Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ビジュアライゼーションと数学 〜 すうがくむかしばなし 負の数・複素数編 〜 / Visual...
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
北䑓如法
June 26, 2022
Science
570
0
Share
ビジュアライゼーションと数学 〜 すうがくむかしばなし 負の数・複素数編 〜 / Visualization-and-mathematics-OSH2022
ビジュアライゼーションと数学 〜 すうがくむかしばなし 負の数・複素数編 〜
オープンセミナー2022@広島
2022/06/25(土)
#OSH2022
北䑓如法
June 26, 2022
More Decks by 北䑓如法
See All by 北䑓如法
PyCon JP 2025で短いBGMを3曲作った / Composed 3 pieces of music for PyCon JP 2025
nyoho
0
34
PyCon JP 2025で「Pythonのピース」を集めるウェブアプリを作って運用した / Building and operating web apps to collect "Python pieces" at PyCon JP 2025
nyoho
0
36
PyCon JP 2025「すごい広島」コミュニティポスター制作記 / The making of a community poster of Great Hiroshima at PyCon JP 2025
nyoho
0
37
初心者、電子工作に入門。 Python Charity Talks 2021.09 / A beginner started electronic handicraft - Python Charity Talks 2021.09
nyoho
0
17k
Next.js + Heroku + Dockerでも玉ねぎの汁で涙が出んように 〜PyCon mini Hiroshima サイト構築の一コマ〜 / Avoiding onion essence with Next.js + Heroku + Docker -- development of the site of PyCon mini Hiroshima
nyoho
0
380
SageMathで数学の力を上げます PyCon mini Hiroshima 2019 / Enlarge your ability of mathematics with SageMath
nyoho
1
700
Python初心者がPyTorchをいじって機械学習の計算してみた PyCon mini Hiroshima 2018 / Python-newbies machine learning learning with PyTorch
nyoho
2
1.2k
RubyKaigi 2017 の告知 / A notification of RubyKaigi 2017 at WTM100
nyoho
0
2.2k
数式の書けるMastodonその名もMathtodon を作った (#OSO2017 懇親会LT) / Introduction to Mathtodon
nyoho
2
1.5k
Other Decks in Science
See All in Science
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
270
[Paper Introduction] From Bytes to Ideas:Language Modeling with Autoregressive U-Nets
haruumiomoto
0
220
中央大学AI・データサイエンスセンター 2025年第6回イブニングセミナー 『知能とはなにか ヒトとAIのあいだ』
tagtag
PRO
0
140
Text-to-SQLの既存の評価指標を問い直す
gotalab555
1
190
Navigating Weather and Climate Data
rabernat
0
150
会社でMLモデルを作るとは @電気通信大学 データアントレプレナーフェロープログラム
yuto16
1
600
「遂行理論の未来」(松島斉教授最終講義記念セッションの発表資料)
shunyanoda
0
830
あなたに水耕栽培を愛していないとは言わせない
mutsumix
1
290
People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
rudorudo11
0
210
【論文紹介】Is CLIP ideal? No. Can we fix it?Yes! 第65回 コンピュータビジョン勉強会@関東
shun6211
5
2.4k
Lean4による汎化誤差評価の形式化
milano0017
1
460
AkarengaLT vol.41
hashimoto_kei
1
120
Featured
See All Featured
The B2B funnel & how to create a winning content strategy
katarinadahlin
PRO
1
310
Utilizing Notion as your number one productivity tool
mfonobong
4
280
Ecommerce SEO: The Keys for Success Now & Beyond - #SERPConf2024
aleyda
1
1.9k
New Earth Scene 8
popppiees
2
1.9k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.8k
The Mindset for Success: Future Career Progression
greggifford
PRO
0
290
What Being in a Rock Band Can Teach Us About Real World SEO
427marketing
0
200
Neural Spatial Audio Processing for Sound Field Analysis and Control
skoyamalab
0
240
The #1 spot is gone: here's how to win anyway
tamaranovitovic
2
1k
How to Build an AI Search Optimization Roadmap - Criteria and Steps to Take #SEOIRL
aleyda
1
2k
Agile Actions for Facilitating Distributed Teams - ADO2019
mkilby
0
160
A Modern Web Designer's Workflow
chriscoyier
698
190k
Transcript
ϏδϡΞϥΠθʔγϣϯͱֶ Φʔϓϯηϛφʔ2022@ౡ 2022/06/25() 㝳๏ (͖͍ͨͩΏ͖ͷΓ) ʙ͢͏͕͘Ή͔͠ͳ͠ෛͷɾෳૉฤʙ
ࣗݾհ
None
͋Μͨ͊୭ͳΜ? • 㝳๏ (͖͍ͨͩΏ͖ͷΓ) • (ʮ๏ʯΛԻಡΈͯ͠) ʹΐ΄͏, Nyoho • ༵ϓϩάϥϚ
• ֶ (ౡେֶେֶӃਓؒࣾձՊֶݚڀՊ) • ϋΠύɾϝσΟΞɾτϥϯεϨʔλ • ౡหਧ͖ସ͑γϦʔζ
ݕࡧ ৄ͘͠ iPad ౡห
ʮ͜Μͳײ͡ͷ͕ग़͖ͯ·͢ɻʯ
ݕࡧ ࠷ۙ ؟ڸࢢ ౡݶఆCM
ౡΧʔϓ ಊྛᠳଠબख
ࠓ: ϏδϡΞϥΠθʔγϣϯͱֶ
ಥવͰ͕͢
ݟ͑ΔΑ͏ʹ͢Δ͜ͱ = ՄࢹԽ = visualization
Visualization • visual (ϏδϡΞϧ, ܗ༰ࢺ) ʹݟ͑Δɺࢹ֮ͷ • visualize (ϏδϡΞϥΠζ, ಈࢺ)
ʹݟ͑ΔΑ͏ʹ͢Δɺࢹ֮Խ͢Δ • visualization (ϏδϡΞϥΠθʔγϣϯ, ໊ࢺ) ʹݟ͑ΔΑ͏ʹ͢Δ͜ͱ
visualization
visualization /vìʒuəlaizéiʃən/ [ͼ͡Ύ͋Β͍͍ͥ͠ΐΜ]
ՄࢹԽ
ࠓճ୯ͳΔϏδϡΞϥΠθʔ γϣϯͰͳ͘
ֶͱ ϏδϡΞϥΠθʔγϣϯͱͷ
ͷࢢຽݖ֫ಘͱ ϏδϡΞϥΠθʔγϣϯ
ෛͷ ෳૉ ຊͷϝχϡʔ
None
ϏδϡΞϥΠθʔγϣϯͱ ෛͷ
ෛͷ • ํఔࣜͷʮʯͱͯ͠ʮղʯͱͯ͠ͳ͔ͳ͔ड͚ೖΕΒΕͳ͔ͬͨɻ • ܭࢉํ๏ΒΕ͍ͯͨͷʹɻ
ෛͷͷܭࢉ • ݱͰɺ;ͱʮͯʯͱࢥ͏͜ͱɻ • (࣮͜͜໘ന͍ (ࠓলུ)) ( 1) ( 1)
= +1
3ੈل͝Ζ Τδϓτ • σΟΦϑΝϯτε 200–284 • ਖ਼ͷ༗ཧͷΈΛղͱͯ͠ೝΊΔɻ • ଞࣺͯΔɻ
7ੈلɾ12ੈل Πϯυ • 7ੈل • ਖ਼ͷΛࢿ࢈ɺෛͷΛआۚΛද͢ͷʹ͏ɻ • (आۚʹΘΕ͍ͯͨ!) • 12ੈل
όʔεΧϥ • ਖ਼ͷͷฏํࠜʹϓϥεϚΠφε྆ํ͋Δͱؾ͘ • ʮෛͷͷղෆదɻղͱͯ͠࠾͞Εͳ͍ɻਓʑෛͷͷղΛೝΊ ͳ͍ɻʯ
9ੈل Ξϥϒ • Πϯυֶͷෛͷͷԋࢉنଇਫ਼௨͍ͯͨ͠ɻ • ͔͠͠ɺෛͷΛड͚ೖΕͳ͔ͬͨɻ
17ੈل σΧϧτ René Descartes (1596—1650) • ҼఆཧͰଟ߲ࣜͷ࣍ΛԼ͛ΔͨΊʹෛͷղར༻ • ͔͠͠ෛͷͷղ false
root (ؒҧͬͨղ) ͱ͢Δ
17ੈل ύεΧϧ Blaise Pascal (1623—1662) • ʮ0 ͔Β 4 ΛҾ͘ͳΜͯφϯηϯεͩʯ
0 4 = 4
Ξʔϊϧυ(ύεΧϧͷ༑ୡ) • ʮൺʯΛߟ͑ͯΈΔͱ • ʮେ͖͍ : খ͍͞ʯͱ͍͏ൺͱʮখ͍͞ : େ͖͍ʯͱ͍͏ൺ͕͍͠ ͳΜ͓͔͍ͯ͠
by ύεΧϧ 1 : 1 = 1 : 1
ͳ͔ͳ͔ղͱͯ͠ೝΊΒΕͳ͍
ͦΜͳத……
16ੈل εςϏϯ Simon Stevin (1548–1620) • ෛͷͱͯ͠͏ • ෛͷͷղड͚ೖΕΔ •
ʮฏํࠜɺແཧɺෛͷͳͲͯ͢ʮʯͱͯ۠͠ผͤͣѻΘΕΔ ͖ʯ
17ੈل δϥʔϧ Albert Girard (1595 — 1632) • ෛͷʮޙΖʹΔ͜ͱʯΛද͢ɻ •
ʮϓϥεه߸Ͱલਐ͢Δͱ͖ɺϚΠφεه߸ͰΔɻʯ • ෛͷͷزԿֶతͳղऍ • ͭ·ΓෛͷͷϏδϡΞϥΠθʔγϣϯ
δϥʔϧ • ͨͿΜ͜͏ݴͬͨ Μ͡Όͳ͍͔ܶ
͔ͦ͠͠ͷޙ
19ੈل υŋϞϧΨϯ Augustus De Morgan (1806–1871) • ͕56ࡀɺଉࢠ29ࡀɻԿޙʹ2ഒʹ? • (2લ!)
• υŋϞϧΨϯʮෆ߹ཧͩ!ʯ 56 + x = 2(29 + x) x = 2
19ੈل υŋϞϧΨϯ • ͕56ࡀɺଉࢠ29ࡀɻԿલʹ2ഒʹ? • υŋϞϧΨϯʮ͜ΕͳΒOKʯ 56 x = 2(29
x) x = 2
17ੈل δϥʔϧ Albert Girard (1595 — 1632) • ෛͷʮޙΖʹΔ͜ͱʯΛද͢ •
ෛͷͷزԿֶతͳղऍ • ͭ·ΓෛͷͷϏδϡΞϥΠθʔγϣϯ
ෛͷ ෳૉ ຊͷϝχϡʔ
ෛͷ ෳૉ ຊͷϝχϡʔ
None
ϏδϡΞϥΠθʔγϣϯͱ ෳૉ
ෳૉͱ?
ෳૉ i2 = 1 i ڏ୯Ґ x2 = 1 (x2
+ 1 = 0) ͷղ Λ࣮ʹ͚Ճ͑ͨମܥ i
2ͯ͠ϚΠφε1?? • Ͳ͏͓͔͠ͳͩͳɻ • ͜ͷੈͷͷͰͳ͍ͳɻ • ͦΜͳߟ͍͍͑ͯͷ? • ͦΜͳʮ͋Δʯͷ? •
Ͳ͜ʹ͋Δͷ? • ܭࢉͰ͖Δ͚Ͳ… i2 = 1
ͦΜͳத……
ΞϧΨϯ Jean Robert Argand (1768 — 1822) • ͜ͷෳૉͷҧײΛݟࣄʹ১ɻ •
ͦΕ·ͰͳΜ͔Α͘Θ͔Βͳ͍ԾతͳͩͱࢥΘΕ͍ͯͨෳૉ͕Ұؾʹ ΘΕΔΑ͏ʹͳΔͷʹଟେͳӨڹΛ༩͑ͨɻ • ΞϧΨϯਤ (Argand diagram)
ΞϧΨϯਤ Argand diagram • ෳૉͷϏδϡΞϥΠθʔγϣϯ
None
None
None
None
None
None
None
None
None
None
None
None
None
None
( 1) ※ ͜͜Ξχϝʔγϣϯ͍ͯͨ͠ɻ
( 1) ( 1) =1 ͱ͍͏͜ͱʮϚΠφεഒʯͬͯ ճసͬͯ͜ͱͳΜ͡Όʜ ※ ͜͜Ξχϝʔγϣϯ͍ͯͨ͠ɻ
͡Ό͋iഒͬͯʜ ·͔͞ʜ ( 1) =i2 ※ ͜͜Ξχϝʔγϣϯ͍ͯͨ͠ɻ
i ͟Θɾɾɾ ͟Θɾɾɾ ͟Θɾɾɾ ͟Θɾɾɾ ͡Ό͋iഒͬͯʜ ·͔͞ʜ ※ ͜͜Ξχϝʔγϣϯ͍ͯͨ͠ɻ
i i = 1 ͡Ό͋iഒͬͯʜ ·͔͞ʜ ※ ͜͜Ξχϝʔγϣϯ͍ͯͨ͠ɻ
i ഒ = 90ճస
ࠓͷ·ͱΊ • ֶͷ֓೦ͷϏδϡΞϥΠθʔγϣϯ • ֓೦͕ड͚ೖΕΒΕΔ͔ɺࢢຽݖΛಘΔ͔ • ७ਮͳֶͷੈքͰ͢Βɺ֓೦͕ʮड͚ೖΕΒΕΔʯ͜ͱʹϏδϡΞϥΠ θʔγϣϯɺՄࢹԽ͕ॏཁɻ • ʮΘ͔ͬͨؾ͕͢ΔʯʮΘ͔ΔʯͱԿ͔
• ֶͬͯʮཧతʹਖ਼͍͠ʯ͚ͩͰͳ͍ • ͕͕ͪͪͷཧͰͳֶ͍ͷ࢟
ࢀߟจݙ • ଜढ़Ұ, ʰఱ࠽ֶऀ͜͏ղ͍ ͨɺ͜͏ੜ͖ͨʱ, ߨஊࣾબॻϝν Τ, 2001 • Morris
Kline, Mathematical Thought from Ancient to Modern Times, Vol. 1, Oxford University Press, 1990. • The MacTutor History of Mathematics archive, http://www- history.mcs.st-andrews.ac.uk/
͋Γ͕ͱ͏͍͟͝·ͨ͠ʔ
ࠓͷ·ͱΊ • ֶͷ֓೦ͷϏδϡΞϥΠθʔγϣϯ • ֓೦͕ड͚ೖΕΒΕΔ͔ɺࢢຽݖΛಘΔ͔ • ७ਮͳֶͷੈքͰ͢Βɺ֓೦͕ʮड͚ೖΕΒΕΔʯ͜ͱʹϏδϡΞϥΠ θʔγϣϯɺՄࢹԽ͕ॏཁɻ • ʮΘ͔ͬͨؾ͕͢ΔʯʮΘ͔ΔʯͱԿ͔
• ֶͬͯʮཧతʹਖ਼͍͠ʯ͚ͩͰͳ͍ • ͕͕ͪͪͷཧͰͳֶ͍ͷ࢟