一、前言
在本文中,「荒原之梦考研数学」将给同学们介绍一类特别的矩阵:正交矩阵.
继续阅读“转置运算和逆运算的桥梁:正交矩阵”在本文中,「荒原之梦考研数学」将通过一个特别设计的矩阵 $\begin{bmatrix}
a & d & 0 \\
0 & b & 0 \\
0 & 0 & c
\end{bmatrix}$ 来给同学们讲清楚什么是矩阵乘法中的“左行右列”性质.
在本文中,「荒原之梦考研数学」就来讨论一下高等数学中会遇到的三种取整运算:取整、上取整、下取整.
在本文中,我们:
用 “$\left[ x \right]$” 表示对 $x$ 做取整操作;
用 “$\lceil x \rceil$” 表示对 $x$ 做上取整操作;
用 “$\lfloor x \rfloor$” 表示对 $x$ 做下取整操作.
在本文的前言部分,我之所以强调我们现在所讨论的取整、上取整和下取整运算是“高等数学”中的,是因为,在其他领域的语境下,“取整”运算指的是“四舍五入”运算,也就是说,在高等数学之外的领域,对 “$5.1$” 做取整操作,得到是 “$5$”, 而对 “$5.7$” 做取整操作,得到的是 “$6$”——
但是,在高等数学中,“ 取 整 ”运算等同于“ 下 取 整 ”运算,即“将一个实数 舍 为 最 接 近 的 整 数 ”:
$$
\begin{aligned}
& \left[ 5.1 \right] = \lfloor 5.1 \rfloor = 5 \\ \\
& \left[ 5.7 \right] = \lfloor 5.7 \rfloor = 5
\end{aligned}
$$
同时,在高等数学中,“ 上 取 整 ”运算,即“将一个实数 进 为 最 接 近 的 整 数 ”:
$$
\begin{aligned}
& \left[ 5.1 \right] = \lfloor 5.1 \rfloor = 6 \\ \\
& \left[ 5.7 \right] = \lfloor 5.7 \rfloor = 6
\end{aligned}
$$
根据矩阵的性质,我们知道,如果矩阵 $\boldsymbol{A}$ 和矩阵 $\boldsymbol{B}$ 等价或者相似,那么,就会存在下面这样的秩相等的链式关系式:
$$
\textcolor{lightgreen}{
\mathrm{r} \begin{pmatrix} \boldsymbol{A} \end{pmatrix} = \mathrm{r} \begin{pmatrix} \boldsymbol{B} \end{pmatrix} = \mathrm{r} \begin{pmatrix} \boldsymbol{A}, \boldsymbol{B} \end{pmatrix} = \mathrm{r} \begin{pmatrix}
\boldsymbol{A} \\
\boldsymbol{B}
\end{pmatrix}
}
$$
在本文中,「荒原之梦考研数学」将通过图示的方式,让同学们可以通过图形的方式,更加形象的对上面的公式有一个深入的理解。
继续阅读“图解等价/相似矩阵的链式等秩公式”设矩阵 $\boldsymbol{A} = \begin{bmatrix} 1 & -1 \\ 2 & 3 \end{bmatrix}$, $\boldsymbol{B} = \boldsymbol{A}^{2} – 3 \boldsymbol{A} + 2 \boldsymbol{E}$, 则 $\boldsymbol{B}^{-1} = \underline{\quad \quad \quad}$
继续阅读“求解逆矩阵的三种方法”通过《求解分块矩阵的伴随矩阵》这篇文章,我们学会了如何快速求解分块矩阵的伴随矩阵,即:
$$
\begin{bmatrix} \boldsymbol{A} & \boldsymbol{E} \\ \boldsymbol{O} & \boldsymbol{B} \end{bmatrix}^{*} = \begin{bmatrix} |\boldsymbol{B}| \boldsymbol{A}^{*} & – \boldsymbol{A}^{*} \boldsymbol{B}^{*} \\ \boldsymbol{O} & |\boldsymbol{A}| \boldsymbol{B}^{*} \end{bmatrix}
$$
又根据《一阶矩阵的伴随矩阵是多少?》这篇文章可知,如果矩阵 $\boldsymbol{A}$ 和矩阵 $\boldsymbol{B}$ 都是一阶矩阵的话,则:
$$
\boldsymbol{A}^{*} = \boldsymbol{B}^{*} = \begin{bmatrix} 1 \end{bmatrix}
$$
于是,对于一个形如 $\begin{bmatrix} a & 1 \\ 0 & b \end{bmatrix}$ 的二阶矩阵,其伴随矩阵的计算公式为:
$$
\begin{bmatrix} a & 1 \\ 0 & b \end{bmatrix}^{*} = \begin{bmatrix}
|b| \cdot 1 & -1 \cdot 1 \\
0 & a \cdot 1
\end{bmatrix} = \begin{bmatrix}
b & -1 \\
0 & a
\end{bmatrix}
$$
但是,直接使用针对分块矩阵的伴随矩阵计算公式,只能计算类似 $\begin{bmatrix} a & 1 \\ 0 & b \end{bmatrix}$ 这样的二阶矩阵的伴随矩阵,接下来,我们就来看看如何快速计算任意一个二阶矩阵的伴随矩阵.
继续阅读“快速求解二阶矩阵的伴随矩阵:主对调、副变号”我们知道,对不定积分的计算结果都要加上一个常数 $C$, 例如:
$$
\int f(x) \mathrm{~d} x = Z(x) + C
$$
也就是说,无论是 $Z(x) + 1$, $Z(x) + 2$, 还是 $Z(x) + 100$ 都是不定积分 $\int f(x) \mathrm{~d} x$ 的计算结果.
那么,是否存在一些不定积分,其结果可以表示为两个不同的函数,并且这两个函数之间并不是相差一个常数的关系呢?
在本文中,「荒原之梦考研数学」将通过两个例子,来讨论一下这一问题.
继续阅读“同一个不定积分的不同计算结果真的只相差任意常数吗?”我们知道,概率论所研究的核心对象就是随机事件所表现出来的随机现象,而对随机现象的观察,则被称为“随机试验”.
所以,要学习概率论,我们就必须明白什么是随机试验.
在本文中,「荒原之梦考研数学」将通过随机试验的三大要素来定义随机试验,同时给出“有限尺度”这一概念,以及一些生活中常见的随机试验的例子,帮助同学们进一步理解什么是随机试验.
继续阅读“随机试验的三大要素、什么是随机试验的“有限尺度”,以及常见的随机试验举例”有些时候,当式子的底数和指数都含有变量的时候,就会难以直接进行求导运算. 此时,我们就可以先对原式取对数. 在本文中,「荒原之梦考研数学」将通过例题为同学们讲解对数的这一使用方式.
继续阅读“取对数的好处:将底数上的变量移动到指数上”在本文中,「荒原之梦考研数学」将从下面这个式子出发,为同学们讲解清楚,为什么我们不能对该式子分子中的 “$\ln (1 + \tan x)$” 做局部的等价无穷小替换:
$$
I = \lim_{x \rightarrow 0} \frac{x-\ln(1+\tan x)}{x^2} = ?
$$