Математика

Алгебра, страница 3

Формулы для уравнений, преобразований, корней, степеней и функций.

175 формул

Таблица формул

Показаны 121-175 из 175. Остальные формулы доступны на соседних страницах подборки.

Формула	Запись	Тема	Для чего нужна
Необходимые условия экстремума для двух переменных	$\nabla f(a,b)=(0,0)$	Пределы, ряды	Необходимые условия экстремума требуют, чтобы в гладкой внутренней точке локального максимума или минимума обе частные производные обращались в ноль.
Критерий Гессе для двух переменных	$D=f_{xx}(a,b)f_{yy}(a,b)-f_{xy}(a,b)^2; D>0, f_{xx}>0 \Rightarrow min; D>0, f_{xx}<0 \Rightarrow max; D<0 \Rightarrow saddle$	Пределы, ряды	Критерий Гессе классифицирует стационарную точку функции двух переменных через вторые производные и определитель матрицы Гессе.
Якобиан для смены переменных	$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}x_u & x_v\\ y_u & y_v\end{vmatrix},\quad dA_{xy}=\|J\|dA_{uv}$	Пределы, ряды	Якобиан показывает локальный коэффициент изменения площади или объема при замене переменных и входит в формулу кратных интегралов.
Двойной интеграл по области	$\iint_D f(x,y)\,dA=\lim_{\max\Delta A_i\to0}\sum_i f(\xi_i,\eta_i)\,\Delta A_i$	Пределы, ряды	Двойной интеграл складывает значения функции по плоской области и дает общий вклад распределенной величины. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Повторный интеграл	$\iint_D f(x,y)\,dA=\int_a^b\int_{\alpha(x)}^{\beta(x)} f(x,y)\,dy\,dx=\int_c^d\int_{\gamma(y)}^{\delta(y)} f(x,y)\,dx\,dy$	Пределы, ряды	Повторный интеграл записывает двойной интеграл как два обычных интегрирования по подходящим пределам. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Тройной интеграл	$\iiint_G f(x,y,z)\,dV=\lim_{\max \Delta V_i\to0}\sum_i f(\xi_i,\eta_i,\zeta_i)\,\Delta V_i$	Пределы, ряды	Тройной интеграл суммирует значения функции по объему трехмерного тела. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Полярные координаты в двойном интеграле	$x=r\cos\theta,\quad y=r\sin\theta,\quad dA=r\,dr\,d\theta$	Пределы, ряды	Полярные координаты превращают круговые и радиальные области в простые пределы по радиусу и углу. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Цилиндрические координаты	$x=r\cos\theta,\quad y=r\sin\theta,\quad z=z,\quad dV=r\,dr\,d\theta\,dz$	Пределы, ряды	Цилиндрические координаты расширяют полярные координаты на пространство и удобны для тел с осевой симметрией. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Сферические координаты	$x=\rho\sin\varphi\cos\theta,\quad y=\rho\sin\varphi\sin\theta,\quad z=\rho\cos\varphi,\quad dV=\rho^2\sin\varphi\,d\rho\,d\varphi\,d\theta$	Пределы, ряды	Сферические координаты лучше всего подходят для шаров, сферических слоев и тел с центральной симметрией. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Якобиан замены координат	$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}x_u & x_v\\ y_u & y_v\end{vmatrix},\qquad dA_{xy}=\|J\|\,dA_{uv}$	Пределы, ряды	Якобиан измеряет, во сколько раз локально растягивается или сжимается площадь или объем при замене переменных. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Площадь через двойной интеграл	$S(D)=\iint_D 1\,dA$	Пределы, ряды	Площадь области можно вычислить как двойной интеграл от единицы по этой области. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Объем через тройной интеграл	$V(G)=\iiint_G 1\,dV$	Пределы, ряды	Объем тела равен тройному интегралу от единицы по этому телу. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Центр масс области и тела	$\bar x=\frac1M\iint_D x\rho(x,y)\,dA,\qquad \bar y=\frac1M\iint_D y\rho(x,y)\,dA,\qquad M=\iint_D \rho\,dA$	Пределы, ряды	Центр масс показывает, где сосредоточен средний вес распределения в плоскости или в пространстве. Страница показывает не только запись формулы, но и смысл области интегрирования, элемента меры и типичных ограничений метода.
Криволинейный интеграл первого рода	$\int_C f\,ds=\int_a^b f(\mathbf r(t))\,\\|\mathbf r'(t)\\|\,dt$	Пределы, ряды	Криволинейный интеграл 1 рода суммирует скалярную функцию вдоль кривой, взвешивая ее значение элементом длины дуги. Он применяется, когда величина распределена по траектории: плотность по дороге, массовая распределенность вдоль проволоки или среднее значение по контуру.
Криволинейный интеграл второго рода	$\int_C \mathbf F\cdot d\mathbf r=\int_a^b \left(P\,x'(t)+Q\,y'(t)+R\,z'(t)\right)dt$	Пределы, ряды	Криволинейный интеграл 2 рода учитывает направление движения вдоль траектории. Его удобно записывать как интеграл скалярного произведения векторного поля с дифференциалом перемещения, поэтому он чувствителен к ориентации и может быть положительным или отрицательным.
Поверхностный интеграл первого рода	$\iint_S g\,dS=\iint_D g(\mathbf r(u,v))\,\\|\mathbf r_u\times\mathbf r_v\\|\,du\,dv$	Пределы, ряды	Поверхностный интеграл 1 рода (скалярный) суммирует взвешенную величину по поверхности. Он применяется, когда нужно взять интеграл от плотности массы, температуры или другой скалярной характеристики по оболочке, листу или пластине.
Поток векторного поля через поверхность	$\Phi=\iint_S \mathbf F\cdot \mathbf n\,dS=\iint_S (P n_1+Q n_2+R n_3)\,dS$	Пределы, ряды	Поток показывает, какая часть поля проходит через поверхность со стороны нормали. Это ориентированная величина: положительный вклад дает выход или вход в зависимости от принятой ориентации поверхности.
Дивергенция векторного поля	$\nabla\cdot\mathbf F=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}$	Пределы, ряды	Дивергенция измеряет локальную плотность источников и стоков поля: насколько в этой точке поле «вытекает» или «втягивается» из окрестности. Она служит точной связкой между локальной производной поля и глобальным потоком через границу.
Ротор векторного поля	$\nabla\times\mathbf F=\left(\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z},\;\frac{\partial P}{\partial z}-\frac{\partial R}{\partial x},\;\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right)$	Пределы, ряды	Ротор описывает локальную циркуляцию (вихревость) поля. Он показывает, в каком направлении и с какой интенсивностью маленький элемент среды «крутится» под действием поля в окрестности точки.
Теорема Грина	$\oint_{\partial D} P\,dx+Q\,dy=\iint_D \left(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right)dA$	Пределы, ряды	Теорема Грина связывает ориентированный интеграл по замкнутому контуру с двойным интегралом по области в плоскости. Это ключевая связь между циркуляцией по границе и «внутренней» завихренностью через Q_x−P_y.
Теорема Гаусса-Остроградского	$\iiint_V (\nabla\cdot\mathbf F)\,dV=\iint_{\partial V}\mathbf F\cdot\mathbf n\,dS$	Пределы, ряды	Теорема Гаусса-Остроградского переводит объемный интеграл дивергенции в поток через границу замкнутой области. Это ключевая связь локальных источников и глобального выхода поля.
Теорема Стокса	$\iint_S (\nabla\times\mathbf F)\cdot \mathbf n\,dS=\oint_{\partial S}\mathbf F\cdot d\mathbf r$	Пределы, ряды	Теорема Стокса связывает поток ротора через поверхность с интегралом 2 рода по ее ориентированному краю. Она обобщает идею Грина на трехмерные поверхности и связывает локальную завихренность с граничной циркуляцией.
Потенциальное поле и независимость пути	$\mathbf F=\nabla\varphi \Rightarrow \int_C \mathbf F\cdot d\mathbf r=\varphi(B)-\varphi(A),\;\nabla\times\mathbf F=0\;\text{в односвязной области}$	Пределы, ряды	Поле называется потенциальным, если его криволинейный интеграл 2 рода зависит только от концов пути. В такой ситуации интеграл по любому замкнутому контуру равен нулю, а поле представляется градиентом потенциала.
Степенной ряд	$\sum_{n=0}^{\infty} a_n (x-a)^n$	Пределы, ряды	Степенной ряд — это бесконечная сумма, где каждый следующий член строится по одному шаблону степени относительно фиксированного центра a. В таком виде функция описывается через бесконечное многочленное приближение, а локальное поведение переменной x становится управляемым по степеням (x−a). Для практики это удобно: один набор коэффициентов {a_n} определяет весь шаблон приближения и задает область, где сумма имеет смысл.
Радиус сходимости степенного ряда	$R=\frac{1}{\limsup_{n\to\infty}\sqrt[n]{\|a_n\|}},\quad (1/\limsup=\infty\text{ если }\limsup=0),\quad (1/\infty=0)$	Пределы, ряды	Радиус сходимости R определяет главный «каркас» степенного ряда: внутри интервала (a−R,a+R) ряд сходится, вне его расходится. В этом месте удобно разделять задачу на два этапа: сначала анализировать общий коэффициентный шаблон через limsup (или эквивалентный признак отношения), затем отдельно проверять концы. Такой подход резко снижает риск пропуска тонких случаев.
Интервал сходимости степенного ряда	$I=(a-R,a+R),\quad a\pm R\text{ — проверяются отдельно }$	Пределы, ряды	После нахождения радиуса сходимости остаётся завершить задачу, исследовав сам интервал. Внутри I ряд гарантированно сходится, вне I расходится, а на концах R-круговой границы возможны любые варианты: сходящийся, расходящийся или условно сходящийся. Поэтому интервал сходимости всегда строится в два шага: «внутри/снаружи» по R и «границы» по отдельным критериям.
Формула Тейлора с остаточным членом	$f(x)=\sum_{k=0}^{n}\frac{f^{(k)}(a)}{k!}(x-a)^k+R_n(x),\quad R_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-a)^{n+1}$	Пределы, ряды	Формула Тейлора описывает функцию через начальные производные в точке a и остаточный член, который контролирует точность обрезки. В задачах это даёт не только аппроксимацию, но и механизм проверки погрешности через ξ между a и x. Такой подход делает разложение вычислительно безопасным.
Ряд Маклорена для e^x	$e^x=\sum_{n=0}^{\infty}\frac{x^n}{n!},\quad x\in\mathbb R$	Пределы, ряды	Это базовый специальный случай Тейлора в точке a=0. Ключевой плюс разложения в нуле — все производные e^x в 0 равны 1, поэтому коэффициенты просты и серия даёт очень удобную рабочую модель для вычислений, линейных аппроксимаций и решения задач на оценку роста.
Ряд Маклорена для sin x	$\sin x=\sum_{n=0}^{\infty}\frac{(-1)^n x^{2n+1}}{(2n+1)!},\quad x\in\mathbb R$	Пределы, ряды	Маклореновский ряд синуса — стандартное чередующееся разложение с только нечётными степенями. Это делает его удобным для численного приближения на малых x и для сравнения с рядом косинуса в задачах на дифференцирование и интегрирование.
Ряд Маклорена для cos x	$\cos x=\sum_{n=0}^{\infty}\frac{(-1)^n x^{2n}}{(2n)!},\quad x\in\mathbb R$	Пределы, ряды	Косинус разлагается в чётные степени с чередованием знаков, что делает его удобным для оценки и для вычислений вблизи нуля. Это разложение естественно дополняет ряд синуса и часто используется вместе с ним в задачах колебаний и в методах линейного приближения.
Ряд ln(1+x)	$\ln(1+x)=\sum_{n=1}^{\infty}\frac{(-1)^{n+1}}{n}x^n= x-\frac{x^2}{2}+\frac{x^3}{3}-\cdots,\quad -1<x\le 1$	Пределы, ряды	Это одно из самых практичных разложений для логарифма возле нуля. Оно позволяет считать ln(1+x) на малых x через полином с контролируемым остатком, что удобно в задачах с относительными изменениями и экономическими/приблизительными моделями.
Биномиальный ряд	$(1+x)^\alpha=\sum_{n=0}^{\infty} \binom{\alpha}{n}x^n,\quad \binom{\alpha}{n}=\frac{\alpha(\alpha-1)\cdots(\alpha-n+1)}{n!},\quad \|x\|<1\text{ (обычно)}$	Пределы, ряды	Биномиальный ряд обобщает двойную степень и рациональные степени через обобщенные биномиальные коэффициенты. Он расширяет идею (1+x)^m на нецелое α и даёт удобный локальный аппарат для корней и дробных степеней.
Матричное произведение	$(AB)_{ij}=\sum_{k=1}^{m}a_{ik}b_{kj}$	Матрицы, определители	Матричное произведение строит элемент новой матрицы как скалярное произведение строки первой матрицы и столбца второй. Порядок множителей важен.
Обратная матрица 2x2	$A^{-1}=\frac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$	Матрицы, определители	Обратная матрица 2x2 существует только при ненулевом определителе. Она обращает действие исходной матрицы: A^{-1}A = I, то есть возвращает исходный вектор.
Решение системы 2x2 по правилу Крамера	$x=\frac{\Delta_x}{\Delta},\quad y=\frac{\Delta_y}{\Delta}$	Матрицы, определители	Правило Крамера выражает решение системы двух линейных уравнений через определители. Метод работает, когда главный определитель системы не равен нулю.
Проекция вектора на ненормированный вектор	$\operatorname{proj}_{u}(v)=\frac{u^{\top}v}{u^{\top}u}\,u$	Матрицы, определители	Проекция вектора v на направление u вычисляется через скалярное произведение с нормированием на длину u. Эта формула связывает вычисление с геометрическим смыслом ортогонального разложения: она показывает, какая часть вектора идет вдоль выбранного направления, а какая остается поперек него.
Разложение вектора на параллельную и перпендикулярную части	$v=\operatorname{proj}_{u}(v)+\left(v-\operatorname{proj}_{u}(v)\right),\quad u^{\top}\left(v-\operatorname{proj}_{u}(v)\right)=0$	Матрицы, определители	Любой вектор раскладывается на компоненту вдоль u и ортогональную остаточную часть. Эта формула связывает вычисление с геометрическим смыслом ортогонального разложения: она показывает, какая часть вектора идет вдоль выбранного направления, а какая остается поперек него.
Первый вектор в Gram-Schmidt	$q_1=\frac{a_1}{\\|a_1\\|}$	Матрицы, определители	Нормировка первого столбца задает первый ортонормированный вектор. Эта формула относится к ортогонализации столбцов матрицы и объясняет, как заменить исходный набор векторов ортонормированным базисом с верхнетреугольными коэффициентами перехода.
k-й шаг алгоритма Gram-Schmidt	$u_k=a_k-\sum_{j=1}^{k-1}(q_j^{\top}a_k)\,q_j,\quad q_k=\frac{u_k}{\\|u_k\\|}$	Матрицы, определители	Для каждого нового столбца убирают вклад уже построенных ортонормированных направлений, затем нормируют остаток. Эта формула относится к ортогонализации столбцов матрицы и объясняет, как заменить исходный набор векторов ортонормированным базисом с верхнетреугольными коэффициентами перехода.
Коэффициенты R через скалярные произведения	$R_{ij}=q_i^{\top}a_j,\quad a_j=\sum_{i=1}^{j}R_{ij}q_i,\quad R_{ij}=0\ (i>j)$	Матрицы, определители	После построения Q каждую колонку a_j раскладывают по уже найденным q_i. Эта формула относится к ортогонализации столбцов матрицы и объясняет, как заменить исходный набор векторов ортонормированным базисом с верхнетреугольными коэффициентами перехода.
Формула QR-разложения	$A = QR,\quad Q^{\top}Q=I_r,\quad R \text{ верхнетреугольная}$	Матрицы, определители	Матрица A раскладывается в произведение ортонормированной матрицы Q и верхнетреугольной R. Эта формула относится к ортогонализации столбцов матрицы и объясняет, как заменить исходный набор векторов ортонормированным базисом с верхнетреугольными коэффициентами перехода.
Проектор на span(Q)	$P=QQ^{\top},\quad P^2=P,\quad P^{\top}=P$	Матрицы, определители	Проецирование на пространство столбцов Q удобно через матрицу QQ^T. Эта формула относится к ортогонализации столбцов матрицы и объясняет, как заменить исходный набор векторов ортонормированным базисом с верхнетреугольными коэффициентами перехода.
Наименьшие квадраты через QR	$\hat{x}=R^{-1}Q^{\top}b,\quad A=QR$	Матрицы, определители	После QR-раскладывания задача минимизации сводится к решению треугольной системы. Формула показывает устойчивый способ работать с задачей наименьших квадратов через ортогональную геометрию, а не через прямое обращение матрицы или слепое использование нормальных уравнений.
Нормальные уравнения в QR-форме	$A^T A x = A^T b,\quad R^T R x = R^T Q^T b$	Матрицы, определители	Из A=QR получаем эквивалентное равенство через R, сохраняя идею нормальных уравнений. Формула показывает устойчивый способ работать с задачей наименьших квадратов через ортогональную геометрию, а не через прямое обращение матрицы или слепое использование нормальных уравнений.
Остаток в задаче ЛС и его ортогональность	$r=b-A\hat{x},\quad A^T r=0,\quad Q^T r=0$	Матрицы, определители	Оптимальный LS-решение дает остаток, перпендикулярный всем столбцам A (и столбцам Q). Формула показывает устойчивый способ работать с задачей наименьших квадратов через ортогональную геометрию, а не через прямое обращение матрицы или слепое использование нормальных уравнений.
Сингулярное разложение матрицы	$A=U\Sigma V^T,\quad U^TU=I,\quad V^TV=I$	Матрицы, определители	Сингулярное разложение представляет матрицу как произведение двух ортогональных матриц и диагональной матрицы сингулярных чисел. Это универсальная форма разложения, которая работает для прямоугольных матриц и показывает главные направления действия линейного отображения.
Ранг матрицы через сингулярные числа	$\operatorname{rank}(A)=\#\{i:\sigma_i>0\}$	Матрицы, определители	Ранг матрицы равен количеству ненулевых сингулярных чисел. Эта формула связывает алгебраическое понятие размерности образа с численной диагностикой зависимости строк и столбцов.
Спектральная норма через сингулярные числа	$\\|A\\|_2=\sigma_{\max}(A)=\sqrt{\lambda_{\max}(A^TA)}$	Матрицы, определители	Спектральная норма матрицы равна ее наибольшему сингулярному числу. Она показывает максимальный коэффициент растяжения вектора при действии линейного отображения.
Норма Фробениуса через след и сингулярные числа	$\\|A\\|_F^2=\operatorname{tr}(A^TA)=\sum_{i,j}a_{ij}^2=\sum_k\sigma_k^2$	Матрицы, определители	Квадрат нормы Фробениуса равен следу матрицы A^T A, сумме квадратов всех элементов и сумме квадратов сингулярных чисел. Это удобная мера общего размера матрицы.
Циклическое свойство следа матрицы	$\operatorname{tr}(AB)=\operatorname{tr}(BA),\quad \operatorname{tr}(ABC)=\operatorname{tr}(BCA)=\operatorname{tr}(CAB)$	Матрицы, определители	След произведения матриц не меняется при циклической перестановке множителей, если все произведения определены. Это свойство помогает упрощать доказательства, производные матричных функций и выражения с нормами.
Дополнение Шура	$S=D-CA^{-1}B$	Матрицы, определители	Дополнение Шура выражает эффективный блок матрицы после исключения другого блока. Оно появляется при блочном обращении матриц, решении систем, вычислении определителей и условных распределениях в статистике.
Обратная блочной матрицы через дополнение Шура	$\begin{pmatrix}A&B\\C&D\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}+A^{-1}BS^{-1}CA^{-1}&-A^{-1}BS^{-1}\\-S^{-1}CA^{-1}&S^{-1}\end{pmatrix},\quad S=D-CA^{-1}B$	Матрицы, определители	Формула обращает блочную матрицу через обратный блок A и обратное дополнение Шура. Она показывает, как получить обратную матрицу без обращения всей матрицы целиком.
Лемма об определителе матрицы	$\det(A+uv^T)=\det(A)\left(1+v^TA^{-1}u\right)$	Матрицы, определители	Лемма об определителе показывает, как меняется определитель обратимой матрицы при ранговом обновлении uv^T. Вместо пересчета всего определителя достаточно вычислить один скаляр.
Формула Шермана-Моррисона	$(A+uv^T)^{-1}=A^{-1}-\frac{A^{-1}uv^TA^{-1}}{1+v^TA^{-1}u}$	Матрицы, определители	Формула Шермана-Моррисона дает обратную матрицу после рангового обновления A+uv^T. Она позволяет обновить уже известную обратную матрицу без полного повторного обращения.
Формула Вудбери	$(A+UCV)^{-1}=A^{-1}-A^{-1}U(C^{-1}+VA^{-1}U)^{-1}VA^{-1}$	Матрицы, определители	Формула Вудбери обобщает обновление обратной матрицы на добавку малого ранга UCV. Она позволяет заменить обращение большой матрицы обращением меньшей матрицы.