跳转至

1987 年

第 1 题

Example

与两直线

\[ \begin{cases} x = 1,\\ y = -1 + t,\\ z = 2 + t \end{cases} \quad \text{及 } \dfrac{x+1}{1}=\dfrac{y+2}{2}=\dfrac{z-1}{1} \]

都平行,且过原点的平面方程为?

解:通过两个直线的方向向量的即可得到待求平面的法向量,再结合屏幕过原点即可求解 .

第 2 题

Example

当 \(x =\) ? 时,函数 \(y = x 2 ^ { x }\) 取得极小值。

解:高中求导题。

第 3 题

Example

由曲线 \(y = \ln x\) 与两直线 \(y = (e+1)-x\) 及 \(y = 0\) 所围成的平面图形的面积为 ?

解:首先联立求解交点,画出草图,不难发现沿直线 \(x=e\) 分为左右两个部分求面积比较容易,左侧直接积分,右侧是一个三角形。

第 4 题

Example

设 \(L\) 为取正向的圆 \(x ^ { 2 } + y ^ { 2 } = 9 .\),则曲线积分 \(\displaystyle\oint\limits _ { L } ( 2 x y - 2 y ) \mathrm { d } x + \left( x ^ { 2 } - 4 x \right) \mathrm { d } y\) 的值为?

解:\(\mathrm{Green}\) 公式模板题,没啥说的。

第 5 题

Example

已知 \(3\) 维线性空间的一组基为 \(\pmb { \alpha } _ { 1 } = ( 1 , 1 , 0 ) , \pmb { \alpha } _ { 2 } = ( 1 , 0 , 1 ) , \pmb { \alpha } _ { 3 } = ( 0 , 1 , 1 )\),则向量 \({ \pmb { \alpha } } = ( 2 , 0 , 0 )\) 在上述基底下的坐标为 ?

解:题意实际上就是用三个已知向量线性表示向量 \({ \pmb { \alpha } } = ( 2 , 0 , 0 )\),列出线性方程组求解即可。

第 6 题

Example

求正常数 \(a\) 与 \(b ,\) 使得 \(\displaystyle\operatorname* { l i m } _ { x \to 0 } { \frac { 1 } { b x - \sin x } } \int _ { 0 } ^ { x } { \frac { t ^ { 2 } } { \sqrt { a + t ^ { 2 } } } } \mathrm { d } t = 1\) 成立。

解:首先根据极限存在分析极限类型,从而得到 \(b=1\),再根据极限为 \(1\) 结合洛必达即可求出 \(a\) 的值,基础题。

第 7 题

Example

设函数 \(f , g\) 连续可微,\(u = f ( x , x y ) , v = g ( x + x y )\) , 求 \(\displaystyle\frac { \partial u } { \partial x } \cdot \frac { \partial v } { \partial x } .\)

解:常规计算题。

第 8 题

Example

设矩阵 \(A\) 与 \(B\) 满足 \(A B = A + 2 B\),其中 \(A = { \left( \begin{array} { l l l } { 3 } & { 0 } & { 1 } \\ { 1 } & { 1 } & { 0 } \\ { 0 } & { 1 } & { 4 } \end{array} \right) }\) , 求矩阵 \(B\).

解:题目不难,但是可以有多种求解思路。下面提供三种方法,其中第三种方法——凑因子法,可以参考往期文章,我列出了求解逆矩阵的所有方法,文章附在下面。

方法 1:单独求逆后再相乘

方法 2:对矩阵方程进行初等行变换

方法 3:凑因子法

也只需要求一个矩阵的逆即可。

逆矩阵方法大全可以参考下面这篇文章:逆矩阵方法大全

第 9 题

Example

求微分方程 \(y ^ { \prime \prime \prime } + 6 y ^ { \prime \prime } + \left( 9 + a ^ { 2 } \right) y ^ { \prime } = 1\) 的通解,其中常数 \(a > 0\)

解:基础题,先求齐次通解,再求非齐次特解。

第 10 题

Example

设常数 \(k > 0\) , 则级数 \(\displaystyle\sum _ { n = 1 } ^ { \infty } ( - 1 ) ^ { n } { \frac { k + n } { n ^ { 2 } } }\) ?

(A) 发散

(B) 绝对收敛

(C) 条件收敛

(D) 收敛或发散与 \(k\) 的取值有关

解:先加绝对值判断是否绝对收敛,容易发现可以拆成一个收敛级数 + 一个发散级数,因此是发散的,即不绝对收敛。

接着判断原级数的敛散性,由于是交错级数,因此考虑使用莱布尼兹判别法,得出收敛。

综合两方面,原级数条件收敛。

第 11 题

Example

设 \(I = t \displaystyle\int _ { 0 } ^ { \frac { s } { t } } f ( t x ) \mathrm { d } x ,\) 其中 \(f(x)\) 为连续函数,\(s > 0 , t > 0\) , 则 \(I\) 的值?

(A) 依赖于 \(s , t\)

(B) 依赖于 \(s , t , x\)

(C) 依赖于 \(t , x\), 不依赖于 \(s\)

(D) 依赖于 \(s\), 不依赖于 \(t\)

解:换元即可。

第 12 题

Example

设 \(\displaystyle \lim _ { x \to a } { \frac { f ( x ) - f ( a ) } { ( x - a ) ^ { 2 } } } = - 1\) ,则在点 \(x = a\) 处?

(A) \(f (x)\) 可导且 \(f ^ { \prime } ( a ) \neq 0\)

(B) \(f (x)\) 取得极大值

(C) \(f (x)\) 取得极小值

(D) \(f(x)\) 的导数不存在

解:考虑极限的保号性,结合极大值的定义即可知道 B 选项是正确的。

对于 A、D 两个选项,说的是同一个事情,考虑导数定义即可,注意凑出题干的条件。

第 13 题

Example

设 \(A\) 为 \(n\) 阶矩阵,且 \(| A | = a \neq 0\) , \(A ^ { * }\) 是 \(A\) 的伴随矩阵 , 则 \(|A^{*}|=\) ?

(A) \(a\)

(B) \(\dfrac { 1 } { a }\)

(C) \(a ^ { n - 1 }\)

(D) \(a ^ { n }\)

解:结合逆矩阵的定义和行列式性质即可:

\[ \det(kA)=k^{n}\det (A) \]

第 14 题

Example

求幂级数 \(\displaystyle\sum _ { n = 1 } ^ { \infty } { \frac { 1 } { n 2 ^ { n } } } x ^ { n - 1 }\) 的收敛域,并求其和函数 .

解:幂级数基础题,收敛域使用比值判别法和根值判别法都可以,我这里使用的是后者;对于和函数的求解,由于可以凑出 \(\mathrm{Taylor}\) 级数形式,因此直接凑就行了,如下两个公式需要熟练掌握:

\[ \sum_{n=1}^{\infty} \frac{(-1)^{n-1}x^{n}}{n}=\ln(1+x),\quad x\in(-1,1] \]
\[ \sum_{n=1}^{\infty} \frac{x^{n}}{n}=-\ln(1-x),\quad x\in[-1,1) \]

第 15 题

Example

计算曲面积分 \(\displaystyle I = \iint_S x(8y + 1)\mathrm{~d}y\mathrm{d}z + 2\left(1 - y^2\right)\mathrm{~d}z\mathrm{d}x - 4yz\mathrm{~d}x\mathrm{d}y\),其中 \(S\) 是由曲线 \(\begin{cases} z = \sqrt{y - 1},\\ x = 0 \end{cases}\ (1 \leqslant y \leqslant 3)\) 绕 \(y\) 轴旋转一周所成的曲面,它的法向量与 \(y\) 轴正方向的夹角大于 \(\dfrac{\pi}{2}\).

解:首先先根据解析几何知识求出旋转抛物面方程。然后补面后运用 \(\mathrm{Gauss}\) 公式即可。对于使用 \(\mathrm{Gauss}\) 公式得到的这个三重积分,考虑使用截面法运算量是最小的。

第 16 题

Example

设函数 \(f(x)\) 在闭区间 \([0,1]\) 上可微,对于 \([0,1]\) 上的每个 \(x\),函数的值都在区间 \((0,1)\) 内,且 \(f'(x)\neq 1\),证明:在 \((0,1)\) 内有且仅有一个 \(x\),使得 \(f(x)=x\).

解:早年的中值定理证明题还是很简单的,考虑从存在性和唯一性两个方面进行说明即可。

构造辅助函数结合零点定理即可说明存在性;通过反证法结合 \(\mathrm{Rolle}\) 定理即可说明唯一性。

第 17 题

Example

问 \(a,b\) 为何值时,线性方程组

\[ \begin{cases} x_1 + x_2 + x_3 + x_4 = 0,\\ x_2 + 2x_3 + 2x_4 = 1,\\ -x_2 + (a - 3)x_3 - 2x_4 = b,\\ 3x_1 + 2x_2 + x_3 + ax_4 = -1 \end{cases} \]

有唯一解?无解?有无穷多个解?并求出有无穷多个解时的通解 .

解:回顾线性方程组解的存在条件和增广矩阵秩的关系:

将增广矩阵通过初等行变换化简为阶梯型矩阵,分析 \(r(A)\) 和 \(r(\overline{A}\)) 的关系即可,属于基础题,需要熟练掌握。

第 18 题

Example

假设在一次试验中,事件 \(A\) 发生的概率为 \(p\) ,现进行 \(n\) 次独立试验,则 \(A\) 至少发生一次的概率为 ?,而事件 \(A\) 至多发生一次的概率为 ?.

解:二项分布,正难则反。

第 19 题

Example

三个箱子,第一个箱子中有 \(4\) 个黑球 \(1\) 个白球,第二个箱子中有 \(3\) 个黑球 \(3\) 个白球,第三个箱子中有 \(3\) 个黑球 \(5\) 个白球。现随机地取一个箱子,再从这个箱子中取出 \(1\) 个球,这个球为白球的概率等于 ?。已知取出的球是白球,此球属于第二个箱子的概率为 ?.

解:全概率公式,\(\mathrm{Bayes}\) 公式。

第 20 题

Example

已知连续型随机变量 \(X\) 的概率密度为 \(f ( x ) = { \displaystyle\frac { 1 } { \sqrt { \pi } } } \mathrm { e } ^ { - x ^ { 2 } + 2 x - 1 }\),则 \(X\) 的数学期望为 ?,\(X\) 的方差为 ?.

解:对于这种形式和正态分布很像的概率密度函数,期望和方差的求解不建议通过定义 \(\mathbb{E}X=\displaystyle \int_{-\infty}^{+\infty} xf(x) \mathrm{~d} x\) 来算,因为计算量比较大,而且最后的化简大概率要结合 \(\Gamma\) 函数。

建议直接凑正态分布概率密度函数的形式,做法如下:

第 21 题

Example

设随机变量 \(X,Y\) 相互独立,其概率密度函数分别为

\[ f_X(x)= \begin{cases} 1, & 0 < x < 1,\\ 0, & else, \end{cases} \]
\[ f_Y(y)= \begin{cases} \mathrm{e}^{-y}, & y>0,\\ 0, & y\leqslant 0, \end{cases} \]

求随机变量 \(Z=2X+Y\) 的概率密度函数 \(f_Z(z)\)。

解:概率论期末难度题,考察二维连续型随机变量的函数分布,常用的方法有两种:分布函数法与(卷积)公式法。

首先先来看分布函数法,此法是通法,只不过对于个别题目计算量可能会很大。画出草图分类讨论即可,过程如下:

下面介绍公式法:

我们设 \((X,Y)\) 的概率密度函数为 \(f(x,y)\).

公式 1

如果根据 \(Z=g(X,Y)\) 能反解出 \(Y=h(X,Z)\),则:

\[ f_{Z}(z)=\int_{-\infty}^{+\infty} \left| \frac{ \partial h(x,z) }{ \partial z } \right|\cdot f(x,h(x,z)) \mathrm{~d} x \]

公式 2

如果根据 \(Z=g(X,Y)\) 能反解出 \(X=\varphi(Y,Z)\),则:

\[ f_{Z}(z)=\int_{-\infty}^{+\infty} \left| \frac{ \partial \varphi(y,z) }{ \partial z } \right| \cdot f(\varphi(y,z),y) \mathrm{~d} y \]

特别地,如果 \(Z\) 关于 \(X,Y\) 的表达式是和、差、积,商的形式,分别又能得到更简单的形式,其中和形式推出来的结论被称为“卷积公式”,这里不再展开,掌握上面这两个一般结论即可,结论形式很有规律,看一遍就能记住了,不用刻意背诵。

公式的证明使用二重积分的 \(\mathrm{Jacobi}\) 换元即可,感兴趣的读者可以自己尝试。

使用卷积公式求解本题过程如下,本题用这种方法的好处在于可以避免求出分布函数后又求导,极大减少计算量。

以上就是对于 1987 年数一真题的全部解答,总体来看难度比较低,适合用来检验自己基础知识掌握的怎么样。绝大多数题目单考点、单步骤即可解出,几乎没有多章节嵌套、条件隐藏、反套路挖坑;计算量整体比较小,对概念深挖力度弱。

  • 更多精彩内容欢迎关注我的微信公众号!

搜一搜

评论区