考研数学确实是那种越背越晕的学科，刚启动看那些公式像看天书，彻底搞不明白。

实际上它根本没那么多死板的分类，更多像是个庞大的工具箱，你用的时候得看手里拿的是锤子还是螺丝刀。别被那些“第一、第二、第三”给绕晕了，方向错了，全是白搭。 说的就是线代、解析和概率统计这三座大山。线代是地基，解析是骨架，概率统计是血肉。

你看目前市面上的资料，实际上都如此分。线代主要是矩阵、行列式、向量这些，核心就是能不能解方程组，能不能搞出那个行列式，有时候还得算个逆矩阵。解析课就是微积分的升级版，如何求导如何积分如何猜极大约率的，关键是收敛性，拉普拉斯变换，还有那些不定积分的通法。概率统计就更杂了，随机变量、期望方差、贝叶斯定理、正态分布、中心极限定理，这些都是务必熟记的“必杀技”。 拿个具体的例子来说，线代里的特征值难题，大量时候就是让你求特征值，算个矩阵的特征向量。

比如某个二维向量在旋转要么缩放下到底变啥样了，这实际上就是找特征值。解析课里的奥卡姆剃刀原则特别关键，别去查那些莫名其妙的 Риман - 布赫纳引理要么超极复杂的留数，能拍板就直接拍板，别钻牛角尖。概率统计里最经典的就是正态分布的卷积，两个正态分布加起来还是正态分布，这个直认定有个数，比如均值是 0 方差是 1 的，加起来看起来还是那个样子的样子，这时候你就知道考到它了。 有些时候会认定分得忒细忒细，实际上没必要。

比如线代里的实对称矩阵，实际上所有实对称矩阵的特征值都是实数，这个结论得记住。解析课里的洛必达法则，有时候分子分母直接约掉，有时候得用泰勒展开来凑，得看题目如何出。概率统计里的矩估摸，就是让你根据样本矩去估摸总体矩，算出那个参数估摸值。 再聊聊数据。

比如线代里的线性方程组，要是系数矩阵是奇异的，方程组要么无解要么无穷多解，解的线性表示就是通解。解析课里的级数，比如泰勒级数展开，当 x 挺小要么挺大时，能不能用这个级数来近似计算？概率统计里的抽样分布，比如 t 分布、F 分布、卡方分布，这些在假设检验里用特别狠，比如做置信区间要么做假设检验的时候，这些分布表一翻下来就知道如何算了。 口语里说多了有重复啰嗦，写多了像小學生作文。

实际上这些工具得灵活运用，不是死记硬背。线代里有时候得用秩去聊聊方程组的解的情况，有时候得用向量积去找平面。解析课里有时候得用留数定理去算周长要么面积。概率统计里有时候得用中心极限定理来近似分布。 总而言之，考研数学就是综合了这三块，你得会算，你得会证，你得会判断。线代让你万物皆向量，解析课让你万物皆函数，概率让你万物皆概率。别被分类吓跑，只要工具在，你就没包袱。慢慢来，把这三块都吃透，其他就是锦上添花了。