普通最小二乘法（OLS）

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。

贝叶斯定理描述了基于与事件可能相关的先验条件对事件概率的推断。它是概率论与统计学中的基础概念。 数学表达式为：\frac{P(B|A)P(A)}{P(B)}其中A和B为事件，且\frac{P(B|A)P(A)}{P(B)} \neq 0。该定理关联了两个随机事件的条件概率与边缘概率。.

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。

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。

函数[latex]s(x)[/latex]的傅里叶级数系数（周期为[latex]P[/latex]）通过积分公式计算得出。 直流分量为 [latex]a_0 = \frac{2}{P} \int_{P} s(x) , dx[/latex]。余弦系数为 [latex]a_n = \frac{2}{P} int_{P} s(x) \cos\left(\frac{2pi n x}{P}\right) , dx[/latex]，正弦系数为 [latex]b_n = \frac{2}{P} \int_{P} s(x) \sin\left(\frac{2\pi n x}{P}\right) , dx[/latex]（当 [latex]n ≥ 1[/latex] 时）。.

线性偏微分算子 [latex]L[/latex] 的基本解是方程 [latex]Lu = delta(x)[/latex] 的解，其中 [latex]delta(x)[/latex] 是 Dirac delta 函数。它表示系统对点源或脉冲的响应。一旦知道了非均相方程 [latex]Lu = f(x)[/latex] 的解，就可以通过卷积求得：[latex]u(x) = (G * f)(x)[/latex], 其中 [latex]G[/latex] 为基本解。

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。.

Theorema Egregium（拉丁语，意为 "显著定理"）指出，曲面的高斯曲率是一种固有属性。这意味着它只取决于如何测量曲面本身的距离，而不取决于曲面如何嵌入三维空间。一张平纸在不拉伸的情况下可以卷成圆柱体，但不能卷成球体。

为了使傅里叶级数收敛到函数值，该函数必须在一个周期内满足狄利克雷条件。这些条件是：（1）该函数必须是绝对可积的；（2）它必须有有限个极值点（极大值和极小值）；（3）它必须有有限个有限间断点。