自考《工程数学（线性代数、概率论与数理统计）》自学考试大纲（2023年审定）

自考《工程数学（线性代数、概率论与数理统计）》自学考试大纲（2023年审定）本大纲为全国高等教育自学考试工科类专业独立本科段《工程数学（线性代数、概率论与数理统计）》课程（全国统考）的官方审定大纲（2023年版），适用于所有报考该课程的自考考生。考试采用闭卷笔试方式，满分100分，60分合格，考试时长150分钟，可携带无存储功能计算器。一、课程性质与设置目的（一）课程性质工程数学是高等教育自学考试工科类专业独立本科段一门重要的基础理论课，是培养工科类专业高等本科人才不可或缺的核心课程。本课程由线性代数、概率论与数理统计两部分组成，线性代数聚焦有限维空间线性理论，其方法是处理诸多非线性问题的基础；概率论与数理统计专注于随机现象的统计规律性，前者从数量上研究随机现象的本质规律，后者从应用角度处理随机性数据、建立统计方法并进行统计推断。两门分支相互补充，广泛应用于科学技术各领域，是工科类专业后续技术基础课与专业课的重要先修课程，为考生后续学习和工程实践奠定坚实的数学基础。（二）设置目的掌握线性代数、概率论与数理统计的基本概念、基本理论和基本方法，理解各知识点之间的内在联系，构建完整的工程数学知识体系。具备运用线性代数方法进行行列式计算、矩阵运算、向量分析、线性方程组求解及二次型化简的能力；具备运用概率统计方法进行随机事件概率计算、随机变量分析、参数估计与假设检验的基本能力。能够将工程数学的基本方法应用于解决工科类专业相关的简单实际问题，培养逻辑推理、抽象思维和数据分析能力，满足工科类专业人才的培养要求。为学习后续专业课程（如数学模型、数值计算等）提供必要的数学支撑，提升考生的数学素养和工程应用能力。（三）与相关课程的联系与解析几何的联系：线性代数中的向量空间、向量内积、向量正交、二次型等内容，与解析几何中的几何空间、二次曲面等知识密切相关，可通过几何直观辅助理解线性代数的抽象概念。与高等数学（微积分）的联系：高等数学（微积分）是学习概率论与数理统计的基础，连续性随机变量的分布、概率计算、数学期望与方差求解等内容，均需运用微积分中的极限、导数、积分、重积分等知识。与后续专业课程的联系：本课程是工科类专业后续技术基础课与专业课的先修课程，其知识在数值计算、工程建模、数据分析等后续课程中有着广泛应用，对后续课程的学习效果有着直接影响。（四）能力层次要求本大纲在考核目标中，按照识记、领会、应用三个层次规定考生应达到的能力要求，三个层次呈递升关系，后者必须建立在前者的基础上，具体含义如下：识记（25%）：要求考生能够识别和记忆本课程中有关的数学概念、定理、推论、公式、性质、法则等核心内容，能够根据考核要求做出正确的表述、选择和判断。领会（35%）：要求考生能够理解各数学概念的内涵与外延，鉴别易混淆的概念；理解定理、公式、运算法则的推导逻辑，掌握相关知识的区别与联系，并能进行简单的逻辑推理和论证，做出正确的判断与解释。应用（40%）：要求考生在熟悉和理解知识点的基础上，综合运用多个知识点，通过分析、计算、推导等方式解决结构稍复杂的数学问题，能够将所学方法应用于简单的实际场景。二、考试内容与考核要求（按章节）本课程分为线性代数、概率论与数理统计两大部分，共11章，各章节考核内容及要求如下，重点内容标注“★”，考生需重点掌握。第一部分线性代数（共5章）第1章行列式与矩阵（一）考核内容行列式：行列式的定义、元素的余子式与代数余子式、行列式的性质、行列式按一行（或一列）展开定理、克拉默法则、3阶范德蒙德行列式。矩阵：矩阵的概念、特殊矩阵（上/下三角形矩阵、对角矩阵、数量矩阵、单位矩阵、对称矩阵、反对称矩阵）、矩阵的运算（加法、数乘、乘法、转置）、矩阵的分块及分块矩阵的运算。可逆矩阵：可逆矩阵的定义、伴随矩阵的定义及性质、矩阵可逆的充分必要条件、逆矩阵的求解方法。矩阵的初等变换与初等矩阵：矩阵的初等变换概念、初等矩阵的定义与性质、矩阵的等价标准形、矩阵等价的充分必要条件、初等变换与初等矩阵的关系。矩阵的秩：矩阵的k阶子式、矩阵秩的定义、阶梯形矩阵的概念、初等变换不改变矩阵的秩、矩阵秩的求解方法及相关性质。（二）考核要求识记：元素的余子式、代数余子式、行列式的定义；3阶范德蒙德行列式；矩阵的定义及各类特殊矩阵的概念；矩阵分块的概念；可逆矩阵、伴随矩阵的定义；矩阵的初等变换、初等矩阵的定义及性质；矩阵的k阶子式、矩阵秩的定义、阶梯形矩阵的概念。领会：行列式的性质及展开定理；上（下）三角形行列式的计算公式；矩阵各运算的运算法则；分块矩阵的运算逻辑；可逆矩阵的性质、矩阵可逆的充分必要条件；初等变换与初等矩阵的关系；初等变换不改变矩阵的秩的原理；矩阵秩的相关性质（如可逆矩阵与其他矩阵乘积的秩的关系）。应用：利用行列式的性质和展开定理计算3、4阶数字行列式及简单的n阶行列式；利用克拉默法则求解三元线性方程组；进行矩阵的加法、数乘、乘法、转置运算；利用初等行变换法求可逆矩阵的逆矩阵及矩阵的秩；求解简单的矩阵方程。（三）重点与难点重点：行列式的性质和计算；矩阵的运算及运算法则；可逆矩阵的性质和逆矩阵的求解；矩阵的初等变换和初等矩阵的关系。难点：n阶行列式的计算；矩阵秩的概念及求解。第2章向量（一）考核内容n维向量：n维列向量与行向量的概念、向量的线性运算、n维向量空间的概念。向量间的线性关系：向量的线性组合与线性表出、向量组线性相关与线性无关的定义及判定条件。向量组的极大线性无关组：两个向量组等价的概念、向量组的极大线性无关组的定义及性质、向量组的秩的定义。向量组的秩与矩阵的秩：向量组的秩与矩阵的秩的关系。向量的内积：两个向量内积的概念、向量的正交、施密特正交化方法、正交矩阵的定义。（二）考核要求识记：n维列向量与行向量的定义；向量的线性运算规则；n维向量空间的概念；向量的线性组合与线性表出的定义；两个向量组等价的概念；向量组的极大线性无关组、向量组的秩的定义；向量内积、向量正交的概念；正交矩阵的定义。领会：向量组线性相关与线性无关的定义、充分条件、必要条件及几何意义；向量组的极大线性无关组的相关结论（如等价向量组的秩的关系）；向量组的秩与矩阵的秩的内在联系；施密特正交化方法的原理。应用：判断或证明向量组线性相关或线性无关；将给定的向量由某一向量组线性表出；求向量组的极大线性无关组和秩；利用施密特正交化方法将线性无关向量组化为正交向量组。（三）重点与难点重点：向量组线性相关与线性无关的判定；向量组的极大线性无关组和秩的求解；施密特正交化方法。难点：向量组线性相关与线性无关的概念及判定；向量组的秩与矩阵的秩的关系。第3章线性方程组（一）考核内容线性方程组的一般形式：齐次线性方程组与非齐次线性方程组的定义。线性方程组的解的判定：齐次线性方程组有非零解的充分必要条件；非齐次线性方程组有解、有唯一解、有无穷多解的充分必要条件。线性方程组的解的结构：齐次线性方程组的基础解系的定义、性质及求解方法；非齐次线性方程组的通解的结构及求解方法。（二）考核要求识记：齐次线性方程组与非齐次线性方程组的一般形式；齐次线性方程组基础解系的定义。领会：齐次线性方程组有非零解的充分必要条件；非齐次线性方程组有解、有唯一解、有无穷多解的充分必要条件；齐次线性方程组解的性质、非齐次线性方程组解的性质；线性方程组解的结构原理。应用：判断齐次线性方程组是否有非零解、非齐次线性方程组的解的情况；求齐次线性方程组的基础解系及通解；求非齐次线性方程组的通解。（三）重点与难点重点：线性方程组解的判定条件；齐次线性方程组基础解系的求解；非齐次线性方程组通解的求解。难点：线性方程组解的结构的理解；基础解系的求解与应用。第4章矩阵的相似对角化（一）考核内容矩阵的特征值与特征向量：特征值与特征向量的定义、性质及求解方法。相似矩阵：相似矩阵的定义、性质。矩阵的相似对角化：n阶矩阵相似于对角矩阵的充分必要条件、相似对角化的方法。（二）考核要求识记：矩阵的特征值与特征向量的定义；相似矩阵的定义。领会：矩阵特征值与特征向量的性质；相似矩阵的性质；n阶矩阵相似于对角矩阵的充分必要条件。应用：求解矩阵的特征值与特征向量；判断矩阵是否可相似对角化；对可相似对角化的矩阵进行相似对角化。（三）重点与难点重点：矩阵特征值与特征向量的求解；矩阵相似对角化的判定与方法。难点：矩阵相似对角化条件的理解与应用。第5章实二次型（一）考核内容实二次型的定义与矩阵表示：实二次型的定义、二次型的矩阵表示方法、二次型的秩的定义。二次型的标准形：用正交变换化实二次型为标准形的方法。二次型的正定性：正定二次型、正定矩阵的定义及判定方法。（二）考核要求识记：实二次型的定义；二次型的矩阵表示；二次型的秩的定义；正定二次型、正定矩阵的定义。领会：正交变换化实二次型为标准形的原理；正定二次型、正定矩阵的判定原理。应用：将实二次型化为矩阵形式；用正交变换化实二次型为标准形；判断实二次型（或实对称矩阵）是否为正定。（三）重点与难点重点：实二次型的矩阵表示；用正交变换化实二次型为标准形；正定二次型的判定。难点：正交变换化实二次型为标准形的方法；正定二次型判定条件的应用。第二部分概率论与数理统计（共6章）第6章随机事件与概率（一）考核内容随机事件：随机事件的定义、基本事件、样本空间、事件的关系与运算。概率的定义与性质：概率的古典定义、统计定义、公理化定义及概率的基本性质。概率的计算：古典概型的概率计算、条件概率、乘法公式、全概率公式、贝叶斯公式。事件的独立性：两个事件独立、多个事件独立的定义及性质。（二）考核要求识记：随机事件、基本事件、样本空间的定义；事件的各种关系（包含、相等、互斥、对立）与运算；概率的古典定义、统计定义、公理化定义；条件概率的定义；事件独立性的定义。领会：概率的基本性质；古典概型的适用条件；条件概率的性质；乘法公式、全概率公式、贝叶斯公式的推导逻辑；事件独立性的性质。应用：进行事件的运算；计算古典概型的概率；运用条件概率、乘法公式、全概率公式、贝叶斯公式计算复杂事件的概率；判断事件的独立性并进行相关概率计算。（三）重点与难点重点：事件的关系与运算；概率的基本性质；古典概型的概率计算；全概率公式与贝叶斯公式的应用；事件的独立性。难点：古典概型的概率计算；全概率公式与贝叶斯公式的理解与应用。第7章随机变量及其概率分布（一）考核内容随机变量的定义：随机变量的概念、离散型随机变量与连续型随机变量的定义。离散型随机变量：分布律的定义及性质、常见离散型随机变量（两点分布、二项分布、泊松分布）的分布律及数字特征。连续型随机变量：概率密度的定义及性质、分布函数的定义及性质、常见连续型随机变量（均匀分布、指数分布、正态分布）的概率密度及分布函数。随机变量函数的分布：离散型、连续型随机变量函数的分布求解方法。（二）考核要求识记：随机变量的定义；离散型随机变量的定义及分布律的性质；连续型随机变量的定义及概率密度、分布函数的性质；常见离散型、连续型随机变量的分布形式。领会：分布函数的意义及性质；常见随机变量的分布背景及适用场景；随机变量函数分布的求解原理。应用：根据分布律或概率密度计算随机事件的概率；利用常见随机变量的分布解决简单问题；求解离散型、连续型随机变量函数的分布。（三）重点与难点重点：离散型随机变量的分布律及概率计算；连续型随机变量的概率密度、分布函数及概率计算；常见随机变量的分布及应用。难点：连续型随机变量概率密度的理解；随机变量函数分布的求解。第8章随机变量的数字特征（一）考核内容数学期望：离散型、连续型随机变量数学期望的定义及性质；常见随机变量的数学期望。方差：方差的定义及性质；常见随机变量的方差；标准差的定义。协方差与相关系数：协方差的定义及性质；相关系数的定义及性质、相关性的判断。（二）考核要求识记：数学期望、方差、标准差、协方差、相关系数的定义；常见随机变量的数学期望与方差。领会：数学期望、方差、协方差的性质；相关系数的意义及相关性的判断标准。应用：计算离散型、连续型随机变量的数学期望与方差；计算两个随机变量的协方差与相关系数；判断两个随机变量的相关性。（三）重点与难点重点：数学期望、方差的计算及性质；常见随机变量的数学期望与方差；协方差与相关系数的计算。难点：连续型随机变量数学期望与方差的积分计算；相关系数的意义及应用。第9章大数定律及中心极限定理（一）考核内容大数定律：切比雪夫不等式、切比雪夫大数定律、伯努利大数定律的内容及意义。中心极限定理：独立同分布序列的中心极限定理、棣莫弗-拉普拉斯中心极限定理的内容及应用。（二）考核要求识记：切比雪夫不等式；切比雪夫大数定律、伯努利大数定律的核心内容；独立同分布序列的中心极限定理、棣莫弗-拉普拉斯中心极限定理的核心内容。领会：大数定律的意义（揭示随机现象的稳定性）；中心极限定理的意义（将随机变量和的分布近似为正态分布）。应用：利用切比雪夫不等式估计概率；利用中心极限定理近似计算随机变量和的概率。（三）重点与难点重点：切比雪夫不等式；中心极限定理的应用。难点：中心极限定理的理解及近似计算。第10章样本与统计量（一）考核内容数理统计的基本概念：总体、个体、样本、样本容量的定义；简单随机样本的定义及性质。统计量：统计量的定义；常见统计量（样本均值、样本方差、样本标准差、样本矩）的定义及计算。抽样分布：常见抽样分布（χ²分布、t分布、F分布）的定义及性质；正态总体的抽样分布。（二）考核要求识记：总体、个体、样本、样本容量、简单随机样本的定义；统计量的定义；常见统计量的定义；χ²分布、t分布、F分布的定义。领会：简单随机样本的性质；常见统计量的性质；χ²分布、t分布、F分布的性质；正态总体抽样分布的推导逻辑。应用：计算常见统计量的值；利用正态总体的抽样分布解决简单问题。（三）重点与难点重点：常见统计量的计算；正态总体的抽样分布。难点：抽样分布的理解及应用。第11章参数估计与假设检验（一）考核内容参数估计：点估计的定义、矩估计法、极大似然估计法；点估计的评价标准（无偏性、有效性）；区间估计的定义、置信水平、置信区间；正态总体参数（均值、方差）的区间估计。假设检验：假设检验的基本思想、基本步骤；正态总体参数（均值、方差）的双侧检验方法。（二）考核要求识记：点估计、矩估计法、极大似然估计法的定义；点估计的无偏性、有效性的定义；区间估计、置信水平、置信区间的定义；假设检验的基本概念、基本步骤。领会：矩估计法、极大似然估计法的原理；点估计评价标准的意义；区间估计的构造原理；假设检验的拒绝域、接受域的确定逻辑。应用：用矩估计法、极大似然估计法对总体参数进行点估计；判断点估计的无偏性、有效性；构造正态总体参数的置信区间；进行正态总体参数的双侧假设检验。（三）重点与难点重点：矩估计法、极大似然估计法的应用；正态总体参数的区间估计；正态总体参数的假设检验。难点：极大似然估计法的计算；置信区间的构造；假设检验的逻辑及拒绝域的确定。三、考试形式与试卷结构（一）考试形式闭卷、笔试，满分100分，60分合格，考试时长150分钟；考生可携带无存储功能计算器，禁止携带任何参考资料、电子设备。考试命题严格遵循2023年审定大纲，实行标准化命题，确保与普通高等学校相应学历层次水平一致。（二）题型与分值（参考）本课程为理工科类自考课程，客观题占30%-40%，主观题以计算题、证明题为主，具体题型、题量及分值如下（各省可根据实际情况微调，以当年省教育考试院通知为准）：题型题量分值考查重点对应能力层次单项选择题10题20分基础概念、公式、性质、简单计算辨析识记、领会填空题10题20分公式默写、简单计算、概念填空识记、应用计算题4题32分行列式、矩阵、线性方程组、概率、数字特征、参数估计等核心计算应用证明题2题18分向量线性关系、矩阵性质、概率性质等逻辑证明领会、应用（三）内容分值占比线性代数部分（共5章）：约占50%，其中第1章（行列式与矩阵）、第3章（线性方程组）、第4章（矩阵的相似对角化）为重点章节，合计占线性代数部分的60%以上。概率论与数理统计部分（共6章）：约占50%，其中第6章（随机事件与概率）、第7章（随机变量及其概率分布）、第8章（随机变量的数字特征）、第11章（参数估计与假设检验）为重点章节，合计占概率论与数理统计部分的65%以上。（四）试题难度分布容易题（识记为主）：约占25%，对应大纲中“识记”层次的基础知识点。较易题（领会为主）：约占35%，对应大纲中“领会”层次的知识点，侧重概念理解和简单推理。较难题（应用为主）：约占30%，对应大纲中“应用”层次的基础应用，侧重单一知识点的综合计算。难题（综合应用）：约占10%，侧重多个知识点的融合应用，如线性方程组与矩阵、概率与数字特征、参数估计与抽样分布的综合考查。四、学习与应考建议紧扣大纲，立足教材：以2023年审定大纲为核心，结合自考指定教材，逐章节梳理知识点，重点标注“识记、领会、应用”三个层次的要求，避免盲目复习。教材是复习的根本，需熟练掌握教材中的例题、习