考研数学各部分知识点总结.pptxVIP

考研数学各部分知识点总结

高等数学线性代数概率论与数理统计数学分析选讲常微分方程与偏微分方程初步离散数学基础contents目录

01高等数学

数列极限包括数列极限的定义、性质、计算方法等。函数的概念及表示法包括函数的定义、函数的表示方法、函数的性质等。函数极限包括函数极限的定义、性质、计算方法等。函数的连续性包括连续函数的定义、性质、判断方法等。无穷小与无穷大包括无穷小与无穷大的定义、性质、比较等。函数与极限

导数的概念包括导数的定义、几何意义、物理意义等。导数的计算包括基本初等函数的导数公式、导数的四则运算法则、复合函数的求导法则等。高阶导数包括高阶导数的定义、计算方法等。微分包括微分的定义、微分的几何意义、微分的基本公式和运算法则等。导数与微分

包括罗尔定理、拉格朗日中值定理、柯西中值定理等。中值定理包括洛必达法则的使用条件、计算方法等。洛必达法则包括泰勒公式的定义、计算方法等。泰勒公式包括函数的单调性、极值、最值、曲线的凹凸性、拐点等问题的判断和应用。导数的应用中值定理与导数应用

03广义积分包括无穷区间上的广义积分和无界函数的广义积分的概念、计算方法等。01不定积分包括原函数与不定积分的概念、基本积分公式、换元积分法、分部积分法等。02定积分包括定积分的概念、性质、计算方法等。不定积分与定积分

多元函数微分学全微分包括全微分的定义、计算方法等。偏导数包括偏导数的定义、计算方法等。多元函数的概念包括多元函数的定义、表示方法等。多元复合函数的求导法则包括多元复合函数求导的链式法则等。多元函数的极值包括多元函数的极值条件、判断方法等。

02线性代数

123包括行列式的定义、性质、计算方法（如降阶法、升阶法、拉普拉斯展开等）以及特殊行列式的求解。行列式的性质与计算包括矩阵的加法、数乘、乘法、转置、逆等运算，以及矩阵的秩、行列式、特征值等性质。矩阵的运算与性质通过矩阵的初等变换求解线性方程组，理解方程组有解的条件以及解的结构。矩阵的初等变换与线性方程组行列式与矩阵

向量组的线性相关性理解向量组线性相关与线性无关的概念，掌握判断向量组线性相关性的方法。线性方程组的求解通过向量的线性表示与线性方程组的关系，理解方程组有解的条件以及解的结构，掌握求解线性方程组的方法。向量的概念与运算包括向量的定义、线性运算（如加法、数乘）、内积、外积等。向量与线性方程组

特征值与特征向量的概念与性质特征值与特征向量包括特征值与特征向量的定义、性质以及求解方法。相似矩阵与对角化理解相似矩阵的概念与性质，掌握矩阵对角化的条件与方法。了解实对称矩阵的性质，掌握实对称矩阵对角化的方法。实对称矩阵的性质与对角化

包括二次型的定义、标准形、规范形等概念，以及二次型与对称矩阵的关系。二次型的概念与标准形了解正定矩阵的概念与性质，掌握判断矩阵正定性的方法。正定矩阵的性质与判定通过二次型的性质研究优化问题，如最小二乘法、最优控制等。二次型的优化问题二次型与正定矩阵

03概率论与数理统计

在一定条件下并不总是发生的事件，具有偶然性。随机事件概率古典概型几何概型表示随机事件发生的可能性大小的数值，其值在0和1之间。每个样本点等可能出现的概率模型，适用于有限样本空间的情况。根据事件的几何度量（如长度、面积、体积等）来计算概率的模型。随机事件与概率

随机变量描述随机试验结果的变量，可以是离散的或连续的。离散型随机变量取值可数的随机变量，如二项分布、泊松分布等。连续型随机变量取值充满某个区间的随机变量，如正态分布、均匀分布等。分布函数描述随机变量取值概率的函数，可以是概率质量函数或概率密度函数。随机变量及其分布

多维随机变量描述多个随机试验结果的变量组，可以是离散的或连续的。联合分布描述多维随机变量同时取值的概率分布。边缘分布描述多维随机变量中部分变量取值的概率分布。条件分布在已知多维随机变量中部分变量取值的情况下，描述其余变量取值的概率分布。多维随机变量及其分布

数学期望描述随机变量取值波动大小的数值特征。方差协方差与相关系数矩与协方差矩述多维随机变量分布形态的数值特征。描述随机变量平均取值大小的数值特征，简称期望。描述两个随机变量之间线性相关程度的数值特征。随机变量的数字特征

揭示了大量随机现象平均结果的稳定性，即当试验次数足够多时，频率趋于概率。揭示了当独立同分布的随机变量个数足够多时，其和的分布近似于正态分布，为统计分析提供了重要依据。大数定律与中心极限定理中心极限定理大数定律

04数学分析选讲

实数完备性与连续函数性质实数完备性包括实数的基本性质、实数集的完备性定理（如确界原理、单调有界定理、闭区间套定理、有限覆盖定理等）以及实数完备性的应用。连续函数性质涉及连续函数的定义、性质、判别法以及一致连续性的概念与性质。此外，还包括连续函数在闭区间上的