考研数学解题的核心在于“理解题意，把握重点，分步解题，注重方法”。考生需在解题前精准识别题目结构与隐含条件，避免被表层信息干扰。例如，遇到含参数的极限问题，应首先判断参数取值范围是否影响极限存在性；在处理微分方程时，需明确初始条件是否完整，否则可能导致通解与特解混淆。
分步解题是确保正确性的关键。以一道综合题为例：已知函数 $f(x)=int_0^x frac{sin t}{t} dt$，求 $lim_{x to 0} frac{f(x)}{x^3}$。正确做法是分三步：① 利用泰勒展开 $frac{sin t}{t} = 1 - frac{t^2}{6} + o(t^2)$；② 积分得 $f(x) = x - frac{x^3}{18} + o(x^3)$；③ 代入极限计算得 $frac{1}{x^3}(x - frac{x^3}{18} + o(x^3)) = frac{1}{x^2} - frac{1}{18} + o(1)$，显然极限不存在——但此题实际应为 $lim_{x to 0} frac{f(x)}{x^3} = frac{1}{6}$，说明步骤①展开需精确到 $t^4$ 项，即 $sin t = t - frac{t^3}{6} + frac{t^5}{120} + o(t^5)$，进而 $frac{sin t}{t} = 1 - frac{t^2}{6} + frac{t^4}{120} + o(t^4)$，积分后 $f(x) = x - frac{x^3}{18} + frac{x^5}{600} + o(x^5)$，最终极限为 $frac{1}{6}$。此例说明：分步解题必须精确到足够阶数。
解题技巧选择需结合题型特征：代入法适用于选择题快速排除；数形结合对函数性质题（如单调性、凹凸性）直观有效；极限思想常用于证明题或近似计算；积分换元需识别被积函数结构（如 $sqrt{a^2-x^2}$ 用三角代换 $x=asin t$）。掌握这些方法后，解题速度可提升40%以上。
1. 函数性态分析：以 $f(x)=x^3-3x^2+2$ 为例，$f'(x)=3x^2-6x=3x(x-2)$，临界点 $x=0,2$。列表分析：$(-infty,0)$：$f'>0$ 增；$(0,2)$：$f'<0$ 减；$(2,infty)$：$f'>0$ 增。故 $x=0$ 极大值 $f(0)=2$，$x=2$ 极小值 $f(2)=-2$。二阶导 $f''(x)=6x-6$，$f''(0)=-6<0$（凸），$f''(2)=6>0$（凹），验证结论。
2. 不等式证明：证明 $x>0$ 时 $e^x > 1+x+frac{x^2}{2}$。令 $g(x)=e^x -1 -x -frac{x^2}{2}$，则 $g(0)=0$，$g'(x)=e^x -1 -x$，$g'(0)=0$，$g''(x)=e^x -1>0$（$x>0$），故 $g'(x)$ 在 $x>0$ 时增，$g'(x)>g'(0)=0$，从而 $g(x)$ 增，$g(x)>g(0)=0$，得证。
3. 实际应用问题：设计一个容积为 $1000text{cm}^3$ 的无盖圆柱形水箱，使表面积最小。设底半径 $r$，高 $h$，则 $pi r^2 h=1000$，表面积 $S=pi r^2 + 2pi r h = pi r^2 + frac{2000}{r}$。求导 $S'(r)=2pi r - frac{2000}{r^2}=0$，得 $r^3=frac{1000}{pi}$，$r=sqrt[3]{frac{1000}{pi}}$，此时 $h=2r$，即高为底直径时表面积最小。
以 $sum_{n=1}^{infty} frac{n!}{n^n}$ 为例：用比值判别法，$lim_{n to infty} left| frac{a_{n+1}}{a_n} right| = lim_{n to infty} frac{(n+1)!}{(n+1)^{n+1}} cdot frac{n^n}{n!} = lim_{n to infty} frac{n^n}{(n+1)^n} = lim_{n to infty} left(1 - frac{1}{n+1}right)^n = frac{1}{e} < 1$，故收敛。
幂级数 $sum_{n=1}^{infty} frac{(x-2)^n}{n cdot 3^n}$ 的收敛半径 $R = lim_{n to infty} left| frac{a_n}{a_{n+1}} right| = lim_{n to infty} frac{(n+1)3^{n+1}}{n cdot 3^n} = 3$。端点 $x=5$：$sum frac{1}{n}$ 发散；$x=-1$：$sum frac{(-1)^n}{n}$ 条件收敛。故收敛域为 $[-1,5)$。
设 $A=begin{bmatrix}1&2&3\2&2&1\3&4&3end{bmatrix}$，求 $A^{-1}$：
① 伴随矩阵法：计算代数余子式，得 $text{adj}A=begin{bmatrix}-2&6&-4\-3&-6&5\2&2&-2end{bmatrix}$，$|A|=1$，故 $A^{-1}=text{adj}A$。
② 初等行变换：$[A|I] xrightarrow{text{行变换}} [I|A^{-1}]$
$left[begin{array}{ccc|ccc}&2&3&1&0&0\&2&1&0&1&0\&4&3&0&0&1 end{array}right] xrightarrow{R_2-2R_1, R_3-3R_1} left[begin{array}{ccc|ccc}&2&3&1&0&0\&-2&-5&-2&1&0\&-2&-6&-3&0&1 end{array}right] xrightarrow{R_3-R_2} left[begin{array}{ccc|ccc}&2&3&1&0&0\&-2&-5&-2&1&0\&0&-1&-1&-1&1 end{array}right]$
继续化简得 $A^{-1}=begin{bmatrix}-2&6&-4\-3&-6&5\2&2&-2end{bmatrix}$。
③ 分块矩阵法：若 $A=begin{bmatrix}B&0\0&Cend{bmatrix}$，则 $A^{-1}=begin{bmatrix}B^{-1}&0\0&C^{-1}end{bmatrix}$。例：$A=begin{bmatrix}2&1&0\1&1&0\0&0&3end{bmatrix}$，$B=begin{bmatrix}2&1\1&1end{bmatrix}, |B|=1, B^{-1}=begin{bmatrix}1&-1\-1&2end{bmatrix}$，故 $A^{-1}=begin{bmatrix}1&-1&0\-1&2&0\0&0&frac{1}{3}end{bmatrix}$。
判断向量组 $alpha_1=(1,2,3), alpha_2=(2,3,4), alpha_3=(3,5,7)$ 是否线性相关：
构造矩阵 $A=[alpha_1,alpha_2,alpha_3]=begin{bmatrix}1&2&3\2&3&5\3&4&7end{bmatrix}$，行变换：
$begin{bmatrix}1&2&3\2&3&5\3&4&7end{bmatrix} xrightarrow{R_2-2R_1, R_3-3R_1} begin{bmatrix}1&2&3\0&-1&-1\0&-2&-2end{bmatrix} xrightarrow{R_3-2R_2} begin{bmatrix}1&2&3\0&-1&-1\0&0&0end{bmatrix}$
秩为 $2<3$，故线性相关。且 $alpha_3 = alpha_1 + alpha_2$（观察可知）。
解方程组：
$begin{cases} x_1 + 2x_2 + 3x_3 = 4 \x_1 + 3x_2 + 4x_3 = 5 \x_1 + 4x_2 + 5x_3 = 6 end{cases}$
系数矩阵 $A=begin{bmatrix}1&2&3&4\2&3&4&5\3&4&5&6end{bmatrix} xrightarrow{R_2-2R_1, R_3-3R_1} begin{bmatrix}1&2&3&4\0&-1&-2&-3\0&-2&-4&-6end{bmatrix} xrightarrow{R_3-2R_2} begin{bmatrix}1&2&3&4\0&-1&-2&-3\0&0&0&0end{bmatrix}$
秩 $r(A)=2$，未知数 $n=3$，故有无穷多解。令 $x_3=t$，则：
$-x_2 -2t = -3 Rightarrow x_2 = 3 - 2t$
$x_1 + 2(3-2t) + 3t = 4 Rightarrow x_1 = -2 + t$
通解：$begin{bmatrix}x_1\x_2\x_3end{bmatrix} = begin{bmatrix}-2\3\0end{bmatrix} + tbegin{bmatrix}1\-2\1end{bmatrix}, quad tinmathbb{R}$
求 $A=begin{bmatrix}2&1\1&2end{bmatrix}$ 的特征值与特征向量：
① 特征方程：$|A-lambda I|=begin{vmatrix}2-lambda&1\1&2-lambdaend{vmatrix}=(2-lambda)^2-1=lambda^2-4lambda+3=0$
解得 $lambda_1=1, lambda_2=3$。
② 特征向量：
$lambda_1=1$：$(A-I)x=0 Rightarrow begin{bmatrix}1&1\1&1end{bmatrix}begin{bmatrix}x_1\x_2end{bmatrix}=0 Rightarrow x_1+x_2=0$，取 $x_1=1$，则 $x_2=-1$，特征向量 $kbegin{bmatrix}1\-1end{bmatrix}, kneq0$。
$lambda_2=3$：$(A-3I)x=0 Rightarrow begin{bmatrix}-1&1\1&-1end{bmatrix}begin{bmatrix}x_1\x_2end{bmatrix}=0 Rightarrow -x_1+x_2=0$，取 $x_1=1$，则 $x_2=1$，特征向量 $kbegin{bmatrix}1\1end{bmatrix}, kneq0$。
③ 对角化：令 $P=[begin{smallmatrix}1&1\-1&1end{smallmatrix}]$，则 $P^{-1}AP=begin{bmatrix}1&0\0&3end{bmatrix}$。
判断二次型 $f(x)=x_1^2 + 4x_2^2 + 2x_3^2 + 4x_1x_2 + 4x_1x_3 + 4x_2x_3$ 的正定性：
对应矩阵 $A=begin{bmatrix}1&2&2\2&4&2\2&2&2end{bmatrix}$（对称化：$a_{12}=a_{21}=2$ 等）。
顺序主子式：
$Delta_1=1>0$
$Delta_2=begin{vmatrix}1&2\2&4end{vmatrix}=4-4=0$
因 $Delta_2=0$，不正定；计算 $Delta_3=|A|=1cdotbegin{vmatrix}4&2\2&2end{vmatrix}-2cdotbegin{vmatrix}2&2\2&2end{vmatrix}+2cdotbegin{vmatrix}2&4\2&2end{vmatrix}=1cdot(8-4)-2cdot(4-4)+2cdot(4-8)=4-0-8=-4<0$。
进一步，$f(1,-1,0)=1+4-4=1>0$，$f(2,-1,0)=4+4-8=0$，$f(1,0,-1)=1+2-4=-1<0$，故为不定二次型。
| 分布 | 概率密度/质量函数 | 期望 | 方差 |
|---|---|---|---|
| 伯努利 $B(1,p)$ | $P(X=1)=p$ | $p$ | $p(1-p)$ |
| 二项 $B(n,p)$ | $P(X=k)=C_n^k p^k(1-p)^{n-k}$ | $np$ | $np(1-p)$ |
| 泊松 $P(lambda)$ | $P(X=k)=frac{lambda^k e^{-lambda}}{k!}$ | $lambda$ | $lambda$ |
| 均匀 $U(a,b)$ | $f(x)=frac{1}{b-a}$ | $frac{a+b}{2}$ | $frac{(b-a)^2}{12}$ |
| 指数 $E(lambda)$ | $f(x)=lambda e^{-lambda x}$ | $frac{1}{lambda}$ | $frac{1}{lambda^2}$ |
| 正态 $N(mu,sigma^2)$ | $f(x)=frac{1}{sqrt{2pi}sigma}e^{-frac{(x-mu)^2}{2sigma^2}}$ | $mu$ | $sigma^2$ |
应用示例：设 $Xsim B(10,0.2)$，则 $E(X)=2$, $D(X)=1.6$。若 $Y=3X-1$，则 $E(Y)=3E(X)-1=5$, $D(Y)=9D(X)=14.4$（线性性质）。
① 独立同分布：$X_1,dots,X_n$ i.i.d.，$E(X_i)=mu$, $D(X_i)=sigma^2$，则 $frac{sum X_i - nmu}{sqrt{n}sigma} xrightarrow{d} N(0,1)$。
例：随机变量 $X_isim U(0,1)$，求 $P(4.5 < sum_{i=1}^{10} X_i < 5.5)$。
$E(sum X_i)=10times0.5=5$, $D(sum X_i)=10timesfrac{1}{12}=frac{5}{6}$，近似 $N(5,frac{5}{6})$。
$P(4.5 ② De Moivre-Laplace：二项分布近似正态。$Xsim B(n,p)$，$n$ 大时，$P(aleq Xleq b)approxPhileft(frac{b+0.5-np}{sqrt{np(1-p)}}right)-Phileft(frac{a-0.5-np}{sqrt{np(1-p)}}right)$（连续性修正）。 例：$Xsim B(100,0.1)$，求 $P(8leq Xleq 12)$。 $np=10$, $np(1-p)=9$，$P(7.5 ③ 重伯努利试验：频率稳定于概率。$lim_{ntoinfty}Pleft(left|frac{S_n}{n}-pright|
例：某厂灯泡寿命 $Xsim N(mu,36)$，原设计 $mu=1600$ 小时。现抽 $25$ 只，样本均值 $bar{x}=1645$，问能否认为 $mu=1600$？（$alpha=0.05$）
① 提出假设：$H_0:mu=1600$, $H_1:muneq1600$（双侧）
② 选统计量：$U=frac{bar{X}-mu_0}{sigma/sqrt{n}}sim N(0,1)$（$sigma$ 已知）
③ 拒绝域：$|U|>z_{alpha/2}=1.96$
④ 计算与决策：$u=frac{1645-1600}{6/sqrt{25}}=frac{45}{1.2}=37.5>1.96$，落在拒绝域，拒绝 $H_0$，认为灯泡寿命显著高于设计值。
置信区间法：$95%$ 置信区间 $bar{x}pm z_{alpha/2}frac{sigma}{sqrt{n}}=1645pm1.96times1.2=1645pm2.352=(1642.648,1647.352)$，不包含 $1600$，结论一致。
例：求 $lim_{xto0}frac{e^x - 1 - x}{x^2}$，错误做法：$e^xsim1+x$，得 $frac{(1+x)-1-x}{x^2}=0$。正确做法：用泰勒展开 $e^x=1+x+frac{x^2}{2}+o(x^2)$，极限为 $frac{1}{2}$。错误根源：等价无穷小仅适用于乘除，不适用于加减。
例：函数 $f(x)=begin{cases}x^2sinfrac{1}{x}, & xneq0 \ 0, & x=0end{cases}$，求 $f'(0)$。错误做法：$f'(x)=2xsinfrac{1}{x}-cosfrac{1}{x}$，代入 $x=0$ 得不存在。正确做法：用定义 $f'(0)=lim_{hto0}frac{h^2sinfrac{1}{h}-0}{h}=lim_{hto0}hsinfrac{1}{h}=0$。条件 $x=0$ 时定义为 $0$ 是关键。
例：解 $x^2-5x+6=0$，误写为 $(x-2)(x-3)=x^2-5x+5$。检查法：展开验证。
遇到新题型如“证明存在 $xi$ 使 $f'(xi)=frac{f(b)-f(a)}{b-a}+k$”，应联想到辅助函数法，构造 $F(x)=f(x)-left[frac{f(b)-f(a)}{b-a}(x-a)+f(a)right]-frac{k}{2}(x-a)^2$，应用罗尔定理。
考试中前 $30$ 分钟仅完成选择题 $2$ 道，导致后面时间不足。策略：设置时间锚点：选择题 $30$ 分钟内完成，填空题 $15$ 分钟，前 $3$ 大题 $45$ 分钟，剩余 $60$ 分钟攻坚难题。
| 阶段 | 时间 | 核心任务 | 每日建议 |
|---|---|---|---|
| 基础阶段 | 3-4月 | 系统复习教材，掌握定义、定理、公式 | 2小时：看教材+做例题；1小时：整理笔记 |
| 强化阶段 | 5-8月 | 专题突破，刷真题分类题，建立知识网络 | 3小时：做题+总结错题；1小时：看视频讲解 |
| 冲刺阶段 | 9-12月 | 模拟实战，查漏补缺，调整心态 | 4小时：整套模拟；2小时：错题重做 |
考研数学解题技巧的掌握绝非一蹴而就，而是建立在对基础知识的深刻理解、对解题方法的熟练运用、以及对自身弱点的持续修正之上。从极限计算的严谨性到矩阵运算的符号准确性，从概率分布的灵活选择到假设检验的逻辑闭环，每一步都要求考生具备扎实的功底与清晰的思路。
在备考过程中，务必牢记：理解优于记忆，方法优于题海，反思优于重复。通过系统学习本页面提供的策略与案例，结合个性化练习计划，每位考生都能在考研数学中实现质的飞跃。
最后，愿所有备考者以沉稳的心态、科学的方法、不懈的努力，最终收获理想的成绩！