計(jì)算機(jī)數(shù)學(xué)基礎(chǔ)

轉(zhuǎn)自知乎黃廣海博士，侵刪

一犹赖、高等數(shù)學(xué)

1.導(dǎo)數(shù)定義

導(dǎo)數(shù)和微分的該你拿
$f'(x_0)=lim_{\Delta\rightarrow0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}$ (1)

2.左右倒數(shù)的幾何意義和物理意義

函數(shù) $f(x)$ 在 $x_0$ 處的左么翰，右導(dǎo)數(shù)分別定義為:
左導(dǎo)數(shù): $f'_-(x_0)=lim_{\Delta\rightarrow0^-}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}=lim_{x\rightarrow x_0^-}\frac{f(x)-f(x_0)}{x-x_0}, (x=x_0+\Delta x)$
右導(dǎo)數(shù): $f'_+(x_0)=lim_{\Delta\rightarrow0^+}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}=lim_{x\rightarrow x_0^+}\frac{f(x)-f(x_0)}{x-x_0}$

3.函數(shù)的可道姓與連續(xù)性之間的關(guān)系

Th1: 函數(shù) $f(x)$ 在 $x_0$ 處可微 $\Leftrightarrow$ 函數(shù) $f(x)$ 在 $x_0$ 處可導(dǎo)
Th2: 若函數(shù)在 $x_0$ 處可導(dǎo)，則 $y=f(x)$ 在 $x_0$ 處連續(xù)帽借，反之則不成立。即函數(shù)連續(xù)不一定可導(dǎo)超歌。
Th3: $f'(x)$ 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: $y-y_0=-\frac{1}{f'(x_0)}(x-x_0), f'(x_0)\ne0$

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)和為分表

(1) $y=c$ (常數(shù))
${y}'=0砍艾， dy=0$

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

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

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

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

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

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

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

(9) $y=\sec x$
${y}'=\sec x\tan x 捧毛，d(\sec x)=\sec x\tan xdx$

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

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

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

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

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

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

(16) $y=chx$
${y}'=shx七兜， d(chx)=shxdx$

7.復(fù)合函數(shù)，反函數(shù)福扬，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)腕铸，在點(diǎn) $x$ 處可導(dǎo)且 ${f}'(x)\ne 0$ 惜犀，則其反函數(shù)在點(diǎn) $x$ 所對應(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 $x$ 求導(dǎo)狠裹，要記住 $y$ 是 $x$ 的函數(shù)虽界，則 $y$ 的函數(shù)是 $x$ 的復(fù)合函數(shù)。
例如 $\frac{1}{y} 涛菠， {{y}^{2}} 莉御， ln y ， {{{e}}^{y}}$ 等均是 $x$ 的復(fù)合函數(shù)俗冻。
對 $x$ 求導(dǎo)應(yīng)按復(fù)合函數(shù)連鎖法則做礁叔。
2)公式法：由 $F(x,y)=0$ 知 $\frac{dy}{dx}=-\frac{{{{{F}'}}_{x}}(x,y)}{{{{{F}'}}_{y}}(x,y)}$ ,其中， ${{{F}'}_{x}}(x,y) 迄薄， {{{F}'}_{y}}(x,y)$ 分別表示 $F(x,y)$ 對 $x$ 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)琅关，則
${{(uv)}^{(n)}}=\sum\limits_{i={0}}^{n}{c_{n}^{i}{{u}^{(i)}}{{v}^{(n-i)}}}$ ，其中 ${{u}^{({0})}}=u 讥蔽， {{v}^{({0})}}=v$

9.微分中值定理涣易，，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)有定義冶伞，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)新症；
(2)在 $(a,b)$ 內(nèi)可導(dǎo)；
(3) $f(a)=f(b)$
則在 $(a,b)$ 內(nèi)存在一個 $\xi$ 响禽，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)徒爹；
(2)在 $(a,b)$ 內(nèi)可導(dǎo)；
則在 $(a,b)$ 內(nèi)存在一個 $\xi$ 金抡，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)腌且；
(2) 在 $(a,b)$ 內(nèi)可導(dǎo)且 ${f}'(x) 梗肝， {g}'(x)$ 均存在，且 ${g}'(x)\ne 0$ .
則在 $(a,b)$ 內(nèi)存在一個 $\xi$ 铺董，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)巫击，(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 $\infty$ )。
則:
$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$ 精续。

法則 ${{\text I}'}$ ( $\frac{0}{0}$ 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 $X>0$ ,當(dāng) $\left| x \right|>X$ 時, $f\left( x \right),g\left( x \right) 可導(dǎo),且 {g}'\left( x \right)\ne 0$ ;
$\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$ 存在(或 $\infty$ )坝锰。
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 $\infty$ )。
則： $\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{f\left( x \right)}{g\left( x \right)}=\underset{x\to {{x}_{0}}}{\mathop{\lim }}\,\frac{{f}'\left( x \right)}{{g}'\left( x \right)}$ 重付。同理法則 ${\text I{\text I}'}$ ( $\frac{\infty }{\infty }$ 型)仿法則 ${{\text I}'}$ 可寫出顷级。

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)，則對該鄰域內(nèi)異于 ${{x}_{0}}$ 的任意點(diǎn) $x$ 确垫，在 ${{x}_{0}}$ 與 $x$ 之間至少存在一個 $\xi$ 弓颈，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)帽芽。
令 ${{x}_{0}}=0$ ，則 $n$ 階泰勒公式： $f(x)=f(0)+{f}'(0)x+\frac{1}{2!}{f}''(0){{x}^{2}}+\cdots +\frac{{{f}^{(n)}}(0)}{n!}{{x}^{n}}+{{R}_{n}}(x) ……(1) 其中 {{R}_{n}}(x)=\frac{{{f}^{(n+1)}}(\xi )}{(n+1)!}{{x}^{n+1}} 翔冀， \xi$ 在0與 $x$ 之間导街，(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 $=x-\frac{1}{2}{{x}^{2}}+\frac{1}{3}{{x}^{3}}-\cdots +{{(-1)}^{n-1}}\frac{{{x}^{n}}}{n}+o({{x}^{n}}) aa$

(5) $a {{(1+x)}^{m}}=1+mx+\frac{m(m-1)}{2!}{{x}^{2}}+\cdots +\frac{m(m-1)\cdots (m-n+1)}{n!}{{x}^{n}} +\frac{m(m-1)\cdots (m-n+1)}{(n+1)!}{{x}^{n+1}}{{(1+\xi )}^{m-n-1}}$ .
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)纤子，如果對 $\forall x\in (a,b)$ 搬瑰，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）控硼。

Th2: （取極值的必要條件）設(shè)函數(shù) $f(x) 在 {{x}_{0}}$ 處可導(dǎo)泽论，且在 ${{x}_{0}}$ 處取極值，
則 $f\,'({{x}_{0}})=0$ 象颖。

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)可微佩厚，且 $f\,'({{x}_{0}})=0$ （或 $f(x)$ 在 ${{x}_{0}}$ 處連續(xù)，但 $f\,'({{x}_{0}})$ 不存在说订。）
(1) 若當(dāng) $x$ 經(jīng)過 ${{x}_{0}}$ 時抄瓦， $f\,'(x)$ 由“+”變“-”，則 $f({{x}_{0}})$ 為極大值陶冷；
(2) 若當(dāng) $x$ 經(jīng)過 ${{x}_{0}}$ 時钙姊， $f\,'(x)$ 由“-”變“+”，則 $f({{x}_{0}})$ 為極小值埂伦；
(3) 若 $f\,'(x)$ 經(jīng)過 $x={{x}_{0}}$ 的兩側(cè)不變號煞额，則 $f({{x}_{0}})$ 不是極值。

Th4: (取極值的第二充分條件)設(shè) $f(x)$ 在 ${{x}_{0}}$ 處有 $f''(x)\ne 0$ 沾谜，且 $f\,'({{x}_{0}})=0$ 膊毁，則:
當(dāng) $f'\,'({{x}_{0}})<0$ 時， $f({{x}_{0}})$ 為極大值基跑；
當(dāng) $f'\,'({{x}_{0}})>0$ 時婚温， $f({{x}_{0}})$ 為極小值。
注：如果 $f'\,'({{x}_{0}})<0$ 媳否，此方法失效栅螟。

13.漸近線的求法

(1)水平漸近線
若 $\underset{x\to +\infty }{\mathop{\lim }}\,f(x)=b$ ，或 $\underset{x\to -\infty }{\mathop{\lim }}\,f(x)=b$ 篱竭，則 $y=b$ 稱為函數(shù) $y=f(x)$ 的水平漸近線力图。

(2)鉛直漸近線
若 $\underset{x\to x_{0}^{-}}{\mathop{\lim }}\,f(x)=\infty$ ，或 $\underset{x\to x_{0}^{+}}{\mathop{\lim }}\,f(x)=\infty$ 掺逼，則 $x={{x}_{0}} 稱為 y=f(x)$ 的鉛直漸近線吃媒。

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

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 $f''(x)>0$ ）晓折，則 $f(x)$ 在I上是凸的（或凹的）惑朦。

Th2: (拐點(diǎn)的判別定理1)若在 ${{x}_{0}}$ 處 $f''(x)=0$ ，（或 $f''(x)$ 不存在）漓概，當(dāng) $x$ 變動經(jīng)過 ${{x}_{0}}$ 時漾月， $f''(x)$ 變號，則 $({{x}_{0}},f({{x}_{0}}))$ 為拐點(diǎn)胃珍。

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)梁肿，且 $f''(x)=0 ， f'''(x)\ne 0$ 觅彰，則 $({{x}_{0}},f({{x}_{0}}))$ 為拐點(diǎn)吩蔑。

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 $k=\frac{\left| y'' \right|}{{{(1+y{{'}^{2}})}^{\tfrac{3}{2}}}}$ 。
對于參數(shù)方程 $\left\{ \begin{align} & x=\varphi (t) \\ & y=\psi (t) \\ \end{align} \right., k=\frac{\left| \varphi '(t)\psi ''(t)-\varphi ''(t)\psi '(t) \right|}{{{[\varphi {{'}^{2}}(t)+\psi {{'}^{2}}(t)]}^{\tfrac{3}{2}}}}$ 填抬。

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： $\rho =\frac{1}{k}$ 烛芬。

二、線性代數(shù)

行列式

1.行列式按行（列）展開定理
(1) 設(shè) $A = ( a_{{ij}} )_{n \times n}$ 飒责，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 $a_{1i}A_{1j} + a_{2i}A_{2j} + \cdots + a_{{ni}}A_{{nj}} = \begin{cases}|A|,i=j\\ 0,i \neq j\end{cases}$ 赘娄，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 階方陣宏蛉，則 $\left| {AB} \right| = \left| A \right|\left| B \right| = \left| B \right|\left| A \right| = \left| {BA} \right| 遣臼，但 \left| A \pm B \right| = \left| A \right| \pm \left| B \right|$ 不一定成立。

(3) $\left| {kA} \right| = k^{n}\left| A \right|$ , A 為 n 階方陣拾并。

(4) 設(shè) A 為 n 階方陣揍堰， $|A^{T}| = |A|;|A^{- 1}| = |A|^{- 1}$ （若 A 可逆）， $|A^{*}| = |A|^{n - 1} n \geq 2$

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

(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 階方陣之碗， $\lambda_{i}(i = 1,2\cdots,n) 是 A 的 n 個特征值蝙眶，則 |A| = \prod_{i = 1}^{n}\lambda_{i}$

矩陣

矩陣： $m \times n 個數(shù) a_{{ij}}$ 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，簡記為 A 继控，或者 $\left( a_{{ij}} \right)_{m \times n}$ 械馆。若 m = n 胖眷，則稱 A 是 n 階矩陣或 n 階方陣武通。

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 $m \times n$ 矩陣，則 $m \times n$ 矩陣 $C = (c_{{ij}}) = a_{{ij}} + b_{{ij}}$ 稱為矩陣 $A$ 與 $B$ 的和珊搀，記為 $A + B = C$ 冶忱。

2.矩陣的數(shù)乘
設(shè) $A = (a_{{ij}})$ 是 $m \times n$ 矩陣， $k$ 是一個常數(shù)境析，則 $m \times n$ 矩陣 $(ka_{{ij}})$ 稱為數(shù) $k$ 與矩陣 $A$ 的數(shù)乘囚枪，記為 ${kA}$ 派诬。

3.矩陣的乘法
設(shè) $A = (a_{{ij}})$ 是 $m \times n$ 矩陣， $B = (b_{{ij}})$ 是 $n \times s$ 矩陣链沼，那么 $m \times s$ 矩陣 $C = (c_{{ij}})$ 默赂，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，記為 $C = AB$ 括勺。

4. $\mathbf{A}^{\mathbf{T}} 缆八、 \mathbf{A}^{\mathbf{-1}} 、 \mathbf{A}^{\mathbf{*}}$ 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 ${(A \pm B)}^{- 1} = A^{- 1} \pm B^{- 1}$ 不一定成立疾捍。

(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。

(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 $A$ 可逆判族，則 $A^{*} = |A|A^{- 1},{(A^{*})}^{*} = \frac{1}{|A|}A$

(4) 若 $A$ 為 n 階方陣钩述，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； $\Leftrightarrow A;\Leftrightarrow Ax = 0$ 宛裕。

7.有關(guān)矩陣秩的結(jié)論

(1) 秩 $r(A)$ =行秩=列秩瑟啃；

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

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

(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 $\Rightarrow r(AB) = r(B); 若 B^{- 1}$ 存在续滋， $\Rightarrow r(AB) = r(A)$ 翰守。

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

8.分塊求逆公式

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

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

這里 A ， B 均為可逆方陣朗恳。

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) $\Leftrightarrow$ 至少有一個向量可以用其余向量線性表示湿颅。
(2) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無關(guān)， $\alpha_{1},\alpha_{2},\cdots,\alpha_{s} 粥诫， \beta$ 線性相關(guān) $\Leftrightarrow \beta$ 可以由 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 唯一線性表示油航。
(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)怀浆，整體相關(guān)谊囚；整體無關(guān)，部分無關(guān).
(2) ① n 個 n 維向量 $\alpha_{1},\alpha_{2}\cdots\alpha_{n}$ 線性無關(guān) $\Leftrightarrow \left|\left\lbrack \alpha_{1}\alpha_{2}\cdots\alpha_{n} \right\rbrack \right| \neq0$ 执赡，
n 個 n維向量 $\alpha_{1},\alpha_{2}\cdots\alpha_{n}$ 線性相關(guān)
$\Leftrightarrow |\lbrack\alpha_{1},\alpha_{2},\cdots,\alpha_{n}\rbrack| = 0$ 镰踏。
② n+1 個 n 維向量線性相關(guān)。
③ 若 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無關(guān)沙合，則添加分量后仍線性無關(guān)奠伪；或一組向量線性相關(guān)，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) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}線性相關(guān) \Leftrightarrow$ 至少有一個向量可以用其余向量線性表示绊率。
(2) $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無關(guān)谨敛， $\alpha_{1},\alpha_{2},\cdots,\alpha_{s} ， \beta$ 線性相關(guān) $\Leftrightarrow\beta$ 可以由 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 唯一線性表示滤否。
(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) $r(A_{m \times n}) =r$ 脸狸，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 的行向量組線性無關(guān)藐俺。
(2) 若 $r(A_{m \times n}) = r < m$ 肥惭，則 A 的行向量組線性相關(guān)。
(3) 若 $r(A_{m \times n}) = r = n$ 紊搪，則 A 的列向量組線性無關(guān)蜜葱。
(4) 若 $r(A_{m \times n}) = r < n$ ，則 A 的列向量組線性相關(guān)耀石。

5. $\mathbf{n}$ 維向量空間的基變換公式及過渡矩陣
若 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n} 與 \beta_{1},\beta_{2},\cdots,\beta_{n}$ 是向量空間 V 的兩組基牵囤，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 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n} 到基 \beta_{1},\beta_{2},\cdots,\beta_{n}$ 的過渡矩陣滞伟。

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
$X = {(x_{1},x_{2},\cdots,x_{n})}^{T} 揭鳞， Y = \left( y_{1},y_{2},\cdots,y_{n} \right)^{T}$ 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 $X = CY 或 Y = C^{- 1}X$ 梆奈，其中 C 是從基 $\alpha_{1},\alpha_{2},\cdots,\alpha_{n}$ 到基 $\beta_{1},\beta_{2},\cdots,\beta_{n}$ 的過渡矩陣野崇。

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 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ 線性無關(guān)，則可構(gòu)造 $\beta_{1},\beta_{2},\cdots,\beta_{s}$ 使其兩兩正交亩钟，且 $\beta_{i}$ 僅是 $\alpha_{1},\alpha_{2},\cdots,\alpha_{i}$ 的線性組合 $(i= 1,2,\cdots,n) 乓梨，再把 \beta_{i}$ 單位化，記 $\gamma_{i} =\frac{\beta_{i}}{\left| \beta_{i}\right|} 清酥，則 \gamma_{1},\gamma_{2},\cdots,\gamma_{i}$ 是規(guī)范正交向量組扶镀。
其中 $\beta_{1} = \alpha_{1} ， \beta_{2} = \alpha_{2} -\frac{(\alpha_{2},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1} 焰轻， \beta_{3} =\alpha_{3} - \frac{(\alpha_{3},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1} -\frac{(\alpha_{3},\beta_{2})}{(\beta_{2},\beta_{2})}\beta_{2}$ 臭觉，
............
$\beta_{s} = \alpha_{s} - \frac{(\alpha_{s},\beta_{1})}{(\beta_{1},\beta_{1})}\beta_{1} - \frac{(\alpha_{s},\beta_{2})}{(\beta_{2},\beta_{2})}\beta_{2} - \cdots - \frac{(\alpha_{s},\beta_{s - 1})}{(\beta_{s - 1},\beta_{s - 1})}\beta_{s - 1}$

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，就稱為正交基辱志；若正交基中每個向量都是單位向量蝠筑，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 $\begin{cases} a_{11}x_{1} + a_{12}x_{2} + \cdots +a_{1n}x_{n} = b_{1} \\ a_{21}x_{1} + a_{22}x_{2} + \cdots + a_{2n}x_{n} =b_{2} \\ \quad\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots \\ a_{n1}x_{1} + a_{n2}x_{2} + \cdots + a_{{nn}}x_{n} = b_{n} \\ \end{cases}$ 揩懒，如果系數(shù)行列式 $D = \left| A \right| \neq 0$ 什乙，
則方程組有唯一解， $x_{1} = \frac{D_{1}}{D},x_{2} = \frac{D_{2}}{D},\cdots,x_{n} =\frac{D_{n}}{D}$ 旭从，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)列所得的行列式稳强。

2.n 階矩陣 A 可逆 $r(A_{m \times n}) = m$ 只有零解。 $\Leftrightarrow\forall b,Ax = b$ 總有唯一解和悦，一般地退疫， $r(A_{m \times n}) = n \Leftrightarrow Ax= 0$ 只有零解。

3.非奇次線性方程組有解的充分必要條件鸽素，線性方程組解的性質(zhì)和解的結(jié)構(gòu)
(1) 設(shè) A 為 $m \times n$ 矩陣褒繁，若 $r(A_{m \times n}) = m$ ，則對 $Ax =b$ 而言必有 $r(A) = r(A \vdots b) = m$ 馍忽，從而 $Ax =b$ 有解棒坏。

(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) $k_{1} + k_{2} + \cdots + k_{s} = 1$ 時仍為 $Ax =b$ 的解遭笋；但當(dāng) $k_{1} + k_{2} + \cdots + k_{s} = 0$ 時坝冕，則為 $Ax =0$ 的解。特別 $\frac{x_{1} + x_{2}}{2}$ 為 $Ax = b$ 的解瓦呼； $2x_{3} - (x_{1} +x_{2})$ 為 $Ax =0$ 的解喂窟。

(3) 非齊次線性方程組 ${Ax} = b 無解 \Leftrightarrow r(A) + 1 =r(\overline{A}) \Leftrightarrow b$ 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)解系和通解央串，解空間磨澡，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)有非零解時质和，由于解向量的任意線性組合仍是該齊次方程組的解向量稳摄，因此 ${Ax} = 0$ 的全體解向量構(gòu)成一個向量空間，稱為該方程組的解空間饲宿，解空間的維數(shù)是 $n - r(A)$ 厦酬，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)解系瘫想，即：

$\eta_{1},\eta_{2},\cdots,\eta_{t}$ 是 ${Ax} = 0$ 的解弃锐；
$\eta_{1},\eta_{2},\cdots,\eta_{t}$ 線性無關(guān)；
${Ax} = 0$ 的任一解都可以由 $\eta_{1},\eta_{2},\cdots,\eta_{t}$ 線性表出殿托。
$k_{1}\eta_{1} + k_{2}\eta_{2} + \cdots + k_{t}\eta_{t}$ 是 ${Ax} = 0$ 的通解霹菊，其中 $k_{1},k_{2},\cdots,k_{t}$ 是任意常數(shù)。

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 的一個特征值支竹，則 ${kA},{aA} + {bE},A^{2},A^{m},f(A),A^{T},A^{- 1},A^{*}$ 有一個特征值分別為 ${kλ},{aλ} + b,\lambda^{2},\lambda^{m},f(\lambda),\lambda,\lambda^{- 1},\frac{|A|}{\lambda}$ , 且對應(yīng)特征向量相同（ $A^{T}$ 例外）旋廷。

(2)若 $\lambda_{1},\lambda_{2},\cdots,\lambda_{n}$ 為 A 的 n 個特征值，則 $\sum_{i= 1}^{n}\lambda_{i} = \sum_{i = 1}^{n}a_{{ii}},\prod_{i = 1}^{n}\lambda_{i}= |A|$ ,從而 $|A| \neq 0 \Leftrightarrow A$ 沒有特征值礼搁。

(3)設(shè) $\lambda_{1},\lambda_{2},\cdots,\lambda_{s}$ 為 A 的 s 個特征值饶碘，對應(yīng)特征向量為 $\alpha_{1},\alpha_{2},\cdots,\alpha_{s}$ ，
若: $\alpha = k_{1}\alpha_{1} + k_{2}\alpha_{2} + \cdots + k_{s}\alpha_{s}$ ,
則: $A^{n}\alpha = k_{1}A^{n}\alpha_{1} + k_{2}A^{n}\alpha_{2} + \cdots +k_{s}A^{n}\alpha_{s} = k_{1}\lambda_{1}^{n}\alpha_{1} +k_{2}\lambda_{2}^{n}\alpha_{2} + \cdots k_{s}\lambda_{s}^{n}\alpha_{s}$ 馒吴。

2.相似變換扎运、相似矩陣的概念及性質(zhì)
(1) 若 $A \sim B$ 瑟曲，則
1) $A^{T} \sim B^{T},A^{- 1} \sim B^{- 1},,A^{*} \sim B^{*}$

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

3.矩陣可相似對角化的充分必要條件
(1)設(shè) A 為 n 階方陣豪治，則 A 可對角化 $\Leftrightarrow$ 對每個 $k_{i}$ 重根特征值 $\lambda_{i}$ 洞拨，有 $n-r(\lambda_{i}E - A) = k_{i}$

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

(3) 重要結(jié)論

若 $A \sim B,C \sim D$ 烦衣，則 $\begin{bmatrix} A & O \\ O & C \\\end{bmatrix} \sim \begin{bmatrix} B & O \\ O & D \\\end{bmatrix}$ 。
若 $A \sim B 掩浙，則 f(A) \sim f(B),\left| f(A) \right| \sim \left| f(B)\right|$ 花吟，其中 $f(A)$ 為關(guān)于 n 階方陣 A 的多項(xiàng)式。
若 A 為可對角化矩陣厨姚，則其非零特征值的個數(shù)(重根重復(fù)計(jì)算)＝秩( A )

4.實(shí)對稱矩陣的特征值衅澈、特征向量及相似對角陣
(1)相似矩陣：設(shè) A,B 為兩個 n 階方陣，如果存在一個可逆矩陣 P 谬墙，使得 $B =P^{- 1}{AP}$ 成立矾麻，則稱矩陣 A 與 B 相似，記為 A \sim B 芭梯。

(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 险耀， B 均可逆）
3) $A^{k} \sim B^{k}$ （ k 為正整數(shù)）
4) $\left| {λE} - A \right| = \left| {λE} - B \right|$ ，從而 A,B 有相同的特征值
$\left| A \right| = \left| B \right|$ 玖喘，從而 A,B 同時可逆或者不可逆
秩 $\left( A \right) = 秩 \left( B \right),\left| {λE} - A \right| =\left| {λE} - B \right|$ 甩牺， A,B 不一定相似

二次型

1. $\mathbf{n}$ 個變量 $\mathbf{x}_{\mathbf{1}}\mathbf{,}\mathbf{x}_{\mathbf{2}}\mathbf{,\cdots,}\mathbf{x}_{\mathbf{n}}$ 的二次齊次函數(shù)
$f(x_{1},x_{2},\cdots,x_{n}) = \sum_{i = 1}^{n}{\sum_{j =1}^{n}{a_{{ij}}x_{i}y_{j}}} ，其中 a_{{ij}} = a_{{ji}}(i,j =1,2,\cdots,n)$ 累奈，稱為 n 元二次型贬派，簡稱二次型. 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 $f =x^{T}{Ax}$ 。其中 A 稱為二次型矩陣澎媒，因?yàn)? $a_{{ij}} =a_{{ji}}(i,j =1,2,\cdots,n)$ 搞乏，所以二次型矩陣均為對稱矩陣，且二次型與對稱矩陣一一對應(yīng)戒努，并把矩陣 A 的秩稱為二次型的秩请敦。

2.慣性定理，二次型的標(biāo)準(zhǔn)形和規(guī)范形
(1) 慣性定理
對于任一二次型储玫，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)型侍筛，其正負(fù)慣性指數(shù)與所選變換無關(guān)，這就是所謂的慣性定理撒穷。

(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)形匣椰。在一般的數(shù)域內(nèi)，二次型的標(biāo)準(zhǔn)形不是唯一的端礼，與所作的合同變換有關(guān)禽笑，但系數(shù)不為零的平方項(xiàng)的個數(shù)由 r(A) 唯一確定入录。

(3) 規(guī)范形
任一實(shí)二次型 f 都可經(jīng)過合同變換化為規(guī)范形 f = $z_{1}^{2} + z_{2}^{2} + \cdots z_{p}^{2} - z_{p + 1}^{2} - \cdots -z_{r}^{2}$ ，其中 r 為 A 的秩佳镜， p 為正慣性指數(shù)僚稿， r-p 為負(fù)慣性指數(shù)，且規(guī)范型唯一邀杏。

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 $\Rightarrow {kA}(k > 0),A^{T},A^{- 1},A^{*} 正定唬血； |A| >0$ , A 可逆望蜡； $a_{{ii}} > 0$ ，且 $|A_{{ii}}| > 0$
A 拷恨， B 正定 $\Rightarrow A +B$ 正定脖律，但 ${AB} ， {BA}$ 不一定正定腕侄。
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 小泉，使 $Q^{T}{AQ} = Q^{- 1}{AQ} =\begin{pmatrix} \lambda_{1} & & \\ \begin{matrix} & \\ & \\ \end{matrix} &\ddots & \\ & & \lambda_{n} \\ \end{pmatrix}$ ,
其中 $\lambda_{i} > 0,i = 1,2,\cdots,n 。正定 \Rightarrow {kA}(k >0),A^{T},A^{- 1},A^{*}$ 正定冕杠； $|A| > 0$ ,A 可逆微姊； $a_{{ii}} >0$ ，且 $|A_{{ii}}| > 0$ 分预。

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： $A \subset B$ 兢交，若 A 發(fā)生，則 B 發(fā)生笼痹。
(2) 相等事件： A = B 配喳，即 $A \subset B$ ，且 $B \subset A$ 凳干。
(3) 和事件： $A\bigcup B$ （或 A + B ）晴裹， A 與 B 中至少有一個發(fā)生。
(4) 差事件： A - B 救赐， A 發(fā)生但 B 不發(fā)生涧团。
(5) 積事件： $A\bigcap B$ （或 {AB} ）， A 與 B 同時發(fā)生经磅。
(6) 互斥事件（互不相容）： $A\bigcap B=\varnothing$ 少欺。
(7) 互逆事件（對立事件）：
$A\bigcap B=\varnothing ,A\bigcup B=\Omega ,A=\bar{B},B=\bar{A}$

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： $(A\bigcup B)\bigcup C=A\bigcup (B\bigcup C)$ ；
$(A\bigcap B)\bigcap C=A\bigcap (B\bigcap C)$
(3) 分配律： $(A\bigcup B)\bigcap C=(A\bigcap C)\bigcup (B\bigcap C)$

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

${{A}_{1}}{{A}_{2}}\cdots {{A}_{n}}$ 兩兩互斥馋贤，且和事件為必然事件赞别，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， B 發(fā)生的概率配乓。

(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 ${{B}_{i}}$ 的個數(shù)可為可列個仿滔。

(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 惠毁， B ， 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 崎页， B 鞠绰， 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，若每次實(shí)驗(yàn)中事件 A 發(fā)生的概率為 p 飒焦，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)蜈膨，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，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)互斥牺荠、互逆與獨(dú)立性之間的關(guān)系： A 與 B 互逆 $\Rightarrow$ A 與 B 互斥翁巍，但反之不成立， A 與 B 互斥（或互逆）且均非零概率事件 $\Rightarrow A$ 與 B 不獨(dú)立休雌。

(8)若 ${{A}_{1}},{{A}_{2}},\cdots ,{{A}_{m}},{{B}_{1}},{{B}_{2}},\cdots ,{{B}_{n}}$ 相互獨(dú)立灶壶，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 $f(\centerdot ),g(\centerdot )$ 分別表示對相應(yīng)事件做任意事件運(yùn)算后所得的事件杈曲，另外驰凛，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)格地說是定義在樣本空間上担扑，取值于實(shí)數(shù)的函數(shù)稱為隨機(jī)變量恰响，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)涌献，則:
$f(x) = F'(x)$ 分布函數(shù) $F(x) = \int_{- \infty}^{x}{f(t){dt}}$

5.常見分布
(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: $F_{y}(y) = P(Y \leq y) = P(g(X) \leq y) = \int_{g(x) \leq y}^{}{f_{x}(x)dx} 渔隶，f_{Y}(y) = F'_{Y}(y)$

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)洁奈；連續(xù)型隨機(jī)變量的分布函數(shù)為連續(xù)函數(shù)间唉，但不一定為處處可導(dǎo)函數(shù)。

(6) 存在既非離散也非連續(xù)型隨機(jī)變量利术。

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
由兩個隨機(jī)變量構(gòu)成的隨機(jī)向量 (X,Y) 呈野，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) $\rho_{{XY}} = 0$ 時看靠，稱 X 和 Y 不相關(guān)疗隶，否則稱 X 和 Y 相關(guān)

6.兩個隨機(jī)變量簡單函數(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： $F_{z}\left( z \right) = P\left\{ g\left( X,Y \right) \leq z \right\} = \iint_{g(x,y) \leq z}^{}{f(x,y)dxdy} , f_{z}(z) = F'_{z}(z)$

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Y=y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 $\Leftrightarrow \rho = 0$ 朋鞍，即 X 與 Y 不相關(guān)脱篙。
$C_{1}X + C_{2}Y\sim N(C_{1}\mu_{1} + C_{2}\mu_{2},C_{1}^{2}\sigma_{1}^{2} + C_{2}^{2}\sigma_{2}^{2} + 2C_{1}C_{2}\sigma_{1}\sigma_{2}\rho)$
{\ 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，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)立举瑰， $f\left( x \right)$ 和 $g\left( x \right)$ 為連續(xù)函數(shù)捉腥，則 $f\left( X \right)$ 和 $g(Y)$ 也相互獨(dú)立妓灌。

隨機(jī)變量的數(shù)字特征

1.數(shù)學(xué)期望
離散型： $P\left\{ X = x_{i} \right\} = p_{i},E(X) = \sum_{i}^{}{x_{i}p_{i}}$ 跃洛；

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)立率触，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： $\sqrt{D(X)}$ ，

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)立汇竭，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： $P\{ X = x_{i}\} = p_{i},E(Y) = \sum_{i}^{}{g(x_{i})p_{i}}$ 葱蝗；
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) $\ \rho\left( X,Y \right) = 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$ 穴张，其中 $a > 0$
$\rho\left( X,Y \right) = - 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$
，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 $\rho\left( X,Y \right) = 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$ 两曼，其中 $a > 0$
$\rho\left( X,Y \right) = - 1 \Leftrightarrow P\left( Y = aX + b \right) = 1$ 皂甘，其中 $a < 0$
(4) 下面5個條件互為充要條件：
$\rho(X,Y) = 0 \Leftrightarrow Cov(X,Y) = 0 \Leftrightarrow E(X,Y) = E(X)E(Y)$
$\Leftrightarrow D(X + Y) = D(X) + D(Y)\Leftrightarrow D(X - Y) = D(X) + D(Y)$
注： X 與 Y 獨(dú)立為上述5個條件中任何一個成立的充分條件，但非必要條件悼凑。

數(shù)理統(tǒng)計(jì)的基本概念

1.基本概念
總體：研究對象的全體偿枕，它是一個隨機(jī)變量，用 X 表示户辫。
個體：組成總體的每個基本元素渐夸。
簡單隨機(jī)樣本：來自總體 X 的 n 個相互獨(dú)立且與總體同分布的隨機(jī)變量 $X_{1},X_{2}\cdots,X_{n}$ ，稱為容量為 n 的簡單隨機(jī)樣本寸莫，簡稱樣本捺萌。
統(tǒng)計(jì)量：設(shè) $X_{1},X_{2}\cdots,X_{n}$ , 是來自總體 X 的一個樣本档冬， $g(X_{1},X_{2}\cdots,X_{n}) ）$ 是樣本的連續(xù)函數(shù)膘茎，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)量酷誓。
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： $\chi^{2} = X_{1}^{2} + X_{2}^{2} + \cdots + X_{n}^{2}\sim\chi^{2}(n)$ 披坏，其中 $X_{1},X_{2}\cdots,X_{n},$ 相互獨(dú)立，且同服從 N(0,1)

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

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

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) $X_{1},X_{2}\cdots,X_{n}$ 為來自正態(tài)總體 $N(\mu,\sigma^{2})$ 的樣本漾峡，
$\overline{X} = \frac{1}{n}\sum_{i = 1}^{n}X_{i},S^{2} = \frac{1}{n - 1}\sum_{i = 1}^{n}{{(X_{i} - \overline{X})}^{2},}$ 則：

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

4.重要公式與結(jié)論
(1) 對于 $\chi^{2}\sim\chi^{2}(n)$ 攻旦，有 $E(\chi^{2}(n)) = n,D(\chi^{2}(n)) = 2n$ ;

(2) 對于 $T\sim t(n)$ ，有 $E(T) = 0,D(T) = \frac{n}{n - 2}(n > 2)$ 生逸；

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

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