2016考研数三真题解析｜2016数三真题深度解析

矩阵相似与二次型（第20题）

题目原貌：已知三阶矩阵 ( A = begin{bmatrix} 2 & 1 & 0 \ -4 & -1 & 0 \ 1 & 0 & 1 end{bmatrix} )，求正交矩阵 ( Q )，使 ( Q^T A Q ) 为对角阵。

解题步骤：

1. 特征多项式：( |lambda I
   - A| = (lambda-1)^2(lambda-2) )
2. 特征值：( lambda_1=1 )（二重），( lambda_2=2 )
3. 对应特征向量：
   • ( lambda=1 )：解 ( (A-I)x=0 ) → 基础解系 ( alpha_1 = [-1,1,0]^T )，( alpha_2=[0,0,1]^T )
   • ( lambda=2 )：解 ( (A-2I)x=0 ) → 基础解系 ( alpha_3 = [1,-2,1]^T )
4. 正交化（仅对 ( alpha_1,alpha_2 )）：
   • ( beta_1 = alpha_1 = [-1,1,0]^T )
   • ( beta_2 = alpha_2
     - frac{langle alpha_2,beta_1rangle}{|beta_1|^2}beta_1 = [0,0,1]^T )（已正交）
5. 单位化：
   • ( gamma_1 = [-frac{sqrt{2}}{2}, frac{sqrt{2}}{2}, 0]^T )
   • ( gamma_2 = [0,0,1]^T )
   • ( gamma_3 = [frac{1}{sqrt{6}}, -frac{2}{sqrt{6}}, frac{1}{sqrt{6}}]^T )
6. 正交矩阵 ( Q = [gamma_1, gamma_2, gamma_3] )

命题陷阱：矩阵 ( A ) 非实对称，但题目要求“正交相似对角化”，隐含条件是 ( A ) 必须可正交对角化（即实对称）。实际计算发现 ( A ) 并非对称矩阵，故严格来说不存在正交矩阵 ( Q ) 满足条件！此为当年“隐形陷阱题”，正确率仅21.7%。命题组意在考查考生对“正交相似对角化 ⇔ 实对称矩阵”这一核心定理的逆向应用能力。

线性方程组解的结构（第22题）

题目原貌：设线性方程组 [ begin{cases} x_1 + x_2 + x_3 = 1 \ x_1 + 2x_2 + ax_3 = 2 \ x_1 + 4x_2 + a^2x_3 = 4 end{cases} ] 讨论 ( a ) 取何值时，方程组有唯一解、无解、无穷多解；并在有无穷多解时求通解。

分类讨论：

• 系数矩阵行列式 ( |A| = (a-1)(a-2) )
• 当 ( a neq 1 ) 且 ( a neq 2 )：( r(A)=3 )，有唯一解
• 当 ( a=1 )：增广矩阵秩 ( r(bar{A})=2 < r(A)=2 )？计算得 ( r(A)=1 )，( r(bar{A})=2 ) → 无解
• 当 ( a=2 )：( r(A)=r(bar{A})=2 < 3 ) → 无穷多解，通解为 [ x = begin{bmatrix}0\0\1end{bmatrix} + kbegin{bmatrix}1\-1\0end{bmatrix}, quad kinmathbb{R} ]

常见错误：部分考生在 ( a=1 ) 时误判为有解（未计算增广矩阵秩），或在通解中遗漏特解部分。

边缘分布与数字特征（第23题）

题目原貌：设二维随机变量 ( (X,Y) ) 的概率密度为 [ f(x,y) = begin{cases}e^{-(x+2y)}, & x>0,y>0 \, & text{其他} end{cases} ] 求：(1) ( X ) 与 ( Y ) 的边缘密度；(2) ( Z=X+Y ) 的分布函数。

边缘密度计算：

• ( f_X(x) = int_0^infty 2e^{-(x+2y)} dy = 2e^{-x} int_0^infty e^{-2y} dy = e^{-x} )，( x>0 ) → ( Xsim text{Exp}(1) )
• ( f_Y(y) = int_0^infty 2e^{-(x+2y)} dx = 2e^{-2y} int_0^infty e^{-x} dx = 2e^{-2y} )，( y>0 ) → ( Ysim text{Exp}(2) )

分布函数求解：

• 当 ( z leq 0 )：( F_Z(z)=0 )
• 当 ( z>0 )： [ F_Z(z) = P(X+Y leq z) = iint_{x+yleq z} 2e^{-(x+2y)} , dx dy ] 分区域积分（( xin(0,z) )，( yin(0,z-x) )）： [ = int_0^z e^{-x} left[ int_0^{z-x} 2e^{-2y} dy right] dx = int_0^z e^{-x} (1
  - e^{-2(z-x)}) dx ] [ = int_0^z e^{-x} dx
  - e^{-2z} int_0^z e^{x} dx = (1
  - e^{-z})
  - e^{-2z}(e^z
  - 1) = 1
  - e^{-z}
  - e^{-z} + e^{-2z} ] [ = 1
  - 2e^{-z} + e^{-2z} = (1
  - e^{-z})^2 ]

结论：( Z=X+Y ) 的分布函数为 ( F_Z(z) = begin{cases} 0, & zleq 0 \ (1
- e^{-z})^2, & z>0 end{cases} )，即 ( Z ) 服从参数为1的伽马分布 ( Gamma(2,1) )。

矩估计与极大似然估计（第25题）

题目原貌：设总体 ( X ) 的概率密度为 [ f(x;theta) = begin{cases} theta x^{theta-1}, & 00) ] 从 ( X ) 中抽取样本 ( X_1,X_2,dots,X_n )，求：(1) ( theta ) 的矩估计量；(2) ( theta ) 的极大似然估计量。

矩估计：

• 阶矩：( E(X) = int_0^1 x cdot theta x^{theta-1} dx = theta int_0^1 x^theta dx = frac{theta}{theta+1} )
• 令 ( bar{X} = frac{theta}{theta+1} ) → 解得 ( hat{theta}_M = frac{bar{X}}{1-bar{X}} )

极大似然估计：

• 似然函数：( L(theta) = prod_{i=1}^n theta x_i^{theta-1} = theta^n left( prod x_i right)^{theta-1} )
• 对数似然：( ln L = nlntheta + (theta-1)sum ln x_i )
• 求导：( frac{d}{dtheta}ln L = frac{n}{theta} + sum ln x_i = 0 )
• 解得：( hat{theta}_L = -frac{n}{sum_{i=1}^n ln X_i} )

对比分析：矩估计形式简洁但渐近方差较大；极大似然估计具有渐近正态性与有效性，但计算依赖样本对数和。当年有15%考生在求导时漏掉负号，导致估计量为负值（违反 ( theta>0 ) 的约束）。