基础数学研究

基于斐波那契数列(Fibonacci sequence)来逐步缩小一维优化问题搜索区间。

模拟退火算法（Simulated Annealing, SA）是一种通用的概率优化算法，用于在给定的大搜索空间内寻找问题的近似全局最优解。该算法灵感来源于物理中固体物质的退火过程，即加热物体后再慢慢冷却，以达到最低能量状态的过程。在算法中，“温度”参数控制搜索过程的随机性，随着“温度”的逐渐降低，算法从广泛搜索逐渐转变为局部搜索，以期找到全局最优解。

复指数，幂函数

等价关系

# 相对论## 世界面，同时面，同时线，世界线- 世界线 - 世界线是物体在四维时空（三维空间 + 时间）中的运动轨迹。 - 在三维图中，简化为一维空间$x$和时间$t$ - 世界线是一条曲线，表示物体在不同时间的位置。

复函数导数（偏导）

Python的heapq模块提供了堆队列算法的实现，利用它来存储边， 默认是最小堆。优先队列（最小堆）用于存储与生成树相连的边，并确保每次都能快速取出边权最小的边。最小生成树: 在加权无向图中找到一棵包含所有节点的树，且这棵树的边权总和最小。生成树：一个连通无向图的生成树是包含图中所有节点的树，且树中的边都来自原图。贪心策略：每次选择当前距离起点最近的节点，更新其邻接节点的距离。创建一个优先队列（最小堆），存储与生成树相连的边。加权图：图中的每条边都有一个权重（或成本）。选择一个起始节点，将其加入生成树。

距离数组dist，设置起点距离为0，其他节点距离为无穷大（∞）用最小堆创建优先队列，将起点放入队列。从队列中取出当前距离最小的节点u。遍历u的每个邻接节点v，计算从起点到v的路径长度：alt = dist[u] + weight(u, v)。如果alt < dist[v]，更新dist[v]为alt，并将v加入队列。

复三函数与双曲复函数

# 时域转频域信号## 傅里叶变换将时域信号转换为频域信号- **连续傅里叶变换**：$$ F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-i \omega t} \, dt$$

傅里叶变换理论

线性规划图解法

核

是连续且分段光滑的函数（即导数存在且分段连续)=>傅里叶级数一致收敛于。，在间断点处收敛于左右极限的平均值。），则傅里叶级数在均方意义下收敛于。的连续点处逐点收敛于。是平方可积的函数（即。

原问题（Primal Problem）对偶问题（Dual Problem）目标函数最小化cTxc^T xcTx最大化bTyb^T ybTy变量变量xxxn×1n \times 1n×1向量）对偶变量yyym×1m \times 1m×1向量）约束条件约束矩阵AAAm×nm \times nm×n约束矩阵ATA^TATn×mn \times mn×m右端项bbbm×1m \times 1m×1向量）目标函数系数cc。

切向量、主法向量、从法向量、切平面、法平面、从切平面和密切平面

挠率是描述空间曲线扭转程度的重要几何量。描述空间曲线扭转程度的几何量。它表示曲线偏离密切平面的速率。挠率与曲线的从法向量。

曲线在某一点与自身相交的点，存在s1s_1s1​不等于s2s_2s2​，使得r(s1)=r(s2)\mathbf{r}(s_1) = \mathbf{r}(s_2)r(s1​)=r(s2​)。x(s)=sin⁡s,y(s)=sin⁡2s.x(s) = \sin s, \quad y(s) = \sin 2s.x(s)=sins,y(s)=sin2s.切向量T(s)=drds=(dxds,dyds)=(cos⁡s,2cos⁡2s).\mathbf{T}(s) = \frac{d\mathbf{r}}{

满同态ϕG→Hϕh∈Hg∈GϕghϕGHϕH≅Gkerϕ)核ϕG→HϕeH​Hkerϕg∈G∣ϕgeH​}kerϕ)Gkerϕ◃GH商群N◃GGgNgNGNGNgN∣g∈G}(g1​N⋅g2​Ng1​g2​NGNGNNkerϕ)GN≅Imϕ)phiG→HGkerϕ≅Imϕ)ϕGkerϕ≅Hkerϕ)ϕGkerϕ)Imϕ。

周期、复指数、基波、频率

# 傅里叶变换详解## 绘制时域图和频域图

坐标系

向量

三点共线的充要条件是任意两点的斜率相等，正是三点共线的斜率条件。共线，意味着它们的方向相同或相反，且存在一个实数。外分点：分线点在线段 AB的延长线上。，其中 m 和 n 是正实数。内分点：分线点在线段 AB上。将一条线段分成特定比例的点（

# 正交化（Orthogonalization）## 理论- 指的是通过某种变换或调整，使向量、函数或系统之间的关系变得正交- 将一组向量转换为正交向量组的过程。最常见的是格拉姆-施密特正交化（Gram-Schmidt Process）。 - 给定一组线性无关的向量$\{v_1, v_2, \dots, v_n\}$，通过以下步骤将其转换为正交向量组 $\{u_1, u_2, \dots, u_n\}$： - 第一个向量保持不变：$u_1 = v_1$。 - 后续向量 $v_k$，减去它在*

期望与线性泛函,事件独立与积测度

随机变量的数学含义

局部可积与lusin定理

贝尔$\sigma$代数

标准正态分布

邻域、图、树

- 独占所有权- 同一时间只能有一个unique_ptr对象管理。- 不可拷贝，可通过std::move转移所有权。

拓扑的基是一组开集，通过它们的并集可以生成拓扑空间中的所有开集。是所有 ( \mathcal{B}$中集合的并集组成的集合族。的某些子集组成的集合，满足拓扑的公理）。通过基可以生成拓扑空间中的所有开集。用于描述拓扑空间的开集结构。

超图

线性规划

矩阵与行列式

赋范空间完备化

无处稠密

F分布

PyMC是一个专注于高级马尔科夫链蒙特卡洛(MCMC)和变分推断(VI)算法的Python包。