- 18-线代与概率大题十年总结.md(10203 字符):2016—2025 线代 15 题 170 分、 概率 15 题 170 分逐年对照,每题给「考什么 / 起手式 / 落点 / 详讲」 - 关键结构发现:2021 年卷面改革后两科各从 2 题 22 分压成 1 题 12 分, 占比 23.4% → 17.1%,没有第二题兜底,策略从「拿高分」改为「12 分必得」 - 硬统计:线代 12/15 落在特征值相似(7)+ 二次型(5),方程组向量仅 3; 概率 8/15 多维(ch17)+ 7/15 参数估计(ch21),其余章节十年 0 次 - 七条可复用规律 + 四个模板 + 按出错概率排的三天取舍表 - 顺带修 15、17、18 三处「加粗以公式收尾」,29 处公式收尾缺空格 - README:文件清单加附录行,说明 18 不计入 64 题
15 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
大题十年考点 · 全科盘点 | 2026-11-01 | 十五年表 + 十五个考点族的全量地图(§1—§15),点文件承载全文与题目 |
|
大题十年考点 · 知识点盘点
数据源:
试卷/Kaoyan-Math1-Papers/papers/近十年真题题库/kaoyan_math1.db(2016—2025,225 题)。 口径:只统计解答题(大题)。十年解答题共 75 题 820 分——高数 45 题 480 分、线代 15 题 170 分、概率 15 题 170 分。
§0 导航
§0.1 逐年对照表、§0.2 考点族热度、§0.3 三条命题规律、§0.4 考点与题目反查表,全部并入 01b-覆盖对照与接口(那里是"三条线的并集",统计表与反查表都归它;反查表在 §九)。
本节已无内容,读完这句直接进 §1。
§1 极限与数列极限
1.1 未定式与泰勒展开
\frac{0}{0} 、\frac{\infty}{\infty} 、\infty-\infty 、0\cdot\infty 、1^{\infty} 五类先定型再动手。\infty-\infty 一律通分成 \frac{0}{0} ,再用泰勒展开到"分子分母同阶"的那一项。展开阶数的判据:看分母的最低次幂,分子展到同次即止。
1.2 积分上限函数
\Phi(x)=\int_0^x f(t)\,dt 有 \Phi'(x)=f(x) ;若上限是 u(x) ,则 \frac{d}{dx}\int_a^{u(x)}f(t)dt=f(u(x))u'(x) 。极限题里它几乎总和洛必达一起出现。
1.3 数列递推:单调有界与压缩
两种武器:单调有界(先证 x_{n+1}-x_n 定号,再证有界,最后对递推式取极限)与压缩映射(证 |x_{n+1}-a|\le k|x_n-a| ,0<k<1 )。递推式形如 x_{n+1}=\ln\frac{e^{x_n}-1}{x_n} 时,先证 0<x_{n+1}<x_n ,再取极限解方程,注意增根。
§2 中值定理与不等式证明
2.1 零点定理与介值定理
f\in C[a,b] 且 f(a)f(b)<0 \Rightarrow 至少一根。题目常把端点条件藏在极限里(如 \lim_{x\to0^+}\frac{f(x)}{x}<0 蕴含 f(0)=0 且右侧取负值),要先把极限翻译成函数值符号。
2.2 罗尔定理与辅助函数
证"存在 \xi 使某式 =0 "的固定套路:把结论里的 \xi 换成 x ,凑成某个 F'(x)=0 的形状。常见构造:f f' (结论含 ff''+(f')^2 )、e^{kx}f (含 f'+kf )、f/x 、xf 。
2.3 拉格朗日与导数估计
\frac{f(b)-f(a)}{b-a}=f'(\xi) 。已知 \max|f| 证 |f'| 下界、或已知 |f''| 的上界证 |f'| 的上界,都靠它。
2.4 泰勒公式证不等式
在极值点或中点展开,余项用 |f''|\le M 放缩。含"\le\frac{x(1-x)}{2} "这类二次型右端的题,一定是泰勒展开到一阶、余项二阶。
2.5 凸函数与积分不等式
f''\ge0 的三个等价说法:切线在曲线下方;\frac{1}{b-a}\int_a^bf\ge f(\frac{a+b}{2}) ;f(\lambda x_1+(1-\lambda)x_2)\le\lambda f(x_1)+(1-\lambda)f(x_2) 。证积分不等式优先走"切线放缩 \to 积分"。
2.6 充要条件型证明
"f' 严格递增 \iff 任意三点差商严格递增"。必要性:差商写成两个中值点的导数,靠 \xi_1<\xi_2 传严格性;充分性:差商在 h\to0^+ 时趋于 f' ,得单调不减,再由"取等则区间内 f 线性"制造矛盾。
§3 一元微分应用
3.1 隐函数求导与极值
F(x,y)=0 确定 y=y(x) 时,y'=-\frac{F_x}{F_y} 。求极值三步:解 y'=0 得驻点(代回原方程得 y 值)、判 y'' 符号、写极值。
3.2 闭区间最值与应用题
闭区间上最值 = 驻点值 \cup 不可导点值 \cup 端点值,三者取极。应用题先设变量、写约束、把目标函数化成一元,再按上句走。
3.3 凹凸性与拐点
y''>0 凹(下凸)、y''<0 凸;拐点要求 y'' 变号,y''=0 只是候选。
§4 一元积分
4.1 不定积分三法与有理函数
换元(根式令 t=\sqrt{\cdot} )、分部("反对幂三指"定 u )、有理函数(部分分式:单根 \frac{A}{x-a} 、重根逐次、二次不可约 \frac{Bx+C}{x^2+px+q} 配平方出 \arctan )。
4.2 定积分定义求极限
\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^nf(\frac{k}{n})=\int_0^1f(x)dx 。题目常把 \frac{1}{n} 藏进 \frac{k}{n^2} 里,要先提出 \frac{1}{n} 再认。
4.3 定积分应用
面积 \int|f| ,遇到 e^{-x}\sin x 这类振荡曲线要按零点分段求和(等比数列)。
4.4 含参递推积分
a_n=\int_0^1x^nf(x)dx 型:先分部造出 a_n 与 a_{n-2} 的关系,再用单调有界求 \frac{a_n}{a_{n-1}} 的极限。
4.5 反常积分
\int_1^{\infty}\frac{dx}{x^p} 在 p>1 收敛。含参数 k 的题,收敛性靠"被积函数指数衰减"判断,计算靠原函数直接求。
§5 常微分方程
5.1 一阶线性方程
y'+P(x)y=Q(x) 的通解 y=e^{-\int P}\left(\int Qe^{\int P}dx+C\right) 。识别标志:y 与 y' 都是一次的。
5.2 二阶常系数齐次
特征根 r_{1,2} 三种情形:相异实根 e^{r_1x},e^{r_2x} ;重根 (C_1+C_2x)e^{rx} ;共轭复根 e^{\alpha x}(C_1\cos\beta x+C_2\sin\beta x) 。0<k<1 时 y''+2y'+ky=0 的根为 -1\pm\sqrt{1-k} ,均为负。
5.3 周期解与解的结构
y'+y=f(x) ,f 以 T 为周期,则存在唯一 T 周期解的证法:写出通解,令 y(0)=y(T) 解出 C ,唯一性由"两解之差满足齐次方程且周期"推出。
5.4 几何建模
"到 y 轴距离 = 切线在 y 轴截距":截距 =y-xy' ,于是 x=y-xy' ,化为一阶线性。先翻译几何条件,再解方程,最后才用初值。
§6 多元函数微分学
6.1 复合函数偏导
z=f(u,v) ,u=u(x,y) ,则 \frac{\partial z}{\partial x}=f_1'u_x+f_2'v_x 。二阶偏导必须写全两项:f_{11}''u_x^2+2f_{12}''u_xv_x+f_{22}''v_x^2+f_1'u_{xx}+f_2'v_{xx} 。一元复合(y=f(e^x,\cos x) )时把 u_x,v_x 换成 u',v' 。
6.2 由偏导关系反求一元函数
给定 x^2g_{xx}+xyg_{xy}+y^2g_{yy}=1 这类恒等式,先算出 g_{xx},g_{xy},g_{yy} 关于 f',f'' 的表达式,代入后 x,y 会整体消成一个变量 u=\frac{x}{y} ,得 f 的常微分方程。
6.3 方向导数与梯度
\frac{\partial f}{\partial\boldsymbol l}=\nabla f\cdot\boldsymbol l^{\circ} (必须单位化)。方向导数最大方向 = 梯度方向,最大值 =|\nabla f| 。"沿某方向方向导数最大且最大值为 m " \Leftrightarrow \nabla f=m\boldsymbol l^{\circ} 。
6.4 无条件极值
解 f_x=f_y=0 得驻点,令 A=f_{xx},B=f_{xy},C=f_{yy} :AC-B^2>0 且 A>0 极小、A<0 极大;AC-B^2<0 非极值;=0 失效需另判。
6.5 条件极值
拉格朗日:L=f+\lambda\varphi (可多个乘子),解 L_x=L_y=L_\lambda=0 。比较所有候选点的函数值才能定最大最小,不要只解出一个点就下结论。
6.6 切平面与闭区域最值
切平面:z-z_0=f_x(x_0,y_0)(x-x_0)+f_y(x_0,y_0)(y-y_0) ;截距式定出投影区域 D 后,按"内部驻点 + 边界"两步求最值,边界要逐段化成二元或一元。
§7 重积分
7.1 二重积分:极坐标与对称性
x=r\cos\theta,y=r\sin\theta ,d\sigma=r\,dr\,d\theta 。极坐标优先的两信号:区域含 x^2+y^2 、被积函数含 x^2+y^2 。对称性:区域关于 x 轴对称时,被积函数对 y 为奇则积分为 0 。
7.2 区域分解与换序
先画图定边界交点,再判"先 x 后 y "还是"先 y 后 x "。被积函数形如 \frac{(x-y)^2}{x^2+y^2} 时直接上极坐标。
7.3 三重积分与形心
形心 \bar z=\frac{\iiint_\Omega z\,dv}{\iiint_\Omega dv} 。区域是"锥体被平面截"时用截面法(先二后一)最省:固定 z 得圆盘,面积好算。
7.4 积分区域的最值问题
I(D)=\iint_D f 要最大,就让 D 恰好覆盖 f>0 的部分:D^*=\{(x,y):f>0\} 。
§8 曲线积分
8.1 格林公式与挖洞法
\oint_L Pdx+Qdy=\iint_D(Q_x-P_y)d\sigma 。L 不闭则补线;P,Q 在 D 内有奇点则在奇点外作小圆挖洞,内边界取顺时针。
8.2 路径无关与全微分
\frac{\partial P}{\partial y}=\frac{\partial Q}{\partial x} (单连通)\iff 积分与路径无关 \iff Pdx+Qdy=du 。此时 \int_L=u(\text{终})-u(\text{始}) ,与路径形状无关,可只沿折线算。
8.3 斯托克斯公式
\oint_\Gamma Pdx+Qdy+Rdz=\iint_\Sigma\begin{vmatrix}dy\wedge dz&dz\wedge dx&dx\wedge dy\\ \partial_x&\partial_y&\partial_z\\ P&Q&R\end{vmatrix} 。关键是选一个以 \Gamma 为边界的简单曲面(平面片最好),并按右手法则定向。
§9 曲面积分
9.1 高斯公式与补面
\oiint_\Sigma Pdydz+Qdzdx+Rdxdy=\iiint_\Omega(P_x+Q_y+R_z)dv 。曲面不闭就补一块平面;补面方向取外侧,最后减去补面上的积分。
9.2 第一类曲面积分
\iint_\Sigma f\,dS=\iint_{D_{xy}}f(x,y,z(x,y))\sqrt{1+z_x^2+z_y^2}\,dxdy 。求质量、面积、质心都用它,无方向。
9.3 第二类曲面积分的直接投影
"一投、二代、三定号":投影到 xOy 面算 Rdxdy ,上侧取正、下侧取负;Pdydz 投 yOz 面,前侧取正。
9.4 旋转曲面与曲面方程
曲线 \Gamma 绕定直线 l 旋转:在 \Gamma 上任取点 M ,旋转所得圆上任意点 P 满足"到 l 的距离 = M 到 l 的距离",且 P 在过 M 且垂直于 l 的平面上。两个方程联立消参即得曲面。
§10 无穷级数
10.1 数项级数敛散证明
|x_{n+1}-x_n| 构成的级数:先证 |x_{n+1}-x_n|\le q|x_n-x_{n-1}| (0<q<1 )得绝对收敛,再由部分和收敛推出 \{x_n\} 收敛。
10.2 幂级数求和函数
由系数递推 a_{n+1}=\frac{n+\frac12}{n+1}a_n 定收敛半径(\lim|\frac{a_{n+1}}{a_n}|=1 ),再设 S(x)=\sum a_nx^n ,用 S' 或 xS' 建立微分方程求解。
10.3 函数项级数的收敛域
拆成两个级数分别求收敛域再取交:\sum e^{-nx} 在 x>0 收敛(x\le0 发散),\sum\frac{x^{n+1}}{n(n+1)} 在 |x|\le1 绝对收敛。和函数分段写。
§11 线代 · 特征值与相似
11.1 相似判定与参数反求
相似 \Rightarrow 迹、行列式、特征多项式相同。求参数的标准流程:用"\lambda 是特征值 \iff|\lambda E-A|=0 "列方程,再用"A\sim B 则 r(\lambda E-A)=r(\lambda E-B) "定第二个参数。
11.2 由特征值特征向量反求矩阵
A=P\Lambda P^{-1} ,P 由特征向量拼成。给的是"A\xi_1=\lambda_1\xi_1 、A\xi_2=\lambda_2\xi_2 且 \xi_3=\xi_1+\xi_2 "这类抽象条件时,把 \xi_3 也写成特征向量组合再乘 A 。重根缺向量时,用"实对称矩阵不同特征值特征向量正交"补第三个。
11.3 矩阵幂与递推
A=P\Lambda P^{-1}\Rightarrow A^n=P\Lambda^nP^{-1} 。由递推式 \alpha_{n+1}=A\alpha_n 得 \alpha_n=A^{n-1}\alpha_1 ,再对角化算幂。
11.4 实对称正交对角化与矩阵方程
Q^{\mathrm T}AQ=\Lambda ,Q 的列是单位正交特征向量;重特征值内部要施密特正交化。矩阵方程 AX=B 有解 \iff r(A)=r(A,B) ,通解 = 特解 + 齐次通解。
§12 线代 · 二次型
12.1 正交变换化标准形
写 A (对角元取平方项系数,交叉项折半写到对称位置)\to 求特征值 \to 求单位正交特征向量 \to x=Qy 得 f=\lambda_1y_1^2+\lambda_2y_2^2+\lambda_3y_3^2 。
12.2 惯性定理与规范形
正负惯性指数由特征值符号唯一确定,与变换无关。规范形只写 y_1^2+\cdots+y_p^2-y_{p+1}^2-\cdots ,系数全为 \pm1 。
12.3 二次曲面与可逆变换
f=\lambda_1y_1^2+\lambda_2y_2^2+\lambda_3y_3^2=1 :三正为椭球面、两正一负为单叶双曲面、一正两负为双叶双曲面。用可逆(非正交)变换化标准形时,配方法即可,别硬求特征值。
§13 线代 · 方程组与向量
13.1 矩阵方程与解的判定
AX=B 按列看:每一列都是 Ax=b_i 。有解 \iff r(A)=r(A,B) ;唯一解 \iff r(A)=r(A,B)=n 。
13.2 基与过渡矩阵
C=B\cdot P 中 P 是 B 到 C 的过渡矩阵(右乘)。求法:把两组基按列拼成矩阵,对 (B\mid C) 作行变换化 B 为 E ,右侧即 P 。
13.3 初等变换与矩阵可逆
左乘初等矩阵 = 行变换,右乘 = 列变换。A 可逆 \iff A 是若干初等矩阵之积 \iff r(A)=n 。
§14 概率 · 多维随机变量
14.1 二维密度、边缘与独立性
f\ge0 且 \iint f=1 ;f_X(x)=\int f(x,y)dy 。独立 \iff f=f_Xf_Y 。判独立的快法:支撑不是矩形(三角形、圆、y\ge x^2 )必不独立。均匀分布密度 =1/S_D 。
14.2 随机变量函数的分布
卷积 f_Z(z)=\int f_X(x)f_Y(z-x)dx ,被积区间由"x 在 X 支撑内"与"z-x 在 Y 支撑内"求交,随 z 分段。通用法:F_Z(z)=\iint_{g\le z}f 再求导。
14.3 混合型与全概率
X 离散、Y 连续时 f_Y(y)=\sum_kP\{X=x_k\}f_{Y\mid X=x_k}(y) ;反向条件概率用贝叶斯,分母是该密度的积分。
14.4 条件分布与重期望
f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)} ,E(Y\mid X=x) 把条件密度当一个普通密度求期望。重期望 EY=E\left[E(Y\mid X)\right] ;算协方差时用 E(XY)=E\left[X\,E(Y\mid X)\right] 最省——只要求一次一维期望,不必碰联合密度的二重积分。
14.5 协方差与相关系数
\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY ,双线性;D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y) ;\rho=\frac{\operatorname{Cov}}{\sqrt{DX\,DY}} 。不相关 \ne 独立(二维正态时二者等价)。EX=0 且独立时,乘积型 Z=XY 有 \operatorname{Cov}(X,Z)=E(X^2)EY 。
14.6 复合分布与泊松稀疏
N\sim P(\lambda) ,在 N=n 下 M\sim B(n,p) ,则 M\sim P(\lambda p) (泊松稀疏),且 EM=\lambda p 。分段赔付 Y=(X-a)^+ 先算 p=P\{Y>0\} ,再套上述结论。
14.7 商的分布
Z=Y/X 用分布函数法:F_Z(z)=P\{Y\le zX\}=\iint_{y\le zx}f ,求导前先按 z 的正负把半平面与支撑求交,分段点通常就在支撑的角点上。X=\min(U,1-U) 一类题先用 P\{X\le x\} 求密度,再作变换 Z=\frac{1-X}{X} 。
§15 概率 · 参数估计
15.1 矩估计与极大似然
矩估计令 \bar X=E_\theta X ;MLE 取对数求导,检查驻点在参数空间内。L 关于 \theta 单调时 MLE 在边界:\max X_i (U(0,\theta) )或 \min X_i (e^{-(x-\theta)} )。
15.2 无偏性与均方误差
无偏:E(\hat\theta)=\theta ;\operatorname{MSE}=D(\hat\theta)+\text{bias}^2 。E(\hat\theta)=c\theta 时用 \hat\theta/c 修正。
15.3 次序统计量
M=\max :F_M=[F]^n ,f_M=nF^{n-1}f ;L=\min :P\{L>l\}=[1-F(l)]^n 。必背:U(0,\theta) 的 E(\max)=\frac{n}{n+1}\theta ;e^{-(x-\theta)} 的 E(\min)=\theta+\frac1n 。