《公式整理.docxVIP

概率公式整理1．随机事件及其概率吸收律： 反演律： 2．概率的定义及其计算若 对任意两个事件A, B, 有 加法公式：对任意两个事件A, B, 有 条件概率 乘法公式全概率公式 Bayes公式 3．随机变量及其分布分布函数计算4.维随机变量及其分布二维随机变量( X ,Y )的分布函数边缘分布函数与边缘密度函数5. 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6. 二维随机变量的条件分布 7. 随机变量的数字特征数学期望随机：连续：X 的方差X 的 k 阶原点矩X 的 k 阶绝对原点矩X 的 k 阶中心矩X ,Y 的 k + l 阶混合原点矩X ,Y 的 k + l 阶混合中心矩X ,Y 的二阶混合原点矩X ,Y 的协方差(X ,Y 的二阶混合中心矩)协方差与方差之间有如下关系： X ,Y 的相关系数随机变量概率密度分布函数期望方差0–1分布pp(1-p)二项分布 若P ( A ) = p * Possion定理有 npnp(1-p)Poisson 分布均匀分布 指数分布1/1/2正态分布 N (m , s 2)ms 2*N(0,1)标准正态分布01线性代数公式1. 行列式代数余子式的性质：①、和的大小无关；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；代数余子式和余子式的关系：行列式的重要公式：①、主对角行列式：主对角元素的乘积；副对角行列式：副对角元素的乘积；②、上、下三角行列式（）：主对角元素的乘积；和：副对角元素的乘积；③、拉普拉斯展开式：、④、范德蒙行列式：大指标减小指标的连乘积；⑤、特征值：|λE-A|=O证明的方法：①、；②、反证法；③、构造齐次方程组，证明其有非零解；④、利用秩，证明；⑤、证明0是其特征值；2. 矩阵是阶可逆矩阵：（是非奇异矩阵）；（是满秩矩阵）的行（列）向量组线性无关；齐次方程组有非零解；，总有唯一解；与等价；可表示成若干个初等矩阵的乘积；的特征值全不为0；是正定矩阵；的行（列）向量组是的一组基；是中某两组基的过渡矩阵；伴随矩阵：①、伴随矩阵的秩：；②、伴随矩阵的特征值：；对于阶矩阵： ①、 无条件恒成立；、②、③、；关于分块矩阵的重要结论，其中均、可逆：若，则：Ⅰ、；Ⅱ、①、；②、；（主对角分块）③、；（副对角分块）④、；（拉普拉斯）⑤、；（拉普拉斯）3. 矩阵的初等变换与线性方程组一个矩阵，总可经过初等变换化为标准形，其标准形是唯一确定的：；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；②、，左乘矩阵，乘的各行元素；右乘，乘的各列元素； ③、对调两行或两列，符号，且，例如：；④、倍乘某行或某列，符号，且，例如：；⑤、倍加某行或某列，符号,且，如：；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）若，则可逆，且；②、对矩阵做初等行变化，当变为时，就变成，即：；③、求解线形方程组：对于个未知数个方程，如果，则可逆，且；矩阵秩的基本性质：①、；②、；③、若A=B，则；④、；（※）⑤、；（※）⑥、；（※）⑦、若、可逆，则；（可逆矩阵不影响矩阵的秩）⑧、如果是矩阵，是矩阵，且，则：（※）Ⅰ、的列向量全部是齐次方程组解（转置运算后的结论）；Ⅱ、⑨、若、均为阶方阵，则；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；②、型如的矩阵：利用二项展开式；；注：展开后有项；③、利用特征值和相似对角化：线性方程组：，其中为矩阵，则：①、与方程的个数相同，即方程组有个方程；②、与方程组的未知数个数相同，方程组为元方程；线性方程组的求解：①、对增广矩阵进行初等行变换（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；④、有解的充要条件：（为未知数的个数或维数）4. 向量组的线性相关性①、向量组的线性相关、无关有、无非零解；（齐次线性方程组）②、向量的线性表出是否有解；（线性方程组）③、向量组的相互线性表示是否有解；（矩阵方程）矩阵与行向量组等价的充分必要条件是：齐次方程组和同解；维向量线性相关的几何意义：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：若线性相关，则必线性相关；若线性无关，则必线性无关；（向量的个数加加减减，二者为对偶）若维向量组的每个向量上添上个分量，构成维向量组：若线性无关，则也线性无关；反之若线性相关，则也线性相关；（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（个数为）能由向量组（个数为）线性表示，且线性无关，则向量组能由向量组线性表示，则；