考研数学知识点归纳

考研数学二知识点总结一、数列和数列的极限。

数列是指按照一定的顺序排列的一组数，数列的极限是指随着项数的增加，数列中的数值逐渐趋近于一个确定的值。

在考研数学二中，数列和数列的极限是一个重要的知识点，涉及到等差数列、等比数列、递推数列等内容，考生需要掌握数列的性质、求和公式、极限计算方法等。

二、函数与极限。

函数是数学中的一个重要概念，它描述了一个变量与另一个变量之间的对应关系。

在考研数学二中，函数与极限是一个重要的知识点，包括函数的性质、导数、极值、最值、函数的图像、函数的极限等内容，考生需要掌握函数的基本概念和计算方法。

三、微分与积分。

微分与积分是微积分学中的两个重要概念，微分描述了函数在某一点的变化率，积分描述了函数在一定区间内的累积效应。

在考研数学二中，微分与积分是一个重要的知识点，包括导数的计算、微分方程、不定积分、定积分等内容，考生需要掌握微分与积分的基本概念和计算方法。

四、概率与统计。

概率与统计是数学中的一个重要分支，它描述了随机事件的发生规律和数据的分布特征。

在考研数学二中，概率与统计是一个重要的知识点，包括随机变量、概率分布、统计量、参数估计、假设检验等内容，考生需要掌握概率与统计的基本概念和计算方法。

五、线性代数。

线性代数是数学中的一个重要分支，它描述了向量空间和线性变换的性质和规律。

在考研数学二中，线性代数是一个重要的知识点，包括矩阵、向量、矩阵的运算、矩阵的秩、特征值、特征向量等内容，考生需要掌握线性代数的基本概念和计算方法。

六、解析几何。

解析几何是数学中的一个重要分支，它描述了几何图形在坐标系中的性质和规律。

在考研数学二中，解析几何是一个重要的知识点，包括平面几何、空间几何、曲线方程、曲面方程等内容，考生需要掌握解析几何的基本概念和计算方法。

以上就是考研数学二的知识点总结，希望考生们能够认真复习，加强对重点知识的掌握，顺利通过考研数学二的考试。

祝各位考生取得优异的成绩！。

[基础知识]n -b n =(a -b)( a n−1+a n−2b+…+ab n−2+b n−1) ( n 为正偶数时)a n -b n =(a +b)( a n−1-a n−2b+…+ab n−2-b n−1) ( n 为正奇数时)a n +b n =(a +b)( a n−1-a n−2b+…-ab n−2+b n−1)+b)n =∑C n k a k bn−kn k=0(1) a,b 位实数，则○12|ab |≤a 2+b 2；○2|a ±b |≤|a |+|b |；○3|a |−|b |≤|a −b |. (2) a 1,a 2,…,a n >0, 则 ○1a 1+a 2+⋯+a n n ≥√a 1a 2⋯a n n＜[x]≤x和差化积;积化和差(7)：sin α+sin β=2(sin α+β2)(cosα−β2) sin αcos β=12(sinα+β2+cosα−β2)sin α-sin β=2(cosα+β2)(sinα−β2) cos αcos β=12(cos α+β2+cosα−β2)cos α+cos β=2(cos α+β2)(co sα−β2) sin αsin β=-12(cosα+β2-cosα−β2)cos α-cos β=2(sinα+β2)(sinα−β2)1+tan 2α=sec 2α 1+cot 2α=csc 2αsin 2α=2sin αcos α cos 2α=cos 2α-sin 2α=1-2sin 2α=2cos 2α-1tan (α±β)=tanα±tanβ1∓tanαtan β cot (α±β)=1∓cot αcot βcot α+cot βtanα2=1−cosαsinα=sinα1+cosα=±√1−cosα1+cosαcotα2=sinα1−cosα=1+cosαsinα=±√1+cosα1−cosα万能公式：u=tan x2(−π<x<π)，则sin x=2u1+u2，cos x=1−u21+u2函数图像sec(x) csc(x) cot(x)arcsin(x) arccos(x)arctan(x) arc cot(x)[极限]函数极限x→•：（6）limx→x0f(x)=A: ∀E>0,∃δ>0,当0<|x- x0|< δ时，恒有|f(x)-A|< E.limx→x0+f(x)=A: ∀E>0,∃δ>0,当0<(x- x0)< δ时，恒有|f(x)-A|<E.limx→x0−f(x)=A: ∀E>0,∃δ>0,当0<( x0- x)< δ时，恒有|f(x)-A|< E.limx→∞f(x)=A: ∀E>0, ∃X>0,当|x|>X时,恒有|f(x)-A|<E.limx→∞+f(x)=A: ∀E>0, ∃X>0,当x>X时,恒有|f(x)-A|< E.limx→∞−f(x)=A: ∀E>0, ∃X>0,当-x>X时,恒有|f(x)-A|< E.数列极限n→∞：limn→∞f(x)=A: ∀E>0, ∃N>0,当n>N时,恒有|X n-A|< E.(1)唯一性:设limx→x0f(x)=A，limx→x0f(x)=B，则A=B.(2)局部有界性：若limx→x0f(x)存在，则存在δ>0,使f(x)在U={x｜0<｜x-x0｜<δ内有界.(3)局部保号性：○1(脱帽)若limx→x0f(x) =A>0,则存在x0的一个去心邻域，在该邻域内恒有f(x)>0.○2(戴帽)若存在x0的一个去心邻域，在该邻域内f(x)>(≥)0，且limx→x0f(x)=A(∃)，则A≥0.极限四则运算：设lim x→x 0f(x)=A(∃),lim x→x 0f(x)=B(∃),则○1lim x→x 0 [f (x )±g (x )]=A±B. ○2lim x→x 0[f (x )g (x )]=A⋅B. ○3lim x→x 0f(x)g(x)=AB(B≠0). 等价无穷小（9）sin x 1−cos x ~12x 2 arc sin x a x −1~lna ⋅xtan x (1+x )α−1~αx ~xarctan xln (1+x )e x −1lim n→∞√n n =1 , lim n→∞√a n=1, (a>0) ,lim x→0+x δ(ln x )k =0 ,lim x→+∞x k e −δx =0 (δ>0,k >0) lim n→∞√a 1n +a 2n +⋯+a m nn =max {a i }i =1,2,…,m;a i >0洛必达法则：“00”型：○1lim x→x 0f(x)=0, lim x→x 0g(x)=0; ○2f(x),g(x)在x 0的某去心领域内可导,且g’(x)≠0 ○3lim x→ x 0f′(x)g′(x)=A 或为∞.则limx→x 0f(x)g(x)=limx→x0 f′(x)g′(x)“∞∞”型：○1lim x→x 0f(x)=∞, lim x→x0g(x)=∞; ○2f(x),g(x)在x 0的某去心领域内可导,且g’(x)≠0○3lim x→x 0 f′(x)g′(x)=A 或为∞.则limx→x 0f(x)g(x)=limx→x 0 f′(x)g′(x)[注]洛必达法则能不能用，用了再说.数列极限存在准则： 1. 单调有界数列必收敛2.夹逼准则：如果函数f(x),g(x)及h(x)满足下列条件： (1) g(x)≤f(x)≤h(x); (2)limg(x)=A,limh(x)=A, 则limf(x)存在，且limf(x)=A .两种典型放缩：○1max{u i }≤∑u i n i=1≤n∙max{u i }; ○2n∙min{u i }≤∑u i n i=1≤n∙max{u i }选取的依据是谁在和式中去决定性作用海涅定理（归结原则）：设f(x)在 (x 0,δ)内有定义，则lim x→x 0f(x)=A 存在⟺对任何以x 0为极限的数列{x n }（x n ≠x 0），极限lim n→∞f(x n )=A存在.连续的两种定义：（1） lim Δx→0Δy =lim Δx→0[f (x 0+Δx )−f (x 0)]=0（2） lim x→x 0f (x )=f (x 0)间断点：第一类：可去、跳跃；第二类：无穷、振荡[一元微分学]导数定义式：f’ (x 0)=dydx ｜x=x0=limΔx→0f (x 0+Δx )−f(x 0)Δx=limx→x 0f (x )−f(x0)x−x 0微分定义式：若Δy=A Δx +o(Δx ),则dy=A Δx . 可导的判别:(1) 必要条件:若函数f(x)在点x 0处可导,则f(x)在点x 0处连续.(2) 充要条件:f ′(x0)f +(x 0)′,f −(x 0)′都存在，且f +(x 0)′=f −(x 0)′.[注]通俗来说就是连续函数不一定可导；函数在一点可导且在该点连续，但在这点的某个邻域未必连续；函数可导，则其导函数可能连续，也可能震荡间断. 可微的判别：limΔx→0Δy−AΔx Δx=0，则f(x)可微。

第一章 概率论的基本概念定义： 随机试验E 的每个结果样本点组成样本空间S ，S 的子集为E 的随机事件，单个样本点为基本事件．事件关系：1．A ⊂B ，A 发生必导致B 发生．2．A B 和事件，A ，B 至少一个发生，A B 发生． 3．A B 记AB 积事件，A ，B 同时发生，AB 发生． 4．A －B 差事件，A 发生，B 不发生，A －B 发生． 5．A B=?，A 与B 互不相容(互斥)，A 与B 不能同时发生，基本事件两两互不相容．6．A B=S 且A B=?，A 与B 互为逆事件或对立事件，A 与B 中必有且仅有一个发生，记B=A S A -=．事件运算： 交换律、结合律、分配率略．德摩根律：B A B A =，B A B A =．概率： 概率就是n 趋向无穷时的频率，记P(A)． 概率性质: 1．P (?)=0．2．(有限可加性)P (A 1 A 2 … A n )=P (A 1)+P (A 2)+…+P (A n )，A i 互不相容．3．若A ⊂B ，则P (B －A)=P (B)－P (A)． 4．对任意事件A ，有)A (1)A (P P -=．5．P (A B)=P (A)+P (B)－P (AB)．古典概型： 即等可能概型，满足：1．S 包含有限个元素．2．每个基本事件发生的可能性相同． 等概公式：中样本点总数中样本点数S A )A (==n k P ． 超几何分布：⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛=n N k n D N k D p ，其中ra C r a =⎪⎪⎭⎫ ⎝⎛． 条件概率： )A ()AB ()A B (P P P =． 乘法定理：)A ()A B ()AB C ()ABC ()A ()AB ()AB (P P P P P P P ==．全概率公式：)B ()B A ()B ()B A ()B ()B A ()A (2211n n P P P P P P P +++= ，其中i B 为S 的划分．贝叶斯公式： )A ()B ()B A ()A B (P P P P i i i =，∑==nj j j B P B A P A P 1)()()(或)()()()()()()(B P B A P B P B A P B P B A P A B P +=．独立性： 满足P (AB)=P (A)P (B)，则A ，B 相互独立，简称A ，B 独立． 定理一： A ，B 独立，则．P (B |A)=P (B)．定理二： A ，B 独立，则A 与B ，A 与B ，A 与B 也相互独立． 第二章 随机变量及其分布(0—1)分布：k k p p k X P --==1)1(}{，k =0，1 （0<p <1）．伯努利实验：实验只有两个可能的结果：A 及A ．二项式分布： 记X~b （n ，p ），kn kkn p p C k X P --==)1(}{． n 重伯努利实验：独立且每次试验概率保持不变．其中A 发生k 次，即二项式分布．泊松分布： 记X~π（λ），!}{k e k X P k λλ-==， ,2,1,0=k ．泊松定理： !)1(lim k e p p C k kn k knn λλ--∞→=-，其中λ=np ．当20≥n ，05.0≤p 应用泊松定理近似效果颇佳．随机变量分布函数： }{)(x X P x F ≤=，+∞<<∞-x ．)()(}{1221x F x F x X x P -=≤<．连续型随机变量： ⎰∞-=xt t f x F d )()(，X 为连续型随机变量，)(x f 为X 的概率密度函数，简称概率密度．概率密度性质：1．0)(≥x f ；2．1d )(=⎰+∞∞-x x f ；3．⎰=-=≤<21d )()()(}{1221x x x x f x F x F x X x P ；4．)()(x f x F ='，f (x )在x 点连续；5．P {X=a }=0．均匀分布： 记X~U(a ，b )；⎪⎩⎪⎨⎧<<-=其它，，01)(bx a ab x f ；⎪⎩⎪⎨⎧≥<≤--<=b x b x a a b a x a x x F ，，，10)(． 性质：对a ≤c <c +l ≤b ，有 指数分布：⎪⎩⎪⎨⎧>=-其它，，001)(x e x f x θθ；⎩⎨⎧>-=-其它，，001)(x e x F x θ． 无记忆性： }{}{t X P s X t s X P >=>+>． 正态分布： 记),(~2σμN X ；]2)(ex p[21)(22σμσπ--=x x f ；t t x F xd ]2)(ex p[21)(22⎰∞---=σμσπ．性质： 1．f (x )关于x =μ对称，且P {μ-h <X ≤μ}=P {μ<X ≤μ+h }；2．有最大值f (μ)=(σπ2)-1．标准正态分布： ]2exp[21)(2x x -=πϕ；⎰∞--=Φxt t x d ]2ex p[21)(2π．即μ=0，σ=1时的正态分布X ~N(0，1)性质：)(1)(x x Φ-=-Φ．正态分布的线性转化： 对),(~2σμN X有)1,0(~N X Z σμ-=；且有)(}{}{)(σμσμσμ-Φ=-≤-=≤=x x X P x X P x F ．正态分布概率转化：)()(}{1221σμσμ-Φ--Φ=≤<x x x X x P ；1)(2)()(}{-Φ=-Φ-Φ=+<<-t t t t X t P σμσμ．3σ法则： P =Φ(1)－Φ(-1)=68.26%；P =Φ(2)－Φ(-2)=95.44%；P =Φ(3)－Φ(-3)=99.74%，P 多落在(μ-3σ，μ+3σ)内． 上ɑ分位点： 对X~N(0，1)，若z α满足条件P {X>z α}=α，0<α<1，则称点z α为标准正态分布的上α分位点．常用 上ɑ分位点： 0.001 0.005 0.01 0.025 0.05 0.10 3.0902.5762.3261.9601.6451.282Y 服从自由度为1的χ2分布：设X 密度函数f X (x )，+∞<<∞-x ，若Y=X 2，则⎪⎩⎪⎨⎧≤>-+=000)]()([21)(y y y f y f y y f X XY ，，若设X ~N(0，1)，则有⎪⎩⎪⎨⎧≤>=--00021)(221y y e y y f y Y ，，π定理：设X 密度函数f X (x )，设g (x )处处可导且恒有g ′(x )>0(或g ′(x )<0)，则Y=g (X)是连续型随机变量，且有h (y )是g (x )的反函数；①若+∞<<∞-x ，则α=min{g (?∞)，g (+∞)}，β=max{g (?∞)，g (+∞)}；②若f X (x )在[a ，b ]外等于零，g (x )在[a ，b ]上单调，则α=min{g (a )，g (b )}，β=max{g (a )，g (b )}．应用： Y=aX +b ~N(a μ+b ，(|a |σ)2)．第三章 多维随机变量及其分布二维随机变量的分布函数：分布函数(联合分布函数)：)}(){(),(y Y x X P y x F ≤≤= ，记作：},{y Y x X P ≤≤．),(),(),(),(},{112112222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤<．F （x ，y ）性质： 1．F （x ，y ）是x 和y 的不减函数，即x 2>x 1时，F （x 2，y ）≥F （x 1，y ）；y 2>y 1时，F （x ，y 2）≥F （x ，y 1）． 2．0≤F （x ，y ）≤1且F （?∞，y ）=0，F （x ，?∞）=0，F （?∞，?∞）=0，F （+∞，+∞）=1． 3．F （x +0，y ）=F （x ，y ），F （x ，y +0）=F （x ，y ），即F （x ，y ）关于x 右连续，关于y 也右连续． 4．对于任意的(x 1，y 1)，(x 2，y 2)，x 2>x 1，y 2>y 1，有P {x 1<X ≤x 2，y 1<Y ≤y 2}≥0．离散型（X ，Y ）：0≥ij p ，111=∑∑∞=∞=ij j i p ，ij yy x x p y x F i i ∑∑=≤≤),(．连续型（X ，Y ）：v u v u f y x F yxd d ),(),(⎰⎰∞-∞-=．f (x ，y )性质： 1．f (x ，y )≥0．2．1),(d d ),(=∞∞=⎰⎰∞∞-∞∞-F y x y x f ．3．y x y x f G Y X P G⎰⎰=∈d d ),(}),{(． 4．若f (x ，y )在点(x ，y )连续，则有),(),(2y x f yx y x F =∂∂∂．n 维： n 维随机变量及其分布函数是在二维基础上的拓展，性质与二维类似．边缘分布： F x (x )，F y (y )依次称为二维随机变量（X ，Y ）关于X 和Y 的边缘分布函数，F X (x )=F (x ，∞)，F Y (y )=F (∞，y )． 离散型： *i p 和j p *分别为（X ，Y ）关于X 和Y 的边缘分布律，记}{1i ij j i x X P p p ==∑=∞=*，}{1j ij i j y Y P p p ==∑=∞=*． 连续型：)(x f X ，)(y f Y 为（X ，Y ）关于X 和Y 的边缘密度函数，记⎰∞∞-=y y x f x f X d ),()(，⎰∞∞-=x y x f y f Y d ),()(． 二维正态分布：]})())((2)([)1(21exp{121),(2222212121212221σμσσμμρσμρρσπσ-+-------=y y x x y x f ． 记(X ，Y )~N (μ1，μ2，σ12，σ22，ρ)]2)(exp[21)(21211σμσπ--=x x f X ，∞<<∞-x ．]2)(exp[21)(22222σμσπ--=y y f Y ，∞<<∞-y ． 离散型条件分布律：jij j j i j i p p y Y P y Y x X P y Y x X P *=======}{},{}{．*=======i ij i j i i j p p x X P y Y x X P x X y Y P }{},{}{．连续型条件分布：条件概率密度：条件分布函数：含义：当0→ε时，)|(d )|(}|{||y x F x y x f y Y y x X P Y X xY X =≈+≤<≤⎰∞-ε．均匀分布： 若⎪⎩⎪⎨⎧∈=其他,0),(,1),(Gy x Ay x f ，则称(X ，Y)在G 上服从均匀分布． 独立定义：若P {X ≤x ，Y ≤y }=P {X ≤x }P {Y ≤y }，即F (x ，y )=F x (x )F y (y )，则称随机变量X 和Y 是相互独立的． 独立条件或可等价为：连续型：f (x ，y )=f x (x )f y (y )；离散型：P {X =x i ，Y =y j }=P {X =x i }P {Y =y j }．正态独立： 对于二维正态随机变量（X ，Y ），X 和Y 相互对立的充要条件是：参数ρ=0．n 维延伸： 上述概念可推广至n 维随机变量，要注意的是边缘函数或边缘密度也是多元(1~n -1元)的．定理：设（X 1，X 2，…，X m ）和（Y 1，Y 2，…，Y n ）相互独立，则X i 和Y j 相互独立．又若h ，g 是连续函数，则h （X 1，X 2，…，X m ）和g （Y 1，Y 2，…，Y n ）相互独立．Z=X+Y 分布： 若连续型(X ，Y )概率密度为f (x ，y )，则Z=X+Y 为连续型且其概率密度为 ⎰∞∞-+-=y y y z f z f Y X d ),()(或⎰∞∞-+-=x x z x f z f Y X d ),()(．f X 和f Y 的卷积公式： 记⎰∞∞-+-==y y f y z f z f f f Y X Y X Y X d )()()(*⎰∞∞--=x x z f x f Y X d )()(，其中除继上述条件，且X 和Y 相互独立，边缘密度分别为f X (x )和f Y (y )．正态卷积：若X 和Y 相互独立且X ~N (μ1，σ12)，记Y ~N (μ2，σ22)，则对Z=X+Y 有Z ~N (μ1+μ2，σ12+σ22)．1．上述结论可推广至n 个独立正态随机变量．2．有限个独立正态随机变量的线性组合仍服从正态分布． 伽马分布：记),(~θαΓX ，0>α，0>θ．⎪⎩⎪⎨⎧>Γ=--其他，，00)(1)(1x e x x f x θαααθ，其中⎰+∞--=Γ01d )(t e t tαα．若X 和Y 独立且X ~Γ(α，θ)，记Y ~Γ(β，θ)，则有X+Y~Γ(α+β，θ)．可推广到n 个独立Γ分布变量之和．XYZ =： ⎰∞∞-=x xz x f x z f X Y d ),()(，若X 和Y 相互独立，则有⎰∞∞-=x xz f x f x z f Y X X Y d )()()(．XYZ =分布： ⎰∞∞-=xxzx f x z f XY d ),(1)(，若X 和Y 相互独立，则有⎰∞∞-=x x z f x f x z f Y X XY d )()(1)(． 大小分布：若X 和Y 相互独立，且有M =max{X ，Y }及N =min{X ，Y }，则M 的分布函数：F max (z )=F X (z )F Y (z )，N 的分布函数：F min (z )=1－[1－F X (z )][1－F Y (z )]，以上结果可推广到n 个独立随机变量的情况．第四章 随机变量的数字特征数学期望： 简称期望或均值，记为E (X )；离散型：k k k p x X E ∑=∞=1)(．连续型：⎰∞∞-=x x xf X E d )()(．定理： 设Y 是随机变量X 的函数：Y =g (X )(g 是连续函数)．1．若X 是离散型，且分布律为P {X =x k }=p k ，则：k k k p x g Y E )()(1∑=∞=．2．若X 是连续型，概率密度为f (x )，则：⎰∞∞-=x x f x g Y E d )()()(．定理推广： 设Z 是随机变量X ，Y 的函数：Z =g (X ，Y )(g 是连续函数)．1．离散型：分布律为P {X =x i ，Y =y j }=p ij ，则：ij j i i j p y x g Z E ),()(11∑∑=∞=∞=． 2．连续型：⎰⎰∞∞-∞∞-=y x y x f y x g Z E d d ),(),()(期望性质：设C 是常数，X 和Y 是随机变量，则：1．E (C )=C ．2．E (CX )=CE (X )．3．E (X +Y )=E (X )+E (Y )． 4．又若X 和Y 相互独立的，则E (XY )=E (X )E (Y )．方差： 记D (X )或Var(X )，D (X )=Var(X )=E {[X －E (X )]2}．标准差(均方差)： 记为σ(X )，σ(X )= ．通式：22)]([)()(X E X E X D -=． k k k p X E x X D 21)]([)(-∑=∞=，⎰∞∞--=x x f x E x X D d )()]([)(2．标准化变量：记σμ-=x X *，其中μ=)(X E ，2)(σ=X D ，*X 称为X 的标准化变量． 0)(*=X E ，1)(*=X D ．方差性质： 设C 是常数，X 和Y 是随机变量，则：1．D (C )=0． 2．D (CX )=C 2D (X )，D (X +C )=D (X )．3．D (X +Y )=D (X )+D (Y )+2E {(X －E (X ))(Y －E (Y ))}，若X ，Y 相互独立D (X +Y )=D (X )+D (Y )． 4．D (X )=0的充要条件是P {X =E (X )}=1．正态线性变换： 若),(~2ii iN X σμ，i C 是不全为0的常数，则),(~22112211i i ni i i ni n n C C N X C X C X C σμ∑∑+++== ．切比雪夫不等式：22}{εσεμ≤≥-X P 或221}{εσεμ-≥<-X P ，其中)(X E =μ，)(2X D =σ，ε为任意正数．协方差：记)]}()][({[),Cov(Y E Y X E X E Y X --=．X 与Y 的相关系数：)()(),Cov(Y D X D Y X XY =ρ．D (X +Y )=D (X )+D (Y )+2Cov(X ，Y )，Cov(X ，Y )=E (XY )－E (X )E (Y )．性质： 1．Cov(aX ，bY )=ab Cov(X ，Y )，a ，b 是常数．2．Cov(X 1+X 2，Y )=Cov(X 1，Y )+Cov(X 2，Y )． 系数性质：令e =E [(Y －(a +bX ))2]，则e 取最小值时有)()1(]))([(2200min Y D X b a Y E e XY ρ-=+-=，其中)()(00X E b Y E a -=，)(),Cov(0X D Y X b =．1．|ρXY |≤1．2．|ρXY |=1的充要条件是：存在常数a ，b 使P {Y =a +bX }=1．|ρXY |越大e 越小X 和Y 线性关系越明显，当|ρXY |=1时，Y =a +bX ；反之亦然，当ρXY =0时，X 和Y 不相关． X 和Y 相互对立，则X 和Y 不相关；但X 和Y 不相关，X 和Y 不一定相互独立． 定义： k 阶矩(k 阶原点矩)：E (X k )． n 维随机变量X i 的协方差矩阵：⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=nn n n n n c c c c c c c c c 212222111211C ， =E {[X i －E (X i )][X j －E (X j )]}． k +l 阶混合矩：E (X k Y l)．k 阶中心矩：E {[X －E (X )] k }．k +l 阶混合中心矩： E {[X －E (X )]k [Y －E (Y )]l }．n 维正态分布：)}()(21ex p{det )2(1),,,(1T 221μX C μX C ---=-n n x x x f π ，T21T 21),,,(),,,(n n x x x μμμ ==μX ．性质：1．n 维正态随机变量(X 1，X 2，…，X n )的每一个分量X i (i =1，2，…，n )都是正态随机变量，反之，亦成立． 2．n 维随机变量(X 1，X 2，…，X n )服从n 维正态分布的充要条件是X 1，X 2，…，X n 的任意线性组合l 1X 1+l 2X 2+…+l n X n 服从一维正态分布(其中l 1，l 2，…，l n 不全为零)．3．若(X 1，X 2，…，X n )服从n 维正态分布，且Y 1，Y 2，…，Y k 是X j (j =1，2，…，n )的线性函数，则(Y 1，Y 2，…，Y k )也服从多维正态分布．4．若(X 1，X 2，…，X n )服从n 维正态分布，则“X i 相互独立”与“X i 两两不相关”等价．第五章 大数定律及中心极限定理弱大数定理：若X1，X2，…是相互独立并服从同一分布的随机变量序列，且E(X k)=μ，则对任意ε>0有11lim1=⎭⎬⎫⎩⎨⎧<-∑=∞→εμknknXnP或→μPX，knkXnX11=∑=．定义：Y1，Y2，…，Y n ，…是一个随机变量序列，a是一个常数．若对任意ε>0，有则称序列Y1，Y2，…，Yn，…依概率收敛于a．记伯努利大数定理：对任意ε>0有1lim=⎭⎬⎫⎩⎨⎧<-∞→εpnfP An或0lim=⎭⎬⎫⎩⎨⎧≥-∞→εpnfP An．其中f A是n次独立重复实验中事件A发生的次数，p是事件A在每次试验中发生的概率．中心极限定理定理一：设X1,X2,…,X n ,…相互独立并服从同一分布，且E(X k)=μ，D(X k)=σ2 >0，则n→∞时有σμnnXknk)(1-∑=N(0，1)或nXσμ-~N(0，1)或X~N(μ，n2σ)．定理二：设X1,X2,…,X n ,…相互独立且E(X k)=μ k，D(X k)=σ k2 >0，若存在δ>0使n→∞时，}|{|1212→-∑+=+δδμkknknXEB，则nknkknkBX)(11μ==∑-∑~N(0，1)，记212knknBσ=∑=．定理三：设),(~pnbnη，则n→∞时，Npnpnpn~)1()(--η(0，1)，knknX1=∑=η．第六章样本及抽样分布定义：总体：全部值；个体：一个值；容量：个体数；有限总体：容量有限；无限总体：容量无限．定义：样本：X1,X2,…,X n 相互独立并服从同一分布F的随机变量，称从F得到的容量为n的简单随机样本．频率直方图：图形：以横坐标小区间为宽，纵坐标为高的跨越横轴的几个小矩形．横坐标：数据区间（大区间下限比最小数据值稍小，上限比最大数据值稍大；小区间：均分大区间，组距Δ=大区间/小区间个数；小区间界限：精度比数据高一位）．图形特点：外轮廓接近于总体的概率密度曲线．纵坐标：频率/组距（总长度：<1/Δ；小区间长度：频率/组距）．定义：样本p分位数：记x p，有1．样本x i中有np个值≤x p．2．样本中有n(1－p)个值≥x p．箱线图：x p选择：记⎪⎩⎪⎨⎧∈+∉=++NnpxxNnpxxnpnpnpp当，当，][211)()()1]([．分位数x0.5，记为Q2或M，称为样本中位数．分位数x0.25，记为Q1，称为第一四分位数．分位数x0.75，记为Q3，称为第三四分位数．图形：图形特点：M为数据中心，区间[min，Q1]，[Q1，M]，[M，Q3]，[Q3，max]数据个数各占1/4，区间越短数据密集．四分位数间距：记IQR=Q3－Q1；若数据X<Q1－1.5IQR或X>Q3+1.5IQR，就认为X是疑似异常值．抽样分布：样本平均值：样本方差：样本标准差：样本k阶(原点)矩：kinikXnA11=∑=，k≥1 样本k阶中心矩：kinikXXnB)(11-∑==，k≥2经验分布函数：)(1)(xSnxFn=，∞<<∞-x．)(xS表示F的一个样本X1,X2,…,X n 中不大于x的随机变量的个数．自由度为n 的χ2分布：记χ2~χ2（n），222212nXXX+++=χ，其中X1,X2,…,X n是来自总体N(0，1)的样本．E(χ2 )=n，D(χ2 )=2n．χ12+χ22~χ2（n1+n2）．⎪⎩⎪⎨⎧>Γ=--其他，，)2(21)(2122yexnyfynn．χ2分布的分位点：对于0<α<1，满足αχχαχα==>⎰∞yyfnPn)(222d)()}({，则称)(2nαχ为)(2nχ的上α分位点．当n充分大时(n>40)，22)12(21)(-+≈nznααχ，其中αz是标准正态分布的上α分位点．自由度为n 的t分布：记t~t(n)，nYXt/=，其中X~N(0，1)，Y~χ2(n)，X，Y相互独立．h(t)图形关于t=0对称；当n充分大时，t分布近似于N(0，1)分布．t分布的分位点：对于0<α<1，满足ααα==>⎰∞t t hnttPnt)(d)()}({，则称)(ntα为)(nt的上α分位点．~ 近似的min Q1 M Q3 max由h (t )对称性可知t 1－α(n )=－t α(n )．当n >45时，t α(n )≈z α，z α是标准正态分布的上α分位点．自由度为(n 1，n 2)的F分布： 记F ~F (n 1，n 2)，21n V n U F=，其中U~χ2(n 1)，V~χ2(n 2)，X ，Y 相互独立．1/F ~F (n 2，n 1) F 分布的分位点：对于0<α<1，满足αψαα==>⎰∞y y n n F FP n n F ),(2121d )()},({，则称),(21n n F α为),(21n n F 的上α分位点．重要性质：F 1－α(n 1，n 2)=1/F α(n 1，n 2)．定理一： 设X 1,X 2,…,X n 是来自N (μ，σ2)的样本，则有),(~2n N X σμ，其中X 是样本均值．定理二：设X 1,X 2,…,X n 是来自N (μ，σ2)的样本，样本均值和样本方差分别记为 X ，2S ，则有1．)1(~)1(222--n S n χσ；2．X 与2S 相互独立．定理三：设X 1,X 2,…,X n 是来自N (μ，σ2)的样本，样本均值和样本方差分别记为X ，2S ，则有)1(~--n t nS X μ．定理四：设X 1,X 2,…,X n 1 与Y 1,Y 2,…,Y n 2分别是来自N (μ1，σ12)和N (μ2，σ22)的样本，且相互独立．设这两个样本的样本均值和样本方差分别记为 X ，Y ，21S，22S，则有1．)1,1(~2122212221--n n F S S σσ．2．当σ12=σ22=σ2时，)2(~)()(21121121-++-----n n t n n S Y X w μμ，其中2)1()1(212222112-+-+-=n n S n S n S w，2w w S S =． 第七章 参数估计定义： 估计量：),,,(ˆ21n X X X θ，估计值：),,,(ˆ21nx x x θ，统称为估计． 矩估计法：令)(ll X E =μ=li n i l X n A 11=∑=(k l ,,2,1 =)(k 为未知数个数)联立方程组，求出估计θˆ． 设总体X 均值μ及方差σ2都存在，则有 X A ==1ˆμ，212212122)(11ˆX X n X X n A A i n i i n i -∑=-∑=-===σ． 最大似然估计法：似然函数：离散：);()(1θθi ni x p L =∏=或连续：);()(1θθi ni x f L =∏=，)(θL 化简可去掉与θ无关的因式项．θˆ即为)(θL 最大值，可由方程0)(d d=θθL 或0)(ln d d=θθL 求得． 当多个未知参数θ1，θ1，…，θk 时：可由方程组0d d =L i θ或0ln d d =L iθ（k i ,,2,1 =）求得． 最大似然估计的不变性：若u =u (θ)有单值反函数θ=θ(u )，则有)ˆ(ˆθu u=，其中θˆ为最大似然估计． 截尾样本取样： 定时截尾样本：抽样n 件产品，固定时间段t 0内记录产品个体失效时间(0≤t 1≤t 2≤…≤t m ≤t 0)和失效产品数量． 定数截尾样本：抽样n 件产品，固定失效产品数量数量m 记录产品个体失效时间(0≤t 1≤t 2≤…≤t m )．结尾样本最大似然估计： 定数截尾样本：设产品寿命服从指数分布X~e （θ），θ即产品平均寿命．产品t i 时失效概率P {t =t i }≈f (t i )d t i ，寿命超过t m 的概率θm t m et tF -=>}{，则)(}){()(1i mi mn m m nt P t t F CL =-∏>=θ，化简得)(1)(m t s m e L ---=θθθ，由0)(ln d d =θθL 得：mt s m )(ˆ=θ，其中s (t m )=t 1+t 2+…+t m +(n －m )t m ，称为实验总时间． 定时截尾样本：与定数结尾样本讨论类似有s (t 0)=t 1+t 2+…+t m +(n －m )t 0，)(01)(t s m e L ---=θθθ，mt s )(ˆ0=θ，． 无偏性： 估计量),,,(ˆ21nX X X θ的)ˆ(θE 存在且θθ=)ˆ(E ，则称θˆ是θ的无偏估计量． 有效性：),,,(ˆ211n X X X θ与),,,(ˆ212n X X X θ都是θ的无偏估计量，若)ˆ()ˆ(21θθD D ≤，则1ˆθ较2ˆθ有效．相合性： 设),,,(ˆ21nX X X θθ的估计量，若对于任意0>ε有1}|ˆ{|lim =<-∞→εθθP n ，则称θˆ是θ的相合估计量． 置信区间：αθθθ-≥<<1)},,,(),,,({2121n n X X X X X X P ，θ和θ分别为置信下限和置信上限，则),(θθ是θ的一个置信水平为α-1置信区间，α-1称为置信水平，10<<α．正态样本置信区间： 设X 1，X 2，…，X n 是来自总体X ~N (μ，σ2)的样本，则有μ的置信区间：枢轴量W W 分布 a ，b 不等式 置信水平 置信区间其中z α/2为上α分位点 θ置信区间的求解： 1．先求枢轴量：即函数W =W (X 1，X 2，…，X n ；θ)，且函数W 的分布不依赖未知参数．如上讨论标注2．对于给定置信水平α-1，定出两常数a ，b 使P {a <W <b }=α-1，从而得到置信区间．(0－1)分布p 的区间估计：样本容量n >50时，⇒--∞→)1,0(~)1()(lim N p np np X n n {}⇒-≈<--αα1)1()(2z p np np X n P0)2()(222222<++-+X n p z X n p z n αα⇒若令22αz n a +=，)2(22αz X n b +-=，2X n c =，则有置信区间(a ac b b 2)4(2---，a ac b b 2)4(2-+-）．单侧置信区间： 若αθθ-≥>1}{P 或αθθ-≥<1}{P ，称(θ，∞)或(∞-，θ)是θ的置信水平为α-1的单侧置信区间．正态总体均值、方差的置信区间与单侧置信限（置信水平为α-1）待估 其他 枢轴量W 的分布置信区间单侧置信限一个正态总体μσ2已知ασμz nX +=，ασμz nX -=μ σ2未知αμt n S X +=，αμt nSX -= σ2μ未知2122)1(αχσ--=S n ，222)1(αχσS n -=两个正态总体 μ1－μ2 σ12，σ22 已知μ1－μ2 σ12=σ22=σ2 未知σ12/σ22μ1，μ2 未知ασσ-=1222122211F S S ，ασσF S S 122212221=单个总体X ~N (μ，σ2)，两个总体X ~N (μ1，σ12)，Y ~N (μ2，σ22)．第八章 假设实验定义： H 0：原假设或零假设，为理想结果假设；H 1：备择假设，原假设被拒绝后可供选择的假设． 第Ⅰ类错误：H 0实际为真时，却拒绝H 0．第Ⅱ类错误：H 0实际为假时，却接受H 0．显着性检验：只对犯第第Ⅰ类错误的概率加以控制，而不考虑第Ⅱ类错误的概率的检验．P {当H 0为真拒绝H 0}≤α，α称为显着水平．拒绝域：取值拒绝H 0．临界点：拒绝域边界．双边假设检验：H 0：θ=θ0，H 1：θ≠θ0．右边检验：H 0：θ≤θ0，H 1：θ>θ0．左边检验：H 0：θ≥θ0，H 1：θ<θ0．正态总体均值、方差的检验法(显着性水平为α)原假设H 0备择假设H 1检验统计量拒绝域 1 σ2已知μ≤μ0μ>μ0z ≥z α μ≥μ0 μ<μ0 z ≤－z α μ=μ0μ≠μ0|z |≥z α/22 σ2未知μ≤μ0μ>μ0t≥tα(n－1) μ≥μ0μ<μ0t≤－tα(n－1) μ=μ0μ≠μ0|t|≥tα/2(n－1)3 σ1，σ2已知μ1－μ2≤δμ1－μ2>δz≥zαμ1－μ2≥δμ1－μ2<δz≤－zαμ1－μ2=δμ1－μ2≠δ|z|≥zα/24 σ12=σ22=σ2未知μ1－μ2≤δμ1－μ2>δt≥tα(n1+n2－2)μ1－μ2≥δμ1－μ2<δt≤－tα(n1+n2－2)μ1－μ2=δμ1－μ2≠δ|t|≥tα/2(n1+n2－2)5 μ未知σ2≤σ02σ2>σ02χ2≥χα2(n－1)σ2≥σ02σ2<σ02χ2≤χ21－α(n－1)σ2=σ02σ2≠σ02χ2≥χ2α/2(n－1)或χ2≤χ21－α/2(n－1)6 μ1，μ2未知σ12≤σ22σ12>σ22F≥Fα(n1－1，n2－1)σ12≥σ22σ12<σ22F≤F1－α(n1－1，n2－1)σ12=σ22σ12≠σ22F≥Fα/2(n1－1，n2－1)或F≤F1－α/2(n1－1，n2－1)7成对数据μD≤0 μD>0 t≥tα(n－1)μD≥0 μD<0 t≤－tα(n－1)μD=0 μD≠0 |t|≥tα－2(n－1)检验方法选择：主要是逐对比较法（成对数据）跟两个正态总体均值差的检验的区别，如上表即7跟3、4的区别，成对数据指两样本X和Y之间存在一一对应关系，而3和4一般指X和Y相互对立，但针对同一实体．关系：置信区间与假设检验之间的关系：未知参数的置信水平为1－α的置信区间与显着水平为α的接受域相同．定义：施行特征函数(OC函数)：β(θ)=Pθ(接受H0)．功效函数：1－β(θ)．功效：当θ*∈H1时，1－β(θ*)的值．。

考研数学二知识点总结数学二是考研数学的一部分，该科目主要考察线性代数和概率统计的知识。

以下是数学二考研知识点的总结：一、线性代数1. 行列式：行列式的定义、性质和计算方法，如代数余子式、拉普拉斯展开等。

2. 线性方程组：线性方程组的解的判定、求解和应用，如高斯消元法、矩阵法等。

3. 矩阵与向量：矩阵的运算、性质和逆矩阵的求解，向量的线性相关性、内积、外积等。

4. 线性空间与线性变换：线性空间的定义、性质和子空间的判定，线性变换的定义、性质和矩阵表示等。

5. 特征值与特征向量：特征值与特征向量的定义、性质和计算方法，对角化与相似矩阵等。

6. 数量积空间与内积空间：数量积空间的定义、性质和正交性质，内积空间的定义、性质和正交投影等。

7. 线性映射与线性规范：线性映射的定义、性质和矩阵表示，线性规范的定义、性质和单位正交基等。

8. 奇异值与奇异值分解：奇异值与奇异向量的定义、性质和计算方法，奇异值分解的定义和计算等。

二、概率统计1. 随机事件与概率：随机事件的定义、性质和基本运算规则，概率的定义、性质和计算方法等。

2. 随机变量：随机变量的定义、分布函数、密度函数和分布列，离散随机变量和连续随机变量的特点和计算方法等。

3. 二维随机变量：二维随机变量的定义、边缘分布、条件分布和独立性，相关系数和协方差等。

4. 多维随机变量：多维随机变量的定义、分布函数和密度函数，边缘分布、条件分布和独立性等。

5. 随机变量的数字特征：随机变量的数学期望、方差、协方差等，大数定律和中心极限定理等。

6. 统计量与抽样分布：统计量的定义、性质和抽样分布，样本均值、样本方差和样本均数的分布等。

7. 参数估计：点估计的方法和性质，最大似然估计和矩估计等。

8. 假设检验：假设检验的基本原理和步骤，显著性水平和拒绝域的确定等。

9. 方差分析与回归分析：单因素方差分析和双因素方差分析，一元线性回归和多元线性回归等。

10. 随机过程与时间序列分析：随机过程的定义、性质和分类，平稳时间序列的分析和估计等。

考研数学二知识点总结一、高等数学1. 函数、极限与连续- 函数的定义与性质- 极限的概念与计算- 连续函数的性质与应用2. 微分学- 导数的定义与性质- 常见函数的导数- 微分的应用3. 积分学- 不定积分的基本概念与性质- 定积分的基本概念与性质- 积分技巧与方法4. 多元函数微分学- 偏导数与全微分- 多元函数的极值问题- 梯度、方向导数与切平面5. 重积分- 二重积分的计算- 三重积分的计算- 重积分的应用6. 无穷级数- 级数的基本概念- 正项级数的收敛性- 幂级数与泰勒级数二、线性代数1. 行列式- 行列式的定义与性质- 行列式的计算方法- 行列式的应用2. 矩阵- 矩阵的基本运算- 矩阵的逆- 矩阵的秩3. 向量空间- 向量空间的基本概念- 子空间与维数- 向量间的线性关系4. 线性方程组- 线性方程组的解的结构 - 高斯消元法- 线性方程组的应用5. 特征值与特征向量- 特征值与特征向量的定义 - 特征值与特征向量的计算 - 矩阵的对角化6. 二次型- 二次型的标准型- 二次型的正定性- 二次型的应用三、概率论与数理统计1. 随机事件与概率- 随机事件的定义与性质- 概率的计算与性质- 条件概率与独立性2. 随机变量及其分布- 随机变量的定义- 离散型与连续型分布- 随机变量的数学期望与方差3. 多维随机变量及其分布- 联合分布与边缘分布- 条件分布与独立性- 随机向量的期望与方差4. 大数定律与中心极限定理- 大数定律的含义与应用- 中心极限定理的含义与应用5. 样本与估计- 样本的概念与性质- 点估计与区间估计- 估计量的评价标准6. 假设检验- 假设检验的基本思想- 显著性水平与P值- 常用的假设检验方法四、离散数学1. 集合与关系- 集合的基本概念与运算- 关系的基本概念与性质- 等价关系与偏序关系2. 图论基础- 图的基本概念与性质- 路径、回路与图的连通性- 图的着色问题3. 逻辑与布尔代数- 命题逻辑的基本结构- 布尔代数的运算与性质- 逻辑表达式的简化4. 递归与算法复杂度- 递归函数的性质与计算- 算法复杂度的概念与分类- 常见算法的时间复杂度分析请注意，这只是一个基本的大纲和示例内容。

考研数学各科必考知识点归纳考研数学各科必考知识点归纳高数第一章函数、极限、连续等价无穷小代换、洛必达法则、泰勒展开式求函数的极限函数连续的概念、函数间断点的类型判断函数连续性与间断点的类型第二章一元函数微分学导数的定义、可导与连续之间的关系按定义求一点处的导数，可导与连续的关系函数的单调性、函数的极值讨论函数的单调性、极值闭区间上连续函数的性质、罗尔定理、拉格朗日中值定理、柯西中值定理和泰勒定理微分中值定理及其应用第三章一元函数积分学积分上限的函数及其导数变限积分求导问题有理函数、三角函数有理式、简单无理函数的积分计算被积函数为有理函数、三角函数有理式、简单无理函数的不定积分和定积分第四章多元函数微积分学隐函数、偏导数、全微分的存在性以及它们之间的因果关系函数在一点处极限的存在性，连续性，偏导数的存在性，全微分存在性与偏导数的连续性的讨论与它们之间的因果关系二重积分的概念、性质及计算二重积分的计算及应用第五章常微分方程一阶线性微分方程、齐次方程，微分方程的简单应用用微分方程解决一些应用问题线性代数第一章行列式行列式的运算计算抽象矩阵的行列式第二章矩阵矩阵的运算求矩阵高次幂等矩阵的初等变换、初等矩阵与初等变换有关的命题第三章向量向量组的线性相关及无关的有关性质及判别法向量组的线性相关性线性组合与线性表示判定向量能否由向量组线性表示第四章线性方程组齐次线性方程组的基础解系和通解的求法求齐次线性方程组的基础解系、通解第五章矩阵的特征值和特征向量实对称矩阵特征值和特征向量的性质，化为相似对角阵的方法有关实对称矩阵的问题相似变换、相似矩阵的概念及性质相似矩阵的判定及逆问题第六章二次型二次型的概念求二次型的矩阵和秩合同变换与合同矩阵的概念判定合同矩阵1.抓住主要矛盾，明确考试重点高数的基本内容包括极限，一元函数微积分，多元函数微积分(主要是二元函数)，无穷级数与常微分方程，向量代数与空间解析几何等几个部分。

考研数分知识点总结一、数列与数学归纳法1. 有限数列与无限数列2. 等差数列与等比数列3. 数列的通项公式与前n项和公式4. 数列的求和公式5. 数学归纳法的基本思想与定理证明二、极限与连续1. 极限的定义与性质2. 极限存在的判定方法3. 极限的运算法则4. 无穷大与无穷小5. 函数的极限与连续性6. 连续函数的性质与运算法则7. 间断点及其分类三、导数与微分1. 导数的定义与几何意义2. 导数的性质与运算法则3. 高阶导数4. 隐函数与参数方程的导数5. 微分的定义与运算法则6. 泰勒公式与泰勒展开式四、不定积分与定积分1. 不定积分的定义与性质2. 不定积分的运算法则3. 牛顿-莱布尼茨公式4. 定积分的定义与性质5. 定积分的几何应用6. 定积分的计算方法五、微分方程1. 微分方程的基本概念2. 微分方程的分类3. 微分方程的解法与初值问题4. 一阶线性微分方程5. 可分离变量的微分方程6. 齐次微分方程7. 非齐次线性微分方程六、多元函数微分学1. 多元函数的极限与连续性2. 偏导数与全微分3. 多元函数的微分法4. 多元函数的极值与最值5. 多元函数的泰勒公式6. 隐函数与参数方程的高阶导数7. 多元函数积分的计算方法七、级数1. 级数的概念与性质2. 级数收敛的判定方法3. 正项级数的审敛法4. 幂级数的收敛半径5. 幂级数的性质与收敛域6. 幂级数展开式与幂级数解析函数以上就是考研数学分析的基本知识点总结。

希朼对大家有所帮助。

尚考考研专注北京名校考研辅导：www.shangkaoedu.com 考研数学精华知识点汇总 考研数学的复习，采用考前突击、临时抱佛脚的做法肯定是不可取的。要想在考场上做到游刃有余，唯一的方法就是踏踏实实的复习，综合能力提高了，才能够在面对任何题目时都做到以不变应万变，从容以对。下面，是尚考考研辅导老师整理的几个经常会困扰考生的知识点。

1.几个易混概念：连续，可导，存在原函数，可积，可微，偏导数存在他们之间的关系式怎么样的?存在极限，导函数连续，左连续，右连续，左极限，右极限，左导数，右导数，导函数的左极限，导函数的右极限。

2.罗尔定理：设函数f(x)在闭区间[a，b]上连续(其中a不等于b)，在开区间(a，b)上可导，且f(a)=f(b)，那么至少存在一点ξ∈(a、b)，使得f‘(ξ)=0。罗尔定理是以法国数学家罗尔的名字命名的。罗尔定理的三个已知条件的意义，①f(x)在[a，b]上连续表明曲线连同端点在内是无缝隙的曲线;②f(x)在内(a，b)可导表明曲线y=f(x)在每一点处有切线存在;③f(a)=f(b)表明曲线的割线(直线AB)平行于x轴;罗尔定理的结论的直几何意义是：在(a，b)内至少能找到一点ξ，使f’(ξ)=0，表明曲线上至少有一点的切线斜率为0，从而切线平行于割线AB，与x轴平行。

3.泰勒公式展开的应用专题：我以前，以及我所有的同学，看到泰勒公式就哆嗦，因为咋一看很长很恐怖，瞬间大脑空白，身体失重的感觉。其实在我搞明白一下几点后，原来的症状就没有了。第一：什么情况下要进行泰勒展开;第二：以哪一点为中心进行展开;第三：把谁展开;第四：展开到几阶? 尚考考研专注北京名校考研辅导：www.shangkaoedu.com

4.应用多次中值定理的专题：大部分的考研题，一般要考察你应用多次中值定理，最重要的就是要培养自己对这种题目的敏感度，要很快反映老师出这题考哪几个中值定理，我的敏感性是靠自己多练习综合题培养出来的。我会经常会去复习，那样我对中值定理的题目早已没有那种刚学高数时的害怕之极。要想对微分中值定理这块的题目有条理的掌握，看我这个总结定会事半功倍的。

考研数学中的实分析知识点总结随着国内研究生考试越来越重要，越来越多的人选择报考研究生。

考研的难度不断加大，对考生的综合素质要求也越来越高。

除了政治、英语等常规科目的考试，数学作为一个重要的科目也越来越受到考生的关注。

其中，实分析作为数学中一个非常重要的分支，也被越来越多的考生关注和重视。

因此，本文将对考研数学中的实分析知识点进行总结。

一、实数与数轴实数是指能用小数或分数表示的数的集合，包括有理数和无理数。

实数集的性质有序性、稠密性、连续性和完备性等。

数轴是将实数用一个直线图形表示出来的一种方法。

数轴的左边是负数，右边是正数，原点是0。

数轴上的点与实数一一对应。

二、极限与连续极限是指当自变量趋于某一值时，函数值的变化趋势。

对于连续的函数而言，当自变量趋近于某个值的时候，函数值也趋近于这个值。

三、微积分的基本概念微积分是数学中的一个分支，主要研究函数的变化率和变化量，包括导数和积分等概念。

导数是函数在某一点处的变化率，也就是函数曲线在这一点处的切线斜率。

导数的求法包括极限、基本初等函数求导法则、高阶导数、隐函数求导等。

积分是导数的逆运算，也就是找到函数曲线下面的面积大小。

积分的求法包括不定积分、定积分、换元积分法、分部积分法等。

四、级数级数是将无穷多个数按照一定的规律进行求和后所得到的一种数列，包括调和级数、几何级数、等比级数等，并具有极限的概念。

五、一元实函数的数列极限、函数极限和连续性在实数集上定义的函数的极限、连续性是实分析中最为重要的概念之一，它们的理解对于后续的知识点的掌握起着至关重要的作用。

六、一元实函数的导数与微分实分析中最为核心的内容之一就是导数和微分的概念及其相关的性质和应用，它为微积分学的发展奠定了坚实的数学基础。

七、一元实函数的积分积分学则是微积分的另一部分，包括不定积分、定积分、反常积分等，在实际生活和科学研究中有着广泛应用。

综上所述，实分析作为数学中一个重要的分支，其知识点对于考研数学的备考具有非常大的影响。

考研高等数学必看知识点不能因为提分不显著，就在最后关头放弃数学的复习，11月死磕这些知识点，你的数学也许会让你惊喜！一起看看高数部分应该跟哪些知识点“较劲”到底吧！第一章函数、极限与连续1、函数的有界性2、极限的定义（数列、函数）3、极限的性质（有界性、保号性）4、极限的计算（重点）（四则运算、等价无穷小替换、洛必达法则、泰勒公式、重要极限、单侧极限、夹逼定理及定积分定义、单调有界必有极限定理）5、函数的连续性6、间断点的类型7、渐近线的计算第二章导数与微分1、导数与微分的定义（函数可导性、用定义求导数）2、导数的计算（“三个法则一个表”：四则运算、复合函数、反函数，基本初等函数导数表：“三种类型”：幂指型、隐函数、参数方程；高阶导数）3、导数的应用（切线与法线、单调性（重点）与极值点、利用单调性证明函数不等式、凹凸性与拐点、方程的根与函数的零点、曲率（数一、二））第三章中值定理1、闭区间上连续函数的性质（最值定理、介值定理、零点存在定理）2、三大微分中值定理（重点）（罗尔、拉格朗日、柯西）3、积分中值定理4、泰勒中值定理5、费马引理第四章一元函数积分学1、原函数与不定积分的定义2、不定积分的计算（变量代换、分部积分）3、定积分的定义（几何意义、微元法思想（数一、二））4、定积分性质（奇偶函数与周期函数的积分性质、比较定理）5、定积分的计算6、定积分的应用（几何应用：面积、体积、曲线弧长和旋转面的面积（数一、二），物理应用：变力做功、形心质心、液体静压力）7、变限积分（求导）8、广义积分（收敛性的判断、计算）第五章空间解析几何（数一）1、向量的运算（加减、数乘、数量积、向量积）2、直线与平面的方程及其关系3、各种曲面方程（旋转曲面、柱面、投影曲面、二次曲面）的求法第六章多元函数微分学1、二重极限和二元函数连续、偏导数、可微及全微分的定义2、二元函数偏导数存在、可微、偏导函数连续之间的关系3、多元函数偏导数的计算（重点）4、方向导数与梯度5、多元函数的极值（无条件极值和条件极值）6、空间曲线的切线与法平面、曲面的切平面与法线第七章多元函数积分学（除二重积分外，数一）1、二重积分的计算（对称性（奇偶、轮换）、极坐标、积分次序的选择）2、三重积分的计算（“先一后二”、“先二后一”、球坐标）3、第一、二类曲线积分、第一、二类曲面积分的计算及对称性（主要关注不带方向的积分）4、格林公式（重点）（直接用（不满足条件时的处理：“补线”、“挖洞”），积分与路径无关，二元函数的全微分）5、高斯公式（重点）（不满足条件时的处理（类似格林公式））6、斯托克斯公式（要求低；何时用：计算第二类曲线积分，曲线不易参数化，常表示为两曲面的交线）7、场论初步（散度、旋度）第八章微分方程1、各类微分方程（可分离变量方程、齐次方程、一阶线性微分方程、伯努利方程（数一、二）、全微分方程（数一）、可降阶的高阶微分方程（数一、二）、高阶线性微分方程、欧拉方程（数一）、差分方程（数三））的求解2、线性微分方程解的性质（叠加原理、解的结构）3、应用（由几何及物理背景列方程）第九章级数（数一、数三）1、收敛级数的性质（必要条件、线性运算、“加括号”、“有限项”）2、正项级数的判别法（比较、比值、根值，p级数与推广的p级数）3、交错级数的莱布尼兹判别法4、绝对收敛与条件收敛5、幂级数的收敛半径与收敛域6、幂级数的求和与展开7、傅里叶级数（函数展开成傅里叶级数，狄利克雷定理）。

考研数学知识点总结在考研的所有科目中，数学可以算得上是拉分差距最明显的科目了。

每年成绩出来，数学接近满分的同学很多，未满及格线的同学也是一抓一大把。

那么接下来给大家分享一些关于，希望对大家有所帮助。

考研数学知识点第一章行列式1、行列式的定义2、行列式的性质3、特殊行列式的值4、行列式展开定理5、抽象行列式的计算第二章矩阵1、矩阵的定义及线性运算2、乘法3、矩阵方幂4、转置5、逆矩阵的概念和性质6、伴随矩阵7、分块矩阵及其运算8、矩阵的初等变换与初等矩阵9、矩阵的等价10、矩阵的秩第三章向量1、向量的概念及其运算2、向量的线性组合与线性表出3、等价向量组4、向量组的线性相关与线性无关5、极大线性无关组与向量组的秩6、内积与施密特正交化7、n维向量空间(数学一)第四章线性方程组1、线性方程组的克莱姆法则2、齐次线性方程组有非零解的判定条件3、非齐次线性方程组有解的判定条件4、线性方程组解的结构第五章矩阵的特征值和特征向量1、矩阵的特征值和特征向量的概念和性质2、相似矩阵的概念及性质3、矩阵的相似对角化4、实对称矩阵的特征值、特征向量及其相似对角矩阵第六章二次型1、二次型及其矩阵表示2、合同变换与合同矩阵3、二次型的秩4、二次型的标准型和规范型5、惯性定理6、用正交变换和配方法化二次型为标准型7、正定二次型及其判定考研数学复习之拿高分方法一、理性分析三个组成部分，各个击破我们知道数学整个试卷的组成部分是：高数82分+线代34分+概率论34分;很明显微积分占了绝大部分;另外概率论里面很多题目要用到微积分的工具，实际上微积分的分数比82分要高，应该是能到100分左右。

所以同学们在前期复习的时候一定要把微积分的基础打扎实;线性代数再难，毕竟内容不多。

而且矩阵、向量、线性方程组、特征根与特征值、二次型本质思想都是一致的。

用来用去的基本工具就是对矩阵做初等变换，求线性方程组解的结构，线代难是难在每个部分的基本思想都是一样的，但却是不同的概念。

考研数列知识点归纳总结数列是数学中的一个重要概念，广泛应用于各个领域。

在考研数学中，数列也是一个非常重要的知识点。

本文将对考研数列的相关知识进行归纳总结，帮助考生更好地掌握和理解这一部分内容。

一、数列的定义和性质数列是按照一定的顺序排列的一组数的集合。

数列中的每个数称为数列的项，通常用{an}表示，其中n表示项的序号，an表示第n个项。

数列可以是有限的，也可以是无限的。

常见的数列有等差数列和等比数列。

等差数列中，每一项与前一项之差都相等；等比数列中，每一项与前一项之比都相等。

这两种数列都有其独特的性质和规律，需要考生熟练掌握。

数列的一些重要性质包括递推公式、通项公式和求和公式。

递推公式用于计算下一项的值，通项公式用于计算第n项的值，求和公式用于计算数列的前n项和。

在解题过程中，考生应熟练掌握这些公式的推导和应用。

二、等差数列的知识点等差数列是一种常见的数列，其每一项与前一项之差都相等。

等差数列的性质包括：1. 公差：等差数列的公差d是项与项之间的差值。

等差数列的递推公式为an = a1 + (n - 1)d。

2. 通项公式：等差数列的通项公式为an = a1 + (n - 1)d，其中a1为首项，d为公差。

3. 前n项和：等差数列的前n项和可以用求和公式Sn = (a1 + an) * n / 2来计算。

在考研数学中，等差数列的应用非常广泛。

例如，在数列求和问题中，考生可以利用等差数列的性质快速计算出结果。

三、等比数列的知识点等比数列是一种常见的数列，其每一项与前一项之比都相等。

等比数列的性质包括：1. 公比：等比数列的公比q是项与项之间的比值。

等比数列的递推公式为an = a1 * q^(n - 1)。

2. 通项公式：等比数列的通项公式为an = a1 * q^(n - 1)，其中a1为首项，q为公比。

3. 前n项和：等比数列的前n项和可以用求和公式Sn = (a1 * (1 - q^n)) / (1 - q)来计算（当q≠1时）。

考研数学二必背公式及知识点考研数学二对于很多考生来说是具有一定挑战性的科目，其中掌握必背的公式和知识点是取得好成绩的关键。

下面就为大家详细梳理一下考研数学二中那些必须牢记的公式和重要知识点。

一、函数、极限、连续1、函数的性质奇偶性：若 f(x) ＝ f(x)，则函数 f(x) 为偶函数；若 f(x) ＝ f(x)，则函数 f(x) 为奇函数。

周期性：若存在非零常数 T，使得对于任意 x，都有 f(x ＋ T) ＝f(x)，则函数 f(x) 为周期函数，T 为其周期。

2、极限的计算四则运算法则：若 lim f(x) ＝ A，lim g(x) ＝ B，则 lim f(x) ± g(x)＝ A ± B；lim f(x) × g(x) ＝ A × B；lim f(x) ／ g(x) ＝ A ／ B （B ≠ 0）。

两个重要极限：lim （1 ＋ 1/x)＾x ＝ e （x → ∞）；lim sin x ／ x＝ 1 （x → 0）。

3、连续的定义函数 f(x) 在点 x₀处连续，当且仅当 lim f(x) ＝ f(x₀) （x → x₀）。

二、一元函数微分学1、导数的定义函数 y ＝ f(x) 在点 x₀处的导数 f'（x₀) ＝ lim f(x₀＋Δx) f(x₀) ／Δx （Δx → 0）。

2、基本导数公式（x^n)＇＝ nx^（n 1)（sin x)＇＝ cos x（cos x)＇＝ sin x（e^x)＇＝ e^x（ln x)＇＝ 1 ／ x3、导数的四则运算f(x) ± g(x)＇＝ f'（x) ± g'（x)f(x) × g(x)＇＝ f'（x)g(x) ＋ f(x)g'（x)f(x) ／ g(x)＇＝ f'（x)g(x) f(x)g'（x) ／ g(x)²（g(x) ≠ 0）4、复合函数求导法则若 y ＝ f(u)，u ＝ g(x)，则 dy/dx ＝ dy/du × du/dx5、微分的定义dy ＝ f'（x)dx6、罗尔定理、拉格朗日中值定理、柯西中值定理罗尔定理：若函数 f(x) 满足在闭区间 a, b 上连续，在开区间（a, b) 内可导，且 f(a) ＝ f(b)，则在（a, b) 内至少存在一点ξ，使得 f'（ξ) ＝0。

考研数学高数38个必会知识点摘要：每一个需要考数学的考研er应该都知道，高数部分占了56%（约84分）的分数，而且高数基础不好的话，概率论可能也会有一点影响（数二不考概率，那么高数的分值更高），所以我们都知道学好高数多么重要，那么复习这么久，高数的必会知识点是哪些呢？一、函数极限连续1、正确理解函数的概念，了解函数的奇偶性、单调性、周期性和有界性，理解复合函数、反函数及隐函数的概念。

2、理解极限的概念，理解函数左、右极限的概念以及极限存在与左右极限之间的关系。

掌握利用两个重要极限求极限的方法。

理解无穷小、无穷大以及无穷小阶的概念，会用等价无穷小求极限。

3、理解函数连续性的概念，会判别函数间断点的类型。

了解初等函数的连续性和闭区间上连续函数的性质(最.大值、最小值定理和介值定理)，并会应用这些性质。

重点是数列极限与函数极限的概念，两个重要的极限：lim(sinx/x)=1，lim(1+1/x)=e，连续函数的概念及闭区间上连续函数的性质。

难点是分段函，复合函数，极限的概念及用定义证明极限的等式。

二、一元函数微分学1、理解导数和微分的概念，导数的几何意义，会求平面曲线的切线方程，理解函数可导性与连续性之间的关系。

2、掌握导数的四则运算法则和一阶微分的形式不变性。

了解高阶导数的概念，会求简单函数的n阶导数，分段函数的一阶、二阶导数。

会求隐函数和由参数方程所确定的函数的一阶、二阶导数及反函数的导数。

3、理解并会用罗尔中值定理，拉格朗日中值定理，了解并会用柯西中值定理。

4、理解函数极值的概念，掌握函数最.大值和最小值的求法及简单应用，会用导数判断函数的凹凸性和拐点，会求函数图形水平铅直和斜渐近线。

5、了解曲率和曲率半径的概念，会计算曲率和曲率半径及两曲线的交角。

6、掌握用罗必塔法则求未定式极限的方法，重点是导数和微分的概念，平面曲线的切线和法线方程函数的可导性与连续性之间的关系，一阶微分形式的不变性，分段函数的导数。

第一章 概率论的基本概念定义： 随机试验E 的每个结果样本点组成样本空间S ，S 的子集为E 的随机事件，单个样本点为基本事件．事件关系： 1．A ⊂B ，A 发生必导致B 发生． 2．A B 和事件，A ，B 至少一个发生，A B 发生． 3．A B 记AB 积事件，A ，B 同时发生，AB 发生． 4．A －B 差事件，A 发生，B 不发生，A －B 发生．5．A B=Ø，A 与B 互不相容(互斥)，A 与B 不能同时发生，基本事件两两互不相容．6．A B=S 且A B=Ø，A 与B 互为逆事件或对立事件，A 与B 中必有且仅有一个发生，记B=A S A -=．事件运算： 交换律、结合律、分配率略．德摩根律：B A B A =，B A B A =．概率： 概率就是n 趋向无穷时的频率，记P(A)．概率性质:1．P (Ø)=0．2．(有限可加性)P (A 1 A 2 … A n )=P (A 1)+P (A 2)+…+P (A n )，A i 互不相容． 3．若A ⊂B ，则P (B －A)=P (B)－P (A)．4．对任意事件A ，有)A (1)A (P P -=．5．P (A B)=P (A)+P (B)－P (AB)．古典概型： 即等可能概型，满足：1．S 包含有限个元素．2．每个基本事件发生的可能性相同． 等概公式： 中样本点总数中样本点数S A )A (==n k P ． 超几何分布：⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫ ⎝⎛=n N k n D N k D p ，其中ra C r a =⎪⎪⎭⎫ ⎝⎛． 条件概率： )A ()AB ()A B (P P P =． 乘法定理：)A ()A B ()AB C ()ABC ()A ()AB ()AB (P P P P P P P ==．全概率公式： )B ()B A ()B ()B A ()B ()B A ()A (2211n n P P P P P P P +++= ，其中i B 为S 的划分． 贝叶斯公式： )A ()B ()B A ()A B (P P P P i i i =，∑==nj j j B P B A P A P 1)()()(或)()()()()()()(B P B A P B P B A P B P B A P A B P +=．独立性： 满足P (AB)=P (A)P (B)，则A ，B 相互独立，简称A ，B 独立．定理一： A ，B 独立，则．P (B |A)=P (B)． 定理二： A ，B 独立，则A 与B ，A 与B ，A 与B 也相互独立．第二章 随机变量及其分布(0—1)分布： k k p p k X P --==1)1(}{，k =0，1 （0<p <1）．伯努利实验：实验只有两个可能的结果：A 及A ．二项式分布： 记X~b （n ，p ），k n kk n p p C k X P --==)1(}{． n 重伯努利实验：独立且每次试验概率保持不变．其中A 发生k 次，即二项式分布．泊松分布： 记X~π（λ），!}{k e k X P k λλ-==， ,2,1,0=k ．泊松定理： !)1(lim k e p p C k kn k knn λλ--∞→=-，其中λ=np ．当20≥n ，05.0≤p 应用泊松定理近似效果颇佳．随机变量分布函数： }{)(x X P x F ≤=，+∞<<∞-x ．)()(}{1221x F x F x X x P -=≤<．连续型随机变量： ⎰∞-=xt t f x F d )()(，X 为连续型随机变量，)(x f 为X 的概率密度函数，简称概率密度．概率密度性质：1．0)(≥x f ；2．1d )(=⎰+∞∞-x x f ；3．⎰=-=≤<21d )()()(}{1221x x x x f x F x F x X x P ；4．)()(x f x F ='，f (x )在x 点连续；5．P {X=a }=0．均匀分布： 记X~U(a ，b )；⎪⎩⎪⎨⎧<<-=其它，，01)(bx a a b x f ；⎪⎩⎪⎨⎧≥<≤--<=b x b x a a b a x a x x F ，，，10)(． 性质：对a ≤c <c +l ≤b ，有 a b ll c X c P -=+≤<}{指数分布：⎪⎩⎪⎨⎧>=-其它，，001)(x e x f x θθ；⎩⎨⎧>-=-其它，，001)(x e x F x θ． 无记忆性： }{}{t X P s X t s X P >=>+>． 正态分布： 记),(~2σμN X ；]2)(exp[21)(22σμσπ--=x x f ；t t x F xd ]2)(exp[21)(22⎰∞---=σμσπ．性质： 1．f (x )关于x =μ对称，且P {μ-h <X ≤μ}=P {μ<X ≤μ+h }；2．有最大值f (μ)=(σπ2)-1． 标准正态分布：]2exp[21)(2x x -=πϕ；⎰∞--=Φxt t x d ]2exp[21)(2π．即μ=0，ζ=1时的正态分布X ~N(0，1)性质：)(1)(x x Φ-=-Φ．正态分布的线性转化： 对),(~2σμN X 有)1,0(~N X Z σμ-=；且有)(}{}{)(σμσμσμ-Φ=-≤-=≤=x x X P x X P x F ． 正态分布概率转化： )()(}{1221σμσμ-Φ--Φ=≤<x x x X x P ；1)(2)()(}{-Φ=-Φ-Φ=+<<-t t t t X t P σμσμ．3ζ法则： P =Φ(1)－Φ(-1)=68.26%；P =Φ(2)－Φ(-2)=95.44%；P =Φ(3)－Φ(-3)=99.74%，P 多落在(μ-3ζ，μ+3ζ)内． 上ɑ分位点： 对X~N(0，1)，若z α满足条件P {X>z α}=α，0<α<1，则称点z α为标准正态分布的上α分位点． 常用 上ɑ分位点： 0.001 0.005 0.01 0.025 0.05 0.10 3.0902.5762.3261.9601.6451.282Y 服从自由度为1的χ2分布：设X 密度函数f X (x )，+∞<<∞-x ，若Y=X 2，则⎪⎩⎪⎨⎧≤>-+=000)]()([21)(y y y f y f y y f X XY ，，若设X ~N(0，1)，则有⎪⎩⎪⎨⎧≤>=--00021)(221y y e y y f y Y ，，π定理：设X 密度函数f X (x )，设g (x )处处可导且恒有g ′(x )>0(或g ′(x )<0)，则Y=g (X)是连续型随机变量，且有⎩⎨⎧<<'=其他，，0)()]([)(βαy y h y h f y f X Y h (y )是g (x )的反函数；①若+∞<<∞-x ，则α=min{g (−∞)，g (+∞)}，β=max{g (−∞)，g (+∞)}；②若f X (x )在[a ，b ]外等于零，g (x )在[a ，b ]上单调，则α=min{g (a )，g (b )}，β=max{g (a )，g (b )}．应用： Y=aX +b ~N(a μ+b ，(|a |ζ)2)．第三章 多维随机变量及其分布二维随机变量的分布函数： 分布函数(联合分布函数)：)}(){(),(y Y x X P y x F ≤≤= ，记作：},{y Y x X P ≤≤．),(),(),(),(},{112112222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤<．F （x ，y ）性质： 1．F （x ，y ）是x 和y 的不减函数，即x 2>x 1时，F （x 2，y ）≥F （x 1，y ）；y 2>y 1时，F （x ，y 2）≥F （x ，y 1）．2．0≤F （x ，y ）≤1且F （−∞，y ）=0，F （x ，−∞）=0，F （−∞，−∞）=0，F （+∞，+∞）=1．3．F （x +0，y ）=F （x ，y ），F （x ，y +0）=F （x ，y ），即F （x ，y ）关于x 右连续，关于y 也右连续．4．对于任意的(x 1，y 1)，(x 2，y 2)，x 2>x 1，y 2>y 1，有P {x 1<X ≤x 2，y 1<Y ≤y 2}≥0．离散型（X ，Y ）：0≥ij p ，111=∑∑∞=∞=ij j i p ，ij yy x x p y x F i i ∑∑=≤≤),(．连续型（X ，Y ）：v u v u f y x F y xd d ),(),(⎰⎰∞-∞-=．f (x ，y )性质： 1．f (x ，y )≥0．2．1),(d d ),(=∞∞=⎰⎰∞∞-∞∞-F y x y x f ．3．y x y x f G Y X P G⎰⎰=∈d d ),(}),{(． 4．若f (x ，y )在点(x ，y )连续，则有),(),(2y x f yx y x F =∂∂∂． n 维： n 维随机变量及其分布函数是在二维基础上的拓展，性质与二维类似． 边缘分布：F x (x )，F y (y )依次称为二维随机变量（X ，Y ）关于X 和Y 的边缘分布函数，F X (x )=F (x ，∞)，F Y (y )=F (∞，y )．离散型： *i p 和j p *分别为（X ，Y ）关于X 和Y 的边缘分布律，记}{1i ij j i x X P p p ==∑=∞=*，}{1j ij i j y Y P p p ==∑=∞=*．连续型：)(x f X ，)(y f Y 为（X ，Y ）关于X 和Y 的边缘密度函数，记⎰∞∞-=y y x f x f X d ),()(，⎰∞∞-=x y x f y f Y d ),()(．二维正态分布：]})())((2)([)1(21exp{121),(2222212121212221σμσσμμρσμρρσπσ-+-------=y y x x y x f ． 记(X ，Y )~N (μ1，μ2，ζ12，ζ22，ρ)]2)(exp[21)(21211σμσπ--=x x f X ，∞<<∞-x ．]2)(exp[21)(22222σμσπ--=y y f Y ，∞<<∞-y ． 离散型条件分布律： jij j j i j i p p y Y P y Y x X P y Y x X P *=======}{},{}{． *=======i ij i j i i j p p x X P y Y x X P x X y Y P }{},{}{．连续型条件分布：条件概率密度：)(),()(y f y x f y x f Y Y X =||条件分布函数：x y f y x f y Y x X P y x F xY Y X d )(),(}{)(⎰∞-==≤=||| )(),()(x f y x f x y f X X Y =||y x f y x f x X y Y P x y F yX X Y d )(),(}{)(⎰∞-==≤=||| 含义：当0→ε时，)|(d )|(}|{||y x F x y x f y Y y x X P Y X xY X =≈+≤<≤⎰∞-ε．均匀分布： 若⎪⎩⎪⎨⎧∈=其他,0),(,1),(Gy x Ay x f ，则称(X ，Y)在G 上服从均匀分布． 独立定义：若P {X ≤x ，Y ≤y }=P {X ≤x }P {Y ≤y }，即F (x ，y )=F x (x )F y (y )，则称随机变量X 和Y 是相互独立的． 独立条件或可等价为：连续型：f (x ，y )=f x (x )f y (y )；离散型：P {X =x i ，Y =y j }=P {X =x i }P {Y =y j }．正态独立： 对于二维正态随机变量（X ，Y ），X 和Y 相互对立的充要条件是：参数ρ=0．n 维延伸： 上述概念可推广至n 维随机变量，要注意的是边缘函数或边缘密度也是多元(1~n -1元)的．定理：设（X 1，X 2，…，X m ）和（Y 1，Y 2，…，Y n ）相互独立，则X i 和Y j 相互独立．又若h ，g 是连续函数，则h （X 1，X 2，…，X m ）和g （Y 1，Y 2，…，Y n ）相互独立．Z=X+Y 分布： 若连续型(X ，Y )概率密度为f (x ，y )，则Z=X+Y 为连续型且其概率密度为⎰∞∞-+-=y y y z f z f Y X d ),()(或⎰∞∞-+-=x x z x f z f Y X d ),()(．f X 和f Y 的卷积公式：记⎰∞∞-+-==y y f y z f z f f f Y X Y X Y X d )()()(*⎰∞∞--=x x z f x f Y X d )()(，其中除继上述条件，且X 和Y相互独立，边缘密度分别为f X (x )和f Y (y )． 正态卷积：若X 和Y 相互独立且X ~N (μ1，ζ12)，记Y ~N (μ2，ζ22)，则对Z=X+Y 有Z ~N (μ1+μ2，ζ12+ζ22)．1．上述结论可推广至n 个独立正态随机变量．2．有限个独立正态随机变量的线性组合仍服从正态分布． 伽马分布：记),(~θαΓX ，0>α，0>θ．⎪⎩⎪⎨⎧>Γ=--其他，，00)(1)(1x e x x f x θαααθ，其中⎰+∞--=Γ01d )(t e t tαα．若X 和Y 独立且X ~Γ(α，θ)，记Y ~Γ(β，θ)，则有X+Y~Γ(α+β，θ)．可推广到n 个独立Γ分布变量之和．XYZ =：⎰∞∞-=x xz x f x z f X Y d ),()(，若X 和Y 相互独立，则有⎰∞∞-=x xz f x f x z f Y X X Y d )()()(．XYZ =分布： ⎰∞∞-=x x zx f x z f XY d ),(1)(，若X 和Y 相互独立，则有⎰∞∞-=xxz f x f x z f Y X XY d )()(1)(． 大小分布：若X 和Y 相互独立，且有M =max{X ，Y }及N =min{X ，Y }，则M 的分布函数：F max (z )=F X (z )F Y (z )，N 的分布函数：F min (z )=1－[1－F X (z )][1－F Y (z )]，以上结果可推广到n 个独立随机变量的情况．第四章 随机变量的数字特征数学期望： 简称期望或均值，记为E (X )；离散型：k k k p x X E ∑=∞=1)(．连续型：⎰∞∞-=x x xf X E d )()(．定理： 设Y 是随机变量X 的函数：Y =g (X )(g 是连续函数)．1．若X 是离散型，且分布律为P {X =x k }=p k ，则： k k k p x g Y E )()(1∑=∞=．2．若X 是连续型，概率密度为f (x )，则：⎰∞∞-=x x f x g Y E d )()()(．定理推广： 设Z 是随机变量X ，Y 的函数：Z =g (X ，Y )(g 是连续函数)．1．离散型：分布律为P {X =x i ，Y =y j }=p ij ，则： ij j i i j p y x g Z E ),()(11∑∑=∞=∞=． 2．连续型：⎰⎰∞∞-∞∞-=y x y x f y x g Z E d d ),(),()(期望性质：设C 是常数，X 和Y 是随机变量，则：1．E (C )=C ．2．E (CX )=CE (X )．3．E (X +Y )=E (X )+E (Y )． 4．又若X 和Y 相互独立的，则E (XY )=E (X )E (Y )．方差：记D (X )或Var(X )，D (X )=V ar(X )=E {[X －E (X )]2}．标准差(均方差)： 记为ζ(X )，ζ(X )= ． 通式：22)]([)()(X E X E X D -=． k k k p X E x X D 21)]([)(-∑=∞=，⎰∞∞--=x x f x E x X D d )()]([)(2．标准化变量： 记σμ-=x X *，其中μ=)(X E ，2)(σ=X D ，*X 称为X 的标准化变量． 0)(*=X E ，1)(*=X D ．方差性质： 设C 是常数，X 和Y 是随机变量，则： 1．D (C )=0． 2．D (CX )=C 2D (X )，D (X +C )=D (X )．3．D (X +Y )=D (X )+D (Y )+2E {(X －E (X ))(Y －E (Y ))}，若X ，Y 相互独立D (X +Y )=D (X )+D (Y )．4．D (X )=0的充要条件是P {X =E (X )}=1． 正态线性变换： 若),(~2i i i N X σμ，i C 是不全为0的常数，则),(~22112211i i n i i i n i n n C C N X C X C X C σμ∑∑+++== ．切比雪夫不等式： 22}{εσεμ≤≥-X P 或221}{εσεμ-≥<-X P ，其中)(X E =μ，)(2X D =σ，ε为任意正数．协方差：记)]}()][({[),Cov(Y E Y X E X E Y X --=．X 与Y的相关系数：)()(),Cov(Y D X D Y X XY =ρ．D (X +Y )=D (X )+D (Y )+2Cov(X ，Y )，Cov(X ，Y )=E (XY )－E (X )E (Y )．性质： 1．Cov(aX ，bY )=ab Cov(X ，Y )，a ，b 是常数．2．Cov(X 1+X 2，Y )=Cov(X 1，Y )+Cov(X 2，Y )． 系数性质：令e =E [(Y －(a +bX ))2]，则e 取最小值时有)()1(]))([(2200min Y D X b a Y E e XY ρ-=+-=，其中)()(00X E b Y E a -=，)(),Cov(0X D Y X b =．1．|ρXY |≤1．2．|ρXY |=1的充要条件是：存在常数a ，b 使P {Y =a +bX }=1．|ρXY |越大e 越小X 和Y 线性关系越明显，当|ρXY |=1时，Y =a +bX ；反之亦然，当ρXY =0时，X 和Y 不相关． X 和Y 相互对立，则X 和Y 不相关；但X 和Y 不相关，X 和Y 不一定相互独立． 定义： k 阶矩(k 阶原点矩)：E (X k )． n 维随机变量X i 的协方差矩阵：⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n c c c c c cc c c212222111211C ，),Cov(j i ij X X c ==E {[X i －E (X i )][X j －E (X j )]}． k +l 阶混合矩：E (X k Y l)．k 阶中心矩：E {[X －E (X )] k }．k +l 阶混合中心矩：E {[X －E (X )]k [Y －E (Y )]l }．n 维正态分布：)}()(21exp{det )2(1),,,(1T 221μX C μX C ---=-n n x x x f π ，T21T 21),,,(),,,(n nx x x μμμ ==μX ． 性质：1．n 维正态随机变量(X 1，X 2，…，X n )的每一个分量X i (i =1，2，…，n )都是正态随机变量，反之，亦成立． 2．n 维随机变量(X 1，X 2，…，X n )服从n 维正态分布的充要条件是X 1，X 2，…，X n 的任意线性组合l 1X 1+l 2X 2+…+l n X n 服从一维正态分布(其中l 1，l 2，…，l n 不全为零)．3．若(X 1，X 2，…，X n )服从n 维正态分布，且Y 1，Y 2，…，Y k 是X j (j =1，2，…，n )的线性函数，则(Y 1，Y 2，…，Y k )也服从多维正态分布．4．若(X 1，X 2，…，X n )服从n 维正态分布，则“X i 相互独立”与“X i 两两不相关”等价．)(x D第五章大数定律及中心极限定理弱大数定理：若X1，X2，…是相互独立并服从同一分布的随机变量序列，且E(X k)=μ，则对任意ε>0有11lim1=⎭⎬⎫⎩⎨⎧<-∑=∞→εμknknXnP或→μPX，knkXnX11=∑=．定义：Y1，Y2，…，Y n ，…是一个随机变量序列，a是一个常数．若对任意ε>0，有1}|{|lim=<-∞→εaYPnn则称序列Y1，Y2，…，Yn，…依概率收敛于a．记aY Pn−→−伯努利大数定理：对任意ε>0有1lim=⎭⎬⎫⎩⎨⎧<-∞→εpnfP An或0lim=⎭⎬⎫⎩⎨⎧≥-∞→εpnfP An．其中f A是n次独立重复实验中事件A发生的次数，p是事件A在每次试验中发生的概率．中心极限定理定理一：设X1,X2,…,X n ,…相互独立并服从同一分布，且E(X k)=μ，D(X k)=ζ2 >0，则n→∞时有σμnnXknk)(1-∑=N(0，1)或nXσμ-~N(0，1)或X~N(μ，n2σ)．定理二：设X1,X2,…,X n ,…相互独立且E(X k)=μk，D(X k)=ζk2 >0，若存在δ>0使n→∞时，}|{|1212→-∑+=+δδμkknknXEB，则nknkknkBX)(11μ==∑-∑~N(0，1)，记212knknBσ=∑=．定理三：设),(~pnbnη，则n→∞时，Npnpnpn~)1()(--η(0，1)，knknX1=∑=η．第六章样本及抽样分布定义：总体：全部值；个体：一个值；容量：个体数；有限总体：容量有限；无限总体：容量无限．定义：样本：X1,X2,…,X n 相互独立并服从同一分布F的随机变量，称从F得到的容量为n的简单随机样本．频率直方图：图形：以横坐标小区间为宽，纵坐标为高的跨越横轴的几个小矩形．横坐标：数据区间（大区间下限比最小数据值稍小，上限比最大数据值稍大；小区间：均分大区间，组距Δ=大区间/小区间个数；小区间界限：精度比数据高一位）．图形特点：外轮廓接近于总体的概率密度曲线．纵坐标：频率/组距（总长度：<1/Δ；小区间长度：频率/组距）．定义：样本p分位数：记x p，有1．样本x i中有np个值≤x p．2．样本中有n(1－p)个值≥x p．箱线图：x p选择：记⎪⎩⎪⎨⎧∈+∉=++NnpxxNnpxxnpnpnpp当，当，][211)()()1]([．分位数x0.5，记为Q2或M，称为样本中位数．分位数x0.25，记为Q1，称为第一四分位数．分位数x0.75，记为Q3，称为第三四分位数．图形：图形特点：M为数据中心，区间[min，Q1]，[Q1，M]，[M，Q3]，[Q3，max]数据个数各占1/4，区间越短数据密集．四分位数间距：记IQR=Q3－Q1；若数据X<Q1－1.5IQR或X>Q3+1.5IQR，就认为X是疑似异常值．抽样分布：样本平均值：iniXnX11=∑=样本方差：)(11)(11221212XnXnXXnSiniini-∑-=-∑-===样本标准差：2SS=样本k阶(原点)矩：kinikXnA11=∑=，k≥1 样本k阶中心矩：kinikXXnB)(11-∑==，k≥2经验分布函数：)(1)(xSnxFn=，∞<<∞-x．)(xS表示F的一个样本X1,X2,…,X n 中不大于x的随机变量的个数．自由度为n的χ2分布：记χ2~χ2（n），222212nXXX+++=χ，其中X1,X2,…,X n是来自总体N(0，1)的样本．E(χ2 )=n，D(χ2 )=2n．χ12+χ22~χ2（n1+n2）．⎪⎩⎪⎨⎧>Γ=--其他，，)2(21)(2122yexnyfynn．χ2分布的分位点：对于0<α<1，满足αχχαχα==>⎰∞yyfnPn)(222d)()}({，则称)(2nαχ为)(2nχ的上α分位点．~ 近似的min Q1 M Q3 max当n 充分大时(n >40)，22)12(21)(-+≈n z n ααχ，其中αz 是标准正态分布的上α分位点． 自由度为n 的t 分布：记t ~t (n )，nY Xt /=， 其中X~N (0，1)，Y~χ2(n )，X ，Y 相互独立．2)1(2)1(]2[]2)1([)(+-+Γ+Γ=n n t n n n t h π h (t )图形关于t =0对称；当n 充分大时，t 分布近似于N (0，1)分布．t 分布的分位点：对于0<α<1，满足ααα==>⎰∞t t h n t t P n t )(d )()}({，则称)(n t α为)(n t 的上α分位点． 由h (t )对称性可知t 1－α(n )=－t α(n )．当n >45时，t α(n )≈z α，z α是标准正态分布的上α分位点．自由度为(n 1，n 2)的F分布：记F ~F (n 1，n 2)，21n V n U F =，其中U~χ2(n 1)，V~χ2(n 2)，X ，Y 相互独立．1/F ~F (n 2，n 1)⎪⎩⎪⎨⎧>+ΓΓ+Γ=+-其他，，00]1)[2()2()](2)([)(2)(21211)2(221212111x n y n n n y n n n n y n n n n ψF 分布的分位点：对于0<α<1，满足αψαα==>⎰∞y y n n F F P n n F ),(2121d )()},({，则称),(21n n F α为),(21n n F 的上α分位点．重要性质：F 1－α(n 1，n 2)=1/F α(n 1，n 2)．定理一： 设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，则有),(~2n N X σμ，其中X 是样本均值． 定理二：设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，样本均值和样本方差分别记为 X ，2S ，则有1．)1(~)1(222--n S n χσ；2．X 与2S 相互独立．定理三：设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，样本均值和样本方差分别记为X ，2S ，则有)1(~--n t nS X μ．定理四：设X 1,X 2,…,X n 1 与Y 1,Y 2,…,Y n 2分别是来自N (μ1，ζ12)和N (μ2，ζ22)的样本，且相互独立．设这两个样本的样本均值和样本方差分别记为 X ，Y ，21S ，22S ，则有1．)1,1(~2122212221--n n F S S σσ．2．当ζ12=ζ22=ζ2时，)2(~)()(21121121-++-----n n t n n S Y X w μμ，其中2)1()1(212222112-+-+-=n n S n S n S w，2w w S S =． 第七章 参数估计定义： 估计量：),,,(ˆ21n X X X θ，估计值：),,,(ˆ21nx x x θ，统称为估计． 矩估计法：令)(ll X E =μ=li n i l X n A 11=∑=(k l ,,2,1 =)(k 为未知数个数)联立方程组，求出估计θˆ．设总体X 均值μ及方差ζ2都存在，则有 X A ==1ˆμ，212212122)(11ˆX X n X X n A A i n i i n i -∑=-∑=-===σ． 最大似然估计法： 似然函数：离散：);()(1θθi n i x p L =∏=或连续：);()(1θθi ni x f L =∏=，)(θL 化简可去掉与θ无关的因式项．θˆ即为)(θL 最大值，可由方程0)(d d =θθL 或0)(ln d d =θθL 求得． 当多个未知参数θ1，θ1，…，θk 时：可由方程组 0d d =L i θ或0ln d d =L i θ（k i ,,2,1 =）求得． 最大似然估计的不变性：若u =u (θ)有单值反函数θ=θ(u )，则有)ˆ(ˆθu u=，其中θˆ为最大似然估计． 截尾样本取样： 定时截尾样本：抽样n 件产品，固定时间段t 0内记录产品个体失效时间(0≤t 1≤t 2≤…≤t m ≤t 0)和失效产品数量． 定数截尾样本：抽样n 件产品，固定失效产品数量数量m 记录产品个体失效时间(0≤t 1≤t 2≤…≤t m )． 结尾样本最大似然估计：定数截尾样本：设产品寿命服从指数分布X~e （θ），θ即产品平均寿命．产品t i 时失效概率P {t =t i }≈f (t i )d t i ，寿命超过t m 的概率θm t m e t t F -=>}{，则)(}){()(1i m i m n m m n t P t t F C L =-∏>=θ，化简得)(1)(m t s m e L ---=θθθ，由0)(ln d d =θθL 得：mt s m )(ˆ=θ，其中s (t m )=t 1+t 2+…+t m +(n －m )t m ，称为实验总时间． 定时截尾样本：与定数结尾样本讨论类似有s (t 0)=t 1+t 2+…+t m +(n －m )t 0，)(01)(t s m e L ---=θθθ，mt s )(ˆ0=θ，． 无偏性： 估计量),,,(ˆ21nX X X θ的)ˆ(θE 存在且θθ=)ˆ(E ，则称θˆ是θ的无偏估计量． 有效性：),,,(ˆ211n X X X θ与),,,(ˆ212n X X X θ都是θ的无偏估计量，若)ˆ()ˆ(21θθD D ≤，则1ˆθ较2ˆθ有效． 相合性： 设),,,(ˆ21n X X X θθ的估计量，若对于任意0>ε有1}|ˆ{|lim =<-∞→εθθP n ，则称θˆ是θ的相合估计量． 置信区间：αθθθ-≥<<1)},,,(),,,({2121n n X X X X X X P ，θ和θ分别为置信下限和置信上限，则),(θθ是θ的一个置信水平为α-1置信区间，α-1称为置信水平，10<<α．正态样本置信区间： 设X 1，X 2，…，X n 是来自总体X ~N (μ，ζ2)的样本，则有μ的置信区间：枢轴量W W 分布 a ，b 不等式 置信水平 置信区间)1,0(~N n X σμ-⇒ασμα-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-12z n X P ⇒)(2ασz n X ± 其中z α/2为上α分位点θ置信区间的求解： 1．先求枢轴量：即函数W =W (X 1，X 2，…，X n ；θ)，且函数W 的分布不依赖未知参数． 如上讨论标注2．对于给定置信水平α-1，定出两常数a ，b 使P {a <W <b }=α-1，从而得到置信区间． (0－1)分布p 的区间估计：样本容量n >50时，⇒--∞→)1,0(~)1()(lim N p np np X n n {}⇒-≈<--αα1)1()(2z p np np X n P0)2()(222222<++-+X n p z X n p z n αα⇒若令22αz n a +=，)2(22αz X n b +-=，2X n c =，则有置信区间(a ac b b 2)4(2---，a ac b b 2)4(2-+-）．单侧置信区间：若αθθ-≥>1}{P 或αθθ-≥<1}{P ，称(θ，∞)或(∞-，θ)是θ的置信水平为α-1的单侧置信区间．正态总体均值、方差的置信区间与单侧置信限（置信水平为α-1）待估 其他 枢轴量W 的分布置信区间单侧置信限一个正态总体μζ2已知 )1,0(~N nX Z σμ-=)(2ασz nX ±ασμz nX +=，ασμz nX -=μζ2未知 )1(~--=n t nS X t μ⎪⎭⎫ ⎝⎛±2αt n S X αμt n S X +=，αμt nSX -= ζ2μ未知)1(~)1(2222--=n S n χσχ⎪⎪⎭⎫⎝⎛---2212222)1(,)1(ααχχS n S n 2122)1(αχσ--=S n ，222)1(αχσS n -=两个正态总体μ1－μ2ζ12，ζ22已知 )1,0(~)(22212121N n n Y X Z σσμμ+---=⎪⎪⎭⎫ ⎝⎛+±-2221212n n z Y X σσα2221212122212121n n z Y X n n z Y X σσμμσσμμαα+--=-++-=-μ1－μ2ζ12=ζ22=ζ2 未知)2(~)()(21121121-++---=--n n t n n S Y X t w μμ()12112--+±-n n S tY X w α2w w S S =121121121121----+--=-++-=-n n S t Y X n n S t Y X w w ααμμμμ2)1()1(2122 22112-+-+-=nnS nSnSwζ12/ζ22μ1，μ2未知)1,1(~2122212221--=nnFSSFσσ⎪⎪⎭⎫⎝⎛-212221222211,1ααFSSFSSασσ-=1222122211FSS，ασσFSS122212221=单个总体X~N(μ，ζ2)，两个总体X~N(μ1，ζ12)，Y~N(μ2，ζ22)．第八章假设实验定义：H0：原假设或零假设，为理想结果假设；H1：备择假设，原假设被拒绝后可供选择的假设．第Ⅰ类错误：H0实际为真时，却拒绝H0．第Ⅱ类错误：H0实际为假时，却接受H0．显著性检验：只对犯第第Ⅰ类错误的概率加以控制，而不考虑第Ⅱ类错误的概率的检验．P{当H0为真拒绝H0}≤α，α称为显著水平．拒绝域：取值拒绝H0．临界点：拒绝域边界．双边假设检验：H0：θ=θ0，H1：θ≠θ0．右边检验：H0：θ≤θ0，H1：θ>θ0．左边检验：H0：θ≥θ0，H1：θ<θ0．正态总体均值、方差的检验法(显著性水平为α)原假设H0备择假设H1检验统计量拒绝域1 ζ2已知μ≤μ0μ>μ0nXZσμ-=z≥zαμ≥μ0μ<μ0z≤－zαμ=μ0μ≠μ0|z|≥zα/22 ζ2未知μ≤μ0μ>μ0nSXt0μ-=t≥tα(n－1) μ≥μ0μ<μ0t≤－tα(n－1) μ=μ0μ≠μ0|t|≥tα/2(n－1)3 ζ1，ζ2已知μ1－μ2≤δμ1－μ2>δ222121nnYXZσσδ+--=z≥zαμ1－μ2≥δμ1－μ2<δz≤－zαμ1－μ2=δμ1－μ2≠δ|z|≥zα/24 ζ12=ζ22=ζ2未知μ1－μ2≤δμ1－μ2>δ1211--+--=nnSYXtwδ2)1()1(212222112-+-+-=nnSnSnSwt≥tα(n1+n2－2) μ1－μ2≥δμ1－μ2<δt≤－tα(n1+n2－2)μ1－μ2=δμ1－μ2≠δ|t|≥tα/2(n1+n2－2)5 μ未知ζ2≤ζ02ζ2>ζ02222)1(σχSn-=χ2≥χα2(n－1)ζ2≥ζ02ζ2<ζ02χ2≤χ21－α(n－1)ζ2=ζ02ζ2≠ζ02χ2≥χ2α/2(n－1)或χ2≤χ21－α/2(n－1)6 μ1，μ2未知ζ12≤ζ22ζ12>ζ222221SSF=F≥Fα(n1－1，n2－1) ζ12≥ζ22ζ12<ζ22F≤F1－α(n1－1，n2－1)ζ12=ζ22ζ12≠ζ22F≥Fα/2(n1－1，n2－1)或F≤F1－α/2(n1－1，n2－1)7 成对数据μD≤0 μD>0nSDtD-=t≥tα(n－1) μD≥0 μD<0 t≤－tα(n－1)μD=0 μD≠0 |t|≥tα－2(n－1)检验方法选择：主要是逐对比较法（成对数据）跟两个正态总体均值差的检验的区别，如上表即7跟3、4的区别，成对数据指两样本X和Y之间存在一一对应关系，而3和4一般指X和Y相互对立，但针对同一实体．关系：置信区间与假设检验之间的关系：未知参数的置信水平为1－α的置信区间与显著水平为α的接受域相同．定义：施行特征函数(OC函数)：β(θ)=Pθ(接受H0)．功效函数：1－β(θ)．功效：当θ*∈H1时，1－β(θ*)的值．。

四．闭区间上连续函数的性质 在闭区间 [a, b] 上连续的函数 f ( x ) ，有以下几个基本 性质。这些性质以后都要用到。 定理 1． （有界定理）如果函数 f ( x ) 在闭区间 [a, b] 上 连续，则 f ( x ) 必在 [a, b] 上有界。 定理 2． （最大值和最小值定理）如果函数 f ( x ) 在闭 区间 [a, b] 上连续，则在这个区间上一定存在最大值 M 和 最小值 m 。 其中最大值 M 和最小值 m 的定义如下： 定义 设 f ( x0 ) = M 是区间 [a, b] 上某点 x0 处的函数
则 lim
f (x ) = A （或 ∞ ） g (x )
7．利用导数定义求极限
f ( x 0 + ∆x ) − f ( x0 ) = f ′( x 0 ) [如果 基本公式： lim ∆x → 0 ∆x
存在] 8．利用定积分定义求极限 基本公式
f (ξ ) = c
[如果存在] 推论：如果函数 f ( x ) 在闭区间 [a, b] 上连续，且 f (a ) 与 f (b ) 异号，则在 (a, b ) 内至少存在一个点 ξ ，使得
2n x2 x4 n x + − Λ + (− 1) + 0 x 2n (2n )! 2! 4!
cos x = 1 −
( )
ln (1 + x ) = x −
n x2 x3 n +1 x + − Λ + (− 1) + 0 xn n 2 3
( ) ( )
f (x ) ~ g (x )
3．常见的等价无穷小 当 x → 0时 sin x ~ x ， tan x ~ x ， arcsin x ~ x ， arctan x ~ x

考研数学十二章知识点归纳考研数学是许多学生在准备研究生入学考试时的重点科目。

以下是对考研数学十二章知识点的归纳总结：第一章：极限与连续- 极限的定义和性质- 无穷小量的阶- 连续性的定义和性质- 闭区间上连续函数的性质第二章：导数与微分- 导数的定义和几何意义- 基本导数公式- 高阶导数- 隐函数和参数方程求导- 微分的定义和应用第三章：中值定理与导数的应用- 罗尔定理、拉格朗日中值定理和柯西中值定理- 泰勒公式- 导数在几何上的应用：曲线的切线、法线和弧长- 导数在物理上的应用：速度、加速度等第四章：不定积分- 不定积分的定义和性质- 基本积分公式- 换元积分法和分部积分法- 有理函数的积分第五章：定积分- 定积分的定义和性质- 牛顿-莱布尼茨公式- 定积分的计算方法- 定积分在几何和物理上的应用第六章：多元函数微分法- 偏导数和全微分- 多元函数的极值问题- 条件极值和拉格朗日乘数法第七章：重积分- 二重积分和三重积分的定义- 积分区域和积分顺序- 重积分的计算方法：直角坐标系、极坐标系和球坐标系第八章：曲线积分与曲面积分- 第一类和第二类曲线积分- 格林公式和斯托克斯定理- 高斯公式和奥斯特罗格拉德斯基定理第九章：无穷级数- 常数项级数的收敛性- 幂级数和泰勒级数- 函数的幂级数展开- 傅里叶级数和傅里叶变换第十章：常微分方程- 一阶微分方程的解法：分离变量法、变量替换法、常数变易法- 高阶微分方程的降阶- 线性微分方程的解法：特征方程法、常系数线性微分方程第十一章：偏微分方程- 偏微分方程的基本概念- 一阶偏微分方程的解法- 热传导方程、波动方程和拉普拉斯方程第十二章：线性代数- 向量空间和线性变换- 矩阵的运算和性质- 行列式和逆矩阵- 特征值和特征向量- 二次型和正定矩阵结束语：考研数学的知识点广泛，需要同学们系统地学习和大量的练习。

希望以上的归纳能够帮助大家更好地复习和掌握考研数学的主要内容。