定积分
type
status
date
slug
summary
tags
category
icon
password
Property
 
定积分和不定积分符号的区别就是划定了起始点和终点
积分的几何解释:等于函数曲线在X轴以上的面积减去在X轴之下的面积
 
微积分基本定理
,则有
 
定积分的性质
参数方程、弧长、表面积
type
status
date
slug
summary
tags
category
icon
password
Property
 
 
弧长
notion image
沿着行驶路线做行驶标记 ,分别对应 。每一小段距离的长度。在极限的情况下,方程变为。得到
因此弧长为:
 
 
曲面面积
旋转面, 沿着X轴旋转一周
notion image
曲线上每个小段 所对应的旋转面面积为 ,因此
反常积分
type
status
date
slug
summary
tags
category
icon
password
Property
 
定义,如果极限存在则该函数“收敛”,否则该函数“发散”。
几何化的解释,该函数下的面积是有限的,则该函数收敛。若面积为无限,则函数发散。
 
极限的比较
趋向于无穷时,若两函数相互接近,即,则函数 和函数同收敛或者同发散
 
反常积分的第二种类型就是在积分区域内有奇点的情况
例如:
很容易被迷惑的状态是奇点出现在积分上下限之间,这时候不能直接套用定积分的计算结果
级数
type
status
date
slug
summary
tags
category
icon
password
Property
 
 
几何级数的通式是
时,
notion image
时:
notion image
notion image
 
定义“部分和” ,求和到极限就是部分和的极限值
泰勒公式
type
status
date
slug
summary
tags
category
icon
password
Property
 
泰勒公式是用特殊系数的幂级数形式来表示函数的一种方法
设函数 在点 处的某邻域内具有 阶导数,则对该邻域内异于 的任意点 ,在 之间至少存在 一个,使得:
其中称为 在点 处的阶泰勒余项
 
,则阶泰勒公式
其中, 在0与 之间,上式也称为麦克劳林公式
 
常用五种函数在 处的泰勒公式
方程组和矩阵
type
status
date
slug
summary
tags
category
icon
password
Property
 

方程组的几何解释

方程组 ,写作矩阵形式有
把第一个矩阵称为系数矩阵,第二个矩阵称为向量,第三个矩阵称为向量,于是线性方程组可以表示为
 
 
方程的矩阵形式,这是一种乘法运算,例如,计算矩阵乘以向量:
  • 使用列向量线性组合的方式,一次计算一列
  • 使用向量内积,矩阵行向量点乘向量
建议用第一种方法,将看做列向量的线性组合
转置和对称矩阵
type
status
date
slug
summary
tags
category
icon
password
Property
 
 

转置矩阵(Transpose Matrix)

数学表达式为 ,即的第列的元素为原矩阵 中第列的元素
 
矩阵乘积的转置
 

对称矩阵 Symmetric Matrix

是对称矩阵则有: =
对任意矩阵(可以不是方阵),有为对称矩阵:
矩阵LU分解
type
status
date
slug
summary
tags
category
icon
password
Property
 
 
我们不能总是轻易的求出正确的线性组合,所以要用到消元法:一种线性方程组的系统性解法。这个方法最早由高斯提出,以前解方程组的时候都会使用。

高斯消元法

三元方程组 ,其对应的矩阵形式
 
消元法的思路:
  • 第一步:希望在第二个方程中消去
    • 下划线的为第一步的主元(pivot),这里先不管向量,可以做完的消元之后再做的消元
       
  • 第二步,希望在第三个方程中消去
    矩阵乘法和逆矩阵
    type
    status
    date
    slug
    summary
    tags
    category
    icon
    password
    Property
     

    矩阵乘法的5种视角

    行列内积

    矩阵矩阵的总行数必须与的总列数相等),两矩阵相乘有 是一个 矩阵,对于 矩阵中的第 行第 列元素 ,有:
    的第行第列元素, 的第行第列元素,其实是矩阵第点乘矩阵第
     

    整列相乘

    整列相乘就是使用矩阵乘以向量这种线性组合的思想:
    的第列是的列向量以的第列作为系数所求得的线性组合
    向量空间
    type
    status
    date
    slug
    summary
    tags
    category
    icon
    password
    Property
     

    向量空间(Vector Space)

    • 所有向量空间都必须包含原点(Origin)
    • 向量空间中任意向量的数乘、求和运算得到的向量也在该空间中,即向量空间要满足加法封闭和数乘封闭
    就是代表一个二维平面,这个平面由无数二维实数向量组成
     

    子空间 Subspaces

    包含于向量空间之内的一个向量空间称为原向量空间的一个子空间。例如用实数数乘空间中向量所得到的向量集合就是 空间的一个子空间,其图像为二维平面上穿过原点的一条直线,它对于线性运算封闭。
    反例: 中不穿过原点的直线就不是向量空间。子空间必须包含零向量,原因就是数乘0的到的零向量必须处于子空间中。
    的子空间包括:
    • 空间本身
    • 过原点的一条直线(这是空间中的一条直线,与空间有区别)
    线性方程组
    type
    status
    date
    slug
    summary
    tags
    category
    icon
    password
    Property
    克莱姆法则
    线性方程组 ,如果系数行列式 ,则方程组有唯一解, ,其中 是把 中第 列元素换成方程组右端的常数列所得的行列式.
     
    阶矩阵 可逆 只有零解. 总有唯一解,一般地, 只有零解.
     
    非奇次线性方程组有解的充分必要条件,线性方程组解的性质和解的结构
    1.设 矩阵,若 ,则对 而言必有 ,从而 有解.
    2.设 的解,则 时仍为 的解;但当 时,则为 的解.特别 的解; 的解.
    3.非齐次线性方程组 无解 不能由 的列向量 线性表示.
     
    奇次线性方程组的基础解系和通解,解空间,非奇次线性方程组的通解
    1. 齐次方程组 恒有解(必有零解).当有非零解时,由于解向量的任意线性组合仍是该齐次方程组的解向量,因此 的全体解向量构成一个向量空间,称为该方程组的解空间,解空间的维数是 ,解空间的一组基称为齐次方程组的基础解系.
    线性相关性、基、维数
    type
    status
    date
    slug
    summary
    tags
    category
    icon
    password
    Property
     
     
    矩阵 的列向量:
    如果零空间中有且仅有向量,则各向量线性无关,
    如果存在非零向量 使得,则存在线性相关向量,
     
    向量空间中的一组基(basis),具有两个性质:
    1. 他们线性无关;
    2. 他们可以生成
    对于向量空间 ,如果 个向量组成的矩阵为可逆矩阵,则这个向量为该空间的一组基,就是该空间的维数。
     
    例如: ,列向量线性相关,其零空间中有非零向量,