考试要求

　　1.理解矩阵的概念，了解几种特殊矩阵的定义和性质。

　　2.掌握矩阵的加法、数乘和乘法以及它们的运算法则；掌握矩阵转置的性质；掌握方阵乘积的行列式的性质。

　　3.理解逆矩阵的概念，掌握逆矩阵的性质。会用伴随矩阵求矩阵的逆。

　　4.了解矩阵的初等变换和初等矩阵的概念；理解矩阵的秩的概念，会用初等变换求矩阵的逆和秩。

　　5.了解分块矩阵的概念，掌握分块矩阵的运算法则。

　　三、向量

　　考试内容

　　向量的概念向量的和数与向量的积向量的线性组合与线性表示向量组线性相关与线性无关的概念、性质和判别法向量组的极大线性无关组向量组的秩

　　考试要求

　　1.了解向量的概念。掌握向量的加法和数乘的运算法则。

　　2.人理解向量的线性组合与线性表示、向量组线性相关、线性元关等概念，掌握向量组线性相关、线性无关的有关性质及判别法。

　　3.理解向量组的极大无关组的概念，掌握求向量组的极大无夫组的方法。

　　4.理解向量组的秩的概念，了解矩阵的秩与其行（列）向量组的秩之间的关系，会求向量组的秩。

　　四、线性方程组

　　考试内容

　　线性方程组的解线性方程组有解和尤解的判定齐次线性方程组的基础解系和通解非齐次线性方程组的解与相应的齐次线性方程组（导出组）的解之间的关系非齐次线性方程组的通解

　　考试要求

　　1.理解线性方程组解的概念，掌握线性方程组有解和无解的判定方法。

　　2.理解齐次线性方程组的基础解系的概念，掌握齐次线性方程组的基础解系和通解的求法。

　　3.掌握非齐次线性方程组的通解的求法，会用其特解及相应的导出组的基础解系表示非齐次线性方程组的通解。

　　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相似矩阵矩阵的相似对角矩阵实对称矩阵的特征值和特征向量

　　考试要求

　　1.理解矩阵的特征值、特征向量等概念，掌握矩阵特征值的性质。掌握求矩阵的特征值和特征向量的方法。

　　2.理解矩阵相似的概念，掌握相似矩阵的性质；了解矩阵可对角化的充分条件和必要条件，掌握将矩阵化为相似对角矩阵的方法。

　　3.了解实对称矩阵的特征值和特征向量的性质。

　　概率论

　　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事件的运算及其性质事件的独立性完全事件组概率的定义概率的基本性质古典型概率条件概率加法公式乘法公式全概率公式和贝叶斯（BAYES）公式独立重复试验

　　考试要求

　　1.了解样本空间的概念，理解随机事件的概念，掌握事件间的关系及运算。

　　2.理解概率、条件率的概念，掌握概率的基本性质，会计算古典型概率；掌握概率的加法、剩法公式，以及全概率公式、贝叶斯公式。

　　3.理解事件的独立性的概念，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、随机变量及及其概率分布

　　考试内容

　　随机变量及其概率分布随机变量的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概率分布二维随机变量及其联合（概率）分布二维离散型随机变量的联合概率分布和边缘分布二维连续型随机变量的联合概率密度和边缘密度随机变量的独立性常见二维随机变量的联合分布随机变量函数的概率分布

　　考试要求

　　1.理解随机变量及其概率分布的概念；理解分布函数F（x）=P{X≤x}的概念及性质；会计算与随机变量相关的事件的概率。

　　2.理解离散型随机变量及其概率分布的概念；掌握0一1分布、二项分布、超几何分布、泊松（Poison）分布及其应用。

　　3.理解连续型随机变量及其概率密度的概念；掌握概率密度与分布函数之间的关系；掌握均匀分布、指数分布分布及其应用

　　4.理解二维随机变量的概念，理解二维随机变量的联合分布的概念、性质及其两种基本形式：离散型联合概率分布和边缘分布、连续型联合概率密度和边缘密度；会利用二维概率分布求有关事件的概率。

　　5.理解随机变量的独立性概念，掌握离散型和连续型随机变量独立的条件。

　　6.掌握二维均匀分布，了解二维正态分布的密度函数，理解其中参数的概率意义。

　　7.掌握根据自变量的概率分布求其较简单函数的概率分布的基本方法。

　　三、随机变量的数字特征

　　考试内容

　　随机变量的数学期望、方差、标准差以及它们的基本性质随机变量函数的数学期望二随机变量的协方差及其性质二随机变量的相关系数及其性质

　　考试要求

　　1.理解随机变量数字特征（期望、方差、标准差、协方差、相关系数）的概念，并会运用数字特征的基本性质计算具体分布的数字特征，掌握常用分布的数字特征。

　　2.会根据随机变量调的概率分布求其函数G（X）的数学期望Eg（X）。

　　四、中心极限定理

　　考试内容

　　泊松（POISSON）定理列莫弗一拉普拉斯（DE MOIVRE）（Laplace）定理、二项分布以正态分布为极限分布）列维一林德伯格（Levi一Lindberg）定理（独立同分布的中心极限定理）

　　考试要求

　　1.掌握泊松定理的结论和应用条件，并会用泊松分布近似计算二项分布的概率。

　　2.了解列莫弗～拉普拉斯中心极限定理，列维一林德伯格中心极限定理的结论和应用条件，并会用相关定理近似计算有关随机事件的概率。