在平时做这部分练习的时候，大家一定要开阔自己的思路，千万不要一上来就按传统的方法求解。
微积分这部分知识点很多，占整个数学知识点的三分之一以上，概念抽象，需要很强的抽象思维能力，并且重逆向思维（尤其体现在极值的充分性和必要性），技巧性较强，题型变幻莫测，是数学中最难的一部分，所以容易失分。建议大家在复习这一部分的时候，多做一些充分性判断题，因为一定要训练自己的逆向思维能力，只有这样才能在有限的时间内分析问题的时候做到游刃有余。还一点是要注意微积分知识点之间的相互联系，比如连续、可导、微分之间的关系，以及驻点、极值点、最值点之间的关系等。关于微积分的复习，可以按照我总结的几句话为方向进行复习，这就是：
极限是基础(是建立连续、导数的基础)
连续是条线(联系了导数与积分)
导数是关键(概念必考，导数的应用考计算)
积分考计算(广义积分判收敛、定积分求面积)
线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，复习时应当不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。
[---P---]例如：设A是m×n矩阵，B是n×s矩阵，且AB＝0，那么用分块矩阵可知B的列向量都是齐次方程组Ax＝0的解，再根据基础解系的理论以及矩阵的秩与向量组秩的关系，可以有r(B)≤n-r(A)即r(A)＋r(B)≤n 进而可求矩阵A或B中的某些参数。又如，对于n阶行列式我们知道：若｜A｜＝0，则Ax＝0必有非零解，而Ax＝b没有惟一解(可能有无穷多解，也可能无解)，而当｜A｜≠0时，可用克莱姆法则求Ax＝b的惟一解；对于n个n维向量α1，α2，…αn可以利用行列式A的数值是否为零｜A｜＝｜α1α2…αn｜来判断向量组的线性相关性；矩阵A的秩r(A)是用A中非零子式的最高阶数来定义的，若r(A)＜r，则A中r阶子式全为0。凡此种种，正是因为线性代数各知识点之间有着千丝万缕的联系，代数题的综合性与灵活性就较大，大家整理归纳时要注重串联、衔接与转换。应当搞清公式、定理成立的条件，不能张冠李戴，同时还应注重逻辑性以及语言的叙述表达应准确、简明。最后应注意几个概念间矩阵运算，比如矩阵的逆、伴随、转置等，这些关系一般出现在计算矩阵方程中。
对于概率这门课，知识点分散，知识点相互间联系较少，但公式多（可以说，概率的考试就是公式应用的考试），所以做题基本无技巧，题型相对稳定，这部分是大家最容易稳拿分的。对于概率的复习，首先要理解公式，知道公式什么时候用，用在什么地方，怎么用。在随机事件部分重点掌握条件概率公式与乘法公式、全概与贝叶斯公式，尤其对于完备事件组的概念一定要好好把握。概率的考试重点在随机变量，这部分在考分中占有相当大的比重。在随即变量中，一定要对随机变量的独立性要着重关注，因为它是很多公式成立的前提基础，如D(X+Y)＝DX+DY，E(XY)=EXEY等。还有一个需要注意的是随机变量的分布函数和密度函数，对于这两个函数一般不会出概念题，而会出问题求解题。所以大家一定要掌握它们最重要的性质：分布函数最重要的性质是极限性质，密度函数最重要的性质是归一性质，利用这些性质可以求得题干中的参数。对于考纲上规定的要掌握的6个常见随机变量，为方便记忆，可列表记忆：
类型 名称 数学符号 期望EX 方差DX
离散型随机变量 0－1分布 B(1,P) P P(1－P)
二项分布 B(n,P) nP np(1－P)
[---P---]泊松分布 P(λ) λ λ
连续型随机变量 均匀分布 U(a，b) a+b/2 (b－a)2/12
指数分布 E(λ) 1/λ 1/λ2
正态分布 N(μ, ) μ
总之，要加强综合解题能力的训练，力求在解题思路上有所突破。MBA试题与教科书上的习题的不同点在于，前者是在对基本概念、基本定理、基本方法充分理解的基础上的综合应用，有较大的灵活性，往往一个命题覆盖多个内容，涉及到概念、直观背景、推理和计算。许多考生往往难以适应，其突出感觉是没有思路，这正是考生考前准备应解决的突破口。考虑到数学学科的特点，要求考生自己将所有的解题思路都琢磨出来是十分困难的，这方面通常可以通过求教有经验的老师，参加有较好信誉的辅导班，或者阅读有关的辅导书解决。必须强调的是，辅导班或辅导书只是学习的一种手段，最终解决问题还要靠自己动手动脑。要充分利用一切学习机会，力求对常见的考题类型、题型、思路、特点有一个系统的把握，并在此基础上自己动手做一定数量的综合性练习题，温故而知新，不断提高自己的分析解题能力。
