高等数学重要定理及公式作者:电子科技大学 通信学院 张宗卫说明:本文档是笔者在考研过程中花费将近一个月的时间,总结得出的数学(一)重要公式及一些推论,并使用word 及MathType 输入成文,覆盖了微积分、线性代数、概率论这些课程。
因为时间有限,难免存在一些输入错误,请读者仔细对照所学知识,认真查阅。
线性代数重要公式1.矩阵与其转置矩阵关系:E A AA =*2.矩阵行列式:*11A A A =- 1*-=n A A *1*)(A k kA n -= ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧=-=-<=n A r n n A r n A r A r )(,1)(,11)(,0)(*3.矩阵与其秩:{}()min (),()()()()(,)()()(,)max(()())r AB r A r B r A B r A r B r A B r A r B r A B r A r B ≤+≤+≤+≥+4.齐次方程组0=Ax :非0解⇔线性相关⇔n A R =)(5.非齐次方程组b Ax =:有解⇔⇔=)()(A R A R 线性表出6.相似与合同:相似—n 阶可逆矩阵A,B 如果存在可逆矩阵P 使得B AP P =-1则A 与B 相似,记作:B A ~;合同—A,B 为n 阶矩阵,如果存在可逆矩阵C 使得AC C B T=则称A与B 合同。
(等价,A 与B 等价—A 与B 能相互线性表出。
)7,特征值与特征向量:λαα=A ,求解过程:求行列式0=-A E λ 中参数λ即为特征值,再求解0)(=-x A E i λ即可求出对应的特征向量。
矩阵A 的特征值与A 的主对角元及行列式之间有以下关系:⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧==∑∑A a n nii n i λλλλ...2111。
上式中∑==n i ii a A 1)(tra 称为矩阵的迹。
8.特征值特征向量、相似之间的一些定理及推论:实对称矩阵A 的互异特征值对应的特征向量线性无关;若n 阶矩阵的特征值都是单特征根,则A 能与对角矩阵相似;n 阶矩阵A 与对角矩阵相似的充分必要条件是对于A 的每一个i k 重特征根,齐次方程组0)(=-x A E i λ的基础解析由i k 个解向量组成即对应每一个i k 重特征根i λi i k n A E R -=-)(λ。
9.实对称矩阵的特征值都是实数,如果A 为一个实对称矩阵,那么对应于A 的不同特征值的特征向量彼此正交。
任意n 阶实对称矩阵A 都存在一个n 阶正交矩阵C ,使得AC C AC C T 1-=为对称矩阵。
10.施密特正交矩阵化方法:一般地,把线性无关向量组s ααα...,21化为与之等价的标准正交向量组的施密特正交过程如下:111122221111222231111333111122211),(),(...),(),(),(),(..........),(),(),(),(),(),(--------=--=-==s s s s s s s s s ββββαββββαββββααβββββαββββααβββββααβαβ再令:i ii ββγ1=则s γγγ...,21是一组与s ααα...,21等价的标准正交向量组。
11.正交矩阵的定义:如果实矩阵A 满足:E AA A A TT ==则称A 为正交矩阵。
12.设A ,B 为n 阶方阵,如果存在可逆矩阵C ,使得AC C B T=,则称A 与B 合同。
13.用正交变换化二次型为标准型步骤:a) 写出二次型对应的对称矩阵A ;b) 求A 的特征值i λ和特征向量,(0=-A E λ)i α;c) 将特征向量i α正交化(实对称矩阵的不同特征值对应的特征向量彼此正交,多重特征根在取特征向量时尽量取正交向量,方便计算)、单位化得i βd) 令⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧=n x x x X ...21 , []n C βββ,...,21=,⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n y y y Y ...21则CY X =,是正交变换,且222221121...),...,,(n n n y y y x x x f λλλ+++=。
14.如果任一非零向量X 都使得二次型0>AX X T,则称之为正定二次型,对应的矩阵A 为正定矩阵。
二次型为正定矩阵的充要条件是矩阵A 的特征值全部为正实数、正惯性指数是n 、矩阵A 与E 合同、矩阵A 的顺序主子式全大于零,且以上条件等价。
概率论与数理统计重要知识点及公式: 1.条件概率:)()()|(B P AB P B A P =如果(|)()()P A B P A P B =,则A 与B 独立。
2.常用概率公式:()()()()()()()()()(|)()P A B P A P B P A B P A B P AB P A P AB p AB P A B P B ⋃=+-⋂⎧⎪-==-⎨⎪=⎩(对于给定如:A B ⊂这样的条件,常常通过画图(如下图)来解决,直观明了)()()()()()()p AB p B p AB p AB p A p AB ⎧=-⎪⎨=-⎪⎩3.全概率公式:1()()(|)niii P A P A P A B ==∑4.贝叶斯公式:1()()()(|)()()(|)i i i i ni jjj p AB p B p B A p B A p B p B p A B ===∑(结合条件概率公式和全概率公式推导而出) 5.几个重要分布:a) 二项分布(n 次重复,伯努利类型):()(1)n nm n m p A C p p -=-b) 泊松分布:二项分布当m,很大,p很小且np λ=时,{}~(),,0,1,2...!kX p p x k e k k λλλ-===c) 均匀分布:1,~(,),()0,a x b X U a b f x b a otherelse ⎧⎫<<⎪⎪=-⎨⎬⎪⎪⎩⎭d) 指数分布:,0()0,0x e x f x x λλ-⎧⎫>=⎨⎬≤⎩⎭e)正态分布:22()22~(,),(;,)x X N u f x u μδδδ--=6.随机变量的数字特征:A )数学期望:存在前提1nii i xp =∑,()x f x dx +∞-∞⎰要绝对可积,那么1()ni i i E x x p ==∑,()()E x x f x dx +∞-∞=⎰;B )方差:{}222()(())()()()D XE x E x D X E x E x ⎧=-⎪⎨=-⎪⎩C )期望性质:()()()()()()E C CE cX cE X E X Y E X E Y =⎧⎪=⎨⎪+=+⎩,X ,Y 独立则()()()E XY E X E Y =D )方差性质:2()0()()()()()2cov(,)D C D cX c D x D X Y D X D Y X Y =⎧⎪=⎨⎪±=+±⎩,若X ,Y 相互独立则()()()D X Y D X D Y ±=+.。
7. 常用分布数字特征:a) (0,1)分布();()(1)E z p D z p p ==-b) b (n ,p )二项分布();()(1)E z np D z np p ==-c) 泊松分布,(),();!ke E z D z k λλλλ-==d) 均匀分布:[]2(),,(),();212a b b a U a b E z D z +-== e) 指数分布:2,011,(),();0,x e x E z D z otherelse λλλλ-⎧⎫>==⎨⎬⎩⎭f)正态分布:22(,),(),();N E z D z μδμδ==8.协方差: 定义式[][]{}cov(,)()()X Y Ex E x y E y =--计算式cov(,)()()()X Y E xy E x E y =-性 质 : 1212cov(,)cov(,)cov(,)cov(,)cov(,)cov(,)()X Y Y X Y X Y aX bY ab X Y Z Z D Z +=+⎧⎪=⎨⎪=⎩9.相关系数:1;xy ρρ=≤10.几种特殊函数的分布问题:a) 极值分布12max(,),min(,)Z X Y Z X Y ==12()(max(,))(,)()()()()()(min(,))1(min(,))1()()1[1{}][1{}]1[1()][1()]Z x y Z x y F z P X Y z P X z Y z P X z P Y z F z F z F z P X Y z P X Y z P X z P Y z p x z p y z F z F z =≤=≤≤=≤≤==≤=->=->>=--≤-≤=---b )和的分布:Z=X+Y 分分布函数是`(){}(,);()()(,)()(,)z x y zz zz F z P X Y z f x y dxdy f z F z f z y y dyf z f x z x dx+≤+∞-∞+∞-∞=+≤===-=-⎰⎰⎰⎰一般的X与Y相互独立,且221122~(,),~(,)X N Y N μδμδ,则221212~(,)Z X Y N μμδδ=+++,其概率密度公式为:2122211(())2()221211(;,)x f z μμσδμμσδ-+-+++=。
c )商的分布 XZ Y =分布函数是:/0()()(,)()(,)(,)(,)z x y zz F z P Z z f x y dxdyf z yf zy y dy yf zy y dy y f zy y dy≤+∞+∞-∞-∞=≤==-=⎰⎰⎰⎰⎰11.参数估计:a) 矩估计方法:构造关于参数组成的k 阶原地矩与样本k 阶原点矩之间的等式关系:1211(,,...)n kk n i i x n γθθθ==∑,解此方程组解为12(,,...)k k n x x x θθ=就作为k θ的矩估计。
b ) 极大似然估计方法:基本思想是按照最大可能性的准则进行推断,把已经发生的事件,看成最可能出现的事件,即认为它具有最大的可能性。
求法,写出最大似然函数,并求最大似然函数的最大值点,一般取最大似然函数的 对数方便运算,即求解如下的似然方程组ln 0,1,2,3...,kLk m θ∂==∂,似然方程组 的解可能不唯一,这时需要微积分知识进一步的判定哪一个是最大值点,若似然函 数关于参数的导数不存在时,就无法得到似然方程组,因此必须回到极大似然股及的定义式直接求解。
13.矩估计的优良性:若()E θθ=则称θ是θ的无偏估计量,若12,θθ是θ的无偏估计量,且12()()D D θθ≤则称1θ为θ的最小无偏估计量。