数学史・世紀のライバル対決

数学公式の誕生秘話＆世紀の論争

The Calculus Priority War: Newton's Fluxions vs. Leibniz's dy/dx

\dot{y} = \lim_{\Delta t \to 0}\frac{\Delta y}{\Delta t} \quad \text{vs.} \quad \frac{dy}{dx}, \; \int y\,dx

While Newton conceived fluxions earlier for physics, Leibniz's superior notation (dy/dx, ∫) made the Chain Rule and integration effortless, becoming the universal standard.

⚔️ 1535–1545#A09 虚数単位 i と複素平面の極形式 →

The Cubic Duel & Birth of Complex Numbers: Tartaglia vs. Cardano

\sqrt{-1} = i, \quad x^3 + px + q = 0

The fierce 16th-century Italian duel over algebraic roots forced mathematicians to confront √-1 as a legitimate computational entity, birthing complex analysis.

⚔️ 1920s–Present#P03 ベイズの定理 (事後確率推論) →

Nature of Probability: Frequentists (Fisher) vs. Bayesians (Laplace & Jeffreys)

P(\text{Data} \mid \theta) \;\text{(MLE)} \quad \text{vs.} \quad P(\theta \mid \text{Data}) \propto P(\text{Data}\mid\theta)P(\theta)

Frequentist confidence intervals dominated the 20th century, while GPU-accelerated Bayesian inference now powers modern AI uncertainty quantification.

⚔️ 1843–1890s#L10 四元数(クォータニオン)と3D球面線形補間(SLERP) →

The Great Vector War: Hamilton's Quaternions vs. Gibbs-Heaviside Vectors

\mathbf{i}^2=\mathbf{j}^2=\mathbf{k}^2=\mathbf{ijk}=-1 \quad \text{vs.} \quad \mathbf{a}\cdot\mathbf{b}, \; \mathbf{a}\times\mathbf{b}

Gibbs' dot and cross products won physics textbooks, but Hamilton's quaternions triumphed a century later in spacecraft navigation and 3D game engines to eliminate Gimbal Lock.

Peak of Mathematics⏱ 7 min read

オイラーの等式 e^(iπ) + 1 = 0: テイラー級数が指数関数と三角関数を統合する理由

When the compound-growth constant e meets the imaginary unit i, runaway exponential growth transforms into eternal rotation on the unit circle.

e^{i\theta} = \cos\theta + i\sin\theta \implies e^{i\pi} + 1 = 0

#C01 極限の定義とネイピア数 e の誕生 #G04 単位円上の三角関数と基本恒等式 #A09 虚数単位 i と複素平面の極形式 #C06 テイラー級数とマクローリン展開 #C07 オイラーの公式と世界で最も美しい等式 #C09 フーリエ級数とフーリエ変換 (時間↔周波数)

記事を読む

DSP & Compression⏱ 8 min read

フーリエ変換の完全解剖：あらゆる波動を純粋な正弦波の和に分解する魔法

How Joseph Fourier's heat-equation breakthrough became the engine of JPEG compression, noise-canceling headphones, and Whisper AI spectrograms.

\hat{f}(\omega) = \int_{-\infty}^{\infty} f(t)e^{-i\omega t}\,dt \iff f(t) = \frac{1}{2\pi}\int_{-\infty}^{\infty} \hat{f}(\omega)e^{i\omega t}\,d\omega

#G04 単位円上の三角関数と基本恒等式 #C04 微分積分学の基本定理と定積分 #C07 オイラーの公式と世界で最も美しい等式 #C09 フーリエ級数とフーリエ変換 (時間↔周波数)#L02 ベクトルの内積(ドット積)とコサイン類似度

記事を読む

Deep Learning Core⏱ 9 min read

連鎖律からTransformerまで：数兆パラメータのAIを学習させる5つの核心数式

Step-by-step mathematical anatomy of how Matrix Multiplication, Dot Product, Softmax, Cross-Entropy, and the Chain Rule power modern AI.

\text{Attention}(Q,K,V) = \operatorname{softmax}\!\left(\frac{QK^T}{\sqrt{d_k}}\right)V, \quad \frac{\partial \mathcal{L}}{\partial W_l} = \frac{\partial \mathcal{L}}{\partial a_L}\cdots\frac{\partial a_l}{\partial W_l}

#L02 ベクトルの内積(ドット積)とコサイン類似度 #L04 行列の積と線形変換の合成 (GEMM)#C03 積の微分法と合成関数の連鎖律 (Chain Rule)#C08 偏微分と勾配ベクトル (∇f 多変数微分)#P09 情報エントロピーと交差エントロピー (Cross-Entropy)#P10 ソフトマックス関数 (Softmax) と確率的勾配降下法 (SGD)

記事を読む

Probability Paradox⏱ 6 min read

精度99%検査のパラドックス：なぜベイズの定理を知らないと医師もAIも騙されるのか？

If a test with 99% sensitivity and 99% specificity flags you positive for a 1-in-1,000 disease, what is your true probability? Only 9%.

P(D \mid +) = \frac{P(+\mid D)P(D)}{P(+\mid D)P(D) + P(+\mid D^c)P(D^c)} \approx 9.0\%

#P02 条件付き確率と乗法定理 #P03 ベイズの定理 (事後確率推論)#P05 二項分布とベルヌーイ試行 #P09 情報エントロピーと交差エントロピー (Cross-Entropy)

記事を読む