。代数幾何学は、代数 (特に抽象代数) と幾何学の概念を組み合わせたもので、数学や物理学のさまざまな分野で広く使用されています。
kⁿたとえば、ここでkドメイン (実数や複素数など)、n変数の数です。I、そのゼロ点セットは次のように記録されます。V(I)。存在するℝ²の方程式x² + y² - 1 = 0代数多様体である単位円を表します。
k[x₁,...,xₙ]/I要素。ℙⁿ、同次多項式を考えます。群理論は、主に数学的構造の対称性と操作性を研究する数学の一分野です。群理論は現代代数学の基礎であり、物理学、化学、コンピューター サイエンスなどの多くの分野で幅広く応用されています。グループとは、特定のプロパティを持つセットと操作の組み合わせを指します。
グループとはコレクションですGそして手術*、次の 4 つの基本条件を満たします。
a, b ∈ G、しかしa * b ∈ G。a, b, c ∈ G、しかし(a * b) * c = a * (b * c)。e ∈ G、何でも作るa ∈ G、持っているa * e = e * a = a。a ∈ G、要素がありますa-1 ∈ G、作るa * a-1 = a-1 * a = e。a, b ∈ G，a * b = b * aの場合、この群はアーベル群と呼ばれます。以下は 2 進数 (0 と 1) の加法グループで、その演算はモジュロ 2 加算です。
グループ G = {0, 1}
演算: 0 + 0 = 0、0 + 1 = 1、1 + 0 = 1、1 + 1 = 0 (モジュロ 2)この群は群の 4 つの基本条件を満たしており、アーベル群です。
数学では、群理論は対称性を研究するために特に使用されるツールです。システムの対称性は、何らかの変換が行われても変化しない特性として定義されます。群理論では、これらの不変変換を群と呼ばれる数学的構造にまとめます。これにより、視覚的な直感だけに頼るのではなく、代数的手法を使用して対称性を正確に分類および分析できるようになります。
対称操作をグループとして扱うには、次の 4 つの基本条件を満たす必要があります。
対称性の破れは、群理論における奥深い概念です。もともと対称性が高い系が、環境やエネルギー状態の変化により、最終的に対称性が低下する現象を指します。これは、宇宙初期に質量がどのようにして作られたのか（ヒッグス機構）、そして水が凍って結晶になるなどの相変化がどのように起こったのかを説明する上で極めて重要です。
ガロア理論はフランスの数学者ですエヴァリスト・ガロア19世紀に研究のために開発された理論多項式の可解性およびそれに対応する対称性。この理論は、群理論そしてドメイン理論組み合わせると、多項式が根号で解けるかどうかを判断するための条件が提供されます。
ドメインを指定するとK、より大きなドメインがある場合L作るKはいLのサブドメインの場合、それは呼び出されますLはいKの拡張ドメインとして記録されますL/K。
ドメイン拡張の場合L/K、のようにGal(L/K)全員で維持されているK固定された自己同型から構成される群はと呼ばれますガロア群。
ガロア理論の基本定理が確立されたガロア群と領域展開の対応：
ガロア理論の中心的な結果の 1 つは次のとおりです。根号を使用して判別式が解けるかどうかを判断する：
ガロア群は、多項式方程式の根間の対称性を研究するために使用される代数学の数学的構造です。ガロア群はフランスの数学者エヴァリスト ガロアによって発見されました。 ガロアは、主に多項式の可解性を調査し、その根の対称性と変換特性を記述するために使用されます。
ガロア理論は、多項式方程式の可解性を研究するために使用される数学の理論の分野であり、特に根号を使用して多項式が解けるかどうかを判断するために代数的手法を使用します。この理論は、多項式の可解性をその根のガロア群構造に関連付けます。
ガロア群は数学において重要な役割を果たし、対称性の観点から多項式根の構造を分析する方法を提供します。ガロア群と代数方程式の可解性との関係を通じて、ガロア理論は数式の研究を新たなレベルに引き上げ、現代代数学の基礎の 1 つになりました。
複素変数は、複素関数とその特性を研究する数学の一分野です。複素関数は実数部と虚数部で構成され、解析性や共役などの多くの固有の特性を持っています。
複数zこれは次のように表現できます。
z = x + yi
x複素数の実部であり、次のように表されます。Re(z)y複素数の虚数部であり、次のように表されます。Im(z)iは虚数単位です。i2 = -1複素数は極形式でも表現できます。
z = r(cosθ + i sinθ) = reiθ
rは係数であり、次のように表されます。|z|θは引数の角度であり、次のように表されます。arg(z)複素関数f(z)は複数形ですz別の複素数にマップする関数は次のように記述できます。
f(z) = u(x, y) + iv(x, y)
u(x, y)関数の実部ですv(x, y)関数の虚数部です複雑な関数の場合f(z)ある点とその近傍内で微分可能な場合、それを「解析関数」と呼びます。解析関数はコーシー-リーマン方程式を満たします。
∂u/∂x = ∂v/∂yそして∂u/∂y = -∂v/∂x
f(z) = zn:多項式関数f(z) = ez：指数関数f(z) = sin(z)そしてf(z) = cos(z): 三角関数f(z) = ln(z): 複素対数関数複素変数とその関数は、数理物理学、電気工学、電力システムの分野で広く使用されています。それらのユニークな分析特性により、重要な研究対象となっています。
複数形では、複素共役(複素共役) は、複素数の虚数部の符号を変更する演算です。たとえば、複素数の場合z = a + bi、その複素共役は次のように表されます。z̅ = a - bi、でaは実部です、b虚数部です。
複数を想定するz = 3 + 4i、その複素共役は次のようになります。z̅ = 3 - 4i。そのモジュールの長さは |z| です。 = √(3² + 4²) = 5。
アルガン図としても知られる複素平面は、複素数を表すために使用される平面座標系です。横軸は実数部、縦軸は虚数部を表す。
複数の数字は通常次のように表現されます。z = a + bi、で：
aは実数部で、複素平面の横軸に対応します。bは虚数部であり、複素平面の垂直軸に対応します。複素数は次のように極座標で表すこともできます。
z = r(cosθ + i sinθ) = reiθ
で：
r = |z|複素数のモジュール長であり、原点から点 z までの距離を表します。θ引数、つまり z と実軸の正の方向の間の角度です。z = a + bi、その共役はz̄ = a - biのようにz = 3 + 4i、しかし：
|z| = √(3² + 4²) = 5θ = arctan(4/3)この点は、複素平面の第 1 象限に位置し、原点から 5 単位になります。
最急降下法は、特に振動関数や急速に変化する関数が関係する場合に、複雑な積分問題を解くために使用される数値手法です。この方法は、複素平面上で最速の下降経路を見つけることによって積分値を近似します。
最急降下法の中核となる概念は、定常位相法を使用して複素平面上の経路に沿った積分を計算することです。このパスを選択する場合は、次の条件を満たす必要があります。
最急降下法を使用する手順は次のとおりです。
f'(z) = 0ポイント。Re(f(z))急速に衰退します。最急降下法は、次のような問題を解決するために、物理学と工学、特に量子力学と統計物理学で広く使用されています。
最急降下法の主な利点は、振動的で急速に変化する積分問題を効果的に処理できることです。ただし、その適用可能性は積分関数の特性に依存し、複素関数と鞍点理論の深い理解が必要です。
複素解析は、複素関数とその特性を研究する数学の分野です。これには、解析関数、共役関数、複素積分などの概念が含まれており、物理学、工学、応用数学に幅広く応用できます。
z = x + yi、でxそしてyはそれぞれ実数部と虚数部であり、i虚数単位です。zモジュラスは|z|、引数の角度はarg(z)。解析関数は導関数を持ち、複素平面上で連続する複素関数です。分析関数f(z)コーシー・リーマン方程式を満たします。
∂u/∂x = ∂v/∂yそして∂u/∂y = -∂v/∂x
でuそしてvそれぞれf(z)の実数部と虚数部。
複素積分は、複素数の領域にわたって解析関数を積分するプロセスです。一般的に使用される式には次のようなものがあります。
f(z)領域内で解析すると、その領域内の閉じたパスに沿った積分はゼロになります。∮ f(z) dz = 0。f(z)地域内で解決され、z_0そのエリア内では、f(z_0) = (1/2πi) ∮ f(z)/(z - z_0) dz。剰余定理は複雑な積分計算のための重要なツールであり、特に特異点を含む解析関数の積分を計算するのに適しています。中の人にとってz_0孤立した特異点を持つ関数f(z)を囲むz_0の閉回路積分は次のようになります。
∮ f(z) dz = 2πi * Res(f, z_0)
でRes(f, z_0)のためにf(z)存在するz_0残り。
複雑な変数分析は、次のような多くの分野で重要な応用例があります。
複素変数解析は、豊富な数学的理論的基礎を提供するだけでなく、科学と工学においても重要な役割を果たします。
複素積分とは、複素平面上の複素数値関数の積分の計算を指します。複素積分は複素変数の分析において非常に重要であり、物理学、工学、数学の多くの問題を解決するために使用されます。複素積分の計算には、複素曲線上の積分と複素関数の特性が含まれます。
複素積分の基本形は曲線に沿っていますC積分関数f(z)、今すぐ：
∫C f(z) dz
で、z = x + iyは複数であり、xそしてyは実数であり、f(z)通常は複素平面上で定義される解析関数です。
コーシーの積分定理は、複素積分における重要な定理です。それは次のように述べていますf(z)閉曲線でC閉じた領域内で解析を行うと、この閉曲線に沿った積分はゼロになります。
∫C f(z) dz = 0
この定理は、複素平面における解析関数の閉路積分の特性を明らかにし、その後の積分手法の基礎となります。
コーシーの積分公式は、解析関数の積分特性をさらに説明します。のようにf(z)地域内で解決され、aがエリア内の点である場合、次のようになります。
f(a) = (1 / 2πi) ∫C f(z) / (z - a) dz
この式は、その点での解析関数が次のことを示しているだけではありません。aの値は積分として表すことができ、複素積分を計算するための強力なツールとしても使用できます。
留数定理は、複素積分を評価するための強力な計算方法です。のようにf(z)閉曲線でC囲まれた領域内での解析が行われ、この領域内には有限数の孤立した特異点のみが存在します。z1, z2, ..., zn、しかし：
∫C f(z) dz = 2πi Σ Res(f, zk)
で、Res(f, zk)急行f(z)存在するzk残りは で。留数定理は、特に次の場合に複素積分を評価するための強力な方法です。f(z)極端な点が含まれる場合。
#Python の例: SymPy を使用して単純な複素積分を計算する
sympyインポートシンボルから、統合、I
# 変数を定義する
z = シンボル('z')
f = 1 / (z - 1)
# ポイントを計算する
結果 = 積分(f, (z, 1 + I, 1 - I))
print("∫(1 / (z - 1)) dz =", 結果)
この例では、Python SymPy ライブラリを使用して複素積分を計算する方法を示します。
要約すると、複素積分は物理学、工学、数学的解析において重要な役割を果たし、複素数の領域の問題を記述および解決するための強力な方法を提供します。
標準偏差 (SD) は、平均からのデータ分布の距離を測定するために統計で使用される指標です。値が大きいほど、データの分布はより分散します。値が小さいほど、データはより集中します。
一連のデータの場合x1, x2, ..., xn、その標準偏差の式は次のとおりです。
親標準偏差 (σ):
σ = sqrt(Σ (xi - μ)² / N)
サンプル標準偏差 (s):
s = sqrt(Σ (xi - x̄)² / (n - 1))
ゲーム理論 Theory) は、意思決定環境、特にすべての当事者の決定が相互に影響を与える場合に、最適な意思決定を行う方法を研究する数学理論です。ゲーム理論は、経済学、政治学、社会学、心理学などの分野で広く使用されています。主な目的は、個人またはグループが競争状況や協力状況において最も有利な戦略をどのように選択するかを理解することです。
ゲーム理論にはさまざまな種類のゲームがあります。ゲームの構造と参加者の情報に応じて、ゲームは次のカテゴリに分類できます。
ナッシュ均衡はゲーム理論における重要な概念です。これは、各プレイヤーが最も有利な戦略を選択し、誰も戦略を変更しようとしない場合に形成されます。これは、ナッシュ均衡では、各プレイヤーの決定が最良の選択であることを意味します。
たとえば、典型的な「囚人のジレンマ」問題は、ゲーム理論におけるナッシュ均衡の場合です。このゲームでは、協力することで双方の全体的な利益を最大化できるとしても、情報が不完全であるため、双方が自分にとって最も利益となる戦略を選択し、ナッシュ均衡に達します。
ゲーム理論は、異なる意思決定者間の相互作用を研究することにより、競争環境および協力環境における人々の行動特性を明らかにします。これは、さまざまな状況で最善の意思決定を行う方法を理解するのに役立ち、現代の経済学、社会科学、心理学、その他の分野に大きな影響を与えています。
確率分布 (確率分布) は、確率変数の取り得る値の範囲とその確率を記述するために使用される数学関数です。確率変数は離散的または連続的であり、確率分布は確率変数の性質に基づいて離散的確率分布と連続的確率分布に分類できます。
離散確率分布は、有限または可算無限の範囲の値を持つ離散確率変数に適用されます。一般的な離散確率分布は次のとおりです。
連続確率分布は、値の範囲が連続である連続確率変数に適しています。一般的な連続確率分布には次のものがあります。
#Python の例: 正規分布データを生成し、グラフィックスを描画する
numpyをnpとしてインポート
matplotlib.pyplotをpltとしてインポート
# 正規分布と一致する 1000 個のデータ ポイントを生成します
データ = np.random.normal(loc=0、scale=1、size=1000)
# ヒストグラムを描画する
plt.hist(データ、ビン = 30、密度 = True、アルファ = 0.6、色 = 'b')
# 正規分布のPDF
xmin、xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = np.exp(-((x)**2) / 2) / np.sqrt(2 * np.pi)
plt.plot(x, p, 'k', linewidth=2)
plt.title("通常に分散されたデータ ポイントと PDF")
plt.show()
この例では、Python を使用して正規分布データを生成し、そのヒストグラムと理論上の密度関数をプロットして、データ分布の形状と特性を理解する方法を示します。
確率分布は、統計とデータ分析の基本概念です。ランダム現象の挙動や特性を理解するのに役立ち、さまざまな分野で広く使用されています。
この例では、JavaScript を使用して正規分布データを生成し、それを HTML5 の Canvas 経由でプロットする方法を示します。
<canvas id="chart" width="800" height="400"></canvas>
<スクリプト>
// 正規分布データを生成する
関数generateNormalData(mean, stdDev, count) {
定数データ = [];
for (let i = 0; i < count; i++) {
data.push(mean + stdDev * Math.sqrt(-2 * Math.log(Math.random())) * Math.cos(2 * Math.PI * Math.random()));
}
データを返す。
}
//チャートパラメータを設定する
定数平均 = 0;
const stdDev = 1;
const data =generateNormalData(mean, stdDev, 1000);
const Canvas = document.getElementById('chart');
const ctx = Canvas.getContext('2d');
// ヒストグラムを描画します
関数drawHistogram(データ、ビン、カラー) {
const width = キャンバスの幅;
const height = キャンバスの高さ;
const max = Math.max(...data);
const min = Math.min(...data);
const binWidth = (最大 - 最小) / ビン;
//各範囲を初期化する
const ヒストグラム = Array(bins).fill(0);
data.forEach(値 => {
const bin = Math.min(Math.floor((value - min) / binWidth), bins - 1);
ヒストグラム[bin]++;
});
// 間隔ごとに長方形を描画します
const maxCount = Math.max(...ヒストグラム);
const barWidth = 幅 / ビン;
histogram.forEach((カウント, インデックス) => {
const barHeight = (カウント / maxCount) * 高さ;
ctx.fillStyle = カラー;
ctx.fillRect(index * barWidth, height - barHeight, barWidth - 1, barHeight);
});
}
drawHistogram(データ, 50, '#336699');
</スクリプト>正規分布 (Normal Distribution) では、データがさまざまな標準偏差の範囲内に収まる確率は次のとおりです。
ポアソン分布は、一定の時間または空間範囲内でのイベントの発生数を記述する離散確率分布です。この割り当ては、1 分あたりの顧客到着数、コンピュータ サーバーへのリクエスト数など、独立したランダムに発生するイベントに特に適しています。
λこのパラメータがイベントの平均発生率を表すことを示します。ボアソン配分の確率質量関数 (PMF) は次のように表すことができます。
P(X = k) = (λ^k * e^(-λ)) / k!
で：
k: 指定された間隔内でイベントが発生した回数 (負ではない整数)。λ: この間隔でのイベントの平均発生率 (0 より大きい定数)。e：自然定数、約2.71828。この関数は、一定の時間または空間内での出来事の発生を記述します。k確率。
たとえば、コーヒー ショップに 1 分間に平均 3 人の顧客が入店する場合、λ = 3とすると、ある瞬間にちょうど 5 人の顧客が入店する確率は次のようになります。
P(X = 5) = (3^5 * e^(-3)) / 5! ≈ 0.1
# Python を使用してボアソン割り当てを生成する
numpyをnpとしてインポート
matplotlib.pyplotをpltとしてインポート
# 平均出現率 λ を設定します
λ = 3
# ボワソン分布と一致するデータを生成する
データ = np.random.poisson(λ, 1000)
# ヒストグラムを描画する
plt.hist(データ、bins=range(0, 15)、density=True、alpha=0.7、color=”blue”、edgecolor=”black”)
plt.title("ボアソン分布ヒストグラム (λ=3)")
plt.xlabel("イベント発生数")
plt.ylabel("確率")
plt.show()
この例では、ボアソン割り当てデータを生成し、ヒストグラムをプロットしてイベント発生の分布を視覚化する方法を示します。
ボアソン割り当ては、ランダム イベントの発生数を記述するための強力なツールであり、統計、工学、自然科学などのさまざまなアプリケーションに適しています。
超幾何割り当ては、有限セットから非置換でサンプルを抽出する場合の成功数の分布を記述する離散確率分布です。 2 種類のオブジェクトを含むコレクションがあるとします。
N:オブジェクトの総数K: 第一級オブジェクトの数N - K:第 2 タイプのオブジェクトの数からランダムに選択nオブジェクト、最初のタイプのオブジェクトが正常に抽出された回数X超幾何分布の影響を受けます。
超幾何分布の確率質量関数は次のとおりです。
P(X = k) = [C(K, k) * C(N - K, n - k)] / C(N, n)
で：
C(a, b) = a! / (b!(a - b)!)組み合わせの数を表します。kは満足のいく成功の数ですmax(0, n - (N - K)) ≤ k ≤ min(n, K)。超幾何分布の期待値と変動は次のとおりです。
E[X] = n * (K / N)Var[X] = n * (K / N) * ((N - K) / N) * ((N - n) / (N - 1))超幾何割り当ては次の分野で広く使用されています。
分散分析 (ANOVA) は、複数のデータセット間の平均に有意な差があるかどうかをテストするために使用される統計手法です。 ANOVA は、治療効果に対するさまざまな薬剤の効果を比較するなど、さまざまな治療法またはグループの結果に対する影響が有意であるかどうかを判断するためによく使用されます。
単一因子変動分析は、複数のデータセットに対する単一因子の影響をテストするのに適しています。各グループのサンプル数がn、グループの総数はkとすると、次の統計を計算できます。
SST = ΣΣ(yij - ȳ)2
で、yij最初のものを示しますiグループ番号jデータポイント、ȳすべてのデータの全体平均です。
SSB = Σni(ȳi - ȳ)2
で、ȳi初めてiグループの平均、niグループ内のサンプルの数です。
SSW = ΣΣ(yij - ȳi)2
で、ȳiは各グループの平均です。
ANOVA では、変動量のそれぞれに対応する自由度があります。
N - 1、でNデータポイントの総数です。k - 1。N - k。次に、平均二乗 (MS) を計算します。
MSB = SSB / dfbetweenMSW = SSW / dfwithin最後に、F 検定を使用してグループ間の変動とグループ内の変動を比較し、グループ間の差異が有意かどうかを判断しました。 F値の計算式は次のとおりです。
F = MSB / MSW
F 値が大きいほど、グループ間の差が大きくなります。表を参照するか統計ソフトウェアを使用して F 値と臨界値を比較することで、帰無仮説を棄却するかどうかを決定できます。
たとえば、さまざまな肥料が植物の成長高さに及ぼす影響をテストしました。 3 つのグループの肥料に対応するサンプルの高さは次のとおりです。
SST、SSB、SSWを計算し、F値を計算することで、肥料の違いによる効果に有意差があるかどうかを判断します。
変動分析は一般的に使用される統計手法であり、複数のデータセットの効果を比較するのに特に適しており、科学研究、工学、その他の分野で広く使用されています。
数値解析は、数値的手法を使用して数学的問題を解決し、近似計算を使用して解析的手法では解決できない問題に対処する学問です。その核心は、効率的で安定した正確な計算方法を追求することです。
数学的解析と線形代数の基礎を学び、Python や MATLAB などのツールを使用して練習することをお勧めします。おすすめの参考書としては、『数値解析: 理論と実践』や『応用数値手法』などがあります。
有限要素法 (FEM) は、応力、熱伝導、流体力学、および複雑な構造のその他の問題を解決するために工学および物理科学で広く使用されている数値解析手法です。
有限要素法では、連続体を多数の小さな有限要素に分割し、各要素内で近似的な数学的モデルを確立し、最後にこれらのモデルを結合して問題全体を解決します。
基本的な力学と数学から学習を開始し、徐々に有限要素法の理論と実践を習得し、関連するソフトウェアを使用して操作を練習することをお勧めします。
畳み込みは、信号処理、画像処理、深層学習で広く使用されている数学演算です。畳み込みの主な機能は、「カーネル」または「フィルター」と呼ばれる機能を適用してデータを処理し、特徴を抽出することです。
1 次元の離散畳み込み演算の数学的定義は次のとおりです。
(f * g)(t) = Σi=-∞∞ f(i) ⋅ g(t - i)
で：
画像処理では、畳み込みも同様の演算ですが、2 次元データ (つまり、画像の各ピクセル) に適用されます。
畳み込みのさまざまな応用を通じて、データの特徴を効果的に抽出し、さまざまなデータ分析および処理分野に適用できます。
ファジィ理論は、「不確実性」と「ファジィ性」の問題を扱うために使用される数学理論であり、主にファジィ集合とファジィ論理で使用されます。従来のブール論理とは異なります（ブール ロジック)、ファジィ理論では、オブジェクトが部分的な属性を持つことができ、イベントが発生する可能性を表す 0 から 1 の範囲が提供されます。
以下は、室温制御を評価するために使用される単純なファジィ論理システムの例です。
ファジィ ロジックを通じて、温度変化のファジィ範囲内でファン速度を調整し、人間の判断パターンとの一貫性を高めることができます。
