突然ですが、円の面積の公式がどうしてπr^2になるのかを考えたことはありますか？ 円の面積がなぜπｒ＾２になるのかという基本公式から微分積分まで、SNS総フォロワー数40万人(2022年11月時点)の数学系YouTuberあきとんとんが、数学の定理や公式について分かりやすく説明します。 【収録項目】 ■図形の基本（長方形、平行四辺形、ひし形、台形、円、直方体など） ■図形の性質（チェバの定理、方べきの定理など） ■方程式（相加平均・相乗平均、平方根、２次方程式の解の公式、展開の公式など） ■三角比（正弦定理、余弦定理、弧度法、三角関数の合成など） ■数列（等差数列、等比数列、階差数列など） ■場合の数と確率（集合・要素、順列、階乗など） ■比例・関数（１次関数、２次関数、指数関数、対数など） ■微分と積分（平均変化率・極限・微分係数・導関数・定積分など）

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 電験三種受験に必須の数学をていねいに解説！ 　「完全マスター電験三種受験テキスト」シリーズの別巻的な位置づけである「電気数学」の改訂版です。 　電験三種の4科目で出題される計算問題では、電気数学の知識が必要になってきます。そこで、本書は、電験三種の計算問題に必要な電気数学を題材に、図やグラフを多く用い、視覚的にわかりやすいようにするだけでなく、ポイントとなるところには吹出しで補足説明を入れていますので、文系出身やあまり予備的な知識がない方でも学習しやすい1冊になっています。 　また、電気数学の基本的な知識だけではなく、電験三種の問題を例題として取り入れることにより、学んだ電気数学の知識を実践でき、より理解が深まるような紙面構成になっています。 　今回の改訂では、初版発行後の2009年以降の出題傾向を精査し、追加・修正（例：過渡現象に関する出題の追加、正弦波交流の様々な表し方の追加等）を行い、併せて計算例や例題の見直し等を行い、内容の充実を図っています。 　また、2014年に発行したシリーズ4巻（各科目）に準じた紙面構成になっています。 Chap1　数学の基礎事項 　1-1　数の分類と整数・分数・小数 　1-2　数学で使われる記号とその意味 　1-3　電験で使われる単位と国際単位系（SI） 　1-4　約数と倍数 　1-5　数値計算の順序と加減乗除のきまり 　1-6　無理数，虚数，複素数 　1-7　代数式と書き方の約束 　1-8　等式と不等式 　1-9　比例と反比例 　1-10　百分率と単位 　1-11　総和（シグマ） 　　練習問題 Chap2　式の計算 　2-1　計算問題を文字式に直すコツ 　2-2　整式とその計算方法 　2-3　因数分解と式の展開 　2-4　分数式の計算 　2-5　無理数・無理式の計算 　2-6　指数式の計算 　2-7　最大定理、最小定理、近似値の計算 　　練習問題 Chap3　方程式とその解き方 　3-1　方程式とその性質 　3-2　一元一次方程式の立て方と解き方 　3-3　行列式の計算 　3-4　二元一次方程式の立て方と解き方 　3-5　三元一次方程式の立て方と解き方 　3-6　二次方程式とその解き方 　3-7　分数方程式とその解き方 　　練習問題 Chap4　関数とグラフ 　4-1　関数の表し方 　4-2　座標とグラフ 　4-3　一次関数、二次関数のグラフ 　4-4　ピタゴラスの定理、円の方程式とグラフ 　4-5　指数関数とグラフ 　4-6　対数と計算方法 　4-7　関数の変化率と微分の基礎 　　練習問題 Chap5　三角関数 　5-1　角度と角度の測り方 　5-2　鋭角の三角関数 　5-3　特別な角、一般角の三角関数 　5-4　三角関数のグラフ 　5-5　正弦波交流の表し方 　5-6　三角関数相互間の関係 　5-7　逆三角関数 　5-8　正弦定理 　5-9　余弦定理 　　練習問題 Chap6　ベクトルと複素数 　6-1　ベクトル量とスカラー量 　6-2　複素数 　6-3　ベクトルの各種表示法 　6-4　複素数の加減算とベクトル表示 　6-5　複素数の乗算とベクトル表示 　6-6　複素数の除算とベクトル表示 　6-7　ベクトルオペレータjと? 　6-8　ベクトル軌跡 　　練習問題 Chap7　伝達関数と周波数応答 　7-1　伝達関数 　7-2　ブロック線図 　7-3　周波数伝達関数と周波数応答 　7-4　増幅度、利得と対数 　7-5　ボード線図 　　練習問題 Chap8　2進法と論理式 　8-1　2進法の計算 　8-2　論理代数と2進法 　8-3　論理代数の基本定理 　8-4　論理回路の簡単化 　　練習問題 付　録 　付-1　微分の基礎（続き）と積分の基礎 　付-2　ラプラス変換と逆変換 　付-3　ギリシャ文字の読み方 　付-4　図形と面積・体積の求め方 　付-5　電験三種に必要な数学の範囲と使用頻度 　付-6　電験三種の計算問題を解く学習のコツ 練習問題解答

微分積分学の発展は、17世紀、宇宙観の転換に人類を導いた。それを可能にした理由を理解できる書 実在感のある事柄について『確実な前提から、確実な推論を経て、確信の持てる結論を得る』機会を提供する。この経験がもたらす驚きと満足を味わう為の書。１章『数の扱いに慣れる』（対数とは、アーサー王と対数、情報と対数）、２章『微分積分学の起こり』（変化率、微分、基本定理、ニュートンの２項定理）、３章『微分方程式』（微分方程式とは何か、２階の微分方程式、サインとコサイン）、４章『りんごと月』（慣性の法則、速さの変化と力、りんごの運動、空気の抵抗、振り子、重力加速度の測定、円運動、万有引力の法則、月の運動） 【著者】 松本修一 1950年京都府に生まれ、1980年広島大学大学院で理学博士の学位を取得、1989年から琉球大学教育学部の数学教授。その間、京都大学基礎物理学研究所研究員（90/05-91/02）、英国バ－ミンガム大学物理学教室シニアリサーチフェロー（93/09-94/02）。専門分野は数理物理学、特に量子論における時間の概念について興味を持つ。教育の最終目標は学生の自律性を引き出し自尊心を養うことだと考え、彼らが自らの知識や経験を修正し深める機会を提供するよう努めている。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 サポートベクトルマシンの理論と実践の基礎・基本が，この1冊で学べる！ サポートベクトルマシンは、データの分類、回帰、はずれ値検知など、機械学習のさまざまな場面で強力かつ柔軟性の高いモデルとして知られています。そのアルゴリズムは直観的であり数学的な曖昧さがないことから、昨今注目されている「機械学習の解釈可能性」というモデルの評価基準に照らしても有力な手法といえます。そのため、自然科学や経済学等の研究成果や経験則的な業務知識をモデルに生かすことも容易です。 本書は、サポートベクトルマシンの理論的枠組みを高校レベルの数学からやさしく展開するとともに、Pythonによるわかりやすい実装例を紹介します。また、応用上重要な非線形サポートベクトルマシンで用いられるカーネル法も、図解や具体例を通してわかりやすく解説します。 第1章　はじめに 1.1　人工知能と機械学習 　1.1.1　人工知能による推論 　1.1.2　人工知能による学習 　1.1.3　機械学習 1.2　機械学習モデル 　1.2.1　モデル 　1.2.2　機械学習モデル 1.3　機械学習分類モデルの作りかた 1.4　サポートベクトルマシンの概要 1.5　サポートベクトルマシンの特徴 1.6　本書の読みかた 第2章　数学の基礎 2.1　ベクトル 　2.1.1　ベクトルとは何か 　2.1.2　位置ベクトル 　2.1.3　三角比と余弦定理 　2.1.4　ベクトルの内積 　2.1.5　点と直線の距離 　2.1.6　Pythonでベクトル 2.2　行列 　2.2.1　行列とは何か 　2.2.2　行列の演算 　2.2.3　転置行列 　2.2.4　半正定値行列 　2.2.5　Pythonで行列 2.3　関数 　2.3.1　関数とは何か 　2.3.2　指数関数 　2.3.3　対数関数 　2.3.4　Pythonで指数関数・対数関数 2.4　微分 　2.4.1　平均変化率 　2.4.2　微分 　2.4.3　合成関数の微分 　2.4.4　指数関数・対数関数の微分 　2.4.5　偏微分 　2.4.6　級数展開 第3章　線形サポートベクトルマシン（線形SVM） 3.1　線形SVM 　3.1.1　線形ハードマージンSVM 　3.1.2　線形ソフトマージンSVM 3.2　線形SVMの最適化 　3.2.1　ラグランジュの未定乗数法 　3.2.2　KKT条件 　3.2.3　線形SVM最適化の方法 3.3　線形SVMによる分類問題の解法 　3.3.1　ペンギン分類モデル 　3.3.2　Pythonでペンギンの分類 　3.3.3　2値分類モデルの評価 　3.3.4　ペンギン分類モデルの評価 第4章　非線形サポートベクトルマシン（非線形SVM） 4.1　非線形SVM 　4.1.1　カーネル法 　4.1.2　カーネル関数の具体例 　4.1.3　カーネル化SVMの定式化 4.2　非線形SVMの最適化 　4.2.1　逐次最小最適化アルゴリズム（SMO） 　4.2.2　非線形SVM最適化の方法 4.3　非線形SVMによる分類問題の解法 　4.3.1　カーネル化SVMによる非線形分類モデル 　4.3.2　カーネル化SVMによる分類問題の解法 　4.3.3　Pythonでアヤメ分類 付録　Pythonの基礎 A.1　開発環境Colab A.2　Python文法の要点 　A.2.1　データ型 　A.2.2　演算子 　A.2.3　条件分岐 　A.2.4　繰返し 　A.2.5　組込み関数 　A.2.6　関数定義 　A.2.7　クラス 　A.2.8　変数のスコープ A.3　Pythonライブラリ群 　A.3.1　NumPy 　A.3.2　pandas 　A.3.3　SymPy 　A.3.4　matplotlib 　A.3.5　scikit-learn 本書を読み終えた後に