线性代数、概率论和高数学习记录

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

1. 列向量所张成空间的维度。
2. 矩阵变换后的空间维度。
3. 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