数学笔记

无界但非无穷大：x_n=n^(-1)^n;在无穷大和无穷小之间跳跃的函数；即：两个无界乘积可为无穷小；
无穷小与无穷大：只有定一个才能确定，其他为未定型；
定积分也叫和数极限,当分割的份数为1，即没有分割为积分下限，当分割为无穷份时为积分上限。
每份的高分别为f(⊿x),f(2⊿x),f(3⊿x)
积分与和式的转换：[1,n]的区间可以化成n-1份每份是[k,k+1]即：∫(1,n)f(x)dx=∑(k=1,n-1)∫(k,k+1)f(x)dx;
高阶无穷小转化为极限。
诺必达法则解决的问题都可以转为泰勒公式解决。
对于变限函数先是积分在微分，化成f(x)dx微分，求导就变成函数，所以处理变限积分的常用方法为求导变函数。

分部积分：对谁先积分，d谁？组成形式：AB型，有时A为1.

**********************************************************************************************************************************

矩阵与行列式乘法的区别是由加法的区别引起的，行列式是方程，乘法是某个式子的放缩，矩阵是由意义的方阵，对应的每个元素做加法。


方阵才有逆：只有n到n的一一映射才有逆映射(知道一个y求一个x。


我们如果把矩阵看成一个"算子"的话，矩阵的乘法就能看成一个状态机的推演，推算的过程就是一次算子入栈，反推的过程就是算子出栈


线性空间中的任何一个对象，通过选取基和坐标的办法，都可以表达为向量的形式。
矩阵乘法即为对象的运动，向量代表对象，矩阵代表乘法。矩阵的本质是运动的描述,"运动”的概念不是微积分中的连续性的运动，而是瞬间发生的变化。
所谓非奇异，只对方阵有意义,最常用、最有用的一种变换，就是在同一个线性空间之内的线性变换。也就是说，下面所说的矩阵，不作说明的话，就是方阵，而且是非奇异方阵。


我们可以找到同一个线性变换的矩阵兄弟们的一个性质，那就是：
若矩阵A与B是同一个线性变换的两个不同的描述（之所以会不同，是因为选定了不同的基，也就是选定了不同的坐标系），则一定能找到一个非奇异矩阵P，使得A、B之间满足这样的关系：
A = P-1BP  这就是相似矩阵的定义。没错，所谓相似矩阵，就是同一个线性变换的不同的描述矩阵


所以矩阵又是运动，又是坐标系，那是因为——“运动等价于坐标系变换”


 Ma = b的意思是：
      “向量a经过矩阵M所描述的变换，变成了向量b。”而从第二个方式来看，矩阵M描述了一个坐标系，姑且也称之为M。那么：
      Ma = b的意思是：
      “有一个向量，它在坐标系M的度量下得到的度量结果向量为a，那么它在坐标系I(单位阵的度量下，这个向量的度量结果是b。




而 Ma = Ib的意思就是说：
     “在M坐标系里量出来的向量a，跟在I坐标系里量出来的向量b，其实根本就是一个向量啊！”这哪里是什么乘法计算，根本就是身份识别嘛。从这个意义上我们重新理解一下向量。向量这个东西客观存在，但是要把它表示出来，就要把它放在一个坐标系中去度量它，然后把度量的结果（向量在各个坐标轴上的投影值）按一定顺序列在一起，就成了我们平时所见的向量表示形式。


我们平时说一个向量是[2 3 5 7]T，隐含着是说，这个向量在 I 坐标系中的度量结果是[2 3 5 7]T，因此，这个形式反而是一种简化了的特殊情况。




我现在要变M为I，怎么变？对了，再前面乘以个M-1，也就是M的逆矩阵。换句话说，你不是有一个坐标系M吗，现在我让它乘以个M-1，变成I，这样一来的话，原来M坐标系中的a在I中一量，就得到b了


矩阵M的行列式实际上是组成M的各个向量按照平行四边形法则搭成一个n维立方体的体积。




所以一个变换的特征向量是这样一种向量，它经过这种特定的变换后保持方向不变，只是进行长度上的伸缩而已(再想想特征向量的原始定义Ax=cx,你就恍然大悟了,看到了吗？cx是方阵A对向量x进行变换后的结果，但显然cx和x的方向相同)，而且x是特征向量的话，ax也是特征向量(a是标量且不为零)，所以所谓的特征向量不是一个向量而是一个向量族，另外，特征值只不过反映了特征向量在变换时的伸缩倍数而已，对一个变换而言，特征向量指明的方向才是很重要的，特征值不是那么重要，虽然我们求这两个量时先求出特征值，但特征向量才是更本质的东、西
！求逆阵：伴随阵比逆阵相大模倍。


A^n=pK^np(-1)


a的幂可以转换为相似阵的幂
a的多项式可以转换为相似阵（美丽简洁的描述）的多项式
对角阵：每个元素可以看做一个子阵，即对整个矩阵的操作转换为对每个元素的操作。


 矩阵乘法可以转换为线性变换。即本质都是运动。




秩主要是用来描述行（列）向量组所含向量的“真正”个数，知道了秩是多少，也就知道了最少用多少个向量就能表示这个向量组。




解方程：1，线性变换或矩阵乘法。
2，行列式法d.
常把向量等式转换为矩阵乘积形式。


向量组：即将矩阵拆分。向量组的秩，即可以用几个向量表示这个向量组的任意一个向量。