1. 微积分基础
1.1 导数
- 导数的基本公式： [ f’(x) = \lim_{{h \to 0}} \frac{{f(x+h) - f(x)}}{h} ]
- 常用函数的导数：
- 常数函数：( f’(x) = 0 )
- 幂函数：( f(x) = x^n ) 则 ( f’(x) = nx^{n-1} )
- 指数函数：( f(x) = e^x ) 则 ( f’(x) = e^x )
- 对数函数：( f(x) = \ln x ) 则 ( f’(x) = \frac{1}{x} )
1.2 积分
- 积分的基本公式： [ \int f(x) \, dx = F(x) + C ] 其中 ( F(x) ) 是 ( f(x) ) 的一个原函数，( C ) 是积分常数。
- 常用函数的积分：
- 常数函数：( \int c \, dx = cx + C )
- 幂函数：( \int x^n \, dx = \frac{x^{n+1}}{n+1} + C )
- 指数函数：( \int e^x \, dx = e^x + C )
- 对数函数：( \int \ln x \, dx = x \ln x - x + C )
2. 线性代数
2.1 矩阵
- 矩阵的加法： [ A + B = \begin{bmatrix} a{11} & a{12} \ a{21} & a{22} \end{bmatrix} + \begin{bmatrix} b{11} & b{12} \ b{21} & b{22} \end{bmatrix} = \begin{bmatrix} a{11} + b{11} & a{12} + b{12} \ a{21} + b{21} & a{22} + b{22} \end{bmatrix} ]
- 矩阵的乘法： [ AB = \begin{bmatrix} a{11} & a{12} \ a{21} & a{22} \end{bmatrix} \begin{bmatrix} b{11} & b{12} \ b{21} & b{22} \end{bmatrix} = \begin{bmatrix} a{11}b{11} + a{12}b{21} & a{11}b{12} + a{12}b{22} \ a{21}b{11} + a{22}b{21} & a{21}b{12} + a{22}b{22} \end{bmatrix} ]
2.2 线性方程组
- 高斯消元法：
- 将方程组写成增广矩阵的形式： [ \begin{bmatrix} 1 & 2 & 3 & | & 6 \ 2 & 4 & 6 & | & 12 \ 3 & 6 & 9 & | & 18 \end{bmatrix} ]
- 通过行变换，将矩阵化为阶梯形矩阵： [ \begin{bmatrix} 1 & 2 & 3 & | & 6 \ 0 & 0 & 0 & | & 0 \ 0 & 0 & 0 & | & 0 \end{bmatrix} ]
- 根据阶梯形矩阵，确定方程组的解。
3. 概率论与数理统计
3.1 概率的基本概念
- 概率的基本公式： [ P(A) = \frac{\text{事件A发生的基本事件个数}}{\text{所有基本事件个数}} ]
- 概率的性质：
- 非负性：( P(A) \geq 0 )
- 稳定性：( P(A) \leq 1 )
- 归一性：( P(\Omega) = 1 )
3.2 随机变量
- 随机变量的定义：
- 随机变量是一个函数，它将样本空间中的每个基本事件映射到一个实数。
- 随机变量的分布函数： [ F(x) = P(X \leq x) ] 其中 ( X ) 是随机变量。
4. 数学分析
4.1 实数的完备性
- 实数的完备性定理：
- 每个有界实数序列都存在收敛子序列。
- 每个实数都是柯西序列。
4.2 测度论
- 测度的定义：
- 测度是一个函数，它将集合映射到一个非负实数，表示该集合的“大小”。
- 测度的性质：
- 非负性：( \mu(A) \geq 0 )
- 稳定性：( \mu(\emptyset) = 0 )
- 可列可加性：( \mu(\bigcup_{n=1}^{\infty} An) = \sum{n=1}^{\infty} \mu(A_n) )
以上是高等数学中常见的一些公式和概念，希望对您有所帮助。