线性代数
1、行列式的盘算。行列式直接考察的概率不高，但行列式是线代的工具，判断 系数矩阵为方阵的线性方程组解的情形 及特征值的盘算都市用到行列式的盘算，故要引起重视。
2、矩阵的变换。矩阵是线代的研究工具，线性方程组、特征值与特征向量、相似对角化，二次型，着实 都是在研究矩阵。一定要注重 在化蹊径 型时只能对矩阵做行变换，不行做列变换变换。
3、向量和秩。向量和秩较量 抽象，也是线代学习的重点和难点，研究线性方程组解的情形 着实 就是在研究系数矩阵的秩，也是在研究把系数矩阵按列分块获得的向量组的秩。
4、线性方程组的解。线性方程组是每年的必看知识点，要熟练掌握线性方程组解的结构问题，焦点是明确 基础解系，要能够掌握详细 方程组的数列要领，更要能熟练解决抽象型方程组，一样平常 会转化为系数矩阵的秩或者基础解，然后解决问题。
5、特征值与特征向量。特征值与特征向量起到继往开来的作用，一特征值对应的特征向量着实 就是其对应矩阵作为系数矩阵的齐次线性方程组的基础解系，其主要 应用就是相似对角化及正交相似对角化，是后面二次型的基础。
6、相似对角化，包罗相似对角化及正交相似对角化。要会判断是否可以相似对角化，及正交相似对角化时，怎么施密特正交化和单元化。
7、二次型。二次型是线代的一个综合型章节，会用到前面的许多知识。要熟练掌握用正交变换化二次型为尺度形，二次型正定的判断 ，及惯性指数。
8、矩阵等价及向量组等价的充要条件，矩阵等价，相似，条约的条件。
高等数学
1.函数在一点处极限存在，一连 ，可导，可微之间关系。对于一元函数函数一连 是函数极限存在的充实条件。若函数在某点一连 ，则该函数在该点必有极限。若函数在某点不一连 ，则该函数在该点纷歧定无极限。若函数在某点可导，则函数在该点一定一连 。可是 若是 函数不行导，不能推出函数在该点一定不一连 ，可导与可微等价。而对于二元函数，只能又可微推一连 和可导(偏导都存在)，其余都不建设。
2.基本初等函数与初等函数的一连 性：基本初等函数在其界说域内是一连 的，而初等函数在其界说区间上是一连 的。
3.极值点，拐点。驻点与极值点的关系：在一元函数中，驻点可能是极值点，也可能不是极值点，而函数的极值点必是函数的驻点或导数不存在的点。注重 极值点和拐点的界说一充、二充、和须要条件。
4.夹逼定理和用定积分界说求极限。这两种要领都可以用来求和式极限，注重 要领的选择。尚有 夹逼定理的应用，特殊 是无限 小量与有界量之积仍是无限 小量。
5.可导是对界说域内的点而言的，随处可导则存在导函数，只要一个函数在界说域内某一点不行导，那么就不存在导函数，纵然该函数在其它各处均可导。
6.泰勒中值定理的应用，可用于盘算极限以及证实 。
7.较量 积分的巨细。定积分较量 定理的应用(常用绘图法)，多重积分的较量 ，特殊 注重 第二类曲线积分，曲面积分不行直接较量 巨细。
8.抽象型的多元函数求导，反函数求导(高阶)，参数方程的二阶导，以及与变限积分函数团结 的求导
9.广义积分和级数的敛散性的判断。
10.介值定理和零点定理的应用。要害在于视察和变换所要证实 等式的形式，结构辅助函数。
11.保号性。极限的性子 中最主要 的就是保号性，注重 保号性的两种形式以及建设的条件。
12.第二类曲线积分和第二类曲面积分。在求解的历程中一样平常 会使用格林公式和高斯公式，大部门同砚 都市把精神 关注在是否闭合，偏导是否一连 上，而遗忘 了第三个条件——偏向，要引起注重 。
概率论与数理统计
1、非等可能 与 等可能。若一次随机实验中可能泛起的效果 有N个，且所有用 果 泛起的可能性都相等，则每一个基本事务 的概率都是1/N;若其中某个事务 A包罗的效果 有M个，则事务 A的概率为M/N。
2、互斥与对立 对立一定互斥，但互斥纷歧定对立。若A，B互斥，则P(A+B)=P(A)+P(B)，若A，B对立，则知足 (1)A∩B=空集;(2)P(A+B)=1。
3、互斥与自力 。若A，B互斥，则P(A+B)=P(A)+P(B)，若A，B自力 ，则P(AB)=P(A)P(B);概率为0或者1的事务 与任何事务 都自力
4、排列与组合。排列与顺序有关，组合与顺序无关，同类相乘有序，差异类相乘无序。
5、不行能事务 与概率为零的随机事务 。 不行能事务 的概率一定为零,但概率为零的随机事务 纷歧定是不行能事务 ，如一连 型随机变量在任何一点的概率都为0。
6、一定事务 与概率为1的事务 。一定事务 的概率一定为1，但概率为1的随机事务 纷歧定是一定事务 。对于一样平常 情形，由P(A)=P(B)同样不能推得随机事务 A即是随机事务 B。
7、条件概率。P(A|B)体现事务 B发生条件下事务 A发生的概率。若“B是A的子集”，则P(A|B)=1，但P(B|A)=P(B)是差池的，只有当P(A)=1时才建设。在求二维一连 型随机变量的条件概率密度函数时，一定是在边缘概率密度函数大于零时，才可使用“条件=团结 /边缘”;反过来用此公式求团结 概率密度函数时，也要保证边缘概率密度函数大于零。
8、随机变量概率密度函数。对于一维一连 型随机变量，用漫衍函数法，先讨论概率为0和1的区间，然后反解，再讨论，最后求导。对于二维随机变量，若是一连 型和离散型，用全概率公式，若是一连 型和一连 型同样用漫衍函数法，若随机变量是Z=X+Y型，用卷积公式。