2025推荐！烟台考研培训班集训营TOP十大

学习要想有所成效主要还是看方法。聪明的人有自成一派的学习方法，因此学习对他而言并不难，经常还能达到事半功倍的效果。广州小编整理考研数学必备知识点归纳，一起来看吧。

考研数学必备知识点归纳(1)

一、一元函数积分学

1、理解原函数和不定积分和定积分的概念。

2、掌握不定积分的基本公式，不定积分和定积分的性质及定积分中值定理，掌握换元积分法和分部积分法。

3、会求有理函数、三角函数和简单无理函数的积分。

4、理解变上限积分定义的函数，会求它的导数，掌握牛顿莱布尼兹公式。

5、了解广义积分的概念并会计算广义积分。

6、掌握用定积分计算一些几何量和物理量(平面图形的面积、平面曲线的弧长、旋转体的体积及侧面积、平行截面面积为已知的立体体积、变力作功、引力、压力等)。

重点是原函数与不定积分的概念及性质，基本积分公式及积分的换元法和分部积分法，定积分的性质、计算及应用。难点是第二类换元积分法，分部积分法。积分上限的函数及其导数，定积分元素法及定积分的应用。

二、向量代数与空间解析几何

1、理解向量的概念及其表示。

2、掌握向量的运算(线性运算、数量积、向量积、混合积)，了解两个向量垂直、平行的条件；掌握单位向量、方向数与方向余弦、向量的坐标表达式以及用坐标表达式进行向量运算的方法。

3、掌握平面方程和直线方程及其求法，会利用平面直线的相互关系解决有关问题。

4、理解曲面方程的概念，了解常用二次曲面的方程及其图形，会求以坐标轴为旋转轴的旋转曲面及母线平行于坐标轴的柱面方程。

5、了解空间曲线的参数方程和一般方程；了解空间曲线在坐标平面上的投影，并会求其方程。

考研数学必备知识点归纳(2)

在之前研究线性方程组的解的过程当中，注意到矩阵及其秩有着重要的地位和应用，故还有必要对矩阵及其运算进行专门探讨。

矩阵的加法和数乘，与向量的运算类同。

矩阵的另外一个重要应用：线性变换（最典型例子是旋转变换）。即可以把一个矩阵看作是一种线性变换在数学上的表述。

矩阵的乘法，反映的是线性变换的叠加。如矩阵A对应的是旋转一个角度a，矩阵B对应的是旋转一个角度b，则矩阵AB对应的是旋转一个角度a+b。

矩阵乘法的特点：若C=AB，则C的第i行、第j列的元素是A的第i行与B的第j列的元素对应乘积之和；A的列数要和B的行数相同；C的行数是A的行数，列数是B的列数。需要主义的是矩阵乘法不满足交换律，满足结合律。

利用矩阵乘积的写法，线性方程组可更简单的表示为：Ax=b。

对于C=AB，还可作如下分析：将左边的矩阵A写成列向量组的形式，即意味着C的列向量组能由A的列向量组表示，从而推知C的列秩小于等于A的列秩；将右边的矩阵B写成行向量组的形式，即意味着C的行向量组能由B的行向量组表示，从而推知C的行秩小于等于B的行秩，再考虑到矩阵的行秩等于列秩等于矩阵的秩，最终可得到结论，C的秩小于等于A的秩，也小于等于B的秩，即矩阵乘积的秩总不超过任一个因子的秩。

关于矩阵乘积的另外一个重要结论：矩阵乘积的行列式等于各因子的行列式的乘积。

一些特殊的矩阵：单位阵、对角阵、初等矩阵。尤其要注意，初等矩阵是单位阵经过一次初等变换得到的矩阵。

每一个初等矩阵对应一个初等变换，因为左乘的形式为PA（P为初等矩阵），将A写成行向量组的形式，PA意味着对A做了一次初等行变换；同理，AP意味着对A做了一次初等列变换，故左乘对应行变换，右乘对应列变换。

若AB=E，则称A为可逆矩阵，B是A的逆阵，同样，这时的B也是可逆矩阵，注意可逆矩阵一定是方阵。

第一种求逆阵的方法：伴随阵。这种方法的理论依据是行列式的按行（列）展开。

矩阵可逆，行列式不为零，行（列）向量组线性无关，满秩，要注意这些结论之间的充分必要性。

单位阵和初等矩阵都是可逆的。

若矩阵可逆，则一定可以通过初等变换化为单位阵，这是不难理解的，因为初等矩阵满秩，故最后化成的阶梯型（最简形）中非零行数目等于行数，主元数目等于列数，这即是单位阵。进一步，既然可逆矩阵可以通过初等变换化为单位阵，而初等变换对应的是初等矩阵，即意味着：可逆矩阵可以通过左（右）乘一系列初等矩阵化为单位阵，换言之可逆矩阵可看作是一系列初等矩阵的乘积，因为单位阵在乘积中可略去。

可逆矩阵作为因子不会改变被乘（无论左乘右乘）的矩阵的秩。

由于可逆矩阵可以看作是一系列初等矩阵的乘积，可以想象，同样的这一系列初等矩阵作用在单位阵上，结果是将这个单位阵变为原来矩阵的逆阵，由此引出求逆阵的第二种方法：初等变换。需要注意的是这个过程中不能混用行列变换，且同样是左乘对应行变换，右乘对应列变换。

矩阵分块，即可把矩阵中的某些行和列的元素看作一个整体，对这些被看作是整体的对象构成的新的矩阵，运算法则仍然适用。将矩阵看成一些列行向量组或列向量组的形式，实际也就是一种最常见的对矩阵进行分块的方式。