当前位置: 首页 > news >正文

高中数学部分基础知识

文章目录

  • 一、集合
  • 二、一元二次方程
  • 三、函数
  • 四、指数函数
  • 五、对数函数
  • 六、三角函数
    • 1、角度和弧度
    • 2、三角函数

高中知识体系丰富,虽然毕业后再也没用过,但是很多数学逻辑还是非常经典的,能够启发我们如何制作逻辑工具去解决现实问题。以下做出部分归纳,后续再添加;

一、集合

  • 单个叫元素,多个元素的整体叫集合,元素和集合之间有:属于关系、不属于关系;集合可以列举或者函数描述
  • 集合之间有子集、真子集(与子集意义区别不大,只是集合A不能等于集合B)、空集(是任何集合的子集)
  • 命题条件,p=>q,p对于q称为充分条件,q对于p称为必要条件;p<=>q,可以相互逆推导,pq称为充要条件
  • 判断量词,∀表示任意一个都满足(类似于every),∃表示存在一个满足条件(类似于some),¬表示命题否定

在这里插入图片描述

二、一元二次方程

  • 比较方程式值a\b的大小,直接相减(a-b),结果可以反应a和b的大小,结果>0则a>b;当然也有相除或者其他转化的比较做法
  • 基本不等式,来源于平方差公式: ( a − b ) 2 = a 2 − 2 a b + b 2 > = 0 (a - b)^2 = a^2 -2ab + b^2 >=0 (ab)2=a22ab+b2>=0 a 2 + b 2 > = 2 a b a^2 + b^2 >=2ab a2+b2>=2ab;如果a、b同时大于0(条件有些苛刻)则 a + b 2 > = a b 2 \frac{a + b}{2} >= \sqrt[2]{ab} 2a+b>=2ab , a + b 2 \frac{a + b}{2} 2a+b称为算数平均数, a b 2 \sqrt[2]{ab} 2ab 称为几何平均数(没什么印象)
  • 一元二次方程,∆值的推导如下图;二次项和一次项,再凑一部分常量值,组合成平方和放到左侧,右侧放常量的化简式子; Δ = b 2 − 4 a c \Delta = b^2 - 4ac Δ=b24ac,∆>0则两个解(因为是平方和),∆=0则一个解, x = − b 2 a x = -\frac{b}{2a} x=2ab;∆<0则无解(违反了平方和大于等于0);注意 x 0 = − b 2 a x_0 = -\frac{b}{2a} x0=2ab是函数图像的对称线,此时取到最大值或者最小值(a>0,该点y值为最小值)极值为: 4 a c − b 2 4 a \frac{4ac - b^2}{4a} 4a4acb2(把 x 0 x_0 x0带入计算就可以得到)
  • 一元二次不等式,一般左侧为方程式,右侧为0,解集根据a值的正负性、∆值、图像跟x轴的焦点,共同确定解集(集合)

在这里插入图片描述

三、函数

  • y = f ( x ) , x ϵ A y = f(x), x\epsilon A y=f(x),xϵA;对于任意一个x都有唯一的y值对应,则称为集合A到B的函数,定义域为A,值域看实际情况
  • 集合的区间, a < x < b a<x<b a<x<b成为开区间 ( a , b ) (a,b) (a,b) a < = x < = b a<=x<=b a<=x<=b称为闭区间 [ a , b ] [a,b] [a,b] a < = x < b a<=x<b a<=x<b称为半开半闭区间 [ a , b ) [a,b) [a,b),a\b称为端点;当然区间也包括 + ∞ +\infty + − ∞ -\infty (当然 − ∞ -\infty 只能写在区间左侧 ( − ∞ , b ) (-\infty,b) (,b),另一个同理)
  • 分段函数,对于现实中复杂问题,往往用分段函数表示; y = { 0 x < 0 1 x = 0 x 2 + 1 x > 0 y=\begin{cases} 0 & x<0 \\ 1 & x=0 \\ x^2+1 & x>0 \end{cases} y= 01x2+1x<0x=0x>0
  • 函数性质,单调性用来表示在一段区间中函数值的递增或递减趋向,这样只要 x 1 , x 2 x_1,x_2 x1,x2在区间内,就可以判断 f ( x 1 ) , f ( x 2 ) f(x_1),f(x_2) f(x1)f(x2)的大小;证明单调性时,使用 f ( x 1 ) − f ( x 2 ) f(x_1)-f(x_2) f(x1)f(x2)通过代数式化简后的结果的正负来判断大小;一般递增函数意味着存在一个最小值(区间左侧端点;最大值也同理)
  • 偶函数, f ( x ) = f ( − x ) f(x)=f(-x) f(x)=f(x),函数图像关于y轴对称
  • 奇函数, f ( x ) = − f ( − x ) f(x)=-f(-x) f(x)=f(x),函数图像关于原点 O ( 0 , 0 ) O(0,0) O(0,0)对称
  • 幂函数, y = x a y=x^a y=xa,a为常量,x为自变量
  • 零点, f ( x ) = 0 f(x)=0 f(x)=0的解被称为零点,对于一元二次方程可以用∆和求根公式去解;对于其他不规则函数,可以尝试判断连续性和单调性,在区间 [ a , b ] [a,b] [a,b] f ( x ) f(x) f(x)连续,并且 f ( a ) f ( b ) < 0 f(a)f(b)<0 f(a)f(b)<0,那么意味着在 [ a , b ] [a,b] [a,b]之间存在一点c使得 f ( c ) = 0 f(c)=0 f(c)=0,c就是 f ( x ) f(x) f(x)的零点

四、指数函数

  • 指数函数, x n = a x^n=a xn=a,x是a的根,n是根指数,a是被开方数, x = a n x=\sqrt[n]{a} x=na , 所以 a n \sqrt[n]{a} na 被称为根式
  • 分数指数幂,人为规定表示 a n = a 1 n \sqrt[n]{a}=a^\frac{1}{n} na =an1,那么 a m n = ( a 1 n ) m = a m n \sqrt[n]{a^m}=(a^\frac{1}{n})^m=a^\frac{m}{n} nam =(an1)m=anm;这里a一般适用于正数,否则根号里可能出现负值;对于导数来说, 1 a m n = 1 a m n = a − m n \frac{1}{\sqrt[n]{a^m}}=\frac{1}{a^\frac{m}{n}}=a^{-\frac{m}{n}} nam 1=anm1=anm,表示根的导数,在该根的分数指数幂次数添加负号
  • 指数函数图像,一般考虑0<a<1或者a>1;注意关键坐标点: ( 0 , 1 ) , ( 1 , a ) (0,1),(1,a) (0,1),(1,a)

在这里插入图片描述

五、对数函数

  • 对数函数, x = log ⁡ a N x=\log_aN x=logaN,x称为对数,a为底数,N为真数;常用对数,10为底用 x = lg ⁡ a N x=\lg_aN x=lgaN,自然数e为底 x = ln ⁡ a N x=\ln_aN x=lnaN(e大概是2.718,来源于复利收益的极限)
  • a同样是被规定a>0,这样N就是正数,那么对数也是正数,关键坐标点 log ⁡ a 1 = 0 , log ⁡ a a = 1 \log_a1=0,\log_aa=1 loga1=0logaa=1
  • 运算规则, log ⁡ a M N = log ⁡ a M + log ⁡ a N \log_aMN=\log_aM+\log_aN logaMN=logaM+logaN log ⁡ a M N = log ⁡ a M − log ⁡ a N \log_a\frac{M}{N}=\log_aM-\log_aN logaNM=logaMlogaN n log ⁡ a M = log ⁡ a M n n\log_aM=\log_aM^n nlogaM=logaMn
  • 换底公式, x = log ⁡ a N , = > a x = N = > log ⁡ c a x = log ⁡ c N ; x log ⁡ c a = log ⁡ c N = > x = log ⁡ c N log ⁡ c a = > log ⁡ a N = log ⁡ c N log ⁡ c a x=\log_aN,=>a^x=N=>\log_ca^x=\log_cN;x\log_ca=\log_cN=>x=\frac{\log_cN}{\log_ca}\ =>\ \log_aN=\frac{\log_cN}{\log_ca} x=logaN=>ax=N=>logcax=logcNxlogca=logcN=>x=logcalogcN => logaN=logcalogcN(acN都大于0)
  • 反函数, x = log ⁡ a N x=\log_aN x=logaN N = a x N=a^x N=ax互为反函数,定义域和值域互反,底数相同

在这里插入图片描述

六、三角函数

1、角度和弧度

  • 从圆心O出发,顺时针旋转是负角,逆时针旋转是正角,没有旋转则是零角;若α为任意角,任意与α终边相同的角集合可以表示为: S = { β ∣ β = α + k ∗ 36 0 ∘ , k ϵ z } S=\{β|β=α+k*360^\circ,k\epsilon z\} S={ββ=α+k360,kϵz};一度的角等于周角的 1 360 \frac{1}{360} 3601
  • 弧度;π的出现,解决了圆周长、面积的计算,周长公式 l = 2 π ∗ r l=2\pi*r l=2πr;人为规定,周长长度为r的一段弧长对应的弧度是1弧度(1rad),那么圆周总弧长就是2π(凑整了,方便计算);如果弧长为l、半径为r,可以得到对应的弧度为 α = l r ( r a d ) α=\frac{l}{r}(rad) α=rl(rad);遇到弧度,注意有没有弧长这个条件,弧度来源于弧长;
  • 角度和弧度计算, 36 0 ∘ = 2 π ( r a d ) 360^\circ=2\pi(rad) 360=2π(rad), 那么 1 ∘ = 1 180 π ( r a d ) ≈ 0.017 ( r a d ) 1^\circ=\frac{1}{180}\pi(rad)\approx0.017(rad) 1=1801π(rad)0.017(rad), 同理 1 ( r a d ) = 180 π ≈ 57. 3 ∘ 1(rad)=\frac{180}{\pi}\approx57.3^\circ 1(rad)=π18057.3
  • 扇形, l = α ∗ r l=α*r l=αr(来源于定义), l = 2 π r ∗ n 360 = n π r 180 ⇒ α = n π 180 ⇒ α ∗ r 2 2 = n π r 2 360 = S l=2πr*\frac{n}{360}=\frac{nπr}{180}⇒α=\frac{nπ}{180}⇒α*\frac{r^2}{2}=\frac{nπr^2}{360}=S l=2πr360n=180rα=180α2r2=360r2=S ∵ α = l r ∴ S = l r 2 ∵α=\frac{l}{r}∴S=\frac{lr}{2} α=rlS=2lr;这样扇形面积可以用弧度表示: S 扇 = α r 2 2 , S 扇 = l r 2 S_扇=\frac{αr^2}{2},S_扇=\frac{lr}{2} S=2αr2S=2lr
  • 常见弧度, 1 6 π = 3 0 ∘ , 1 3 π = 6 0 ∘ , 1 4 π = 4 5 ∘ , 1 2 π = 9 0 ∘ , 2 3 π = 12 0 ∘ , 3 4 π = 13 5 ∘ , π = 18 0 ∘ , \frac{1}{6}π=30^\circ,\frac{1}{3}π=60^\circ,\frac{1}{4}π=45^\circ,\frac{1}{2}π=90^\circ,\frac{2}{3}π=120^\circ,\frac{3}{4}π=135^\circ,π=180^\circ, 61π=3031π=6041π=4521π=9032π=12043π=135π=180

2、三角函数

  • 在xy直角坐标轴中以原点为圆心O、半径为1画圆,从圆心O逆时针方向发出射线、弧度为α,与圆交于点(x,y),那么: x = cos ⁡ α , y = sin ⁡ α , y x = tan ⁡ α ( x ≠ 0 ) x=\cosα,y=\sinα,\frac{y}{x}=\tanα(x\neq0) x=cosαy=sinαxy=tanα(x=0),可以得到三个函数: y = cos ⁡ x , y = sin ⁡ x , y = tan ⁡ x y=\cos x,y=\sin x,y=\tan x y=cosxy=sinxy=tanx,这样根据弧度,确定坐标点,再根据坐标点计算出函数值
  • 终边相同,三个函数都可以表示为 sin ⁡ x = sin ⁡ ( x + k ∗ 2 π ) , k ϵ z \sin x=\sin (x + k * 2π) ,k\epsilon z sinx=sin(x+k2π),kϵz
  • 正弦和余弦,对于半径为r的圆, ( r ∗ sin ⁡ α ) 2 + ( r ∗ cos ⁡ α ) 2 = r 2 ⇒ sin ⁡ 2 α + cos ⁡ 2 α = 1 (r * \sinα)^2+(r * \cosα)^2=r^2⇒\sin^2α+\cos^2α=1 (rsinα)2+(rcosα)2=r2sin2α+cos2α=1; sin ⁡ α cos ⁡ α = tan ⁡ α \frac{\sinα}{\cosα}=\tanα cosαsinα=tanα

相关文章:

高中数学部分基础知识

文章目录 一、集合二、一元二次方程三、函数四、指数函数五、对数函数六、三角函数1、角度和弧度2、三角函数 高中知识体系丰富&#xff0c;虽然毕业后再也没用过&#xff0c;但是很多数学逻辑还是非常经典的&#xff0c;能够启发我们如何制作逻辑工具去解决现实问题。以下做出…...

机器人领域的一些仿真器

模拟工具和环境对于开发、测试和验证可变形物体操作策略至关重要。这些工具提供了一个受控的虚拟环境&#xff0c;用于评估各种算法和模型的性能&#xff0c;并生成用于训练和测试数据驱动模型的合成数据。 Bullet Physics Library 用于可变形物体模拟的一个流行的物理引擎是 B…...

5大常见高并发限流算法选型浅析

高并发场景下&#xff0c;如何确保系统稳定运行&#xff0c;成为了每一个开发工程师必须面对的挑战。**你是否曾因系统崩溃、请求超时或资源耗尽而头疼不已&#xff1f;**高并发限流算法或许能帮你解决这些难题。 在处理高并发请求时&#xff0c;应该如何选择合适的限流算法呢…...

深入刨析数据结构之排序(下)

目录 1.内部排序 1.5选择排序 1.5.1简单选择排序 1.5.2树形选择排序 1.6堆排序 1.7归并排序 1.7.1递归归并 1.7.2非递归归并 1.8计数排序 1.9基数排序 常见内部排序的总结&#xff1a; 1.内部排序 1.5选择排序 选择排序&#xff08;Selection Sort&#xff09;的基…...

特殊数据类型的深度分析:JSON、数组和 HSTORE 的实用价值

title: 特殊数据类型的深度分析:JSON、数组和 HSTORE 的实用价值 date: 2025/1/4 updated: 2025/1/4 author: cmdragon excerpt: 随着数据管理需求的多样化,许多现代数据库系统开始支持特殊数据类型,以满足更多复杂应用场景的需求。在 PostgreSQL 中,JSON、数组和 HSTOR…...

PCA降维算法详细推导

关于一个小小的PCA的推导 文章目录 关于一个小小的PCA的推导1 谱分解 (spectral decomposition)2 奇异矩阵(singular matrix)3 酉相似(unitary similarity)4 酉矩阵5 共轭变换6 酉等价7 矩阵的迹的计算以及PCA算法推导8 幂等矩阵(idempotent matrix)9 Von Neumanns 迹不等式 [w…...

NS4861 单灯指示独立耳锂电池充放电管理 IC

1 特性  最大 500mA 线性充电电流&#xff0c;外部可调节  内部预设 4.2V 充电浮充电压  支持 0V 电池充电激活  支持充满 / 再充功能  内置同步升压放电模块&#xff0c;输出电压 5.1V  同步升压 VOUT 最大输出电流 500mA  VOL/OR 独…...

编写可复用性的模块

在生活中&#xff0c;重复的机械劳动会消耗我们的时间和精力&#xff0c;提高生产成本&#xff0c;降低工作效率。同样&#xff0c;在代码世界中&#xff0c;编写重复的代码会导致代码的冗余&#xff0c;页面性能的下降以及后期维护成本的增加。由此可见将重复的事情复用起来是…...

2025年1月4日CSDN的Markdown编辑器

这里写自定义目录标题 欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题&#xff0c;有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants 创建一个自定义列表如何创建一个…...

广域网连接PPP

广域网连接PPP PPP协议是一种应用广泛的点到点链路协议&#xff0c;主要用于点到点连接的路由器间的通信。PPP协议既可以用于同步通信&#xff0c;也可以用于异步通信&#xff0c;本部分只讨论同步接口上的PPP配置。 锐捷路由器的同步串行口默认封装Cisco HDLC&#xff0c;所…...

【pyqt】(四)Designer布局

布局 之前我们利用鼠标拖动的控件的时候&#xff0c;发现一些部件很难完成对齐这些工作&#xff0c;pyqt为我们提供的多种布局功能不仅可以让排版更加美观&#xff0c;还能够让界面自适应窗口大小的变化&#xff0c;使得布局美观合理。最常使用的三种布局就是垂直河子布局、水…...

【从零开始入门unity游戏开发之——C#篇40】C#特性(Attributes)和自定义特性

文章目录 前言一、特性&#xff08;Attributes&#xff09;基本概念二、自定义特性1、自定义特性代码示例&#xff1a;2、应用自定义特性&#xff1a;3、解释3.1 **AttributeUsage 特性**3.2 特性的命名3.3 **构造函数**&#xff1a;3.4 **属性**&#xff1a; 4、使用反射获取特…...

DES密码的安全性分析(简化版本)

DES仍是世界上使用最广的&#xff08;DES发行后20年&#xff0c;互联网的兴起&#xff0c;人们开始觉得DES不安全了&#xff0c;但DES的实现成本也越来越低&#xff09; 宏观分析&#xff1a; 密钥空间方面&#xff1a; 密钥长度&#xff1a;DES 算法使用 56 位的密钥对数据…...

引入三方jar包命令

mvn install:install-file \ -Dfile本地磁盘路径 \ -DgroupId组织名称 \ -DartifactId项目名称 \ -Dversion版本号 \ -Dpackagingjar 例如 假设你的 JAR 文件路径是 /home/user/common-pojo-1.0-SNAPSHOT.jar&#xff0c;组织名称是 com.example&#xff0c;项目名…...

机器学习基础-机器学习的常用学习方法

半监督学习的概念 少量有标签样本和大量有标签样本进行学习&#xff1b;这种方法旨在利用未标注数据中的结构信息来提高模型性能&#xff0c;尤其是在标注数据获取成本高昂或困难的情况下。 规则学习的概念 基本概念 机器学习里的规则 若......则...... 解释&#xff1a;如果…...

在控制领域中如何区分有效性、优越性、稳定性和鲁棒性?

在控制领域中&#xff0c;区分有效性、优越性、稳定性和鲁棒性可以通过具体的控制器设计实例来更好地理解。以下以经典的质量-弹簧-阻尼系统的PID控制器设计为例&#xff0c;展示如何区分这四个性能指标。 经典质量-弹簧-阻尼系统的PID控制器设计 质量-弹簧-阻尼系统模型 考…...

美国宏观经济基础框架梳理

玩转币圈和美股&#xff0c;最关键的是理解美国宏观经济。以下是核心逻辑&#xff1a;美国经济数据→政策调整→资金流动→资产价格变化。掌握这些因素的关系&#xff0c;才能在市场中立于不败之地。 一、核心变量及其意义 1. GDP&#xff08;国内生产总值&#xff09; • …...

装饰器模式详解

装饰器模式&#xff08;Decorator Pattern&#xff09;是一种设计模式&#xff0c;属于结构型模式之一。它允许向一个现有的对象添加新的功能&#xff0c;同时又不改变其结构。这种模式创建了一个装饰类&#xff0c;用来包装原有类的一个实例&#xff0c;从而扩展该实例的功能。…...

[最新] SIM卡取出后还能找到我的iPhone吗?

您是否曾在任何地方丢失过 SIM 卡&#xff1f;或者您是否已移除 SIM 卡&#xff0c;现在无法在任何地方找到您的 iPhone&#xff1f;在这篇博客中&#xff0c;您将了解即使 SIM 卡被移除&#xff0c;“查找我的 iPhone”也能正常工作。 在某些情况下&#xff0c;您必须取出 SIM…...

数据分析思维(六):分析方法——相关分析方法

数据分析并非只是简单的数据分析工具三板斧——Excel、SQL、Python&#xff0c;更重要的是数据分析思维。没有数据分析思维和业务知识&#xff0c;就算拿到一堆数据&#xff0c;也不知道如何下手。 推荐书本《数据分析思维——分析方法和业务知识》&#xff0c;本文内容就是提取…...

谷歌2025年AI战略与产品线布局

在2024年12月的战略会议上,谷歌高层向员工描绘了2025年的宏伟蓝图,特别是在人工智能(AI)领域。这一年被定位为AI发展的关键转折点,谷歌计划通过一系列新产品和创新来巩固其在全球科技领域的领导地位。本文将深入探讨谷歌的2025年AI战略、重点产品以及竞争策略。 一、整体…...

登录的几种方式

使用Session完成登录 1. 手机号发送验证码 逻辑步骤&#xff1a; 校验手机号格式是否正确。生成验证码&#xff08;例如使用Hutool工具类&#xff09;。将手机号和验证码存入Session。返回验证码发送成功的响应。 2. 用户登录逻辑 逻辑步骤&#xff1a; 从Session中获取存…...

Scala_【5】函数式编程

第五章 函数式编程函数和方法的区别函数声明函数参数可变参数参数默认值 函数至简原则匿名函数高阶函数函数作为值传递函数作为参数传递函数作为返回值 函数闭包&柯里化函数递归控制抽象惰性函数友情链接 函数式编程 面向对象编程 解决问题时&#xff0c;分解对象&#xff…...

解析 World Football Cup 问题及其 Python 实现

问题描述 本文讨论一道关于足球锦标赛排名规则的问题&#xff0c;来自 Berland 足球协会对世界足球规则的调整。题目要求对给定的比赛数据进行计算&#xff0c;并输出能进入淘汰赛阶段的球队列表。以下是规则详细描述。 题目规则 输入格式&#xff1a; 第一行包含一个整数 …...

9.系统学习-卷积神经网络

9.系统学习-卷积神经网络 简介输入层卷积层感受野池化层全连接层代码实现 简介 卷积神经网络是一种用来处理局部和整体相关性的计算网络结构&#xff0c;被应用在图像识别、自然语言处理甚至是语音识别领域&#xff0c;因为图像数据具有显著的局部与整体关系&#xff0c;其在图…...

基于FPGA的出租车里程时间计费器

基于FPGA的出租车里程时间计费器 功能描述一、系统框图二、verilog代码里程增加模块时间增加模块计算价格模块上板视频演示 总结 功能描述 &#xff08;1&#xff09;&#xff1b;里程计费功能&#xff1a;3公里以内起步价8元&#xff0c;超过3公里后每公里2元&#xff0c;其中…...

三甲医院等级评审八维数据分析应用(五)--数据集成与共享篇

一、引言 1.1 研究背景与意义 随着医疗卫生体制改革的不断深化以及信息技术的飞速发展,三甲医院评审作为衡量医院综合实力与服务水平的重要标准,对数据集成与共享提出了更为严苛的要求。在传统医疗模式下,医院内部各业务系统往往各自为政,形成诸多“信息孤岛”,使得数据…...

VUE条件树查询 自定义条件节点

之前实现过的简单的条件树功能如下图&#xff1a; 经过最新客户需求确认&#xff0c;上述条件树还需要再次改造&#xff0c;以满足正常需要&#xff01; 最新暴改后的功能如下红框所示&#xff1a; 页面功能 主页面逻辑代码&#xff1a; <template><div class"…...

什么是打流,怎么用iperf3打流

什么是打流 在网络安全和黑灰产领域&#xff0c;“打流”具有不同的含义&#xff0c;常用于形容通过技术手段制造流量假象或发起流量攻击。 流量攻击&#xff08;DDoS&#xff09;中的“打流”&#xff1a; “打流”指向目标服务器或网络发起 大规模的数据请求&#xff0c;造…...

使用MySQL APT源在Linux上安装MySQL

全新安装MySQL的步骤 以下说明假定您的系统上尚未安装任何版本的MySQL&#xff08;无论是由Oracle还是其他方分发&#xff09; 添加MySQL的Apt源。 将MySQL的APT存储库添加到系统的软件存储库列表中。 1、转到MySQL APT存储库的下载页面MySQL :: Download MySQL APT Reposi…...