原生数字化重构 · 纯文本与矢量排版

2006考研数一真题解析【闲鱼号“非凡小翊”持续更新中】【闲鱼号:非凡小翊】

--- [第 1 页] --- 2006 年全国硕士研究生入学统一考试数学一试题解析
一、 填空题
(1) 【答案】2. 【详解】由等价无穷小替换, 0 x  时, 2 1 ln(1 ) ,1 cos 2 x x x x     , 2 0 0 2 ln(1 ) lim lim 1 1 cos 2 x x x x x x x      =2
(2) 【答案】 x Cxe  . 【详解】分离变量, (1 ) dy y x dx x    (1 ) dy x dx y x    1 ( 1) dy dx y x    1 dy dx dx y x      ln ln y x x c     ln ln y x x c e e    x y Cxe  
(3) 【答案】2 【详解】补一个曲面 2 2 1 : 1 x y z        1 ,取上侧,则 1 组成的封闭立体满足高斯公式, 1 ( ) P Q R dv Pdydz Qdzdx Rdxdy I x y z                 设 , 2 , 3( 1) P x Q y R z     ,则 1 2 3 6 P Q R x y z            ∴I  6dxdydz  (为锥面和平面 1 所围区域) 6V  (V 为上述圆锥体体积) 注:以下几种解法针对于不同的方法求圆锥体体积V 方法1:I 6 2 3      (高中方法,圆锥的体积公式,这种方法最简便) 而 1 2 3( 1) 0 xdydz ydzdx z dxdy       (在 1 上: 1, 0 z dz   ) 方法2:先二重积分,后定积分. 因为 1 0 V Sdz  , 2 2 r x y   , 2 2 2 r x y   , 2 2 r z  , 2 2 S r z     , 所以 1 1 2 2 0 0 1 1 3 3 V z dz z        .从而 6 6 2 3 I V       --- [第 2 页] --- 方法3:利用球面坐标. 1 z 在球坐标下为: 1 cos    , 1 2 2 4 cos 0 0 0 6 sin I d d d           2 4 3 0 0 2sin cos d d         2 4 3 0 0 cos ( 2) cos d d        4 2 2 0 0 1 ( 2) ( )cos 2 d        2 0 2 d      方法4:利用柱面坐标. 2 1 1 0 0 6 r I d dr rdz     2 1 0 0 6 (1 ) d r rdr      1 2 2 3 0 0 1 1 6 ( ) 2 3 d r r     2 0 2 d     
(4) 【答案】 2 【详解】代入点 0 0 0 ( , , ) P x y z 到平面 0 Ax By Cz D     的距离公式 0 0 0 2 2 2 6 4 0 2 9 16 25 Ax By Cz D d A B C            
(5) 【答案】2 【详解】由已知条件 2 BA B E   变形得, 2 BA E B    ( ) 2 B A E E   , 两边取行列 式, 得 ( ) 2 4 4 B A E E E     其中, 2 1 1 0 1 1 2 1 2 0 1 1 1 A E                    , 2 2 2 E 4 E   因此, 2 4 2 2 E B A E     .
(6) 【答案】1 9 【详解】根据独立性原理:若事件 1, , n A A  独立,则       1 2 1 2 n n P A A A P A P A P A     --- [第 3 页] --- 事件       max{ , } 1 1, 1 1 1 X Y X Y X Y         ,而随机变量X 与Y 均服 从区间[0,3] 上的均匀分布,有  1 0 1 1 1 3 3 P X dx     和  1 0 1 1 1 3 3 P Y dy     . 又随机变 量X 与Y 相互独立,所以,         max( , ) 1 1, 1 1 1 P x y P x Y P x P Y         1 1 3 3   1 9 
二、 选择题.
(7) 【答案】A 【详解】 方法1:图示法. 因为 ( ) 0, f x   则 ( ) f x 严格单调增加;因为 ( ) 0, f x   则 ( ) f x 是凹函数,又 0 x   ,画 2 ( ) f x x  的图形 结合图形分析,就可以明显得出结论:0 dy y   . 方法2:用两次拉格朗日中值定理 0 0 0 ( ) ( ) ( ) y dy f x x f x f x x          (前两项用拉氏定理) 0 ( ) ( ) f x f x x        (再用一次拉氏定理) 0 ( )( ) f x x      , 其中 0 0 0 , x x x x          由于 ( ) 0 f x   ,从而 0 y dy    . 又由于 0 ( ) 0 dy f x x     ,故选[ ] A 方法3: 用拉格朗日余项一阶泰勒公式. 泰勒公式: 0 0 0 ( ) ( ) ( )( ) f x f x f x x x     ( ) 2 0 0 0 0 ( ) ( ) ( ) ( ) 2! ! n n n f x f x x x x x R n         , 其中 ( 1) 0 0 ( ) ( ) ( 1)! n n n f x R x x n     . 此时n 取1 代入,可得 2 0 0 0 1 ( ) ( ) ( ) ( )( ) 0 2 y dy f x x f x f x x f x            又由 0 ( ) 0 dy f x x    ,选( ) A . O x0 x0+Δx x y y=f(x) Δy dy --- [第 4 页] ---
(8) 【答案】( ) C 【详解】记 1 4 0 0 ( cos , sin ) ( , ) D d f r r rdr f x y dxdy         ,则区域D 的极坐标表示是: 0 1 r   ,0 4     . 题目考察极坐标和直角坐标的互化问题,画出积分区间,结合图形 可以看出,直角坐标的积分范围(注意 y x  与 2 2 1 x y   在第一象限的交点是 2 2 2 2 ( , )),于是 2 2 :0 , 1 2 D y y x y      所以,原式 2 2 1 2 0 ( , ) y y dy f x y dx    . 因此选( ) C
(9) 【答案】D 【详解】 方法1:数列收敛的性质:收敛数列的四则运算后形成的新数列依然收敛 因为 1 n n a  收敛,所以 1 1 n n a    也收敛,所以 1 1 ( ) n n n a a      收敛,从而 1 1 2 n n n a a      也收敛.选D. 方法2:记 ( 1)n na n   ,则 1 n n a   收敛. 但 1 1 1 n n n a n        ,( p 级数, 1 2 p  级数发散); 1 1 1 1 1 n n n n a a n n           ( p 级数, 1 p 级数发散)均发散。由排除法可知,应选D.
(10) 【答案】D 【详解】 方法1:化条件极值问题为一元函数极值问题。 已知 0 0 ( , ) 0 x y   ,由( , ) 0 x y   ,在 0 0 , ) x y ( 邻域,可确定隐函数 ( ) y y x  , 满足 0 0 ( ) y x y  ,dy x y dx        。 0 0 , ) x y ( 是 ( , ) f x y 在条件 ( , ) 0 x y   下的一个极值点 0 x x   是 ( , ( )) z f x y x  的极值点。它的必要条件是 0 0 0 0 0 0 ( , ) ( , ) x x x x f x y f x y dz dy dx x y dx         0 0 0 0 0 0 0 0 0 ( , ) 0 ( , ) ( , ) ( , ) x y x x x y x y x y f x y f x y           若 0 0 ( , ) 0 xf x y   ,则 0 0 ( , ) 0 yf x y   ,或 0 0 ( , ) 0 x x y   ,因此不选( ) A ,( ) B . 若 0 0 ( , ) 0 xf x y   ,则 0 0 ( , ) 0 yf x y   (否则 0 0 x x dz dx   ). 因此选( ) D 方法2:用拉格朗日乘子法. 引入函数 ( , , ) ( , ) ( , ) F x y f x y x y     ,有 --- [第 5 页] --- ( , ) ( , ) 0
(1) ( , ) ( , ) 0
(2) ( , ) 0 x x x y y y F f x y x y F f x y x y F x y                        因为 0 0 ( , ) 0 y x y   ,所以 0 0 0 0 ( , ) ( , ) y y f x y x y      ,代入(1)得 0 0 0 0 0 0 0 0 ( , ) ( , ) ( , ) ( , ) y x x y f x y x y f x y x y        若 0 0 ( , ) 0 xf x y   ,则 0 0 ( , ) 0 yf x y   ,选( ) D
(11) 【答案】A 【详解】 方法1:若 1 2 , , , s    线性相关, 则由线性相关定义存在不全为0 的数 1 2 s , , , k k k  使得 1 1 2 2 0 s s k k k         为了得到 1 2 , , , s A A A     的形式,用A 左乘等式两边, 得 1 1 2 2 0 s s k A k A k A         ① 于是存在不全为0 的数 1 2 s , , , k k k  使得①成立,所以 1 2 , , , s A A A     线性相关. 方法2 :如果用秩来解,则更加简单明了. 只要熟悉两个基本性质, 它们是:
1. 1 2 , , , s    线性相关 1 2 ( , , , ) s r s     ;2. ( ) ( ) r AB r B  . 矩阵 1 2 1 2 ( , , , ) ( , , , ) s s A A A A         , 设 1 2 s B ( , , , )     ,则由 ( ) ( ) r AB r B  得 1 2 1 2 ( , , , ) ( , , , ) s s r A A A r s          . 所以答案应该为( A ).
(12) 【答案】B 【详解】用初等矩阵在乘法中的作用(矩阵左乘或右乘初等矩阵相当于对矩阵进行初等行变 换或列变换)得出 将A 的第2 行加到第1 行得B ,即 1 1 0 0 1 0 0 0 1 B A           记 PA 将B 的第1 列的-1 倍加到第2 列得C ,即 1 1 0 0 1 0 0 0 1 C B             记 BQ --- [第 6 页] --- 因为PQ  1 1 0 0 1 0 0 0 1           1 1 0 0 1 0 0 0 1            E  ,故 1 Q P E   1 P  . 从而 1 1 C BQ BP PAP      ,故选( B ).
(13) 【答案】C 【详解】本题考条件概率的概念和概率的一般加法公式 根据条件概率的定义,当 ( ) 0 P B  时,     1 P AB P A B P B   得   P AB P B  根据加法公式有       P A B P A P B P AB P A      ,故选(C)
(14) 【答案】A. 【详解】由于X 与Y 的分布不同,不能直接判断 1 {| | 1} P X    和 2 {| | 1} P Y    的大小 与参数关系. 如果将其标准化后就可以方便地进行比较了。 随机变量标准化,有 1 1 X    ~ (0,1) N ,且其概率密度函数是偶函数. 所以 1 1 1 1 1 ( 1) ( ) X P X P          1 1 1 1 1 1 1 1 2 0 2[ ( )
(0) ] 2 ( ) 1 X P                    . 同理有, 2 2 1 ( 1) 2 ( ) 1 P Y       因为 ( )x  是单调递增函数,当 1 2 {| | 1} {| | 1} P X P Y        时, 1 1 2 ( ) 1    2 1 2 ( ) 1   ,即 1 2 1 1    ,所以 1 2    ,故选(A).
三、 解答题
(15) 【详解】积分区域对称于x 轴, 2 2 1 xy y x y   为y 的奇函数, 从而知 2 2 0 1 D xy dxdy x y     所以 1 2 1 2 0 2 2 2 0 2 1 ln(1 ) ln 2 1 1 2 2 D r I dxdy d dr r x y r                 极坐标 --- [第 7 页] ---
(16) 【详解】(I) 由于0 x    时,0 sin x x   ,于是 1 0 sin n n n x x x     ,说明数列 nx 单调减少且 0 nx  . 由单调有界准则知lim n n x  存在.记为A . 递推公式两边取极限得 sin , 0 A A A    (II) 原式 2 1 sin lim( ) n x n n n x x  = ,为“1”型. 因为离散型不能直接用洛必达法则,先考虑 2 1 0 sin lim( ) t t t t  2 1 0 sin lim( )t t t t  2 0 1 sin lim ln( ) t t t t e   2 0 1 1 ( cos sin ) lim sin 2 t t t t t t t t e      3 0 cos sin lim 2 t t t t t e    2 0 0 cos sin cos sin lim lim 6 6 t t t t t t t t t e e        1 6 e   所以 2 2 2 1 1 1 1 0 1 6 sin sin lim( ) lim( ) lim( ) n n x x n n x n n x n n x x x x x x e       = =
(17) 【详解】用分解法转化为求 1 1 ax  的展开式,而这是已知的. 由于 2 1 1 1 1 1 2 1 )(2 ) 3 1 2 x x x x x x                ( 1 1 1 1 3 1 6 1 2 x x       0 0 1 1 ( 1) 3 6 2 n n n n n n x x          ( 1) x  因此   1 1 0 1 1 ( ) 1 3 2 n n n n f x x               ( 1) x  .
(18) 【详解】(I)由于题目是验证,只要将二阶偏导数求出来代入题目中给的等式就可以了     2 2 2 2 2 2 2 2 ; z x z y f x y f x y x y x y x y                    2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 x x y x y z x f x y f x y x x y x y                    2 2 2 2 2 2 3 2 2 2 2 2 x y f x y f x y x y x y         --- [第 8 页] --- 同理       2 2 2 2 2 2 2 3 2 2 2 2 2 2 z y x f x y f x y y x y x y           代入 2 2 2 2 0 z z x y       ,得   2 2 2 2 2 2 ( ) 0 f x y f x y x y        , 所以 ( ) ( ) 0 f u f u u     成立. (II) 令 ( ) f u p   于是上述方程成为dp p du u  ,则 dp du c p u     , 即 ln ln p u c   ,所以 ( ) c f u p u    因为
(1) 1 f   ,所以 1 c  ,得 2 ( ) ln f u u c   又因为
(1) 0 f  ,所以 2 0 c  ,得 ( ) ln f u u 
(19) 【详解】 方法1:把 2 ( , ) ( , ) f tx ty t f x y   两边对t 求导,得: 3 ( , ) ( , ) 2 ( , ) x y xf tx ty yf tx ty t f x y      令 1 t ,则 ( , ) ( , ) 2 ( , ) x y xf x y yf x y f x y     ; 再令 ( , ), ( , ) P yf x y Q xf x y   , 所以 ( , ) ( , ) x Q f x y xf x y x      , ( , ) ( , ) y P f x y yf x y y      得 Q P x y      ,所以由格林公式知结论成立. 方法2:D 是单连通区域,对于D 内的任意分段光滑简单闭曲线L ,为D 内的一曲线 ( , ) ( , ) 0 L yf x y dx xf x y dy    ( , ) ( , ) yf x y dx xf x y dy     在D 内与路径无关  ( ( , )) ( ( , )) xf x y yf x y x x       (( , ) ) x y D   ( , ) ( , ) 2 ( , ) 0 x xf x y yf x y f x y      (( , ) ) x y D  同方法1,由 2 ( , ) ( , ) f tx ty t f x y   可证得上式. 因此结论成立. --- [第 9 页] ---
(20) 【详解】(I)系数矩阵 1 1 1 1 4 3 5 1 1 3 A a b             未知量的个数为 4 n  ,且又AX b  有三个 线性无关解,设 1 2 3 , , 是方程组的3 个线性无关的解, 则 2 1 3 1 ,      是 0 AX  的两 个线性无关的解. 因为 2 1 3 1 ,      线性无关又是齐次方程的解,于是 0 AX  的基础解 系中解的个数不少于2, 得4 ( ) 2 r A   , 从而( ) 2 r A  . 又因为A 的行向量是两两线性无关的, 所以( ) 2 r A  . 所以( ) 2 r A  . (II)对方程组的增广矩阵作初等行变换: [ ] A b =     2 1 4 3 1 1 1 1 1 | 1 1 1 1 1 | 1 4 3 5 1 | 1 0 1 1 5 | 3 1 3 | 1 0 1 3 |1 a a b a a b a a                                      3 2 1 a    1 1 1 1 | 1 0 1 1 5 | 3 , 0 0 4 2 4 5 |4 2 a a b a                  由( ) 2 r A  , 得4 2 0 4 5 0 a a b         ,即 2, a  3 b . 所以[ ] A b 作初等行变换后化为; 1 0 2 4 | 2 0 1 1 5 | 3 0 0 0 0 | 0               , 它的同解方程组 1 3 4 2 3 4 2 2 4 3 5 x x x x x x         ① ①中令 3 4 0 0 x ,x   求出AX b  的一个特解(2, 3,0,0)T  ; 0 AX  的同解方程组是 1 3 4 2 3 4 2 4 5 x x x x x x        ② 取 3 4 1 0 x ,x ,   代入②得( 2,1,1,0)T  ;取 3 4 0 1 x ,x ,   代入②得(4, 5,0,1)T  . 所以 0 AX  的基础解系为( 2,1,1,0)T  ,(4, 5,0,1)T  所以方程组AX b  的通解为: 1 2 (2, 3,0,0) ( 2,1,1,0) (4, 5,0,1) T T T c c      , 1 2 , c c 为任意常数 --- [第 10 页] ---
(21) 【详解】(I) 由题设条件 1 1 0 0 A    , 2 2 0 0 A    ,故 1 2 , 是A 的对应于 0  的特征向量,又因为 1 2 , 线性无关,故 0  至少是A 的二重特征值. 又因为A 的每行元 素之和为3 ,所以有 (1,1,1) (3,3,3) 3(1,1,1) T T T A   ,由特征值、特征向量的定义, 0 (1,1,1)T  是A 的特征向量, 特征值为 3 3  , 3 只能是单根, 3 0 3 0 k ,k   是全体特征 向量,从而知 0  是二重特征值. 于是A 的特征值为3,0,0 ;属于3 的特征向量: 3 3 3 0 k ,k   ;属于0 的特征向量: 1 1 2 2 k k    , 1 2 , k k 不都为0 . (Ⅱ) 为了求出可逆矩阵必须对特征向量进行单位正交化. 先将 0 单位化, 得 0 3 3 3 ( , , ) 3 3 3 T  . 对 1 2 , 作施密特正交化, 得 1 2 2 (0, , ) 2 2 T   , 2 6 6 6 ( , , ) 3 6 6 T   . 作 1 2 3 ( , , ) Q   , 则Q 是正交矩阵,并且 -1 3 0 0 0 0 0 0 0 0 T Q AQ Q AQ           
(22) 【详解】 ( ) ( ) Y Y f y F y   , 由于 ( ) Xf x 是分段函数,所以在计算  2 P X y  时,要相应 分段讨论. 求 1 ( ,4) 2 F  2 1 1 ( , 4) ( , 4), 2 2 P X Y P X X       只是与X 有关,不必 先求出 ( , ) F x y 的函数. (I) 因为     2 ( ) Y F y P Y y P X y     ,当 0 y  时, ( ) 0; Y F y  当0 1 y   时, 0 0 1 1 3 ( ) ( ) 2 4 4 y Y y F y P y X y dx dx y           ; 当1 4 y   时, 0 1 0 1 1 1 1 ( ) ( ) 2 4 2 4 y Y F y P y X y dx dx y            ; 当 4 y  时, ( ) 1; Y F y  综上所述,有 --- [第 11 页] ---     2 0, 0 3 , 0 1 4 ( ) 1 1 , 1 4 2 4 1, 4 Y y y y F y P Y y P X y y y y                     由概率密度是分布函数在对应区间上的的微分,所以, 3 , 0 1 8 1 ( ) ( ) , 1 4 8 0, Y Y y y f y F y y y                 其他 这个解法是从分布函数的最基本的概率定义入手,对y 进行适当的讨论即可,属于基本 题型. (Ⅱ) 由协方差的计算公式 2 3 2 cov( , ) cov( , ) ( ) ( ) ( ) X Y X X E X E X E X     需要计算 ( E X), 2 ( ) E X , 3 ( ) E X . 0 2 -1 0 1 ( ) 2 4 4 X x x E X xf x dx dx dx          () ; 2 2 0 2 2 2 - -1 0 5 ( ) 2 4 6 X x x E X x f x dx dx dx          ( ) ; 3 3 0 2 3 3 - -1 0 7 ( ) 2 4 8 X x x E X x f x dx dx dx          ( ) . 故 2 3 2 cov( , ) cov( , ) ( ( ( X Y X X E X E X X    ) ) )7 1 5
2 . 8 4 6 3     (III) 根据二维随机变量的定义   ( , ) , F a b P X a Y b    ,有 2 1 1 1 1 ( ,4) ( , 4) , 4 2 2 2 2 2 F P X Y P X X P X                       由一维概率计算公式  ( ) b X a P a X b f x dx    有, ) 4, 2 1 ( F 1 2 1 1 1 2 4 dx      .
(23) 【答案】的矩估计 3 2 X     ;的最大似然估计 . N n    【详解】矩估计的实质在于用样本矩来估计相应的总体矩,此题中被估参数只有一个,故只 需要用样本一阶原点矩(样本均值)来估计总体的一阶原点矩(期望),所以矩估计的关键在于 --- [第 12 页] --- 找出总体的矩 ( ) E X . 最大似然估计,实质上就是找出使似然函数最大的那个参数,问题的关键在于构造似然 函数. 样本值中 ix 小于1 的概率是, ix 大于1 的概率是  1   . 因此,似然函数应为:   1 ( ) ; (1 ) . n N n N i i L f x           (I) 由数学期望的定义: 1 2 0 1 ( ) ( ; ) (1- ) E X xf x dx xdx xdx            1 3 3 (1 ) 2 2 2         样本均值 1 1 n i i X X n   用样本均值估计期望有 EX X  即3 2 X    ,解得 3 2 X   . 所以参数的矩估计为 3 2 X     . 其中 1 1 n i i X X n   . (Ⅱ) 对样本 nx x x  , , 2 1 按照 1  或者 1  进行分类,不妨设: 1 2 , , p p pN x x x  1  , 1 2 , , pN pN pn x x x   1  . 似然函数 1 2 1 2 (1 ) , , 1, , , 1 ( ) 0, N n N p p pN pN pN pn x x x x x x L               , 其他 , 在 1 2 , , 1 p p pN x x x   , 1 2 , , 1 pN pN pn x x x     时,等式两边同取自然对数得 ) 1 ln( ) ( ln ) ( ln        N n N L , 由于ln ( ) L 和( ) L 在的同一点取得最大值,所以令 0 1 ) ( ln          N n N d L d , 解得 N n  ,所以的最大似然估计值为 N n    .