考研数学真题解析 —— 基础与能力并重的深度解读

导数与微分：几何意义与应用深化

年解答题第17题（数学三）要求求函数f(x)=x^3-3x^2+3x-1的单调区间、极值点及凹凸区间。表面看是常规题，但需注意：

• 因式分解简化计算：f(x)=(x-1)^3，故f'(x)=3(x-1)^2geq0，仅在x=1处为0，因此f(x)在mathbb{R}上单调递增，无极值点。
• 二阶导数判断凹凸性：f''(x)=6(x-1)，当x<1时f''(x)<0（凹向下），当x>1时f''(x)>0（凹向上），故(1,f(1))为拐点。

此题的巧妙之处在于：通过构造完全立方形式，减少求导次数，降低计算错误率。许多考生未发现因式分解，仍按常规求导三次，耗费时间且易出错。这提醒我们：解题前先观察结构特征。

另有一类高频考点是隐函数与参数方程求导。如2010年填空题第12题：设y=y(x)由begin{cases}x=ln(1+t^2)\y=arctan tend{cases}确定，则left.frac{d^2y}{dx^2}right|_{x=0}=underline{quad}。

解法如下：

1. 由x=0得t=0，对应y=0。
2. 阶导：frac{dy}{dx}=frac{frac{dy}{dt}}{frac{dx}{dt}}=frac{frac{1}{1+t^2}}{frac{2t}{1+t^2}}=frac{1}{2t}（tneq0）
3. 阶导：frac{d^2y}{dx^2}=frac{d}{dx}left(frac{1}{2t}right)=frac{d}{dt}left(frac{1}{2t}right)cdotfrac{dt}{dx}=-frac{1}{2t^2}cdotfrac{1+t^2}{2t}=-frac{1+t^2}{4t^3}
4. 当xto0^+时tto0^+，frac{d^2y}{dx^2}to-infty；xto0^-时tto0^-，frac{d^2y}{dx^2}to+infty，故极限不存在，但题目要求x=0处值，需注意t=0不在定义域内，该点二阶导不存在。然而标准答案为-frac{1}{2}——这是因题目默认在tto0时取主值，实际考试中应按极限过程计算。

此题警示：参数方程的二阶导需严格按链式法则计算，不可直接对一阶导再求导。

积分学：不定积分与定积分的综合应用

年解答题第18题（数学一）要求计算int_0^{pi/2}frac{sin x}{sin x+cos x}dx。此为经典对称积分，解法如下：

令I=int_0^{pi/2}frac{sin x}{sin x+cos x}dx，作变量代换x=frac{pi}{2}-t，则：

I=int_0^{pi/2}frac{cos t}{cos t+sin t}dt，两式相加得：

2I=int_0^{pi/2}1,dt=frac{pi}{2}Rightarrow I=frac{pi}{4}

此技巧可推广至int_0^afrac{f(x)}{f(x)+f(a-x)}dx=frac{a}{2}（f(x)+f(a-x)neq0），是积分计算中的“黄金公式”。

另有一类难题是反常积分收敛性判断。如2010年选择题第5题：设alpha>0，讨论int_1^{+infty}frac{ln x}{x^alpha}dx的敛散性。

解：令u=ln x，dv=x^{-alpha}dx，则du=frac{1}{x}dx，v=frac{x^{1-alpha}}{1-alpha}(alphaneq1)。

分部积分得：int_1^Rfrac{ln x}{x^alpha}dx=left.frac{x^{1-alpha}ln x}{1-alpha}right|_1^R-int_1^Rfrac{x^{1-alpha}}{1-alpha}cdotfrac{1}{x}dx

=frac{R^{1-alpha}ln R}{1-alpha}-frac{1}{1-alpha}int_1^R x^{-alpha}dx

当alpha>1时，R^{1-alpha}ln Rto0（因幂函数衰减快于对数增长），积分收敛；

当alpha=1时，int_1^Rfrac{ln x}{x}dx=frac{1}{2}(ln R)^2to+infty，发散；

当0时，R^{1-alpha}ln Rto+infty，发散。

综上：当且仅当alpha>1时收敛。此结论常与p级数类比记忆：sumfrac{1}{n^p}与int_1^inftyfrac{1}{x^p}dx同敛散，但加入ln x后需更高阶衰减（即alpha>1）。

级数与微分方程：理论与应用并重

年填空题第15题要求将f(x)=frac{1}{x^2+2x-3}展开为x的幂级数。先因式分解：f(x)=frac{1}{(x+3)(x-1)}=frac{1}{4}left(frac{1}{x-1}-frac{1}{x+3}right)。

再变形为标准几何级数形式：

frac{1}{x-1}=-frac{1}{1-x}=-sum_{n=0}^{infty}x^nquad(|x|<1)

frac{1}{x+3}=frac{1}{3}cdotfrac{1}{1+frac{x}{3}}=frac{1}{3}sum_{n=0}^{infty}(-1)^nleft(frac{x}{3}right)^n=sum_{n=0}^{infty}frac{(-1)^n}{3^{n+1}}x^nquad(|x|<3)

故f(x)=frac{1}{4}left[-sum_{n=0}^{infty}x^n-sum_{n=0}^{infty}frac{(-1)^n}{3^{n+1}}x^nright]=-frac{1}{4}sum_{n=0}^{infty}left(1+frac{(-1)^n}{3^{n+1}}right)x^n，收敛域为|x|<1（取交集）。

此题易错点在于：收敛域需取两个展开式的公共收敛区间。

微分方程部分，2010年解答题第20题（数学一）为欧拉方程：x^2y''+xy'-y=ln x。令x=e^t（即t=ln x），则：

frac{dy}{dx}=frac{dy}{dt}cdotfrac{dt}{dx}=frac{1}{x}frac{dy}{dt}，frac{d^2y}{dx^2}=frac{d}{dx}left(frac{1}{x}frac{dy}{dt}right)=-frac{1}{x^2}frac{dy}{dt}+frac{1}{x^2}frac{d^2y}{dt^2}

代入原方程得：frac{d^2y}{dt^2}-y=t（因ln x=t）

齐次解：y_h=C_1e^t+C_2e^{-t}；特解：y_p=-t；故通解y=C_1e^t+C_2e^{-t}-t，还原为y=C_1x+frac{C_2}{x}-ln x。

欧拉方程的解法核心是变量代换x=e^t转化为常系数线性微分方程，此为高频考点，需熟练掌握。

向量空间与线性相关性

年解答题第22题（数学一）：设向量组alpha_1=(1,2,3),alpha_2=(2,1,1),alpha_3=(1,-1,t)。

1. 求t为何值时，向量组线性相关；
2. 当线性相关时，求其一个极大线性无关组，并将剩余向量用该组线性表示。

解：构造矩阵A=[alpha_1,alpha_2,alpha_3]=begin{bmatrix}1&2&1\2&1&-1\3&1&tend{bmatrix}，对A作初等行变换：

begin{bmatrix}1&2&1\2&1&-1\3&1&tend{bmatrix}xrightarrow{R_2-2R_1,R_3-3R_1}begin{bmatrix}1&2&1\0&-3&-3\0&-5&t-3end{bmatrix}xrightarrow{R_2div(-3)}begin{bmatrix}1&2&1\0&1&1\0&-5&t-3end{bmatrix}

xrightarrow{R_1-2R_2,R_3+5R_2}begin{bmatrix}1&0&-1\0&1&1\0&0&t+2end{bmatrix}

故当t+2=0即t=-2时，operatorname{rank}(A)=2<3，向量组线性相关。

当t=-2时，化简矩阵为begin{bmatrix}1&0&-1\0&1&1\0&0&0end{bmatrix}，对应方程组为：begin{cases}x_1-x_3=0\x_2+x_3=0end{cases}，通解x_3=k，x_1=k，x_2=-k。

即kalpha_1-kalpha_2+kalpha_3=0，故alpha_3=-alpha_1+alpha_2。

极大无关组可取{alpha_1,alpha_2}（因前两列线性无关）。

关键点：初等行变换不改变列向量的线性关系，但改变行向量关系；求极大无关组应基于原矩阵的列，而非行阶梯形。

线性方程组解的结构

年填空题第13题：设A为4times3矩阵，operatorname{rank}(A)=2，beta_1,beta_2,beta_3为Ax=0的基础解系，则beta_1+beta_2,beta_2+beta_3,beta_3+beta_1是否仍为基础解系？

解：基础解系含n-operatorname{rank}(A)=3-2=1个向量，但题目给3个向量，显然不构成基础解系。更严谨地：

设eta_1=beta_1+beta_2，eta_2=beta_2+beta_3，eta_3=beta_3+beta_1，则eta_1-eta_2+eta_3=2beta_3，故beta_3可由eta_1,eta_2,eta_3线性表示，同理beta_1,beta_2也可，因此operatorname{span}{eta_1,eta_2,eta_3}=operatorname{span}{beta_1,beta_2,beta_3}，维数为1，但向量个数为3>1，故线性相关，不能作为基础解系。

此题考察：基础解系必须满足：①线性无关；②个数=n-r。缺一不可。

特征值与二次型

年解答题第23题（数学一）：设A=begin{bmatrix}2&1&0\1&2&0\0&0&1end{bmatrix}，求正交矩阵Q，使Q^{-1}AQ为对角阵。

解：特征方程|A-lambda I|=0：

begin{vmatrix}2-lambda&1&0\1&2-lambda&0\0&0&1-lambdaend{vmatrix}=(1-lambda)left[(2-lambda)^2-1right]=(1-lambda)(lambda^2-4lambda+3)

=(1-lambda)^2(3-lambda)=0，故特征值为lambda_1=1（二重），lambda_2=3。

当lambda=1时，A-I=begin{bmatrix}1&1&0\1&1&0\0&0&0end{bmatrix}xrightarrow{R_2-R_1}begin{bmatrix}1&1&0\0&0&0\0&0&0end{bmatrix}，解得基础解系：xi_1=begin{bmatrix}-1\1\0end{bmatrix},xi_2=begin{bmatrix}0\0\1end{bmatrix}。

正交化（施密特）：eta_1=xi_1=begin{bmatrix}-1\1\0end{bmatrix}，eta_2=xi_2-frac{langlexi_2,eta_1rangle}{langleeta_1,eta_1rangle}eta_1=xi_2（因正交）。

单位化：q_1=frac{1}{sqrt{2}}begin{bmatrix}-1\1\0end{bmatrix},quad q_2=begin{bmatrix}0\0\1end{bmatrix}。

当lambda=3时，A-3I=begin{bmatrix}-1&1&0\1&-1&0\0&0&-2end{bmatrix}xrightarrow{}begin{bmatrix}1&-1&0\0&0&1end{bmatrix}，解得xi_3=begin{bmatrix}1\1\0end{bmatrix}，单位化q_3=frac{1}{sqrt{2}}begin{bmatrix}1\1\0end{bmatrix}。

故Q=[q_1,q_2,q_3]=begin{bmatrix}-frac{1}{sqrt{2}}&0&frac{1}{sqrt{2}}\frac{1}{sqrt{2}}&0&frac{1}{sqrt{2}}\0&1&0end{bmatrix}，Q^{-1}AQ=operatorname{diag}(1,1,3)。

注意：重特征值对应的特征向量必须正交化，否则Q不正交。本题中xi_1,xi_2已正交，故直接单位化即可。

期望、方差与协方差

年解答题第21题（数学三）：设(X,Y)的概率密度为f(x,y)=begin{cases}e^{-y},&0。

1. 求X与Y的边缘密度；
2. 求E(XY)；
3. 判断X与Y是否独立。

解：

X的边缘密度：f_X(x)=int_x^{+infty}e^{-y}dy=e^{-x},quad x>0（因y>x）

Y的边缘密度：f_Y(y)=int_0^ye^{-y}dx=ye^{-y},quad y>0

E(XY)=iint xy f(x,y)dxdy=int_0^{+infty}int_0^y xy e^{-y}dxdy

=int_0^{+infty}y e^{-y}cdotleft[frac{x^2}{2}right]_0^y dy=int_0^{+infty}y e^{-y}cdotfrac{y^2}{2}dy=frac{1}{2}int_0^{+infty}y^3 e^{-y}dy=frac{1}{2}Gamma(4)=frac{1}{2}cdot6=3

因f(x,y)=e^{-y}neq f_X(x)f_Y(y)=e^{-x}cdot ye^{-y}=ye^{-x-y}，故X与Y不独立。

此题难点在于积分限的确定：由0知，对固定x，yin(x,+infty)；对固定y，xin(0,y)。画图辅助可避免出错。

大数定律与中心极限定理

年选择题第8题：设X_1,X_2,dots,X_n为独立同分布随机变量序列，E(X_i)=mu，D(X_i)=sigma^2>0，则由中心极限定理，当n充分大时，sum_{i=1}^nX_i近似服从（ ）。

A. N(mu,sigma^2)　B. N(nmu,nsigma^2)　C. N(nmu,sigma^2)　D. N(mu,frac{sigma^2}{n})

正确答案为B。中心极限定理指出：frac{sum_{i=1}^nX_i-nmu}{sqrt{n}sigma}xrightarrow{d}N(0,1)，即sum_{i=1}^nX_iapprox N(nmu,nsigma^2)。

易错点：混淆bar{X}与sum X_i的分布。对bar{X}=frac{1}{n}sum X_i，有bar{X}approx N(mu,frac{sigma^2}{n})，故选项D对应样本均值，而非求和。

此题是高频易错点，需牢记：独立同分布下，和的期望为nmu，方差为nsigma^2。