考研数学二公式

初等数学

因式分解

$a^3+b^3=(a+b)(a^2-ab+b^2)$

$a^3-b^3=(a-b)(a^2+ab+b^2)$

$a^n-b^n=(a-b)(a^{n-1}+a^{n-2}b+\cdots +a{b}^{n-2}+b^{n-1})$

数列

等差数列

$a_n=a_1+(n-1)d$

$S_n=\frac{1}{2}(a_1+a_n)$

等比数列

$a_n=a_1{q}^{n-1}$

$S_n=\frac{a_1(1-q^n)}{1-q}=\frac{a_1-a_{n}q}{1-q}$

其他

$1^2+2^2+3^2+\cdots +n^2=\frac{1}{6}n(n+1)(2n+1)$

三角

倍角

$\sin 2\alpha =2\sin \alpha \cos \alpha$

$\cos 2\alpha ={\cos }^2\alpha -{\sin }^2\alpha =2{\cos }^2\alpha -1=1-2{\sin }^2\alpha$

$\tan 2\alpha =\frac{2\tan \alpha }{1-{\tan }^2\alpha }$

平方

${\sin }^2\alpha +{\cos }^2\alpha =1$

${\sec }^2\alpha ={\tan }^2\alpha +1$

${\csc }^2\alpha ={\cot }^2\alpha +1$

和差

$\sin (\alpha \pm \beta )=\sin \alpha \cos \beta \pm \cos \alpha \sin \beta$

$\cos (\alpha \pm \beta )=\cos \alpha \cos \beta \mp \sin \alpha \sin \beta$

$\tan (\alpha \pm \beta )=\frac{\tan \alpha \pm \tan \beta }{1\mp \tan \alpha \tan \beta }$

降阶

${\sin }^2\alpha =\frac{1}{2}(1-\cos 2\alpha )$

${\cos }^2\alpha =\frac{1}{2}(1+\cos 2\alpha )$

几何

扇形面积：$S=\frac{r^2\theta }{2}$

扇形弧长：$l=r\theta$

球体体积：$V=\frac{4}{3}\pi R^3$
球体表面积：$S=4\pi R^2$

基本不等式

$\sqrt{ab}\le \frac{a+b}{2}\sqrt{\frac{a^2+b^2}{2}}$

$\sqrt[3]{abc}\le \frac{a+b+c}{3}\le \sqrt{\frac{a^2+b^2+c^2}{3}}$

$(ac+bd{)}^2\le (a^2+b^2)(c^2+d^2)$

一元微分

定义式

$f^{\prime }(x_0)=\underset{\Delta x\to 0}{\lim }\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}=\underset{x\to x_0}{\lim }\frac{f(x)-f(x_0)}{x-x_0}$

$\Delta y=f(x_0+\Delta x)-f(x_0)$

$\text{d}y=f^{\prime }(x_0)\text{d}x$

$\Delta y-\text{d}y=o(\Delta x)$

基本公式(5+10)

$(x^a{)}^{\prime }=a{x}^{a-1},a>0$

$(a^x{)}^{\prime }=a^x\ln a$

$(e^x{)}^{\prime }=e^x$

$({\log }_{a}x{)}^{\prime }=\frac{1}{x\ln a}$

$(\ln |x|{)}^{\prime }=\frac{1}{x}$

$(\sin x{)}^{\prime }=\cos x$

$(\cos x{)}^{\prime }=-\sin x$

$(\tan x{)}^{\prime }={\sec }^{2}x$

$(\cot x{)}^{\prime }=-{\csc }^{2}x$

$(\sec x{)}^{\prime }=\sec x\tan x$

$(\csc x{)}^{\prime }=-\csc x\cot x$

$(\arcsin x{)}^{\prime }=\frac{1}{\sqrt{1-x^2}}$

$(\arccos x{)}^{\prime }=-\frac{1}{\sqrt{1-x^2}}$

$(\arctan x{)}^{\prime }=\frac{1}{1+x^2}$

$(\text{arccot }x{)}^{\prime }=-\frac{1}{1+x^2}$

高阶导数

$(\frac{1}{ax+b}{)}^{(n)}=\frac{(-1{)}^{n}n!a^n}{(ax+b{)}^{n+1}}$

莱布尼茨公式 $(uv{)}^{(n)}=\sum _{k=0}^n{C}_n^k{u}^k{v}^{(n-k)}$

中值定理

介值：$m\le \mu \le M\Rightarrow f(\xi )=\mu$

零点：$f(a)\cdot f(b)<0\Rightarrow f^{\prime }(\xi )=0$

费马：$x=x_0$处连续可导取极值$\Rightarrow f^{\prime }(x_0)=0$（充分不必要条件）

罗尔：$f(a)=f(b)\Rightarrow f^{\prime }(\xi )=0$

拉格朗日：$f(b)-f(a)=f^{\prime }(\xi )(b-a)$

柯西：$\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{f^{\prime }(\xi )}{g^{\prime }(\xi )}$

泰勒：$f(x)=f(x_0)+f^{\prime }(x_0)(x-x_0)+\cdots +\frac{f^{(n)}(x_0)(x-x_0{)}^n}{n!}+\frac{f^{(n+1)}(\xi )(x-x_0{)}^{n+1}}{(n+1)!}$

当$x_0$取$0$时的泰勒公式，称为麦克劳林公式：$f(x)=\sum _{n=0}^{\infty }\frac{f^{(n)}(0)(x{)}^n}{n!}$

麦克劳林展开式(5+5)

$e^x=\sum _{n=0}^{\infty }\frac{x^n}{n!}=1+x+\frac{x^2}{2!}+\frac{x^3}{3!}+o(x^3),-\infty <x<+\infty$

$\ln (1+x)=\sum _{n=1}^{\infty }(-1{)}^{n-1}\frac{x^n}{n}=x-\frac{x^2}{2}+\frac{x^3}{3}+o(x^3),-1<x\le 1$

$\frac{1}{1+x}=\sum _{n=0}^{\infty }(-1{)}^n{x}^n=1-x+x^2-x^3+o(x^3),-1<x<1$

$\frac{1}{1-x}=\sum _{n=0}^{\infty }{x}^n=1+x+x^2+x^3+o(x^3),-1<x<1$

$(1+x{)}^a=1+ax+\frac{a(a-1)}{2!}{x}^2+\frac{a(a-1)(a-2)}{3!}{x}^3+o(x^3)$

$\sin x=\sum _{n=0}^{\infty }(-1{)}^n\frac{x^{2n+1}}{(2n+1)!}=x-\frac{x^3}{3!}+\frac{x^5}{5!}+o(x^5),-\infty <x<+\infty$

$\cos x=\sum _{n=0}^{\infty }(-1{)}^n\frac{x^{2n}}{(2n)!}=1-\frac{x^2}{2!}+\frac{x^4}{4!}+o(x^4),-\infty <x<+\infty$

$\tan x=x+\frac{x^3}{3}+o(x^3)$

$\arctan x=x-\frac{x^3}{3}+\frac{x^5}{5}+o(x^3)$

$\arcsin x=x+\frac{x^3}{3!}+o(x^3)$

一元微分的几何应用

渐近线

斜渐近线$a=\underset{x\to \infty }{\lim }\frac{f(x)}{x}$，$b=\underset{x\to \infty }{\lim }[f(x)-ax]$

弧微分

直角坐标方程：$\text{d}s=\sqrt{1+[y^{\prime }(x){]}^2}\text{d}x$

参数方程：$\text{d}s=\sqrt{[x^{\prime }(t){]}^2+[y^{\prime }(t){]}^2}\text{d}t$

极坐标方程：$\text{d}s=\sqrt{[r(\theta ){]}^2+[r^{\prime }(\theta ){]}^2}\text{d}\theta$

曲率、曲率半径

$k=\frac{|y^{\prime \prime }|}{[1+(y^{\prime }{)}^2{]}^{\frac{3}{2}}}$

$R=\frac{1}{k}=\frac{[1+(y^{\prime }{)}^2{]}^{\frac{3}{2}}}{|y^{\prime \prime }|}$

不定积分

基本公式(10+10)

$\int x^{k}dx=\frac{1}{k+1}{x}^{k+1}+C,k\ne -1$

$\int \frac{1}{x}dx=\ln |x|+C$

$\int e^{x}dx=e^x+C$

$\int a^{x}dx=\frac{1}{\ln a}\cdot a^x+C$

$\int \frac{1}{a^2+x^2}dx=\frac{1}{a}\arctan \frac{x}{a}+C$

$\int \frac{1}{\sqrt{a^2-x^2}}dx=\arcsin \frac{x}{a}+C$

$\int \frac{1}{x^2-a^2}dx=\frac{1}{2a}\ln |\frac{x-a}{x+a}|+C$

$\int \frac{1}{a^2-x^2}dx=\frac{1}{2a}\ln |\frac{x+a}{x-a}|+C$

$\int \frac{1}{\sqrt{x^2-a^2}}dx=\ln |x+\sqrt{x^2-a^2}|+C$

$\int \frac{1}{\sqrt{x^2+a^2}}dx=\ln |x+\sqrt{x^2+a^2}|+C$

$\int \sin x=-\cos x+C$

$\int \cos x=\sin x+C$

$\int \tan x=-\ln |\cos x|+C$

$\int \cot x=\ln |\sin x|+C$

$\int \sec x=\ln |\sec x+\tan x|+C$

$\int \csc x=\ln |\csc x-\cot x|+C$

$\int {\sec }^{2}x=\tan x+C$

$\int {\csc }^{2}x=-\cot x+C$

$\int \sec x\tan x=\sec x+C$

$\int \csc x\cot x=-\csc x+C$

三角有理函数常用公式

$1+\cos x=2{\cos }^2\frac{x}{2}$

$1+\sin x=(\sin \frac{x}{2}+\cos \frac{x}{2}{)}^2$

$\sin x+\cos x=\sqrt{2}\cos (x-\frac{\pi }{4})$

$\frac{1}{1+\sin x}=\frac{1}{1+\cos (\frac{\pi }{2}-x)}=\frac{1}{2{\cos }^2(\frac{\pi }{4}-\frac{2}{x})}={\sec }^2(\frac{\pi }{4}-\frac{2}{x})$

换元积分

第一类换元积分法

$\int f[\phi (x)]{\phi }^{\prime }(x)\text{d}x=\int f[\phi (x)]\text{d}[\phi (x)]\stackrel{u=\phi (x)}{=}\int f(u)\text{d}u=F(u)+C=F[\phi (x)]+C$

第二类换元积分法

$\int f(x)\text{d}x\stackrel{x=\phi (t)}{=}\int f[\phi (t)]{\phi }^{\prime }(t)\text{d}t=\int g(t)\text{d}t=G(t)+C=G[{\phi }^{-1}(x)]+C$

分部积分

$\int u\text{d}v=uv-\int v\text{d}u$

定积分

$n$项和

$\underset{n\to \infty }{\lim }\sum _{i=1}^{n}f(\frac{i}{n})\cdot \frac{1}{n}={\int }_0^{1}f(x)dx$

积分上限函数

求导：

$F^{\prime }(x)=\frac{d}{dx}[{\int }_{{\varphi }_1(x)}^{{\varphi }_2(x)}f(t)dt]=f[{\varphi }_2(x)]{\varphi }_2^{\prime }(x)-f[{\varphi }_1(x)]{\varphi }_1^{\prime }(x)$

牛顿-莱布尼茨公式

${\int }_a^{b}f(x)\text{d}x=F(b)-F(a)$

积分中值定理

${\int }_a^{b}f(x)dx=f(\xi )(b-a)$，$\xi \in [a,b]$

${\int }_a^{b}f(x)g(x)dx=f(\xi ){\int }_a^{b}g(x)dx$，$g(x)$不变号

特殊性质

${\int }_{-a}^{a}f(x)={\int }_0^a[f(x)+f(-x)]\text{d}x$

${\int }_a^{b}f(x)dx={\int }_a^{b}f(a+b-x)dx$

当$n$为大于等于2的偶数时，${\int }_0^{\frac{\pi }{2}}{\sin }^{n}xdx={\int }_0^{\frac{\pi }{2}}{\cos }^{n}xdx=\frac{n-1}{n}\cdot \frac{n-3}{n-2}\cdots \frac{1}{2}\cdot \frac{\pi }{2}=\frac{(2n-1)!!}{(2n)!!}\cdot \frac{\pi }{2}$

当$n$为大于等于3的奇数时，${\int }_0^{\frac{\pi }{2}}{\sin }^{n}xdx={\int }_0^{\frac{\pi }{2}}{\cos }^{n}xdx=\frac{n-1}{n}\cdot \frac{n-3}{n-2}\cdots \frac{2}{3}=\frac{(2k)!!}{(2k+1)!!}$

反常积分

${\int }_1^{+\infty }\frac{1}{x^p}dx$当$p>1$时收敛，$p<=1$时发散（越大越收敛）

${\int }_0^1\frac{1}{x^p}dx$当$p>=1$时发散，$0<p<1$时收敛（越小越收敛），有多个因式时仅看无穷小的因式

$p=1$时都发散

几何应用

平面图形面积

参数方程：$S={\int }_a^{b}y(t)\text{d}x(t)$

极坐标系：$S={\int }_{\alpha }^{\beta }\frac{1}{2}{r}^2(\theta )d\theta$

平面曲线弧长

直角坐标方程：$s={\int }_a^b\sqrt{1+[y^{\prime }(x){]}^2}dx$

参数方程：$s={\int }_{\alpha }^{\beta }\sqrt{[x^{\prime }(t){]}^2+[y^{\prime }(t){]}^2}dt$

极坐标方程：$s={\int }_{\alpha }^{\beta }\sqrt{[r(\theta ){]}^2+[r^{\prime }(\theta ){]}^2}d\theta$

旋转体体积

$V_x=\pi {\int }_a^b|y_1^2(x)-y_2^2(x)|dx$

记：$\pi y^2\text{d}x$

$V_y=2\pi {\int }_a^{b}x|y_1(x)-y_2(x)|dx$

记：$2\pi xy\text{d}x$

旋转体侧面积

直角坐标方程绕$x$轴：$S=2\pi {\int }_a^b|y(x)|\sqrt{1+[y^{\prime }(x){]}^2}dx$

记：$2\pi y\text{d}s$

参数方程绕$x$轴：$S=2\pi {\int }_{\alpha }^{\beta }|y(t)|\sqrt{[x^{\prime }(t){]}^2+[y^{\prime }(t){]}^2}dt$

记：$2\pi y\text{d}s$

物理应用

多元微分

概念

全增量

$\Delta z=\underset{\genfrac{}{}{0ex}{}{\Delta x\to 0}{\Delta y\to 0}}{\lim }f(x+\Delta x,y+\Delta x)-f(x,y)=A\Delta x+B\Delta y+o(\rho )$，其中，$A=f_x^{\prime }(x,y),B=f_y^{\prime }(x,y),\rho =\sqrt{x^2+y^2}$

全微分

$dz=f_x^{\prime }(x,y)\text{d}x+f_y^{\prime }(x,y)\text{d}y$

偏增量

$\Delta z_x=\underset{\Delta x\to 0}{\lim }f(x+\Delta x,y)-f(x,y)=A\Delta x+o(\rho )$

偏导

$f_x^{\prime }(x_0,y_0)=\underset{x\to x_0}{\lim }\frac{f(x,y_0)-f(x_0,y_0)}{x-x_0}$

可微的判别：

1. 根据定义：$\Delta z=A\Delta x+B\Delta y+o(\rho )$，其中$A$是$z$对$x$的偏导数，$B$是$z$对$y$的偏导数
2. 根据充要条件：$\underset{\rho \to 0}{\lim }\frac{\Delta z-A\Delta x-B\Delta y}{\rho }=0$

无条件极值

$A=f_{xx}^{\prime \prime }(x_0,y_0),B=f_{xy}^{\prime \prime }(x_0,y_0),C=f_{yy}^{\prime \prime }(x_0,y_0)$

$AC-B^2>0,A<0$，则$(x_0,y_0)$为极大值点

$AC-B^2>0,A>0$，则$(x_0,y_0)$为极小值点

$AC-B^2<0$，则$(x_0,y_0)$不是极值点

条件极值

拉格朗日乘数法

$z=f(x,y)$在约束条件$\phi (x,y)=0$条件下

令$F=f(x,y)+\lambda \phi (x,y)$，由以下三个方程求出$(x,y)$的值，并确定最优解

$F_x^{\prime }=f_x^{\prime }+\lambda {\phi }_x^{\prime }=0$

$F_y^{\prime }=f_y^{\prime }+\lambda {\phi }_y^{\prime }=0$

$F_{\lambda }^{\prime }=\phi (x,y)=0$

极大极小由实际问题决定

二重积分

单位正方形区域上的二重积分

$\underset{\genfrac{}{}{0ex}{}{m\to \infty }{n\to \infty }}{\lim }\frac{1}{mn}\sum _{i=1}^m\sum _{i=1}^{n}f(\frac{i}{m},\frac{j}{n})=\underset{D}{\iint }f(x,y)\text{d}x\text{d}y,D=\{(x,y)|0\le x\le 1,0\le y\le 1\}$

二重积分中值定理(新增考点)

$\underset{D}{\iint }f(x,y)\text{d}x\text{d}y=f(\xi ,\eta )A$，$A$为区域的面积

特殊性质

1. 关于$y=x$对称的区域，被积函数$x$和$y$可以互换
2. 关于$x$轴对称的区域，被积函数是$y$的积函数的项积分为$0$，可以直接去掉；关于$y$轴对称同理

极坐标系下的二重积分

令$x=r\cos \theta ,y=r\sin \theta$

$\underset{D}{\iint }f(x,y)\text{d}\sigma ={\int }_{\alpha }^{\beta }\text{d}\theta {\int }_{r_1(\theta )}^{r_2(\theta )}f(r\cos \theta ,r\sin \theta )r\text{d}r$

极坐标系下$\text{d}\sigma =r\text{d}r\text{d}\theta$

几何应用

柱体体积

$V=\underset{Dxy}{\iint }|z(x,y)|d\sigma$

总质量

$m=\underset{D}{\iint }\rho (x,y)\sigma$

微分方程

一阶

（可分离变量）能写成$y^{\prime }=f(x)\cdot g(y)$，直接分离变量

（齐次微分方程）能写成$y^{\prime }=f(\frac{y}{x})$或$y^{\prime }=f(\frac{x}{y})$，令$u=\frac{y}{x}$ ，$\frac{\text{d}y}{\text{d}x}=u+x\frac{\text{d}u}{\text{d}x}$，或令$u=\frac{x}{y}$ ，$x$当作$y$的函数，$\frac{\text{d}x}{\text{d}y}=u+y\frac{\text{d}u}{\text{d}y}$

（一阶齐次线性）能写成$y^{\prime }+p(x)y=0$，用公式法：$y=C{e}^{-\int p(x)\text{d}x}$

（一阶非齐次线性）能写成$y^{\prime }+p(x)y=q(x)$，用公式法：$y=e^{-\int p(x)\text{d}x}[\int e^{\int p(x)\text{d}x}q(x)\text{d}x+C]$

能写成$y^{\prime }=f(ax+by+c)$，令$u=ax+by+c$

二阶可降阶

不显含$y$，令$y^{\prime }=p$，$y^{\prime \prime }=\frac{dp}{dx}$；或者先当作一阶把$y^{\prime }$解出来

不显含$x$，令$y^{\prime }=p$，$y^{\prime \prime }=\frac{dp}{dy}p$

二阶常系数线性

(1) 二阶常系数齐次线性：$y^{\prime \prime }+p{y}^{\prime }+qy=0$

(2) 二阶常系数非齐次线性：$y^{\prime \prime }+p{y}^{\prime }+qy=f(x)$

齐次的通解

特征方程：${\lambda }^2+p\lambda +q=0$

若$p^2-4q>0$，$y=C_1{e}^{{\lambda }_{1}x}+C_2{e}^{{\lambda }_{2}x}$

若$p^2-4q=0$，$y=(C_1+C_{2}x)e^{\lambda x}$

若$p^2-4q<0$，$y=e^{\alpha x}(C_1\cos \beta x+C_2\sin \beta x)$，$\alpha ,\beta$是实部和虚部

非齐次的特解

当自由项$f(x)=P_n(x)e^{\alpha x}$时，特解设为$y^{\ast }=x^k{Q}_n(x)e^{\alpha x}$，$k$为与$\alpha$相同的$\lambda$的个数（无实根就是0），$Q$是与$P$最高次数相同的待定系数多项式

当自由项$f(x)=e^{\alpha x}[P_m(x)\cos \beta x+P_n(x)\sin \beta x]$时，特解设为$y^{\ast }=e^{\alpha x}[Q_l^{(1)}(x)\cos \beta x+Q_l^{(2)}(x)\sin \beta x]x^k$， l = max ⁡ { m , n } l=\max\{m, n\} l=max{m,n}，$k$取决于$\alpha \pm \beta i$是否为特征根，是则为1

非齐次的通解

非齐次的通解=齐次的通解+非齐次的特解

高阶

通解

单实根：$y=C{e}^{\lambda x}$

重实根：$y=(C_1+C_{2}x+C_3{x}^2+\cdots +C_k{x}^{k-1})e^{\lambda x}$（有高阶必有低阶）

单复根$\alpha \pm \beta i$：$y=e^{ax}(C_1\cos \beta x+C_2\sin \beta x)$（成对出现）

行列式、矩阵、向量、线性方程组

拉普拉斯公式

$\left|\begin{array}{cc}A& O\\ O& B\end{array}\right|=|A||B|$

$\left|\begin{array}{cc}O& A\\ B& O\end{array}\right|=(-1{)}^{mn}|A||B|$

范德蒙行列式

$\left|\begin{array}{cccc}1& 1& \cdots & 1\\ x_1& x_2& \cdots & x_n\\ \cdots & \cdots & \cdots & \cdots \\ x_1^{n-1}& x_2^{n-1}& \cdots & x_n^{n-1}\end{array}\right|=\prod _{1\le i<j\le n}(x_j-x_i)$

（所有下标大减下标小的乘积）

矩阵基本公式

记住几个基本的，其他可以推导

$AA^*=A*A=|A|E $ $,A^{\ast }=A^{-1}|A|,A^{-1}=\frac{A^{\ast }}{|A|}$

$(kA{)}^{\ast }=k^{n-1}{A}^{\ast },(kA{)}^T=k{A}^T,(kA{)}^{-1}=\frac{1}{k}{A}^{-1},|kA|=k^n|A|$

$(AB{)}^{\ast }=B^{\ast }{A}^{\ast },(AB{)}^T=B^T{A}^T,(AB{)}^{-1}=B^{-1}{A}^{-1}$

$(A^{\ast }{)}^{-1}=(A^{-1}{)}^{\ast },(A^{\ast }{)}^T=(A^T{)}^{\ast },(A^T{)}^{-1}=(A^{-1}{)}^T$

$|A^{-1}|=\frac{1}{|A|}$

$|A^{\ast }|=|A{|}^{n-1},|(A^{\ast }{)}^{\ast }|=|A{|}^{(n-1{)}^2}$

$(A^{\ast }{)}^{\ast }=|A{|}^{n-2}A$

伴随

伴随矩阵是代数余子矩阵的转置矩阵

$\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]$的伴随矩阵是$\left[\begin{array}{cc}D& -B\\ -C& A\end{array}\right]$

逆

可逆的充要条件：

1. 行列式不为0
2. 可表示为有限个初等矩阵相乘
3. 秩为$n$
4. 特征值都不为0

方阵

$\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]\left[\begin{array}{cc}X& Y\\ Z& W\end{array}\right]=\left[\begin{array}{cc}AX+BZ& AY+BW\\ CX+DZ& CY+DW\end{array}\right]$

${\left[\begin{array}{cc}O& A\\ B& O\end{array}\right]}^k=(-1{)}^{mn}|A||B|$

${\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]}^k=\left[\begin{array}{cc}{A}^k& O\\ O& B^k\end{array}\right]$

${\left[\begin{array}{cc}B& O\\ D& C\end{array}\right]}^{-1}=\left[\begin{array}{cc}{B}^{-1}& O\\ -C^{-1}D{B}^{-1}& C^{-1}\end{array}\right]$

${\left[\begin{array}{cc}B& D\\ O& C\end{array}\right]}^{-1}=\left[\begin{array}{cc}{B}^{-1}& -B^{-1}D{C}^{-1}\\ O& C^{-1}\end{array}\right]$

${\left[\begin{array}{cc}O& B\\ C& D\end{array}\right]}^{-1}=\left[\begin{array}{cc}-C^{-1}D{B}^{-1}& C^{-1}\\ B^{-1}& O\end{array}\right]$

${\left[\begin{array}{cc}D& B\\ C& O\end{array}\right]}^{-1}=\left[\begin{array}{cc}O& C^{-1}\\ B^{-1}& -B^{-1}D{C}^{-1}\end{array}\right]$

向量

性质：

$(\alpha ,\beta )=(\beta ,\alpha )={\alpha }^T\beta ={\beta }^T\alpha$

$(\alpha ,\alpha )=|\alpha {|}^2$

内积是对应的分量相乘再相加，内积等于0说明正交

方程个数少于未知数个数，也是线性相关

非零正交的向量两两之间线性无关

向量组等价：两组中的每个向量都能被另一组向量表示

秩

性质：

$r(A)=r(A^T)=r(A{A}^T)=r(A^{T}A)$

$r(A+B)\le r(A)+r(B)$

$r(\alpha {\alpha }^T)=1$

r ( A B ) ≤ min ⁡ { r ( A ) , r ( B ) } r(AB)\leq\min\{r(A), r(B)\} r(AB)≤min{r(A),r(B)}

max { r ( A ) , r ( B ) } ≤ r ( A , B ) ≤ r ( A ) + r ( B ) \text{max}\{r(A),r(B)\}\leq r(A,B)\leq r(A)+r(B) max{r(A),r(B)}≤r(A,B)≤r(A)+r(B)

若$A$可逆，则$r(AB)=r(B),r(BA)=r(B)$

【重要】 若$A_{m\times n}{B}_{n\times s}=O$，则$r(A)+r(B)\le n$ （$B$看作未知数，解空间维度$\le n-r(A)$）

当$r(A)=n$时，$r(A^{\ast })=n$

当$r(A)=n-1$时，$r(A^{\ast })=1$

当$r(A)<n-1$时，$r(A^{\ast })=0$

相似理论、二次型

特征值与特征向量

特征值与特征向量的定义：$A\alpha =\lambda \alpha$

求特征值：$|\lambda E-A|=0$

特征值不一定是实数

$n$阶行列式有$n$个特征值（特征值可能是多重的）

一个矩阵的多个特征值对应的特征向量线性无关（仅取基础解系）（多重特征值不一定有多个特征向量）

矩阵	$A$	$kA$	$A^k$	$f(A)$	$A^{-1}$	$A^{\ast }$	$P^{-1}$
特征值	$\lambda$	$k\lambda$	${\lambda }^k$	$f(\lambda )$	$\frac{1}{\lambda }$	$\frac{	A
对应的特征向量	$\xi$	$\xi$	$\xi$	$\xi$	$\xi$	$\xi$	$P^{-1}\xi$

特征值的性质：

1. 特征值之积等于行列式
2. 特征值之和等于迹
3. 可逆矩阵每个特征值都不等于0（特征值之积等于行列式，可逆矩阵行列式不等于0）

相似

相似的定义：$P^{-1}AP=B$，则$A,B$相似，记作$A\sim B$

相似的性质：

$A\sim B\Rightarrow$

1. ${\lambda }_A={\lambda }_B$ （$|\lambda E-A|=|\lambda E-B|$）
2. $|A|=|B|$ （特征值相同，特征值之积等于行列式）
3. $\text{tr}(A)=\text{tr}(B)$ （特征值相同，特征值之和等于迹）
4. $r(A)=r(B)$ （乘以可逆矩阵，秩不变）

实对称矩阵

定义：$A=A^T$

实对称矩阵的性质：

1. 实对称矩阵特征向量是实数
2. 实对称矩不同特征值对应的特征向量正交
3. 一定可以相似对角化（一定有n个线性无关的特征向量）
4. 实对称矩阵之间进行运算，得到的结果还是实对称矩阵

实对称矩阵相似的充要条件：特征值相同

相似对角化

相似对角化就是找相似的对角矩阵

可相似对角化的充要条件是存在n个线性无关的特征向量

正交向量

定义：$(\alpha ,\beta )=0$，则$\alpha ,\beta$正交

施密特正交化

${\beta }_1={\alpha }_1$

${\beta }_2={\alpha }_2-\frac{({\alpha }_2,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1$

${\beta }_3={\alpha }_3-\frac{({\alpha }_3,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1-\frac{({\alpha }_3,{\beta }_2)}{({\beta }_2,{\beta }_2)}{\beta }_2$

${\beta }_n={\alpha }_n-\frac{({\alpha }_n,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1-\cdots -\frac{({\alpha }_n,{\beta }_{n-1})}{({\beta }_{n-1},{\beta }_{n-1})}{\beta }_{n-1}$

单位化（规范化）

${\gamma }_1=\frac{1}{|{\beta }_1|}{\beta }_1,\cdots ,{\gamma }_n=\frac{1}{|{\beta }_n|}{\beta }_n$

施密特正交后得到的向量仍然是原来的特征值对应的特征向量

（施密特变换后仍然在特征子空间之内）

同一个特征值对应的特征向量正交化后得到的向量仍然是特征向量，但不用特征值对应的特征向量正交化后得到的向量不再是特征向量

https://www.zhihu.com/question/406817438/answer/1343293191

实对称矩阵相似对角单位化后，还可以使$P$正交单位化

正交矩阵

定义：$A^{T}A=E$，则$A$是正交矩阵

（矩阵中的向量两两正交且规范）

性质：

1. $A^{-1}=A^T$ （$A^{T}A=E,A^{-1}A=E$）
2. 行列式等于$\pm 1$ （$|A^T||A|=1,|A{|}^2=1$）
3. 特征值等于$\pm 1$

二次型

标准二次型：对角阵

配方法

正交变换法

与实对称矩阵相似对角化类似，$Q^{-1}AQ=B,Q^{-1}=Q^T,Q^{T}AQ=B$

正定

定义：$\forall x\ne 0,X^{T}AX>0$

性质：

1. $X^{T}AX\ge 0$
2. $X^{T}AX=0$当且仅当$X=0$

充要条件：

1. 所有特征值大于0
2. 顺序主子式大于0
3. …

合同

合同的定义：$P^{T}AP=B$，则$A,B$合同，记作$A\simeq B$

合同矩阵的性质：惯性指数相同

实对称矩阵合同的充要条件：$A,B$正负特征值的个数相同