技术经验解读:【常用】数学符号及读法大全

简介: 技术经验解读:【常用】数学符号及读法大全

数学符号及读法大全


常用数学输入符号: ≈ ≡ ≠ = ≤≥ < > ≮ ≯ ∷ ± + - × ÷ / ∫ ∮ ∝ ∞ ∧ ∨ ∑ 【 ∏ π 】 ∪ ∩ ∈ ? ∵ ∴ ⊥ ‖ ∠ ⌒ ≌ ∽ √ () 【】{}//代码效果参考:http://www.jhylw.com.cn/584128731.html

Ⅰ Ⅱ ⊕ ⊙∥α β γ δ ε ζ η θ Δ 空集 ?

公式输入符号


≈≡≠=≤≥<>≮≯∷±+-×÷/∫∮∝∞∧∨∑∏∪∩∈∵∴⊥‖∠⌒⊙≌∽√


+: plus(positive正的)


-: minus(negative负的)


*: multiplied by


÷: divided by


=: be equal to


≈: be approximately equal to


(): round brackets(parenthess)


【】: square brackets


{}: braces


∵: because


∴: therefore


≤: less than or equal to


≥: greater than or equal to


∞: infinity


LOGnX: logx to the base n


xn: the nth power of x


f(x): the function of x


dx: diffrencial of x


x+y: x plus y


(a+b): bracket a plus b bracket closed


a=b: a equals b


a≠b: a isn't equal to b


a>b : a is greater than b


a]b: a is much greater than b


a≥b: a is greater than or equal to b


x→∞: approches infinity


x2: x square


x3: x cube


√ ̄x: the square root of x


3√ ̄x: the cube root of x


3‰: three peimill


n∑i=1xi: the summation of x where x goes from 1to n


n∏i=1xi: the product of x sub i where igoes from 1to n


∫ab: integral betweens a and b


数学符号(理科符号)——运算符号


1.基本符号:+ - × ÷(/)


2.分数号:/


3.正负号:±


4.相似全等:∽ ≌


5.因为所以:∵ ∴


6.判断类:= ≠ < ≮(不小于) > ≯(不大于)


7.集合类:∈(属于) ∪(并集) ∩(交集)


8.求和符号:∑


9.n次方符号:1(一次方) 2(平方) 3(立方) ?(4次方) ?(n次方)


10.下角标:? ? ? ?


(如:A?B?C?D? 效果如何?)


11.或与非的"非":¬


12.导数符号(备注符号):′ 〃


13.度:° ℃


14.任意:?


14-2.“存在”:?


15.推出号:?


16.等价号:?


17.包含被包含:? ? ? ?


18.导数:∫ ?


19.箭头类:↗ ↙ ↖ ↘ ↑ ↓ ? ? ↑ ↓ → ←


20.绝对值:|


21.弧:⌒


22.圆:⊙ 11.或与非的"非":¬


12.导数符号(备注符号):′ 〃


13.度:° ℃


14.任意:?


15.推出号:?


16.等价号:?


17.包含被包含:? ? ? ?


18.导数:∫ ?


19.箭头类:↗ ↙ ↖ ↘ ↑ ↓ ? ? ↑ ↓ → ←


20.绝对值:|


21.弧:⌒


22.圆:⊙


α β γ δ ε ζ η θ ι κ λ μ ν ξ ο π ρ σ τ υ φ χ ψ ω


Α Β Γ Δ Ε Ζ Η Θ Ι Κ ∧ Μ Ν Ξ Ο ∏ Ρ ∑ Τ Υ Φ Χ Ψ Ω


а б в г д е ё ж з и й к л м н о п р с т у ф х ц ч ш щ ъ


ы ь э ю я


А Б В Г Д Е Ё Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Ъ


Ы Ь Э Ю Я


Δ


大写


小写


英文注音


国际音标注音


中文注音


Α


α


alpha


alfa


阿耳法


Β


β


beta


beta


贝塔


Γ


γ


gamma


gamma


伽马


Δ


δ


deta


delta


德耳塔


Ε


ε


epsilon


epsilon


艾普西隆


Ζ


ζ


zeta


zeta


截塔


Η


η


eta


eta


艾塔


Θ


θ


theta


θita


西塔


Ι


ι


iota


iota


约塔


Κ


κ


kappa


kappa


卡帕



λ


lambda


lambda


兰姆达


Μ


μ


mu


miu



Ν


ν


nu


niu



Ξ


ξ


xi


ksi


可塞


Ο


ο


omicron


omikron


奥密可戎



π


pi


pai



Ρ


ρ


rho


rou




σ


sigma


sigma


西格马


Τ


τ


tau


tau



Υ


υ


upsilon


jupsilon


衣普西隆


Φ


φ


phi


fai



Χ


χ


chi


khai



Ψ


ψ


psi


psai


普西


Ω


ω


omega


omiga


欧米


符号


含义


i


-1的平方根


f(x)


函数f在自变量x处的值


sin(x)


在自变量x处的正弦函数值


exp(x)


在自变量x处的指数函数值,常被写作ex


a^x


a的x次方;有理数x由反函数定义


ln x


exp x 的反函数


ax


同 a^x


logba


以b为底a的对数; blogba = a


cos x


在自变量x处余弦函数的值


tan x


其值等于 sin x/cos x


cot x


余切函数的值或 cos x/sin x


sec x


正割含数的值,其值等于 1/cos x


csc x


余割函数的值,其值等于 1/sin x


asin x


y,正弦函数反函数在x处的值,即 x = sin y


acos x


y,余弦函数反函数在x处的值,即 x = cos y


atan x


y,正切函数反函数在x处的值,即 x = tan y


acot x


y,余切函数反函数在x处的值,即 x = cot y


asec x


y,正割函数反函数在x处的值,即 x = sec y


acsc x


y,余割函数反函数在x处的值,即 x = csc y


θ


角度的一个标准符号,不注明均指弧度,尤其用于表示atan x/y,当x、y、z用于表示空间中的点时


i, j, k


分别表示x、y、z方向上的单位向量


(a, b, c)


以a、b、c为元素的向量


(a, b)


以a、b为元素的向量


(a, b)


a、b向量的点积


a?b


a、b向量的点积


(a?b)


a、b向量的点积


|v|


向量v的模


|x|


数x的绝对值


Σ


表示求和,通常是某项指数。下边界值写在其下部,上边界值写在其上部。如j从1到100 的和可以表示成:。这表示 1 + 2 + … + n


M


表示一个矩阵或数列或其它


|v>


列向量,即元素被写成列或可被看成k×1阶矩阵的向量



被写成行或可被看成从1×k阶矩阵的向量


dx


变量x的一个无穷小变化,dy, dz, dr等类似


ds


长度的微小变化


ρ


变量 (x2 + y2 + z2)1/2 或球面坐标系中到原点的距离


r


变量 (x2 + y2)1/2 或三维空间或极坐标中到z轴的距离


|M|


矩阵M的行列式,其值是矩阵的行和列决定的平行区域的面积或体积


||M||


矩阵M的行列式的值,为一个面积、体积或超体积


det M


M的行列式


M-1


矩阵M的逆矩阵


v×w


向量v和w的向量积或叉积


θvw


向量v和w之间的夹角


A?B×C


标量三重积,以A、B、C为列的矩阵的行列式


uw


在向量w方向上的单位向量,即 w/|w|


df


函数f的微小变化,足够小以至适合于所有相关函数的线性近似


df/dx


f关于x的导数,同时也是f的线性近似斜率


f '


函数f关于相应自变量的导数,自变量通常为x


?f/?x


y、z固定时f关于x的偏导数。通常f关于某变量q的偏导数为当其它几个变量固定时df 与dq的比值。任何可能导致变量混淆的地方都应明确地表述


(?f/?x)|r,z


保持r和z不变时,f关于x的偏导数


grad f


元素分别为f关于x、y、z偏导数 【(?f/?x), (?f/?y), (?f/?z)】 或 (?f/?x)i + (?f/?y)j + (?f/?z)k; 的向量场,称为f的梯度


?


向量算子(?/?x)i + (?/?x)j + (?/?x)k, 读作 "del"


?f


f的梯度;它和 uw 的点积为f在w方向上的方向导数


w


向量场w的散度,为向量算子? 同向量 w的点积, 或 (?wx /?x) + (?wy /?y) + (?wz /?z)


curl w


向量算子 ? 同向量 w 的叉积


?×w


w的旋度,其元素为【(?fz /?y) - (?fy /?z), (?fx /?z) - (?fz /?x), (?fy /?x) - (?fx /?y)】


?


拉普拉斯微分算子: (?2/?x2) + (?/?y2) + (?/?z2)


f "(x)


f关于x的二阶导数,f '(x)的导数


d2f/dx2


f关于x的二阶导数


f(2)(x)


同样也是f关于x的二阶导数


f(k)(x)


f关于x的第k阶导数,f(k-1) (x)的导数


T


曲线切线方向上的单位向量,如果曲线可以描述成 r(t), 则T = (dr/dt)/|dr/dt|


ds


沿曲线方向距离的导数


κ


曲线的曲率,单位切线向量相对曲线距离的导数的值:|dT/ds|


N


dT/ds投影方向单位向量,垂直于T


B


平面T和N的单位法向量,即曲率的平面


τ


曲线的扭率: |dB/ds|


g


重力常数


F


力学中力的标准符号


k


弹簧的弹簧常数


pi


第i个物体的动量


H


物理系统的哈密尔敦函数,即位置和动量表示的能量


{Q, H}


Q, H的泊松括号


以一个关于x的函数的形式表达的f(x)的积分


函数f 从a到b的定积分。当f是正的且 a < b 时表示由x轴和直线y = a, y = b 及在这些直线之间的函数曲线所围起来图形的面积


L(d)


相等子区间大小为d,每个子区间左端点的值为 f的黎曼和


R(d)


相等子区间大小为d,每个子区间右端点的值为 f的黎曼和


M(d)


相等子区间大小为d,每个子区间上的最大值为 f的黎曼和


m(d)


相等子区间大小为d,每个子区间上的最小值为 f的黎曼和

相关文章
|
Android开发
Autox.js 脚本开发环境搭建,从案例到打包apk(详细流程)
Autox.js 脚本开发环境搭建,从案例到打包apk(详细流程)
5814 0
|
算法 Linux 数据安全/隐私保护
【Linux】Linux 系统中的注销、重启和关机命令详解
【Linux】Linux 系统中的注销、重启和关机命令详解
1071 0
|
3月前
|
人工智能 弹性计算 数据可视化
阿里云 Hermes Agent 全流程可视化一键部署方案
Hermes Agent 是开源自主AI智能体框架,具备自进化、持久记忆、多模型兼容与多端接入能力。阿里云提供全流程可视化一键部署方案,仅需两步(购买预装服务器 + 配置API Key),最快分钟级上线,助力个人开发者与小团队快速落地AI应用。
492 3
|
4月前
|
机器学习/深度学习 数据采集 安全
电缆损坏目标检测数据集分享(YOLO系列)| 电缆断裂 雷击损伤 断股 烧蚀痕迹 输电线路巡检 目标检测标注
本数据集含1300张真实电力场景图像,专注电缆“断裂”与“雷击损伤”两类故障检测,YOLO格式标注,已划分训练/验证/测试集。适用于YOLO系列等目标检测模型,助力无人机巡检、智慧电网预警等AI应用。(239字)
503 3
|
数据采集 自然语言处理 监控
【优秀python毕设案例】基于python django的新媒体网络舆情数据爬取与分析
本文介绍了一个基于Python Django框架开发的新媒体网络舆情数据爬取与分析系统,该系统利用Scrapy框架抓取微博热搜数据,通过SnowNLP进行情感分析,jieba库进行中文分词处理,并以图表和词云图等形式进行数据可视化展示,以实现对微博热点话题的舆情监控和分析。
2006 110
【优秀python毕设案例】基于python django的新媒体网络舆情数据爬取与分析
|
安全 关系型数据库 MySQL
mysql 安装插件 validate_password
mysql 安装插件 validate_password
1312 0
|
Python 容器
Python GUI编程(Tkinter)
Python GUI编程(Tkinter)
459 1
|
机器学习/深度学习 人工智能 TensorFlow
利用AI技术实现智能垃圾分类
【8月更文挑战第67天】随着人工智能技术的不断发展,越来越多的应用场景开始涌现。本文将介绍如何利用AI技术实现智能垃圾分类,通过代码示例和实际应用案例,帮助读者了解AI技术在垃圾分类领域的应用价值和潜力。
1229 19
|
存储 关系型数据库 MySQL
MySQL 字段类型深度解析:VARCHAR(50) 与 VARCHAR(500) 的差异
在MySQL数据库中,`VARCHAR`类型是一种非常灵活的字符串存储类型,它允许存储可变长度的字符串。然而,`VARCHAR(50)`和`VARCHAR(500)`之间的差异不仅仅是长度的不同,它们在存储效率、性能和使用场景上也有所不同。本文将深入探讨这两种字段类型的区别及其对数据库设计的影响。
742 2
|
人工智能 自然语言处理 文字识别
秒懂全文:盘点13个各具特色的AI智能阅读助手工具
在当今信息爆炸的时代,AI阅读工具正在革新我们的阅读方式,成为了提高效率、优化阅读体验的关键。这类AI阅读辅助工具,只需要上传文件或者输入链接,便可以直接以聊天对话的形式进行一键总结和智能问答,满足用户AI PDF 阅读、AI文档问答分析、AI音视频总结等多种实用需求,高效提炼信息要点精华,建立属于自己的AI知识管理和信息管理工作流。对此,根据阅读场景,精选了 13 个具有代表性、各具特点的高质量 AI 阅读助手助理。 具体如何选择,见文末总结。
3568 1
秒懂全文:盘点13个各具特色的AI智能阅读助手工具

热门文章

最新文章