考研数学公式(word版,全面)

(tgx)sec2x(ctgx)csc2x(secx)secxtgx(cscx)cscxctgx(ax)axlna1(logax)xlna(arcsinx)11x21(arccosx)1x21(arctgx)1x21(arcctgx)1x2tgxdxlncosxCctgxdxlnsinxCsecxdxlnsecxtgxCcscxdxlncscxctgxCdx1xarctgCa2x2aadx1xalnx2a22axaCdx1axa2x22alnaxCdxxarcsinCa2x2a2ndx2seccos2xxdxtgxCdx2cscsin2xxdxctgxCsecxtgxdxsecxCcscxctgxdxcscxCaxadxlnaCxshxdxchxCchxdxshxCdxx2a2ln(xx2a2)C2Insinxdxcosnxdx00n1In2n导数公式： 基本积分表：

x2a22xadxxaln(xx2a2)C22x2a2222xadxxalnxx2a2C22x2a2x222axdxaxarcsinC22a22三角函数的有理式积分：

一些初等函数： 两个重要极限： 三角函数公式： ·诱导公式：

函数 角A -α 90°-α 90°+α 180°-α 180°+α 270°-α 270°+α 360°-α 360°+α sin -sinα cosα cosα sinα -sinα -cosα -cosα -sinα sinα cos cosα sinα -sinα -cosα -cosα -sinα sinα cosα cosα tg -tgα ctgα -ctgα -tgα tgα ctgα -ctgα -tgα tgα ctg -ctgα tgα -tgα -ctgα ctgα tgα -tgα -ctgα ctgα sin()sincoscossincos()coscossinsintg()tgtg1tgtgctgctg1ctg()ctgctgsinsin2sin22sinsin2cossin22coscos2coscos22coscos2sinsin22cos·和差角公式： ·和差化积公式： ·倍角公式： ·半角公式： ·正弦定理：

abc2R·余弦定理：c2a2b22abcosC sinAsinBsinC·反三角函数性质：arcsinxarccosx　　　arctgxarcctgx

22高阶导数公式——莱布尼兹（Leibniz）公式： 中值定理与导数应用： 曲率：

定积分的近似计算： 定积分应用相关公式：

空间解析几何和向量代数： 多元函数微分法及应用 微分法在几何上的应用：

x(t)xxyy0zz0空间曲线y(t)在点M(x0,y0,z0)处的切线方程：0(t)(t)(t0)00z(t)在点M处的法平面方程：(t0)(xx0)(t0)(yy0)(t0)(zz0)0FyFzFzFxFxF(x,y,z)0若空间曲线方程为：,则切向量T{,,GGGxGGG(x,y,z)0yzzx曲面F(x,y,z)0上一点M(x0,y0,z0)，则：1、过此点的法向量：n{Fx(x0,y0,z0),Fy(x0,y0,z0),Fz(x0,y0,z0)}xx0yy0zz03、过此点的法线方程：Fx(x0,y0,z0)Fy(x0,y0,z0)Fz(x0,y0,z0)FyGy}2、过此点的切平面方程：Fx(x0,y0,z0)(xx0)Fy(x0,y0,z0)(yy0)Fz(x0,y0,z0)(zz0)0方向导数与梯度：

多元函数的极值及其求法： 重积分及其应用： 柱面坐标和球面坐标： 曲线积分： 曲面积分： 高斯公式：

(PQR)dvPdydzQdzdxRdxdy(PcosQcosRcos)dsxyz高斯公式的物理意义——通量与散度：PQR散度：div,即：单位体积内所产生的流体质量，若div0,则为消失...xyz通量：AndsAnds(PcosQcosRcos)ds，因此，高斯公式又可写成：divAdvAnds斯托克斯公式——曲线积分与曲面积分的关系：

常数项级数： 级数审敛法：

绝对收敛与条件收敛： 幂级数：

函数展开成幂级数： 一些函数展开成幂级数： 欧拉公式： 三角级数： 傅立叶级数：

周期为2l的周期函数的傅立叶级数： 微分方程的相关概念： 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：

r1，r2的形式 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(p4q0) 2(*)式的通解 yc1er1xc2er2x y(c1c2x)er1x yex(c1cosxc2sinx) r1i，r2i4qp2 p，22二阶常系数非齐次线性微分方程

概率公式整理

1．随机事件及其概率

AAA吸收律：AAA

A(AB)AA(AB)A反演律：ABABABAB 2．概率的定义及其计算 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 全概率公式 Bayes公式

4．随机变量及其分布 分布函数计算 5．离散型随机变量 (1) 0 – 1 分布 (2) 二项分布 B(n,p) 若P ( A ) = p *Possion定理

有 nlimCp(1pn)knknnkk!

k0,1,2,ek(3) Poisson 分布 P() 6．连续型随机变量 (1) 均匀分布 U(a,b)

(2) 指数分布 E()

(3) 正态分布 N (m , s2 ) *N (0,1) — 尺度正态分布

二维随机变量( X ,Y )的分布函数 边沿分布函数与边沿密度函数

(1)区域G 上的均匀分布，U ( G ) (2)二维正态分布

数学期望

随机变量函数的数学期望

X 的k阶原点矩 X 的k阶绝对原点矩 X 的k阶中心矩 X 的方差

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 的二阶混合中心矩 X ,Y 的协方差 X ,Y 的相关系数 X 的方差

D (X ) = E ((X - E(X))2)

协方差

相关系数

线性代数部分

梳理：条理化，给出一个系统的，有内在有机结构的理论体系。 沟通：突出各部分内容间的联系。

充实提高：围绕考试要求，介绍一些一般教材上没有的结果，教给大家罕见问题的实用而简捷的方法。

大家要有这样的思想准备：发现我的讲解在体系上和你以前学习的有所分歧，有的方法是你不知道的。但是我相信，只要你对它们了解了，掌握了，会提高你的解题能力的。 基本运算 ①ABBA

②ABCABC

③cABcAcBcdAcAdA ④cdAcdA

⑤cA0c0或A0。

cATcAT。

转置值不变ATA 逆值变A1A1,2,3，3

1 A阶矩阵

有关乘法的基本运算

线性性质 A1A2BA1BA2B， 结合律 ABCABC

ABkAkBk纷歧定成立！

AEA，EAA

AkEkA，kEAkA

与数的乘法的分歧之处

ABkAkBk纷歧定成立！

无交换律 因式分解障碍是交换性

一个矩阵A的每个多项式可以因式分解，例如无消去律（矩阵和矩阵相乘）

当AB0时A0或B0 由A0和AB0B0

由A0时ABACBC（无左消去律） 特此外设A可逆，则A有消去律。

左消去律：ABACBC。

右消去律：BACABC。

如果A列满秩，则A有左消去律，即

①AB0B0 ②ABACBC

可逆矩阵的性质 i）当A可逆时，

AT也可逆，且AT1A1T。 Ak也可逆，且Ak1A1k。

数c0，cA也可逆，cA11cA1。

ii）A，B是两个n阶可逆矩阵AB也可逆，且AB1B1A1。 推论：设A，B是两个n阶矩阵，则ABEBAE 命题：初等矩阵都可逆，且 命题：准对角矩阵

A110A001A1100000AkkA2200000可逆每个Aii都可逆，记

000A0011A2200

00100Akk陪伴矩阵的基赋性质： 当A可逆时， A陪伴矩阵法）

且得：A*1 陪伴矩阵的其他性质

n1①A*A,A*AA1

A*A*E 得A1AA， （求逆矩阵的

1AA111 A*AAA1AA②AT*A*T, ③cA*cn1A*,

④AB*B*A*,

⑤Ak*A*k，

n2⑥A**AA。 n2时， A**AA*ab cd关于矩阵右上肩记号：T，k，1，* i) 任何两个的次序可交换， 如AT*A*T，

A*1A1*等

ii)ABTBTAT, AB1B1A1，

但ABkBkAk纷歧定成立！ 线性暗示

1,2,,sx11x22xss有解

1,2,,sxAx有解xx1,,xsT

有解，即可用A的列向量组暗示

ABCr1,r2,,rs，A1,2,,n，

则r1,r2,,rs1,2,,n。

1,2,,t1,2,,s，

则存在矩阵C，使得1,2,,t1,2,,sC

线性暗示关系有传递性

1,2,,t1,2,,sr1,r2,,rp，

当

则1,2,,tr1,r2,,rp。 等价关系：如果1,2,,s与1,2,,t互相可暗示

1,2,,s1,2,,t

记作1,2,,s1,2,,t。 线性相关

s1，单个向量，x0相关0

s2，1,2相关对应分量成比例 1,2相关a1:b1a2:b2an:bn

①向量个数s=维数n，则1,,n线性相（无）关1n0 A1,2,,n，Ax0有非零解A0

如果sn，则1,2,,s一定相关

Ax0的方程个数n未知数个数s

②如果1,2,,s无关，则它的每一个部分组都无关

③如果1,2,,s无关，而1,2,,s,相关，则1,2,,s 证明：设c1,,cs,c不全为0，使得c11cssc0

则其中c0，否则c1,,cs不全为0，c11css0，与条

件1,,s无关矛盾。于是11④当1,,s时，暗示方式唯一1s无关

（暗示方式不唯一1s相关） ⑤若1,,t1,,s，而且ts，则1,,t一定线性相关。 证明：记A1,,s，B1,,t，

则存在st矩阵C，使得 BAC。

Cx0有s个方程，t个未知数，st，有非零解，C0。

cccss。 c 则BAC0，即也是Bx0的非零解，从而1,,t线

性相关。

各性质的逆否形式

①如果1,2,,s无关，则sn。

②如果1,2,,s有相关的部分组，则它自己一定也相关。 ③如果1s无关，而1,,s，则1,,s无关。 ⑤如果1t1s，1t无关，则ts。

推论：若两个无关向量组1s与1t等价，则st。 极大无关组

一个线性无关部分组I，若#I等于秩1,2,4,6I，I就一定是极大无关组

①1,2,,s无关 1,2,,ss

②1,2,,s  1,2,,s, 1,,s

另一种说法： 取1,2,,s的一个极大无关组I

I也是1,2,,s,的极大无关组I,相关。

证明：1,,sII,相关。 ③可用1,,s唯一暗示 1,,s,  1,,ss ④1,,t1,,s 1,,s,1,,t 1,,s

⑤1,,s1,,t 1,,s 1s,1t 1,,t 矩阵的秩的简单性质

A行满秩：rAm A列满秩：rAn

n阶矩阵A满秩：rAn

A满秩A的行（列）向量组线性无关

A可逆

Ax0只有零解，Ax唯一解。

矩阵在运算中秩的变更

初等变换坚持矩阵的秩 ①rATrA

②c0时，rcArA ③rABrArB ④rABminrA,rB

⑤A可逆时，rABrB

弱化条件：如果A列满秩，则ABB 证：下面证ABx0与Bx0同解。

是ABx0的解AB0

B0是Bx0的解

B可逆时，rABrA

⑥若AB0，则rArBn（A的列数，B的行数） ⑦A列满秩时rABrB

B行满秩时rABrA

⑧rABnrArB 解的性质

1．Ax0的解的性质。

如果1,2,,e是一组解，则它们的任意线性组合

c11c22cee一定也是解。

2．Ax0

①如果1,2,,e是Ax的一组解，则

c11c22cee也是Ax的解c1c2ce1

c11c22cee是Ax0的解c1c2ce0

特此外：当1,2是Ax的两个解时，12是Ax0的解

②如果0是Ax的解，则n维向量也是Ax的解0是Ax0的解。

解的情况判别

方程：Ax，即x11x22xnn 有解1,2,,n

无解A|A 唯一解A|An

无穷多解A|An 方程个数m：

①当Am时，A|m，有解

②当mn时，An，不会是唯一解 对于齐次线性方程组Ax0，

只有零解An（即A列满秩） （有非零解An） 特征值特征向量

是A的特征值是A的特征多项式xEA的根。

两种特殊情形：

（1）A是上（下）三角矩阵，对角矩阵时，特征值即对角线上的元素。

（2）rA1时：A的特征值为0,0,,0,trA 特征值的性质

命题：n阶矩阵A的特征值的重数nr EA 命题：设A的特征值为 1, 2,, n，则 ① 1 2 nA ② 1 2 ntrA 命题：设是A的特征向量，特征值为，即①对于A的每个多项式fA，fAfx

②当A可逆时，A11，A|A|*

命题：设A的特征值为 1, 2,, n，则

①fA的特征值为f 1,f 2,,f n

②A可逆时，A1的特征值为

1 ,1,,1 1 2 nA*的特征值为

|A||A|| ,,,A| 1 2 n③AT的特征值也是 1, 2,, n 特征值的应用

①求行列式|A| 1, 2,, n ②判别可逆性

是A的特征值 EA0A E不成逆 A E可逆不是A的特征值。

当fA0时，如果fc0，则AcE可逆

A，则 若是A的特征值，则f是fA的特征值f0。

fc0c不是A的特征值AcE可逆。

n阶矩阵的相似关系 当AUUA时，BA，而AUUA时，BA。

相似关系有i）对称性：A~BB~A

U1AUB，则AUBU1

ii）有传递性：A~B，B~C，则A~C

U1AUB，V1BVC，则

命题 当A~B时，A和B有许多相同的性质 ①AB

②AB

③A，B的特征多项式相同，从而特征值完全一致。

A与B的特征向量的关系：是A的属于的特征向量U1是B的属于

的特征向量。

正定二次型与正定矩阵性质与判别

可逆线性变换替换坚持正定性

fx1,x2,,xn变成gy1,y2,,yn，则它们同时正定或同时不正定

A~B，则A，B同时正定，同时不正定。

例如BCTAC。如果A正定，则对每个x0 （C可逆，x0，Cx0！） 我们给出关于正定的以下性质

A正定A~E

存在实可逆矩阵C，ACTC。

A的正惯性指数n。 A的特征值全大于0。

A的每个顺序主子式全大于0。

判断A正定的三种方法： ①顺序主子式法。 ②特征值法。 ③定义法。 基本概念

对称矩阵ATA。 反对称矩阵ATA。

简单阶梯形矩阵：台角位置的元素都为1 ，台角正上方的元素都为0。

如果A是一个n阶矩阵，A是阶梯形矩阵A是上三角矩阵，反之纷歧定 矩阵消元法：（解的情况）

①写出增广矩阵A，用初等行变换化A为阶梯形矩阵B。 ②用B判别解的情况。

i）如果B最下面的非零行为0,,0d，则无解，否则有解。 ii）如果有解，记是B的非零行数，则

 n时唯一解。 n时无穷多解。

iii）唯一解求解的方法（初等变换法）

去掉B的零行，得B0 0，它是nnc矩阵，B0是n阶梯形

矩阵，从而是上三角矩阵。

则bn n0bn1 n10bii都不为0。

ABrE就是解。

行行a11a12a22a1na2n一个n阶行列式

a21an1的值：

an2ann①是n!项的代数和

②每一项是n个元素的乘积，它们共有n!项 a1ja2janj其中j1j2jn是

12n1,2,,n的一个全排列。

③a1janj 前面乘的应为1jjjj1j2jn的逆序数

12n1n代数余子式

Mij为aij的余子式。

定理：一个行列式的值D等于它的某一行（列），各元素与各自代数余子式乘积之和。

一行（列）的元素乘上另一行（列）的相应元素代数余子式之和为0。 范德蒙行列式

1a1112个 (ajai)Cnija1an乘法相关

AB的i,j位元素是A的第i行和B的第j列对应元素乘积之和。

乘积矩阵的列向量与行向量

（1）设mn矩阵A1,2,,n，n维列向量b1,b2,,bnT，则 矩阵乘法应用于方程组

方程组的矩阵形式

Ax，b1,b2,,bmT

方程组的向量形式 （2）设ABC，

AB的第i个列向量是A的列向量组的线性组合，组合系数是B的第i个列

向量的各分量。

AB的第i个行向量是B的行向量组的线性组合，组合系数是A的第i个行

向量的各分量。 矩阵分解

当矩阵C的每个列向量都是A的列向量的线性组合时，可把C分解为

A与一个矩阵B的乘积

特此外在有关对角矩阵的乘法中的若干问题

对角矩阵从右侧乘一矩阵A，即用对角线上的元素依次乘A的各列向量 对角矩阵从左侧乘一矩阵A，即用对角线上的元素依次乘A的各行向量 于是AEA，EAA

AkEkA，kEAkA

两个对角矩阵相乘只须把对角线上对应元素相乘

对角矩阵的k次方幂只须把每个对角线上元素作k次方幂

对一个n阶矩阵A，规定trA为A的对角线上元素之和称为A的迹数。 于是 TTTtrTTTtrT

kk1k1 其他形式方阵的高次幂也有规律

101 例如：A020

101初等矩阵及其在乘法中的作用

（1）Ei,j：交换E的第i,j两行或交换E的第i,j两列 （2）Ei(c)：用数c0乘E的第i行或第i列

（3）Ei,j(c)：把E的第j行的c倍加到第i行上，或把E的第i列的

c倍加到第j列上。

初等矩阵从左（右）侧乘一个矩阵A等同于对A作一次相当的初等行（列）变换 乘法的分块法则

一般法则：在计算两个矩阵A和B的乘积时，可以先把A和B用纵横线分割成若干小矩阵来进行，要求A的纵向分割与B的横向分割一致。

两种经常使用的情况 （1）A,B都分成4块

A11AA21A12B11，BBA2221B12 B22 其中Ai1的列数和B1j的行数相等，Ai2的列数和B2j的行数相关。 （2）准对角矩阵 矩阵方程与可逆矩阵

两类基本的矩阵方程 （都需求A是方阵，且A0） （I）的解法：

（II）的解法，先化为ATxTBT。

ATBTExT。

通过逆求解：AxB，xA1B

可逆矩阵及其逆矩阵

定义：设A是n阶矩阵，如果存在n阶矩阵H，使得AHHAE，则称A是可逆矩阵，称HE，且

是A的逆矩阵，证作A1。

定理：n阶矩阵A可逆A0 求A1的方程（初等变换法） 陪伴矩阵 线性暗示

可以用1,2,,s线性暗示，即可以暗示为1,2,,s的线性组合，

也就是存在c1,c2,,cs使得 c11c22css 记号：1,2,,s

线性相关性

线性相关：存在向量i可用其它向量1,,i1,i1,,s线性暗示。

线性无关：每个向量i都不克不及用其它向量线性暗示 定义：如果存在不全为

0的c1,c2,,cs，使得

c11c22css0则称1,2,,s线性相关，否则称1,2,,s线性无

关。

即：1,2,,s线性相（无）关x11xss0有（无）非零解

1,2,,sx0有（无）非零解

极大无关组和秩

定义：1,2,,s的一个部分组I称为它的一个极大无关组，如果满足：

i）I线性无关。

ii）I再扩大就相关。

定义：规定1,2,,s的秩 1,2,,s#I。

如果1,2,,s每个元素都是零向量，则规定其秩为0。

有相同线性关系的向量组

定义：两个向量若有相同个数的向量：1,2,,s,1,2,,s，而且向量方程

x1,1x22xss0与x11x22xss0同解，则称它们有相同的

线性关系。

①对应的部分组有一致的相关性。

1,2,4的对应部分组1,2,4，

若1,2,4相关，有不全为0的c1,c2,c4使得

c11c22c440，

即c1,c2,0,c4,0,,0是x11x22xss0的解， 从而也是x11x22xss0的解，则有

c11c22c440，

1,2,3也相关。

②极大无关组相对应，从而秩相等。 ③有一致的内在线暗示关系。

设：A1,2,,s，B1,2,,s，则

x11x22xss0 即 Ax0， x11x22xss0 即 Bx0。

1,2,,s与1,2,,s有相同的线性关系即Ax0与Bx0同解。

反之，当Ax0与Bx0同解时，A和B的列向量组有相同的线性关系。 矩阵的秩

定理：矩阵A的行向量组的秩=列向量组的秩 规定rA行（列）向量组的秩。

rA的计算：用初等变换化A为阶梯形矩阵B，则B的非零行数即rA。

命题：rAA的非零子式阶数的最大值。 方程组的表达形式

a11x1a12x2a1nxnb1 1．a21x1a22x2a2nxnb2 am1x1am2x2amnxnbm 2．Ax是解A

3．x11x22xnn 有解1,2,,n 基础解系和通解

1．Ax0有非零解时的基础解系

1,2,,e是Ax0的基础解系的条件：

①每个i都是Ax0的解

②1,2,,e线性无关

③Ax0的每个解1,2,,e

③/

lnA

通解

①如果1,2,,e是Ax0的一个基础解系，则Ax0的通解为

c11c22cee，ci任意

②如果0是Ax0的一个解，1,2,,e是Ax0的基础解系，则

Ax的通解为

0c11c22cee，ci任意

特征向量与特征值

定义：如果0，而且A与线性相关，则称是A的一个特征向量。此时，有数，使得A，称为的特征值。

设A是数量矩阵E，则对每个n维列向量，A，于是，任何非零列向量都是E的特征向量，特征值都是。 ①特征值有限特征向量无穷多

若A，AccAcc

②每个特征向量有唯一特征值，而有许多特征向量有相同的特征值。 ③计算时先求特征值，后求特征向量。 特征向量与特征值计算

是EAx0的非零解

命题：①是A的特征值 EA0

②是属于的特征向量是 EAx0的非零解 称多项式xEA为A的特征多项式。

是A的特征值是A的特征多项式xEA的根。 的重数：作为xEA的根的重数。

n阶矩阵A的特征值有n个： 1, 2,, n，可能其中有的不是实数，有的

是多重的。 计算步调：

①求出特征多项式xEA。 ②求xEA的根，得特征值。

③对每个特征值 i，求 iEAx0的非零解，得属于 i的特征向量。

n阶矩阵的相似关系 设

A，

B是两个n阶矩阵。如果存在n阶可逆矩阵U，使得

U1AUB，则称A与B相似，记作A~B。

n阶矩阵的对角化

基本定理 A可对角化A有n个线性无关的特征向量。 设可逆矩阵U1,2,,n，则

Aiii，i1,2,,n

判别法则

A可对角化对于A的每个特征值，的重数nEA。

计算：对每个特征值i，求出iEAx0的一个基础解系，把它们合在一起，得到n个线性无关的特征向量，1,,n。令U1,2,,n，则

10U1AU000200000，其中i为i的特征值。 n000二次型（实二次型） 二次型及其矩阵

一个n元二次型的一般形式为

只有平方项的二次型称为尺度二次型。

222 形如：x12x2x2pxp1xpq的n元二次型称为规范二次型。

对每个n阶实矩阵A，记xx1,x2,,xnT，则xTAx是一个二次型。 称A的秩A为这个二次型的秩。 尺度二次型的矩阵是对角矩阵。 规范二次型的矩阵是规范对角矩阵。 可逆线性变量替换

设有一个n元二次型fx1,x2,,xn，引进新的一组变量y1,y2,,yn，并把x1,x2,,xn用它们暗示。

x1c11y1c12y2c1nync11xcycycy2c212112222nn （并要求矩阵Ccn1xncn1y1cn2y2cnnync1nc22c2n是可逆矩

cn2cnnc12阵）

代入fx1,x2,,xn，得到y1,,yn的一个二次型gy1,,yn这样的操纵称为对fx1xn作了一次可逆线性变量替换。 设Yy1,y2,,ynT，则上面的变换式可写成 则fx1xnxTAxYTCTACYgy1,,yn 于是gy1,yn的矩阵为CTAC 实对称矩阵的合同

两个n阶实对称矩阵A和B，如果存在n阶实可逆矩阵C，值得

CTACB。称A与B合同，记作A~B。

命题：二次型fx1xnxTAx可用可逆线性变换替换化为 二次型的尺度化和规范化

1．每个二次型都可以用可逆线性变量替换化为尺度二次型和规范二次型。

也就是每个实对称矩阵都会同于对角矩阵和规范对角矩阵。 设A是一个实对称矩阵，则存在正交矩阵Q，使得DQ1AQ是对角矩阵。

QTAQQ1AQDA~D，A~D

2．尺度化和规范化的方法

①正交变换法 ② 配方法

3．惯性定理与惯性指数

定理：一个二次型用可逆线性变换替换化出的尺度形的各个平方项的系数中，大于0的个数和小于0的个数是由原二次型所决定的，分别称为原二次型的正、负惯性指数。

一个二次型化出的规范二次型在形式上是唯一的，也即相应的规范对角矩阵是唯一的。

用矩阵的语言来说：一个实对称矩阵A合同于唯一规范对角矩阵。

定理：二次型的正、负惯性指数在可逆线性变量替换下不变；两个二次型可互相转化的充要条件是它们的正、负惯性指数相等。 实对称矩阵的正（负）惯性指数就等于正（负）特征值的个数。 正定二次型与正定矩阵

定义：一个二次型fx1,x2,,xn称为正定二次型，如果当x1,,xn不全为0时，

fx1,x2,,xn0。

22 例如，尺度二次型fx1,x2,,xnd1x12d2x2正定dnxndi0，i1,,n

（需要性“”，取x11，x2xx0，此时

f1,0,,0d10同样可证每个di0）

实对称矩阵正定即二次型xTAx正定，也就是：当x0时，xTAx0。

 10 例如实对角矩阵0000 20000正定 i0，i1,,n  n000定义：设A是一个n阶矩阵，记Ar是A的西北角的r阶小方阵，称Ar为A的第r个顺序主子式（或r阶顺序主子式）。

附录一 内积，正交矩阵，实对称矩阵的对角化

一．向量的内积 1．定义

两个n维实向量,的内积是一个数，记作,，规定为它们对应分量乘积之和。

a1b1a2b2 设,，则 ,a1b1a2b2anbnT

abnn2．性质

①对称性：,,

②双线性性质：12,1,2,

③正交性：,0，且,00,ai2

i1n3．长度与正交

向量的长度,ai1n2i

单位向量：长度为1的向量

2102， 0，1，00022 若0，则

11 是单位向量，称为的单位化。  两个向量,如果内积为0：,0，称它们是正交的。

如果n维向量组1,2,,s两两正交，而且每个都是单位向量，则称为单位正交向量组。

例1．如果向量组1,2,,s两两正交，而且每个向量都不为零向量，则它们线性无关。

证：记A 1,2,,s，则

则rATAs,rAs即r1,,ss。

例2．若A是一个实的矩阵，则rATArA。 二．正交矩阵

一个实n阶矩阵A如果满足AATE，就称为正交矩阵。ATA1 定理 A是正交矩阵A的行向量组是单位正交向量组。

A的列向量组是单位正交向量组。

例3．正交矩阵A坚持内积，即 证：A,ATATAT, 例4．（04）A是3三．施密特正交化方法

这是把一个线性无关的向量组改造为与之等价的单位正交向量组的方法。

设1,2,3线性无关 ①正交化：令11

（设22k1，2,12,1k1,1

1阶正交矩阵，而且a111，求Ax0的解。

0 当k2,1时，,正交。）

211,11，22，33 123②单位化：令1 则1,2,3是与1,2,3等价的单位正交向量组。 四．实对称矩阵的对角化

设A是一个实的对称矩阵，则 ①A的每个特征值都是实数。

②对每个特征值，重数nrEA。即A可以对角化。 ③属于分歧特征值的特征向量互相正交。

于是：存在正交矩阵Q，使得Q1AQ是对角矩阵。

对每个特征值，找EAx0的一个单位正交基础的解，合在一起构造正交矩阵。

设A是6阶的有3个特征值1（二重），2（三重），1（一重） 找1的2个单位正交特征向量1,2。 找2的3个单位正交特征向量3,4,5。 找3的一个单位特征向量6。

例5．（04）A是3阶实对称矩阵，rA2，6是它的一个二重特征值，

1211，1和2都是属于6的特征向量。 013 （1）求A的另一个特征值。 （2）求A。

解：（1）另一个特征值为0。

x1 （2）设x2是属于0的特征向量，则

x3 此方程组n3，rA2，nrA1，基础解系包含一个解，任何两个解都相关。

于是，每个非零解都是属于0的特征向量。

11101012110111是一个解。

1123000附录二 向量空间

1．n维向量空间及其子空间

记为Rn由全部n维实向量构成的集合，这是一个规定了加法和数乘这两种线性运算的集合，我们把它称为n维向量空间。 设V是Rn的一个子集，如果它满足

（1）当1,2都属于V时，12也属于V。

（2）对V的每个元素和任何实数c，c也在V中。 则称V为Rn的一个子空间。 例如n元齐次方程组AXAX0的解空间。

0的全部解构成Rn的一个子空间，称为

但是非齐次方程组AX的全部解则不构成Rn的子空间。

对于Rn中的一组元素1,2,,s，记它们的全部线性组合的集合为

L1,2,,sc11c22cssci任意，它也是Rn的一个子空间。

 2．基，维数，坐标

设V是Rn的一个非0子空间（即它含有非0元素），称V的秩为其维数，记作dimV。

称V的排了次序的极大无关组为V的基。

例如AX0的解空间的维数为nrA，它的每个有序的基础解系构成基。

又如dimL1,2,,sr1,2,,s，1,2,,s的每个有序的极大无关组构成基。

设1,2,,k是V的一个基，则V的每个元素都可以用1,2,,k唯一线性暗示：

称其中的系数c1,c2,,ck为关于基1,2,,k的坐标，它是一个k维向量。

坐标有线性性质：

（1）两个向量和的坐标等于它们的坐标的和：

如果向量和关于基1,2,,k的坐标分别为c1,c2,,ck和

d1,d2,,dk，则关于基1,2,,k的坐标为

（2）向量的数乘的坐标等于坐标乘数：

如果向量关于基1,2,,k的坐标为c1,c2,,ck，则c关于基

1,2,,k的坐标为cc1,cc2,,cckcc1,c2,,ck。

坐标的意义：设V中的一个向量组1,2,,t关于基1,2,,k的坐标依次为1,2,,t，则1,2,,t和1,2,,t有相同的线性关系。 于是，我们可以用坐标来判断向量组的相关性，计算秩和极大无关组等等。

3．过渡矩阵，坐标变换公式

设1,2,,k和1,2,,k都是V的一个基，并设1在1,2,,k中的坐标为c1i,c2i,,cki，构造矩阵

c11cC21ck1c1kc22c2k， ck2ckkc12 称C为1,2,,k到1,2,,k的过渡矩阵。

1,2,,k1,2,,kC。

如果V中向量在其1,2,,k和1,2,,k中的坐标分别为

TTxx1,x2,,xk和yy1,y2,,yk，则

于是关系式： 称为坐标变换公式。 4．规范正交基

如果V的一基1,2,,k是单位正交向量组，则称为规范正交基。 两个向量的内积等于在规范正交基下的它们坐标的内积。 设的坐标为c1,c2,,ck，的坐标为d1,d2,,dk， 则,c1d1c2d2ckdk

两个规范正交基之间的过渡矩阵是正交矩阵。 做题思路 先化简再计算

例5．（03）设n维列向量a,0,,0,aT，a0。规定AET，

1BET。已知ABE，求a。

a注意化简技巧（中间过程也很重要）

1001例13．（00）己知A*1003000011BABABA3E. ，求矩阵，使得1008证明一个矩阵可逆切入点 行列式=0 ，证明Ax=E ，

证明两式相等切入点 AB=某个等式=BA

（从对称性想到AB可逆BA也可逆的着手点

ABEBAE）

例20．设n阶矩阵

ABBA

A和B满足等式ABaAbB，ab0, 证明：