Math

高等數(shù)學(xué)

1.導(dǎo)數(shù)定義：

導(dǎo)數(shù)和微分的概念

$f'({{x}_{0}})=\underset{\Delta x\to 0}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}$ （1）

或者：

$f'({{x}_{0}})=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f(x)-f({{x}_{0}})}{x-{{x}_{0}}}$ （2）

2.左右導(dǎo)數(shù)導(dǎo)數(shù)的幾何意義和物理意義

函數(shù) $f(x)$ 在 $x_0$ 處的左若治、右導(dǎo)數(shù)分別定義為：

左導(dǎo)數(shù)： ${{{f}'}_{-}}({{x}_{0}})=\underset{\Delta x\to {{0}^{-}}}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}=\underset{x\to x_{0}^{-}}{\mathop{\lim }}\,\frac{f(x)-f({{x}_{0}})}{x-{{x}_{0}}},(x={{x}_{0}}+\Delta x)$

右導(dǎo)數(shù)： ${{{f}'}_{+}}({{x}_{0}})=\underset{\Delta x\to {{0}^{+}}}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}=\underset{x\to x_{0}^{+}}{\mathop{\lim }}\,\frac{f(x)-f({{x}_{0}})}{x-{{x}_{0}}}$

3.函數(shù)的可導(dǎo)性與連續(xù)性之間的關(guān)系

Th1: 函數(shù) $f(x)$ 在 $x_0$ 處可微 $\Leftrightarrow f(x)$ 在 $x_0$ 處可導(dǎo)

Th2: 若函數(shù)在點(diǎn) $x_0$ 處可導(dǎo)鞍历，則 $y=f(x)$ 在點(diǎn) $x_0$ 處連續(xù)，反之則不成立趾痘。即函數(shù)連續(xù)不一定可導(dǎo)鸣个。

Th3: ${f}'({{x}_{0}})$ 存在 $\Leftrightarrow {{{f}'}_{-}}({{x}_{0}})={{{f}'}_{+}}({{x}_{0}})$

4.平面曲線的切線和法線

切線方程 : $y-{{y}_{0}}=f'({{x}_{0}})(x-{{x}_{0}})$

法線方程： $y-{{y}_{0}}=-\frac{1}{f'({{x}_{0}})}(x-{{x}_{0}}),f'({{x}_{0}})\ne 0$

5.四則運(yùn)算法則

設(shè)函數(shù) $u=u(x)，v=v(x)$ ]在點(diǎn) $x$ 可導(dǎo)則

(1) $(u\pm v{)}'={u}'\pm {v}'$ $d(u\pm v)=du\pm dv$

(2) $(uv{)}'=u{v}'+v{u}'$ $d(uv)=udv+vdu$

(3) $(\frac{u}{v}{)}'=\frac{v{u}'-u{v}'}{{{v}^{2}}}(v\ne 0)$ $d(\frac{u}{v})=\frac{vdu-udv}{{{v}^{2}}}$

6.基本導(dǎo)數(shù)與微分表

(1) $y=c$ （常數(shù)） ${y}'=0$ $dy=0$

(2) $y={{x}^{\alpha }}$ ( $\alpha$ 為實(shí)數(shù)) ${y}'=\alpha {{x}^{\alpha -1}}$ $dy=\alpha {{x}^{\alpha -1}}dx$

(3) $y={{a}^{x}}$ ${y}'={{a}^{x}}\ln a$ $dy={{a}^{x}}\ln adx$
特例: $({{{e}}^{x}}{)}'={{{e}}^{x}}$ $d({{{e}}^{x}})={{{e}}^{x}}dx$

(4) $y={{\log }_{a}}x$ ${y}'=\frac{1}{x\ln a}$

$dy=\frac{1}{x\ln a}dx$
特例: $y=\ln x$ $(\ln x{)}'=\frac{1}{x}$ $d(\ln x)=\frac{1}{x}dx$

(5) $y=\sin x$

${y}'=\cos x$ $d(\sin x)=\cos xdx$

(6) $y=\cos x$

${y}'=-\sin x$ $d(\cos x)=-\sin xdx$

(7) $y=\tan x$

${y}'=\frac{1}{{{\cos }^{2}}x}={{\sec }^{2}}x$ $d(\tan x)={{\sec }^{2}}xdx$

(8) $y=\cot x$ ${y}'=-\frac{1}{{{\sin }^{2}}x}=-{{\csc }^{2}}x$ $d(\cot x)=-{{\csc }^{2}}xdx$

(9) $y=\sec x$ ${y}'=\sec x\tan x$

$d(\sec x)=\sec x\tan xdx$
(10) $y=\csc x$ ${y}'=-\csc x\cot x$

$d(\csc x)=-\csc x\cot xdx$
(11) $y=\arcsin x$

${y}'=\frac{1}{\sqrt{1-{{x}^{2}}}}$

$d(\arcsin x)=\frac{1}{\sqrt{1-{{x}^{2}}}}dx$
(12) $y=\arccos x$

${y}'=-\frac{1}{\sqrt{1-{{x}^{2}}}}$ $d(\arccos x)=-\frac{1}{\sqrt{1-{{x}^{2}}}}dx$

(13) $y=\arctan x$

${y}'=\frac{1}{1+{{x}^{2}}}$ $d(\arctan x)=\frac{1}{1+{{x}^{2}}}dx$

(14) $y=\operatorname{arc}\cot x$

${y}'=-\frac{1}{1+{{x}^{2}}}$

$d(\operatorname{arc}\cot x)=-\frac{1}{1+{{x}^{2}}}dx$
(15) $y=shx$

${y}'=chx$ $d(shx)=chxdx$

(16) $y=chx$

${y}'=shx$ $d(chx)=shxdx$

7.復(fù)合函數(shù)偎肃，反函數(shù)，隱函數(shù)以及參數(shù)方程所確定的函數(shù)的微分法

(1) 反函數(shù)的運(yùn)算法則: 設(shè) $y=f(x)$ 在點(diǎn) $x$ 的某鄰域內(nèi)單調(diào)連續(xù)浑此，在點(diǎn) $x$ 處可導(dǎo)且 ${f}'(x)\ne 0$ 累颂，則其反函數(shù)在點(diǎn) $x$ 所對(duì)應(yīng)的 $y$ 處可導(dǎo)，并且有 $\frac{dy}{dx}=\frac{1}{\frac{dx}{dy}}$

(2) 復(fù)合函數(shù)的運(yùn)算法則:若 $\mu =\varphi (x)$ 在點(diǎn) $x$ 可導(dǎo),而 $y=f(\mu )$ 在對(duì)應(yīng)點(diǎn) $\mu$ ( $\mu =\varphi (x)$ )可導(dǎo),則復(fù)合函數(shù) $y=f(\varphi (x))$ 在點(diǎn) $x$ 可導(dǎo),且 ${y}'={f}'(\mu )\cdot {\varphi }'(x)$

(3) 隱函數(shù)導(dǎo)數(shù) $\frac{dy}{dx}$ 的求法一般有三種方法：

1)方程兩邊對(duì) $x$ 求導(dǎo)凛俱，要記住 $y$ 是 $x$ 的函數(shù)紊馏，則 $y$ 的函數(shù)是 $x$ 的復(fù)合函數(shù).例如 $\frac{1}{y}$ ， ${{y}^{2}}$ 蒲犬， $ln y$ 朱监， ${{{e}}^{y}}$ 等均是 $x$ 的復(fù)合函數(shù).
對(duì) $x$ 求導(dǎo)應(yīng)按復(fù)合函數(shù)連鎖法則做.

2)公式法.由 $F(x,y)=0$ 知 $\frac{dy}{dx}=-\frac{{{{{F}'}}_{x}}(x,y)}{{{{{F}'}}_{y}}(x,y)}$ ,其中， ${{{F}'}_{x}}(x,y)$ 原叮，
${{{F}'}_{y}}(x,y)$ 分別表示 $F(x,y)$ 對(duì) $x$ 和 $y$ 的偏導(dǎo)數(shù)

3)利用微分形式不變性

8.常用高階導(dǎo)數(shù)公式

（1） $({{a}^{x}}){{\,}^{(n)}}={{a}^{x}}{{\ln }^{n}}a\quad (a>{0})\quad \quad ({{{e}}^{x}}){{\,}^{(n)}}={e}{{\,}^{x}}$

（2） $(\sin kx{)}{{\,}^{(n)}}={{k}^{n}}\sin (kx+n\cdot \frac{\pi }{{2}})$

（3） $(\cos kx{)}{{\,}^{(n)}}={{k}^{n}}\cos (kx+n\cdot \frac{\pi }{{2}})$

（4） $({{x}^{m}}){{\,}^{(n)}}=m(m-1)\cdots (m-n+1){{x}^{m-n}}$

（5） $(\ln x){{\,}^{(n)}}={{(-{1})}^{(n-{1})}}\frac{(n-{1})!}{{{x}^{n}}}$

（6）萊布尼茲公式：若 $u(x)\,,v(x)$ 均 $n$ 階可導(dǎo)赫编，則
${{(uv)}^{(n)}}=\sum\limits_{i={0}}^{n}{c_{n}^{i}{{u}^{(i)}}{{v}^{(n-i)}}}$ ，其中 ${{u}^{({0})}}=u$ 奋隶， ${{v}^{({0})}}=v$

9.微分中值定理擂送，泰勒公式

Th1:(費(fèi)馬定理)

若函數(shù) $f(x)$ 滿足條件：

(1)函數(shù) $f(x)$ 在 ${{x}_{0}}$ 的某鄰域內(nèi)有定義，并且在此鄰域內(nèi)恒有
$f(x)\le f({{x}_{0}})$ 或 $f(x)\ge f({{x}_{0}})$ ,

(2) $f(x)$ 在 ${{x}_{0}}$ 處可導(dǎo),則有 ${f}'({{x}_{0}})=0$

Th2:(羅爾定理)

設(shè)函數(shù) $f(x)$ 滿足條件：

(1)在閉區(qū)間 $[a,b]$ 上連續(xù)唯欣；

(2)在 $(a,b)$ 內(nèi)可導(dǎo)嘹吨；

(3) $f(a)=f(b)$ ；

則在 $(a,b)$ 內(nèi)一存在個(gè) $\xi$ 黍聂，使 ${f}'(\xi )=0$

Th3: (拉格朗日中值定理)

設(shè)函數(shù) $f(x)$ 滿足條件：

(1)在 $[a,b]$ 上連續(xù)；

(2)在 $(a,b)$ 內(nèi)可導(dǎo)身腻；

則在 $(a,b)$ 內(nèi)一存在個(gè) $\xi$ 产还，使 $\frac{f(b)-f(a)}{b-a}={f}'(\xi )$

Th4: (柯西中值定理)

設(shè)函數(shù) $f(x)$ ， $g(x)$ 滿足條件：
(1) 在 $[a,b]$ 上連續(xù)嘀趟；

(2) 在 $(a,b)$ 內(nèi)可導(dǎo)且 ${f}'(x)$ 脐区， ${g}'(x)$ 均存在，且 ${g}'(x)\ne 0$

則在 $(a,b)$ 內(nèi)存在一個(gè) $\xi$ 她按，使 $\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{{f}'(\xi )}{{g}'(\xi )}$

10.洛必達(dá)法則

法則 Ⅰ ( $\frac{0}{0}$ 型)

設(shè)函數(shù) $f\left( x \right),g\left( x \right)$

滿足條件：

$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,f\left( x \right)=0,\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,g\left( x \right)=0$ ;

$f\left( x \right),g\left( x \right)$ 在 ${{x}_{0}}$ 的鄰域內(nèi)可導(dǎo)牛隅，(在 ${{x}_{0}}$ 處可除外)且 ${g}'\left( x \right)\ne 0$ ;

$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$ 存在(或 $\infty$ )炕柔。

則:
$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$ 。
法則 ${{I}'}$ ( $\frac{0}{0}$ 型)

設(shè)函數(shù) $f\left( x \right),g\left( x \right)$

滿足條件：

$\underset{x\to \infty }{\mathop{\lim }}\,f\left(x \right)=0,\underset{x \to \infty}{\mathop{\lim}}\,g\left(x \right)=0$ ;

存在一個(gè) $X>0$ ,當(dāng) $\left| x \right|>X$ 時(shí), $f\left( x \right),g\left( x \right)$ 可導(dǎo),且 ${g}'\left( x \right)\ne 0$ ; $\underset{x\to {{x}_{0}}}{\mathop{\lim}}\,\frac{{f}'\left(x \right)}{{g}'\left(x \right)}$ 存在(或 $\infty$ )媒佣。

則:
$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$

法則 Ⅱ( $\frac{\infty }{\infty }$ 型)

設(shè)函數(shù) $f\left( x \right),g\left( x \right)$ 滿足條件：
$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,f\left( x \right)=\infty ,\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,g\left( x \right)=\infty$ ;

$f\left( x \right),g\left( x \right)$ 在 ${{x}_{0}}$ 的鄰域內(nèi)可導(dǎo)(在 ${{x}_{0}}$ 處可除外)且 ${g}'\left( x \right)\ne 0$ ; $\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$ 存在(或 $\infty$ )匕累。

則

$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}.$

同理法則 ${I{I}'}$ ( $\frac{\infty }{\infty }$ 型)仿法則 ${{I}'}$ 可寫出。

11.泰勒公式

設(shè)函數(shù) $f(x)$ 在點(diǎn) ${{x}_{0}}$ 處的某鄰域內(nèi)具有 $n+1$ 階導(dǎo)數(shù)默伍，則對(duì)該鄰域內(nèi)異于 ${{x}_{0}}$ 的任意點(diǎn) $x$ 欢嘿，在 ${{x}_{0}}$ 與 $x$ 之間至少存在
一個(gè) $\xi$ ，使得：

$f(x)=f({{x}_{0}})+{f}'({{x}_{0}})(x-{{x}_{0}})+\frac{1}{2!}{f}''({{x}_{0}}){{(x-{{x}_{0}})}^{2}}+\cdots$

$+\frac{{{f}^{(n)}}({{x}_{0}})}{n!}{{(x-{{x}_{0}})}^{n}}+{{R}_{n}}(x)$

其中 ${{R}_{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{(x-{{x}_{0}})}^{n+1}}$ 稱為 $f(x)$ 在點(diǎn) ${{x}_{0}}$ 處的 $n$ 階泰勒余項(xiàng)也糊。

令 ${{x}_{0}}=0$ 炼蹦，則 $n$ 階泰勒公式
$f(x)=f(0)+{f}'(0)x+\frac{1}{2!}{f}''(0){{x}^{2}}+\cdots +\frac{{{f}^{(n)}}(0)}{n!}{{x}^{n}}+{{R}_{n}}(x)$ ……(1)

其中 ${{R}_{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{x}^{n+1}}$ ， $\xi$ 在 0 與 $x$ 之間.(1)式稱為麥克勞林公式

常用五種函數(shù)在 ${{x}_{0}}=0$ 處的泰勒公式

(1) ${{{e}}^{x}}=1+x+\frac{1}{2!}{{x}^{2}}+\cdots +\frac{1}{n!}{{x}^{n}}+\frac{{{x}^{n+1}}}{(n+1)!}{{e}^{\xi }}$

或 $=1+x+\frac{1}{2!}{{x}^{2}}+\cdots +\frac{1}{n!}{{x}^{n}}+o({{x}^{n}})$

(2) $\sin x=x-\frac{1}{3!}{{x}^{3}}+\cdots +\frac{{{x}^{n}}}{n!}\sin \frac{n\pi }{2}+\frac{{{x}^{n+1}}}{(n+1)!}\sin (\xi +\frac{n+1}{2}\pi )$

或 $=x-\frac{1}{3!}{{x}^{3}}+\cdots +\frac{{{x}^{n}}}{n!}\sin \frac{n\pi }{2}+o({{x}^{n}})$

(3) $\cos x=1-\frac{1}{2!}{{x}^{2}}+\cdots +\frac{{{x}^{n}}}{n!}\cos \frac{n\pi }{2}+\frac{{{x}^{n+1}}}{(n+1)!}\cos (\xi +\frac{n+1}{2}\pi )$

或 $=1-\frac{1}{2!}{{x}^{2}}+\cdots +\frac{{{x}^{n}}}{n!}\cos \frac{n\pi }{2}+o({{x}^{n}})$

(4) $\ln (1+x)=x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+\frac{{{(-1)}^{n}}{{x}^{n+1}}}{(n+1){{(1+\xi )}^{n+1}}}$

或 $=x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+o({{x}^{n}})$

(5) ${{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots +\frac{m(m-1)\cdots (m-n+1)}{n!}{{x}^{n}}$
$+\frac{m(m-1)\cdots (m-n+1)}{(n+1)!}{{x}^{n+1}}{{(1+\xi )}^{m-n-1}}$

或 ${{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots$ $+\frac{m(m-1)\cdots(m-n+1)}{n!}{{x}^{n}}+o({{x}^{n}})$

12.函數(shù)單調(diào)性的判斷

Th1:

設(shè)函數(shù) $f(x)$ 在 $(a,b)$ 區(qū)間內(nèi)可導(dǎo)狸剃，如果對(duì) $\forall x\in (a,b)$ 掐隐，都有 $f\,'(x)>0$ （或 $f\,'(x)<0$ ），則函數(shù) $f(x)$ 在 $(a,b)$ 內(nèi)是單調(diào)增加的（或單調(diào)減少）

Th2:

（取極值的必要條件）設(shè)函數(shù) $f(x)$ 在 ${{x}_{0}}$ 處可導(dǎo)钞馁，且在 ${{x}_{0}}$ 處取極值虑省，則 $f\,'({{x}_{0}})=0$ 。

Th3:

（取極值的第一充分條件）設(shè)函數(shù) $f(x)$ 在 ${{x}_{0}}$ 的某一鄰域內(nèi)可微指攒，且 $f\,'({{x}_{0}})=0$ （或 $f(x)$ 在 ${{x}_{0}}$ 處連續(xù)慷妙，但 $f\,'({{x}_{0}})$ 不存在。）

(1)若當(dāng) $x$ 經(jīng)過(guò) ${{x}_{0}}$ 時(shí)允悦， $f\,'(x)$ 由“+”變“-”膝擂，則 $f({{x}_{0}})$ 為極大值；

(2)若當(dāng) $x$ 經(jīng)過(guò) ${{x}_{0}}$ 時(shí)隙弛， $f\,'(x)$ 由“-”變“+”架馋，則 $f({{x}_{0}})$ 為極小值；

(3)若 $f\,'(x)$ 經(jīng)過(guò) $x={{x}_{0}}$ 的兩側(cè)不變號(hào)全闷，則 $f({{x}_{0}})$ 不是極值叉寂。

Th4:

(取極值的第二充分條件)設(shè) $f(x)$ 在點(diǎn) ${{x}_{0}}$ 處有 $f''(x)\ne 0$ ，且 $f\,'({{x}_{0}})=0$ 总珠，則當(dāng) $f'\,'({{x}_{0}})<0$ 時(shí)屏鳍， $f({{x}_{0}})$ 為極大值；
當(dāng) $f'\,'({{x}_{0}})>0$ 時(shí)局服， $f({{x}_{0}})$ 為極小值钓瞭。
注：如果 $f'\,'({{x}_{0}})<0$ ，此方法失效淫奔。

13.漸近線的求法

(1)水平漸近線若 $\underset{x\to +\infty }{\mathop{\lim }}\,f(x)=b$ 山涡，或 $\underset{x\to -\infty }{\mathop{\lim }}\,f(x)=b$ ，則

$y=b$ 稱為函數(shù) $y=f(x)$ 的水平漸近線。

(2)鉛直漸近線若 $\underset{x\to x_{0}^{-}}{\mathop{\lim }}\,f(x)=\infty$ 鸭丛，或 $\underset{x\to x_{0}^{+}}{\mathop{\lim }}\,f(x)=\infty$ 竞穷，則

$x={{x}_{0}}$ 稱為 $y=f(x)$ 的鉛直漸近線。

(3)斜漸近線若 $a=\underset{x\to \infty }{\mathop{\lim }}\,\frac{f(x)}{x},\quad b=\underset{x\to \infty }{\mathop{\lim }}\,[f(x)-ax]$ 鳞溉，則
$y=ax+b$ 稱為 $y=f(x)$ 的斜漸近線瘾带。

14.函數(shù)凹凸性的判斷

Th1: (凹凸性的判別定理）若在 I 上 $f''(x)<0$ （或 $f''(x)>0$ ），則 $f(x)$ 在 I 上是凸的（或凹的）穿挨。

Th2: (拐點(diǎn)的判別定理 1)若在 ${{x}_{0}}$ 處 $f''(x)=0$ 月弛，（或 $f''(x)$ 不存在），當(dāng) $x$ 變動(dòng)經(jīng)過(guò) ${{x}_{0}}$ 時(shí)科盛， $f''(x)$ 變號(hào)帽衙，則 $({{x}_{0}},f({{x}_{0}}))$ 為拐點(diǎn)。

Th3: (拐點(diǎn)的判別定理 2)設(shè) $f(x)$ 在 ${{x}_{0}}$ 點(diǎn)的某鄰域內(nèi)有三階導(dǎo)數(shù)贞绵，且 $f''(x)=0$ 厉萝， $f'''(x)\ne 0$ ，則 $({{x}_{0}},f({{x}_{0}}))$ 為拐點(diǎn)榨崩。

15.弧微分

$dS=\sqrt{1+y{{'}^{2}}}dx$

16.曲率

曲線 $y=f(x)$ 在點(diǎn) $(x,y)$ 處的曲率 $k=\frac{\left| y'' \right|}{{{(1+y{{'}^{2}})}^{\tfrac{3}{2}}}}$ 谴垫。
對(duì)于參數(shù)方程 $\left\{ \begin{align} & x=\varphi (t) \\ & y=\psi (t) \\ \end{align} \right.,$$k=\frac{\left| \varphi '(t)\psi ''(t)-\varphi ''(t)\psi '(t) \right|}{{{[\varphi {{'}^{2}}(t)+\psi {{'}^{2}}(t)]}^{\tfrac{3}{2}}}}$ 。

17.曲率半徑

曲線在點(diǎn) $M$ 處的曲率 $k(k\ne 0)$ 與曲線在點(diǎn) $M$ 處的曲率半徑 $\rho$ 有如下關(guān)系： $\rho =\frac{1}{k}$ 母蛛。

線性代數(shù)

行列式

1.行列式按行（列）展開(kāi)定理

(1) 設(shè) $A = ( a_{{ij}} )_{n \times n}$ 慎冤，則： $a_{i1}A_{j1} +a_{i2}A_{j2} + \cdots + a_{{in}}A_{{jn}} = \begin{cases}|A|,i=j\\ 0,i \neq j\end{cases}$

或 $a_{1i}A_{1j} + a_{2i}A_{2j} + \cdots + a_{{ni}}A_{{nj}} = \begin{cases}|A|,i=j\\ 0,i \neq j\end{cases}$ 即 $AA^{*} = A^{*}A = \left| A \right|E,$ 其中： $A^{*} = \begin{pmatrix} A_{11} & A_{12} & \ldots & A_{1n} \\ A_{21} & A_{22} & \ldots & A_{2n} \\ \ldots & \ldots & \ldots & \ldots \\ A_{n1} & A_{n2} & \ldots & A_{{nn}} \\ \end{pmatrix} = (A_{{ji}}) = {(A_{{ij}})}^{T}$

$D_{n} = \begin{vmatrix} 1 & 1 & \ldots & 1 \\ x_{1} & x_{2} & \ldots & x_{n} \\ \ldots & \ldots & \ldots & \ldots \\ x_{1}^{n - 1} & x_{2}^{n - 1} & \ldots & x_{n}^{n - 1} \\ \end{vmatrix} = \prod_{1 \leq j < i \leq n}^{}\,(x_{i} - x_{j})$

(2) 設(shè) $A,B$ 為 $n$ 階方陣瘦穆，則 $\left| {AB} \right| = \left| A \right|\left| B \right| = \left| B \right|\left| A \right| = \left| {BA} \right|$ ，但 $\left| A \pm B \right| = \left| A \right| \pm \left| B \right|$ 不一定成立。

(3) $\left| {kA} \right| = k^{n}\left| A \right|$ , $A$ 為 $n$ 階方陣剥槐。

(4) 設(shè) $A$ 為 $n$ 階方陣砰蠢， $|A^{T}| = |A|;|A^{- 1}| = |A|^{- 1}$ （若 $A$ 可逆）古程， $|A^{*}| = |A|^{n - 1}$

$n \geq 2$

(5) $\left| \begin{matrix} & {A\quad O} \\ & {O\quad B} \\ \end{matrix} \right| = \left| \begin{matrix} & {A\quad C} \\ & {O\quad B} \\ \end{matrix} \right| = \left| \begin{matrix} & {A\quad O} \\ & {C\quad B} \\ \end{matrix} \right| =| A||B|$
户盯， $A,B$ 為方陣，但 $\left| \begin{matrix} {O} & A_{m \times m} \\ B_{n \times n} & { O} \\ \end{matrix} \right| = ({- 1)}^{{mn}}|A||B|$ 违帆。

(6) 范德蒙行列式 $D_{n} = \begin{vmatrix} 1 & 1 & \ldots & 1 \\ x_{1} & x_{2} & \ldots & x_{n} \\ \ldots & \ldots & \ldots & \ldots \\ x_{1}^{n - 1} & x_{2}^{n 1} & \ldots & x_{n}^{n - 1} \\ \end{vmatrix} = \prod_{1 \leq j < i \leq n}^{}\,(x_{i} - x_{j})$

設(shè) $A$ 是 $n$ 階方陣浙巫， $\lambda_{i}(i = 1,2\cdots,n)$ 是 $A$ 的 $n$ 個(gè)特征值，則
$|A| = \prod_{i = 1}^{n}\lambda_{i}$

矩陣

矩陣： $m \times n$ 個(gè)數(shù) $a_{{ij}}$ 排成 $m$ 行 $n$ 列的表格 $\begin{bmatrix} a_{11}\quad a_{12}\quad\cdots\quad a_{1n} \\ a_{21}\quad a_{22}\quad\cdots\quad a_{2n} \\ \quad\cdots\cdots\cdots\cdots\cdots \\ a_{m1}\quad a_{m2}\quad\cdots\quad a_{{mn}} \\ \end{bmatrix}$ 稱為矩陣刷后，簡(jiǎn)記為 $A$ 的畴，或者 $\left( a_{{ij}} \right)_{m \times n}$ 。若 $m = n$ 尝胆，則稱 $A$ 是 $n$ 階矩陣或 $n$ 階方陣丧裁。

矩陣的線性運(yùn)算

1.矩陣的加法

設(shè) $A = (a_{{ij}}),B = (b_{{ij}})$ 是兩個(gè) $m \times n$ 矩陣，則 $m \times n$ 矩陣 $C = c_{{ij}}) = a_{{ij}} + b_{{ij}}$ 稱為矩陣 $A$ 與 $B$ 的和班巩，記為 $A + B = C$ 渣慕。

2.矩陣的數(shù)乘

設(shè) $A = (a_{{ij}})$ 是 $m \times n$ 矩陣， $k$ 是一個(gè)常數(shù)抱慌，則 $m \times n$ 矩陣 $(ka_{{ij}})$ 稱為數(shù) $k$ 與矩陣 $A$ 的數(shù)乘逊桦，記為 ${kA}$ 。

3.矩陣的乘法

設(shè) $A = (a_{{ij}})$ 是 $m \times n$ 矩陣抑进， $B = (b_{{ij}})$ 是 $n \times s$ 矩陣强经，那么 $m \times s$ 矩陣 $C = (c_{{ij}})$ ，其中 $c_{{ij}} = a_{i1}b_{1j} + a_{i2}b_{2j} + \cdots + a_{{in}}b_{{nj}} = \sum_{k =1}^{n}{a_{{ik}}b_{{kj}}}$ 稱為 ${AB}$ 的乘積寺渗，記為 $C = AB$ 匿情。

4. $\mathbf{A}^{\mathbf{T}}$ 、 $\mathbf{A}^{\mathbf{-1}}$ 信殊、 $\mathbf{A}^{\mathbf{*}}$ 三者之間的關(guān)系

(1) ${(A^{T})}^{T} = A,{(AB)}^{T} = B^{T}A^{T},{(kA)}^{T} = kA^{T},{(A \pm B)}^{T} = A^{T} \pm B^{T}$

(2) $\left( A^{- 1} \right)^{- 1} = A,\left( {AB} \right)^{- 1} = B^{- 1}A^{- 1},\left( {kA} \right)^{- 1} = \frac{1}{k}A^{- 1},$

但 ${(A \pm B)}^{- 1} = A^{- 1} \pm B^{- 1}$ 不一定成立炬称。

(3) $\left( A^{*} \right)^{*} = |A|^{n - 2}\ A\ \ (n \geq 3)$ ， $\left({AB} \right)^{*} = B^{*}A^{*},$ $\left( {kA} \right)^{*} = k^{n -1}A^{*}{\ \ }\left( n \geq 2 \right)$

但 $\left( A \pm B \right)^{*} = A^{*} \pm B^{*}$ 不一定成立涡拘。

(4) ${(A^{- 1})}^{T} = {(A^{T})}^{- 1},\ \left( A^{- 1} \right)^{*} ={(AA^{*})}^{- 1},{(A^{*})}^{T} = \left( A^{T} \right)^{*}$

5.有關(guān) $\mathbf{A}^{\mathbf{*}}$ 的結(jié)論

(1) $AA^{*} = A^{*}A = |A|E$

(2) $|A^{*}| = |A|^{n - 1}\ (n \geq 2),\ \ \ \ {(kA)}^{*} = k^{n -1}A^{*},{{\ \ }\left( A^{*} \right)}^{*} = |A|^{n - 2}A(n \geq 3)$

(3) 若 $A$ 可逆玲躯，則 $A^{*} = |A|A^{- 1},{(A^{*})}^{*} = \frac{1}{|A|}A$

(4) 若 $A$ 為 $n$ 階方陣，則：

$r(A^*)=\begin{cases}n,\quad r(A)=n\\ 1,\quad r(A)=n-1\\ 0,\quad r(A)<n-1\end{cases}$

6.有關(guān) $\mathbf{A}^{\mathbf{- 1}}$ 的結(jié)論

$A$ 可逆 $\Leftrightarrow AB = E; \Leftrightarrow |A| \neq 0; \Leftrightarrow r(A) = n;$

$\Leftrightarrow A$ 可以表示為初等矩陣的乘積鳄乏； $\Leftrightarrow A;\Leftrightarrow Ax = 0$ 跷车。

7.有關(guān)矩陣秩的結(jié)論

(1) 秩 $r(A)$ =行秩=列秩；

(2) $r(A_{m \times n}) \leq \min(m,n);$

(3) $A \neq 0 \Rightarrow r(A) \geq 1$ 橱野；

(4) $r(A \pm B) \leq r(A) + r(B);$

(5) 初等變換不改變矩陣的秩

(6) $r(A) + r(B) - n \leq r(AB) \leq \min(r(A),r(B)),$ 特別若 $AB = O$
則： $r(A) + r(B) \leq n$

(7) 若 $A^{- 1}$ 存在 $\Rightarrow r(AB) = r(B);$ 若 $B^{- 1}$ 存在
$\Rightarrow r(AB) = r(A);$

若 $r(A_{m \times n}) = n \Rightarrow r(AB) = r(B);$ 若 $r(A_{m \times s}) = n\Rightarrow r(AB) = r\left( A \right)$ 朽缴。

(8) $r(A_{m \times s}) = n \Leftrightarrow Ax = 0$ 只有零解

8.分塊求逆公式

$\begin{pmatrix} A & O \\ O & B \\ \end{pmatrix}^{- 1} = \begin{pmatrix} A^{-1} & O \\ O & B^{- 1} \\ \end{pmatrix}$ ； $\begin{pmatrix} A & C \\ O & B \\\end{pmatrix}^{- 1} = \begin{pmatrix} A^{- 1}& - A^{- 1}CB^{- 1} \\ O & B^{- 1} \\ \end{pmatrix}$ 水援；

$\begin{pmatrix} A & O \\ C & B \\ \end{pmatrix}^{- 1} = \begin{pmatrix} A^{- 1}&{O} \\ - B^{- 1}CA^{- 1} & B^{- 1} \\\end{pmatrix}$ 密强； $\begin{pmatrix} O & A \\ B & O \\ \end{pmatrix}^{- 1} =\begin{pmatrix} O & B^{- 1} \\ A^{- 1} & O \\ \end{pmatrix}$

這里 $A$ ， $B$ 均為可逆方陣裹唆。

向量

1.有關(guān)向量組的線性表示

(1) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性相關(guān) $\Leftrightarrow$ 至少有一個(gè)向量可以用其余向量線性表示誓斥。

(2) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無(wú)關(guān)， $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 许帐， $\beta$ 線性相關(guān) $\Leftrightarrow \beta$ 可以由 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 唯一線性表示劳坑。

(3) $\beta$ 可以由 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性表示
$\Leftrightarrow r(\alpha_{1},\alpha_{2},\cdots,\alpha_{s}) =r(\alpha_{1},\alpha_{2},\cdots,\alpha_{s},\beta)$ 。

2.有關(guān)向量組的線性相關(guān)性

(1)部分相關(guān)成畦，整體相關(guān)距芬；整體無(wú)關(guān)，部分無(wú)關(guān).

(2) ① $n$ 個(gè) $n$ 維向量
$\alpha_{1},\alpha_{2}\cdots\alpha_{n}$ 線性無(wú)關(guān) $\Leftrightarrow \left|\left\lbrack \alpha_{1}\alpha_{2}\cdots\alpha_{n} \right\rbrack \right| \neq0$ 循帐， $n$ 個(gè) $n$ 維向量 $\alpha_{1},\alpha_{2}\cdots\alpha_{n}$ 線性相關(guān)
$\Leftrightarrow |\lbrack\alpha_{1},\alpha_{2},\cdots,\alpha_{n}\rbrack| = 0$
框仔。

② $n + 1$ 個(gè) $n$ 維向量線性相關(guān)。

③ 若 $\alpha_{1},\alpha_{2}\cdots\alpha_{S}$ 線性無(wú)關(guān)拄养，則添加分量后仍線性無(wú)關(guān)离斩；或一組向量線性相關(guān)银舱，去掉某些分量后仍線性相關(guān)。

3.有關(guān)向量組的線性表示

(1) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性相關(guān) $\Leftrightarrow$ 至少有一個(gè)向量可以用其余向量線性表示跛梗。

(2) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無(wú)關(guān)寻馏， $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ ， $\beta$ 線性相關(guān) $\Leftrightarrow\beta$ 可以由 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 唯一線性表示核偿。

(3) $\beta$ 可以由 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性表示
$\Leftrightarrow r(\alpha_{1},\alpha_{2},\cdots,\alpha_{s}) =r(\alpha_{1},\alpha_{2},\cdots,\alpha_{s},\beta)$

4.向量組的秩與矩陣的秩之間的關(guān)系

設(shè) $r(A_{m \times n}) =r$ 诚欠，則 $A$ 的秩 $r(A)$ 與 $A$ 的行列向量組的線性相關(guān)性關(guān)系為：

(1) 若 $r(A_{m \times n}) = r = m$ ，則 $A$ 的行向量組線性無(wú)關(guān)漾岳。

(2) 若 $r(A_{m \times n}) = r < m$ 轰绵，則 $A$ 的行向量組線性相關(guān)。

(3) 若 $r(A_{m \times n}) = r = n$ 尼荆，則 $A$ 的列向量組線性無(wú)關(guān)左腔。

(4) 若 $r(A_{m \times n}) = r < n$ ，則 $A$ 的列向量組線性相關(guān)捅儒。

5. $\mathbf{n}$ 維向量空間的基變換公式及過(guò)渡矩陣

若 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n}$ 與 $\beta_{1},\beta_{2},\cdots,\beta_{n}$ 是向量空間 $V$ 的兩組基翔悠，則基變換公式為：

$(\beta_{1},\beta_{2},\cdots,\beta_{n}) = (\alpha_{1},\alpha_{2},\cdots,\alpha_{n})\begin{bmatrix} c_{11}& c_{12}& \cdots & c_{1n} \\ c_{21}& c_{22}&\cdots & c_{2n} \\ \cdots & \cdots & \cdots & \cdots \\ c_{n1}& c_{n2} & \cdots & c_{{nn}} \\\end{bmatrix} = (\alpha_{1},\alpha_{2},\cdots,\alpha_{n})C$

其中 $C$ 是可逆矩陣，稱為由基 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n}$ 到基 $\beta_{1},\beta_{2},\cdots,\beta_{n}$ 的過(guò)渡矩陣野芒。

6.坐標(biāo)變換公式

若向量 $\gamma$ 在基 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n}$ 與基 $\beta_{1},\beta_{2},\cdots,\beta_{n}$ 的坐標(biāo)分別是
$X = {(x_{1},x_{2},\cdots,x_{n})}^{T}$ 蓄愁，

$Y = \left( y_{1},y_{2},\cdots,y_{n} \right)^{T}$ 即： $\gamma =x_{1}\alpha_{1} + x_{2}\alpha_{2} + \cdots + x_{n}\alpha_{n} = y_{1}\beta_{1} +y_{2}\beta_{2} + \cdots + y_{n}\beta_{n}$ ，則向量坐標(biāo)變換公式為 $X = CY$ 或 $Y = C^{- 1}X$ 狞悲，其中 $C$ 是從基 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n}$ 到基 $\beta_{1},\beta_{2},\cdots,\beta_{n}$ 的過(guò)渡矩陣撮抓。

7.向量的內(nèi)積

$(\alpha,\beta) = a_{1}b_{1} + a_{2}b_{2} + \cdots + a_{n}b_{n} = \alpha^{T}\beta = \beta^{T}\alpha$

8.Schmidt 正交化

若 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無(wú)關(guān)，則可構(gòu)造 $\beta_{1},\beta_{2},\cdots,\beta_{s}$ 使其兩兩正交摇锋，且 $\beta_{i}$ 僅是 $\alpha_{1},\alpha_{2},\cdots,\alpha_{i}$ 的線性組合 $(i= 1,2,\cdots,n)$ 丹拯，再把 $\beta_{i}$ 單位化，記 $\gamma_{i} =\frac{\beta_{i}}{\left| \beta_{i}\right|}$ 荸恕，則 $\gamma_{1},\gamma_{2},\cdots,\gamma_{i}$ 是規(guī)范正交向量組乖酬。其中
$\beta_{1} = \alpha_{1}$ ， $\beta_{2} = \alpha_{2} -\frac{(\alpha_{2},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1}$ 融求， $\beta_{3} =\alpha_{3} - \frac{(\alpha_{3},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1} -\frac{(\alpha_{3},\beta_{2})}{(\beta_{2},\beta_{2})}\beta_{2}$ 咬像，

............

$\beta_{s} = \alpha_{s} - \frac{(\alpha_{s},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1} - \frac{(\alpha_{s},\beta_{2})}{(\beta_{2},\beta_{2})}\beta_{2} - \cdots - \frac{(\alpha_{s},\beta_{s - 1})}{(\beta_{s - 1},\beta_{s - 1})}\beta_{s - 1}$

9.正交基及規(guī)范正交基

向量空間一組基中的向量如果兩兩正交，就稱為正交基生宛；若正交基中每個(gè)向量都是單位向量县昂，就稱其為規(guī)范正交基。

線性方程組

1．克萊姆法則

線性方程組 $\begin{cases} a_{11}x_{1} + a_{12}x_{2} + \cdots +a_{1n}x_{n} = b_{1} \\ a_{21}x_{1} + a_{22}x_{2} + \cdots + a_{2n}x_{n} =b_{2} \\ \quad\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots \\ a_{n1}x_{1} + a_{n2}x_{2} + \cdots + a_{{nn}}x_{n} = b_{n} \\ \end{cases}$ 陷舅，如果系數(shù)行列式 $D = \left| A \right| \neq 0$ 倒彰，則方程組有唯一解， $x_{1} = \frac{D_{1}}{D},x_{2} = \frac{D_{2}}{D},\cdots,x_{n} =\frac{D_{n}}{D}$ 莱睁，其中 $D_{j}$ 是把 $D$ 中第 $j$ 列元素?fù)Q成方程組右端的常數(shù)列所得的行列式待讳。

2. $n$ 階矩陣 $A$ 可逆 $\Leftrightarrow Ax = 0$ 只有零解芒澜。 $\Leftrightarrow\forall b,Ax = b$ 總有唯一解，一般地创淡， $r(A_{m \times n}) = n \Leftrightarrow Ax= 0$ 只有零解撰糠。

3.非奇次線性方程組有解的充分必要條件，線性方程組解的性質(zhì)和解的結(jié)構(gòu)

(1) 設(shè) $A$ 為 $m \times n$ 矩陣辩昆，若 $r(A_{m \times n}) = m$ ，則對(duì) $Ax =b$ 而言必有 $r(A) = r(A \vdots b) = m$ 旨袒，從而 $Ax = b$ 有解汁针。

(2) 設(shè) $x_{1},x_{2},\cdots x_{s}$ 為 $Ax = b$ 的解，則 $k_{1}x_{1} + k_{2}x_{2}\cdots + k_{s}x_{s}$ 當(dāng) $k_{1} + k_{2} + \cdots + k_{s} = 1$ 時(shí)仍為 $Ax =b$ 的解砚尽；但當(dāng) $k_{1} + k_{2} + \cdots + k_{s} = 0$ 時(shí)施无，則為 $Ax =0$ 的解。特別 $\frac{x_{1} + x_{2}}{2}$ 為 $Ax = b$ 的解必孤； $2x_{3} - (x_{1} +x_{2})$ 為 $Ax = 0$ 的解猾骡。

(3) 非齊次線性方程組 ${Ax} = b$ 無(wú)解 $\Leftrightarrow r(A) + 1 =r(\overline{A}) \Leftrightarrow b$ 不能由 $A$ 的列向量 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n}$ 線性表示。

4.奇次線性方程組的基礎(chǔ)解系和通解敷搪，解空間兴想，非奇次線性方程組的通解

(1) 齊次方程組 ${Ax} = 0$ 恒有解(必有零解)。當(dāng)有非零解時(shí)赡勘，由于解向量的任意線性組合仍是該齊次方程組的解向量嫂便，因此 ${Ax}= 0$ 的全體解向量構(gòu)成一個(gè)向量空間，稱為該方程組的解空間闸与，解空間的維數(shù)是 $n - r(A)$ 毙替，解空間的一組基稱為齊次方程組的基礎(chǔ)解系。

(2) $\eta_{1},\eta_{2},\cdots,\eta_{t}$ 是 ${Ax} = 0$ 的基礎(chǔ)解系践樱，即：

$\eta_{1},\eta_{2},\cdots,\eta_{t}$ 是 ${Ax} = 0$ 的解厂画；
$\eta_{1},\eta_{2},\cdots,\eta_{t}$ 線性無(wú)關(guān)；
${Ax} = 0$ 的任一解都可以由 $\eta_{1},\eta_{2},\cdots,\eta_{t}$ 線性表出.
$k_{1}\eta_{1} + k_{2}\eta_{2} + \cdots + k_{t}\eta_{t}$ 是 ${Ax} = 0$ 的通解拷邢，其中 $k_{1},k_{2},\cdots,k_{t}$ 是任意常數(shù)袱院。

矩陣的特征值和特征向量

1.矩陣的特征值和特征向量的概念及性質(zhì)

(1) 設(shè) $\lambda$ 是 $A$ 的一個(gè)特征值，則 ${kA},{aA} + {bE},A^{2},A^{m},f(A),A^{T},A^{- 1},A^{*}$ 有一個(gè)特征值分別為
${kλ},{aλ} + b,\lambda^{2},\lambda^{m},f(\lambda),\lambda,\lambda^{- 1},\frac{|A|}{\lambda},$ 且對(duì)應(yīng)特征向量相同（ $A^{T}$ 例外）瞭稼。

(2)若 $\lambda_{1},\lambda_{2},\cdots,\lambda_{n}$ 為 $A$ 的 $n$ 個(gè)特征值坑填，則 $\sum_{i= 1}^{n}\lambda_{i} = \sum_{i = 1}^{n}a_{{ii}},\prod_{i = 1}^{n}\lambda_{i}= |A|$ ,從而 $|A| \neq 0 \Leftrightarrow A$ 沒(méi)有特征值。

(3)設(shè) $\lambda_{1},\lambda_{2},\cdots,\lambda_{s}$ 為 $A$ 的 $s$ 個(gè)特征值弛姜，對(duì)應(yīng)特征向量為 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 脐瑰，

若: $\alpha = k_{1}\alpha_{1} + k_{2}\alpha_{2} + \cdots + k_{s}\alpha_{s}$ ,

則: $A^{n}\alpha = k_{1}A^{n}\alpha_{1} + k_{2}A^{n}\alpha_{2} + \cdots +k_{s}A^{n}\alpha_{s} = k_{1}\lambda_{1}^{n}\alpha_{1} +k_{2}\lambda_{2}^{n}\alpha_{2} + \cdots k_{s}\lambda_{s}^{n}\alpha_{s}$ 。

2.相似變換廷臼、相似矩陣的概念及性質(zhì)

(1) 若 $A \sim B$ 苍在，則

$A^{T} \sim B^{T},A^{- 1} \sim B^{- 1},,A^{*} \sim B^{*}$
$|A| = |B|,\sum_{i = 1}^{n}A_{{ii}} = \sum_{i =1}^{n}b_{{ii}},r(A) = r(B)$
$|\lambda E - A| = |\lambda E - B|$ 绝页，對(duì) $\forall\lambda$ 成立

3.矩陣可相似對(duì)角化的充分必要條件

(1)設(shè) $A$ 為 $n$ 階方陣，則 $A$ 可對(duì)角化 $\Leftrightarrow$ 對(duì)每個(gè) $k_{i}$ 重根特征值 $\lambda_{i}$ 寂恬，有 $n-r(\lambda_{i}E - A) = k_{i}$

(2) 設(shè) $A$ 可對(duì)角化续誉，則由 $P^{- 1}{AP} = \Lambda,$ 有 $A = {PΛ}P^{-1}$ ，從而 $A^{n} = P\Lambda^{n}P^{- 1}$

(3) 重要結(jié)論

若 $A \sim B,C \sim D$ 初肉，則 $\begin{bmatrix} A & O \\ O & C \\\end{bmatrix} \sim \begin{bmatrix} B & O \\ O & D \\\end{bmatrix}$ .
若 $A \sim B$ 酷鸦，則 $f(A) \sim f(B),\left| f(A) \right| \sim \left| f(B)\right|$ ，其中 $f(A)$ 為關(guān)于 $n$ 階方陣 $A$ 的多項(xiàng)式牙咏。
若 $A$ 為可對(duì)角化矩陣臼隔，則其非零特征值的個(gè)數(shù)(重根重復(fù)計(jì)算)＝秩( $A$ )

4.實(shí)對(duì)稱矩陣的特征值、特征向量及相似對(duì)角陣

(1)相似矩陣：設(shè) $A,B$ 為兩個(gè) $n$ 階方陣妄壶，如果存在一個(gè)可逆矩陣 $P$ 摔握，使得 $B =P^{- 1}{AP}$ 成立，則稱矩陣 $A$ 與 $B$ 相似丁寄，記為 $A \sim B$ 氨淌。

(2)相似矩陣的性質(zhì)：如果 $A \sim B$ 則有：

$A^{T} \sim B^{T}$
$A^{- 1} \sim B^{- 1}$ （若 $A$ ， $B$ 均可逆）
$A^{k} \sim B^{k}$ （ $k$ 為正整數(shù)）
$\left| {λE} - A \right| = \left| {λE} - B \right|$ 伊磺，從而 $A,B$
有相同的特征值
$\left| A \right| = \left| B \right|$ 盛正，從而 $A,B$ 同時(shí)可逆或者不可逆
秩 $\left( A \right) =$ 秩 $\left( B \right),\left| {λE} - A \right| =\left| {λE} - B \right|$ ， $A,B$ 不一定相似

二次型

1. $\mathbf{n}$ 個(gè)變量 $\mathbf{x}_{\mathbf{1}}\mathbf{,}\mathbf{x}_{\mathbf{2}}\mathbf{,\cdots,}\mathbf{x}_{\mathbf{n}}$ 的二次齊次函數(shù)

$f(x_{1},x_{2},\cdots,x_{n}) = \sum_{i = 1}^{n}{\sum_{j =1}^{n}{a_{{ij}}x_{i}y_{j}}}$ 屑埋，其中 $a_{{ij}} = a_{{ji}}(i,j =1,2,\cdots,n)$ 蛮艰，稱為 $n$ 元二次型，簡(jiǎn)稱二次型. 若令 $x = \ \begin{bmatrix}x_{1} \\ x_{1} \\ \vdots \\ x_{n} \\ \end{bmatrix},A = \begin{bmatrix} a_{11}& a_{12}& \cdots & a_{1n} \\ a_{21}& a_{22}& \cdots & a_{2n} \\ \cdots &\cdots &\cdots &\cdots \\ a_{n1}& a_{n2} & \cdots & a_{{nn}} \\\end{bmatrix}$ ,這二次型 $f$ 可改寫成矩陣向量形式 $f =x^{T}{Ax}$ 雀彼。其中 $A$ 稱為二次型矩陣壤蚜，因?yàn)?img class="math-inline" src="https://math.jianshu.com/math?formula=a_%7B%7Bij%7D%7D%20%3Da_%7B%7Bji%7D%7D(i%2Cj%20%3D1%2C2%2C%5Ccdots%2Cn)" alt="a_{{ij}} =a_{{ji}}(i,j =1,2,\cdots,n)" mathimg="1">，所以二次型矩陣均為對(duì)稱矩陣徊哑，且二次型與對(duì)稱矩陣一一對(duì)應(yīng)袜刷，并把矩陣 $A$ 的秩稱為二次型的秩。

2.慣性定理，二次型的標(biāo)準(zhǔn)形和規(guī)范形

(1) 慣性定理

對(duì)于任一二次型，不論選取怎樣的合同變換使它化為僅含平方項(xiàng)的標(biāo)準(zhǔn)型命贴，其正負(fù)慣性指數(shù)與所選變換無(wú)關(guān)，這就是所謂的慣性定理萧豆。

(2) 標(biāo)準(zhǔn)形

二次型 $f = \left( x_{1},x_{2},\cdots,x_{n} \right) =x^{T}{Ax}$ 經(jīng)過(guò)合同變換 $x = {Cy}$ 化為 $f = x^{T}{Ax} =y^{T}C^{T}{AC}$

$y = \sum_{i = 1}^{r}{d_{i}y_{i}^{2}}$ 稱為 $f(r \leq n)$ 的標(biāo)準(zhǔn)形。在一般的數(shù)域內(nèi)昏名，二次型的標(biāo)準(zhǔn)形不是唯一的涮雷，與所作的合同變換有關(guān)，但系數(shù)不為零的平方項(xiàng)的個(gè)數(shù)由 $r(A)$ 唯一確定轻局。

(3) 規(guī)范形

任一實(shí)二次型 $f$ 都可經(jīng)過(guò)合同變換化為規(guī)范形 $f = z_{1}^{2} + z_{2}^{2} + \cdots z_{p}^{2} - z_{p + 1}^{2} - \cdots -z_{r}^{2}$ 洪鸭，其中 $r$ 為 $A$ 的秩样刷， $p$ 為正慣性指數(shù)， $r -p$ 為負(fù)慣性指數(shù)览爵，且規(guī)范型唯一置鼻。

3.用正交變換和配方法化二次型為標(biāo)準(zhǔn)形，二次型及其矩陣的正定性

設(shè) $A$ 正定 $\Rightarrow {kA}(k > 0),A^{T},A^{- 1},A^{*}$ 正定蜓竹； $|A| >0$ , $A$ 可逆箕母； $a_{{ii}} > 0$ ，且 $|A_{{ii}}| > 0$

$A$ 俱济， $B$ 正定 $\Rightarrow A +B$ 正定嘶是，但 ${AB}$ ， ${BA}$ 不一定正定

$A$ 正定 $\Leftrightarrow f(x) = x^{T}{Ax} > 0,\forall x \neq 0$

$\Leftrightarrow A$ 的各階順序主子式全大于零

$\Leftrightarrow A$ 的所有特征值大于零

$\Leftrightarrow A$ 的正慣性指數(shù)為 $n$

$\Leftrightarrow$ 存在可逆陣 $P$ 使 $A = P^{T}P$

$\Leftrightarrow$ 存在正交矩陣 $Q$ 姨蝴，使 $Q^{T}{AQ} = Q^{- 1}{AQ} =\begin{pmatrix} \lambda_{1} & & \\ \begin{matrix} & \\ & \\ \end{matrix} &\ddots & \\ & & \lambda_{n} \\ \end{pmatrix},$

其中 $\lambda_{i} > 0,i = 1,2,\cdots,n.$ 正定 $\Rightarrow {kA}(k >0),A^{T},A^{- 1},A^{*}$ 正定； $|A| > 0,A$ 可逆肺缕； $a_{{ii}} >0$ 左医，且 $|A_{{ii}}| > 0$ 。

概率論和數(shù)理統(tǒng)計(jì)

隨機(jī)事件和概率

1.事件的關(guān)系與運(yùn)算

(1) 子事件： $A \subset B$ 同木，若 $A$ 發(fā)生浮梢，則 $B$ 發(fā)生。

(2) 相等事件： $A = B$ 彤路，即 $A \subset B$ 秕硝，且 $B \subset A$ 。

(3) 和事件： $A\bigcup B$ （或 $A + B$ ）洲尊， $A$ 與 $B$ 中至少有一個(gè)發(fā)生远豺。

(4) 差事件： $A - B$ ， $A$ 發(fā)生但 $B$ 不發(fā)生坞嘀。

(5) 積事件： $A\bigcap B$ （或 ${AB}$ ）躯护， $A$ 與 $B$ 同時(shí)發(fā)生。

(6) 互斥事件（互不相容）： $A\bigcap B$ = $\varnothing$ 丽涩。

(7) 互逆事件（對(duì)立事件）：
$A\bigcap B=\varnothing ,A\bigcup B=\Omega ,A=\bar{B},B=\bar{A}$

2.運(yùn)算律
(1) 交換律： $A\bigcup B=B\bigcup A,A\bigcap B=B\bigcap A$
(2) 結(jié)合律： $(A\bigcup B)\bigcup C=A\bigcup (B\bigcup C)$
(3) 分配律： $(A\bigcap B)\bigcap C=A\bigcap (B\bigcap C)$

3.德 $\centerdot$ 摩根律

$\overline{A\bigcup B}=\bar{A}\bigcap \bar{B}$ $\overline{A\bigcap B}=\bar{A}\bigcup \bar{B}$

4.完全事件組

${{A}_{1}}{{A}_{2}}\cdots {{A}_{n}}$ 兩兩互斥棺滞，且和事件為必然事件，即 ${{A}_{i}}\bigcap {{A}_{j}}=\varnothing, i\ne j ,\underset{i=1}{\overset{n}{\mathop \bigcup }}\,=\Omega$

5.概率的基本公式
(1)條件概率:
$P(B|A)=\frac{P(AB)}{P(A)}$ ,表示 $A$ 發(fā)生的條件下矢渊， $B$ 發(fā)生的概率继准。

(2)全概率公式：
$P(A)=\sum\limits_{i=1}^{n}{P(A|{{B}_{i}})P({{B}_{i}}),{{B}_{i}}{{B}_{j}}}=\varnothing ,i\ne j,\underset{i=1}{\overset{n}{\mathop{\bigcup }}}\,{{B}_{i}}=\Omega$

(3) Bayes 公式：

$P({{B}_{j}}|A)=\frac{P(A|{{B}_{j}})P({{B}_{j}})}{\sum\limits_{i=1}^{n}{P(A|{{B}_{i}})P({{B}_{i}})}},j=1,2,\cdots ,n$
注：上述公式中事件 ${{B}_{i}}$ 的個(gè)數(shù)可為可列個(gè)。

(4)乘法公式：
$P({{A}_{1}}{{A}_{2}})=P({{A}_{1}})P({{A}_{2}}|{{A}_{1}})=P({{A}_{2}})P({{A}_{1}}|{{A}_{2}})$
$P({{A}_{1}}{{A}_{2}}\cdots {{A}_{n}})=P({{A}_{1}})P({{A}_{2}}|{{A}_{1}})P({{A}_{3}}|{{A}_{1}}{{A}_{2}})\cdots P({{A}_{n}}|{{A}_{1}}{{A}_{2}}\cdots {{A}_{n-1}})$

6.事件的獨(dú)立性

(1) $A$ 與 $B$ 相互獨(dú)立

$\Leftrightarrow P(AB)=P(A)P(B)$

(2) $A$ 矮男， $B$ 移必， $C$ 兩兩獨(dú)立
$\Leftrightarrow P(AB)=P(A)P(B)$ ; $P(BC)=P(B)P(C)$ ; $P(AC)=P(A)P(C)$ ;

(3) $A$ ， $B$ 毡鉴， $C$ 相互獨(dú)立
$\Leftrightarrow P(AB)=P(A)P(B)$ ; $P(BC)=P(B)P(C)$ ;
$P(AC)=P(A)P(C)$ ; $P(ABC)=P(A)P(B)P(C)$

7.獨(dú)立重復(fù)試驗(yàn)

將某試驗(yàn)獨(dú)立重復(fù) $n$ 次避凝，若每次實(shí)驗(yàn)中事件 A 發(fā)生的概率為 $p$ 舞萄，則 $n$ 次試驗(yàn)中 $A$ 發(fā)生 $k$ 次的概率為：
$P(X=k)=C_{n}^{k}{{p}^{k}}{{(1-p)}^{n-k}}$

8.重要公式與結(jié)論
$(1)P(\bar{A})=1-P(A)$

$(2)P(A\bigcup B)=P(A)+P(B)-P(AB)$
$P(A\bigcup B\bigcup C)=P(A)+P(B)+P(C)-P(AB)-P(BC)-P(AC)+P(ABC)$

$(3)P(A-B)=P(A)-P(AB)$

$(4)P(A\bar{B})=P(A)-P(AB),P(A)=P(AB)+P(A\bar{B}),$
$P(A\bigcup B)=P(A)+P(\bar{A}B)=P(AB)+P(A\bar{B})+P(\bar{A}B)$

(5)條件概率 $P(\centerdot |B)$ 滿足概率的所有性質(zhì)，
例如：. $P({{\bar{A}}_{1}}|B)=1-P({{A}_{1}}|B)$
$P({{A}_{1}}\bigcup {{A}_{2}}|B)=P({{A}_{1}}|B)+P({{A}_{2}}|B)-P({{A}_{1}}{{A}_{2}}|B)$
$P({{A}_{1}}{{A}_{2}}|B)=P({{A}_{1}}|B)P({{A}_{2}}|{{A}_{1}}B)$

(6)若 ${{A}_{1}},{{A}_{2}},\cdots ,{{A}_{n}}$ 相互獨(dú)立管削，則 $P(\bigcap\limits_{i=1}^{n}{{{A}_{i}}})=\prod\limits_{i=1}^{n}{P({{A}_{i}})},$
$P(\bigcup\limits_{i=1}^{n}{{{A}_{i}}})=\prod\limits_{i=1}^{n}{(1-P({{A}_{i}}))}$

(7)互斥倒脓、互逆與獨(dú)立性之間的關(guān)系：
$A$ 與 $B$ 互逆 $\Rightarrow$ $A$ 與 $B$ 互斥，但反之不成立含思， $A$ 與 $B$ 互斥（或互逆）且均非零概率事件 $\Rightarrow $$A$ 與 $B$ 不獨(dú)立.

(8)若 ${{A}_{1}},{{A}_{2}},\cdots ,{{A}_{m}},{{B}_{1}},{{B}_{2}},\cdots ,{{B}_{n}}$ 相互獨(dú)立崎弃，則 $f({{A}_{1}},{{A}_{2}},\cdots ,{{A}_{m}})$ 與 $g({{B}_{1}},{{B}_{2}},\cdots ,{{B}_{n}})$ 也相互獨(dú)立，其中 $f(\centerdot ),g(\centerdot )$ 分別表示對(duì)相應(yīng)事件做任意事件運(yùn)算后所得的事件含潘，另外饲做，概率為 1（或 0）的事件與任何事件相互獨(dú)立.

隨機(jī)變量及其概率分布

1.隨機(jī)變量及概率分布

取值帶有隨機(jī)性的變量，嚴(yán)格地說(shuō)是定義在樣本空間上遏弱，取值于實(shí)數(shù)的函數(shù)稱為隨機(jī)變量盆均，概率分布通常指分布函數(shù)或分布律

2.分布函數(shù)的概念與性質(zhì)

定義： $F(x) = P(X \leq x), - \infty < x < + \infty$

性質(zhì)：(1) $0 \leq F(x) \leq 1$

(2) $F(x)$ 單調(diào)不減

(3) 右連續(xù) $F(x + 0) = F(x)$

(4) $F( - \infty) = 0,F( + \infty) = 1$

3.離散型隨機(jī)變量的概率分布

$P(X = x_{i}) = p_{i},i = 1,2,\cdots,n,\cdots\quad\quad p_{i} \geq 0,\sum_{i =1}^{\infty}p_{i} = 1$

4.連續(xù)型隨機(jī)變量的概率密度

概率密度 $f(x)$ ;非負(fù)可積，且:

(1) $f(x) \geq 0,$

(2) $\int_{- \infty}^{+\infty}{f(x){dx} = 1}$

(3) $x$ 為 $f(x)$ 的連續(xù)點(diǎn)漱逸，則:

$f(x) = F'(x)$ 分布函數(shù) $F(x) = \int_{- \infty}^{x}{f(t){dt}}$

5.常見(jiàn)分布

(1) 0-1 分布: $P(X = k) = p^{k}{(1 - p)}^{1 - k},k = 0,1$

(2) 二項(xiàng)分布: $B(n,p)$ ： $P(X = k) = C_{n}^{k}p^{k}{(1 - p)}^{n - k},k =0,1,\cdots,n$

(3) Poisson分布: $p(\lambda)$ ： $P(X = k) = \frac{\lambda^{k}}{k!}e^{-\lambda},\lambda > 0,k = 0,1,2\cdots$

(4) 均勻分布 $U(a,b)$ ： $f(x) = \{ \begin{matrix} & \frac{1}{b - a},a < x< b \\ & 0, \\ \end{matrix}$

(5) 正態(tài)分布: $N(\mu,\sigma^{2}):$ $\varphi(x) =\frac{1}{\sqrt{2\pi}\sigma}e^{- \frac{{(x - \mu)}^{2}}{2\sigma^{2}}},\sigma > 0,\infty < x < + \infty$

(6)指數(shù)分布: $E(\lambda):f(x) =\{ \begin{matrix} & \lambda e^{-{λx}},x > 0,\lambda > 0 \\ & 0, \\ \end{matrix}$

(7)幾何分布: $G(p):P(X = k) = {(1 - p)}^{k - 1}p,0 < p < 1,k = 1,2,\cdots.$

(8)超幾何分布: $H(N,M,n):P(X = k) = \frac{C_{M}^{k}C_{N - M}^{n -k}}{C_{N}^{n}},k =0,1,\cdots,min(n,M)$

6.隨機(jī)變量函數(shù)的概率分布

(1)離散型： $P(X = x_{1}) = p_{i},Y = g(X)$

則: $P(Y = y_{j}) = \sum_{g(x_{i}) = y_{i}}^{}{P(X = x_{i})}$

(2)連續(xù)型： $X\tilde{\ }f_{X}(x),Y = g(x)$

則: $F_{y}(y) = P(Y \leq y) = P(g(X) \leq y) = \int_{g(x) \leq y}^{}{f_{x}(x)dx}$ 泪姨， $f_{Y}(y) = F'_{Y}(y)$

7.重要公式與結(jié)論

(1) $X\sim N(0,1) \Rightarrow \varphi(0) = \frac{1}{\sqrt{2\pi}},\Phi(0) =\frac{1}{2},$ $\Phi( - a) = P(X \leq - a) = 1 - \Phi(a)$

(2) $X\sim N\left( \mu,\sigma^{2} \right) \Rightarrow \frac{X -\mu}{\sigma}\sim N\left( 0,1 \right),P(X \leq a) = \Phi(\frac{a -\mu}{\sigma})$

(3) $X\sim E(\lambda) \Rightarrow P(X > s + t|X > s) = P(X > t)$

(4) $X\sim G(p) \Rightarrow P(X = m + k|X > m) = P(X = k)$

(5) 離散型隨機(jī)變量的分布函數(shù)為階梯間斷函數(shù)；連續(xù)型隨機(jī)變量的分布函數(shù)為連續(xù)函數(shù)饰抒，但不一定為處處可導(dǎo)函數(shù)肮砾。

(6) 存在既非離散也非連續(xù)型隨機(jī)變量。

多維隨機(jī)變量及其分布

1.二維隨機(jī)變量及其聯(lián)合分布

由兩個(gè)隨機(jī)變量構(gòu)成的隨機(jī)向量 $(X,Y)$ 袋坑，聯(lián)合分布為 $F(x,y) = P(X \leq x,Y \leq y)$

2.二維離散型隨機(jī)變量的分布

(1) 聯(lián)合概率分布律 $P\{ X = x_{i},Y = y_{j}\} = p_{{ij}};i,j =1,2,\cdots$

(2) 邊緣分布律 $p_{i \cdot} = \sum_{j = 1}^{\infty}p_{{ij}},i =1,2,\cdots$ $p_{\cdot j} = \sum_{i}^{\infty}p_{{ij}},j = 1,2,\cdots$

(3) 條件分布律 $P\{ X = x_{i}|Y = y_{j}\} = \frac{p_{{ij}}}{p_{\cdot j}}$
$P\{ Y = y_{j}|X = x_{i}\} = \frac{p_{{ij}}}{p_{i \cdot}}$

3. 二維連續(xù)性隨機(jī)變量的密度

(1) 聯(lián)合概率密度 $f(x,y):$

$f(x,y) \geq 0$
$\int_{- \infty}^{+ \infty}{\int_{- \infty}^{+ \infty}{f(x,y)dxdy}} = 1$

(2) 分布函數(shù)： $F(x,y) = \int_{- \infty}^{x}{\int_{- \infty}^{y}{f(u,v)dudv}}$

(3) 邊緣概率密度： $f_{X}\left( x \right) = \int_{- \infty}^{+ \infty}{f\left( x,y \right){dy}}$ $f_{Y}(y) = \int_{- \infty}^{+ \infty}{f(x,y)dx}$

(4) 條件概率密度： $f_{X|Y}\left( x \middle| y \right) = \frac{f\left( x,y \right)}{f_{Y}\left( y \right)}$ $f_{Y|X}(y|x) = \frac{f(x,y)}{f_{X}(x)}$

4.常見(jiàn)二維隨機(jī)變量的聯(lián)合分布

(1) 二維均勻分布： $(x,y) \sim U(D)$ , $f(x,y) = \begin{cases} \frac{1}{S(D)},(x,y) \in D \\ 0,其他 \end{cases}$

(2) 二維正態(tài)分布： $(X,Y)\sim N(\mu_{1},\mu_{2},\sigma_{1}^{2},\sigma_{2}^{2},\rho)$ , $(X,Y)\sim N(\mu_{1},\mu_{2},\sigma_{1}^{2},\sigma_{2}^{2},\rho)$

$f(x,y) = \frac{1}{2\pi\sigma_{1}\sigma_{2}\sqrt{1 - \rho^{2}}}.\exp\left\{ \frac{- 1}{2(1 - \rho^{2})}\lbrack\frac{{(x - \mu_{1})}^{2}}{\sigma_{1}^{2}} - 2\rho\frac{(x - \mu_{1})(y - \mu_{2})}{\sigma_{1}\sigma_{2}} + \frac{{(y - \mu_{2})}^{2}}{\sigma_{2}^{2}}\rbrack \right\}$

5.隨機(jī)變量的獨(dú)立性和相關(guān)性

$X$ 和 $Y$ 的相互獨(dú)立: $\Leftrightarrow F\left( x,y \right) = F_{X}\left( x \right)F_{Y}\left( y \right)$ :

$\Leftrightarrow p_{{ij}} = p_{i \cdot} \cdot p_{\cdot j}$ （離散型）
$\Leftrightarrow f\left( x,y \right) = f_{X}\left( x \right)f_{Y}\left( y \right)$ （連續(xù)型）

$X$ 和 $Y$ 的相關(guān)性：

相關(guān)系數(shù) $\rho_{{XY}} = 0$ 時(shí)仗处，稱 $X$ 和 $Y$ 不相關(guān)，
否則稱 $X$ 和 $Y$ 相關(guān)

6.兩個(gè)隨機(jī)變量簡(jiǎn)單函數(shù)的概率分布

離散型： $P\left( X = x_{i},Y = y_{i} \right) = p_{{ij}},Z = g\left( X,Y \right)$ 則：

$P(Z = z_{k}) = P\left\{ g\left( X,Y \right) = z_{k} \right\} = \sum_{g\left( x_{i},y_{i} \right) = z_{k}}^{}{P\left( X = x_{i},Y = y_{j} \right)}$

連續(xù)型： $\left( X,Y \right) \sim f\left( x,y \right),Z = g\left( X,Y \right)$
則：

$F_{z}\left( z \right) = P\left\{ g\left( X,Y \right) \leq z \right\} = \iint_{g(x,y) \leq z}^{}{f(x,y)dxdy}$ 枣宫， $f_{z}(z) = F'_{z}(z)$

7.重要公式與結(jié)論

(1) 邊緣密度公式： $f_{X}(x) = \int_{- \infty}^{+ \infty}{f(x,y)dy,}$
$f_{Y}(y) = \int_{- \infty}^{+ \infty}{f(x,y)dx}$

(2) $P\left\{ \left( X,Y \right) \in D \right\} = \iint_{D}^{}{f\left( x,y \right){dxdy}}$

(3) 若 $(X,Y)$ 服從二維正態(tài)分布 $N(\mu_{1},\mu_{2},\sigma_{1}^{2},\sigma_{2}^{2},\rho)$
則有：

$X\sim N\left( \mu_{1},\sigma_{1}^{2} \right),Y\sim N(\mu_{2},\sigma_{2}^{2}).$
$X$ 與 $Y$ 相互獨(dú)立 $\Leftrightarrow \rho = 0$ 婆誓，即 $X$ 與 $Y$ 不相關(guān)。
$C_{1}X + C_{2}Y\sim N(C_{1}\mu_{1} + C_{2}\mu_{2},C_{1}^{2}\sigma_{1}^{2} + C_{2}^{2}\sigma_{2}^{2} + 2C_{1}C_{2}\sigma_{1}\sigma_{2}\rho)$
${\ X}$ 關(guān)于 $Y=y$ 的條件分布為： $N(\mu_{1} + \rho\frac{\sigma_{1}}{\sigma_{2}}(y - \mu_{2}),\sigma_{1}^{2}(1 - \rho^{2}))$
$Y$ 關(guān)于 $X = x$ 的條件分布為： $N(\mu_{2} + \rho\frac{\sigma_{2}}{\sigma_{1}}(x - \mu_{1}),\sigma_{2}^{2}(1 - \rho^{2}))$

(4) 若 $X$ 與 $Y$ 獨(dú)立也颤，且分別服從 $N(\mu_{1},\sigma_{1}^{2}),N(\mu_{1},\sigma_{2}^{2}),$
則： $\left( X,Y \right)\sim N(\mu_{1},\mu_{2},\sigma_{1}^{2},\sigma_{2}^{2},0),$

$C_{1}X + C_{2}Y\tilde{\ }N(C_{1}\mu_{1} + C_{2}\mu_{2},C_{1}^{2}\sigma_{1}^{2} C_{2}^{2}\sigma_{2}^{2}).$

(5) 若 $X$ 與 $Y$ 相互獨(dú)立旷档， $f\left( x \right)$ 和 $g\left( x \right)$ 為連續(xù)函數(shù)，則 $f\left( X \right)$ 和 $g(Y)$ 也相互獨(dú)立歇拆。

隨機(jī)變量的數(shù)字特征

1.數(shù)學(xué)期望

離散型： $P\left\{ X = x_{i} \right\} = p_{i},E(X) = \sum_{i}^{}{x_{i}p_{i}}$ 鞋屈；

連續(xù)型： $X\sim f(x),E(X) = \int_{- \infty}^{+ \infty}{xf(x)dx}$

性質(zhì)：

(1) $E(C) = C,E\lbrack E(X)\rbrack = E(X)$

(2) $E(C_{1}X + C_{2}Y) = C_{1}E(X) + C_{2}E(Y)$

(3) 若 $X$ 和 $Y$ 獨(dú)立，則 $E(XY) = E(X)E(Y)$

(4) $\left\lbrack E(XY) \right\rbrack^{2} \leq E(X^{2})E(Y^{2})$

2.方差： $D(X) = E\left\lbrack X - E(X) \right\rbrack^{2} = E(X^{2}) - \left\lbrack E(X) \right\rbrack^{2}$

3.標(biāo)準(zhǔn)差： $\sqrt{D(X)}$ 故觅，

4.離散型： $D(X) = \sum_{i}^{}{\left\lbrack x_{i} - E(X) \right\rbrack^{2}p_{i}}$

5.連續(xù)型： $D(X) = {\int_{- \infty}^{+ \infty}\left\lbrack x - E(X) \right\rbrack}^{2}f(x)dx$

性質(zhì)：

(1) $\ D(C) = 0,D\lbrack E(X)\rbrack = 0,D\lbrack D(X)\rbrack = 0$

(2) $X$ 與 $Y$ 相互獨(dú)立厂庇，則 $D(X \pm Y) = D(X) + D(Y)$

(3) $\ D\left( C_{1}X + C_{2} \right) = C_{1}^{2}D\left( X \right)$

(4) 一般有 $D(X \pm Y) = D(X) + D(Y) \pm 2Cov(X,Y) = D(X) + D(Y) \pm 2\rho\sqrt{D(X)}\sqrt{D(Y)}$

(5) $\ D\left( X \right) < E\left( X - C \right)^{2},C \neq E\left( X \right)$

(6) $\ D(X) = 0 \Leftrightarrow P\left\{ X = C \right\} = 1$

6.隨機(jī)變量函數(shù)的數(shù)學(xué)期望

(1) 對(duì)于函數(shù) $Y = g(x)$

$X$ 為離散型： $P\{ X = x_{i}\} = p_{i},E(Y) = \sum_{i}^{}{g(x_{i})p_{i}}$ ；

$X$ 為連續(xù)型： $X\sim f(x),E(Y) = \int_{- \infty}^{+ \infty}{g(x)f(x)dx}$

(2) $Z = g(X,Y)$ ; $\left( X,Y \right)\sim P\{ X = x_{i},Y = y_{j}\} = p_{{ij}}$ ; $E(Z) = \sum_{i}^{}{\sum_{j}^{}{g(x_{i},y_{j})p_{{ij}}}}$ $\left( X,Y \right)\sim f(x,y)$ ; $E(Z) = \int_{- \infty}^{+ \infty}{\int_{- \infty}^{+ \infty}{g(x,y)f(x,y)dxdy}}$

7.協(xié)方差

$Cov(X,Y) = E\left\lbrack (X - E(X)(Y - E(Y)) \right\rbrack$

8.相關(guān)系數(shù)

$\rho_{{XY}} = \frac{Cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}$ , $k$ 階原點(diǎn)矩 $E(X^{k})$ ;
$k$ 階中心矩 $E\left\{ {\lbrack X - E(X)\rbrack}^{k} \right\}$

性質(zhì)：

(1) $\ Cov(X,Y) = Cov(Y,X)$

(2) $\ Cov(aX,bY) = abCov(Y,X)$

(3) $\ Cov(X_{1} + X_{2},Y) = Cov(X_{1},Y) + Cov(X_{2},Y)$

(4) $\ \left| \rho\left( X,Y \right) \right| \leq 1$

(5) $\ \rho\left( X,Y \right) = 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$ 输吏，其中 $a > 0$

$\rho\left( X,Y \right) = - 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$
权旷，其中 $a < 0$

9.重要公式與結(jié)論

(1) $\ D(X) = E(X^{2}) - E^{2}(X)$

(2) $\ Cov(X,Y) = E(XY) - E(X)E(Y)$

(3) $\left| \rho\left( X,Y \right) \right| \leq 1,$ 且 $\rho\left( X,Y \right) = 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$ ，其中 $a > 0$

$\rho\left( X,Y \right) = - 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$ ，其中 $a < 0$

(4) 下面 5 個(gè)條件互為充要條件：

$\rho(X,Y) = 0$ $\Leftrightarrow Cov(X,Y) = 0$ $\Leftrightarrow E(X,Y) = E(X)E(Y)$ $\Leftrightarrow D(X + Y) = D(X) + D(Y)$ $\Leftrightarrow D(X - Y) = D(X) + D(Y)$

注： $X$ 與 $Y$ 獨(dú)立為上述 5 個(gè)條件中任何一個(gè)成立的充分條件拄氯，但非必要條件躲查。

數(shù)理統(tǒng)計(jì)的基本概念

1.基本概念

總體：研究對(duì)象的全體，它是一個(gè)隨機(jī)變量译柏，用 $X$ 表示镣煮。

個(gè)體：組成總體的每個(gè)基本元素。

簡(jiǎn)單隨機(jī)樣本：來(lái)自總體 $X$ 的 $n$ 個(gè)相互獨(dú)立且與總體同分布的隨機(jī)變量 $X_{1},X_{2}\cdots,X_{n}$ 鄙麦，稱為容量為 $n$ 的簡(jiǎn)單隨機(jī)樣本典唇，簡(jiǎn)稱樣本。

統(tǒng)計(jì)量：設(shè) $X_{1},X_{2}\cdots,X_{n},$ 是來(lái)自總體 $X$ 的一個(gè)樣本胯府， $g(X_{1},X_{2}\cdots,X_{n})$ ）是樣本的連續(xù)函數(shù)介衔，且 $g()$ 中不含任何未知參數(shù)，則稱 $g(X_{1},X_{2}\cdots,X_{n})$ 為統(tǒng)計(jì)量骂因。

樣本均值： $\overline{X} = \frac{1}{n}\sum_{i = 1}^{n}X_{i}$

樣本方差： $S^{2} = \frac{1}{n - 1}\sum_{i = 1}^{n}{(X_{i} - \overline{X})}^{2}$

樣本矩：樣本 $k$ 階原點(diǎn)矩： $A_{k} = \frac{1}{n}\sum_{i = 1}^{n}X_{i}^{k},k = 1,2,\cdots$

樣本 $k$ 階中心矩： $B_{k} = \frac{1}{n}\sum_{i = 1}^{n}{(X_{i} - \overline{X})}^{k},k = 1,2,\cdots$

2.分布

$\chi^{2}$ 分布： $\chi^{2} = X_{1}^{2} + X_{2}^{2} + \cdots + X_{n}^{2}\sim\chi^{2}(n)$ 炎咖，其中 $X_{1},X_{2}\cdots,X_{n},$ 相互獨(dú)立，且同服從 $N(0,1)$

$t$ 分布： $T = \frac{X}{\sqrt{Y/n}}\sim t(n)$ 寒波，其中 $X\sim N\left( 0,1 \right),Y\sim\chi^{2}(n),$ 且 $X$ 乘盼， $Y$ 相互獨(dú)立。

$F$ 分布： $F = \frac{X/n_{1}}{Y/n_{2}}\sim F(n_{1},n_{2})$ 影所，其中 $X\sim\chi^{2}\left( n_{1} \right),Y\sim\chi^{2}(n_{2}),$ 且 $X$ 蹦肴， $Y$ 相互獨(dú)立僚碎。

分位數(shù)：若 $P(X \leq x_{\alpha}) = \alpha,$ 則稱 $x_{\alpha}$ 為 $X$ 的 $\alpha$ 分位數(shù)

3.正態(tài)總體的常用樣本分布

(1) 設(shè) $X_{1},X_{2}\cdots,X_{n}$ 為來(lái)自正態(tài)總體 $N(\mu,\sigma^{2})$ 的樣本猴娩，

$\overline{X} = \frac{1}{n}\sum_{i = 1}^{n}X_{i},S^{2} = \frac{1}{n - 1}\sum_{i = 1}^{n}{{(X_{i} - \overline{X})}^{2},}$ 則：

$\overline{X}\sim N\left( \mu,\frac{\sigma^{2}}{n} \right){\ \ }$ 或者 $\frac{\overline{X} - \mu}{\frac{\sigma}{\sqrt{n}}}\sim N(0,1)$
$\frac{(n - 1)S^{2}}{\sigma^{2}} = \frac{1}{\sigma^{2}}\sum_{i = 1}^{n}{{(X_{i} - \overline{X})}^{2}\sim\chi^{2}(n - 1)}$
$\frac{1}{\sigma^{2}}\sum_{i = 1}^{n}{{(X_{i} - \mu)}^{2}\sim\chi^{2}(n)}$

4) ${\ \ }\frac{\overline{X} - \mu}{S/\sqrt{n}}\sim t(n - 1)$

4.重要公式與結(jié)論

(1) 對(duì)于 $\chi^{2}\sim\chi^{2}(n)$ ，有 $E(\chi^{2}(n)) = n,D(\chi^{2}(n)) = 2n;$

(2) 對(duì)于 $T\sim t(n)$ 勺阐，有 $E(T) = 0,D(T) = \frac{n}{n - 2}(n > 2)$ 卷中；

(3) 對(duì)于 $F\tilde{\ }F(m,n)$ ，有 $\frac{1}{F}\sim F(n,m),F_{a/2}(m,n) = \frac{1}{F_{1 - a/2}(n,m)};$

(4) 對(duì)于任意總體 $X$ 渊抽，有 $E(\overline{X}) = E(X),E(S^{2}) = D(X),D(\overline{X}) = \frac{D(X)}{n}$

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末蟆豫，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子懒闷，更是在濱河造成了極大的恐慌十减，老刑警劉巖，帶你破解...
沈念sama閱讀 218,284評(píng)論 6贊 506
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件愤估，死亡現(xiàn)場(chǎng)離奇詭異帮辟，居然都是意外死亡，警方通過(guò)查閱死者的電腦和手機(jī)玩焰，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 93,115評(píng)論 3贊 395
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門由驹，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)，“玉大人昔园，你說(shuō)我怎么就攤上這事蔓榄〔⑴冢” “怎么了？”我有些...
開(kāi)封第一講書人閱讀 164,614評(píng)論 0贊 354
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵甥郑，是天一觀的道長(zhǎng)逃魄。經(jīng)常有香客問(wèn)我，道長(zhǎng)壹若，這世上最難降的妖魔是什么嗅钻？我笑而不...
開(kāi)封第一講書人閱讀 58,671評(píng)論 1贊 293
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮店展，結(jié)果婚禮上养篓，老公的妹妹穿的比我還像新娘。我一直安慰自己赂蕴，他們只是感情好柳弄，可當(dāng)我...
茶點(diǎn)故事閱讀 67,699評(píng)論 6贊 392
惡毒庶女頂嫁案：這布局不是一般人想出來(lái)的
文/花漫我一把揭開(kāi)白布。她就那樣靜靜地躺著概说，像睡著了一般碧注。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上糖赔，一...
開(kāi)封第一講書人閱讀 51,562評(píng)論 1贊 305
城市分裂傳說(shuō)
那天萍丐，我揣著相機(jī)與錄音，去河邊找鬼放典。笑死逝变，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的奋构。我是一名探鬼主播壳影，決...
沈念sama閱讀 40,309評(píng)論 3贊 418
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開(kāi)眼，長(zhǎng)吁一口氣：“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼弥臼！你這毒婦竟也來(lái)了宴咧？” 一聲冷哼從身側(cè)響起，我...
開(kāi)封第一講書人閱讀 39,223評(píng)論 0贊 276
萬(wàn)榮殺人案實(shí)錄
序言：老撾萬(wàn)榮一對(duì)情侶失蹤径缅，失蹤者是張志新（化名）和其女友劉穎掺栅，沒(méi)想到半個(gè)月后，有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體纳猪，經(jīng)...
沈念sama閱讀 45,668評(píng)論 1贊 314
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡氧卧，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 37,859評(píng)論 3贊 336
?白月光啟示錄
正文我和宋清朗相戀三年，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了兆旬。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片假抄。...
茶點(diǎn)故事閱讀 39,981評(píng)論 1贊 348
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出宿饱，到底是詐尸還是另有隱情熏瞄，我是刑警寧澤，帶...
沈念sama閱讀 35,705評(píng)論 5贊 347
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布谬以，位于F島的核電站强饮，受9級(jí)特大地震影響，放射性物質(zhì)發(fā)生泄漏为黎。R本人自食惡果不足惜邮丰，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 41,310評(píng)論 3贊 330
男人毒藥：我在死后第九天來(lái)索命
文/蒙蒙一、第九天我趴在偏房一處隱蔽的房頂上張望铭乾。院中可真熱鬧剪廉，春花似錦、人聲如沸炕檩。這莊子的主人今日做“春日...
開(kāi)封第一講書人閱讀 31,904評(píng)論 0贊 22
一樁弒父案，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)笛质。三九已至泉沾，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間妇押，已是汗流浹背跷究。一陣腳步聲響...
開(kāi)封第一講書人閱讀 33,023評(píng)論 1贊 270
情欲美人皮
我被黑心中介騙來(lái)泰國(guó)打工，沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留敲霍，地道東北人俊马。一個(gè)月前我還...
沈念sama閱讀 48,146評(píng)論 3贊 370
代替公主和親
正文我出身青樓，卻偏偏與公主長(zhǎng)得像色冀，于是被迫代替她去往敵國(guó)和親潭袱。傳聞我的和親對(duì)象是個(gè)殘疾皇子柱嫌，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 44,933評(píng)論 2贊 355

Math

高等數(shù)學(xué)

1.導(dǎo)數(shù)定義：

2.左右導(dǎo)數(shù)導(dǎo)數(shù)的幾何意義和物理意義

3.函數(shù)的可導(dǎo)性與連續(xù)性之間的關(guān)系

4.平面曲線的切線和法線

5.四則運(yùn)算法則

6.基本導(dǎo)數(shù)與微分表

7.復(fù)合函數(shù)偎肃，反函數(shù)，隱函數(shù)以及參數(shù)方程所確定的函數(shù)的微分法

8.常用高階導(dǎo)數(shù)公式

9.微分中值定理擂送，泰勒公式

10.洛必達(dá)法則

11.泰勒公式

12.函數(shù)單調(diào)性的判斷

13.漸近線的求法

14.函數(shù)凹凸性的判斷

15.弧微分

16.曲率

17.曲率半徑

線性代數(shù)

行列式

矩陣

向量

線性方程組

矩陣的特征值和特征向量

二次型

概率論和數(shù)理統(tǒng)計(jì)

隨機(jī)事件和概率

隨機(jī)變量及其概率分布

多維隨機(jī)變量及其分布

隨機(jī)變量的數(shù)字特征

數(shù)理統(tǒng)計(jì)的基本概念

推薦閱讀更多精彩內(nèi)容