线性代数和概率论是考研数学中的两大重要模块，对于考生来说，掌握这些核心公式和解题技巧至关重要。本文将详细解析线性代数和概率论中的关键公式，并结合实战案例，帮助考生更好地理解和应用这些知识。
线性代数公式解析
1. 行列式
行列式是线性代数中的一个重要概念，它不仅用于求解线性方程组，还能判断方程组的解的情况。以下是几个常用的行列式公式：
- 二阶行列式：( \Delta = ad - bc )
- 三阶行列式：( \Delta = a(ei - fh) - b(di - fg) + c(dh - eg) )
- 克莱姆法则：( x_i = \frac{\Delta_i}{\Delta} )，其中 ( \Delta_i ) 是将 ( \Delta ) 中的第 ( i ) 列替换为方程组的常数项列后得到的行列式。
2. 矩阵
矩阵是线性代数中的基本工具，它广泛应用于各种数学问题。以下是一些常用的矩阵公式：
- 矩阵乘法：( (AB){ij} = \sum{k=1}^n a{ik}b{kj} )
- 矩阵转置：( A^T = [a_{ji}] )
- 矩阵求逆：( A^{-1} = \frac{1}{\det(A)}C^T )，其中 ( C ) 是 ( A ) 的伴随矩阵。
3. 特征值与特征向量
特征值和特征向量是线性代数中的核心概念，它们在求解线性方程组、矩阵分解等方面有着广泛的应用。以下是一些相关的公式：
- 特征值：( \lambda = \det(A - \lambda E) )
- 特征向量：( Av = \lambda v )
概率论公式解析
1. 概率的基本公式
- 古典概率：( P(A) = \frac{m}{n} )，其中 ( m ) 是事件 ( A ) 发生的基本事件数，( n ) 是所有基本事件的总数。
- 条件概率：( P(A|B) = \frac{P(AB)}{P(B)} )
- 独立事件：( P(AB) = P(A)P(B) )
2. 随机变量及其分布
- 离散型随机变量：( X ) 的分布列为 ( P(X=x) = f(x) )，其中 ( f(x) ) 是 ( X ) 取值 ( x ) 的概率。
- 连续型随机变量：( X ) 的概率密度函数为 ( f(x) )，其概率分布函数为 ( F(x) = \int_{-\infty}^x f(t) \, dt )。
3. 大数定律与中心极限定理
- 大数定律：随着试验次数的增加，样本均值将趋近于总体均值。
- 中心极限定理：当样本容量足够大时，样本均值的分布将趋近于正态分布。
实战笔记
线性代数实战
假设我们要解以下线性方程组：
[ \begin{cases} 2x + 3y = 8 \ 4x - y = 1 \end{cases} ]
首先，我们可以将方程组写成增广矩阵的形式：
[ \left[ \begin{array}{cc|c} 2 & 3 & 8 \ 4 & -1 & 1 \end{array} \right] ]
然后，通过初等行变换将增广矩阵化为行最简形式：
[ \left[ \begin{array}{cc|c} 1 & 1 & 3 \ 0 & -7 & -11 \end{array} \right] ]
最后，我们可以得到方程组的解：
[ x = 3, \quad y = -2 ]
概率论实战
假设一个袋子里有5个红球和3个蓝球，我们从中随机抽取2个球，求这两个球都是红球的概率。
首先，我们可以计算出所有可能的抽取组合：
[ C(8, 2) = \frac{8!}{2!(8-2)!} = 28 ]
然后，计算出抽取2个红球的组合数：
[ C(5, 2) = \frac{5!}{2!(5-2)!} = 10 ]
因此，这两个球都是红球的概率为：
[ P(A) = \frac{10}{28} = \frac{5}{14} ]
通过以上实战案例，我们可以看到线性代数和概率论在解决实际问题中的应用。掌握这些公式和解题技巧，对于考研数学来说至关重要。希望本文的解析和实战笔记能帮助考生在备考过程中取得更好的成绩。