1034 字
3 分钟
考研数学学习记录2026-04-30
2026-04-30

考研数学学习记录 | 2026-04-30#

今日学习内容#

今日数学学习三个半小时,主要完成二次型的题目复盘,重点在于相似合同,正定型以及配方法。概率论背诵了基本分布的表达式和概率密度函数以及各自的期望,方差。同时学习了协方差和对应公式性质

薄弱点#

  1. 二次型板块:相似变换与合同变换的概念极易混淆,无法快速根据题目条件选择对应的判定逻辑;配方法化二次型时,容易忽略变量替换的可逆性验证,导致后续标准形推导出错;正定二次型的多种判定方法(顺序主子式、特征值、正惯性指数)混用,无法快速匹配最优解题路径。
  2. 概率论板块:离散型与连续型基本分布的期望、方差记忆混淆,部分小众分布的概率密度表达式记错;协方差的性质推导不熟练,对“独立与不相关仅在二维正态分布下等价”这一核心考点理解不到位。

AI知识点带复盘#

二次型板块#

  1. 相似与合同的核心区别:相似变换的核心是存在可逆矩阵PP满足P1AP=BP^{-1}AP=B,判定依据是矩阵特征值完全一致;合同变换的核心是存在可逆矩阵PP满足PTAP=BP^TAP=B,判定依据是矩阵正惯性指数一致。对于实对称矩阵,正交相似变换同时满足相似与合同(因正交矩阵满足PT=P1P^T=P^{-1}),考研中常通过特征值与正惯性指数快速判断两个实对称矩阵是否相似/合同。
  2. 配方法的规范步骤:优先处理含x1x_1的项,将x1x_1与其余变量配方消去x1x_1,再对剩余变量重复操作;若二次型无平方项,需先通过x1=y1+y2,x2=y1y2x_1=y_1+y_2, x_2=y_1-y_2构造平方项后再配方,每一步的变量替换必须保证替换矩阵行列式不为0,确保变换可逆。
  3. 正定二次型的判定:对于nn元实二次型f=xTAxf=x^TAx,以下条件等价:①AA为正定矩阵;②AA所有顺序主子式全大于0;③AA所有特征值均大于0;④ff的正惯性指数为nn;⑤存在可逆矩阵CC使得A=CTCA=C^TC。考试中需根据题目给出的条件选择最优判定方式,已知矩阵元素优先用顺序主子式,已知特征值直接验证符号。

概率论板块#

  1. 核心基本分布梳理
    • 离散分布:0-1分布B(1,p)B(1,p)、二项分布B(n,p)B(n,p)、泊松分布P(λ)P(\lambda),需精准记忆各自的分布律、期望与方差。
    • 连续分布:均匀分布U(a,b)U(a,b)、正态分布N(μ,σ2)N(\mu,\sigma^2)、指数分布E(λ)E(\lambda),需牢记概率密度函数、期望与方差的标准形式,尤其注意正态分布的标准化变换与性质。
  2. 协方差与相关系数:协方差定义为Cov(X,Y)=E[(XEX)(YEY)]=EXYEXEY\text{Cov}(X,Y)=E[(X-EX)(Y-EY)]=EXY-EXEY,核心性质包括Cov(X,X)=DX\text{Cov}(X,X)=DXCov(aX+b,cY+d)=acCov(X,Y)\text{Cov}(aX+b,cY+d)=ac\cdot\text{Cov}(X,Y)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)\text{Cov}(X_1+X_2,Y)=\text{Cov}(X_1,Y)+\text{Cov}(X_2,Y)。需重点区分:独立随机变量协方差必为0,但协方差为0不代表独立,仅二维正态分布下二者等价。

今日小结#

今日按计划完成3.5小时考研数学学习,先复盘了前期二次型模块的错题,整理了相似合同区分、配方法、正定判定三类易错点的解题模板;随后完成概率论基本分布与协方差的知识点背诵与自主推导练习,通过默写公式、举例验证加深了记忆。学习过程优先解决薄弱点,未盲目赶进度,整体节奏平稳扎实。 💡 碎碎念:稳步积累,持续提升。

文档内容由 AI 辅助生成

分享

如果这篇文章对你有帮助,欢迎分享给更多人!

考研数学学习记录2026-04-30
https://elysiaweb.vercel.app/posts/math/4-30/
作者
程翊雪
发布于
2026-04-30
许可协议
Unlicensed

部分信息可能已经过时

目录