贝叶斯定理

毕达哥拉斯定理为笛卡尔坐标系中的距离公式提供了基础。 平面上两点 (x₁, y₁) 和 (x₂, y₂) 之间的距离 d 由公式 d = √((x₂ - x₁)² + (y₂ - y₁)²) 给出。 该公式直接应用于直角三角形，其两条直角边分别是x坐标与y坐标的差值。.

这是数学史上一个著名的问题。1736 年，莱昂哈德-欧拉（Leonhard Euler）解决了这个问题，奠定了图论的基础，并预示了拓扑学的思想。这个问题问的是，哥尼斯堡市的七座桥是否可以在一次旅行中全部走完，而不需要折返两次，并且旅行的终点还是起点的同一陆地。

拓扑学和几何学中的一个基本定理，指出对于任何凸多面体，顶点数（V）、边数（E）和面数（F）的关系式为 [latex]V - E + F = 2[/latex]。这个值，即 2，是球体的欧拉特性，揭示了与多面体具体形状无关的深层拓扑特性。

二阶线性椭圆偏微分方程，用于描述稳态或平衡条件下的系统。它被写成 [latex]nabla^2 u = 0[/latex] 或 [latex]Delta u = 0[/latex]，其中 [latex]nabla^2[/latex]（或 [latex]Delta[/latex]）是拉普拉斯算子。解称为谐函数，是最平滑的函数，代表静电、重力和流体流动等领域的电势。

通过寻找模型参数，使观测值与预测值的平方差之和最小化，从而近似求解超确定系统的标准方法。这个和称为残差平方和（SSR）。目标是找到使函数 [latex]S(\beta) = \sum_{i=1}^{n} (y_i - x_i^T \beta)^2[/latex] 最小化的参数 [latex]/hat{\beta}[/latex]。.

描述热分布或其他扩散过程的基本二阶线性抛物线偏微分方程。其典型形式为 [latex]\frac{partial u}{partial t} = \alpha \nabla^2 u[/latex]，其中 [latex]u(\vec{x},t)[/latex] 为温度，[latex]t[/latex] 为时间，[latex]\alpha[/latex] 为热扩散率。解法模拟了初始温度分布的演变过程，随着时间的推移，不规则的温度分布逐渐平滑并接近稳定状态。

笛卡尔坐标系为欧几里得几何提供了代数模型。它使用一个或多个数字（或坐标）来唯一地确定空间中点的位置。在平面上，使用两条垂直线（x轴和y轴），从而可以用代数方程来描述几何形状。这种代数与几何的融合被称为解析几何。

数学归纳法是一种用于证明性质[latex]P(n)[/latex]对所有自然数[latex]n[/latex]成立的技术。它包含两个步骤： 基准情况，证明[latex]P(0)[/latex]或[latex]P(1)[/latex]成立；归纳步骤，证明若[latex]P(k)[/latex]对某个自然数[latex]k[/latex]成立（归纳假设），则[latex]P(k+1)[/latex]同样成立。.

二阶线性双曲偏微分方程，用于控制各种波的传播。最简单的形式是 [latex]\frac\{partial^2 u}{partial t^2} = c^2 \nabla^2 u[/latex]，其中 [latex]u(\vec{x},t)[/latex] 是波的振幅，[latex]c[/latex] 是波速，[latex]\nabla^2[/latex] 是拉普拉斯算子。它是振动弦、声波和光波等现象的模型。

欧拉特性是一个拓扑不变量，是一个描述拓扑空间结构或形状的数字，与空间的弯曲方式无关。对于多面体，它由公式 [latex]\chi = V - E + F[/latex] 定义，其中 V、E 和 F 分别是顶点、边和面的数量。对于球面，[latex]\chi = 2[/latex]，而对于环面，[latex]\chi = 0[/latex]。

这是几何概率中最早的问题之一，被认为是蒙特卡罗方法的前身。它涉及将一根长度为 [latex]l[/latex] 的针投到地板上，地板上有相距 [latex]t[/latex] 的平行线。针穿过一条线的概率为 [latex]P = \frac{2l}{\pi t}[/latex]（为 [latex]l \le t[/latex]）。这为估算 [latex]\pi[/latex] 提供了一个物理实验。.

帕塞瓦尔定理将信号的总能量（其平方在一周期内的积分）与傅里叶级数各分量平方能量之和相关联。 对于周期为[latex]P[/latex]的函数[latex]s(x)[/latex]，该定理表明：[latex]\frac{1}{P} \int_P |s(x)|^2 , dx = \sum_{n=-\infty}^{\infty} |c_n|^2，其中c_n为复傅里叶系数。.

贝叶斯推断是一种统计方法，它运用贝叶斯定理在获得更多证据或信息时更新假设的概率。这是贝叶斯统计的核心原理。 其核心思想可表述为：后验概率与先验概率与似然函数的乘积成正比，即 [latex]p(\theta|D) \propto p(D|\theta)p(\theta)[/latex]，其中 [latex]\theta[/latex] 表示参数，D 表示数据。.

傅里叶级数将任何周期函数或信号分解为简单振荡函数（即正弦与余弦函数）的和。对于周期为[latex]P[/latex]的函数[latex]s(x)[/latex]， 其级数表示为：[latex]s(x) \approx \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[ a_n \cos\left(\frac{2\pi n x}{P}\right) + b_n \sin\left(\frac{2\pi n x}{P}\right)\right][/latex]。 项[latex]a_n[/latex]和[latex]b_n[/latex]即为傅里叶系数。.