知识点构建 02—27 批量修公式渲染(约 2500 处)

起因:01 重排时核验发现线上残留 $ 243 个,追查后确认 10-27/11-17 写的这批文件
都有同样问题——收尾 $ 后面紧跟中文标点,Gitea 整对不渲染,正文里直接露出
$\lim_{x\to0}...$ 源码,所以整页看着糊成一团。

- 02—20(背诵版)共插入 2550 处空格,逐文件二次运行均插入 0(幂等)
- 21—27(专背清单)另修 24 处「加粗以公式收尾」:公式被移出加粗范围
  (`**…$f$ **` → `**…** $f$ `),否则补的空格落在 `**` 内侧,星号会原样露出
- 09/11 等 4 处一个加粗里连着两个公式,迭代剥两次才对
- 01 已在上一提交(da4c938)单独处理,网页残留 0

全部经 fix_text 幂等核验;链接 28 文件 0 异常。
This commit is contained in:
2026-11-22 23:00:17 +08:00
parent da4c938e78
commit 26e91c4c68
26 changed files with 1211 additions and 1209 deletions
@@ -68,7 +68,7 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 导数与微分]
**隐函数**:$F(x,y)=0$ 两边对 $x$ 求导,$y$ 视为 $y(x)$ ,解出 $y'$ 。⚠️ 结果里带 $y$ 没关系。隐函数应用题关键是**找与 $dx,dy$ 等价的两个相关变量**——按题末所求涉及的变量设自变量与因变量。 **隐函数**:$F(x,y)=0$ 两边对 $x$ 求导,$y$ 视为 $y(x)$ ,解出 $y'$ 。⚠️ 结果里带 $y$ 没关系。隐函数应用题关键是**找与 $dx,dy$ 等价的两个相关变量**——按题末所求涉及的变量设自变量与因变量。
**参数方程**:$\begin{cases}x=\varphi(t)\\y=\psi(t)\end{cases}$,一阶 $\dfrac{dy}{dx}=\dfrac{dy/dt}{dx/dt}$;二阶 $\dfrac{d^2y}{dx^2}=\dfrac{d(y')/dt}{dx/dt}$(**一阶结果继续对 $t$ 求导再除 $dx/dt$**,不是对 $x$ 直接求导)。 **参数方程**:$\begin{cases}x=\varphi(t)\\y=\psi(t)\end{cases}$ ,一阶 $\dfrac{dy}{dx}=\dfrac{dy/dt}{dx/dt}$ ;二阶 $\dfrac{d^2y}{dx^2}=\dfrac{d(y')/dt}{dx/dt}$ (**一阶结果继续对 $t$ 求导再除** $dx/dt$ ,不是对 $x$ 直接求导)。
## 5. §5 导数与极限、与积分 ## 5. §5 导数与极限、与积分
@@ -98,7 +98,7 @@ $$\frac{dy}{dt}=\frac{dy}{dx}\frac{dx}{dt}$$
- **定义法**(万能):$f'_-(x_0)=\lim\frac{f(x_0+h)-f(x_0)}h$ 、$f'_+$ 分别算,相等则可导(题1)。 - **定义法**(万能):$f'_-(x_0)=\lim\frac{f(x_0+h)-f(x_0)}h$ 、$f'_+$ 分别算,相等则可导(题1)。
- **存在性法**(省事,有条件):分段点处**连续** + 两侧公式可导 + $\lim f'(x)$ 存在 ⟹ $f'(x_0)=\lim f'(x)$ (题3:$\alpha>2$ 由 $f'$ 连续得)。**判别依据**:两侧导数表达式有公共极限就用存在性法,否则用定义。 - **存在性法**(省事,有条件):分段点处**连续** + 两侧公式可导 + $\lim f'(x)$ 存在 ⟹ $f'(x_0)=\lim f'(x)$ (题3:$\alpha>2$ 由 $f'$ 连续得)。**判别依据**:两侧导数表达式有公共极限就用存在性法,否则用定义。
**② 幂指函数两法选择**:$y=f^g$——若 $f$ 是简单幂、$g$ 是 $\sin x$ 类 → 对数求导($\ln y=g\ln f$ 两边导,得 $y'=y(g'\ln f+g\frac{f'}f)$);若指数复杂($x^{x^x}$ 类)→ 取指数 $e^{g\ln f}$。**反正都归到 $\ln$**。 **② 幂指函数两法选择**:$y=f^g$ ——若 $f$ 是简单幂、$g$ 是 $\sin x$ 类 → 对数求导($\ln y=g\ln f$ 两边导,得 $y'=y(g'\ln f+g\frac{f'}f)$ );若指数复杂($x^{x^x}$ 类)→ 取指数 $e^{g\ln f}$ 。**反正都归到** $\ln$ 。
**③ 复合函数分段(坑)**:$y=f[f(x)]$ 类,先**写出复合后的分段表达式**再逐段求导、用定义判分段点(题6:$x=e^2$ 处左右导数不等则不存在)——不要直接套外层链式到分段点。 **③ 复合函数分段(坑)**:$y=f[f(x)]$ 类,先**写出复合后的分段表达式**再逐段求导、用定义判分段点(题6:$x=e^2$ 处左右导数不等则不存在)——不要直接套外层链式到分段点。
@@ -106,7 +106,7 @@ $$\frac{dy}{dt}=\frac{dy}{dx}\frac{dx}{dt}$$
- **归纳法**:$e^x\sin x$ 、$\frac1{x-a}$ 类——一阶合并出递推模式($e^x\sin x$ 合并成 $\sqrt2e^x\sin(x+\frac\pi4)$ 后每阶只转相位)。 - **归纳法**:$e^x\sin x$ 、$\frac1{x-a}$ 类——一阶合并出递推模式($e^x\sin x$ 合并成 $\sqrt2e^x\sin(x+\frac\pi4)$ 后每阶只转相位)。
- **莱布尼茨**:两函数乘积、其中一个多项式($x^2\ln(1+x)$ )——**在某点求值**时 $k$ 项只留到多项式阶数为止。 - **莱布尼茨**:两函数乘积、其中一个多项式($x^2\ln(1+x)$ )——**在某点求值**时 $k$ 项只留到多项式阶数为止。
- **特殊代值**:$x^2(x+1)^2\cdots(x+n)^2$ 求 $f''(0)$ ——只看乘积里含最低次 $x$ 的两项,其余项在 $x=0$ 导数为 0(题13)。 - **特殊代值**:$x^2(x+1)^2\cdots(x+n)^2$ 求 $f''(0)$ ——只看乘积里含最低次 $x$ 的两项,其余项在 $x=0$ 导数为 0(题13)。
- **反函数高阶通法**:$\frac{d^2x}{dy^2}=\frac{d(\frac1{y'})/dx}{dy/dx}$——**分子分母同除以 $dx$**,一切 $d^nx/dy^n$ 都这样化(题14)。 - **反函数高阶通法**:$\frac{d^2x}{dy^2}=\frac{d(\frac1{y'})/dx}{dy/dx}$ ——**分子分母同除以** $dx$ ,一切 $d^nx/dy^n$ 都这样化(题14)。
**⑤ 导数定义与极限互转(题8–9)**:看到 $f(x_0+h)-f(x_0)$ 配 $h\to0$ 就是 $f'(x_0)$ ;看到"周期 + 极限式含 $f(1\pm\sin x)$ "先取极限定 $f(1)$ ,再除 $x$ 定 $f'(1)$ ,最后用周期/奇偶性平移(偶函数导数为奇函数:$f'(x)$ 奇)。**数列极限含 $f(\frac1n)$ 、$f(1-\cos\frac1n)$ ⟹ 换 $x=\frac1n\to0$ 凑导数定义**。 **⑤ 导数定义与极限互转(题8–9)**:看到 $f(x_0+h)-f(x_0)$ 配 $h\to0$ 就是 $f'(x_0)$ ;看到"周期 + 极限式含 $f(1\pm\sin x)$ "先取极限定 $f(1)$ ,再除 $x$ 定 $f'(1)$ ,最后用周期/奇偶性平移(偶函数导数为奇函数:$f'(x)$ 奇)。**数列极限含 $f(\frac1n)$ 、$f(1-\cos\frac1n)$ ⟹ 换 $x=\frac1n\to0$ 凑导数定义**。
@@ -135,7 +135,7 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 一元积分]
**③ 定积分先做三查(别急着算)**:①对称区间查奇偶(奇 0、偶 2 倍);②区间 $[0,\pi]$ 或 $[0,2\pi]$ 查周期/华里士($\int_0^\pi xf(\sin x)dx=\frac\pi2\int_0^\pi f(\sin x)dx$ ——**区间再现消 $x$ 利器**,题40);③被积含圆/半圆结构查几何意义($\sqrt{2x-x^2}$ → 单位圆 $\frac\pi4$ ,题36)。**区间再现为什么好用**:$x=a+b-t$ 换元后 $I'$ 与原 $I$ 是同一积分的镜像,$I+I'$ 往往变成常数倍可算(题39、40)。 **③ 定积分先做三查(别急着算)**:①对称区间查奇偶(奇 0、偶 2 倍);②区间 $[0,\pi]$ 或 $[0,2\pi]$ 查周期/华里士($\int_0^\pi xf(\sin x)dx=\frac\pi2\int_0^\pi f(\sin x)dx$ ——**区间再现消 $x$ 利器**,题40);③被积含圆/半圆结构查几何意义($\sqrt{2x-x^2}$ → 单位圆 $\frac\pi4$ ,题36)。**区间再现为什么好用**:$x=a+b-t$ 换元后 $I'$ 与原 $I$ 是同一积分的镜像,$I+I'$ 往往变成常数倍可算(题39、40)。
**④ 换元的坑**:①开根号**必须保绝对值**再按符号拆区间($\sqrt{\sin^3x-\sin^5x}=\sin^{3/2}x|\cos x|$);②换元后**上下限同步跟着换**($t=\varphi(x)$ 时 $x=a,b$ ⟹ $t=\varphi(a),\varphi(b)$);③第二类换元须 $\varphi'$ 单调有反函数;④被积函数含 $x$ 且上限含 $x$ 的**变限积分先提出 $x$**($\int_0^x(x-t)f= x\int_0^xf-\int_0^xtf$)。 **④ 换元的坑**:①开根号**必须保绝对值**再按符号拆区间($\sqrt{\sin^3x-\sin^5x}=\sin^{3/2}x|\cos x|$ );②换元后**上下限同步跟着换**($t=\varphi(x)$ 时 $x=a,b$ ⟹ $t=\varphi(a),\varphi(b)$ );③第二类换元须 $\varphi'$ 单调有反函数;④被积函数含 $x$ 且上限含 $x$ 的**变限积分先提出** $x$ ($\int_0^x(x-t)f= x\int_0^xf-\int_0^xtf$ )。
**⑤ 反常积分两步(题52–60)**:①**找全反常点**($\infty$ 与每个无穷间断点),**拆开逐段判**(只在收敛时才能合并/用奇偶性);②用等价无穷小把被积化到 $\frac1{x^\rho}$ 形状再对表(幂 $\rho>1$ 收敛;瑕 $\rho<1$ 收敛;对数慢增长——$\frac1{\ln^\rho x}$ 无穷区间任何 $\rho$ 发散)。求值题(可积时)用定义取极限 + 换元/分部/递推($I_n=nI_{n-1}\Rightarrow I_n=n!$ )。 **⑤ 反常积分两步(题52–60)**:①**找全反常点**($\infty$ 与每个无穷间断点),**拆开逐段判**(只在收敛时才能合并/用奇偶性);②用等价无穷小把被积化到 $\frac1{x^\rho}$ 形状再对表(幂 $\rho>1$ 收敛;瑕 $\rho<1$ 收敛;对数慢增长——$\frac1{\ln^\rho x}$ 无穷区间任何 $\rho$ 发散)。求值题(可积时)用定义取极限 + 换元/分部/递推($I_n=nI_{n-1}\Rightarrow I_n=n!$ )。
@@ -170,7 +170,7 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 一元积分]
### C. 不定积分·第二类换元(题17–20) ### C. 不定积分·第二类换元(题17–20)
- **题 17 · $\sqrt{a^2-x^2}$ 型(★★☆)**:$\int\frac{dx}{1+\sqrt{1-x^2}}$ ($x=\sin t$ ,$t\in(-\frac\pi2,\frac\pi2)$ ,$=\arcsin x-\frac{x}{1+\sqrt{1-x^2}}+C$ )。 - **题 17 · $\sqrt{a^2-x^2}$ 型(★★☆)**:$\int\frac{dx}{1+\sqrt{1-x^2}}$ ($x=\sin t$ ,$t\in(-\frac\pi2,\frac\pi2)$ ,$=\arcsin x-\frac{x}{1+\sqrt{1-x^2}}+C$ )。
- **题 18 · $\sqrt{a^2+x^2}$ 型(★★★)**:$\int\frac{x^3+1}{(x^2+1)^2}dx$ ($x=\tan t$ ,三角化简,$=\frac{1+x}{2(1+x^2)}+\frac12\ln(1+x^2)+\frac12\arctan x+C$ )。 - **题 18 · $\sqrt{a^2+x^2}$ 型(★★★)**:$\int\frac{x^3+1}{(x^2+1)^2}dx$ ($x=\tan t$ ,三角化简,$=\frac{1+x}{2(1+x^2)}+\frac12\ln(1+x^2)+\frac12\arctan x+C$ )。
- **题 19 · $\sqrt{x^2-a^2}$ 型(★★★)**:$\int\frac{\sqrt{x^2-9}}x dx$($x=3\sec t$,**须分 $x>3$ 与 $x<-3$**,$=\sqrt{x^2-9}-3\arccos\frac3{|x|}+C$)。 - **题 19 · $\sqrt{x^2-a^2}$ 型(★★★)**:$\int\frac{\sqrt{x^2-9}}x dx$ ($x=3\sec t$ ,**须分 $x>3$ 与** $x<-3$ ,$=\sqrt{x^2-9}-3\arccos\frac3{|x|}+C$ )。
- **题 20 · 辅助换元(★★★)**:$\int\frac{dx}{x+\sqrt{1-x^2}}$ ($x=\sin t$ 后构造 $I_1\pm I_2$ ,$=\frac12(\arcsin x+\ln|x+\sqrt{1-x^2}|)+C$ )。 - **题 20 · 辅助换元(★★★)**:$\int\frac{dx}{x+\sqrt{1-x^2}}$ ($x=\sin t$ 后构造 $I_1\pm I_2$ ,$=\frac12(\arcsin x+\ln|x+\sqrt{1-x^2}|)+C$ )。
### D. 不定积分·分部与推广(题21–27) ### D. 不定积分·分部与推广(题21–27)
@@ -54,7 +54,7 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 多元函数微分
## 3. §3 全微分 ## 3. §3 全微分
**由全微分反求函数**(积分法):$\frac{\partial f}{\partial x}$、$\frac{\partial f}{\partial y}$ 分别对 $x$、$y$ 积分,**注意积分常数变为 $C(y)$、$C(x)$**,交叉条件定出待定函数,再用已知点定常数。 **由全微分反求函数**(积分法):$\frac{\partial f}{\partial x}$ 、$\frac{\partial f}{\partial y}$ 分别对 $x$ 、$y$ 积分,**注意积分常数变为 $C(y)$ 、** $C(x)$ ,交叉条件定出待定函数,再用已知点定常数。
**求参数两法**:①**积分法**(能积出时):两偏导分别积分相等,对照系数;②**偏导法**(积分困难时):利用混合偏导相等 $u''_{xy}=u''_{yx}$ ($\frac{\partial^2u}{\partial x\partial y}=\frac{\partial^2u}{\partial y\partial x}$ )解参数(题15 类)。 **求参数两法**:①**积分法**(能积出时):两偏导分别积分相等,对照系数;②**偏导法**(积分困难时):利用混合偏导相等 $u''_{xy}=u''_{yx}$ ($\frac{\partial^2u}{\partial x\partial y}=\frac{\partial^2u}{\partial y\partial x}$ )解参数(题15 类)。
@@ -77,7 +77,7 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 多元函数微分
**空间曲线切线**(参数式 $\varGamma:x=\phi(t),y=\psi(t),z=\omega(t)$ ):切向量 $(\phi'(t_0),\psi'(t_0),\omega'(t_0))$ ;切线方程 $\frac{x-x_0}{\phi'(t_0)}=\frac{y-y_0}{\psi'(t_0)}=\frac{z-z_0}{\omega'(t_0)}$ ;法平面(过 $P_0$ 与切线垂直)$\phi'(t_0)(x-x_0)+\psi'(t_0)(y-y_0)+\omega'(t_0)(z-z_0)=0$ 。**交面式**:切向量 = 两法向量叉积(三组二阶行列式)。 **空间曲线切线**(参数式 $\varGamma:x=\phi(t),y=\psi(t),z=\omega(t)$ ):切向量 $(\phi'(t_0),\psi'(t_0),\omega'(t_0))$ ;切线方程 $\frac{x-x_0}{\phi'(t_0)}=\frac{y-y_0}{\psi'(t_0)}=\frac{z-z_0}{\omega'(t_0)}$ ;法平面(过 $P_0$ 与切线垂直)$\phi'(t_0)(x-x_0)+\psi'(t_0)(y-y_0)+\omega'(t_0)(z-z_0)=0$ 。**交面式**:切向量 = 两法向量叉积(三组二阶行列式)。
**空间曲面切平面**(隐式 $F(x,y,z)=0$):法向量 $\vec n=(F_x',F_y',F_z')$(在 $P_0$ 取值);切平面 $F_x'(x-x_0)+F_y'(y-y_0)+F_z'(z-z_0)=0$;法线 $\frac{x-x_0}{F_x'}=\frac{y-y_0}{F_y'}=\frac{z-z_0}{F_z'}$。**显式 $z=f(x,y)$**:令 $F=f-z$,法向量 $(f_x',f_y',-1)$(取法向量向下 $z$ 分量为 $-1$;向上则全取正);法向量方向余弦 $\cos\gamma=\frac1{\sqrt{1+f_x^2+f_y^2}}$(向上时)。 **空间曲面切平面**(隐式 $F(x,y,z)=0$ ):法向量 $\vec n=(F_x',F_y',F_z')$ (在 $P_0$ 取值);切平面 $F_x'(x-x_0)+F_y'(y-y_0)+F_z'(z-z_0)=0$ ;法线 $\frac{x-x_0}{F_x'}=\frac{y-y_0}{F_y'}=\frac{z-z_0}{F_z'}$ 。**显式** $z=f(x,y)$ :令 $F=f-z$ ,法向量 $(f_x',f_y',-1)$ (取法向量向下 $z$ 分量为 $-1$ ;向上则全取正);法向量方向余弦 $\cos\gamma=\frac1{\sqrt{1+f_x^2+f_y^2}}$ (向上时)。
### §5·B 题型考点(怎么做、为什么、坑)★必背 ### §5·B 题型考点(怎么做、为什么、坑)★必背
@@ -156,14 +156,14 @@ $\sum|u_n|$ 收敛叫绝对收敛;$\sum u_n$ 收敛而 $\sum|u_n|$ 发散叫
### 考点 4.3 端点与条件收敛 ### 考点 4.3 端点与条件收敛
端点代入变数项级数,用点 1—点 3 判据(四步流程)。**在 $x_0$ 处条件收敛 $\Rightarrow$ $|x_0|=R$**(条件收敛只能发生在端点)——抽象题的钥匙。收敛域可能半开:$[-R,R)$、$(-R,R]$。 端点代入变数项级数,用点 1—点 3 判据(四步流程)。**在 $x_0$ 处条件收敛** $\Rightarrow$ $|x_0|=R$ (条件收敛只能发生在端点)——抽象题的钥匙。收敛域可能半开:$[-R,R)$ 、$(-R,R]$ 。
**题目** **题目**
- **题 4 · 端点决定收敛域(★★☆)**:求 $\sum_{n=1}^{\infty}(-1)^{n-1}\dfrac{x^n}{n}$ 的收敛域,并指出它在哪一点是条件收敛。 - **题 4 · 端点决定收敛域(★★☆)**:求 $\sum_{n=1}^{\infty}(-1)^{n-1}\dfrac{x^n}{n}$ 的收敛域,并指出它在哪一点是条件收敛。
### 考点 4.4 抽象型三段论与不变式 ### 考点 4.4 抽象型三段论与不变式
已知 $\sum a_n(x-x_0)^n$ 在某点 $x_1$:收敛 $\Rightarrow R\ge|x_1-x_0|$;发散 $\Rightarrow R\le|x_1-x_0|$;**条件收敛 $\Rightarrow R=|x_1-x_0|$**。三条不变式:平移(含乘 $x^k$)、逐项求导、逐项积分都**不改 $R$**;求导可能缩小收敛域、积分可能扩大。 已知 $\sum a_n(x-x_0)^n$ 在某点 $x_1$ :收敛 $\Rightarrow R\ge|x_1-x_0|$ ;发散 $\Rightarrow R\le|x_1-x_0|$ ;**条件收敛** $\Rightarrow R=|x_1-x_0|$ 。三条不变式:平移(含乘 $x^k$ )、逐项求导、逐项积分都**不改** $R$ ;求导可能缩小收敛域、积分可能扩大。
**题目** **题目**
- **题 5 · 条件收敛即是端点(★★★)**:设 $\sum a_n(x+1)^n$ 在 $x=1$ 处条件收敛,判断 $\sum na_n(x-1)^n$ 在 $x=2$ 处是绝对收敛、条件收敛还是发散。 - **题 5 · 条件收敛即是端点(★★★)**:设 $\sum a_n(x+1)^n$ 在 $x=1$ 处条件收敛,判断 $\sum na_n(x-1)^n$ 在 $x=2$ 处是绝对收敛、条件收敛还是发散。
@@ -241,7 +241,7 @@ $\sum|u_n|$ 收敛叫绝对收敛;$\sum u_n$ 收敛而 $\sum|u_n|$ 发散叫
### 考点 7.1 正交性与系数公式 ### 考点 7.1 正交性与系数公式
$\{1,\cos nx,\sin nx\}$ 在 $[-\pi,\pi]$ 上正交(不同函数乘积分为 0,$m=n$ 时为 $\pi$)。周期 $2\pi$:$a_n=\frac1\pi\int_{-\pi}^{\pi}f\cos nx$,$b_n=\frac1\pi\int_{-\pi}^{\pi}f\sin nx$;周期 $2l$:$\frac1\pi\to\frac1l$,角频率 $\frac{n\pi}{l}x$。**周期为 2 的题(真题近三年)取 $l=1$,$a_n=\int_{-1}^{1}f\cos n\pi x$**。 $\{1,\cos nx,\sin nx\}$ 在 $[-\pi,\pi]$ 上正交(不同函数乘积分为 0,$m=n$ 时为 $\pi$ )。周期 $2\pi$ :$a_n=\frac1\pi\int_{-\pi}^{\pi}f\cos nx$ ,$b_n=\frac1\pi\int_{-\pi}^{\pi}f\sin nx$ ;周期 $2l$ :$\frac1\pi\to\frac1l$ ,角频率 $\frac{n\pi}{l}x$ 。**周期为 2 的题(真题近三年)取 $l=1$ ,** $a_n=\int_{-1}^{1}f\cos n\pi x$ 。
**题目** **题目**
- **题 1 · 同一函数的正弦与余弦两套系数(★★☆)**:设 $f(x)=x$ ,$0\le x\le\pi$ 。分别求它的正弦级数系数 $b_n$ 与余弦级数系数 $a_n$ (写出 $a_0$ )。 - **题 1 · 同一函数的正弦与余弦两套系数(★★☆)**:设 $f(x)=x$ ,$0\le x\le\pi$ 。分别求它的正弦级数系数 $b_n$ 与余弦级数系数 $a_n$ (写出 $a_0$ )。
@@ -56,11 +56,11 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 微分方程]
## 3. §3 可降阶的高阶方程 ## 3. §3 可降阶的高阶方程
**① $y^{(n)}=f(x)$**:直接积分 $n$ 次,得含 $n$ 个任意常数的通解。 **①** $y^{(n)}=f(x)$ :直接积分 $n$ 次,得含 $n$ 个任意常数的通解。
**② $y''=f(x,y')$**(缺 $y$):令 $y'=p,\ y''=p'$,解 $p'=f(x,p)$ 得 $p=\varphi(x,C_1)$,再积分 $y=\int\varphi\,dx+C_2$。 **②** $y''=f(x,y')$ (缺 $y$ ):令 $y'=p,\ y''=p'$ ,解 $p'=f(x,p)$ 得 $p=\varphi(x,C_1)$ ,再积分 $y=\int\varphi\,dx+C_2$ 。
**③ $y''=f(y,y')$**(缺 $x$):令 $y'=p,\ y''=p\frac{dp}{dy}$,解 $p\frac{dp}{dy}=f(y,p)$ 得 $p=\varphi(y,C_1)$,再 $\int\frac{dy}{\varphi(y,C_1)}=x+C_2$。**不要忘 $p=0$(即 $y=$ 常数)分支**(题24 型)。 **③** $y''=f(y,y')$ (缺 $x$ ):令 $y'=p,\ y''=p\frac{dp}{dy}$ ,解 $p\frac{dp}{dy}=f(y,p)$ 得 $p=\varphi(y,C_1)$ ,再 $\int\frac{dy}{\varphi(y,C_1)}=x+C_2$ 。**不要忘 $p=0$ (即 $y=$ 常数)分支**(题24 型)。
## 4. §4 高阶线性微分方程 ## 4. §4 高阶线性微分方程
@@ -70,7 +70,7 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 微分方程]
- 非齐次两解之差 ⟹ 齐次解(**反推方程的最常用**); - 非齐次两解之差 ⟹ 齐次解(**反推方程的最常用**);
- $f_1$ 的解 + $f_2$ 的解 ⟹ $f_1+f_2$ 的解(**叠加原理**,特解可拆和不可拆积)。 - $f_1$ 的解 + $f_2$ 的解 ⟹ $f_1+f_2$ 的解(**叠加原理**,特解可拆和不可拆积)。
**二阶常系数齐次 $y''+py'+qy=0$**:特征方程 $\lambda^2+p\lambda+q=0$,三种情形: **二阶常系数齐次** $y''+py'+qy=0$ :特征方程 $\lambda^2+p\lambda+q=0$ ,三种情形:
| 判别式 | 特征根 | 通解 | | 判别式 | 特征根 | 通解 |
|---|---|---| |---|---|---|
@@ -78,14 +78,14 @@ tags: [数学一, 知识点构建, 背诵版, 高等数学, 微分方程]
| $p^2-4q=0$ | 二重根 $\lambda$ | $y=(C_1+C_2x)e^{\lambda x}$ | | $p^2-4q=0$ | 二重根 $\lambda$ | $y=(C_1+C_2x)e^{\lambda x}$ |
| $p^2-4q<0$ | 共轭复根 $\alpha\pm\beta i$ | $y=e^{\alpha x}(C_1\cos\beta x+C_2\sin\beta x)$ | | $p^2-4q<0$ | 共轭复根 $\alpha\pm\beta i$ | $y=e^{\alpha x}(C_1\cos\beta x+C_2\sin\beta x)$ |
**二阶常系数非齐次 $y''+py'+qy=f(x)$**:通解 = 齐次通解 + 特解。**设特解两表**: **二阶常系数非齐次** $y''+py'+qy=f(x)$ :通解 = 齐次通解 + 特解。**设特解两表**:
- $f(x)=P_n(x)e^{\alpha x}$ ⟹ $y^*=e^{\alpha x}Q_n(x)x^k$ ,$k=\begin{cases}0,&\alpha\text{ 不是特征根}\\1,&\alpha\text{ 是单特征根}\\2,&\alpha\text{ 是二重特征根}\end{cases}$ ; - $f(x)=P_n(x)e^{\alpha x}$ ⟹ $y^*=e^{\alpha x}Q_n(x)x^k$ ,$k=\begin{cases}0,&\alpha\text{ 不是特征根}\\1,&\alpha\text{ 是单特征根}\\2,&\alpha\text{ 是二重特征根}\end{cases}$ ;
- $f(x)=e^{\alpha x}[P_m(x)\cos\beta x+P_n(x)\sin\beta x]$ ⟹ $y^*=e^{\alpha x}[Q_l^{(1)}(x)\cos\beta x+Q_l^{(2)}(x)\sin\beta x]x^k$ ,$l=\max\{m,n\}$ ,$k=\begin{cases}0,&\alpha\pm\beta i\text{ 不是特征根}\\1,&\alpha\pm\beta i\text{ 是特征根}\end{cases}$ 。 - $f(x)=e^{\alpha x}[P_m(x)\cos\beta x+P_n(x)\sin\beta x]$ ⟹ $y^*=e^{\alpha x}[Q_l^{(1)}(x)\cos\beta x+Q_l^{(2)}(x)\sin\beta x]x^k$ ,$l=\max\{m,n\}$ ,$k=\begin{cases}0,&\alpha\pm\beta i\text{ 不是特征根}\\1,&\alpha\pm\beta i\text{ 是特征根}\end{cases}$ 。
求出 $y^*$ 后**代回原方程定系数**。特解**只能拆和不能拆积**($e^x\sin^2x$ 先 $\frac{1-\cos2x}2$ 再叠加)。 求出 $y^*$ 后**代回原方程定系数**。特解**只能拆和不能拆积**($e^x\sin^2x$ 先 $\frac{1-\cos2x}2$ 再叠加)。
## 5. §5 欧拉方程 ## 5. §5 欧拉方程
$x^2y''+pxy'+qy=f(x)$:**令 $x=e^t$**($t=\ln x$,$x>0$;$x<0$ 令 $x=-e^t$),有 $xy'=\frac{dy}{dt}$、$x^2y''=\frac{d^2y}{dt^2}-\frac{dy}{dt}$,化为 $\frac{d^2y}{dt^2}+(p-1)\frac{dy}{dt}+qy=f(e^t)$——**转成常系数**,解完 $t=\ln x$ 回代。 $x^2y''+pxy'+qy=f(x)$ :**令** $x=e^t$ ($t=\ln x$ ,$x>0$ ;$x<0$ 令 $x=-e^t$ ),有 $xy'=\frac{dy}{dt}$ 、$x^2y''=\frac{d^2y}{dt^2}-\frac{dy}{dt}$ ,化为 $\frac{d^2y}{dt^2}+(p-1)\frac{dy}{dt}+qy=f(e^t)$ ——**转成常系数**,解完 $t=\ln x$ 回代。
## 6. §6 物理应用 ## 6. §6 物理应用
@@ -93,7 +93,7 @@ $x^2y''+pxy'+qy=f(x)$:**令 $x=e^t$**($t=\ln x$,$x>0$;$x<0$ 令 $x=-e^t$
### §6·B 题型考点(怎么做、为什么、坑)★必背 ### §6·B 题型考点(怎么做、为什么、坑)★必背
**① 一阶方程识别决策树(先答型再做法)**:能分离 $y'=f(x)g(y)$ → 可分离;分子分母齐次(幂次对称)→ 除以 $x$ 化 $\frac yx$ → 齐次;$y'+Py=Q$ → 线性公式;$y^n$ 或 $e^y,\ln y,y^2$ 作整体 → 伯努利/换元;分母复杂分子简单 → **颠倒 $\frac{dx}{dy}$** 重新识别。**决策顺序决定成败**:伯努利必先识别 $n$,线性必先标准化(系数除尽)。 **① 一阶方程识别决策树(先答型再做法)**:能分离 $y'=f(x)g(y)$ → 可分离;分子分母齐次(幂次对称)→ 除以 $x$ 化 $\frac yx$ → 齐次;$y'+Py=Q$ → 线性公式;$y^n$ 或 $e^y,\ln y,y^2$ 作整体 → 伯努利/换元;分母复杂分子简单 → **颠倒** $\frac{dx}{dy}$ 重新识别。**决策顺序决定成败**:伯努利必先识别 $n$ ,线性必先标准化(系数除尽)。
**② 一阶线性公式的口诀**:$y=e^{-\int P}\left(\int Qe^{\int P}+C\right)$ ——**积分因子 $e^{\int Pdx}$ 乘进去再积分**。验算:$y'\big|_{x=0}$ 代回。 **② 一阶线性公式的口诀**:$y=e^{-\int P}\left(\int Qe^{\int P}+C\right)$ ——**积分因子 $e^{\int Pdx}$ 乘进去再积分**。验算:$y'\big|_{x=0}$ 代回。
@@ -53,7 +53,7 @@ tags: [数学一, 知识点构建, 背诵版, 线性代数, 行列式]
## 3. §3 行列式展开 ## 3. §3 行列式展开
**余子式 $M_{ij}$**:划去第 $i$ 行第 $j$ 列后的 $n-1$ 阶行列式。**代数余子式**:$A_{ij}=(-1)^{i+j}M_{ij}$。 **余子式** $M_{ij}$ :划去第 $i$ 行第 $j$ 列后的 $n-1$ 阶行列式。**代数余子式**:$A_{ij}=(-1)^{i+j}M_{ij}$ 。
**展开公式**:按第 $i$ 行展开 $\det A=\sum_{j=1}^n a_{ij}A_{ij}$ (按列同理);**错位展开为零**:$\sum a_{ij}A_{kj}=0$ ($i\ne k$ ,用另一行的元素展开到本行代数余子式必为 0)——这是**代数余子式线性组合题**的基础:把系数当作某行的元素构新行列式。 **展开公式**:按第 $i$ 行展开 $\det A=\sum_{j=1}^n a_{ij}A_{ij}$ (按列同理);**错位展开为零**:$\sum a_{ij}A_{kj}=0$ ($i\ne k$ ,用另一行的元素展开到本行代数余子式必为 0)——这是**代数余子式线性组合题**的基础:把系数当作某行的元素构新行列式。
@@ -78,7 +78,7 @@ $A^{\mathrm T}$ 把第 $i$ 行变第 $i$ 列。唯一要警惕:**$(AB)^{\mathr
### 考点 2.6 方阵行列式三条性质 ### 考点 2.6 方阵行列式三条性质
$\lvert AB\rvert=\lvert A\rvert\lvert B\rvert=\lvert BA\rvert$;$\lvert A^{\mathrm T}\rvert=\lvert A\rvert$;**$\lvert kA\rvert=k^n\lvert A\rvert$**;**没有** $\lvert A+B\rvert=\lvert A\rvert+\lvert B\rvert$。 $\lvert AB\rvert=\lvert A\rvert\lvert B\rvert=\lvert BA\rvert$ ;$\lvert A^{\mathrm T}\rvert=\lvert A\rvert$ ;$\lvert kA\rvert=k^n\lvert A\rvert$ ;**没有** $\lvert A+B\rvert=\lvert A\rvert+\lvert B\rvert$ 。
**题目** **题目**
- **题 8 · 2.6 行列式三条性质的数值核对(★★☆)**:设 $A=\begin{pmatrix}1&2\\3&4\end{pmatrix}$ ,$B=\begin{pmatrix}0&1\\1&0\end{pmatrix}$ 。(Ⅰ)验证 $\lvert AB\rvert=\lvert A\rvert\lvert B\rvert$ ;(Ⅱ)求 $\lvert 2A\rvert$ ,说明它为什么不是 $2\lvert A\rvert$ ;(Ⅲ)取 $A=B=E_2$ ,比较 $\lvert A+B\rvert$ 与 $\lvert A\rvert+\lvert B\rvert$ 。 - **题 8 · 2.6 行列式三条性质的数值核对(★★☆)**:设 $A=\begin{pmatrix}1&2\\3&4\end{pmatrix}$ ,$B=\begin{pmatrix}0&1\\1&0\end{pmatrix}$ 。(Ⅰ)验证 $\lvert AB\rvert=\lvert A\rvert\lvert B\rvert$ ;(Ⅱ)求 $\lvert 2A\rvert$ ,说明它为什么不是 $2\lvert A\rvert$ ;(Ⅲ)取 $A=B=E_2$ ,比较 $\lvert A+B\rvert$ 与 $\lvert A\rvert+\lvert B\rvert$ 。
@@ -104,7 +104,7 @@ $\lvert AB\rvert=\lvert A\rvert\lvert B\rvert=\lvert BA\rvert$;$\lvert A^{\mat
## 2. 点 2 · 逆矩阵与矩阵方程 ## 2. 点 2 · 逆矩阵与矩阵方程
> 出处:知识章 `matrix.tex §3` | 练习章 `matrix.tex §3、§6`|题目:在学练习 `03-点2`(8 题)。真题锚点:2017·5、2022·5、2022·15。红线:**证明可逆之前不得预先使用 $A^{-1}$**。 > 出处:知识章 `matrix.tex §3` | 练习章 `matrix.tex §3、§6`|题目:在学练习 `03-点2`(8 题)。真题锚点:2017·5、2022·5、2022·15。红线:**证明可逆之前不得预先使用** $A^{-1}$ 。
### 考点 3.1 定义与可逆三条件 ### 考点 3.1 定义与可逆三条件
@@ -295,9 +295,9 @@ $M=\begin{pmatrix}A&C\\O&B\end{pmatrix}$($A,B$ 可逆)$\Rightarrow M^{-1}=\b
### 考点 2.8.3 分块秩 ### 考点 2.8.3 分块秩
- **分块对角**:$r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B)$;**上三角只有 $\ge r(A)+r(B)$**(反例 $A=B=O$、$C\ne O$)。 - **分块对角**:$r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B)$ ;**上三角只有** $\ge r(A)+r(B)$ (反例 $A=B=O$ 、$C\ne O$ )。
- **两个标准消元**:$\begin{pmatrix}A&A\\A&A\end{pmatrix}$ 行减行、列减列后秩 $=r(A)$ ;$\begin{pmatrix}O&A\\A&O\end{pmatrix}$ 交换块行后秩 $=2r(A)$ 。 - **两个标准消元**:$\begin{pmatrix}A&A\\A&A\end{pmatrix}$ 行减行、列减列后秩 $=r(A)$ ;$\begin{pmatrix}O&A\\A&O\end{pmatrix}$ 交换块行后秩 $=2r(A)$ 。
- **$S^{-1}MS$ 化对角**:$M=\begin{pmatrix}A&B\\B&A\end{pmatrix}$,$S=\begin{pmatrix}E&E\\E&-E\end{pmatrix}$,$S^{-1}=\frac12S$,$r(M)=r(A+B)+r(A-B)$——**无须 $AB=BA$**。 - **$S^{-1}MS$ 化对角**:$M=\begin{pmatrix}A&B\\B&A\end{pmatrix}$ ,$S=\begin{pmatrix}E&E\\E&-E\end{pmatrix}$ ,$S^{-1}=\frac12S$ ,$r(M)=r(A+B)+r(A-B)$ ——**无须** $AB=BA$ 。
- **一般消元**:左上块 $A$ 可逆时,行减 $CA^{-1}$ 乘上行、列减左列乘 $A^{-1}B$ ,秩 $=r(A)+r(D-CA^{-1}B)$ 。**可逆的是消元矩阵,与被消块是否可逆无关**。 - **一般消元**:左上块 $A$ 可逆时,行减 $CA^{-1}$ 乘上行、列减左列乘 $A^{-1}B$ ,秩 $=r(A)+r(D-CA^{-1}B)$ 。**可逆的是消元矩阵,与被消块是否可逆无关**。
**题目** **题目**
@@ -345,7 +345,7 @@ $M=\begin{pmatrix}A&C\\O&B\end{pmatrix}$($A,B$ 可逆)$\Rightarrow M^{-1}=\b
| ③ 分块消元 | 左上角取 $E$ ,左乘行变换、右乘列变换 | 一切分块秩恒等式 | | ③ 分块消元 | 左上角取 $E$ ,左乘行变换、右乘列变换 | 一切分块秩恒等式 |
| ④ 凑乘积证可逆 | 整理成 $XY=kE$ ,$k\ne0$ | 抽象可逆判定与求逆 | | ④ 凑乘积证可逆 | 整理成 $XY=kE$ ,$k\ne0$ | 抽象可逆判定与求逆 |
铁律:**只写一个方向的秩不等式不能宣布等号**;**证明可逆前不得写 $A^{-1}$**;**系数 $k\ne0$ 必须交代**。 铁律:**只写一个方向的秩不等式不能宣布等号**;**证明可逆前不得写** $A^{-1}$ ;**系数 $k\ne0$ 必须交代**。
**题目** **题目**
- **题 1 · 8.1 幂等矩阵的秩和(★★★)**:【2025·7 知识块骨架】$A^2=A$ 。证明 $r(A)+r(E-A)=n$ ,分别写出上界与下界。 - **题 1 · 8.1 幂等矩阵的秩和(★★★)**:【2025·7 知识块骨架】$A^2=A$ 。证明 $r(A)+r(E-A)=n$ ,分别写出上界与下界。
@@ -14,7 +14,7 @@ tags: [数学一, 知识点构建, 背诵版, 线性代数, 向量]
## 0. 本讲骨架(先背这张图) ## 0. 本讲骨架(先背这张图)
**一句话**:判断向量组相关性只比两个数——**$r(A)$ 与 $s$**(个数),不是与 $n$(维数);所有判据都落在"能算秩就用秩"上。 **一句话**:判断向量组相关性只比两个数——**$r(A)$ 与** $s$ (个数),不是与 $n$ (维数);所有判据都落在"能算秩就用秩"上。
**真题地位**:真题库第 11 章,近十年 **8 题 44 分**,**每年必有一道解答题**。锚点:线性相关性 2024·6;秩与极大无关组 2017·13;线性表示 2020·6;向量组等价 2022·7;基坐标过渡矩阵 2019·20(**11 分**);内积施密特 2021·6、2023·15(**10 分**);子空间和与交 2023·7。 **真题地位**:真题库第 11 章,近十年 **8 题 44 分**,**每年必有一道解答题**。锚点:线性相关性 2024·6;秩与极大无关组 2017·13;线性表示 2020·6;向量组等价 2022·7;基坐标过渡矩阵 2019·20(**11 分**);内积施密特 2021·6、2023·15(**10 分**);子空间和与交 2023·7。
@@ -55,13 +55,13 @@ $n$ 维向量按列用;运算只有加法与数乘(**没有向量乘法**,
|---|---|---|---| |---|---|---|---|
| ① | 定义 | 任意 | 找得到非平凡零组合 ⟺ 相关 | | ① | 定义 | 任意 | 找得到非平凡零组合 ⟺ 相关 |
| ② | **秩判据(最通用)** | 任意 | $r(A)<s$ 相关;$r(A)=s$ 无关 | | ② | **秩判据(最通用)** | 任意 | $r(A)<s$ 相关;$r(A)=s$ 无关 |
| ③ | 行列式 | **仅 $s=n$** | $\lvert A\rvert=0$ 相关;$\ne0$ 无关 | | ③ | 行列式 | **仅** $s=n$ | $\lvert A\rvert=0$ 相关;$\ne0$ 无关 |
| ④ | 表示判据 | $s\ge2$ | 相关 ⟺ **至少有一个**向量可由其余表示(不是"每一个") | | ④ | 表示判据 | $s\ge2$ | 相关 ⟺ **至少有一个**向量可由其余表示(不是"每一个") |
| ⑤ | 以少表多 | $\alpha$ 可由 $\beta$ 表出 | $s>t$ ⟹ $\alpha$ 组**必相关** | | ⑤ | 以少表多 | $\alpha$ 可由 $\beta$ 表出 | $s>t$ ⟹ $\alpha$ 组**必相关** |
| ⑥ | 部分与整体 | 任意 | 部分相关 ⟹ 整体相关;整体无关 ⟹ 部分无关 | | ⑥ | 部分与整体 | 任意 | 部分相关 ⟹ 整体相关;整体无关 ⟹ 部分无关 |
| ⑦ | 延长/缩短 | 任意 | 无关 ⟹ 加分量仍无关;相关 ⟹ 去分量仍相关("无关能加长,相关能缩短") | | ⑦ | 延长/缩短 | 任意 | 无关 ⟹ 加分量仍无关;相关 ⟹ 去分量仍相关("无关能加长,相关能缩短") |
关键:**判断相关性比的是 $r(A)$ 与 $s$**(不是 $n$);判②是万能钥匙——能算秩就用它。判④误读陷阱:"至少有一个",不是"每一个"($\alpha_1=(1,0),\alpha_2=(2,0),\alpha_3=(0,1)$ 相关但 $\alpha_3$ 表不出)。 关键:**判断相关性比的是 $r(A)$ 与** $s$ (不是 $n$ );判②是万能钥匙——能算秩就用它。判④误读陷阱:"至少有一个",不是"每一个"($\alpha_1=(1,0),\alpha_2=(2,0),\alpha_3=(0,1)$ 相关但 $\alpha_3$ 表不出)。
**题目** **题目**
- **题 1 · 定义与特例直接判相关性(★☆☆)**:设 $\alpha_1=(1,1,1)^{\mathrm T}$ ,$\alpha_2=(2,2,2)^{\mathrm T}$ ,$\alpha_3=(0,0,0)^{\mathrm T}$ ,$\alpha_4=(1,0,0)^{\mathrm T}$ 。(Ⅰ)逐一判断 $\alpha_1,\alpha_2$ 、$\alpha_1,\alpha_3$ 、$\alpha_4$ 的相关性;(Ⅱ)$5$ 个四维向量是否必相关?说明理由。 - **题 1 · 定义与特例直接判相关性(★☆☆)**:设 $\alpha_1=(1,1,1)^{\mathrm T}$ ,$\alpha_2=(2,2,2)^{\mathrm T}$ ,$\alpha_3=(0,0,0)^{\mathrm T}$ ,$\alpha_4=(1,0,0)^{\mathrm T}$ 。(Ⅰ)逐一判断 $\alpha_1,\alpha_2$ 、$\alpha_1,\alpha_3$ 、$\alpha_4$ 的相关性;(Ⅱ)$5$ 个四维向量是否必相关?说明理由。
@@ -167,7 +167,7 @@ $\alpha=(\xi_1,\dots,\xi_n)\binom{x_1}{\vdots}{x_n}$,$(x_1,\dots,x_n)^{\mathrm
### 考点 5.4 基变换与坐标变换(方向相反,本节唯一的坑) ### 考点 5.4 基变换与坐标变换(方向相反,本节唯一的坑)
$(\eta_1,\dots,\eta_n)=(\xi_1,\dots,\xi_n)C$,$C$ 是从 $\xi$ 到 $\eta$ 的过渡矩阵。三结论:① **$C$ 可逆**,第 $j$ 列就是 $\eta_j$ 在旧基下的坐标——从标准基出发时过渡矩阵就是把新基按列排(白送);② **坐标变换公式**:$x_{\rm old}=C\,x_{\rm new}$(新坐标求旧坐标**乘 $C$**,旧坐标求新坐标**解 $Cx$**);③ 反方向过渡矩阵是 $C^{-1}$,**两个方向互为逆**。记忆锚点:"基乘 $C$,坐标反过来"。 $(\eta_1,\dots,\eta_n)=(\xi_1,\dots,\xi_n)C$ ,$C$ 是从 $\xi$ 到 $\eta$ 的过渡矩阵。三结论:① **$C$ 可逆**,第 $j$ 列就是 $\eta_j$ 在旧基下的坐标——从标准基出发时过渡矩阵就是把新基按列排(白送);② **坐标变换公式**:$x_{\rm old}=C\,x_{\rm new}$ (新坐标求旧坐标**乘** $C$ ,旧坐标求新坐标**解** $Cx$ );③ 反方向过渡矩阵是 $C^{-1}$ ,**两个方向互为逆**。记忆锚点:"基乘 $C$ ,坐标反过来"。
**题目** **题目**
- **题 1 · 5.1 哪些是基(★☆☆)**:判断下列各组是否为 $\mathbb{R}^3$ 的基并说明理由:(1)$(1,0,0)^{\mathrm T}$ ,$(0,1,0)^{\mathrm T}$ ,$(1,1,1)^{\mathrm T}$ ;(2)$(1,1,0)^{\mathrm T}$ ,$(2,2,0)^{\mathrm T}$ ;(3)$(1,0,0)^{\mathrm T}$ ,$(0,1,0)^{\mathrm T}$ ,$(1,1,0)^{\mathrm T}$ ;(4)$(1,0,0)^{\mathrm T}$ ,$(0,1,0)^{\mathrm T}$ ,$(0,0,1)^{\mathrm T}$ 。 - **题 1 · 5.1 哪些是基(★☆☆)**:判断下列各组是否为 $\mathbb{R}^3$ 的基并说明理由:(1)$(1,0,0)^{\mathrm T}$ ,$(0,1,0)^{\mathrm T}$ ,$(1,1,1)^{\mathrm T}$ ;(2)$(1,1,0)^{\mathrm T}$ ,$(2,2,0)^{\mathrm T}$ ;(3)$(1,0,0)^{\mathrm T}$ ,$(0,1,0)^{\mathrm T}$ ,$(1,1,0)^{\mathrm T}$ ;(4)$(1,0,0)^{\mathrm T}$ ,$(0,1,0)^{\mathrm T}$ ,$(0,0,1)^{\mathrm T}$ 。
@@ -55,7 +55,7 @@ tags: [数学一, 知识点构建, 背诵版, 线性代数, 线性方程组]
### 考点 1.3 自由未知量与主元未知量 ### 考点 1.3 自由未知量与主元未知量
主元未知量由自由未知量唯一确定;自由未知量可任意取值,**个数 $=n-r(A)$**(几何上就是解集维数,第 5 讲是特征子空间维数 $n-r(\lambda E-A)$)。规范取法:自由未知量依次取「一个为 1、其余为 0」——自动线性无关(自由分量位置是单位阵)。 主元未知量由自由未知量唯一确定;自由未知量可任意取值,**个数** $=n-r(A)$ (几何上就是解集维数,第 5 讲是特征子空间维数 $n-r(\lambda E-A)$ )。规范取法:自由未知量依次取「一个为 1、其余为 0」——自动线性无关(自由分量位置是单位阵)。
### 考点 1.4 行阶梯形与行最简形 ### 考点 1.4 行阶梯形与行最简形
@@ -79,11 +79,11 @@ tags: [数学一, 知识点构建, 背诵版, 线性代数, 线性方程组]
### 考点 2.1 齐次方程组与解空间 ### 考点 2.1 齐次方程组与解空间
齐次就是 $b=0$,零向量永远是解:$Ax=0$ **只有零解 $\iff r(A)=n$**;有非零解 $\iff r(A)<n$。解空间 $N(A)$ 是 $\mathbb R^n$ 子空间,$\dim N(A)=n-r(A)$。只有零解时基础解系为空集,**零向量不能当基础解系成员**。「有解」对齐次是废话(永远成立)。 齐次就是 $b=0$ ,零向量永远是解:$Ax=0$ **只有零解** $\iff r(A)=n$ ;有非零解 $\iff r(A)<n$ 。解空间 $N(A)$ 是 $\mathbb R^n$ 子空间,$\dim N(A)=n-r(A)$ 。只有零解时基础解系为空集,**零向量不能当基础解系成员**。「有解」对齐次是废话(永远成立)。
### 考点 2.2 基础解系的定义(三款) ### 考点 2.2 基础解系的定义(三款)
① 每个 $\xi_i$ 都是解;② 线性无关;③ **任一**解都能由它们表示。一句话:**能生成全部齐次解、又没有冗余的一组解向量**。判「是不是基础解系」只查两件事:**个数是否等于 $n-r$**、**是否无关**;个数多了必然相关,一票否决。 ① 每个 $\xi_i$ 都是解;② 线性无关;③ **任一**解都能由它们表示。一句话:**能生成全部齐次解、又没有冗余的一组解向量**。判「是不是基础解系」只查两件事:**个数是否等于** $n-r$ 、**是否无关**;个数多了必然相关,一票否决。
### 考点 2.3 基础解系的求法(四步) ### 考点 2.3 基础解系的求法(四步)
@@ -153,7 +153,7 @@ $m\ne n$ 不能算行列式,只能消元,逐个参数值比较秩。**参数
**题目** **题目**
- **题 1 · 4.1 三阶对称含参三分类与通解(★★☆)**:$\begin{cases}ax+y+z=1\\x+ay+z=1\\x+y+az=a\end{cases}$ :有唯一解、无解、无穷多解(并写通解)分别对应 $a$ 何值($|A|=(a-1)^2(a+2)$ ,$a=1$ 无解、$a=-2$ 无穷多)。 - **题 1 · 4.1 三阶对称含参三分类与通解(★★☆)**:$\begin{cases}ax+y+z=1\\x+ay+z=1\\x+y+az=a\end{cases}$ :有唯一解、无解、无穷多解(并写通解)分别对应 $a$ 何值($|A|=(a-1)^2(a+2)$ ,$a=1$ 无解、$a=-2$ 无穷多)。
- **题 2 · 4.1 由三个线性无关解反求两个参数(★★★)**【张宇 4-07 骨架】:$\begin{cases}x_2+x_3+2x_4=1\\x_1+2x_2+x_3+3x_4=3\\2x_1+5x_2+3x_3+kx_4=t\end{cases}$ 恰有 **3 个线性无关解**。(Ⅰ)求 $k,t$(**$m$ 个线性无关解 $\Rightarrow$ 秩的上界 $n-m+1$**,上下夹出 $r(A)=2$,第 3 行与右端用同一组系数);(Ⅱ)求通解;(Ⅲ)求 $A^{\mathrm T}Ax=0$ 的通解(与 $Ax=0$ 同解,不含特解)。 - **题 2 · 4.1 由三个线性无关解反求两个参数(★★★)**【张宇 4-07 骨架】:$\begin{cases}x_2+x_3+2x_4=1\\x_1+2x_2+x_3+3x_4=3\\2x_1+5x_2+3x_3+kx_4=t\end{cases}$ 恰有 **3 个线性无关解**。(Ⅰ)求 $k,t$ (**$m$ 个线性无关解 $\Rightarrow$ 秩的上界** $n-m+1$ ,上下夹出 $r(A)=2$ ,第 3 行与右端用同一组系数);(Ⅱ)求通解;(Ⅲ)求 $A^{\mathrm T}Ax=0$ 的通解(与 $Ax=0$ 同解,不含特解)。
- **题 3 · 4.2 参数藏在右端时的三分类(★★★)**【张宇 4-10 骨架】:$A=\begin{pmatrix}1&1&-1\\-1&-2&1\\1&-1&-1\end{pmatrix}$ ,$\beta_1=(2,1,3)^{\mathrm T}$ 、$\beta_2=(1,3,-1)^{\mathrm T}$ 。讨论 $k$ 何值时 $Ax=k\beta_1+\beta_2$ 有解,有解时写通解($r(A)=2$ 常数,判据退化成 $k=-2$ 一行)。 - **题 3 · 4.2 参数藏在右端时的三分类(★★★)**【张宇 4-10 骨架】:$A=\begin{pmatrix}1&1&-1\\-1&-2&1\\1&-1&-1\end{pmatrix}$ ,$\beta_1=(2,1,3)^{\mathrm T}$ 、$\beta_2=(1,3,-1)^{\mathrm T}$ 。讨论 $k$ 何值时 $Ax=k\beta_1+\beta_2$ 有解,有解时写通解($r(A)=2$ 常数,判据退化成 $k=-2$ 一行)。
- **题 4 · 4.2 非方阵骨架的双参数讨论(★★★)**:$\begin{cases}x_1+x_2+x_3=1\\x_1+2x_2+ax_3=3\\x_1+4x_2+a^2x_3=c\end{cases}$ (Ⅰ)$a$ 何值有唯一解?(Ⅱ)$a=1$ 与 $a=2$ 时 $c$ 分别取何值有解并求通解(两个根相容条件都是 $c=7$ ,但齐次方向不同——**秩相同不等于解集相同**)。 - **题 4 · 4.2 非方阵骨架的双参数讨论(★★★)**:$\begin{cases}x_1+x_2+x_3=1\\x_1+2x_2+ax_3=3\\x_1+4x_2+a^2x_3=c\end{cases}$ (Ⅰ)$a$ 何值有唯一解?(Ⅱ)$a=1$ 与 $a=2$ 时 $c$ 分别取何值有解并求通解(两个根相容条件都是 $c=7$ ,但齐次方向不同——**秩相同不等于解集相同**)。
- **题 5 · 4.3 三个参数,分区写规范(★★★)**:$\begin{cases}x_1+x_2+x_3=1\\x_1+ax_2+x_3=2\\x_1+x_2+bx_3=c\end{cases}$ (Ⅰ)就 $a,b,c$ 讨论解的情况($|A|=(a-1)(b-1)$ ,三层嵌套:非根→逐根→根内看右端);(Ⅱ)求 $a=2,b=1,c=1$ 时的通解。 - **题 5 · 4.3 三个参数,分区写规范(★★★)**:$\begin{cases}x_1+x_2+x_3=1\\x_1+ax_2+x_3=2\\x_1+x_2+bx_3=c\end{cases}$ (Ⅰ)就 $a,b,c$ 讨论解的情况($|A|=(a-1)(b-1)$ ,三层嵌套:非根→逐根→根内看右端);(Ⅱ)求 $a=2,b=1,c=1$ 时的通解。
@@ -164,7 +164,7 @@ $m\ne n$ 不能算行列式,只能消元,逐个参数值比较秩。**参数
### 考点 5.1 三元方程与平面 ### 考点 5.1 三元方程与平面
$a_ix+b_iy+c_iz=d_i$ 表示平面,**前提 $(a_i,b_i,c_i)\ne(0,0,0)$**;三平面联立 = 求公共点;法向量 $n_i=(a_i,b_i,c_i)$。**解集维数 $=n-r(A)$**:$0$ 是点、$1$ 是直线、$2$ 是平面。 $a_ix+b_iy+c_iz=d_i$ 表示平面,**前提** $(a_i,b_i,c_i)\ne(0,0,0)$ ;三平面联立 = 求公共点;法向量 $n_i=(a_i,b_i,c_i)$ 。**解集维数** $=n-r(A)$ :$0$ 是点、$1$ 是直线、$2$ 是平面。
### 考点 5.2 三平面位置关系表 ### 考点 5.2 三平面位置关系表
@@ -200,7 +200,7 @@ $a_ix+b_iy+c_iz=d_i$ 表示平面,**前提 $(a_i,b_i,c_i)\ne(0,0,0)$**;三
$$Ax=0\ \text{与}\ Bx=0\ \text{同解}\iff r(A)=r(B)=r\binom{A}{B}.$$ $$Ax=0\ \text{与}\ Bx=0\ \text{同解}\iff r(A)=r(B)=r\binom{A}{B}.$$
**为什么不能只比 $r(A)=r(B)$**:两个不同方向的直线都是一维,但不是同一条直线。增方程只会让解集变小:**「增方程解集不变」$\iff$ 新行落在原行空间 $\iff$ 新行与基础解系正交**(参数完全自由必须写出来)。核心口诀:**$Ax=0$ 看行空间,$A^{\mathrm T}x=0$ 看列空间**——向量组等价 $\Rightarrow$ 列空间相同 $\Rightarrow$ $A^{\mathrm T}x=0$ 同解,但推不出 $Ax=0$ 同解。 **为什么不能只比** $r(A)=r(B)$ :两个不同方向的直线都是一维,但不是同一条直线。增方程只会让解集变小:**「增方程解集不变」$\iff$ 新行落在原行空间 $\iff$ 新行与基础解系正交**(参数完全自由必须写出来)。核心口诀:**$Ax=0$ 看行空间,$A^{\mathrm T}x=0$ 看列空间**——向量组等价 $\Rightarrow$ 列空间相同 $\Rightarrow$ $A^{\mathrm T}x=0$ 同解,但推不出 $Ax=0$ 同解。
### 考点 6.2 非齐次同解 ### 考点 6.2 非齐次同解
@@ -228,11 +228,11 @@ $AX=B\iff Ax_j=b_j$($j=1,\dots,s$)。**判据**:每一列都相容才有
### 考点 7.2 转置与左乘型 ### 考点 7.2 转置与左乘型
$XA=B\iff A^{\mathrm T}X^{\mathrm T}=B^{\mathrm T}$,判据 $r(A)=r\binom{A}{B}$(**上下拼接**)。**记忆:$AX=B$ 看左右拼接,$XA=B$ 看上下拼接,方向一错全错**。直观:$XA=B$ 的每一行落在 $A$ 的行空间里。两侧都奇异时**不能写 $X=A^{-1}CB^{-1}$**,先看形状:$AXB$ 的像空间结构(行塌缩+列塌缩),$C$ 必须落在「$A$ 的列空间 $\otimes$ $B$ 的行空间」里。 $XA=B\iff A^{\mathrm T}X^{\mathrm T}=B^{\mathrm T}$ ,判据 $r(A)=r\binom{A}{B}$ (**上下拼接**)。**记忆:$AX=B$ 看左右拼接,$XA=B$ 看上下拼接,方向一错全错**。直观:$XA=B$ 的每一行落在 $A$ 的行空间里。两侧都奇异时**不能写** $X=A^{-1}CB^{-1}$ ,先看形状:$AXB$ 的像空间结构(行塌缩+列塌缩),$C$ 必须落在「$A$ 的列空间 $\otimes$ $B$ 的行空间」里。
### 考点 7.3 可逆系数矩阵 ### 考点 7.3 可逆系数矩阵
$AXB=C$ 唯一解 $X=A^{-1}CB^{-1}$——要求可逆的是**两侧系数矩阵** $A,B$,**不是右端 $C$**;顺序不能换。右端是 $A,B$ 的组合时,答案一定是 $A^{-1},B^{-1}$ 的组合,**先写结构后代数值**($A^{-1}(A+B)B^{-1}=B^{-1}+A^{-1}$,$A^{-1}$ 在后、$B^{-1}$ 在前)。 $AXB=C$ 唯一解 $X=A^{-1}CB^{-1}$ ——要求可逆的是**两侧系数矩阵** $A,B$ ,**不是右端** $C$ ;顺序不能换。右端是 $A,B$ 的组合时,答案一定是 $A^{-1},B^{-1}$ 的组合,**先写结构后代数值**($A^{-1}(A+B)B^{-1}=B^{-1}+A^{-1}$ ,$A^{-1}$ 在后、$B^{-1}$ 在前)。
**题目** **题目**
- **题 1 · 7.1 矩阵方程按列拆(★★☆)**:$A=\begin{pmatrix}1&2\\2&1\\1&1\end{pmatrix}$ ,$B=\begin{pmatrix}3&0\\3&3\\2&1\end{pmatrix}$ 。(Ⅰ)验证 $AX=B$ 有解并求 $X$ ;(Ⅱ)把 $B$ 第 2 列换成 $(3,1,2)^{\mathrm T}$ 方程是否还有解?为什么? - **题 1 · 7.1 矩阵方程按列拆(★★☆)**:$A=\begin{pmatrix}1&2\\2&1\\1&1\end{pmatrix}$ ,$B=\begin{pmatrix}3&0\\3&3\\2&1\end{pmatrix}$ 。(Ⅰ)验证 $AX=B$ 有解并求 $X$ ;(Ⅱ)把 $B$ 第 2 列换成 $(3,1,2)^{\mathrm T}$ 方程是否还有解?为什么?
@@ -247,22 +247,22 @@ $AXB=C$ 唯一解 $X=A^{-1}CB^{-1}$——要求可逆的是**两侧系数矩阵*
### 考点 8.1 克拉默法则 ### 考点 8.1 克拉默法则
$n$ 个方程 $n$ 个未知量且 $D=|A|\ne0$ 时 $x_j=\frac{D_j}{D}$($D_j$:把第 $j$ 列换成 $b$)。**四道限制**:方阵、$|A|\ne0$、只适合低阶($n+1$ 个行列式)、$D=0$ 回到消元。**齐次推论**:$Ax=0$($n$ 方程 $n$ 未知)有非零解 $\iff|A|=0$。**「行和为 $k$」是本讲最强翻译:$Ae=ke$**——$e$ 是特征向量,$Ax=e$ 的解立刻是 $\frac1k e$。 $n$ 个方程 $n$ 个未知量且 $D=|A|\ne0$ 时 $x_j=\frac{D_j}{D}$ ($D_j$ :把第 $j$ 列换成 $b$ )。**四道限制**:方阵、$|A|\ne0$ 、只适合低阶($n+1$ 个行列式)、$D=0$ 回到消元。**齐次推论**:$Ax=0$ ($n$ 方程 $n$ 未知)有非零解 $\iff|A|=0$ 。**「行和为 $k$ 」是本讲最强翻译:** $Ae=ke$ ——$e$ 是特征向量,$Ax=e$ 的解立刻是 $\frac1k e$ 。
### 考点 8.2 抽象证明四个模板 ### 考点 8.2 抽象证明四个模板
| 要证 | 起手式 | 关键一步 | | 要证 | 起手式 | 关键一步 |
|---|---|---| |---|---|---|
| 某向量是解 | 直接算 $A(\cdot)$ | 展开成已知解的组合 | | 某向量是解 | 直接算 $A(\cdot)$ | 展开成已知解的组合 |
| 解向量组无关 | 设 $\sum k_ix_i=0$ | **两边左乘 $A$**,用 $b\ne0$ 分步逼零 | | 解向量组无关 | 设 $\sum k_ix_i=0$ | **两边左乘** $A$ ,用 $b\ne0$ 分步逼零 |
| 同解 | 双向包含 | 一边用 $r\binom{A}{B}=r(A)$ | | 同解 | 双向包含 | 一边用 $r\binom{A}{B}=r(A)$ |
| 有解的条件 | 秩比较 | $r(A)=r(A\mid b)$ | | 有解的条件 | 秩比较 | $r(A)=r(A\mid b)$ |
**「设 $\sum k_ix_i=0$ 后左乘 $A$」是最有用的动作**。$AB=O$ 三件套(背这一句「$\mathrm{col}(B)\subseteq\ker A$」不背结论):① $r(A)+r(B)\le n$;② $A$ 列满秩 $\Rightarrow B=O$;③ $A^2=A\Rightarrow r(A)+r(A-E)=n$(零乘积给上界 $+$ 可逆和给下界夹逼)。幂零:$A^2=O\Rightarrow r(A)\le n/2$;非齐次**线性无关解最大个数 $=n-r(A)+1$**($+1$ 是特解那一维,最容易漏)。 **「设 $\sum k_ix_i=0$ 后左乘 $A$ 」是最有用的动作**。$AB=O$ 三件套(背这一句「$\mathrm{col}(B)\subseteq\ker A$ 」不背结论):① $r(A)+r(B)\le n$ ;② $A$ 列满秩 $\Rightarrow B=O$ ;③ $A^2=A\Rightarrow r(A)+r(A-E)=n$ (零乘积给上界 $+$ 可逆和给下界夹逼)。幂零:$A^2=O\Rightarrow r(A)\le n/2$ ;非齐次**线性无关解最大个数** $=n-r(A)+1$ ($+1$ 是特解那一维,最容易漏)。
**题目** **题目**
- **题 1 · 8.1 三阶方程组走一遍克拉默(★★☆)**:用克拉默法则解 $\begin{cases}2x_1+x_2+x_3=4\\x_1+2x_2+x_3=3\\x_1+x_2+3x_3=7\end{cases}$ 。 - **题 1 · 8.1 三阶方程组走一遍克拉默(★★☆)**:用克拉默法则解 $\begin{cases}2x_1+x_2+x_3=4\\x_1+2x_2+x_3=3\\x_1+x_2+3x_3=7\end{cases}$ 。
- **题 2 · 8.1 用克拉默法则证明「行和」这件事(★★★)**:$A$ 是 3 阶可逆矩阵,**每行元素之和都等于 $k\ne0$**,$b=(1,1,1)^{\mathrm T}$。(Ⅰ)用克拉默证明 $x_1=x_2=x_3=\frac1k$;(Ⅱ)求 $D_1+D_2+D_3$ 与 $D=|A|$ 的关系($D_i=\frac Dk$,于是 $D_1+D_2+D_3=\frac{3D}{k}$)。 - **题 2 · 8.1 用克拉默法则证明「行和」这件事(★★★)**:$A$ 是 3 阶可逆矩阵,**每行元素之和都等于** $k\ne0$ ,$b=(1,1,1)^{\mathrm T}$ 。(Ⅰ)用克拉默证明 $x_1=x_2=x_3=\frac1k$ ;(Ⅱ)求 $D_1+D_2+D_3$ 与 $D=|A|$ 的关系($D_i=\frac Dk$ ,于是 $D_1+D_2+D_3=\frac{3D}{k}$ )。
- **题 3 · 8.2 行和与零空间,反求整个矩阵(★★★)**【张宇 4-11 骨架】:$A$ 是 3 阶矩阵,**每行元素之和为 3**,$Ax=0$ 通解为 $k_1(1,2,-2)^{\mathrm T}+k_2(2,1,2)^{\mathrm T}$ ,$\alpha=(1,1,1)^{\mathrm T}$ 。(Ⅰ)证明任意 $\beta$ 使 $A\beta$ 与 $\alpha$ 线性相关(三句话:行和→特征向量;零空间→秩 1;秩 1→$A=uv^{\mathrm T}$ );(Ⅱ)$\beta=(3,6,-3)^{\mathrm T}$ 时求 $A\beta$ ;(Ⅲ)求 $A$ 。 - **题 3 · 8.2 行和与零空间,反求整个矩阵(★★★)**【张宇 4-11 骨架】:$A$ 是 3 阶矩阵,**每行元素之和为 3**,$Ax=0$ 通解为 $k_1(1,2,-2)^{\mathrm T}+k_2(2,1,2)^{\mathrm T}$ ,$\alpha=(1,1,1)^{\mathrm T}$ 。(Ⅰ)证明任意 $\beta$ 使 $A\beta$ 与 $\alpha$ 线性相关(三句话:行和→特征向量;零空间→秩 1;秩 1→$A=uv^{\mathrm T}$ );(Ⅱ)$\beta=(3,6,-3)^{\mathrm T}$ 时求 $A\beta$ ;(Ⅲ)求 $A$ 。
- **题 4 · 8.2 幂零矩阵能夹出多小的秩(★★★)**【张宇 4-09 骨架】:$A$ 是 3 阶**非零**矩阵,$A^2=O$ 。若 $Ax=b$ 有解,求它**线性无关解的最大个数**($r(A)=1$ ,最大个数 $=n-r+1=3$ ),并把推理推广到 $n$ 阶($r(A)\le\frac n2$ ,最大个数 $\ge\frac n2+1$ )。 - **题 4 · 8.2 幂零矩阵能夹出多小的秩(★★★)**【张宇 4-09 骨架】:$A$ 是 3 阶**非零**矩阵,$A^2=O$ 。若 $Ax=b$ 有解,求它**线性无关解的最大个数**($r(A)=1$ ,最大个数 $=n-r+1=3$ ),并把推理推广到 $n$ 阶($r(A)\le\frac n2$ ,最大个数 $\ge\frac n2+1$ )。
- **题 5 · 8.2 积为零矩阵的秩不等式与三个推论(★★★)**:$A$ 为 $m\times n$ ,$B$ 为 $n\times s$ ,$AB=O$ 。(Ⅰ)证明 $r(A)+r(B)\le n$ ;(Ⅱ)$A$ 列满秩时证明 $B=O$ ;(Ⅲ)用(Ⅰ)证明 $A^2=A\Rightarrow r(A)+r(A-E)=n$ 。 - **题 5 · 8.2 积为零矩阵的秩不等式与三个推论(★★★)**:$A$ 为 $m\times n$ ,$B$ 为 $n\times s$ ,$AB=O$ 。(Ⅰ)证明 $r(A)+r(B)\le n$ ;(Ⅱ)$A$ 列满秩时证明 $B=O$ ;(Ⅲ)用(Ⅰ)证明 $A^2=A\Rightarrow r(A)+r(A-E)=n$ 。
@@ -46,7 +46,7 @@ $A\xi=\lambda\xi$($\xi\ne0$)——$\lambda$ 是特征值(**是数**),$
### 考点 1.3 几何重数与可对角化判据 ### 考点 1.3 几何重数与可对角化判据
代数重数 $n_i$(根的重数);几何重数 $m_i=n-r(\lambda_iE-A)$(特征子空间维数 $=$ 无关特征向量最大个数)。$1\le m_i\le n_i$;**$A$ 可对角化 $\iff m_i=n_i$(对所有 $i$)$\iff\sum m_i=n$**。判定三步:求全 $n_i$ → 只对 $n_i\ge2$ 算 $r(\lambda_iE-A)$ → 有一个 $m_i<n_i$ 即不可对角化。两处易错:**① 有重根 $\ne$ 不可对角化**($\mathrm{diag}(1,1,2)$ 可对角化);**② 可对角化 $\ne$ 特征值互异**($E$ 三重特征值 1 照样对角)。「$n$ 个互异特征值 $\Rightarrow$ 可对角化」只是充分条件。判据等价写法:$r(\lambda_iE-A)=n-n_i$ 取等号才可。 代数重数 $n_i$ (根的重数);几何重数 $m_i=n-r(\lambda_iE-A)$ (特征子空间维数 $=$ 无关特征向量最大个数)。$1\le m_i\le n_i$ ;**$A$ 可对角化 $\iff m_i=n_i$ (对所有 $i$ )** $\iff\sum m_i=n$ 。判定三步:求全 $n_i$ → 只对 $n_i\ge2$ 算 $r(\lambda_iE-A)$ → 有一个 $m_i<n_i$ 即不可对角化。两处易错:**① 有重根 $\ne$ 不可对角化**($\mathrm{diag}(1,1,2)$ 可对角化);**② 可对角化 $\ne$ 特征值互异**($E$ 三重特征值 1 照样对角)。「$n$ 个互异特征值 $\Rightarrow$ 可对角化」只是充分条件。判据等价写法:$r(\lambda_iE-A)=n-n_i$ 取等号才可。
### 考点 1.4 特征向量性质 ### 考点 1.4 特征向量性质
@@ -83,11 +83,11 @@ $$\sum\lambda_i=\operatorname{tr}A,\qquad\prod\lambda_i=|A|.$$
| $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) | | $A^{\mathrm T}$ | $\lambda$ (**特征向量不同**) |
| $P^{-1}AP$ | $\lambda$ (特征向量 $P^{-1}\xi$ ) | | $P^{-1}AP$ | $\lambda$ (特征向量 $P^{-1}\xi$ ) |
最常用:**$f(A)$ 的特征值是 $f(\lambda)$**——把 $\lambda$ 代进多项式即可。$A^{\mathrm T}$ 与 $A$ 特征值相同但特征向量不同,最容易想当然。 最常用:**$f(A)$ 的特征值是** $f(\lambda)$ ——把 $\lambda$ 代进多项式即可。$A^{\mathrm T}$ 与 $A$ 特征值相同但特征向量不同,最容易想当然。
### 考点 2.3 重数与几何重数 ### 考点 2.3 重数与几何重数
$1\le m_i\le n_i$;**可对角化 $\iff$ 每个 $m_i=n_i$**。一句话:**代数重数管「应该有几个」,几何重数管「实际有几个」,缺一个就补不上**。幂等矩阵 $A^2=A$ 三件套:**特征值只能 0/1、必可对角化、$r(A)=\operatorname{tr}A=$ 1 的个数**(证明用 $A(A-E)=O$ 的秩不等式:$r(A)+r(A-E)=n$ 夹逼)。 $1\le m_i\le n_i$ ;**可对角化 $\iff$ 每个** $m_i=n_i$ 。一句话:**代数重数管「应该有几个」,几何重数管「实际有几个」,缺一个就补不上**。幂等矩阵 $A^2=A$ 三件套:**特征值只能 0/1、必可对角化、$r(A)=\operatorname{tr}A=$ 1 的个数**(证明用 $A(A-E)=O$ 的秩不等式:$r(A)+r(A-E)=n$ 夹逼)。
**题目** **题目**
- **题 1 · 2.1 由迹与行列式反求第三个特征值(★☆☆)**:三阶矩阵 $\operatorname{tr}A=6$ 、$|A|=6$ 、两个特征值 $1,2$ ,求第三个(用迹减出 3,用行列式验)。 - **题 1 · 2.1 由迹与行列式反求第三个特征值(★☆☆)**:三阶矩阵 $\operatorname{tr}A=6$ 、$|A|=6$ 、两个特征值 $1,2$ ,求第三个(用迹减出 3,用行列式验)。
@@ -112,7 +112,7 @@ $\Delta_1=a_{11}>0,\ \Delta_2>0,\ \dots,\ \Delta_n=|A|>0$ 全成立 $\iff$ 正
**题目** **题目**
- **题 1 · 4.2 顺序主子式判正定(★★☆)**:判断(Ⅰ)$f_1=x_1^2+2x_2^2+3x_3^2+2x_1x_2+2x_1x_3$ ($\Delta_1,\Delta_2,\Delta_3$ 全正 → 正定);(Ⅱ)$f_2=x_1^2+x_2^2+x_3^2+2x_1x_2$ ($\Delta_2=0$ 停手 → 不正定,实为半正定)。 - **题 1 · 4.2 顺序主子式判正定(★★☆)**:判断(Ⅰ)$f_1=x_1^2+2x_2^2+3x_3^2+2x_1x_2+2x_1x_3$ ($\Delta_1,\Delta_2,\Delta_3$ 全正 → 正定);(Ⅱ)$f_2=x_1^2+x_2^2+x_3^2+2x_1x_2$ ($\Delta_2=0$ 停手 → 不正定,实为半正定)。
- **题 2 · 4.1 五个条件的辨析(★★☆)**:三阶实对称 $A$ ,判断(Ⅰ)$A$ 正定 $\iff A\simeq E$ (对);(Ⅱ)正定 $\Rightarrow|A|>0$ (对);(Ⅲ)$|A|>0$ 且 $\operatorname{tr}A>0\Rightarrow$ 正定(**错**——反例 $\mathrm{diag}(3,-1,-1)$ );(Ⅳ)正定 $\Rightarrow A^{-1}$ 正定(对)。 - **题 2 · 4.1 五个条件的辨析(★★☆)**:三阶实对称 $A$ ,判断(Ⅰ)$A$ 正定 $\iff A\simeq E$ (对);(Ⅱ)正定 $\Rightarrow|A|>0$ (对);(Ⅲ)$|A|>0$ 且 $\operatorname{tr}A>0\Rightarrow$ 正定(**错**——反例 $\mathrm{diag}(3,-1,-1)$ );(Ⅳ)正定 $\Rightarrow A^{-1}$ 正定(对)。
- **题 3 · 4.2 含参正定求范围(★★★)**:$f=x_1^2+x_2^2+x_3^2+2ax_1x_2+2ax_1x_3+2ax_2x_3$ 正定,求 $a$ 范围(**陷阱:对角元是 1,故 $A=(1-a)E+aJ$ 非 $E+aJ$**;正解:$\Delta_1=1>0,\Delta_2=1-a^2>0,\Delta_3=(1-a)^2(1+2a)>0$,交集 $-\frac12<a<1$;特征值 $1+2a,1-a,1-a$ 两法互验)。 - **题 3 · 4.2 含参正定求范围(★★★)**:$f=x_1^2+x_2^2+x_3^2+2ax_1x_2+2ax_1x_3+2ax_2x_3$ 正定,求 $a$ 范围(**陷阱:对角元是 1,故 $A=(1-a)E+aJ$ 非** $E+aJ$ ;正解:$\Delta_1=1>0,\Delta_2=1-a^2>0,\Delta_3=(1-a)^2(1+2a)>0$ ,交集 $-\frac12<a<1$ ;特征值 $1+2a,1-a,1-a$ 两法互验)。
- **题 4 · 4.1 乘积矩阵的正定性(★★★)**【2024·15 骨架】:$A$ 为 $m\times n$ 实矩阵,证明 $A^{\mathrm T}A$ 正定 $\iff r(A)=n$ (钥匙:$x^{\mathrm T}A^{\mathrm T}Ax=\|Ax\|^2$ ——正定 ⟺「$Ax=0$ 只有零解」⟺ 列满秩)。 - **题 4 · 4.1 乘积矩阵的正定性(★★★)**【2024·15 骨架】:$A$ 为 $m\times n$ 实矩阵,证明 $A^{\mathrm T}A$ 正定 $\iff r(A)=n$ (钥匙:$x^{\mathrm T}A^{\mathrm T}Ax=\|Ax\|^2$ ——正定 ⟺「$Ax=0$ 只有零解」⟺ 列满秩)。
- **题 5 · 4.3 半正定与「所有主子式」(★★★)**:$A=\begin{pmatrix}1&1&0\\1&1&0\\0&0&-1\end{pmatrix}$ 。(Ⅰ)求顺序主子式(全 $\ge0$ )——能否据此判半正定(**不能**);(Ⅱ)用特征值判断($2,0,-1$ 含负 → 不是半正定,是不定);(Ⅲ)说明为什么半正定要「所有主子式」(顺序主子式漏掉「跳着的」子式,如 $\begin{vmatrix}1&0\\0&-1\end{vmatrix}=-1$ )。 - **题 5 · 4.3 半正定与「所有主子式」(★★★)**:$A=\begin{pmatrix}1&1&0\\1&1&0\\0&0&-1\end{pmatrix}$ 。(Ⅰ)求顺序主子式(全 $\ge0$ )——能否据此判半正定(**不能**);(Ⅱ)用特征值判断($2,0,-1$ 含负 → 不是半正定,是不定);(Ⅲ)说明为什么半正定要「所有主子式」(顺序主子式漏掉「跳着的」子式,如 $\begin{vmatrix}1&0\\0&-1\end{vmatrix}=-1$ )。
@@ -144,7 +144,7 @@ $A\simeq B\iff(p_A,q_A)=(p_B,q_B)$:分别求特征值 → 数正负 → 比较
### 考点 6.1 二次曲面与标准形 ### 考点 6.1 二次曲面与标准形
$f(x,y,z)=1$ 的形状由惯性指数决定(**只需算惯性指数,不必求 $Q$**): $f(x,y,z)=1$ 的形状由惯性指数决定(**只需算惯性指数,不必求** $Q$ ):
| $p$ | $q$ | 标准形 | 曲面 | | $p$ | $q$ | 标准形 | 曲面 |
|---|---|---|---| |---|---|---|---|
@@ -21,7 +21,7 @@ tags: [数学一, 知识点构建, 背诵版, 概率论, 随机事件, 一维随
**依赖链**:记数法 → 事件运算 → 概率公理与性质 → 条件/全概率/贝叶斯 → 独立性 → 随机变量与 $F(x)$ → 离散/连续两套语言 → 常见分布 → 函数分布。 **依赖链**:记数法 → 事件运算 → 概率公理与性质 → 条件/全概率/贝叶斯 → 独立性 → 随机变量与 $F(x)$ → 离散/连续两套语言 → 常见分布 → 函数分布。
**一条锚**:任何结论都要能回到 **$F(x)=P\{X\le x\}$ 的三性质** 与 **$\sum p_i=1$ / $\int f=1$** 去自检;算出来的概率不在 $[0,1]$ 或全积不为 1,立刻回头查。 **一条锚**:任何结论都要能回到 **$F(x)=P\{X\le x\}$ 的三性质** 与 **$\sum p_i=1$ /** $\int f=1$ 去自检;算出来的概率不在 $[0,1]$ 或全积不为 1,立刻回头查。
### 0.2 十年真题地图(sqlite:概率基础章,2016–2025) ### 0.2 十年真题地图(sqlite:概率基础章,2016–2025)
@@ -189,7 +189,7 @@ $$P(A\mid B)=P(A)\iff P(B\mid A)=P(B)\iff P(A\mid B)+P(\overline A\mid B)=1 .$$
**核心定理**:$A,B$ 独立 $\iff$ $A$ 与 $\overline B$ 独立 $\iff$ $\overline A$ 与 $B$ 独立 $\iff$ $\overline A$ 与 $\overline B$ 独立(**补事件不破坏独立性**)。 **核心定理**:$A,B$ 独立 $\iff$ $A$ 与 $\overline B$ 独立 $\iff$ $\overline A$ 与 $B$ 独立 $\iff$ $\overline A$ 与 $\overline B$ 独立(**补事件不破坏独立性**)。
> **条件**:$P(A\mid B)=P(A\mid\overline B)$ 也等价于独立,但**必须要求 $0<P(B)<1$**——否则 $\overline B$ 上无法定义条件概率。2017·7、2021·8 都在这个条件上设题。 > **条件**:$P(A\mid B)=P(A\mid\overline B)$ 也等价于独立,但**必须要求** $0<P(B)<1$ ——否则 $\overline B$ 上无法定义条件概率。2017·7、2021·8 都在这个条件上设题。
### 3.2 多个事件:两两独立 vs 相互独立 ### 3.2 多个事件:两两独立 vs 相互独立
@@ -286,7 +286,7 @@ $n$ 很大、$p$ 很小、$np=\lambda$ 适中时
$$C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}\mathrm e^{-\lambda},\qquad \lambda=np .$$ $$C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}\mathrm e^{-\lambda},\qquad \lambda=np .$$
> **$\lambda$ 永远是 $np$**,不是 $n$ 也不是 $p$。近似写法:$B(n,p)\approx P(np)$。 > **$\lambda$ 永远是** $np$ ,不是 $n$ 也不是 $p$ 。近似写法:$B(n,p)\approx P(np)$ 。
### 5.4 离散题的三种反求 ### 5.4 离散题的三种反求
@@ -300,7 +300,7 @@ $$C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}\mathrm e^{-\lambda},\qquad \lam
### 6.1 概率密度 ### 6.1 概率密度
存在 $f\ge0$ 使 $F(x)=\int_{-\infty}^{x}f(t)\,\mathrm dt$。充要条件:**$f(x)\ge0$ 且 $\int_{-\infty}^{+\infty}f(x)\,\mathrm dx=1$**。 存在 $f\ge0$ 使 $F(x)=\int_{-\infty}^{x}f(t)\,\mathrm dt$ 。充要条件:**$f(x)\ge0$ 且** $\int_{-\infty}^{+\infty}f(x)\,\mathrm dx=1$ 。
**三条推论**:① 连续点处 $F'(x)=f(x)$ ;② $P\{a<X<b\}=\int_a^bf$ (端点含不含都一样);③ **单点概率恒为 0**:$P\{X=a\}=0$ 。 **三条推论**:① 连续点处 $F'(x)=f(x)$ ;② $P\{a<X<b\}=\int_a^bf$ (端点含不含都一样);③ **单点概率恒为 0**:$P\{X=a\}=0$ 。
@@ -388,7 +388,7 @@ $$P\{Y=y\}=\sum_{i:\,g(x_i)=y}p_i .$$
- **B7 密度存在性**:算全积分是否为 1。**坑**:$f(2x)$ 少个 2;$f(2-x)$ 的换元方向($|x'|=1$ 所以对)。 - **B7 密度存在性**:算全积分是否为 1。**坑**:$f(2x)$ 少个 2;$f(2-x)$ 的换元方向($|x'|=1$ 所以对)。
- **B8 常见分布反求参数**:泊松用等式 $P\{X=k_1\}=P\{X=k_2\}$ 解 $\lambda$ ;均匀用"概率 = 长度比";二项/伯努利用"至少一次"取对立事件。 - **B8 常见分布反求参数**:泊松用等式 $P\{X=k_1\}=P\{X=k_2\}$ 解 $\lambda$ ;均匀用"概率 = 长度比";二项/伯努利用"至少一次"取对立事件。
- **B9 指数无记忆性秒杀**:$P\{X>s+t\mid X>s\}=P\{X>t\}$ ,遇到"已使用/已工作 $s$ 时间"的条件概率**直接代**,不要积分。 - **B9 指数无记忆性秒杀**:$P\{X>s+t\mid X>s\}=P\{X>t\}$ ,遇到"已使用/已工作 $s$ 时间"的条件概率**直接代**,不要积分。
- **B10 函数分布的三种出口**:单调变换 ⟹ 套 $f_Y=f_X|{\rm d}x/{\rm d}y|$;非单调 ⟹ 分布函数法分段;离散 ⟹ 映射合并。**最后一定验 $\int f_Y=1$**,防漏段。 - **B10 函数分布的三种出口**:单调变换 ⟹ 套 $f_Y=f_X|{\rm d}x/{\rm d}y|$ ;非单调 ⟹ 分布函数法分段;离散 ⟹ 映射合并。**最后一定验** $\int f_Y=1$ ,防漏段。
## 8 题目清单(31 题,纯题干) ## 8 题目清单(31 题,纯题干)
@@ -231,7 +231,7 @@ $$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2}\quad\Lo
| 场景 | 结论 | | 场景 | 结论 |
|---|---| |---|---|
| 取 $\varepsilon=k\sigma$ | $P\{\lvert X-\mu\rvert\ge k\sigma\}\le\dfrac1{k^2}$ | | 取 $\varepsilon=k\sigma$ | $P\{\lvert X-\mu\rvert\ge k\sigma\}\le\dfrac1{k^2}$ |
| 样本均值 $\overline X$ | $P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$(**分母有 $n$** ) | | 样本均值 $\overline X$ | $P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ (**分母有** $n$ ) |
| 二项 $X\sim B(n,p)$ | $P\left\{\left\lvert\frac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ | | 二项 $X\sim B(n,p)$ | $P\left\{\left\lvert\frac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ |
| 线性组合 $Z=X-Y$ | 先算 $EZ,DZ$ 再代 | | 线性组合 $Z=X-Y$ | 先算 $EZ,DZ$ 再代 |
@@ -244,7 +244,7 @@ $$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2}\quad\Lo
- **B3 期望不存在的判断**:算 $\int\lvert x\rvert f\,\mathrm dx$ 是否有限;发散就答"不存在",**不要去算 $\int xf$ 的柯西主值**。 - **B3 期望不存在的判断**:算 $\int\lvert x\rvert f\,\mathrm dx$ 是否有限;发散就答"不存在",**不要去算 $\int xf$ 的柯西主值**。
- **B4 分段函数期望**:按 $\min/\max$ 、绝对值的**拐点拆段**;$\min\{\lvert X\rvert,1\}$ 的拐点是 $\lvert x\rvert=1$ 。 - **B4 分段函数期望**:按 $\min/\max$ 、绝对值的**拐点拆段**;$\min\{\lvert X\rvert,1\}$ 的拐点是 $\lvert x\rvert=1$ 。
- **B5 正态配方法**:$E[(X-c)^2\mathrm e^{\lambda X}]$ 型——把 $\mathrm e^{\lambda x}$ 配进密度($x^2-2\lambda x$ 配方),化成新正态的矩,$\mathrm e^{\lambda\mu+\lambda^2\sigma^2/2}$ 是常用中间量。 - **B5 正态配方法**:$E[(X-c)^2\mathrm e^{\lambda X}]$ 型——把 $\mathrm e^{\lambda x}$ 配进密度($x^2-2\lambda x$ 配方),化成新正态的矩,$\mathrm e^{\lambda\mu+\lambda^2\sigma^2/2}$ 是常用中间量。
- **B6 抽象密度判断题**:$E(X)=a$ 只说明"加权平均是 $a$",**推不出 $\int_{-\infty}^{a}xf=\frac12$**(那要求中位数 = 期望)。反例:右偏分布。 - **B6 抽象密度判断题**:$E(X)=a$ 只说明"加权平均是 $a$ ",**推不出** $\int_{-\infty}^{a}xf=\frac12$ (那要求中位数 = 期望)。反例:右偏分布。
- **B7 方差线性组合先"解相关"**:$D(X_1-\overline X)$ 中 $X_1$ 与 $\overline X$ **相关**,不能直接拆;先写成 $X_1-\overline X=\frac{n-1}{n}X_1-\frac1n\sum_{i=2}^nX_i$ 的独立项再算。 - **B7 方差线性组合先"解相关"**:$D(X_1-\overline X)$ 中 $X_1$ 与 $\overline X$ **相关**,不能直接拆;先写成 $X_1-\overline X=\frac{n-1}{n}X_1-\frac1n\sum_{i=2}^nX_i$ 的独立项再算。
- **B8 乘积的方差**:$D(XY)=E(X^2Y^2)-(EXY)^2$ ;独立时 $=EX^2EY^2-(EX)^2(EY)^2$ 。**坑**:不能写 $D(XY)=DX\cdot DY$ 。 - **B8 乘积的方差**:$D(XY)=E(X^2Y^2)-(EXY)^2$ ;独立时 $=EX^2EY^2-(EX)^2(EY)^2$ 。**坑**:不能写 $D(XY)=DX\cdot DY$ 。
- **B9 相关系数的线性性**:$\rho_{aX+b,\,Y}=\operatorname{sign}(a)\rho_{XY}$ ;由 $\rho_{YZ}=\rho_{XY}$ 反求 $a$ 的范围时,抓住 $\frac{a}{\lvert a\rvert}$ 。 - **B9 相关系数的线性性**:$\rho_{aX+b,\,Y}=\operatorname{sign}(a)\rho_{XY}$ ;由 $\rho_{YZ}=\rho_{XY}$ 反求 $a$ 的范围时,抓住 $\frac{a}{\lvert a\rvert}$ 。
@@ -147,11 +147,11 @@ $$\frac1n\sum_{i=1}^nX_i\xrightarrow{P}\frac1n\sum_{i=1}^nEX_i\quad\left(\text{
③ 标准化 $\dfrac{T-ET}{\sqrt{DT}}\approx N(0,1)$ ,不等式两边同减 $ET$ 、同除 $\sqrt{DT}$ ; ③ 标准化 $\dfrac{T-ET}{\sqrt{DT}}\approx N(0,1)$ ,不等式两边同减 $ET$ 、同除 $\sqrt{DT}$ ;
④ 查 $\varPhi$ :$P\{Z\le z\}=\varPhi(z)$ ,$P\{Z>z\}=1-\varPhi(z)$ ,$P\{\lvert Z\rvert\le z\}=2\varPhi(z)-1$ 。 ④ 查 $\varPhi$ :$P\{Z\le z\}=\varPhi(z)$ ,$P\{Z>z\}=1-\varPhi(z)$ ,$P\{\lvert Z\rvert\le z\}=2\varPhi(z)-1$ 。
> **两个必错点**:① $D(\sum X_i)=n\sigma^2$,**标准差是 $\sqrt n\sigma$ 而不是 $n\sigma$**;② 连续性修正($\pm\frac12$)考研**不需要**,用了反而多算。 > **两个必错点**:① $D(\sum X_i)=n\sigma^2$ ,**标准差是 $\sqrt n\sigma$ 而不是** $n\sigma$ ;② 连续性修正($\pm\frac12$ )考研**不需要**,用了反而多算。
## 5 三种"近似"的辨析 ## 5 三种"近似"的辨析
二项分布 $B(n,p)$ 有两种近似,**用哪个取决于 $p$**: 二项分布 $B(n,p)$ 有两种近似,**用哪个取决于** $p$ :
| 近似 | 适用条件 | 结果 | 真题 | | 近似 | 适用条件 | 结果 | 真题 |
|---|---|---|---| |---|---|---|---|
@@ -166,7 +166,7 @@ $$P\{T\le1\}\approx\mathrm e^{-\lambda}(1+\lambda)\qquad(\text{泊松,}\lambda
$$P\left\{\sum X_i\le c\right\}\approx\varPhi\left(\frac{c-n\mu}{\sqrt n\sigma}\right)\qquad(\text{中心极限}).$$ $$P\left\{\sum X_i\le c\right\}\approx\varPhi\left(\frac{c-n\mu}{\sqrt n\sigma}\right)\qquad(\text{中心极限}).$$
> **$\lambda$ 的取值**:$2025\cdot9$ 的 $20\times0.1=2$(**不是 $20$,也不是 $0.1$**)。同理 $2020\cdot8$ 的 $n=100$、$p=\frac12$ ⟹ $ET=50$、$DT=25$、$\sqrt{DT}=5$。 > **$\lambda$ 的取值**:$2025\cdot9$ 的 $20\times0.1=2$ (**不是 $20$ ,也不是** $0.1$ )。同理 $2020\cdot8$ 的 $n=100$ 、$p=\frac12$ ⟹ $ET=50$ 、$DT=25$ 、$\sqrt{DT}=5$ 。
## B 题型考点(怎么想到、为什么、坑在哪) ## B 题型考点(怎么想到、为什么、坑在哪)
@@ -83,7 +83,7 @@ tags: [数学一, 知识点构建, 背诵版, 概率论, 数理统计]
| 概念 | 定义 | | 概念 | 定义 |
|---|---| |---|---|
| 总体 | 研究对象的全体;**数学上就是一个随机变量 $X$** | | 总体 | 研究对象的全体;**数学上就是一个随机变量** $X$ |
| 个体 | 总体的每个元素 | | 个体 | 总体的每个元素 |
| 简单随机样本 | $n$ 个**相互独立且与总体同分布**的 $X_1,\dots,X_n$ | | 简单随机样本 | $n$ 个**相互独立且与总体同分布**的 $X_1,\dots,X_n$ |
| 样本值 | 一次具体观测得到的一组数 $x_1,\dots,x_n$ | | 样本值 | 一次具体观测得到的一组数 $x_1,\dots,x_n$ |
@@ -129,7 +129,7 @@ $g(X_1,\dots,X_n)$ 是统计量 $\iff$ **表达式中不含任何未知参数**
$$E\overline X=\mu,\qquad D\overline X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2 .$$ $$E\overline X=\mu,\qquad D\overline X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2 .$$
**为什么除以 $n-1$**:$E\left[\frac1n\sum(X_i-\overline X)^2\right]=\frac{n-1}{n}\sigma^2$(有偏),故乘 $\frac{n}{n-1}$ 才无偏——**$n-1$ 是为了无偏性**,这也解释了 $\chi^2$ 的自由度为何是 $n-1$。 **为什么除以** $n-1$ :$E\left[\frac1n\sum(X_i-\overline X)^2\right]=\frac{n-1}{n}\sigma^2$ (有偏),故乘 $\frac{n}{n-1}$ 才无偏——**$n-1$ 是为了无偏性**,这也解释了 $\chi^2$ 的自由度为何是 $n-1$ 。
### 2.4 三大抽样分布 ### 2.4 三大抽样分布
@@ -151,7 +151,7 @@ $$E\overline X=\mu,\qquad D\overline X=\frac{\sigma^2}{n},\qquad ES^2=\sigma^2 .
| ④ | $\dfrac{\sqrt n(\overline X-\mu)}{S}$ | $t(n-1)$ | $\sigma$ 未知 | | ④ | $\dfrac{\sqrt n(\overline X-\mu)}{S}$ | $t(n-1)$ | $\sigma$ 未知 |
| ⑤ | $\dfrac{n(\overline X-\mu)^2}{S^2}$ | $F(1,n-1)$ | $\sigma$ 未知 | | ⑤ | $\dfrac{n(\overline X-\mu)^2}{S^2}$ | $F(1,n-1)$ | $\sigma$ 未知 |
**两句口诀**:②→③「**$\mu$ 换成 $\overline X$,自由度减一**」;①→④「**$\sigma$ 换成 $S$,正态换 $t$,自由度 $n-1$**」。 **两句口诀**:②→③「**$\mu$ 换成 $\overline X$ ,自由度减一**」;①→④「**$\sigma$ 换成 $S$ ,正态换 $t$ ,自由度** $n-1$ 」。
> **④ 里藏着一条独立结论**:正态总体下 $\overline X$ 与 $S^2$ **相互独立**。这是正态总体**独有**的(一般总体不成立),也是拼 $t$ 分布的前提。 > **④ 里藏着一条独立结论**:正态总体下 $\overline X$ 与 $S^2$ **相互独立**。这是正态总体**独有**的(一般总体不成立),也是拼 $t$ 分布的前提。
@@ -187,7 +187,7 @@ $$F_{(1)}(x)=1-[1-F(x)]^n,\qquad f_{(1)}(x)=n[1-F(x)]^{n-1}f(x).$$
## 3 矩估计、MLE 与评价标准(点 4–6,分值最重) ## 3 矩估计、MLE 与评价标准(点 4–6,分值最重)
> **点估计 = 造一个统计量 $\hat\theta(X_1,\dots,X_n)$ 去"顶替"未知参数 $\theta$**。两种造法:矩估计、极大似然。 > **点估计 = 造一个统计量 $\hat\theta(X_1,\dots,X_n)$ 去"顶替"未知参数** $\theta$ 。两种造法:矩估计、极大似然。
### 3.1 矩估计法 ### 3.1 矩估计法
@@ -197,7 +197,7 @@ $$F_{(1)}(x)=1-[1-F(x)]^n,\qquad f_{(1)}(x)=n[1-F(x)]^{n-1}f(x).$$
**两参数模板**:$\hat\mu=\overline X$ ,$\hat\sigma^2=B_2=\frac1n\sum(X_i-\overline X)^2$ 。 **两参数模板**:$\hat\mu=\overline X$ ,$\hat\sigma^2=B_2=\frac1n\sum(X_i-\overline X)^2$ 。
> ⚠️ **矩估计的方差是 $B_2$(除以 $n$),不是 $S^2$**——只有 $S^2$ 无偏。 > ⚠️ **矩估计的方差是 $B_2$ (除以 $n$ ),不是** $S^2$ ——只有 $S^2$ 无偏。
### 3.2 最大似然估计(MLE) ### 3.2 最大似然估计(MLE)
@@ -232,7 +232,7 @@ $$F_{(1)}(x)=1-[1-F(x)]^n,\qquad f_{(1)}(x)=n[1-F(x)]^{n-1}f(x).$$
$$\hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m},\qquad D(\hat\lambda)=\frac{\lambda}{n+2m}.$$ $$\hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m},\qquad D(\hat\lambda)=\frac{\lambda}{n+2m}.$$
**为什么分母是 $n+2m$**:$Y$ 组每个样本携带 $2\theta$ 的信息量,分子对 $Y$ 组只记 $\sum Y_j$(那个 2 进了常数项)。 **为什么分母是** $n+2m$ :$Y$ 组每个样本携带 $2\theta$ 的信息量,分子对 $Y$ 组只记 $\sum Y_j$ (那个 2 进了常数项)。
**MLE 的不变性原理**:$\widehat{g(\theta)}=g(\hat\theta)$ 。用于 $\hat\sigma_{\text{MLE}}=\sqrt{\hat\sigma^2_{\text{MLE}}}$ 。 **MLE 的不变性原理**:$\widehat{g(\theta)}=g(\hat\theta)$ 。用于 $\hat\sigma_{\text{MLE}}=\sqrt{\hat\sigma^2_{\text{MLE}}}$ 。
@@ -257,7 +257,7 @@ $$\hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m},\qquad D(\hat\lambda)=\frac{\lambda
$$c^*=\frac{\theta\,E X_{(n)}}{E X_{(n)}^2},$$ $$c^*=\frac{\theta\,E X_{(n)}}{E X_{(n)}^2},$$
**它一般不等于使无偏的 $\frac{n+1}{n}$**——这正是 2024·22 的考点。 **它一般不等于使无偏的** $\frac{n+1}{n}$ ——这正是 2024·22 的考点。
## 4 区间估计(点 7,仅数学一) ## 4 区间估计(点 7,仅数学一)
@@ -267,7 +267,7 @@ $$P\{\underline\theta<\theta<\overline\theta\}=1-\alpha .$$
$1-\alpha$ 为**置信度**,$\alpha$ 为**显著性水平**。 $1-\alpha$ 为**置信度**,$\alpha$ 为**显著性水平**。
> **正确理解**:不是"$\theta$ 落在区间内的概率"($\theta$ 是常数,不是随机变量),而是"**反复抽样时,平均有 $100(1-\alpha)\%$ 的区间能盖住 $\theta$**"。 > **正确理解**:不是"$\theta$ 落在区间内的概率"($\theta$ 是常数,不是随机变量),而是"**反复抽样时,平均有 $100(1-\alpha)\%$ 的区间能盖住** $\theta$ "。
### 4.2 枢轴变量法(万能套路) ### 4.2 枢轴变量法(万能套路)
@@ -331,7 +331,7 @@ $1-\alpha$ 为**置信度**,$\alpha$ 为**显著性水平**。
> 🟨 **2025·10 的坑**:题给的是**方差** $\sigma^2=2$ ,而 $U$ 的公式分母是**标准差** $\sqrt2$ 。把 2 直接当代入是本题唯一失分点。 > 🟨 **2025·10 的坑**:题给的是**方差** $\sigma^2=2$ ,而 $U$ 的公式分母是**标准差** $\sqrt2$ 。把 2 直接当代入是本题唯一失分点。
> ⚠️ **$\chi^2$ 双侧检验的拒绝域不对称**:左右两尾分别查 $\chi^2_{1-\alpha/2}$ 与 $\chi^2_{\alpha/2}$,**不能写成 $\lvert\cdot\rvert\ge$**。 > ⚠️ **$\chi^2$ 双侧检验的拒绝域不对称**:左右两尾分别查 $\chi^2_{1-\alpha/2}$ 与 $\chi^2_{\alpha/2}$ ,**不能写成** $\lvert\cdot\rvert\ge$ 。
### 5.5 区间估计与假设检验的对偶 ### 5.5 区间估计与假设检验的对偶
@@ -359,7 +359,7 @@ $$\beta=P\{\text{接受}H_0\mid H_1\text{为真}\}\quad(\text{第二类错误·
**一句话**:**"拒真 = 第一类,纳伪 = 第二类";$\alpha$ 在 $H_0$ 为真的世界里算,$\beta$ 在 $H_1$ 为真的世界里算。** **一句话**:**"拒真 = 第一类,纳伪 = 第二类";$\alpha$ 在 $H_0$ 为真的世界里算,$\beta$ 在 $H_1$ 为真的世界里算。**
> $H_1$ 通常是一个**范围**(如 $\mu>10$),所以 $\beta$ 是 $\mu$ 的函数——**必须给定具体的 $\mu$ 值才能算出 $\beta$**(2021·10 给了 $\mu=11.5$)。 > $H_1$ 通常是一个**范围**(如 $\mu>10$ ),所以 $\beta$ 是 $\mu$ 的函数——**必须给定具体的 $\mu$ 值才能算出** $\beta$ (2021·10 给了 $\mu=11.5$ )。
### 6.2 计算 $\beta$ 的四步 ### 6.2 计算 $\beta$ 的四步
@@ -374,7 +374,7 @@ $$\beta=P\{\overline X<c\mid\mu=\mu_1\}=\varPhi\left(\frac{c-\mu_1}{\sigma/\sqrt
| 结论 | 说明 | | 结论 | 说明 |
|---|---| |---|---|
| 样本量固定时,$\alpha\downarrow\Rightarrow\beta\uparrow$ | **此消彼长** | | 样本量固定时,$\alpha\downarrow\Rightarrow\beta\uparrow$ | **此消彼长** |
| 要同时减小 $\alpha$ 与 $\beta$ | **只能增大 $n$** | | 要同时减小 $\alpha$ 与 $\beta$ | **只能增大** $n$ |
| $\alpha$ 越小 | 临界值越远离 $\mu_0$ ,拒绝域越小 | | $\alpha$ 越小 | 临界值越远离 $\mu_0$ ,拒绝域越小 |
| 拒绝域的包含关系 | $\alpha_1<\alpha_2\Rightarrow W(\alpha_1)\subset W(\alpha_2)$ ,接受域反之 | | 拒绝域的包含关系 | $\alpha_1<\alpha_2\Rightarrow W(\alpha_1)\subset W(\alpha_2)$ ,接受域反之 |
@@ -387,12 +387,12 @@ $$\beta=P\{\overline X<c\mid\mu=\mu_1\}=\varPhi\left(\frac{c-\mu_1}{\sigma/\sqrt
- **B1 MLE 的四类载体先归类**:① 可微常规(求导解方程);② 支撑含参数(单调 ⟹ 取边界,$U(0,\theta)$ 的 $X_{(n)}$ );③ 两样本同参数(似然先乘,分母 $n+2m$ );④ 由密度形状先定常数(半正态的 $A=\sqrt{2/\pi}$ )。**认错类会白算十分钟**。 - **B1 MLE 的四类载体先归类**:① 可微常规(求导解方程);② 支撑含参数(单调 ⟹ 取边界,$U(0,\theta)$ 的 $X_{(n)}$ );③ 两样本同参数(似然先乘,分母 $n+2m$ );④ 由密度形状先定常数(半正态的 $A=\sqrt{2/\pi}$ )。**认错类会白算十分钟**。
- **B2 似然函数里的常数**:$\frac1{\sigma^n}$ 型一定要提出去再求导,漏掉会导致 $\hat\sigma$ 差一个 $\sqrt{n/(n-1)}$ 。 - **B2 似然函数里的常数**:$\frac1{\sigma^n}$ 型一定要提出去再求导,漏掉会导致 $\hat\sigma$ 差一个 $\sqrt{n/(n-1)}$ 。
- **B3 无偏"定常数"的通法**:算出 $E(\text{统计量})=k\theta$ ,令 $k=1$ 反解。**坑**:$E(X_{(n)})$ 用错公式(上限型才有 $\frac{n}{n+1}\theta$ )。 - **B3 无偏"定常数"的通法**:算出 $E(\text{统计量})=k\theta$ ,令 $k=1$ 反解。**坑**:$E(X_{(n)})$ 用错公式(上限型才有 $\frac{n}{n+1}\theta$ )。
- **B4 MSE 与无偏的分离**:$h(c)=E(T_c-\theta)^2=D+(\text{偏差})^2$,展开成 $c$ 的二次式求顶点;**顶点一般不是无偏的那个 $c$**,两问答案不同(2024·22)。 - **B4 MSE 与无偏的分离**:$h(c)=E(T_c-\theta)^2=D+(\text{偏差})^2$ ,展开成 $c$ 的二次式求顶点;**顶点一般不是无偏的那个** $c$ ,两问答案不同(2024·22)。
- **B5 拼装 $\chi^2/t/F$ 的三步**:先算均值方差 → 标准化 → 平方/相除;**坑**:分子的 $X$ 与分母的 $\chi^2$ 必须独立(正态总体下 $\overline X\perp S^2$ 才能拼 $t$ )。 - **B5 拼装 $\chi^2/t/F$ 的三步**:先算均值方差 → 标准化 → 平方/相除;**坑**:分子的 $X$ 与分母的 $\chi^2$ 必须独立(正态总体下 $\overline X\perp S^2$ 才能拼 $t$ )。
- **B6 自由度速查**:$\chi^2$ 单总体看 $\mu$ 知不知($n$ 或 $n-1$ );$t$ 永远 $n-1$ ;$F$ 是两个 $\chi^2$ 的自由度按分子/分母顺序写。 - **B6 自由度速查**:$\chi^2$ 单总体看 $\mu$ 知不知($n$ 或 $n-1$ );$t$ 永远 $n-1$ ;$F$ 是两个 $\chi^2$ 的自由度按分子/分母顺序写。
- **B7 置信区间四选一**:$\sigma$ 知/未知、$\mu$ 知/未知,两两组合决定 $U/t/\chi^2(n)/\chi^2(n-1)$ 。**$\chi^2$ 区间两端反着放**是最大失分点。 - **B7 置信区间四选一**:$\sigma$ 知/未知、$\mu$ 知/未知,两两组合决定 $U/t/\chi^2(n)/\chi^2(n-1)$ 。**$\chi^2$ 区间两端反着放**是最大失分点。
- **B8 给上限反求下限**:对称区间下"上下限之和 $=2\overline X$ "(2016·14 唯一解法的入口)。 - **B8 给上限反求下限**:对称区间下"上下限之和 $=2\overline X$ "(2016·14 唯一解法的入口)。
- **B9 拒绝域跟着 $H_1$**:先看 $H_1$ 是不等号哪一侧,再定单侧/双侧;**坑**:把方差当标准差代入(2025·10)。 - **B9 拒绝域跟着** $H_1$ :先看 $H_1$ 是不等号哪一侧,再定单侧/双侧;**坑**:把方差当标准差代入(2025·10)。
- **B10 $\beta$ 的四步换世界**:写出接受域 → 换成 $H_1$ 的分布 → 算概率。**坑**:用 $H_0$ 的均值算 $\beta$ (那就变成 $\alpha$ 了)。 - **B10 $\beta$ 的四步换世界**:写出接受域 → 换成 $H_1$ 的分布 → 算概率。**坑**:用 $H_0$ 的均值算 $\beta$ (那就变成 $\alpha$ 了)。
- **B11 $\alpha$ -$\beta$ 关系只用两句**:小 $\alpha$ 拒绝 ⟹ 大 $\alpha$ 拒绝;大 $\alpha$ 接受 ⟹ 小 $\alpha$ 接受。**坑**:把方向记反。 - **B11 $\alpha$ -$\beta$ 关系只用两句**:小 $\alpha$ 拒绝 ⟹ 大 $\alpha$ 拒绝;大 $\alpha$ 接受 ⟹ 小 $\alpha$ 接受。**坑**:把方向记反。
- **B12 区间与检验的对偶**:$\mu_0$ 在区间内 ⟺ 不拒绝;这一个等价能把区间题改写成检验题(反之亦然)。 - **B12 区间与检验的对偶**:$\mu_0$ 在区间内 ⟺ 不拒绝;这一个等价能把区间题改写成检验题(反之亦然)。
@@ -421,7 +421,8 @@ $$\beta=P\{\overline X<c\mid\mu=\mu_1\}=\varPhi\left(\frac{c-\mu_1}{\sigma/\sqrt
### 点 4 矩估计(题 1–2) ### 点 4 矩估计(题 1–2)
- **题 1 · 4.1:一阶矩就够的情形(★☆☆)**:设总体 $X$ 的概率密度为$f(x;\theta)=\begin{cases}(\theta+1)x^{\theta}, & 0<x<1,\\ 0, & \text{其他},\end{cases}\qquad \theta>-1 .$$X_1,\dots,X_n$ 为简单随机样本。求 $\theta$ 的矩估计量。 - **题 1 · 4.1:一阶矩就够的情形(★☆☆)**:设总体 $X$ 的概率密度为$f(x;\theta)=\begin{cases}(\theta+1)x^{\theta}, & 0<x<1,\\ 0, & \text{其他},\end{cases}\qquad \theta>-1 .$$
X_1,\dots,X_n $ 为简单随机样本。求 $ \theta$ 的矩估计量。
- **题 2 · 4.2:一阶矩失效与二阶矩的坑(★★☆)**:(Ⅰ)设 $X\sim N(0,\sigma^2)$ ,$\sigma>0$ 未知,$X_1,\dots,X_n$ 为样本。用矩估计法求 $\sigma^2$ 与 $\sigma$ 的估计量,并说明为什么不能用一阶矩。(Ⅱ)设 $X\sim N(\mu,\sigma^2)$ ,$\mu,\sigma^2$ 均未知。求 $\mu$ 与 $\sigma^2$ 的矩估计量,并指出 $\hat\sigma^2$ 是否无偏。 - **题 2 · 4.2:一阶矩失效与二阶矩的坑(★★☆)**:(Ⅰ)设 $X\sim N(0,\sigma^2)$ ,$\sigma>0$ 未知,$X_1,\dots,X_n$ 为样本。用矩估计法求 $\sigma^2$ 与 $\sigma$ 的估计量,并说明为什么不能用一阶矩。(Ⅱ)设 $X\sim N(\mu,\sigma^2)$ ,$\mu,\sigma^2$ 均未知。求 $\mu$ 与 $\sigma^2$ 的矩估计量,并指出 $\hat\sigma^2$ 是否无偏。
### 点 5 最大似然估计(题 1–4) ### 点 5 最大似然估计(题 1–4)
@@ -429,7 +430,8 @@ $$\beta=P\{\overline X<c\mid\mu=\mu_1\}=\varPhi\left(\frac{c-\mu_1}{\sigma/\sqrt
- **题 1 · 5.1:指数分布与不变性(★★☆)**:设总体 $X\sim E(\lambda)$ ($\lambda>0$ 未知),$X_1,\dots,X_n$ 为简单随机样本。(Ⅰ)求 $\lambda$ 的最大似然估计 $\hat\lambda$ ;(Ⅱ)求 $P\{X>t\}$ 的最大似然估计;(Ⅲ)若改用矩估计法,$\lambda$ 的估计量是否相同? - **题 1 · 5.1:指数分布与不变性(★★☆)**:设总体 $X\sim E(\lambda)$ ($\lambda>0$ 未知),$X_1,\dots,X_n$ 为简单随机样本。(Ⅰ)求 $\lambda$ 的最大似然估计 $\hat\lambda$ ;(Ⅱ)求 $P\{X>t\}$ 的最大似然估计;(Ⅲ)若改用矩估计法,$\lambda$ 的估计量是否相同?
- **题 2 · 5.1:两组不同参数的泊松(★★☆)**:设 $X_1,\dots,X_n$ 来自参数为 $\theta$ 的泊松分布,$Y_1,\dots,Y_m$ 来自参数为 $2\theta$ 的泊松分布,两样本相互独立,$\theta>0$ 未知。(Ⅰ)求 $\theta$ 的最大似然估计 $\hat\theta$ ;(Ⅱ)判断 $\hat\theta$ 是否无偏;(Ⅲ)若把第二个总体的参数改成 $k\theta$ ($k>0$ 已知),$\hat\theta$ 变成什么? - **题 2 · 5.1:两组不同参数的泊松(★★☆)**:设 $X_1,\dots,X_n$ 来自参数为 $\theta$ 的泊松分布,$Y_1,\dots,Y_m$ 来自参数为 $2\theta$ 的泊松分布,两样本相互独立,$\theta>0$ 未知。(Ⅰ)求 $\theta$ 的最大似然估计 $\hat\theta$ ;(Ⅱ)判断 $\hat\theta$ 是否无偏;(Ⅲ)若把第二个总体的参数改成 $k\theta$ ($k>0$ 已知),$\hat\theta$ 变成什么?
- **题 3 · 5.2:均匀分布的 MLE 不能求导(★★☆)**:设 $X_1,\dots,X_n$ 来自 $U(0,\theta)$ ,$\theta>0$ 未知,$X_{(n)}=\max\{X_i\}$ 。(Ⅰ)写出似然函数,并说明为什么不能对 $\theta$ 求导;(Ⅱ)求 $\theta$ 的最大似然估计;(Ⅲ)该估计量是否无偏?若无偏请修正。 - **题 3 · 5.2:均匀分布的 MLE 不能求导(★★☆)**:设 $X_1,\dots,X_n$ 来自 $U(0,\theta)$ ,$\theta>0$ 未知,$X_{(n)}=\max\{X_i\}$ 。(Ⅰ)写出似然函数,并说明为什么不能对 $\theta$ 求导;(Ⅱ)求 $\theta$ 的最大似然估计;(Ⅲ)该估计量是否无偏?若无偏请修正。
- **题 4 · 5.2:平方型密度与无偏修正(★★★)**:设总体 $X$ 的概率密度为$f(x;\theta)=\begin{cases}\dfrac{3x^{2}}{\theta^{3}}, & 0<x<\theta,\\ 0, & \text{其他},\end{cases}\qquad \theta>0\ \text{未知}.$$X_1,\dots,X_n$ 为简单随机样本,$X_{(n)}=\max\{X_i\}$ 。(Ⅰ)求 $\theta$ 的最大似然估计 $\hat\theta$ ;(Ⅱ)求 $E X_{(n)}$ ,并据此构造 $\theta$ 的无偏估计;(Ⅲ)若用矩估计法,$\theta$ 的估计量是什么?与(Ⅰ)是否相同? - **题 4 · 5.2:平方型密度与无偏修正(★★★)**:设总体 $X$ 的概率密度为$f(x;\theta)=\begin{cases}\dfrac{3x^{2}}{\theta^{3}}, & 0<x<\theta,\\ 0, & \text{其他},\end{cases}\qquad \theta>0\ \text{未知}.
$$X_1,\dots,X_n$ 为简单随机样本,$X_{(n)}=\max\{X_i\}$ 。(Ⅰ)求 $\theta$ 的最大似然估计 $\hat\theta$ ;(Ⅱ)求 $E X_{(n)}$ ,并据此构造 $\theta$ 的无偏估计;(Ⅲ)若用矩估计法,$\theta$ 的估计量是什么?与(Ⅰ)是否相同?
### 点 6 估计量的评价标准(题 1–4) ### 点 6 估计量的评价标准(题 1–4)
@@ -81,7 +81,7 @@ tags: [数学一, 知识点构建, 专背清单, 概率论, 总纲]
|---|---|---| |---|---|---|
| 正态标准化 | $U=\frac{X-\mu}{\sigma}\sim N(0,1)$ | $\sigma$ | | 正态标准化 | $U=\frac{X-\mu}{\sigma}\sim N(0,1)$ | $\sigma$ |
| 中心极限定理 | $\frac{\sum X_i-n\mu}{\sqrt n\,\sigma}\approx N(0,1)$ | $\sqrt n\,\sigma$ (**不是** $n\sigma$ ) | | 中心极限定理 | $\frac{\sum X_i-n\mu}{\sqrt n\,\sigma}\approx N(0,1)$ | $\sqrt n\,\sigma$ (**不是** $n\sigma$ ) |
| $t$ 统计量 | $T=\frac{\overline X-\mu}{S/\sqrt n}\sim t(n-1)$ | $S/\sqrt n$ ,**$\sigma$ 换成 $S$ 就降级成 $t$ ** | | $t$ 统计量 | $T=\frac{\overline X-\mu}{S/\sqrt n}\sim t(n-1)$ | $S/\sqrt n$ ,**$\sigma$ 换成 $S$ 就降级成** $t$ |
**一句话**:**分子是"观测减期望",分母是"这个差的标准差"**。三次都是这一句,只是"差"的对象不同。 **一句话**:**分子是"观测减期望",分母是"这个差的标准差"**。三次都是这一句,只是"差"的对象不同。
@@ -111,7 +111,7 @@ tags: [数学一, 知识点构建, 专背清单, 概率论, 总纲]
| 第二类错误 | $\beta$ | $P\{\text{接受}H_0\mid H_0\text{假}\}$ ,取伪 | 由 $n$ 、$\alpha$ 、真实参数共同决定 | | 第二类错误 | $\beta$ | $P\{\text{接受}H_0\mid H_0\text{假}\}$ ,取伪 | 由 $n$ 、$\alpha$ 、真实参数共同决定 |
| 置信度 | $1-\alpha$ | 区间盖住真值的概率 | 与 $\alpha$ 同源 | | 置信度 | $1-\alpha$ | 区间盖住真值的概率 | 与 $\alpha$ 同源 |
**反**:$\alpha$ 与 $\beta$ **不能同时减小**(样本量固定时)。唯一同时减小的办法是**增大 $n$ **。 **反**:$\alpha$ 与 $\beta$ **不能同时减小**(样本量固定时)。唯一同时减小的办法是**增大** $n$ 。
## 五、条目分布 ## 五、条目分布
@@ -52,7 +52,7 @@ $$P(A\cup B\cup C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC).$$
## 二、五大公式(9 条) ## 二、五大公式(9 条)
**L1-09** `式` 条件概率:$P(A\mid B)=\dfrac{P(AB)}{P(B)}$ ,**要求 $P(B)>0$ ** 。 **L1-09** `式` 条件概率:$P(A\mid B)=\dfrac{P(AB)}{P(B)}$ ,**要求** $P(B)>0$ 。
 └ 分母是**已知的那个**,不是样本空间。这一条错了,后面全错。  └ 分母是**已知的那个**,不是样本空间。这一条错了,后面全错。
**L1-10** `式` 乘法公式(链式): **L1-10** `式` 乘法公式(链式):
@@ -45,7 +45,7 @@ $$P\{a<X\le b\}=F(b)-F(a),\qquad P\{a\le X\le b\}=F(b)-F(a-0).$$
**L2-08** `判` 由 $F$ 反求参数:把 $F(+\infty)=1$ 与 $F$ 在各段衔接处的**右连续性**联立。 **L2-08** `判` 由 $F$ 反求参数:把 $F(+\infty)=1$ 与 $F$ 在各段衔接处的**右连续性**联立。
 └ 两个方程解两个参数,这是标准套路(2024·8 的形态)。  └ 两个方程解两个参数,这是标准套路(2024·8 的形态)。
**L2-09** `坑` $F(x)$ 表示的是**累积到 $x$ 为止**的概率,所以 $P\{X>x\}=1-F(x)$ ,而不是 $1-F(x-0)$ 。**只有取等号单点时才需要 $F(x-0)$ ** 。 **L2-09** `坑` $F(x)$ 表示的是**累积到 $x$ 为止**的概率,所以 $P\{X>x\}=1-F(x)$ ,而不是 $1-F(x-0)$ 。**只有取等号单点时才需要** $F(x-0)$ 。
## 二、离散型(8 条) ## 二、离散型(8 条)
@@ -65,10 +65,10 @@ $$P\{a<X\le b\}=F(b)-F(a),\qquad P\{a\le X\le b\}=F(b)-F(a-0).$$
 └ 几何的支撑**从 1 起**(首次成功),这是最容易写错的一格。0-1 是二项的特例。  └ 几何的支撑**从 1 起**(首次成功),这是最容易写错的一格。0-1 是二项的特例。
**L2-12** `式` 泊松定理:$n\to\infty$ 、$np\to\lambda$ 时 $C_n^kp^k(1-p)^{n-k}\to\dfrac{\lambda^k\mathrm e^{-\lambda}}{k!}$ 。 **L2-12** `式` 泊松定理:$n\to\infty$ 、$np\to\lambda$ 时 $C_n^kp^k(1-p)^{n-k}\to\dfrac{\lambda^k\mathrm e^{-\lambda}}{k!}$ 。
 └ 实用条件:$n\ge20$ 、$p\le0.05$ 、$np$ 适中。$\lambda$ **取 $np$ **,不是 $n$ 也不是 $p$ 。  └ 实用条件:$n\ge20$ 、$p\le0.05$ 、$np$ 适中。$\lambda$ **取** $np$ ,不是 $n$ 也不是 $p$ 。
**L2-13** `式` 可加性两条:二项(**同 $p$ **)相加仍是二项;泊松相加仍是泊松($\lambda$ 相加)。 **L2-13** `式` 可加性两条:二项(**同** $p$ )相加仍是二项;泊松相加仍是泊松($\lambda$ 相加)。
 └ 反:二项**不同 $p$ ** 不可加;几何不可加。  └ 反:二项**不同** $p$ 不可加;几何不可加。
**L2-14** `式` 几何分布无记忆:$P\{X>m+n\mid X>m\}=P\{X>n\}=(1-p)^n$ 。 **L2-14** `式` 几何分布无记忆:$P\{X>m+n\mid X>m\}=P\{X>n\}=(1-p)^n$ 。
 └ 这是**离散型里唯一**无记忆的分布,指数分布是连续型的对应物。  └ 这是**离散型里唯一**无记忆的分布,指数分布是连续型的对应物。
@@ -105,7 +105,7 @@ $$P\{a<X\le b\}=F(b)-F(a),\qquad P\{a\le X\le b\}=F(b)-F(a-0).$$
 └ 与几何分布成对记:**离散几何、连续指数,都无记忆**。  └ 与几何分布成对记:**离散几何、连续指数,都无记忆**。
**L2-23** `式` 正态标准化:$X\sim N(\mu,\sigma^2)\Rightarrow Z=\dfrac{X-\mu}{\sigma}\sim N(0,1)$ 。 **L2-23** `式` 正态标准化:$X\sim N(\mu,\sigma^2)\Rightarrow Z=\dfrac{X-\mu}{\sigma}\sim N(0,1)$ 。
 └ 线性变换封闭:$aX+b\sim N(a\mu+b,\ a^2\sigma^2)$ 。**方差要乘 $a^2$ **。  └ 线性变换封闭:$aX+b\sim N(a\mu+b,\ a^2\sigma^2)$ 。**方差要乘** $a^2$ 。
**L2-24** `表` $\Phi$ 五恒等式(背到能反着用): **L2-24** `表` $\Phi$ 五恒等式(背到能反着用):
@@ -123,7 +123,7 @@ $$P\{a<X\le b\}=F(b)-F(a),\qquad P\{a\le X\le b\}=F(b)-F(a-0).$$
**L2-26** `式` 上侧分位点:$z_\alpha$ 满足 $P\{Z>z_\alpha\}=\alpha$ ,即 $\Phi(z_\alpha)=1-\alpha$ 。 **L2-26** `式` 上侧分位点:$z_\alpha$ 满足 $P\{Z>z_\alpha\}=\alpha$ ,即 $\Phi(z_\alpha)=1-\alpha$ 。
 └ **下标是尾巴面积,不是累积面积**。所以 $z_{0.025}=1.96$ 、$z_{0.05}=1.645$ 。这个约定与第 6 讲的 $t$ 、$\chi^2$ 分位点一致。  └ **下标是尾巴面积,不是累积面积**。所以 $z_{0.025}=1.96$ 、$z_{0.05}=1.645$ 。这个约定与第 6 讲的 $t$ 、$\chi^2$ 分位点一致。
**L2-27** `反` 正态密度的**对称轴是 $\mu$ **,$\sigma$ 只管胖瘦,**不改位置**。 **L2-27** `反` 正态密度的**对称轴是** $\mu$ ,$\sigma$ 只管胖瘦,**不改位置**。
 └ 常见错项:"$\sigma$ 越大峰值越高"(错,越大越矮越胖,因为面积恒为 1)。  └ 常见错项:"$\sigma$ 越大峰值越高"(错,越大越矮越胖,因为面积恒为 1)。
## 四、函数分布(8 条) ## 四、函数分布(8 条)
@@ -168,7 +168,7 @@ $$P\{a<X\le b\}=F(b)-F(a),\qquad P\{a\le X\le b\}=F(b)-F(a-0).$$
**L2-40** `判` 判断"某函数是否为密度":两条——非负、积分为 1。**不要求连续**,也不要求有界(可以有奇点,只要可积)。 **L2-40** `判` 判断"某函数是否为密度":两条——非负、积分为 1。**不要求连续**,也不要求有界(可以有奇点,只要可积)。
**L2-41** `式` 由密度求期望时用 $\int xf(x)\mathrm dx$ ,**但要先确认 $\int\lvert x\rvert f<\infty$ ** ,否则期望不存在(柯西分布)。 **L2-41** `式` 由密度求期望时用 $\int xf(x)\mathrm dx$ ,**但要先确认** $\int\lvert x\rvert f<\infty$ ,否则期望不存在(柯西分布)。
**L2-42** `坑` 分段密度求待定常数:**逐段积分再相加等于 1**,不是只看一段。 **L2-42** `坑` 分段密度求待定常数:**逐段积分再相加等于 1**,不是只看一段。
@@ -108,7 +108,7 @@ $$P\{x_1<X\le x_2,\ y_1<Y\le y_2\}=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1).$
| # | 性质 | | # | 性质 |
|---|---| |---|---|
| ① | 两个边缘都是正态:$X\sim N(\mu_1,\sigma_1^2)$ 、$Y\sim N(\mu_2,\sigma_2^2)$ | | ① | 两个边缘都是正态:$X\sim N(\mu_1,\sigma_1^2)$ 、$Y\sim N(\mu_2,\sigma_2^2)$ |
| ② | **独立 $\iff$ $\rho=0$ **(唯一有此性质的分布族) | | ② | **独立** $\iff$ $\rho=0$ (唯一有此性质的分布族) |
| ③ | 任意线性组合 $aX+bY$ 仍正态 | | ③ | 任意线性组合 $aX+bY$ 仍正态 |
| ④ | 条件分布仍正态 | | ④ | 条件分布仍正态 |
| ⑤ | 密度等高线是椭圆,$\rho$ 决定倾斜方向 | | ⑤ | 密度等高线是椭圆,$\rho$ 决定倾斜方向 |
@@ -71,7 +71,7 @@ $$E[g(X)]=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx\quad\text{或}\quad\sum_k
| 正态 | $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ | | 正态 | $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ |
| 卡方 | $\chi^2(n)$ | $n$ | $2n$ | | 卡方 | $\chi^2(n)$ | $n$ | $2n$ |
 └ 四个记忆钩子:**泊松期望等于方差**;**指数期望等于标准差**(都是 $\frac1\lambda$ );**二项是 0-1 的 $n$ 倍**;**超几何比二项多一个有限总体修正因子 $\frac{N-n}{N-1}$ **。  └ 四个记忆钩子:**泊松期望等于方差**;**指数期望等于标准差**(都是 $\frac1\lambda$ );**二项是 0-1 的 $n$ 倍**;**超几何比二项多一个有限总体修正因子** $\frac{N-n}{N-1}$ 。
## 四、协方差与相关系数(8 条) ## 四、协方差与相关系数(8 条)
@@ -130,7 +130,7 @@ $$D(aX+bY)=1+2ab\rho,\qquad \max=1+\lvert\rho\rvert,\ \min=1-\lvert\rho\rvert.$$
**L4-30** `式` 切比雪夫不等式:$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{\varepsilon^2}$ ,等价于 $P\{\lvert X-\mu\rvert<\varepsilon\}\ge1-\dfrac{\sigma^2}{\varepsilon^2}$ 。 **L4-30** `式` 切比雪夫不等式:$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{\varepsilon^2}$ ,等价于 $P\{\lvert X-\mu\rvert<\varepsilon\}\ge1-\dfrac{\sigma^2}{\varepsilon^2}$ 。
 └ **上界给"至少"、下界给"至多"**,方向反了整题反。  └ **上界给"至少"、下界给"至多"**,方向反了整题反。
**L4-31** `式` 样本均值版:$P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ 。**分母有 $n$ ** 。 **L4-31** `式` 样本均值版:$P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ 。**分母有** $n$ 。
**L4-32** `式` 二项版:$P\left\{\left\lvert\dfrac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ 。 **L4-32** `式` 二项版:$P\left\{\left\lvert\dfrac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ 。
@@ -89,9 +89,9 @@ $$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2}.$$
**L5-18** `判` 分工:**大数定律说"均值趋于常数",中心极限定理说"围绕常数的波动趋于正态"**。 **L5-18** `判` 分工:**大数定律说"均值趋于常数",中心极限定理说"围绕常数的波动趋于正态"**。
**L5-19** `模` 标准化四步:① 定 $T=\sum X_i$ ;② 算 $ET=n\mu$ 、$DT=n\sigma^2$ ;③ $\dfrac{T-ET}{\sqrt{DT}}\approx N(0,1)$ 并把不等式两边同步变换;④ 查 $\Phi$ 。 **L5-19** `模` 标准化四步:① 定 $T=\sum X_i$ ;② 算 $ET=n\mu$ 、$DT=n\sigma^2$ ;③ $\dfrac{T-ET}{\sqrt{DT}}\approx N(0,1)$ 并把不等式两边同步变换;④ 查 $\Phi$ 。
 └ 第③步是唯一的技术活:**两边同减 $ET$ 、同除 $\sqrt{DT}$ **,不等号方向不变。  └ 第③步是唯一的技术活:**两边同减 $ET$ 、同除** $\sqrt{DT}$ ,不等号方向不变。
**L5-20** `坑` 标准差是 $\sqrt n\,\sigma$ ,**不是 $n\sigma$ ** 。 **L5-20** `坑` 标准差是 $\sqrt n\,\sigma$ ,**不是** $n\sigma$ 。
 └ $D(\sum X_i)=n\sigma^2$ 是对的,但公式里用的是**标准差**。这是本讲第一号失分点。  └ $D(\sum X_i)=n\sigma^2$ 是对的,但公式里用的是**标准差**。这是本讲第一号失分点。
**L5-21** `坑` **连续性修正($\pm\frac12$ )考研不需要**,加了反而算错。 **L5-21** `坑` **连续性修正($\pm\frac12$ )考研不需要**,加了反而算错。
@@ -67,10 +67,10 @@ tags: [数学一, 知识点构建, 专背清单, 概率论, 数理统计, 抽样
| ④ | $\dfrac{\sqrt n(\overline X-\mu)}{S}$ | $t(n-1)$ | $\sigma$ **未知** | | ④ | $\dfrac{\sqrt n(\overline X-\mu)}{S}$ | $t(n-1)$ | $\sigma$ **未知** |
| ⑤ | $\dfrac{n(\overline X-\mu)^2}{S^2}$ | $F(1,n-1)$ | $\sigma$ 未知 | | ⑤ | $\dfrac{n(\overline X-\mu)^2}{S^2}$ | $F(1,n-1)$ | $\sigma$ 未知 |
**L6-14** `式` 两句口诀:**$\mu$ 换成 $\overline X$ ,自由度减一**(②→③);**$\sigma$ 换成 $S$ ,正态换 $t$ ,自由度 $n-1$ **(①→④)。 **L6-14** `式` 两句口诀:**$\mu$ 换成 $\overline X$ ,自由度减一**(②→③);**$\sigma$ 换成 $S$ ,正态换 $t$ ,自由度** $n-1$ (①→④)。
 └ 这两句覆盖了四件套的全部变化,**不要背四个孤立公式**。  └ 这两句覆盖了四件套的全部变化,**不要背四个孤立公式**。
**L6-15** `判` 四件套的选择只看两件事:**估的是 $\mu$ 还是 $\sigma^2$ **;**另一个参数已知还是未知**。 **L6-15** `判` 四件套的选择只看两件事:**估的是 $\mu$ 还是** $\sigma^2$ ;**另一个参数已知还是未知**。
 └ 两行两列,一共四格。$\mu$ 已知那格用 $\chi^2(n)$ ,**这一格真题十年没考过**,最可能第一次出现。  └ 两行两列,一共四格。$\mu$ 已知那格用 $\chi^2(n)$ ,**这一格真题十年没考过**,最可能第一次出现。
**L6-16** `反` ④ 里藏着一条独立结论:正态总体下 $\overline X$ 与 $S^2$ **相互独立**。 **L6-16** `反` ④ 里藏着一条独立结论:正态总体下 $\overline X$ 与 $S^2$ **相互独立**。
@@ -99,7 +99,7 @@ tags: [数学一, 知识点构建, 专背清单, 概率论, 数理统计, 抽样
 └ 一个参数用一阶矩,两个参数用一、二阶矩联立。  └ 一个参数用一阶矩,两个参数用一、二阶矩联立。
**L6-24** `式` 两参数模板:$\hat\mu=\overline X$ ,$\hat\sigma^2=B_2=\dfrac1n\sum(X_i-\overline X)^2$ 。 **L6-24** `式` 两参数模板:$\hat\mu=\overline X$ ,$\hat\sigma^2=B_2=\dfrac1n\sum(X_i-\overline X)^2$ 。
 └ **矩估计的方差是 $B_2$ (除 $n$ )不是 $S^2$ **。这是矩估计唯一的坑。  └ **矩估计的方差是 $B_2$ (除 $n$ )不是** $S^2$ 。这是矩估计唯一的坑。
**L6-25** `模` MLE 四步:① 写 $L=\prod f(x_i;\theta)$ ;② 取 $\ln L$ ;③ 求导令零(多参数解方程组);④ 写成统计量。 **L6-25** `模` MLE 四步:① 写 $L=\prod f(x_i;\theta)$ ;② 取 $\ln L$ ;③ 求导令零(多参数解方程组);④ 写成统计量。
 └ 第④步别漏——答案必须是 $X_i$ 的表达式,不能留 $\theta$ 。  └ 第④步别漏——答案必须是 $X_i$ 的表达式,不能留 $\theta$ 。
@@ -145,7 +145,7 @@ $$\hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m},\qquad D(\hat\lambda)=\frac{\lambda
**L6-35** `式` MSE 最小的常数:$h(c)$ 展开成 $c$ 的二次函数,顶点 **L6-35** `式` MSE 最小的常数:$h(c)$ 展开成 $c$ 的二次函数,顶点
$$c^*=\frac{\theta\,EX_{(n)}}{EX_{(n)}^2}.$$ $$c^*=\frac{\theta\,EX_{(n)}}{EX_{(n)}^2}.$$
 └ **它一般不等于使无偏的 $\frac{n+1}{n}$ **——2024·22 就考这个"小偏差换大方差"。  └ **它一般不等于使无偏的** $\frac{n+1}{n}$ ——2024·22 就考这个"小偏差换大方差"。
**L6-36** `反` 有偏的估计量**可以**更好(MSE 更小),所以"有偏就不用"是错的。 **L6-36** `反` 有偏的估计量**可以**更好(MSE 更小),所以"有偏就不用"是错的。
@@ -168,13 +168,13 @@ $$\left[\frac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)},\ \frac{(n-1)S^2}{\chi^2_{1-\alp
**L6-40** `判` 单侧区间用 $u_\alpha$ (不是 $u_{\alpha/2}$ );同一置信度下单侧半宽更小。 **L6-40** `判` 单侧区间用 $u_\alpha$ (不是 $u_{\alpha/2}$ );同一置信度下单侧半宽更小。
**L6-41** `式` 2016·14 速算:给 $\overline X$ 与置信上限反求下限——**上限 $+$ 下限 $=2\overline X$ **(仅均值对称区间成立)。 **L6-41** `式` 2016·14 速算:给 $\overline X$ 与置信上限反求下限——**上限 $+$ 下限** $=2\overline X$ (仅均值对称区间成立)。
**L6-42** `式` 两总体三格:均值差(方差已知)用 $U$ ;等方差未知用 $t(m+n-2)$ ,标准误 $S_w\sqrt{1/m+1/n}$ ;方差比用 $F(m-1,n-1)$ 且两端反放。 **L6-42** `式` 两总体三格:均值差(方差已知)用 $U$ ;等方差未知用 $t(m+n-2)$ ,标准误 $S_w\sqrt{1/m+1/n}$ ;方差比用 $F(m-1,n-1)$ 且两端反放。
## 八、假设检验(7 条) ## 八、假设检验(7 条)
**L6-43** `模` 四步:① 提假设(**等号放 $H_0$ **);② 选统计量(按四件套);③ 定拒绝域使 $\alpha$ 成立;④ 算观测值下结论。 **L6-43** `模` 四步:① 提假设(**等号放** $H_0$ );② 选统计量(按四件套);③ 定拒绝域使 $\alpha$ 成立;④ 算观测值下结论。
**L6-44** `表` 拒绝域方向(**跟着 $H_1$ 跑**): **L6-44** `表` 拒绝域方向(**跟着 $H_1$ 跑**):
@@ -197,7 +197,7 @@ $$\left[\frac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)},\ \frac{(n-1)S^2}{\chi^2_{1-\alp
**L6-47** `式` 对偶:$\mu_0$ 落在 $1-\alpha$ 置信区间内 $\iff$ 不拒绝 $H_0$ 。 **L6-47** `式` 对偶:$\mu_0$ 落在 $1-\alpha$ 置信区间内 $\iff$ 不拒绝 $H_0$ 。
**L6-48** `判` 两总体检验:均值差用 $U$ 或 $T$ (同 L6-19、L6-21);方差比用 $F=\dfrac{S_1^2}{S_2^2}$ ,**分子配 $m-1$ **。 **L6-48** `判` 两总体检验:均值差用 $U$ 或 $T$ (同 L6-19、L6-21);方差比用 $F=\dfrac{S_1^2}{S_2^2}$ ,**分子配** $m-1$ 。
**L6-49** `坑` 检验题里"$\sigma_0^2$ "与"$\sigma_0$ "要看清楚:$U$ 与 $T$ 的分母是标准差,$\chi^2$ 的分母是方差。 **L6-49** `坑` 检验题里"$\sigma_0^2$ "与"$\sigma_0$ "要看清楚:$U$ 与 $T$ 的分母是标准差,$\chi^2$ 的分母是方差。
@@ -213,7 +213,7 @@ $$\left[\frac{(n-1)S^2}{\chi^2_{\alpha/2}(n-1)},\ \frac{(n-1)S^2}{\chi^2_{1-\alp
**L6-51** `模` 算 $\beta$ 四步:① 由 $\alpha$ 定拒绝域临界值;② **换世界**——用真实参数算统计量分布;③ 求"落在接受域"的概率;④ 得 $\beta$ 。 **L6-51** `模` 算 $\beta$ 四步:① 由 $\alpha$ 定拒绝域临界值;② **换世界**——用真实参数算统计量分布;③ 求"落在接受域"的概率;④ 得 $\beta$ 。
**L6-52** `反` $\alpha$ 与 $\beta$ **不能同时减小**($n$ 固定时)。唯一办法是**增大 $n$ **。 **L6-52** `反` $\alpha$ 与 $\beta$ **不能同时减小**($n$ 固定时)。唯一办法是**增大** $n$ 。
**L6-53** `式` $\alpha$ 减小 $\Rightarrow$ 拒绝域缩小 $\Rightarrow$ 接受域变大 $\Rightarrow$ $\beta$ 增大。**方向是反的**。 **L6-53** `式` $\alpha$ 减小 $\Rightarrow$ 拒绝域缩小 $\Rightarrow$ 接受域变大 $\Rightarrow$ $\beta$ 增大。**方向是反的**。