공업수학: 벼락치기 팩

극한: 먼저 직접 대입해 보세요. 0/0이 나오면 먼저 식을 간단히 하세요: 인수분해해서 공통인수를 약분하거나, 켤레식을 곱합니다. x → ∞일 때는 분자와 분모를 x의 최고차항으로 나눕니다. 로피탈 정리: f/g가 0/0 또는 ∞/∞ 꼴이면 lim f/g = lim f′/g′이며, 분자와 분모를 (몫의 미분법이 아니라) 각각 따로 미분합니다.

극한: 먼저 직접 대입해 보세요. 0/0이 나오면 먼저 식을 간단히 하세요: 인수분해해서 공통인수를 약분하거나, 켤레식을 곱합니다. x → ∞일 때는 분자와 분모를 x의 최고차항으로 나눕니다. 로피탈 정리: f/g가 0/0 또는 ∞/∞ 꼴이면 lim f/g = lim f′/g′이며, 분자와 분모를 (몫의 미분법이 아니라) 각각 따로 미분합니다.

미분: 도함수 f′(x)는 x에서 그래프의 기울기입니다. 거듭제곱 법칙: (xⁿ)′ = n·xⁿ⁻¹. 곱의 법칙: (uv)′ = u′v + uv′. 연쇄 법칙: (f(g(x)))′ = f′(g(x))·g′(x). f′(x) = 0인 곳에서 그래프의 접선은 수평이며, 극대·극소·안장점 중 하나입니다.

미분: 도함수 f′(x)는 x에서 그래프의 기울기입니다. 거듭제곱 법칙: (xⁿ)′ = n·xⁿ⁻¹. 곱의 법칙: (uv)′ = u′v + uv′. 연쇄 법칙: (f(g(x)))′ = f′(g(x))·g′(x). f′(x) = 0인 곳에서 그래프의 접선은 수평이며, 극대·극소·안장점 중 하나입니다.

부분적분: ∫u·dv = u·v − ∫v·du이며, 곱의 미분법에서 나옵니다. u는 미분하면 더 간단해지는 인수(x의 거듭제곱 또는 ln x)로, dv는 적분할 수 있는 인수(eˣ, sin x, cos x, 또는 u = ln x일 때의 x)로 고르세요. 정적분에서는 u·v를 양 끝에서 계산합니다: ∫ₐᵇ u dv = [u·v]ₐᵇ − ∫ₐᵇ v du. x² 인수는 두 번 적용해야 합니다.

부분적분: ∫u·dv = u·v − ∫v·du이며, 곱의 미분법에서 나옵니다. u는 미분하면 더 간단해지는 인수(x의 거듭제곱 또는 ln x)로, dv는 적분할 수 있는 인수(eˣ, sin x, cos x, 또는 u = ln x일 때의 x)로 고르세요. 정적분에서는 u·v를 양 끝에서 계산합니다: ∫ₐᵇ u dv = [u·v]ₐᵇ − ∫ₐᵇ v du. x² 인수는 두 번 적용해야 합니다.

극형식: z = r∠θ = r(cos θ + j sin θ) = r·e^jθ이며 r = |z|, θ = arg z입니다. 직각 형식으로 되돌리면 a = r cos θ, b = r sin θ입니다. 편각은 사분면을 따져야 합니다. θ = atan(b/a)는 a > 0일 때만 맞고, a < 0이면 180°를 더하거나 뺍니다. 극형식에서는 곱셈이 쉽습니다. 절댓값을 곱하고 편각을 더하며, 나눗셈은 절댓값을 나누고 편각을 뺍니다.

드무아브르와 거듭제곱근: (r∠θ)ⁿ = rⁿ∠nθ. 방정식 zⁿ = R∠φ는 정확히 n개의 근을 가지며, 모두 절댓값이 R^1/n이고 편각은 k = 0, 1, …, n − 1에 대해 (φ + 360°·k)/n입니다. 근들은 원 위에 360°/n 간격으로 고르게 놓입니다. p² < 4q인 이차방정식 z² + pz + q = 0은 복소수 근 z = −p/2 ± j√(q − p²/4)를 가지며, 실수 계수 다항식의 복소수 근은 항상 켤레 쌍 a ± jb로 나타납니다.

2계 선형 방정식: y″ + b·y′ + c·y = 0에서 y = e^rt를 시도하면 특성방정식 r² + b·r + c = 0을 얻습니다. 서로 다른 두 실근 r₁ ≠ r₂이면 y = A·e^r₁t + B·e^r₂t(과감쇠), 중근 r이면 y = (A + Bt)·e^rt(임계감쇠), 복소근 −α ± jω이면 y = e^−αt(A cos ωt + B sin ωt)(부족감쇠, 진동)입니다. 초기값 y(0)과 y′(0)이 A와 B를 정합니다. y″ + 2ζω_ny′ + ω_n²y = 0으로 쓰면 ω_n은 고유 진동수, ζ는 감쇠비이며, ζ < 1이면 진동합니다. 입력이 일정한 y″ + by′ + cy = c·K의 해는 정상값 K에 자유 응답을 더한 것입니다.

1계 미분방정식: dy/dt = k·y의 해는 y = y₀·e^kt입니다(k > 0이면 성장, k < 0이면 감소). 반감기가 T이면 k = ln 2/T입니다. 뉴턴의 냉각 법칙 dT/dt = −k·(T − Tₐ)의 해는 T(t) = Tₐ + (T₀ − Tₐ)·e^−kt입니다. 선형 방정식 y′ + p(x)·y = q(x)는 적분 인자 μ = e^{∫p dx}로 풉니다: (μy)′ = μq이므로 μy = ∫μq dx + C.

행렬: 2×2 행렬의 행렬식은 ad − bc입니다. 3×3은 한 행을 따라 전개합니다: 각 성분에 그 행과 열을 지우고 남은 2×2 행렬의 행렬식을 곱하고, 부호는 + − +로 번갈아 붙입니다. 고윳값 λ는 det(A − λI) = 0을 만족하며, 2×2에서는 λ² − (대각합)·λ + det = 0입니다.

행렬: 2×2 행렬의 행렬식은 ad − bc입니다. 3×3은 한 행을 따라 전개합니다: 각 성분에 그 행과 열을 지우고 남은 2×2 행렬의 행렬식을 곱하고, 부호는 + − +로 번갈아 붙입니다. 고윳값 λ는 det(A − λI) = 0을 만족하며, 2×2에서는 λ² − (대각합)·λ + det = 0입니다.

내적: a·b = a_xb_x + a_yb_y + a_zb_z = |a|·|b|·cos θ는 스칼라입니다. 두 벡터 사이의 각도를 cos θ = a·b/(|a|·|b|)로 구할 수 있고, 두 벡터가 수직이면 0입니다. a를 b 위에 투영한 스칼라 투영은 a·b/|b|이며, 일정한 힘 F가 변위 d만큼 움직이는 동안 한 일은 W = F·d입니다.

외적: a × b = (a_yb_z − a_zb_y, a_zb_x − a_xb_z, a_xb_y − a_yb_x)는 두 벡터에 모두 수직이고, |a × b| = |a|·|b|·sin θ는 두 벡터가 만드는 평행사변형의 넓이입니다(삼각형은 그 절반). 순서가 중요합니다: b × a = −(a × b). 점 A에 작용하는 힘 F의 점 O에 대한 모멘트는 M_O = r × F이며, r = A − O입니다.

이산 확률변수: 확률분포는 변수가 가질 수 있는 모든 값 x와 그 확률 p(x)를 나열합니다. 확률은 0과 1 사이이며 합이 1입니다. 기댓값(평균)은 E(X) = Σx·p(x)로, 장기적인 평균입니다. 분산은 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²이고, 표준편차는 σ = √Var(X)입니다. 일차 변환 Y = aX + b에서는 E(Y) = a·E(X) + b, Var(Y) = a²·Var(X), σ_Y = |a|·σ_X입니다. 상수를 더해도 퍼짐은 변하지 않습니다.

확률: 결과가 모두 같은 정도로 일어날 때 P(A) = 유리한 경우의 수/전체 경우의 수. 독립 사건은 곱합니다: P(A 그리고 B) = P(A)·P(B). 여사건이 자주 도움이 됩니다: P(적어도 하나) = 1 − P(하나도 없음). 이항분포: 성공 확률 p인 독립 시행 n번에서 P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

기술통계: 평균은 합을 n으로 나눈 값이고, 중앙값은 정렬된 자료의 가운데 값입니다(n이 짝수면 가운데 두 값의 평균). 표본 표준편차는 s = √(Σ(x − x̄)²/(n − 1)). z점수 z = (x − μ)/σ는 어떤 값이 평균에서 표준편차 몇 개만큼 떨어져 있는지를 나타냅니다.

기술통계: 평균은 합을 n으로 나눈 값이고, 중앙값은 정렬된 자료의 가운데 값입니다(n이 짝수면 가운데 두 값의 평균). 표본 표준편차는 s = √(Σ(x − x̄)²/(n − 1)). z점수 z = (x − μ)/σ는 어떤 값이 평균에서 표준편차 몇 개만큼 떨어져 있는지를 나타냅니다.

정규분포: 값 x를 z점수 z = (x − μ)/σ로 바꾸면 평균에서 표준편차 몇 개만큼 떨어져 있는지 알 수 있습니다. z표(또는 Φ(z))는 z 왼쪽의 넓이, 즉 P(X < x)를 줍니다. 오른쪽 넓이는 1 − Φ(z)이고, 두 값 사이의 넓이는 두 넓이의 차입니다.

정규 변수의 합과 차: X와 Y가 독립이고 정규분포를 따르면 X + Y와 X − Y도 정규분포를 따릅니다. 평균은 더하거나 뺍니다: E(X ± Y) = μ_X ± μ_Y. 분산은 차일 때도 항상 더합니다: Var(X ± Y) = σ_X² + σ_Y²이므로 σ = √(σ_X² + σ_Y²)입니다. 표준편차를 직접 더해서는 안 됩니다. 같은 분포를 따르는 독립인 n개 항목의 합은 평균 n·μ, 표준편차 σ·√n입니다. 그다음 평소처럼 표준화하여 z = (x − 평균)/σ를 구하고 Φ(z)를 읽습니다.