从1858年 Cayley 建立起矩阵及其运算以来, 矩阵理论迅速的建立了起来. 矩阵论是数学中内容最丰富, 应用最广泛的部分之一. 矩阵是线性代数中最重要的工具, 贯穿于线性代数的始终. 矩阵论在航空航天, 军事, 信息处理, 人工智能, 金融, 生命科学, 社会科学等很多的领域都有非常重要的作用.

这一部分的笔记将对矩阵理论中的核心内容以及方法进行总结和复习. 假设本笔记的读者, 对于笔记中出现的各种概念并不陌生, 而矩阵定义以及一些运算(加法、乘法、转置)作为基本知识将不在此重述, 笔记将按照一个个独立的知识点组织. 对于一个点的相关知识和方法, 将来自于整个线性代数课程, 以使读者能够综合应用, 融会贯通.

这一部分主要集中讨论定义在闭区间上的一元实函数.

导数定义与性质

在此先给出定义在$\mathbb{R}$的子集上的可微函数的定义, 并给出计算导数的基本法则.

[定义][导数]

令$D\subset \mathbb{R}$,称函数$f:D\rightarrow \mathbb{R}$在点$x_0\in D$可微, 若满足:$$f’(x_0):= \lim_{\small\begin{array}{c}
x \rightarrow x_0 \
x \in D\setminus {x_0}\end{array}}
\frac{f(x)-f(x_0)}{x-x_0}=
\lim_{\small\begin{array}{c}
h \rightarrow 0\
h \neq 0\
x_0 +h\in D\end{array}}
\frac{f(x_0 +h)-f(x_0)}{h}$$
存在. 有时也用符号$\frac{df}{dx}(x_0)$替代$f’(x_0)$, 称为函数$f$在点$x_0$处的\textbf{导数(微商)}.
若$\forall x \in D$, $f$皆可微, 则称函数$f$在$D$上是可微的.

在教学的过程中深得教学相长得益处, 其中不少是由于同学所提意见的影响, 我把所得到的一些不成熟的看法写在下面供同志们参考.

我讲书喜欢埋些伏笔, 有些重要的概念、重要的方法尽可能早地在具体的问题中提出, 并且不止一次地提出. 目的在于将来进一步学习的时候哦会比较容易接受高深的方法, 很可能某些高深的方法就是早已有之的朴素简单的方法法人抽象的加工而已.(有些深化了些, 有些并没有深化而仅仅是另一形式而已.)我也喜欢生书熟讲, 熟书生温的方法, 似乎是在温熟书, 但把新的东西讲进去了, 这是因为一般讲来, 生书比旧课, 真正原则性的添加并不太多的缘故. 找另一条线索把旧东西重新贯穿起来, 这样的温习方法容易发现我们究竟有哪些主要环节没有懂透. 有时分讲合温, 或合讲合温, 下先把一个机器的零件一一搞清, 再看全局, 或先看全部机器的作用和目的, 再分析要造成这个机器需要哪些零件而把条件一一讲明. “数”与”形”的”分”和”和”, “抽象”与”具体”的”分”与”合”都是在反复又反复的过程中不断提高的. 同学也要求讲讲”人家怎样想出来的”, 因而在讲书时也曾做过尝试, 主观的推测一下, 这可能并不是原来的想法, 但给出一条”这一步看下一步并不难, 连看几步就达到目的”的途径, 作为同学们的参考.

序列与极限

这里我们快速的过一遍关于数列与级数的这一些基础的内容.这些内容在复数域 $\mathbb{C}$ 上都是成立的.

度量空间 $X$ 中的序列 ${ x_n }$ 称收敛的, 当 $\exists x \in X$, $\forall \varepsilon >0$, $\exists N\in \mathbb{N}_+ $, $d(x_n, x)<\varepsilon$. 我们说序列 ${ x_n }$ 收敛于 $x$.记为
$$\lim_{n\rightarrow\infty}x_{n} = x.$$
如果序列不收敛, 我们称其为发散的.

平台：win64+anaconda

1. 查看已安装的库

打开 Anaconda Command Prompt ,在命令提示符窗口中输入以下命令：

1
2
3
4
5

pip list

# 或者

conda list

其中，pip list 只能查看库，而 conda list 则可以查看库以及库的版本

2. 如何安装或更新库

以安装 更新 scipy 为例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

pip install scipy
pip install scipy --upgrade

# 或者

conda install scipy
conda update scipy

# 更新所有库

conda update --all

# 更新 conda 自身

conda update conda

# 更新 anaconda 自身

conda update anaconda