数学第一章：认识数学符号⑤-特殊常量与变量符号

digger · 发表于 2026-1-8 18:45:49

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。

您需要登录才可以下载或查看，没有账号？立即注册微信登陆 QQ登录 sms 手机登录

×

<img src="data/attachment/forum/202601/08/184537i3pzt7fkomzxxotx.webp" alt="20210507100739259.webp" title="20210507100739259.webp" />
<h2>一、特殊常数（按领域分类）</h2>
特殊常数是数学中固定不变、具有特定意义的数值，广泛应用于各分支的公式推导与计算。
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>\pi（pi）</td>
<td>圆周率（圆的周长与直径的比值，无理数）</td>
<td>圆的周长 C=2\pi r；圆的面积 S=\pi r^2；\pi\approx3.1415926535</td>
<td>中文：圆周率（pài）英文：pi</td>
</tr>
<tr>
<td>e（Euler's number）</td>
<td>自然常数（自然指数/对数的底数，无理数）</td>
<td>自然指数函数 y=e^x（导数为自身）；\ln e=1；e\approx2.7182818284</td>
<td>中文：自然常数（yì）英文：Euler's number / e</td>
</tr>
<tr>
<td>i（imaginary unit）</td>
<td>虚数单位（满足 i^2=-1，复数的基本组成）</td>
<td>复数 z=a+bi（a,b\in\mathbb{R}）；i^3=-i；i^4=1</td>
<td>中文：虚数单位（ài）英文：imaginary unit / i</td>
</tr>
<tr>
<td>\gamma（Euler-Mascheroni constant）</td>
<td>欧拉-马歇罗尼常数（调和级数与自然对数的差值，无理数）</td>
<td>\gamma=\lim\limits_{n\to\infty}\left(1+\frac{1}{2}+\dots+\frac{1}{n}-\ln n\right)；\gamma\approx0.5772156649</td>
<td>中文：欧拉-马歇罗尼常数（yǎ）英文：Euler-Mascheroni constant / gamma</td>
</tr>
<tr>
<td>\phi（golden ratio）</td>
<td>黄金比例（满足 \phi=\frac{1+\sqrt{5}}{2}，无理数）</td>
<td>黄金矩形的宽长比为 \frac{1}{\phi}；斐波那契数列极限 \lim\limits_{n\to\infty}\frac{F_{n+1}}{F_n}=\phi；\phi\approx1.6180339887</td>
<td>中文：黄金比例（fēi）英文：golden ratio / phi</td>
</tr>
<tr>
<td>G（Catalan's constant）</td>
<td>卡塔兰常数（分析与数论中的重要常数，疑似无理数）</td>
<td>G=\sum\limits_{n=0}^\infty\frac{(-1)^n}{(2n+1)^2}；G\approx0.9159655942</td>
<td>中文：卡塔兰常数（jiǎ）英文：Catalan's constant / G</td>
</tr>
<tr>
<td>K（Khinchin's constant）</td>
<td>辛钦常数（数论中连分数相关常数，无理数）</td>
<td>几乎所有实数的连分数展开中，收敛因子的极限为 K；K\approx2.6854520010</td>
<td>中文：辛钦常数（kǎ）英文：Khinchin's constant / K</td>
</tr>
<tr>
<td>\zeta(s)（Riemann zeta function）</td>
<td>黎曼zeta函数（数论核心函数，s 为复数）</td>
<td>\zeta(2)=\sum\limits_{n=1}^\infty\frac{1}{n^2}=\frac{\pi^2}{6}；\zeta(3) 为阿佩里常数（\approx1.2020569032）</td>
<td>中文：黎曼zeta函数（zī tā）英文：Riemann zeta function</td>
</tr>
<tr>
<td>\Gamma(z)（gamma function）</td>
<td>伽马函数（阶乘的推广，z 为复数）</td>
<td>\Gamma(n)=(n-1)!（n\in\mathbb{N}^*）；\Gamma\left(\frac{1}{2}\right)=\sqrt{\pi}</td>
<td>中文：伽马函数（gā mǎ）英文：gamma function</td>
</tr>
<tr>
<td>\Omega（Chaitin's constant）</td>
<td>蔡廷常数（算法信息论中的不可计算常数）</td>
<td>表示随机生成的程序终止概率，具有不可计算性</td>
<td>中文：蔡廷常数（ōu mì gǎ）英文：Chaitin's constant / Omega</td>
</tr>
<tr>
<td>c（speed of light）</td>
<td>真空中的光速（物理常数，数学建模常用）</td>
<td>相对论能量公式 E=mc^2；c\approx2.99792458\times10^8\ \text{m/s}</td>
<td>中文：光速（cè）英文：speed of light / c</td>
</tr>
<tr>
<td>\hbar（reduced Planck constant）</td>
<td>约化普朗克常数（量子力学中的数学常数）</td>
<td>角动量量子化公式 L=n\hbar；\hbar=\frac{h}{2\pi}\approx1.054571817\times10^{-34}\ \text{J·s}</td>
<td>中文：约化普朗克常数（h-bar）英文：reduced Planck constant / h-bar</td>
</tr>
</tbody>
</table>
<h2>二、常用变量符号（按领域分类）</h2>
变量符号是数学中表示不确定数值、集合、函数等的符号，具有约定俗成的使用场景，便于跨领域交流。
<h3>（一）基础通用变量</h3>
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>x, y, z</td>
<td>基础变量（常用于表示未知量、自变量）</td>
<td>方程 $2x+3=7；函数 y=f(x)；三维坐标 (x,y,z)$</td>
<td>中文：变量x、变量y、变量z英文：variable x, variable y, variable z</td>
</tr>
<tr>
<td>a, b, c</td>
<td>常数参数（常用于表示固定系数、已知量）</td>
<td>一次函数 y=ax+b；三角形边长 a,b,c</td>
<td>中文：参数a、参数b、参数c英文：parameter a, parameter b, parameter c</td>
</tr>
<tr>
<td>m, n, k</td>
<td>整数变量（常用于表示自然数、整数参数）</td>
<td>数列通项 a_n；求和指标 \sum\limits_{k=1}^n k；矩阵行数 m、列数 n</td>
<td>中文：整数m、整数n、整数k英文：integer m, integer n, integer k</td>
</tr>
<tr>
<td>t</td>
<td>参数变量（常用于表示时间、参数）</td>
<td>参数方程 \begin{cases}x=\cos t\\y=\sin t\end{cases}；运动方程 s(t)=vt+\frac{1}{2}at^2</td>
<td>中文：参数t英文：parameter t</td>
</tr>
<tr>
<td>\varepsilon（epsilon）</td>
<td>小正数变量（常用于极限、连续性定义）</td>
<td>极限定义中“\forall\varepsilon>0,\exists\delta>0”；无穷小量 \varepsilon\to0</td>
<td>中文：小正数ε（ài pǔ sī lóng）英文：epsilon</td>
</tr>
<tr>
<td>\delta（delta）</td>
<td>增量/小正数变量（常用于极限、微分定义）</td>
<td>微分中 \Delta x\approx\delta x；极限定义中与 \varepsilon 配套使用</td>
<td>中文：增量δ（dé lǐ tā）英文：delta</td>
</tr>
</tbody>
</table>
<h3>（二）数论变量</h3>
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>p, q</td>
<td>素数变量（表示质数，仅能被1和自身整除的整数）</td>
<td>素数分解 $12=2^2\times3$；哥德巴赫猜想“任一偶数可表为两素数和”</td>
<td>中文：素数p、素数q英文：prime number p, prime number q</td>
</tr>
<tr>
<td>n!（factorial）</td>
<td>阶乘（n 个正整数的乘积）</td>
<td>$5!=5\times4\times3\times2\times1=120；$0!=1</td>
<td>中文：n的阶乘英文：n factorial</td>
</tr>
<tr>
<td>\gcd(a,b)（greatest common divisor）</td>
<td>最大公约数（a 和 b 的最大公共因数）</td>
<td>\gcd(12,18)=6；\gcd(p,q)=1（p,q 为不同素数）</td>
<td>中文：a和b的最大公约数英文：greatest common divisor of a and b</td>
</tr>
<tr>
<td>\text{lcm}(a,b)（least common multiple）</td>
<td>最小公倍数（a 和 b 的最小公共倍数）</td>
<td>\text{lcm}(4,6)=12；$\text{lcm}(a,b)\times\gcd(a,b)=</td>
<td>a\times b</td>
</tr>
<tr>
<td>\phi(n)（Euler's totient function）</td>
<td>欧拉函数（小于 n 且与 n 互质的正整数个数）</td>
<td>\phi(6)=2（1、5与6互质）；\phi(p)=p-1（p 为素数）</td>
<td>中文：欧拉函数φ(n)（fēi）英文：Euler's totient function of n</td>
</tr>
<tr>
<td>\mu(n)（Möbius function）</td>
<td>莫比乌斯函数（数论筛法常用函数）</td>
<td>\mu(1)=1；\mu(p)=-1（p 为素数）；\mu(p^k)=0（k\geq2）</td>
<td>中文：莫比乌斯函数μ(n)（mù bǐ wū sī）英文：Möbius function of n</td>
</tr>
</tbody>
</table>
<h3>（三）代数与线性代数变量</h3>
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>\mathbf{A}, \mathbf{B}</td>
<td>矩阵（由数组成的矩形阵列，粗体表示）</td>
<td>2阶矩阵 \mathbf{A}=\begin{pmatrix}1&2\\3&4\end{pmatrix}；单位矩阵 \mathbf{I}</td>
<td>中文：矩阵A、矩阵B英文：matrix A, matrix B</td>
</tr>
<tr>
<td>\det(\mathbf{A}) / $</td>
<td>\mathbf{A}</td>
<td>$</td>
<td>矩阵 \mathbf{A} 的行列式（标量值，刻画矩阵性质）</td>
</tr>
<tr>
<td>\mathbf{A}^{-1}</td>
<td>矩阵 \mathbf{A} 的逆矩阵（满足 \mathbf{A}\mathbf{A}^{-1}=\mathbf{I}）</td>
<td>\begin{pmatrix}2&1\\1&1\end{pmatrix}^{-1}=\begin{pmatrix}1&-1\\-1&2\end{pmatrix}</td>
<td>中文：矩阵A的逆矩阵英文：inverse of matrix A</td>
</tr>
<tr>
<td>\text{tr}(\mathbf{A})（trace）</td>
<td>矩阵 \mathbf{A} 的迹（主对角线元素之和）</td>
<td>\text{tr}\begin{pmatrix}1&2\\3&4\end{pmatrix}=1+4=5；\text{tr}(\mathbf{AB})=\text{tr}(\mathbf{BA})</td>
<td>中文：矩阵A的迹（jī）英文：trace of matrix A</td>
</tr>
<tr>
<td>\mathbf{v}, \vec{v}</td>
<td>向量（有大小和方向的量，粗体或带箭头）</td>
<td>列向量 \mathbf{v}=\begin{pmatrix}1\\2\end{pmatrix}；行向量 \vec{v}=(1,2,3)</td>
<td>中文：向量v英文：vector v</td>
</tr>
<tr>
<td>V, W</td>
<td>向量空间（线性代数的核心结构，满足线性运算）</td>
<td>实数域上的二维向量空间 \mathbb{R}^2；矩阵构成的向量空间 M_{2\times2}(\mathbb{R})</td>
<td>中文：向量空间V、向量空间W英文：vector space V, vector space W</td>
</tr>
<tr>
<td>\lambda（eigenvalue）</td>
<td>特征值（满足 \mathbf{A}\mathbf{v}=\lambda\mathbf{v} 的标量）</td>
<td>矩阵 \begin{pmatrix}2&1\\1&2\end{pmatrix} 的特征值为 1 和 3</td>
<td>中文：特征值λ（lán bā dǎ）英文：eigenvalue / lambda</td>
</tr>
</tbody>
</table>
<h3>（四）分析变量</h3>
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>f, g, h</td>
<td>函数符号（表示对应法则）</td>
<td>函数 f(x)=x^2；复合函数 f\circ g(x)=f(g(x))</td>
<td>中文：函数f、函数g英文：function f, function g</td>
</tr>
<tr>
<td>u(x,y), v(x,y)</td>
<td>多元函数（依赖多个自变量的函数）</td>
<td>二元函数 u(x,y)=x^2+y^2；调和函数 \Delta u=0</td>
<td>中文：多元函数u、多元函数v英文：multivariate function u, multivariate function v</td>
</tr>
<tr>
<td>\omega（angular frequency）</td>
<td>角频率（分析振动、波动常用变量）</td>
<td>简谐运动 x=A\sin(\omega t+\phi)；\omega=2\pi f（f 为频率）</td>
<td>中文：角频率ω（ōu mì gǎ）英文：angular frequency / omega</td>
</tr>
<tr>
<td>L（operator）</td>
<td>线性算子（分析中表示变换的符号）</td>
<td>微分算子 L=\frac{d}{dx}；拉普拉斯算子 L=\Delta=\frac{\partial^2}{\partial x^2}+\frac{\partial^2}{\partial y^2}</td>
<td>中文：线性算子L英文：linear operator L</td>
</tr>
</tbody>
</table>
<h3>（五）几何与拓扑变量</h3>
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>\theta, \alpha, \beta</td>
<td>角度变量（表示几何中的角）</td>
<td>三角函数 \sin\theta；直线与平面的夹角 \alpha</td>
<td>中文：角θ（θ读sāi tā）、角α（ā lā fǎ）、角β（bēi tǎ）英文：angle theta, angle alpha, angle beta</td>
</tr>
<tr>
<td>r</td>
<td>半径变量（圆、球等图形的半径）</td>
<td>圆的面积 S=\pi r^2；球的体积 V=\frac{4}{3}\pi r^3</td>
<td>中文：半径r英文：radius r</td>
</tr>
<tr>
<td>s</td>
<td>弧长变量（曲线、圆弧的长度）</td>
<td>圆的弧长 s=r\theta（\theta 为弧度）；曲线积分 \int_L f ds</td>
<td>中文：弧长s英文：arc length s</td>
</tr>
<tr>
<td>d</td>
<td>距离变量（点、线、面之间的距离）</td>
<td>两点间距离 d=\sqrt{(x_2-x_1)^2+(y_2-y_1)^2}；点到直线的距离</td>
<td>中文：距离d英文：distance d</td>
</tr>
<tr>
<td>V</td>
<td>体积变量（几何体所占空间的大小）</td>
<td>长方体体积 V=abc；柱体体积 V=Sh（S 为底面积，h 为高）</td>
<td>中文：体积V英文：volume V</td>
</tr>
</tbody>
</table>
<h3>（六）概率统计变量</h3>
<table>
<thead>
<tr>
<th>符号</th>
<th>数学意义</th>
<th>实用举例</th>
<th>读音（中文+英文常用念法）</th>
</tr>
</thead>
<tbody>
<tr>
<td>X, Y, Z</td>
<td>随机变量（表示随机试验结果的变量）</td>
<td>离散随机变量 X（掷骰子的点数）；连续随机变量 Y（身高）</td>
<td>中文：随机变量X、随机变量Y英文：random variable X, random variable Y</td>
</tr>
<tr>
<td>P(A)</td>
<td>事件 A 的概率（事件发生的可能性大小）</td>
<td>掷骰子出现偶数的概率 P(A)=\frac{1}{2}；概率公理 $0\leq P(A)\leq1$</td>
<td>中文：事件A的概率英文：probability of event A</td>
</tr>
<tr>
<td>\mu（mean）</td>
<td>均值（随机变量的平均取值，期望）</td>
<td>正态分布的均值 \mu；样本均值 \bar{X}=\frac{1}{n}\sum\limits_{i=1}^n X_i</td>
<td>中文：均值μ（mù）英文：mean / mu</td>
</tr>
<tr>
<td>\sigma（standard deviation）</td>
<td>标准差（刻画数据的离散程度）</td>
<td>方差 \sigma^2=E[(X-\mu)^2]；标准差 \sigma=\sqrt{\sigma^2}</td>
<td>中文：标准差σ（sī gǎ mǎ）英文：standard deviation / sigma</td>
</tr>
<tr>
<td>\rho（correlation coefficient）</td>
<td>相关系数（刻画两个变量的线性相关程度）</td>
<td>相关系数 \rho\in[-1,1]；\rho=1 表示完全正相关</td>
<td>中文：相关系数ρ（ròu）英文：correlation coefficient / rho</td>
</tr>
<tr>
<td>N(\mu,\sigma^2)</td>
<td>正态分布（连续型概率分布，又称高斯分布）</td>
<td>标准正态分布 N(0,1)；身高、体重常服从正态分布</td>
<td>中文：均值为μ、方差为σ²的正态分布英文：normal distribution with mean mu and variance sigma squared</td>
</tr>
<tr>
<td>f(x)（probability density function）</td>
<td>概率密度函数（连续随机变量的分布密度）</td>
<td>标准正态分布的密度函数 f(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}</td>
<td>中文：概率密度函数f(x)英文：probability density function f(x)</td>
</tr>
</tbody>
</table>
<h2>三、补充说明</h2>
<ol>
<li>常数的通用性：部分常数跨领域使用（如 \pi 同时用于几何、分析、概率），其意义保持一致，仅应用场景不同。</li>
<li>变量的约定俗成：变量符号的使用具有习惯性（如 p 通常表示素数、\theta 表示角度），避免随意替换可提高可读性。</li>
<li>易混淆符号区分：
<ul>
<li>黄金比例 \phi 与欧拉函数 \phi(n)：符号相同但领域不同，需结合上下文判断；</li>
<li>均值 \mu 与莫比乌斯函数 \mu(n)：读音相同（中文均读mù），但意义完全不同，依赖符号位置（函数后带参数，均值为单独符号）区分。</li>
</ul>
</li>
<li>常数近似值：表中给出常用常数的10位近似值，满足大部分计算需求（高精度计算需参考专门数据表）。</li>
</ol>

[辅助阅读] 数学第一章：认识数学符号⑤-特殊常量与变量符号

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。

温馨提示：

回复