2022中國地質(zhì)大學(北京)高等代數(shù)碩士研究生考研考試大綱與參考書目

發(fā)布時間:2021-09-06 編輯:考研派小莉 推薦訪問:
2022中國地質(zhì)大學(北京)高等代數(shù)碩士研究生考研考試大綱與參考書目

2022中國地質(zhì)大學(北京)高等代數(shù)碩士研究生考研考試大綱與參考書目內(nèi)容如下,更多考研資訊請關注我們網(wǎng)站的更新!敬請收藏本站,或下載我們的考研派APP和考研派微信公眾號(里面有非常多的免費考研資源可以領取,有各種考研問題,也可直接加我們網(wǎng)站上的研究生學姐微信,全程免費答疑,助各位考研一臂之力,爭取早日考上理想中的研究生院校。)

2022中國地質(zhì)大學(北京)高等代數(shù)碩士研究生考研考試大綱與參考書目 正文

中國地質(zhì)大學(北京)2022年碩士研究生入學考試
高等代數(shù)821)》考試大綱與參考書目
考試性質(zhì)
本門課程考試的內(nèi)容包括行列式、矩陣、線性方程組、多項式理論、二次型、線性變換和線性空間等。要求考生全面系統(tǒng)地理解高等代數(shù)的基本概念和基本理論,熟練掌握高等代數(shù)的基本思想和基本方法,評價標準是使高校優(yōu)秀本科畢業(yè)生能達到及格或及格以上水平。 
考試方式和考試時間
1. 答卷方式:閉卷、筆試 2. 答卷時間:180分鐘  
試卷結(jié)構
題型比例:滿分150分,計算題占總分80%,證明題占總分20%。 
考試內(nèi)容和考試要求
考查要點 1. 多項式 一元多項式環(huán)、帶余除法、整除、最大公因式、輾轉(zhuǎn)相除法,互素的充要條件,不可約多項式、因式分解的唯一性和標準分解式、重因式、多項式函數(shù)、根、重根;復(實)系數(shù)多項式的因式分解;代數(shù)基本定理;有理系數(shù)多項式的有理根、艾森斯坦因判別法。 2. 行列式 排列、行列式定義、性質(zhì)和計算、按行展開和拉普拉斯展開定理、克萊姆法則。 3. 線性方程組 n維向量空間、向量組的線性相關性及其基本性質(zhì)、極大線性無關組、秩;線性方程組有解的判別定理;線性方程組解的結(jié)構、基礎解系、解空間、求解的方法。 4. 矩陣 矩陣的運算及性質(zhì);矩陣的秩;矩陣的初等變換與初等矩陣;矩陣在初等變換下的 標準形;矩陣的逆、伴隨陣、線性方程組的矩陣形式;行列式乘積定理;分塊矩陣; 分塊矩陣運算;矩陣的跡、方陣的多項式。 5. 二次型    二次型的矩陣表示;二次型的標準形與合同變換;復數(shù)域與實數(shù)域上二次型的標準形、規(guī)范形;慣性定理;實二次型、實對稱矩陣正定的充分必要條件。      6. 線性空間 線性空間的概念;一些重要的線性空間實例,基、維數(shù)與坐標;基變換與坐標變換。 7. 線性變換       線性映射與線性變換的概念、運算;線性變換的矩陣表示;線性變換(矩陣)的特 征多項式、特征值與特征向量;線性變換的值域與核;特征子空間;線性變換的不 變子空間;線性變換的矩陣為對角矩陣的充要條件。 8. λ-矩陣 λ-矩陣在初等變換下的標準形、不變因子、行列式因子;矩陣相似的條件;數(shù)字矩陣或線性變換的不變因子、初等因子、Jordan標準形。 9. 歐幾里得空間 向量內(nèi)積;歐氏空間的概念及性質(zhì),度量矩陣;向量的長度、夾角、正交、距離; 標準正交基;歐氏空間的子空間的正交補,歐氏空間的同構;正交變換與正交矩陣 的等價條件,對稱變換的概念與性質(zhì);用正交變換化實對稱矩陣為對角陣的方法。 
參考書目
《高等代數(shù)》(第四版),北京大學數(shù)學系編,王萼芳、石生明修訂,高等教育出版社。
備注
 
 
中國地質(zhì)大學(北京)

添加中國地質(zhì)大學(北京)學姐微信,或微信搜索公眾號“考研派小站”,關注[考研派小站]微信公眾號,在考研派小站微信號輸入[中國地質(zhì)大學(北京)考研分數(shù)線、中國地質(zhì)大學(北京)報錄比、中國地質(zhì)大學(北京)考研群、中國地質(zhì)大學(北京)學姐微信、中國地質(zhì)大學(北京)考研真題、中國地質(zhì)大學(北京)專業(yè)目錄、中國地質(zhì)大學(北京)排名、中國地質(zhì)大學(北京)保研、中國地質(zhì)大學(北京)公眾號、中國地質(zhì)大學(北京)研究生招生)]即可在手機上查看相對應中國地質(zhì)大學(北京)考研信息或資源。

中國地質(zhì)大學(北京)考研公眾號 考研派小站公眾號

本文來源:http://www.qiang-kai.com/zhongguodizhidaxue/cankaoshu_463022.html

推薦閱讀