2019考研数学一大纲原文(完整版)

3.理解齐次线性方程组的基础解系、通解及解空间的概念,掌握齐次线性方程组的基础解系和通解的求法.

4.理解非齐次线性方程组解的结构及通解的概念.

5.掌握用初等行变换求解线性方程组的方法.

五、矩阵的特征值和特征向量

考试内容

矩阵的特征值和特征向量的概念、性质相似变换、相似矩阵的概念及性质矩阵可相似对角化的充分必要条件及相似对角矩阵实对称矩阵的特征值、特征向量及其相似对角矩阵

考试要求

1.理解矩阵的特征值和特征向量的概念及性质,会求矩阵的特征值和特征向量.

2.理解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件,掌握将矩阵化为相似对角矩阵的方法.

3.掌握实对称矩阵的特征值和特征向量的性质.

六、二次型

考试内容

二次型及其矩阵表示合同变换与合同矩阵二次型的秩惯性定理二次型的标准形和规范形用正交变换和配方法化二次型为标准形二次型及其矩阵的正定性

考试要求

1.掌握二次型及其矩阵表示,了解二次型秩的概念,了解合同变换与合同矩阵的概念,了解二次型的标准形、规范形的概念以及惯性定理.

2.掌握用正交变换化二次型为标准形的方法,会用配方法化二次型为标准形.

3.理解正定二次型、正定矩阵的概念,并掌握其判别法.

概率论与数理统计

一、随机事件和概率

考试内容

随机事件与样本空间事件的关系与运算完备事件组概率的概念概率的基本性质古典型概率几何型概率条件概率概率的基本公式事件的独立性独立重复试验

考试要求

1.了解样本空间(基本事件空间)的概念,理解随机事件的概念,掌握事件的关系及运算.

2.理解概率、条件概率的概念,掌握概率的基本性质,会计算古典型概率和几何型概率,掌握概率的加法公式、减法公式、乘法公式、全概率公式以及贝叶斯(Bayes)公式.

3.理解事件独立性的概念,掌握用事件独立性进行概率计算;理解独立重复试验的概念,掌握计算有关事件概率的方法.

二、随机变量及其分布

考试内容

随机变量随机变量分布函数的概念及其性质离散型随机变量的概率分布连续型随机变量的概率密度常见随机变量的分布随机变量函数的分布

考试要求

1.理解随机变量的概念,理解分布函数的概念及性质,会计算与随机变量相联系的事件的概率.

2.理解离散型随机变量及其概率分布的概念,掌握0-1分布、二项分布、几何分布、超几何分布、泊松(Poisson)分布及其应用.

3.了解泊松定理的结论和应用条件,会用泊松分布近似表示二项分布.

4.理解连续型随机变量及其概率密度的概念,掌握均匀分布、正态分布、指数分布及其应用,其中参数为的指数分布的概率密度为

5.会求随机变量函数的分布.

三、多维随机变量及其分布

考试内容

多维随机变量及其分布 二维离散型随机变量的概率分布、边缘分布和条件分布 二维连续型随机变量的概率密度、边缘概率密度和条件密度随机变量的独立性和不相关性 常用二维随机变量的分布 两个及两个以上随机变量简单函数的分布

考试要求

1.理解多维随机变量的概念,理解多维随机变量的分布的概念和性质,理解二维离散型随机变量的概率分布、边缘分布和条件分布,理解二维连续型随机变量的概率密度、边缘密度和条件密度,会求与二维随机变量相关事件的概率.

2.理解随机变量的独立性及不相关性的概念,掌握随机变量相互独立的条件.

3.掌握二维均匀分布,了解二维正态分布的概率密度,理解其中参数的概率意义.

4.会求两个随机变量简单函数的分布,会求多个相互独立随机变量简单函数的分布.

四、随机变量的数字特征

考试内容

随机变量的数学期望(均值)、方差、标准差及其性质 随机变量函数的数学期望 矩、协方差、相关系数及其性质

考试要求

1.理解随机变量数字特征(数学期望、方差、标准差、矩、协方差、相关系数)的概念,会运用数字特征的基本性质,并掌握常用分布的数字特征.

2.会求随机变量函数的数学期望.

五、大数定律和中心极 限定理

考试内容

切比雪夫(Chebyshev)不等式 切比雪夫大数定律 伯努利(Bernoulli)大数定律 辛钦(Khinchine)大数定律 棣莫弗-拉普拉斯(DeMoivre-Laplace)定理列维-林德伯格(Levy-Lindberg)定理

考试要求

1.了解切比雪夫不等式.

2.了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律(独立同分布随机变量序列的大数定律).

3.了解棣莫弗-拉普拉斯定理(二项分布以正态分布为极 限分布)和列维-林德伯格定理(独立同分布随机变量序列的中心极 限定理).

联系客服:779662525#qq.com(#替换为@) 苏ICP备20003344号-4