工程数学：速成包

极限：先尝试直接代入。若得到 0/0，先化简：因式分解并约去公因式，或乘以共轭式。当 x → ∞ 时，分子分母同除以 x 的最高次幂。洛必达法则：若 f/g 为 0/0 或 ∞/∞ 型，则 lim f/g = lim f′/g′，分子和分母分别求导（不是用商法则）。

极限：先尝试直接代入。若得到 0/0，先化简：因式分解并约去公因式，或乘以共轭式。当 x → ∞ 时，分子分母同除以 x 的最高次幂。洛必达法则：若 f/g 为 0/0 或 ∞/∞ 型，则 lim f/g = lim f′/g′，分子和分母分别求导（不是用商法则）。

求导：导数 f′(x) 是图像在 x 处的斜率。幂法则：(xⁿ)′ = n·xⁿ⁻¹。乘积法则：(uv)′ = u′v + uv′。链式法则：(f(g(x)))′ = f′(g(x))·g′(x)。在 f′(x) = 0 处，图像有水平切线：极大值、极小值或鞍点。

求导：导数 f′(x) 是图像在 x 处的斜率。幂法则：(xⁿ)′ = n·xⁿ⁻¹。乘积法则：(uv)′ = u′v + uv′。链式法则：(f(g(x)))′ = f′(g(x))·g′(x)。在 f′(x) = 0 处，图像有水平切线：极大值、极小值或鞍点。

定积分：∫ₐᵇ f(x) dx 是从 a 到 b 图像与 x 轴之间的有向面积。求一个原函数 F（F′ = f），再计算 F(b) − F(a)。幂法则：∫xⁿ dx = xⁿ⁺¹/(n + 1)。两条曲线之间的面积为 ∫(上 − 下) dx。

定积分：∫ₐᵇ f(x) dx 是从 a 到 b 图像与 x 轴之间的有向面积。求一个原函数 F（F′ = f），再计算 F(b) − F(a)。幂法则：∫xⁿ dx = xⁿ⁺¹/(n + 1)。两条曲线之间的面积为 ∫(上 − 下) dx。

极坐标形式：z = r∠θ = r(cos θ + j sin θ) = r·e^jθ，其中 r = |z|，θ = arg z。换回直角坐标形式：a = r cos θ，b = r sin θ。求辐角需要考虑象限：仅当 a > 0 时 θ = atan(b/a)；当 a < 0 时要加上或减去 180°。在极坐标形式下乘法很简单：模相乘，辐角相加；除法则模相除，辐角相减。

棣莫弗定理与方根：(r∠θ)ⁿ = rⁿ∠nθ。方程 zⁿ = R∠φ 恰有 n 个根，模都是 R^1/n，辐角为 (φ + 360°·k)/n，k = 0, 1, …, n − 1：它们均匀分布在一个圆上，相隔 360°/n。当 p² < 4q 时，二次方程 z² + pz + q = 0 有复根 z = −p/2 ± j√(q − p²/4)；实系数多项式的复根总是成共轭对 a ± jb 出现。

一阶微分方程：dy/dt = k·y 的解为 y = y₀·e^kt（k > 0 时增长，k < 0 时衰减）；半衰期 T 对应 k = ln 2/T。牛顿冷却定律 dT/dt = −k·(T − Tₐ) 给出 T(t) = Tₐ + (T₀ − Tₐ)·e^−kt。线性方程 y′ + p(x)·y = q(x) 用积分因子 μ = e^{∫p dx} 求解：(μy)′ = μq，所以 μy = ∫μq dx + C。

一阶微分方程：dy/dt = k·y 的解为 y = y₀·e^kt（k > 0 时增长，k < 0 时衰减）；半衰期 T 对应 k = ln 2/T。牛顿冷却定律 dT/dt = −k·(T − Tₐ) 给出 T(t) = Tₐ + (T₀ − Tₐ)·e^−kt。线性方程 y′ + p(x)·y = q(x) 用积分因子 μ = e^{∫p dx} 求解：(μy)′ = μq，所以 μy = ∫μq dx + C。

矩阵：2×2 矩阵的行列式为 ad − bc。对于 3×3，按某一行展开：每个元素乘以划去其所在行和列后剩下的 2×2 矩阵的行列式，符号按 + − + 交替。特征值 λ 满足 det(A − λI) = 0；对于 2×2，即 λ² −（迹）·λ + det = 0。

矩阵：2×2 矩阵的行列式为 ad − bc。对于 3×3，按某一行展开：每个元素乘以划去其所在行和列后剩下的 2×2 矩阵的行列式，符号按 + − + 交替。特征值 λ 满足 det(A − λI) = 0；对于 2×2，即 λ² −（迹）·λ + det = 0。

Dot product: a·b = a_xb_x + a_yb_y + a_zb_z = |a|·|b|·cos θ, a scalar. It gives the angle between two vectors, cos θ = a·b/(|a|·|b|), and it is zero when they are perpendicular. The scalar projection of a onto b is a·b/|b|, and a constant force F moving through a displacement d does work W = F·d.

Cross product: a × b = (a_yb_z − a_zb_y, a_zb_x − a_xb_z, a_xb_y − a_yb_x) is perpendicular to both vectors, and |a × b| = |a|·|b|·sin θ is the area of the parallelogram they span (the triangle has half of it). Order matters: b × a = −(a × b). The moment of a force F applied at point A about point O is M_O = r × F, with r = A − O.

离散随机变量：概率分布列出变量能取的每个值 x 及其概率 p(x)；概率介于 0 和 1 之间，且总和为 1。期望值（均值）是 E(X) = Σx·p(x)，即长期平均值。方差为 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²，标准差为 σ = √Var(X)。对线性变换 Y = aX + b：E(Y) = a·E(X) + b，Var(Y) = a²·Var(X)，σ_Y = |a|·σ_X；加上常数不会改变离散程度。

概率：在等可能结果下，P(A) = 有利结果数/总数。独立事件相乘：P(A 且 B) = P(A)·P(B)。补事件常常有用：P(至少一个) = 1 − P(一个都没有)。二项分布：在 n 次独立试验中，成功概率为 p，P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ。

描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。

描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。

正态分布：把数值 x 换算成 z 分数 z = (x − μ)/σ，它表示离均值有多少个标准差。z 表（或 Φ(z)）给出 z 左侧的面积，即 P(X < x)。右侧面积为 1 − Φ(z)，两个值之间的面积等于它们左侧面积之差。

正态变量的和与差：若 X 和 Y 相互独立且服从正态分布，则 X + Y 与 X − Y 也服从正态分布。均值相加或相减：E(X ± Y) = μ_X ± μ_Y。方差总是相加，差也是如此：Var(X ± Y) = σ_X² + σ_Y²，所以 σ = √(σ_X² + σ_Y²)。标准差从不直接相加。n 个独立同分布项的总和，均值为 n·μ，标准差为 σ·√n。然后照常标准化：z = (x − 均值)/σ，再查 Φ(z)。