一、选择题

(本题共 8 小题, 每小题 4 分, 共 32 分. 在每小题给出的四个选项中, 只有一项符合题目 要求,把所选项前的字母填在题后的括号内. )

(1)

下列曲线中有渐近线的是
(A) .
(B) .
(C) .
(D) .

(1)

  • 铅直渐近线
    • 先通过无定义的点找铅直渐近线
  • 水平
    • 再从X趋向于无穷时, 是否为常数 来判断是否有水平渐进线
    • 最后再求是否有斜渐进线
  • 这四个选项显然没有铅直渐线和水平渐进线
    • 那么就通过斜渐进线的公式 依次求斜渐近线
      这道题目考查了四个不同函数的渐近线情况。解题步骤如下:
  • 分析四个函数的渐近线情况
    • 判断选项 (A)
      • 水平渐近线
        • 计算
          • 不存在水平渐近线
          • 并且是奇函数,则另一侧也没有水平渐近线
      • 铅直渐近线
        • 没有无定义的点
          • 不存在铅直渐近线
      • 斜渐近线
        • 计算斜率
        • 计算截距 为震荡函数,极限不存在
          • 不存在斜渐近线
    • 判断选项 (B)
      • 与选项 (A) 类似,无水平、铅直和斜渐近线
    • 判断选项 (C)
      • 水平渐近线
        • 不存在
      • 铅直渐近线
        • 间断点
          • 不存在铅直渐近线
      • 斜渐近线
        • 计算斜率
        • 计算截距
          • 存在斜渐近线
    • 判断选项 (D)
      • 类似于选项 (B),无水平、铅直和斜渐近线
        综合分析,只有选项 (C) 有一条斜渐近线 。因此,正确答案是选项 (C)。
        答 应选(C).

(2)

设函数 具有 2 阶导数, , 则在区间
(A) 当 时, .
(B) 当 时, .
(C) 当 时, .
(D) 当 时, .

(2)

  • 答 应选(D).
  • 题中问的是,
    • 时,fx和gx的一个大小关系
      |150
    • 时,fx与gx的大小关系
      |150

(3)

是连续函数, 则
(A) .
(B) .
(C) .
(D) .

(3)

  • 答 应选(D).
  • AB选项是交换x和y的积分次序
    |200
    • 在直角坐标系下,原式
  • CD选项是将直角坐标系化为极坐标系
    |200
    • 在极坐标系下,
      原式
    • 故应该选(D).

(4)

, 则 )
(A) .
(B) .
(C) .
(D) .

(4)

  • 答 应选(A).
    • 本题相当于求函数 的极小值点,
      显然可知当 时,最小, 所以选 (A).
      • 函数大,积分就大

(5)

行列式 )
(A) .
(B) .
(C) .

(5)

  • 直接按行或按列展开,而不是去两两交换某一行或某一列

    • 应选(B).
      解法 1 利用行列式的性质与公式计算行列式:
  • 解法 2 利用行列式的性质与按某一行(列)展开定理计算行列式:
  • 注 解法 1 中利用了特殊的拉普拉斯展开式,如下所述.
    如果 分别是 阶和 阶矩阵,则

(6)

均为 3 维向量, 则对任意常数 , 向量组 线性无关是向量组 , 线性无关的 ( )
(A) 必要非充分条件.
(B) 充分非必要条件.
(C) 充分必要条件.
(D) 既非充分也非必要条件.

(6)

  • 答 应选 (A).
    解 若 线性无关, 设 , 即
  • 从而 线性无关. 反之, 若 线性无关, 不一定有 线性无关. 例如
  • 显然, 线性无关, 而 线性相关. 故 线性无关是 线 性无关的必要条件,而非充分条件,因此选 (A).
    注 这是一道选择题, 可直接取 , 此时显然向量组 线性无关是向量组 线性无 关的必要非充分条件. 此方法仅可用于排除法.

(7)

设随机事件 相互独立, 且 , 则
(A) 0.1.
(B) 0.2.
(C) 0.3 .
(D) 0. 4 .

(7)

  • 由随机事件 相互独立,得
  • 先写出的公式(要掌握概率的减法公式)
      • 代入
      • 解得
      • 计算结果:代入

(8)

设连续型随机变量 相互独立且方差均存在, 的概率密度分别为 , 随机变量 的概率密度为 , 随机变量 , 则
(A) .
(B) .
(C) .
(D) .

(8)

  • 答 应选(D).
  • 故应选(D).

二、填空题

(本题共 6 小题,每小题 4 分, 共 24 分,把答案填在题中横线上.)}

(9)

曲面 在点 处的切平面方程为

(9)

  • 曲面的切平面 : 设曲面 由方程 给出,
    是曲面 上一点,并设函数 的一阶偏导数在该点连续且不同时为零.
    • 向量是曲面 在点 的切平面的一个法向量,
    • 该切平面的方程为
  • 求曲面 在点 处的法向量
  • 代入切平面方程为 ,
    • .

(10)

是周期为 4 的可导奇函数, 且 , 则

(10)

  • 问题: 求 的值,已知 是周期为 4 的可导奇函数,且
    • 求导函数的原函数:
      • 积分:
        • 结果:
      • 利用奇函数性质确定 C:
        • 奇函数性质:
          • 结果:
      • 确定的原函数:
    • 利用周期性求 :
      • 周期性:
        • 奇函数性质:
    • 再次利用奇函数性质:
      • 计算 :
        • 结果:

(11)

微分方程 满足条件 的解为

(11)

  • 答 应填 .
    • 方程的标准形式为 , 这是一个齐次微分方程.
    • , 则 ,
  • 原方程化为 ,
    • 两端积分,
    • 代回原变量 ,
      得到原方程的通解为
      • 代入上式, 得到
      • 于是 ,从而所求初值问题的解为
  • 齐次方程的解法:
    • , 即 , 则 ,
    • 代入可得
      • 可分离变量并积分, 得

(12)

是柱面 与平面 的交线,从 轴正向往 轴负向看去为逆时针方向,则 曲线积分

(12)

  • 答 应填 .

  • |150
  • 斯托克斯如何判断法向量
    • 右手螺旋准则,如果右手大拇指是朝上的z就为+1,如果是朝下的z就为-1
  • 设平面 , 取上侧, 其法向量为 , 故单位法向量为 .
    • 可知
        • 其中 面上的投影区域.
  • 斯托克斯公式的定义:

(13)

设二次型 的负惯性指数为 1 , 则 的取值范围是

(13)

  • 答 应填 .
    解 由于
&=\left(x_1+a x_3\right)^2-\left(x_2-2 x_3\right)^2+\left(4-a^2\right) x_3^2 \end{aligned}$$ 因为 $f$ 的负惯性指数为 1 , 所以 $4-a^2 \geqslant 0$, 故 $-2 \leqslant a \leqslant 2$. ## (14) 设总体 $X$ 的概率密度为 $\displaystyle f(x ; \theta)=\left\{\begin{array}{ll}\frac{2 x}{3 \theta^{2}}, & \theta<x<2 \theta, \\ 0, & \text { 其他, }\end{array}\right.$ 其中 $\theta$ 是未知参数, $X_{1}, X_{2}, \cdots, X_{n}$ 为来自 总体 $X$ 的简单随机样本, 若 $\displaystyle c \sum_{i=1}^{n} X_{i}^{2}$ 是 $\theta^{2}$ 的无偏估计, 则 $c=$ ### (14) - 答 应填 $\frac{2}{5 n}$.解 因为 $\displaystyle E\left(X^2\right)=\int_\theta^{2 \theta} x^2 \frac{2 x}{3 \theta^2} \mathrm{~d} x=\frac{5}{2} \theta^2$, 所以 $\displaystyle E\left(c \sum_{i=1}^n X_i^2\right)=c n \frac{5}{2} \theta^2$, 由于 $\displaystyle c \sum_{i=1}^n X_i^2$ 是 $\theta^2$ 的无偏估计, 因此 $c n \frac{5}{2}=1$, 故 $c=\frac{2}{5 n}$.# 三、解答题(本题共 9 小题,共 94 分,解答应写出文字说明、证明过程或演算步骤.)} ## (15) (本题满分 10 分)求极限 $\displaystyle \lim _{x \rightarrow+\infty} \frac{\int_{1}^{x}\left[t^{2}\left(\mathrm{e}^{\frac{1}{t}}-1\right)-t\right] \mathrm{d} t}{x^{2} \ln \left(1+\frac{1}{x}\right)}$. #### (15) - $\displaystyle \begin{aligned} \lim_{x \to +\infty} \frac{\int_{1}^{x} \left[ t^2 \left( e^{\frac{1}{t}} - 1 \right) - t \right] dt}{x^2 \ln \left( 1 + \frac{1}{x} \right)} \xlongequal[\text{第一件事}]{\text{化简分母}} \lim_{x \to +\infty} \frac{\int_{1}^{x} \left[ t^2 \left( e^{\frac{1}{t}} - 1 \right) - t \right] dt}{x} \end{aligned}$ - 只要分母趋于 $\displaystyle \begin{aligned} \infty \end{aligned}$,不必检查分子是否趋于 $\displaystyle \begin{aligned} \infty \end{aligned}$。 - $\displaystyle \begin{aligned} \xlongequal[]{\text{洛必达}} \lim_{x \to +\infty} \left[ x^2 \left( e^{\frac{1}{x}} - 1 \right) - x \right] \end{aligned}$ - $\displaystyle \begin{aligned} \left( \text{令} \frac{1}{x} = t \right) \xlongequal[]{\text{倒代换}} \lim_{t \to 0^{+}} \left( \frac{e' - 1}{t^2} - \frac{1}{t} \right) \end{aligned}$ - $\displaystyle \begin{aligned}\xlongequal[]{\text{通分}}\lim_{t \to 0^{+}} \frac{e^t - 1 - t}{t^2} \xlongequal[]{\text{泰勒}} \left( \lim_{t \to 0^{+}} \frac{1}{2} t^2 \right) = \frac{1}{2}.\end{aligned}$ ## (16) (本题满分 10 分)设函数 $y=f(x)$ 由方程 $y^{3}+x y^{2}+x^{2} y+6=0$ 确定, 求 $f(x)$ 的极值. #### (16) - 对方程求一阶导 - 对方程 $y^3 + x y^2 + x^2 y + 6 = 0$ 关于 $x$ 求导 - 得到 $3 y^2 y' + y^2 + 2 x y y' + 2 x y + x^2 y' = 0$ - 求 $f(1)$ - 令 $y' = 0$,解方程得 $y = -2x$ 或 $y = 0$ - $y = 0$ 不适用,舍去 - 使用 $y = -2x$ 得到 $x = 1$,则 $f(1) = -2$ - 对导数方程再次求导二阶导 - 对导数方程 $3 y^2 y' + y^2 + 2 x y y' + 2 x y + x^2 y' = 0$ 关于 $x$ 再次求导 - 得到 $\left(3 y^2 + 2 x y + x^2\right) y'' + 2(3 y + x)(y')^2 + 4(y + x) y' + 2 y = 0$ - 求二阶导数 $f''(1)$ - 将 $x = 1$ 和 $y =f(1) =-2$ 代入上述方程 - 解得 $f''(1) = \frac{4}{9} > 0$所以 $x=1$ 是函数 $f(x)$ 的极小值点, 极小值为 $f(1)=-2$. ## (17) (本题满分 10 分)设函数 $f(u)$ 具有二阶连续导数, $z=f\left(\mathrm{e}^{x} \cos y\right)$ 满足 $\frac{\partial^{2} z}{\partial x^{2}}+\frac{\partial^{2} z}{\partial y^{2}}=\left(4 z+\mathrm{e}^{x} \cos y\right) \mathrm{e}^{2 x}$. 若 $f(0)=0$, $f^{\prime}(0)=0$, 求 $f(u)$ 的表达式. ### (17) - 解题步骤 - 计算 $\frac{\partial^2 z}{\partial x^2}, \frac{\partial^2 z}{\partial y^2}$. - 将 $\frac{\partial^2 z}{\partial x^2}, \frac{\partial^2 z}{\partial y^2}$ 代入已知等式得到一个微分方程。 - 解微分方程求得 $f(u)$. - 计算 $\frac{\partial^2 z}{\partial x^2}, \frac{\partial^2 z}{\partial y^2}$. - $\displaystyle \begin{aligned} \frac{\partial z}{\partial x} & =f^{\prime}\left(e^x \cos y\right) \cdot e^x \cos y\end{aligned}$ - $\displaystyle \begin{aligned}\frac{\partial z}{\partial x^2} & =e^x \cos y \cdot f^{\prime}\left(e^x \cos y\right)+e^x \cos y\left[f^{\prime \prime}\left(e^x \cos y\right) \cdot e^x \cos y\right]\end{aligned}$ - $\displaystyle \begin{aligned} =e^x \cos y \cdot f^{\prime}\left(e^x \cos y\right)+e^{2 x} \cos y f^{\prime \prime}\left(e^x \cos y\right)\end{aligned}$ - $\displaystyle \begin{aligned}\frac{\partial z}{\partial y} & =f^{\prime}\left(e^x \cos y\right) \cdot\left(-e^x \sin y\right)\end{aligned}$ - $\displaystyle \begin{aligned} \frac{\partial z^2}{\partial y^2} & =-e^x \cos y \cdot f^{\prime}\left(e^x \cos y\right)+\left(-e^x \sin y\right)\left[f^{\prime \prime}\left(e^x \cos y\right) \cdot\left(-e^x \sin y\right)\right] \end{aligned}$ - $\displaystyle \begin{aligned} =-e^x \cos y \cdot f^{\prime}\left(e^x \cos y\right)+e^{2 x} \sin y f^{\prime \prime}\left(e^x \cos y\right) \end{aligned}$ - 将 $\frac{\partial^2 z}{\partial x^2}, \frac{\partial^2 z}{\partial y^2}$ 代入已知等式得到一个微分方程。 - $\displaystyle \begin{aligned} \frac{\partial^2 z}{\partial x^2} + \frac{\partial^2 z}{\partial y^2} = e^{2x} f''(e^x \cos y)(\cos^2 y + \sin^2 y) \xrightarrow[]{\cos^2 y + \sin^2 y=1}e^{2x} f''(e^x \cos y)\end{aligned}$ - 题目给定:$\displaystyle \begin{aligned}\frac{\partial^{2} z}{\partial x^{2}}+\frac{\partial^{2} z}{\partial y^{2}}=\left(4 z+\mathrm{e}^{x} \cos y\right) \mathrm{e}^{2 x}\end{aligned}$ - 则$\displaystyle \begin{aligned} e^{2x} f''(e^x \cos y) = (4z + e^x \cos y) e^{2x} \end{aligned}$ - $\displaystyle \begin{aligned} \xrightarrow[]{\text{去掉}e^{2x}}f''(e^x \cos y) = 4f(e^x \cos y) + e^x \cos y \end{aligned}$ - 令 $\displaystyle \begin{aligned} u = e^x \cos y \end{aligned}$,则 $\displaystyle \begin{aligned} f''(u) = 4f(u) + u \end{aligned}$ - 解微分方程求得 $f(u)$. - 二阶非齐次微分方程<br>$\displaystyle \begin{aligned} & f^{\prime \prime}(u)-4 f(u)=u \end{aligned}$ - 特征方程:$\displaystyle \begin{aligned} r^2-4=0 \Rightarrow r= \pm 2 \end{aligned}$ - $\displaystyle \begin{aligned} y=C_1 e^{2 u}+C_2 e^{-2 u} \end{aligned}$ - 求特解 - 由于 0 不是特征方程的根, - 故设特解为 $y^*=x^0\text{·}(C_3 u+C_4)=C_3 u+C_4$ - $\left(y^*\right)^{\prime \prime}=0$ - 将$y\text{和}y''$代入原方程$f^{\prime \prime}(u)-4 f(u)=u$ - 得$0-4 C_3 u-4 C_4=u$. - 于是 $C_3=-\frac{1}{4}, C_4=0$. - 从而确定$C_3$和$C_4$的值:<br>$f(u)=C_1 \mathrm{e}^{2 u}+C_2 \mathrm{e}^{-2 u}-\frac{1}{4} u .$ - 代入$f(u)=C_1 \mathrm{e}^{2 u}+C_2 \mathrm{e}^{-2 u}-\frac{1}{4} u .$初值以确定 $C_1, C_2$ 的值. - 由 $f(0)=0$ 得, $C_1+C_2=0$. - 由 $f^{\prime}(0)=0$ 得, $2 C_1-2 C_2-\frac{1}{4}=0$. - 从而解得 $C_1=\frac{1}{16}, C_2=-\frac{1}{16}$. - 因此, 非齐次的通解为齐次通解+特解为<br> $\displaystyle \begin{aligned}f(u)=\frac{1}{16} \mathrm{e}^{2 u}-\frac{1}{16} \mathrm{e}^{-2 u}-\frac{1}{4} u\end{aligned}$ - (2006 年数一、二试题) 设函数 $f(u)$ 在 $(0,+\infty)$ 内具有二阶导数,<br>且 $z=f\left(\sqrt{x^2+y^2}\right)$ 满足等式$\frac{\partial^2 z}{\partial x^2}+\frac{\partial^2 z}{\partial y^2}=0 .$<br>(I) 验证 $f^{\prime \prime}(u)+\frac{f^{\prime}(u)}{u}=0$ ;<br>(II) 若 $f(1)=0, f^{\prime}(1)=1$ ,求函数 $f(u)$ 的表达式. ## (18) (本题满分 10 分)设 $\displaystyle \Sigma$ 为曲面 $z=x^{2}+y^{2}(z \leqslant 1)$ 的上侧, 计算曲面积分$\displaystyle I=\iint_{\Sigma}(x-1)^{3} \mathrm{~d} y \mathrm{~d} z+(y-1)^{3} \mathrm{~d} z \mathrm{~d} x+(z-1) \mathrm{d} x \mathrm{~d} y .$ #### (18) - - <br>![|150](/_assets_/Images/20241214234736.png),![|200](/_assets_/Images/20241214235335.png) #### 转换投影法 - $\displaystyle \begin{aligned} D: \left\{(x, y) \mid x^{2} + y^{2} \leq 1\right\}\end{aligned}$ - $\displaystyle \begin{aligned} I = \iint_{D} (-Pzx - Qzy + R) \, dx \, dy \end{aligned}$ - $\displaystyle \begin{aligned} = \iint_{D} \left[-(x-1)^{3} \cdot 2x - (y-1)^{3} \cdot 2y + (z-1)\right] \, dx \, dy \end{aligned}$ - $\displaystyle \begin{aligned} = \iint_{D} \left[(x^3 - 3x^2 + 3x - x^3) \cdot 2x + (x^3 - 3y^2 + 3y^2 - y^3) \cdot 2y + \underbrace{x^2 + y^2}_{z} - 1\right] \, dx \, dy \end{aligned}$ - $\displaystyle \begin{aligned} \xlongequal[\text{偶倍奇}0]{\text{积分区域关于}x,y\text{都对称}} \iint_{D} \left[-6x^2 - 2x^4 - 6y^2 - 2y^4 + x^2 + y^2 - 1\right] \, dx \, dy \end{aligned}$ - $\displaystyle \begin{aligned} & =\iint_D\left[-5\left(x^2+y^2\right)-2\left(x^4+y^4\right)-1\right] d x d y \end{aligned}$ - $\displaystyle \begin{aligned}\xlongequal[\text{翻}4\text{倍}]{\text{只算第一象限}}-20 \iint_{D_1}\left(x^2+y^2\right) d x d y-8 \iint_{D_1}\left(x^4+y^4\right) d x d y-\pi \end{aligned}$ - $\displaystyle \begin{aligned} \iint_{D_1} (x^2 + y^2) \, dx \, dy = \int_{0}^{\frac{\pi}{2}} d\theta \int_{0}^{1} r^3 \, dr = \frac{\pi}{8} \end{aligned}$ - $\displaystyle \begin{aligned} \iint_{D_1} (x^4 + y^4) \, dx \, dy\xlongequal[]{\text{轮换对称性}}2 \iint_{D_1} x^4 \, dx \, dy = 2 \int_{0}^{\frac{\pi}{2}} d\theta \int_{0}^{1} r^4 \cos^4 \theta rdr \end{aligned}$ - $\displaystyle \begin{aligned} = 2 \int_{0}^{\frac{\pi}{2}} \cos^4 \theta \, d\theta \int_{0}^{1} r^5 \, dr \end{aligned}$ - $\displaystyle \begin{aligned} = 2 \cdot \frac{3}{4} \cdot \frac{1}{2} \cdot \frac{\pi}{2} \cdot \frac{1}{6} = \frac{\pi}{16} \end{aligned}$ - $\displaystyle \begin{aligned}I=-20 \cdot \frac{\pi}{8}-8 \cdot \frac{\pi}{16}-\pi=-\frac{5}{2} \pi-\frac{\pi}{2}-\pi=-4 \pi\end{aligned}$ #### 高斯 - <br>![|200](/_assets_/Images/20241215001311.png) - $\displaystyle \begin{aligned} \Sigma_1: \left\{(x, y, z) \mid x^2 + y^2 \leq 1, \, z = 1\right\}, \, \text{向下}, \end{aligned}$ - 负方向的高斯,结果外面要加负号 - $\displaystyle \begin{aligned} \Omega_1 = \Sigma_1 \text{和} \Sigma \text{所围区域}. \end{aligned}$ - $\displaystyle \begin{aligned} I = \iint_{\Sigma} = \iint_{\Sigma + \Sigma_1} - \iint_{\Sigma_1} =-4 \pi\end{aligned}$ - $\displaystyle \begin{aligned} \oint_{\Sigma + \Sigma_1} = -\iiint_{\Omega} (Px + Qy + Rz) \, dV \end{aligned}$ - $\displaystyle \begin{aligned} = -\iiint_{\Omega} \left[3(x-1)^2 + 3(y-1)^2 + 1\right] \, dV \end{aligned}$ - $\displaystyle \begin{aligned}\xlongequal[]{\text{去括号}}-\iiint_{\Omega}\left[3 x^2-6 x+3+3 y^2-6 y+3+1\right] d V\end{aligned}$ - $\displaystyle \begin{aligned}=-\iiint_{\Omega}\left[3\left(x^2+y^2\right)+7\right] d V\xrightarrow[\text{截面法算}]{\text{柱线法算}}\end{aligned}$ - <br>![|150](/_assets_/Images/20241215001838.png) - $\displaystyle \begin{aligned} & =-\int_0^1 d z \iint_{D_z}\left[3\left(x^2+y^2\right)+7\right] d x d y \end{aligned}$ - $\displaystyle \begin{aligned} =-\int_0^1 d z \int_0^{2 \pi} d \theta \int_0^{\sqrt{z}}\underbrace{\left(3 r^2+7\right) r}_{\left(3 r^3+7 \tau\right)}d r \xrightarrow[]{\frac{3}{4} r^4+\left.\frac{7}{2} r^2\right|_0 ^{\sqrt{z}}=\frac{3}{4} z^2+\frac{7}{2} z}\end{aligned}$ - $\displaystyle =-\int_0^1\left(\frac{3}{2} \pi z^2+7 \pi z\right) d z=-4 \pi$. - $\displaystyle \iint_{\Sigma_1}=0$ ## (19) (本题满分 10 分)设数列 $\left\{a_{n}\right\},\left\{b_{n}\right\}$ 满足 $0<a_{n}<\frac{\pi}{2}, 0<b_{n}<\frac{\pi}{2}, \cos a_{n}-a_{n}=\cos b_{n}$, 且级数 $\displaystyle \sum_{n=1}^{\infty} b_{n}$ 收玫.( I ) 证明 $\displaystyle \lim _{n \rightarrow \infty} a_{n}=0$;( II ) 证明级数 $\displaystyle \sum_{n=1}^{\infty} \frac{a_{n}}{b_{n}}$ 收玫. ### (19) - 证 (I ) 因为 $\cos a_n-\cos b_n=a_n$, 且 $0<a_n<\frac{\pi}{2}, 0<b_n<\frac{\pi}{2}$, 所以 $0<a_n<b_n$. 又因为 $\displaystyle \sum_{n=1}^{\infty} b_n$ 收玫, 所以 $\displaystyle \lim _{n \rightarrow \infty} b_n=0$, 故 $\displaystyle \lim _{n \rightarrow \infty} a_n=0$.(II) 因为 $\displaystyle \lim _{n \rightarrow \infty} \frac{a_n}{b_n^2}=\lim _{n \rightarrow \infty} \frac{1-\cos b_n}{b_n^2} \cdot \frac{a_n}{1-\cos b_n}=\frac{1}{2} \lim _{n \rightarrow \infty} \frac{a_n}{1-\cos b_n}=\frac{1}{2} \lim _{n \rightarrow \infty} \frac{a_n}{a_n+1-\cos a_n}=\frac{1}{2}$, 且级数 $\displaystyle \sum_{n=1}^{\infty} b_n$ 收玫, 所以级数 $\displaystyle \sum_{n=1}^{\infty} \frac{a_n}{b_n}$ 收玫. ## (20) (本题满分 11 分)设 $\displaystyle \boldsymbol{A}=\left(\begin{array}{cccc}1 & -2 & 3 & -4 \\ 0 & 1 & -1 & 1 \\ 1 & 2 & 0 & -3\end{array}\right), \boldsymbol{E}$ 为 3 阶单位矩阵.(I) 求方程组 $\boldsymbol{A x}=\mathbf{0}$ 的一个基础解系;(II) 求满足 $\boldsymbol{A B}=\boldsymbol{E}$ 的所有矩阵 $\boldsymbol{B}$. #### (20) - 解 (I ) 对矩阵 A 作初等行变换, 有$\displaystyle \begin{aligned} & \boldsymbol{A}=\left(\begin{array}{cccc}1 & -2 & 3 & -4 \\0 & 1 & -1 & 1 \\1 & 2 & 0 & -3\end{array}\right) \rightarrow\left(\begin{array}{cccc}1 & 0 & 0 & 1 \\0 & 1 & 0 & -2 \\0 & 0 & 1 & -3\end{array}\right), \end{aligned}$ - $\displaystyle \begin{aligned} \text { 解系为 } \boldsymbol{\alpha}=\left(\begin{array}{c}-1 \\2 \\3 \\1\end{array}\right) . \end{aligned}$则方程组 $\boldsymbol{A x}=\mathbf{0}$ 的一个基础解系为 $\displaystyle \boldsymbol{\alpha}=\left(\begin{array}{c}-1 \\ 2 \\ 3 \\ 1\end{array}\right)$.(II) 对矩阵 $(\boldsymbol{A}: \boldsymbol{E})$ 作初等行变换, 有$\displaystyle (\boldsymbol{A}: \boldsymbol{E})=\left(\begin{array}{cccc:ccc}1 & -2 & 3 & -4 & 1 & 0 & 0 \\0 & 1 & -1 & 1 & 0 & 1 & 0 \\1 & 2 & 0 & -3 & 0 & 0 & 1\end{array}\right) \rightarrow\left(\begin{array}{cccc:ccc}1 & 0 & 0 & 1 & 2 & 6 & -1 \\0 & 1 & 0 & -2 & -1 & -3 & 1 \\0 & 0 & 1 & -3 & -1 & -4 & 1\end{array}\right) .$记 $E=\left(e_1, e_2, e_3\right)$, 则$\boldsymbol{A} \boldsymbol{x}=\boldsymbol{e}_1$ 的通解为 $\displaystyle \boldsymbol{x}=\left(\begin{array}{c}2 \\ -1 \\ -1 \\ 0\end{array}\right)+k_1 \boldsymbol{\alpha}$, 其中 $k_1$ 为任意常数;$\boldsymbol{A x}=\boldsymbol{e}_2$ 的通解为 $\displaystyle \boldsymbol{x}=\left(\begin{array}{c}6 \\ -3 \\ -4 \\ 0\end{array}\right)+k_2 \boldsymbol{\alpha}$, 其中 $k_2$ 为任意常数;$\boldsymbol{A x}=\boldsymbol{e}_3$ 的通解为 $\displaystyle \boldsymbol{x}=\left(\begin{array}{c}-1 \\ 1 \\ 1 \\ 0\end{array}\right)+k_3 \boldsymbol{\alpha}$, 其中 $k_3$ 为任意常数.于是, 所求矩阵为$\displaystyle \boldsymbol{B}=\left(\begin{array}{ccc}2 & 6 & -1 \\-1 & -3 & 1 \\-1 & -4 & 1 \\0 & 0 & 0\end{array}\right)+\left(k_1 \boldsymbol{\alpha}, k_2 \boldsymbol{\alpha}, k_3 \boldsymbol{\alpha}\right) \text {, 其中 } k_1, k_2, k_3 \text { 为任意常数. }$ ## (21) (本题满分 11 分)证明 $n$ 阶矩阵 $\displaystyle \left(\begin{array}{cccc}1 & 1 & \cdots & 1 \\ 1 & 1 & \cdots & 1 \\ \vdots & \vdots & & \vdots \\ 1 & 1 & \cdots & 1\end{array}\right)$ 与 $\displaystyle \left(\begin{array}{cccc}0 & \cdots & 0 & 1 \\ 0 & \cdots & 0 & 2 \\ \vdots & & \vdots & \vdots \\ 0 & \cdots & 0 & n\end{array}\right)$ 相似. ### (21) - 证 设 $\displaystyle \boldsymbol{A}=\left(\begin{array}{cccc}1 & 1 & \cdots & 1 \\ 1 & 1 & \cdots & 1 \\ \vdots & \vdots & & \vdots \\ 1 & 1 & \cdots & 1\end{array}\right), \boldsymbol{B}=\left(\begin{array}{cccc}0 & \cdots & 0 & 1 \\ 0 & \cdots & 0 & 2 \\ \vdots & & \vdots & \vdots \\ 0 & \cdots & 0 & n\end{array}\right)$.因为$\displaystyle \begin{aligned} & |\lambda \boldsymbol{E}-\boldsymbol{A}|=\left|\begin{array}{cccc}\lambda-1 & -1 & \cdots & -1 \\-1 & \lambda-1 & \cdots & -1 \\\vdots & \vdots & & \vdots \\-1 & -1 & \cdots & \lambda-1\end{array}\right|=(\lambda-n) \lambda^{n-1}, \end{aligned}$ - $\displaystyle \begin{aligned} |\lambda \boldsymbol{E}-\boldsymbol{B}|=\left|\begin{array}{cccc}\lambda & 0 & \cdots & -1 \\0 & \lambda & \cdots & -2 \\\vdots & \vdots & & \vdots \\0 & 0 & \cdots & \lambda-n\end{array}\right|=(\lambda-n) \lambda^{n-1}, \end{aligned}$所以 $\boldsymbol{A}$ 与 $\boldsymbol{B}$ 有相同的特征值 $\lambda_1=n, \lambda_2=0$ ( $n-1$ 重).由于 $\boldsymbol{A}$ 为实对称矩阵,因此 $\boldsymbol{A}$ 相似于对角矩阵$\displaystyle \boldsymbol{\Lambda}=\left(\begin{array}{llll}n & & & \\& 0 & & \\& & \ddots & \\& & & 0\end{array}\right) .$因为 $r\left(\lambda_2 \boldsymbol{E}-\boldsymbol{B}\right)=r(\boldsymbol{B})=1$, 所以 $\boldsymbol{B}$ 的对应于特征值 $\lambda_2=0$ 的线性无关的特征向量有 $n-1$ 个, 于是 $\boldsymbol{B}$ 也相似于 $\boldsymbol{\Lambda}$.故 $\boldsymbol{A}$ 与 $\boldsymbol{B}$ 相似.注 (1) 由于在考试大纲的范围内仅有矩阵相似于对角矩阵的判定, 而没有判定任意两个矩阵相似的 一般性结论, 因此, 部分考生没有意识到本题应该通过判定矩阵 $\boldsymbol{A}$ 和 $\boldsymbol{B}$ 是否都相似于同一个对角矩阵来解 题. 这也就成为本题在考试中考生所呈现的最主要的错误.(2) 推演过程反映出部分考生对于矩阵的相似关系与合同关系、等价关系无法进行明确区分. 有考生 通过说明 $r(\boldsymbol{A})=r(\boldsymbol{B})=1$ 来说明矩阵 $\boldsymbol{A}$ 和 $\boldsymbol{B}$ 是相似的, 更有不少考生利用合同关系来解答本题, 即试图 寻找可逆矩阵 $\boldsymbol{P}$ 建立关系式 $\boldsymbol{P}^{\mathrm{T}} \boldsymbol{A P}=\boldsymbol{B}$. ## (22) (本题满分 11 分)设随机变量 $X$ 的概率分布为 $P\{X=1\}=P\{X=2\}=\frac{1}{2}$. 在给定 $X=i$ 的条件下, 随机变量 $Y$ 服 从均匀分布 $U(0, i)(i=1,2)$.(I) 求 $Y$ 的分布函数 $F_{Y}(y)$;(II) 求 $E(Y)$. ### (22) - (I) 求 $Y$ 的分布函数 $F_{Y}(y)$ - 计算分布函数(三件套) - $F_Y(y) = P\{Y \leqslant y\}$ - $\xlongequal[]{\text{对离散的全集分解}}P\{Y \leqslant y ,X=1\} + P\{Y \leqslant y , X=2\}$ - $\xlongequal[]{\text{独立}}P\{Y \leqslant y \}\text{·}P\{X=1\} +P\{Y \leqslant y \}\text{·}P\{X=2\}$ - $\displaystyle \xlongequal[]{\text{转化}}\frac{1}{2} \int_{-\infty}^y f_{Y \mid X}(y \mid 1) \mathrm{d} y+\frac{1}{2} \int_{-\infty}^y f_{Y \mid X}(y \mid 2) \mathrm{d} y .$ - 随机发量 $Y$ 服从均匀分布 $U(0, i)(i=1,2)$ - 概率密度$\displaystyle f(x)=\left\{\begin{array}{cl}\frac{1}{b-a}, & a<x<b \\ 0, & \text { 其他 }\end{array}\right.$ - 当 $X=1$ 时,概率密度 $\displaystyle f_{Y \mid X}(y \mid 1)=\left\{\begin{array}{ll}1, & 0<y<1, \\ 0, & \text { 其他. }\end{array}\right.$ - $X=2$ 时,概率密度 $\displaystyle f_{Y \mid X}(y \mid 2)=\left\{\begin{array}{ll}\frac{1}{2}, & 0<y<2, \\ 0, & \text { 其他. }\end{array}\right.$ - 画图![image|250](https://obsidian-picture-1314838930.cos.ap-beijing.myqcloud.com/2023.12.20-13.05.png) - 一图三吃:吃01,吃转化,吃吃积分限 - 根据 $y$ 的不同取值 - 当 $y < 0$,$F_Y(y) = 0$ - 当 $0 \leqslant y < 1$,$\displaystyle \begin{aligned} F_Y(y) & =\frac{1}{2} \int_0^y1 \mathrm{~d} y+\frac{1}{2} \int_0^y\frac{1}{2} \mathrm{~d} y =\frac{1}{2} y+\frac{1}{4} y=\frac{3}{4} y\end{aligned}$ - 当 $1 \leqslant y < 2$,$\displaystyle \begin{aligned} F_Y(y) & =\frac{1}{2} \int_0^1 1 \mathrm{~d} y+\frac{1}{2} \int_0^y \frac{1}{2} \mathrm{~d} y =\frac{1}{2} \times 1+\frac{1}{4} y=\frac{1}{2}+\frac{1}{4} y\end{aligned}$ - 当 $y \geqslant 2$,$F_Y(y) = 1$ - Y的分布函数为:$\displaystyle F_Y(y)=\left\{\begin{array}{ll}0, & y<0, \\ \frac{3}{4} y, & 0 \leqslant y<1, \\ \frac{1}{2}+\frac{1}{4} y, & 1 \leqslant y<2, \\ 1, & y \geqslant 2\end{array}\right.$ (II) 求 $E(Y)$:先求概率密度,然后概率密度乘y进行积分 - 计算 $Y$ 的概率密度 - $\displaystyle f_Y(y) = F_Y^{\prime}(y) = \begin{cases} \frac{3}{4}, & 0 < y < 1, \\ \frac{1}{4}, & 1 < y < 2, \\ 0, & \text{其他} \end{cases}$ - 计算 $E(Y)$ - $\displaystyle E(Y) = \int_{-\infty}^{+\infty} y f_Y(y) dy\xlongequal[]{\text{分段积分}}\int_0^1 \frac{3}{4} y dy + \int_1^2 \frac{1}{4} y dy= \frac{3}{4}$ - 总结,$Y$ 的分布函数为 $\displaystyle F_Y(y) = \begin{cases}0, & y < 0, \\ \frac{3y}{4}, & 0 \leqslant y < 1, \\ \frac{1}{2} + \frac{y}{4}, & 1 \leqslant y < 2, \\ 1, & y \geqslant 2 \end{cases}$,并且 $E(Y) = \frac{3}{4}$。 ## (23) (本题满分 11 分) 设总体 $X$ 的分布函数为 $\displaystyle F(x ; \theta)=\left\{\begin{array}{ll}1-\mathrm{e}^{-\frac{x^{2}}{\theta},} & x \geqslant 0, \\ 0, & x<0,\end{array}\right.$ 其中 $\theta$ 是未知参数且大于零. $X_{1}, X_{2}, \cdots, X_{n}$ 为来自总体 $X$ 的简单随机样本. (I) 求 $E(X)$ 与 $E\left(X^{2}\right)$; (II) 求 $\theta$ 的最大似然估计量 $\widehat{\theta}_{n}$; (III) 是否存在实数 $a$, 使得对任何 $\varepsilon>0$, 都有 $\displaystyle \lim _{n \rightarrow \infty} P\left\{\left|\widehat{\theta}_{n}-a\right| \geqslant \varepsilon\right\}=0$ ? #### (23) - (I ) 总体 $X$ 的概率密度为 $\displaystyle f(x ; \theta)= \begin{cases}\frac{2 x}{\theta} \mathrm{e}^{-\frac{x^2}{\theta}}, & x>0, \\ 0, & \text { 其他. }\end{cases}$ - $\displaystyle \begin{aligned} E X=\int_0^{+\infty} x \cdot \frac{2 x}{\theta} \mathrm{e}^{-\frac{x^2}{\theta}} \mathrm{d} x=-\int_0^{+\infty} x \mathrm{~d}\left(\mathrm{e}^{-\frac{x^2}{\theta}}\right)=\int_0^{+\infty} \mathrm{e}^{-\frac{x^2}{\theta}} \mathrm{d} x\end{aligned}$ - $\displaystyle \begin{aligned}=\frac{\sqrt{\pi \theta}}{2} \cdot \frac{1}{\sqrt{\pi \theta}} \int_{-\infty}^{+\infty} \mathrm{e}^{-\frac{x^2}{\theta}} \mathrm{d} x=\frac{\sqrt{\pi \theta}}{2},\end{aligned}$ - $\displaystyle \begin{aligned} E\left(X^2\right)=\int_0^{+\infty} x^2 \cdot \frac{2 x}{\theta} \mathrm{e}^{-\frac{x^2}{\theta}} \mathrm{d} x=\theta \int_0^{+\infty} u \mathrm{e}^{-u} \mathrm{~d} u=\theta . \end{aligned}$ - 陷阱:题中给出的是分布函数,因此需要求导得到概率密度 - 总体 $X$ 的概率密度为 $\displaystyle f(x ; \theta)=\left\{\begin{array}{ll}\frac{2 x}{\theta} e^{-\frac{x^{2}}{\theta}}, & x \geq 0 \\ 0, & \text{其他}\end{array}\right.$, - 设 $x_{1}, x_{2}, \cdots x_{n}$ 为样本观测值, - 写出似然函数: - $\displaystyle L(\theta)=\prod_{i=1}^{n} f\left(x_{i}\right)=\left\{\begin{array}{cc}\underbrace{\frac{2^{n} }{\theta^{n}} \text{·}x_{1} x_{2} \cdots x_{n}\text{·}\overbrace{e^{-\frac{1}{\theta} \sum_{i=1}^{n} x_{i}^{2}}}^{\text{将}\theta\text{当做系数提出来}}}_{\text{三项相乘}}& x_{1}, x_{2}, \cdots x_{n}>0 \\ 0, & \end{array}\right.$ - 取对数:$\displaystyle \ln L(\theta)=-n \ln \theta+\ln 2^n+\ln \left(\sum_{i=1}^n x_i\right)-\frac{1}{\theta} \sum_{i=1}^n x_i^2$ - 对$\theta$求导,x看作是常数:令$\displaystyle \frac{d(1+L(\theta)}{d \theta}=-\frac{n}{\theta}+\sum_{i=1}^n x_i^2 \frac{1}{\theta^2}=0$ - 移项得 $\theta$ 的最大似然估计值为: $\displaystyle \hat{\theta}_{n}=\frac{1}{n} \sum_{i=1}^{n} x_{i}^{2}$, - 从而 $\theta$ 的最大似然估计量为 $\displaystyle \widehat{\theta_{n}}=\frac{1}{n} \sum_{i=1}^{n} X_{i}^{2}$ (III) 存在, $a=\theta$. 因为 $\left\{X_n^2\right\}$ 是独立同分布的随机变量序列, 且 $E\left(X_1^2\right)=\theta<+\infty$, 所以根据辛钦大数定 律, 当 $n \rightarrow \infty$ 时, $\displaystyle \hat{\theta}_n=\frac{1}{n} \sum_{i=1}^n X_i^2$ 依概率收敛于 $E\left(X_1^2\right)$, 即 $\theta$. 所以对任何 $\varepsilon>0$, 都有 - $\displaystyle \lim _{n \rightarrow \infty} P\left\{\left|\hat{\theta}_n-\theta\right| \geqslant \varepsilon\right\}=0 .$注 第三问实际上是考查估计些的相合性概念及大数定律, 但由于这两个知识点在往年很少考查, 大 多数考生不知如何作答, 导致这一问的得分率较低