线性代数
1、解方程组也就是找线性组合
2、规范正交基,就是垂直,基的线性组合可以表示空间任意一个向量。
行列式
几何意义
放大率
- 行列式等于0==不可逆
- 行列式不等于0==可逆
矩阵的秩
- 列向量所张成空间的维度。
- 矩阵变换后的空间维度。
- 矩阵的列秩=矩阵的行秩。
基础解系
Ax=0
对于这个齐次线性方程组
- det(A)=0 —— 有非零解
- det(A)!=0 ——只有零解
基础解系(即自由未知量的个数):
个数——n-r(其中r是A的秩,若A是满秩,则只有零解)
是Ax=0的解
之间线性无关
矩阵的迹
- 有交换性
- 有正定性
- 线性性
线性相关(无关)
k1x1+…+knxn=0
线性相关:系数k1不全为0(有xi能被其他x表示)
线性无关:系数k1必须全为0才能满足式子(不能互相表示)
特征值\特征向量
特征向量:在矩阵变换中,没有发生方向变化的向量(无限多个)
特征值:在特征向量上拉伸的倍率
复特征值(i):对应的就是旋转操作
不同特征值对应的特征向量彼此正交
特征空间
定义:某特征值对应的特征向量(线性无关的可能不止一个)的线性组合还是此特征值的特征向量
概率论
全概率:已知条件推结果
贝叶斯:已知结果推条件
随机变量
将样本点映射到数轴
二项分布
n个独立的两种概率的重复试验,成功的次数的概率
泊松分布
随着时间的流逝,某件事情发生的次数增加。当n足够大,p足够小时,就可以用泊松分布。
大数定理
取出x1——xn,当n趋于无穷时,x^-依概率收敛于μ
中心极限定理
满足独立、同分布、方差存在的随机变量,当n足够大时
他们和的标准化随机变量 近似于正态分布。(证明了正态分布的普遍性)
高数
极限
连续与可导
极限
左极限等于右极限等于函数值
可导
这个极限值存在,则在x0可导。
可微
可以理解在某点上有没有切平面。
偏导则就是切线。
s://img-blog.csdnimg.cn/direct/ba8402ff76684c59be60fd62547ed50c.png)
一元函数中,可导一定连续,连续不一定可导
可微的条件更加苛刻
罗尔中值定理
开区间连续,闭区间可导,端点函数值相同,则中间必存在一个点导数为0.
微分中值定理(拉格朗日中值定理)
闭区间连续,开区间可导,则肯定存在一个点的导师(即斜率)与端点连线的斜率一样。
柯西中值定理
泰勒定理
意义:利用多项式函数来逼近原函数
内积、外积
内积 abcosθ
外积 方向遵循右手定则,
大小 absinθ
梯度
各个偏导数求出来组成的向量。
积分中值定理
几何意义:积分值肯定在最大和最小矩形面积之间