一、前言
在矩阵的转置运算中,参与运算的矩阵必须是 $n \times n$ 阶的方阵吗?
继续阅读“转置运算中的矩阵必须是方阵吗?”已知 $\boldsymbol{A}$, $\boldsymbol{B}$ 是三阶方阵,且满足等式 $\boldsymbol{A}^{2} \boldsymbol{B}$ $-$ $\boldsymbol{A}$ $-$ $\boldsymbol{B}$ $=$ $\boldsymbol{E}$, 若 $\boldsymbol{A}$ $=$ $\begin{bmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ -2 & 0 & 1 \end{bmatrix}$, 则:
$$
\begin{vmatrix}
\boldsymbol{B}
\end{vmatrix} = ?
$$
难度评级:
继续阅读“对抽象矩阵/行列式的计算,要尽可能“拖延”代入具体数值的时间”方差可以用来描述随机变量的离散程度,是数理统计中一个常用的统计特征。
但是,在不同的数学学习资料中,表示方差所用的符号可能存在区别,这对我们的学习产生了一定的困扰。
因此,在本文中,「荒原之梦考研数学」就给同学们汇总整理了不同学习资料中常用的方差表示方法,以方便同学们的学习。
继续阅读“概率统计中用于表示“方差”的那些符号”在「荒原之梦考研数学」的另一篇文章《矩阵/行列式 的一个优化策略》中,我们首次提出了在包含多个 $0$ 元素的矩阵/行列式中 的一个优化策略,那么,如果初始的矩阵/行列式中没有 $0$ 元素,或者只有少量的 $0$ 元素该怎么办呢?
在本文中,我们将以矩阵/行列式的主对角线为基准,通过元素复杂度梯度排列的方式,给同学们提供一种适用性更广泛的矩阵/行列式化简的方法。
继续阅读“基于主对角线元素复杂度梯度的矩阵/行列式化简策略”已知 $\lim_{n \rightarrow \infty} A_{n}$ $=$ $K$, 并且 $K \neq 0$, 则当 $n$ 充分大时,下列结论中一定正确的是哪个?
⟨A⟩» $A_{n}$ $<$ $K + \frac{1}{n}$
⟨B⟩» $A_{n}$ $>$ $K – \frac{1}{n}$
⟨C⟩» $\left| A_{n} \right|$ $>$ $\frac{|K|}{2}$
⟨D⟩» $\left| A_{n} \right|$ $<$ $\frac{|K|}{2}$
难度评级:
无 穷 小 量不可数,例如,当 $x \rightarrow \infty$ 的时候,$\frac{1}{x}$, $\frac{2}{x}$, $\frac{9999999}{x}$ 都是无穷小量,我们也可以将无穷小理解为“无限小”;
有 限 小 量可数,例如,无论是 $\frac{1}{2}$, $\frac{1}{100}$, 还是 $\frac{1}{9999999}$, 虽然在某些程度上都是很小的数字,但他们都是可数的,都是一个确定的量。
加上或者减去一个 无 穷 小 量不会对原有的数值产生影响:
$$
\textcolor{brown}{\colorbox{yellow}{ 1 }} + \textcolor{pink}{ \lim_{x \to \infty} \frac{1}{x} } = 1 + \textcolor{pink}{ 0 } \textcolor{springgreen}{ = 1 }
$$
加上或者减去一个 有 限 小 量会对原有的数值产生影响:
$$
\textcolor{brown}{\colorbox{yellow}{ 1 }} + \frac{1}{9999999} = \frac{9999999 + 1}{9999999} = \frac{10000000}{9999999} \textcolor{orangered}{\neq 1}
$$
有了上面的知识之后,求解本题就很容易了。
首先可以看到,无论是让 $K$ 加上 $\frac{1}{n}$ 还是减去 $\frac{1}{n}$, 当 $n$ 充分大时,也就是当 $n \rightarrow \infty$ 时,都有:
$$
\lim_{n \to \infty} \frac{1}{n} = 0
$$
也就是说,当 $n \rightarrow \infty$ 时:
$$
K + \frac{1}{n} = K – \frac{1}{n} = K
$$
又由题目已知条件 $\lim_{n \rightarrow \infty} A_{n}$ $=$ $K$ 可知:
$$
\begin{aligned}
A_{n} & \textcolor{springgreen}{=} K + \frac{1}{n} \quad \textcolor{springgreen}{\boldsymbol{\checkmark}} \\ \\
A_{n} & \textcolor{springgreen}{=} K – \frac{1}{n} \quad \textcolor{springgreen}{\boldsymbol{\checkmark}}
\end{aligned}
$$
综上可知,C 选 项 正 确 。
我们也可以用反例法求解本题:
当 $n \rightarrow \infty$ 时,若令 $A_{n}$ $=$ $K + \frac{2}{n}$, 则也满足题目 $\lim_{n \rightarrow \infty} A_{n}$ $=$ $K$ 的条件,但此时:
$$
\begin{aligned}
& \left( A_{n} = K + \frac{2}{n} \right) > \left( K + \frac{1}{n} \right) \\ \\
\textcolor{springgreen}{\Rightarrow} \ & A_{n} > \left( K + \frac{1}{n} \right) \quad \textcolor{springgreen}{\boldsymbol{\checkmark}} \\ \\
\textcolor{orangered}{\nRightarrow} \ & \textcolor{red}{ \cancel{ \textcolor{white}{ A_{n} < \left( K + \frac{1}{n} \right) } } }
\end{aligned}
$$
类似的,当 $n \rightarrow \infty$ 时,若令 $A_{n}$ $=$ $K – \frac{2}{n}$, 则也满足题目 $\lim_{n \rightarrow \infty} A_{n}$ $=$ $K$ 的条件,但此时:
$$
\begin{aligned}
& \left( A_{n} = K – \frac{2}{n} \right) < \left( K – \frac{1}{n} \right) \\ \\ \textcolor{springgreen}{\Rightarrow} \ & A_{n} < \left( K – \frac{1}{n} \right) \quad \textcolor{springgreen}{\boldsymbol{\checkmark}} \\ \\ \textcolor{orangered}{\nRightarrow} \ & \textcolor{red}{ \cancel{ \textcolor{white}{ A_{n} > \left( K – \frac{1}{n} \right) } } }
\end{aligned}
$$
虽然我们不知道 $K$ 是一个正数还是一个负数,但是,由题目已知条件 $\lim_{n \rightarrow \infty} A_{n}$ $=$ $K$ $\neq$ $0$ 可知:
$$
\textcolor{orange}{
\lim_{n \rightarrow \infty} |A_{n}| = |K| > 0 } \tag{1}
$$
且:
$$
\frac{|K|}{2} > 0
$$
由于当 $n$ 足够大时,也就是 $n \rightarrow \infty$ 时,上面的 $\textcolor{orange}{(1)}$ 式一定成立,并且 $\frac{|K|}{2}$ 是一个可数的数值,所以下式一定成立:
$$
|K| > \frac{|K|}{2}
$$
即:
$$
\lim_{n \rightarrow \infty} |A_{n}| > \frac{|K|}{2}
$$
我们也可以用极限的定义求解本题:
由题目已知条件 $\lim_{n \rightarrow \infty} A_{n}$ $=$ $K$ $\neq$ $0$ 可知:
$$
\lim_{n \rightarrow \infty} |A_{n}| = |K| > 0
$$
于是,根据极限的定义可知,若令 $\xi = \frac{|K|}{2}$, 则一定存在正整数 $N$, 使得当 $n > N$ 时,有:
$$
\begin{aligned}
& \left( \textcolor{orange}{ \Big| |A_{n}| − |K| \Big| } \right) < \left( \textcolor{orange}{ \xi = \frac{∣K∣}{2} } \right) \\ \\
\Rightarrow \ & \Big| |A_{n}| − |K| \Big| < \frac{|K|}{2} \\ \\
\Rightarrow \ & \frac{-|K|}{2} < \left( \textcolor{pink}{ |A_{n}| − |K| } \right) < \frac{|K|}{2} \\ \\
\Rightarrow \ & \frac{|K|}{2} < |A_{n}| < \frac{3 |K|}{2} \\ \\
\Rightarrow \ & \textcolor{gray}{ |A_{n}| < |K| } \\ \\
\textcolor{springgreen}{\Rightarrow} \ & \frac{|K|}{2} < |A_{n}| < |K| \quad \textcolor{springgreen}{\boldsymbol{\checkmark}}
\end{aligned}
$$
事实上,若 $k$ $\in$ $(0, 1)$, $\xi$ $\in$ $(0, |K|)$ 按照上述方法,我们可以证明当 $n$ 足够大的时候,下式一定成立:
$$
\textcolor{yellow}{
|A_{n}| > k |K|
}
$$
综上可知,C 选 项 正 确 。
涵盖高等数学基础概念、解题技巧等内容,图文并茂,计算过程清晰严谨。
以独特的视角解析线性代数,让繁复的知识变得直观明了。
通过专题的形式对数学知识结构做必要的补充,使所学知识更加连贯坚实。
让考场上没有难做的数学题!
在对高阶行列式进行计算的时候,其中一种计算方式就是“升阶”,也就是将原来的 $n$ 阶行列式升为 $n+1$ 阶行列式。
那么,什么样的行列式可以尝试升阶操作?怎么进行升阶操作?升阶之后该怎么进行接下来的计算呢?
在本文中,「荒原之梦考研数学」将就以上问题为同学们详细讲解。
继续阅读“投石问路:线性代数中的升阶法详解”大部分时候,在对矩阵或者行列式进行运算的时候,我们都倾向于通过初等变换使得矩阵/行列式中产生更多的 $0$ 元素,或者说倾向于将矩阵/行列式中的非 $0$ 元素消为 $0$ 元素(在本文中,我们将这一类操作简称为“消 $0$”)。
那么,在消 $0$ 的时候,有什么注意事项呢?该采取什么样的策略,才能尽可能又快又多地消出来更多的 $0$ 元素呢?
在本文中,「荒原之梦考研数学」将为同学们详细讲解。
继续阅读“矩阵/行列式消 $0$ 的一个优化策略”求解逆矩阵是线性代数中的一个基本知识点。在考试时的时候,要求解的逆矩阵一般是二阶或者三阶的矩阵,在本文中,「荒原之梦考研数学」就给同学们一个二阶矩阵的快速求逆公式以及该公式的记忆方法。
继续阅读“二阶矩阵的快速求逆公式”已知:
$$
\begin{aligned}
D & = \begin{vmatrix}
a_{11} & a_{12} & a_{13} \\
a_{21} & a_{22} & a_{23} \\
a_{31} & a_{32} & a_{33}
\end{vmatrix} \\ \\
D_{1} & = \begin{vmatrix}
2 a_{11} & 2 a_{12} & 2 a_{13} \\
2 a_{21} & 2 a_{22} & 2 a_{23} \\
2 a_{31} & 2 a_{32} & 2 a_{33}
\end{vmatrix}
\end{aligned}
$$
则:
$$
D_{1} = ?
$$
[A]. $2 D$
[C]. $2^{9} D$
[B]. $2^{3} D$
[D]. $2 \cdot 3 D$
在解决含有无穷小量问题的时候,我们常常需要面对的问题就是:
什么时候该将无穷小量考虑进运算结果中?什么时候又该将无穷小量舍去?
在本文中,「荒原之梦考研数学」就借助“小泡泡转为大泡泡”的现象,为同学们讲明白,如何通过让大的无穷小更大,让小的无穷小更小的“分化融合”方法,来明确无穷小量在具体计算过程中的取舍。
继续阅读“解决无穷小量取舍问题的一个思路:让小泡泡汇聚成大泡泡”已知 $\boldsymbol{\alpha_{1}}$, $\boldsymbol{\alpha_{2}}$, $\cdots$, $\boldsymbol{\alpha}_{s}$(其中 $s \leqslant n$)是一组 $n$ 维列向量,$\boldsymbol{A}$ 是 $n$ 阶矩阵。如果:
$$
\begin{aligned}
& \boldsymbol{A} \boldsymbol{\alpha}_{1} = \boldsymbol{\alpha}_{2}, \\
& \boldsymbol{A} \boldsymbol{\alpha}_{2} = \boldsymbol{\alpha}_{3}, \\
& \cdots, \\
& \boldsymbol{A} \boldsymbol{\alpha}_{s-1} = \boldsymbol{\alpha}_{s} \neq \mathbf{0}, \\
& \boldsymbol{A} \boldsymbol{\alpha}_{s} = \mathbf{0}
\end{aligned}
$$
请证明向量组 $\boldsymbol{\alpha}_{1}$, $\boldsymbol{\alpha}_{2}$, $\cdots$, $\boldsymbol{\alpha}_{s}$ 线性无关。
难度评级:
继续阅读“借助函数或数列的思想研究向量的变化过程”标准正态分布具有很多独特的性质,因此,一般的普通正态分布到标准正态分布的转换,也是概率统计这门学科经常考察的一个知识点。
在本文中,我们只考虑一维情况下的一般正态分布(普通正态分布)到标准正态分布的转换公式以及例题。
继续阅读“一般的一维正态分布到标准正态分布的转换公式与例题详解”对函数的自变量加上、减去、乘以、除以一个数字可以对函数图像产生影响,在本文中,「荒原之梦考研数学」将通过图示和口诀的方式让同学们能够直观地理解这种影响,进而在学习和解题的过程中加以应用。
继续阅读“加减乘除运算对函数图象形状的影响”在手绘正态分布的概率密度函数的时候,我们需要知道概率密度函数图象的大致形状和一些特殊点的位置,这也可以帮助我们理解正态分布相关概念以及辅助解题。
所以,在本文中,「荒原之梦考研数学」就给同学们绘制了一个清晰的正态分布概率密度函数图象,并标注出了一些特殊的坐标点。
继续阅读“正态分布概率密度函数图像的特殊点”