您的当前位置:首页正文

考研数学三公式大全

2020-01-12 来源:钮旅网
高等数学公式

导数公式:

(tanx)sec2x(cotx)csc2x(secx)secxtanx(cscx)cscxcotx(ax)axlna(logax)基本积分表:

(arcsinx)11xlna1x21(arccosx)1x21(arctanx)1x21(arccotx)1x2tanxdxlncosxCcotxdxlnsinxCsecxdxlnsecxtanxCcscxdxlncscxcotxCdx1xarctanCa2x2aadx1xalnx2a22axaCdx1axa2x22alnaxCdxxarcsinCa2x2a2ndx2seccos2xxdxtanxCdx2cscsin2xxdxcotxCsecxtanxdxsecxCcscxcotxdxcscxCaxadxlnaCxshxdxchxCchxdxshxCdxx2a2ln(xx2a2)C2Insinxdxcosnxdx00n1In2nxa222xadxxaln(xx2a2)C22xa22222xadxxalnxx2a2C22xa2x2222axdxaxarcsinC22a22三角函数的有理式积分:

A.积化和差公式: B.和差化积公式:

①sinsin2sin2222③coscos2cos④coscos2sin cossin2222bca1.正弦定理:===2R(R为三角形外接圆半径)

sinAsinBsinCcos②sinsin2cossin

2..余弦定理:

a2=b2+c2-2bccosAb2=a2+c2-2accosBc2=a2+b2-2ab

b2c2a2 cosCcosA2bc1111abc3.S⊿=aha=absinC=bcsinA=acsinB==2R2sinAsinBsinC

22224Ra2sinBsinCb2sinAsinCc2sinAsinB====pr=p(pa)(pb)(pc)

2sinB2sinA2sinC1(其中p(abc),r为三角形内切圆半径)4.诱导公试

2 sin -sin cos tan cot -ctg -ctg +ctg -ctg +ctg cot 三角函数值等于的同名三角函数值,前面加上一个把看作锐角时,原三角函数值的符号;即:函数名不变,符号看象限

- - +cos -tg -tg +tg +sin -cos -sin -sin -cos + 2- 2k+ +cos -tg 5.和差角公式

+sin +cos +tg sin +cos +cos -cos -cos cos +sin -sin -sin +sin tan ①sin()sincoscossin②

cos()coscossinsin +ctg +tg -ctg -tg

+ctg +tg -ctg -tg ③tg()tgtg④tgtgtg()(1tgtg)

1tgtg6.二倍角公式:(含万能公式)

①sin22sincos222tg 21tg221tg2②cos2cossin2cos112sin

1tg2tg21cos22tg1cos222sin③tg2④⑤cos1tg221tg22 7.半角公式:(符号的选择由所在的象限确定)

2①sin21cos1cos1cos②sin2③cos 222221cos⑤1cos2sin2⑥1cos2cos2 222④cos22⑦1sin(cossin)2cossin2222

⑧tg21cossin1cos

1cos1cossin高阶导数公式——莱布尼兹(Leibniz)公式: 中值定理与导数应用: 多元函数微分法及应用 多元函数的极值及其求法: 常数项级数: 级数审敛法:

绝对收敛与条件收敛: 函数展开成幂级数: 幂级数:

一些函数展开成幂级数: 欧拉公式:

微分方程的相关概念

一阶微分方程:yf(x,y) 或 P(x,y)dxQ(x,y)dy0可分离变量的微分方程:一阶微分方程可以化为g(y)dyf(x)dx的形式,解法:g(y)dyf(x)dx  得:G(y)齐次方程:一阶微分方程可以写成F(x)C称为隐式通解。dyyf(x,y)(x,y),即写成的函数,解法:dxxydydududxduy设u,则ux,u(u),分离变量,积分后将代替u,xdxdxdxx(u)u即得齐次方程通解。

一阶线性微分方程: 全微分方程: 二阶微分方程:

二阶常系数齐次线性微分方程及其解法: (*)式的通解 两个不相等实根(p24q0) 两个相等实根(p24q0) 一对共轭复根(p24q0) 二阶常系数非齐次线性微分方程 线性代数公式大全——最新修订 1、行列式

n行列式共有n2个元素,展开后有n!项,可分解为2n行列式;

代数余子式的性质: ①、Aij和aij的大小无关;

②、某行(列)的元素乘以其它行(列)元素的代数余子式为0; ③、某行(列)的元素乘以该行(列)元素的代数余子式为A; 代数余子式和余子式的关系:Mjij(1)iAijAij(1)ijMij

设n行列式D:

n(n1)将D上、下翻转或左右翻转,所得行列式为D1,则D1(1)2D; n(n1)将D顺时针或逆时针旋转90,所得行列式为D2,则D2(1)2D;

将D主对角线翻转后(转置),所得行列式为D3,则D3D;

将D主副角线翻转后,所得行列式为D4,则D4D; 行列式的重要公式:

①、主对角行列式:主对角元素的乘积;

x②、副对角行列式:副对角元素的乘积(1)n(n1)2;

③、上、下三角行列式(◥◣):主对角元素的乘积; ④、◤和◢:副对角元素的乘积(1)⑤、拉普拉斯展开式:

n(n1)2;

AOCBACOBAB、

CABOOABC(1)mnAB

⑥、范德蒙行列式:大指标减小指标的连乘积; ⑦、特征值;

对于n阶行列式A,恒有:EAn(1)kSknk,其中Sk为k阶主子式;

k1n证明A0的方法: ①、AA; ②、反证法;

③、构造齐次方程组Ax0,证明其有非零解; ④、利用秩,证明r(A)n; ⑤、证明0是其特征值; 2、矩阵 1.

A是n阶可逆矩阵:

A0(是非奇异矩阵); r(A)n(是满秩矩阵) A的行(列)向量组线性无关; 齐次方程组Ax0有非零解; bRn,Axb总有唯一解; A与E等价;

A可表示成若干个初等矩阵的乘积; A的特征值全不为0; ATA是正定矩阵;

A的行(列)向量组是Rn的一组基; A是Rn中某两组基的过渡矩阵;

对于n阶矩阵A:AA*A*AAE无条件恒成立;

矩阵是表格,推导符号为波浪号或箭头;行列式是数值,可求代数和; 关于分块矩阵的重要结论,其中均A、B可逆:

A1若AA2,则: AsAs;

Ⅰ、AA1A2A111Ⅱ、A11A2; As1O;(主对角分块) B1B1;(副对角分块) OA1CB1;(拉普拉斯) B1O;(拉普拉斯) B1A1AO②、OBOOOA③、1BOAA1AC④、OBO111A1AO⑤、11CBBCA3、矩阵的初等变换与线性方程组 1.

E一个mn矩阵A,总可经过初等变换化为标准形,其标准形是唯一确定的:FrOO; Omn等价类:所有与A等价的矩阵组成的一个集合,称为一个等价类;标准形为其形状最简单的矩阵; 对于同型矩阵A、B,若r(A)r(B)AB; 行最简形矩阵:

①、只能通过初等行变换获得; ②、每行首个非0元素必须为1;

③、每行首个非0元素所在列的其他元素必须为0;

初等行变换的应用:(初等列变换类似,或转置后采用初等行变换)

①、 若(A,E)(E,X),则A可逆,且XA1;

②、对矩阵(A,B)做初等行变化,当A变为E时,B就变成A1B,即:(A,B)(E,A1B);

③、求解线形方程组:对于n个未知数n个方程Axb,如果(A,b)(E,x),则A可逆,且xA1b; 初等矩阵和对角矩阵的概念:

①、初等矩阵是行变换还是列变换,由其位置决定:左乘为初等行矩阵、右乘为初等列矩阵;

rrc1②、2,左乘矩阵A,乘A的各行元素;右乘,乘A的各列元素;

iin11111③、对调两行或两列,符号E(i,j),且E(i,j)E(i,j),例如:1;

11111111④、倍乘某行或某列,符号E(i(k)),且E(i(k))E(i()),例如:kkk11(k0); 1kk11⑤、倍加某行或某列,符号E(ij(k)),且E(ij(k))1E(ij(k)),如:11(k0);

11矩阵秩的基本性质:

①、0r(Amn)min(m,n); ②、r(AT)r(A); ③、若AB,则r(A)r(B);

④、若P、Q可逆,则r(A)r(PA)r(AQ)r(PAQ);(可逆矩阵不影响矩阵的秩) ⑤、max(r(A),r(B))r(A,B)r(A)r(B);(※) ⑥、r(AB)r(A)r(B);(※) ⑦、r(AB)min(r(A),r(B));(※)

⑧、如果A是mn矩阵,B是ns矩阵,且AB0,则:(※)

Ⅰ、B的列向量全部是齐次方程组AX0解(转置运算后的结论); Ⅱ、r(A)r(B)n

⑨、若A、B均为n阶方阵,则r(AB)r(A)r(B)n; 三种特殊矩阵的方幂:

①、秩为1的矩阵:一定可以分解为列矩阵(向量)行矩阵(向量)的形式,再采用结合律;

1ac②、型如01b的矩阵:利用二项展开式;

001

二项展开式:(ab)CaCan0nn1nn11bCamnnmbmCn11n1nabmmnm; CbCnabnnnm0n注:Ⅰ、(ab)n展开后有n1项;

mⅡ、Cnn(n1)(nm1)n!123mm!(nm)!mnnmn0nCnCn1

nⅢ、组合的性质:CCCmn1CCmnm1n Cr0rn2nrr1rCnnCn1;

③、利用特征值和相似对角化: 伴随矩阵:

n①、伴随矩阵的秩:r(A*)10②、伴随矩阵的特征值:

r(A)nr(A)n1; r(A)n1A(AXX,A*AA1A*XAX);

③、A*AA1、A*An1

关于A矩阵秩的描述:

①、r(A)n,A中有n阶子式不为0,n1阶子式全部为0;(两句话) ②、r(A)n,A中有n阶子式全部为0; ③、r(A)n,A中有n阶子式不为0;

线性方程组:Axb,其中A为mn矩阵,则: ①、m与方程的个数相同,即方程组Axb有m个方程; ②、n与方程组得未知数个数相同,方程组Axb为n元方程; 线性方程组Axb的求解:

①、对增广矩阵B进行初等行变换(只能使用初等行变换); ②、齐次解为对应齐次方程组的解; ③、特解:自由变量赋初值后求得;

由n个未知数m个方程的方程组构成n元线性方程:

a11x1a12x2a1nxnb1axaxaxb2222nn2①、211;

am1x1am2x2anmxnbna1nx1b1a11a12aaa21222nx2b2Axb(向量方程,A为mn矩阵,m个方程,n个未知数)②、 aaam2mnxmm1bmx1b1x2b③、a1a2an(全部按列分块,其中2); xnbn④、a1x1a2x2anxn(线性表出)

⑤、有解的充要条件:r(A)r(A,)n(n为未知数的个数或维数) 4、向量组的线性相关性

1. m个n维列向量所组成的向量组A:1,2,,m构成nm矩阵A(1,2,,m);

Tm个n维行向量所组成的向量组B:1T,2,1TTT构成mn矩阵B2; ,mTm含有有限个向量的有序向量组与矩阵一一对应; ①、向量组的线性相关、无关

②、向量的线性表出

Ax0有、无非零解;(齐次线性方程组) Axb是否有解;(线性方程组)

③、向量组的相互线性表示 AXB是否有解;(矩阵方程)

矩阵Amn与Bln行向量组等价的充分必要条件是:齐次方程组Ax0和Bx0同解;(P101例14) r(ATA)r(A);(P101例15) n维向量线性相关的几何意义:

0; ①、线性相关

②、,线性相关 ,坐标成比例或共线(平行);

③、,,线性相关 ,,共面;

线性相关与无关的两套定理: 若1,2,,s线性相关,则1,2,若1,2,,s,s1必线性相关;

,s1必线性无关;(向量的个数加加减减,二者为对偶)

,s线性无关,则1,2,若r维向量组A的每个向量上添上nr个分量,构成n维向量组B:

若A线性无关,则B也线性无关;反之若B线性相关,则A也线性相关;(向量组的维数加加减减) 简言之:无关组延长后仍无关,反之,不确定;

向量组A(个数为r)能由向量组B(个数为s)线性表示,且A线性无关,则rs(二版P74定理7);

向量组A能由向量组B线性表示,则r(A)r(B);(P86定理3) 向量组A能由向量组B线性表示

AXB有解;

r(A)r(A,B)(P85定理2)

向量组A能由向量组B等价r(A)r(B)r(A,B)(P85定理2推论)

方阵A可逆存在有限个初等矩阵P1,P2,r,Pl,使AP1P2Pl;

①、矩阵行等价:A~BPAB(左乘,P可逆)Ax0与Bx0同解 ②、矩阵列等价:A~BAQB(右乘,Q可逆); ③、矩阵等价:A~BPAQB(P、Q可逆); 对于矩阵Amn与Bln:

①、若A与B行等价,则A与B的行秩相等;

②、若A与B行等价,则Ax0与Bx0同解,且A与B的任何对应的列向量组具有相同的线性相关性;

③、矩阵的初等变换不改变矩阵的秩; ④、矩阵A的行秩等于列秩; 若AmsBsnCmn,则:

①、C的列向量组能由A的列向量组线性表示,B为系数矩阵;

②、C的行向量组能由B的行向量组线性表示,AT为系数矩阵;(转置)

齐次方程组Bx0的解一定是ABx0的解,考试中可以直接作为定理使用,而无需证明;

①、ABx0 只有零解Bx0只有零解; ②、Bx0 有非零解ABx0一定存在非零解; 设向量组Bnr:b1,b2,c,br可由向量组Ans:a1,a2,(b1,b2,,as线性表示为:(P110题19结论) ,as)K(BAK)

,br)(a1,a2, 其中K为sr,且A线性无关,则B组线性无关r(K)r;(B与K的列向量组具有相同线性

相关性) (必要性:

rr(B)r(AK)r(K),r(K)r,r(K)r;充分性:反证法)

注:当rs时,K为方阵,可当作定理使用;

①、对矩阵Amn,存在Qnm,AQEm

r(A)m、Q的列向量线性无关;(P87)

r(A)n、P的行向量线性无关;

kss0成立;(定义)

②、对矩阵Amn,存在Pnm,PAEn

1,2,,s线性相关

存在一组不全为0的数k1,k2,,ks,使得k11k22x1x(1,2,,s)20有非零解,即Ax0有非零解;

xsr(1,2,,s)s,系数矩阵的秩小于未知数的个数;

设mn的矩阵A的秩为r,则n元齐次线性方程组Ax0的解集S的秩为:r(S)nr; 若*为Axb的一个解,1,2,题33结论)

5、相似矩阵和二次型 1.

正交矩阵ATAE或A1AT(定义),性质:

,nr为Ax0的一个基础解系,则*,1,2,,nr线性无关;(P1111①、A的列向量都是单位向量,且两两正交,即aiTaj0②、若A为正交矩阵,则A1AT也为正交阵,且A1; ③、若A、B正交阵,则AB也是正交阵;

注意:求解正交阵,千万不要忘记施密特正交化和单位化; 施密特正交化:(a1,a2,,ar)

ijij(i,j1,2,n);

b1a1;

brar[b1,ar][b,a]b12rb2[b1,b1][b2,b2][br1,ar]br1;

[br1,br1]对于普通方阵,不同特征值对应的特征向量线性无关;

对于实对称阵,不同特征值对应的特征向量正交; ①、A与B等价

A经过初等变换得到B;

PAQB,P、Q可逆;

r(A)r(B),A、B同型;

②、A与B合同

③、A与B相似

CTACB,其中可逆;

xTAx与xTBx有相同的正、负惯性指数;

P1APB;

相似一定合同、合同未必相似;

若C为正交矩阵,则CTACBAA为对称阵,则A为二次型矩阵; n元二次型xTAx为正定:

B,(合同、相似的约束条件不同,相似的更严格);

A的正惯性指数为n;

A与E合同,即存在可逆矩阵C,使CTACE; A的所有特征值均为正数; A的各阶顺序主子式均大于0;

aii0,A0;(必要条件)

考研概率论公式汇总

1.随机事件及其概率

A吸收律:AAAA

AA(AB)AA(AB)A反演律:ABABABABAAAA

iiiinnnni1i1i1i12.概率的定义及其计算

P(A)1P(A)若ABP(BA)P(B)P(A)

对任意两个事件A,B,有P(BA)P(B)P(AB) 加法公式:对任意两个事件A,B,有 3.条件概率

乘法公式P(AB)P(A)PBA(P(A)0)nn

全概率公式P(A)P(ABi)P(Bi)P(ABi)

i1i1Bayes公式P(BkA)P(B)P(ABk)P(ABk) nkP(A)P(Bi)P(ABi)i14.随机变量及其分布 分布函数计算

P(aXb)P(Xb)P(Xa)

F(b)F(a)5.离散型随机变量

(1)0–1分布P(Xk)pk(1p)1k,k0,1

(2)二项分布B(n,p)若P(A)=pP(Xk)Cnp(1p)kknk,k0,1,,n

*Possion定理limnpnnlimCp(1pn)0有nknknnkk!

k0,1,2,ek(3)Poisson分布P()P(Xk)e6.连续型随机变量

kk!,k0,1,2,

(1)均匀分布U(a,b) (2)指数分布E() (3)正态分布N(,2) *N(0,1)—标准正态分布 7.多维随机变量及其分布

二维随机变量(X,Y)的分布函数F(x,y)边缘分布函数与边缘密度函数

xyf(u,v)dvdu

8.连续型二维随机变量

(1) 区域G上的均匀分布,U(G) (2)二维正态分布

9.二维随机变量的条件分布 10.随机变量的数字特征 数学期望

随机变量函数的数学期望X的k阶原点矩E(Xk)X的k阶绝对原点矩E(|X|k) X的k阶中心矩E((XE(X))k)X的方差E((XE(X))2)D(X)X,Y的k+l阶混合原点矩E(XkYl)X,Y的k+l阶混合中心矩E(XE(X))k(YE(Y))lX,Y的二阶混合原点矩

E(XY)X,Y的二阶混合中心矩X,Y的协方差E(XE(X))(YE(Y))X,Y的相关系数

(XE(X))(YE(Y))XYX的方差D(X)=E((X-E(X))2)D(X)E(X2)E2(X) ED(X)D(Y)方差

cov(X,Y)E(XE(X))(YE(Y))E(XY)E(X)E(Y)1D(XY)D(X)D(Y) 2cov(X,Y)

D(X)D(Y)相关系数XY

因篇幅问题不能全部显示,请点此查看更多更全内容