〈2022年·数学农·选择题第1题〉极限计算与泰勒展开应用
题目：设函数 $f(x) = frac{sin x - x + frac{x^3}{6}}{x^5}$，求 $lim_{x to 0} f(x)$ 的值。
【标准解析】
- 步骤1：识别未定式类型——0/0型，可考虑泰勒展开或洛必达法则
- 步骤2：选择泰勒展开法（避免多次求导复杂性）
- 步骤3：写出 $sin x$ 的五阶泰勒展开式：
$$sin x = x - frac{x^3}{6} + frac{x^5}{120} - frac{x^7}{5040} + o(x^7)$$
- 步骤4：代入原式：
$$sin x - x + frac{x^3}{6} = left(x - frac{x^3}{6} + frac{x^5}{120} + o(x^5)right) - x + frac{x^3}{6} = frac{x^5}{120} + o(x^5)$$
- 步骤5：化简得：
$$f(x) = frac{frac{x^5}{120} + o(x^5)}{x^5} = frac{1}{120} + o(1)$$
- 步骤6：取极限得结果：
$$lim_{x to 0} f(x) = frac{1}{120}$$
【方法点睛】
- 泰勒展开是处理高阶无穷小极限问题的利器，尤其适用于含三角函数、指数函数、对数函数的组合式
- 本题关键在于展开阶数的选择：分母为 $x^5$，分子需展开至 $x^5$ 项（含余项）
- 若用洛必达法则，需连续求导5次，计算量大且易出错
- 备考建议：熟记常见函数的麦克劳林展开式（$sin x,cos x,e^x,ln(1+x),(1+x)^alpha$），并掌握展开阶数的判断技巧
〈2021年·数学农·解答题第18题〉多元函数极值与条件极值综合
题目：求函数 $f(x,y) = x^2 + y^2 - 2xy + 2x - 2y$ 在闭区域 $D = {(x,y) mid x^2 + y^2 leq 4}$ 上的最大值与最小值。
【标准解析】
- 步骤1：化简函数表达式
$$f(x,y) = (x - y)^2 + 2(x - y) = (x - y)(x - y + 2)$$
- 步骤2：令 $u = x - y$，则 $f = u(u + 2) = u^2 + 2u$，为开口向上的抛物线
- 步骤3：求内部驻点（无约束极值）
计算偏导：
$f_x = 2x - 2y + 2$，$f_y = 2y - 2x - 2$
令 $f_x = f_y = 0$ 得 $x - y = -1$，即驻点在直线 $x - y = -1$ 上
代入得 $f = (-1)^2 + 2(-1) = -1$
- 步骤4：求边界极值（$x^2 + y^2 = 4$）
- 方法A：参数法（设 $x = 2costheta, y = 2sintheta$）
$$f = (2costheta - 2sintheta)^2 + 2(2costheta - 2sintheta) = 8sin^2left(theta - frac{pi}{4}right) + 4sqrt{2}sinleft(theta - frac{pi}{4}right)$$
令 $t = sinleft(theta - frac{pi}{4}right) in [-1,1]$，则 $f = 8t^2 + 4sqrt{2}t$
- 求导得极值点：$f'(t) = 16t + 4sqrt{2} = 0 Rightarrow t = -frac{sqrt{2}}{4}$
- 计算端点值：
$t = -1$：$f = 8 - 4sqrt{2} approx 2.34$
$t = 1$：$f = 8 + 4sqrt{2} approx 13.66$
$t = -frac{sqrt{2}}{4}$：$f = 8 cdot frac{1}{8} + 4sqrt{2} cdot left(-frac{sqrt{2}}{4}right) = 1 - 2 = -1$
- 步骤5：比较所有候选点函数值
内部驻点：$f = -1$
边界极值点：$f = -1, 2.34, 13.66$
- 结论：最小值为 $-1$，最大值为 $8 + 4sqrt{2}$
【方法点睛】
- 本题巧妙利用变量代换 $u = x - y$ 简化计算，体现“观察结构→合理换元→降维处理”的解题智慧
- 闭区域上连续函数必有最值，需同时考虑内部驻点与边界极值
- 边界处理可选参数法、拉格朗日乘数法或几何法，本题参数法最简洁
- 易错点：忽略边界分析、参数范围判断错误、极值点漏算
〈2021年·数学农·选择题第4题〉矩阵秩的判定与性质应用
题目：设矩阵 $A = begin{bmatrix} 1 & 2 & 3 & 4 \ 2 & 4 & 6 & 8 \ 3 & 6 & 9 & 12 \ 4 & 8 & 12 & 16 end{bmatrix}$，则矩阵 $A$ 的秩为（ ）
A. 1 B. 2 C. 3 D. 4
【标准解析】
- 观察法：第二行 = 2×第一行，第三行 = 3×第一行，第四行 = 4×第一行
- 所有行向量均可由第一行线性表示，故行向量组的秩为1
- 矩阵秩 = 行秩 = 列秩，因此 $operatorname{rank}(A) = 1$
- 验证：计算二阶子式 $begin{vmatrix} 1 & 2 \ 2 & 4 end{vmatrix} = 4 - 4 = 0$，所有二阶子式均为0
- 至少存在一阶子式非零（如 $a_{11} = 1$），故秩为1
- 答案：A
【方法点睛】
- 当矩阵行（列）呈现明显倍数关系时，优先使用观察法判断秩
- 通用方法：初等行变换化为行阶梯形矩阵，非零行行数即为秩
- 本题为秩1矩阵的典型例子，可表示为列向量与行向量的外积：$A = begin{bmatrix}1\2\3\4end{bmatrix} begin{bmatrix}1&2&3&4end{bmatrix}$
- 拓展：若 $A = alpha beta^T$（$alpha,beta$ 为非零列向量），则 $operatorname{rank}(A) = 1$
〈2020年·数学农·解答题第21题〉二次型标准化与正定性判定
题目：设二次型 $f(x_1,x_2,x_3) = x_1^2 + 2x_2^2 + tx_3^2 + 2x_1x_2 + 2x_1x_3$，试求参数 $t$ 的取值范围，使该二次型为正定二次型。
【标准解析】
- 步骤1：写出二次型的矩阵 $A$
$$A = begin{bmatrix} 1 & 1 & 1 \ 1 & 2 & 0 \ 1 & 0 & t end{bmatrix}$$
- 步骤2：正定二次型的充要条件是所有顺序主子式大于0
- 计算各阶顺序主子式：
一阶：$Delta_1 = 1 > 0$（恒成立）
二阶：$Delta_2 = begin{vmatrix}1 & 1 \ 1 & 2end{vmatrix} = 2 - 1 = 1 > 0$（恒成立）
三阶：$Delta_3 = det(A) = 1 cdot begin{vmatrix}2 & 0 \ 0 & tend{vmatrix} - 1 cdot begin{vmatrix}1 & 0 \ 1 & tend{vmatrix} + 1 cdot begin{vmatrix}1 & 2 \ 1 & 0end{vmatrix}$
$= 1 cdot 2t - 1 cdot t + 1 cdot (-2) = 2t - t - 2 = t - 2$
- 步骤3：令 $Delta_3 > 0$，得 $t - 2 > 0 Rightarrow t > 2$
- 结论：当 $t > 2$ 时，二次型正定
【方法点睛】
- 正定性判定有三种等价方法：①顺序主子式全大于0；②特征值全大于0；③合同于单位矩阵
- 本题选用顺序主子式法最直接，因矩阵含参数 $t$，计算量适中
- 易错点：①矩阵写错（注意对称性）；②行列式计算错误；③混淆“正定”与“半正定”条件
- 拓展：若题目问“半正定”，则需所有主子式（非仅顺序主子式）≥0
〈2020年·数学农·填空题第12题〉分布函数性质与概率计算
题目：设随机变量 $X$ 的分布函数为 $F(x) = begin{cases} 0, & x < 0 \ frac{1}{2}x^2, & 0 leq x < 1 \ 1 - frac{1}{2x}, & x geq 1 end{cases}$，则 $Pleft(frac{1}{2} < X leq 2right) = $ ______。
【标准解析】
- 利用分布函数的性质：
$$P(a < X leq b) = F(b) - F(a)$$
- 计算 $F(2)$：因 $2 geq 1$，代入第三段表达式
$$F(2) = 1 - frac{1}{2 times 2} = 1 - frac{1}{4} = frac{3}{4}$$
- 计算 $Fleft(frac{1}{2}right)$：因 $0 leq frac{1}{2} < 1$，代入第二段表达式
$$Fleft(frac{1}{2}right) = frac{1}{2} times left(frac{1}{2}right)^2 = frac{1}{2} times frac{1}{4} = frac{1}{8}$$
- 故所求概率：
$$Pleft(frac{1}{2} < X leq 2right) = F(2) - Fleft(frac{1}{2}right) = frac{3}{4} - frac{1}{8} = frac{6}{8} - frac{1}{8} = frac{5}{8}$$
- 答案：$frac{5}{8}$
【方法点睛】
- 分布函数 $F(x)$ 的定义为 $P(X leq x)$，因此 $P(a < X leq b) = F(b) - F(a)$ 是核心公式
- 关键在于准确识别 $x$ 所在区间，对应正确表达式
- 验证连续性：在 $x=1$ 处，左极限 $F(1^-) = frac{1}{2} times 1^2 = frac{1}{2}$，右极限 $F(1^+) = 1 - frac{1}{2} = frac{1}{2}$，且 $F(1) = frac{1}{2}$，函数连续
- 进一步可求概率密度函数 $f(x) = F'(x)$：
$f(x) = begin{cases} x, & 0 < x < 1 \ frac{1}{2x^2}, & x > 1 \ 0, & text{其他} end{cases}$，验证 $int_{-infty}^{infty} f(x),dx = int_0^1 x,dx + int_1^{infty} frac{1}{2x^2},dx = frac{1}{2} + frac{1}{2} = 1$
〈2023年·数学农·解答题第23题〉最大似然估计与无偏性检验
题目：设总体 $X$ 的概率密度为 $f(x;theta) = begin{cases} theta x^{theta-1}, & 0 < x < 1 \ 0, & text{其他} end{cases}$，其中 $theta > 0$ 为未知参数。从总体 $X$ 中抽取样本 $X_1,X_2,dots,X_n$，试求 $theta$ 的最大似然估计量，并判断其是否为无偏估计。
【标准解析】
- 步骤1：写出似然函数
$$L(theta) = prod_{i=1}^n f(x_i;theta) = prod_{i=1}^n theta x_i^{theta-1} = theta^n left(prod_{i=1}^n x_iright)^{theta-1}$$
- 步骤2：取对数似然函数
$$ln L(theta) = n ln theta + (theta - 1) sum_{i=1}^n ln x_i$$
- 步骤3：对 $theta$ 求导并令为0
$$frac{d}{dtheta} ln L(theta) = frac{n}{theta} + sum_{i=1}^n ln x_i = 0$$
- 步骤4：解得最大似然估计量
$$hat{theta} = -frac{n}{sum_{i=1}^n ln X_i}$$
- 步骤5：判断无偏性（计算 $E[hat{theta}]$）
- 先求 $Y = -ln X$ 的分布：
$P(Y leq y) = P(-ln X leq y) = P(X geq e^{-y}) = 1 - F_X(e^{-y})$
当 $0 < x < 1$，$F_X(x) = int_0^x theta t^{theta-1},dt = x^theta$
故 $F_Y(y) = 1 - (e^{-y})^theta = 1 - e^{-theta y}$，即 $Y sim operatorname{Exp}(theta)$（指数分布）
- 因此 $E[Y] = frac{1}{theta}$，$operatorname{Var}(Y) = frac{1}{theta^2}$
- 令 $S = sum_{i=1}^n Y_i = -sum_{i=1}^n ln X_i$，则 $S sim operatorname{Gamma}(n, theta)$（形状参数 $n$，速率参数 $theta$）
- 其概率密度为 $f_S(s) = frac{theta^n}{Gamma(n)} s^{n-1} e^{-theta s}, s > 0$
- 计算 $Eleft[frac{1}{S}right] = int_0^{infty} frac{1}{s} cdot frac{theta^n}{Gamma(n)} s^{n-1} e^{-theta s},ds = frac{theta^n}{Gamma(n)} int_0^{infty} s^{n-2} e^{-theta s},ds$
- 令 $u = theta s$，得
$$= frac{theta^n}{Gamma(n)} cdot frac{1}{theta^{n-1}} int_0^{infty} u^{n-2} e^{-u},du = frac{theta}{Gamma(n)} Gamma(n-1) = frac{theta}{n-1} quad (n > 1)$$
- 故 $E[hat{theta}] = Eleft[frac{n}{S}right] = n cdot frac{theta}{n-1} = frac{n}{n-1}theta neq theta$
- 结论：最大似然估计量 $hat{theta} = -frac{n}{sum ln X_i}$ 是有偏估计；但 $frac{n-1}{n}hat{theta}$ 是无偏估计
【方法点睛】
- 本题综合考查似然函数构建、对数求导、变量变换、伽马分布性质，是概率统计综合应用典型题
- 关键技巧：通过 $Y = -ln X$ 将原分布转化为指数分布，简化后续计算
- 无偏性判断需计算估计量的数学期望，涉及伽马函数积分，需熟记 $Gamma(n) = (n-1)!$（$n$ 为正整数）
- 常见误区：误认为最大似然估计量一定无偏（实际多为渐近无偏）