数学题2选择

2. 详细解答

• 分析①：因A，B可逆，存在可逆矩阵Q，W使得$ QA = E $，$ WB = E $（可逆矩阵可通过初等行变换化为单位矩阵），故$ QA = WB $。令$ P = W^{-1}Q $（P可逆），则$ PA = B $，故①成立。

• 分析②：取$ P = A $，则$ P^{-1}ABP = A^{-1}ABA = (A^{-1}A)BA = BA $，故②成立。

• 分析③：A，B是实对称可逆矩阵，但不一定相似。例如$ A = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} $，$ B = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} $，对任意可逆矩阵P，$ P^{-1}AP = E \neq B $，故③不成立。

• 分析④：A，B是实对称可逆矩阵，$ A^2 $和$ B^2 $的特征值均为正（A，B特征值非零，平方后为正），故$ A^2 $与$ B^2 $的正惯性指数均为n，负惯性指数均为0，因此二者合同，即存在可逆矩阵P使得$ P^T A^2 P = B^2 $，故④成立。

综上，①②④成立，共3个，答案为C。

3. 列出知识点

• 可逆矩阵的等价性：同阶可逆矩阵等价，即存在可逆矩阵P使得$ PA = B $（通过初等行变换的性质推导）。
• 矩阵相似的构造：对任意方阵A，B，$ AB $与$ BA $相似（可取$ P = A $验证$ P^{-1}ABP = BA $）。
• 实对称矩阵的合同判定：实对称矩阵合同的充要条件是正负惯性指数分别相同。本题中$ A^2 $和$ B^2 $的正惯性指数均为n，故合同。
• 相似合同等价的区别：
  • 等价：仅要求秩相同
  • 相似：要求特征值（含重数）相同
  • 合同（实对称）：要求正负惯性指数相同。

2. 详细解答

要确定空间曲线在某点的法平面方程，需先求曲线的切向量，再用法平面的点法式方程求解。

步骤1：求两个曲面的法向量（梯度）

设$F(x,y,z) = x^2 + y^2 + z^2 - 3x$，$G(x,y,z) = x - 2y + 4z - 3$。

• 对$F$求偏导数（梯度，即曲面法向量）：
  $F_x = 2x - 3$，$F_y = 2y$，$F_z = 2z$。
    在点$(1,1,1)$处，$\nabla F|_{(1,1,1)} = (-1, 2, 2)$。
• 对$G$求偏导数（梯度，即曲面法向量）： 
  $G_x = 1$，$G_y = -2$，$G_z = 4$。
    在点$(1,1,1)$处，$\nabla G|_{(1,1,1)} = (1, -2, 4)$。

步骤2：求曲线的切向量（法向量的叉乘）

空间曲线的切向量$\vec{T}$是两个曲面法向量的叉乘：
$$
\vec{T} = \nabla F|_{(1,1,1)} × \nabla G|_{(1,1,1)} = \begin{vmatrix}
\vec{i} & \vec{j} & \vec{k} \\
-1 & 2 & 2 \\
1 & -2 & 4
\end{vmatrix} = (12, 6, 0) = 6(2, 1, 0)
$$
切向量可简化为$(2, 1, 0)$（叉乘的非零倍数不影响方向）。

步骤3：求法平面方程

法平面的法向量即为切向量$(2, 1, 0)$，利用**点法式方程**（过点$(x_0,y_0,z_0)$，法向量$(A,B,C)$的平面方程为$A(x - x_0) + B(y - y_0) + C(z - z_0) = 0$）：
代入点$(1,1,1)$和切向量$(2,1,0)$，得：
$$
2(x - 1) + 1(y - 1) + 0(z - 1) = 0
$$
整理得：$2x + y - 3 = 0$，对应选项A。

3. 列出知识点

• 空间曲线的切向量：由两个曲面$F(x,y,z)=0$和$G(x,y,z)=0$确定的空间曲线，其切向量为两曲面法向量的叉乘，即$\vec{T} = \nabla F × \nabla G$（$\nabla F$是$F$的梯度，即法向量）。
• 梯度（偏导数）：函数$F(x,y,z)$的梯度$\nabla F = (F_x, F_y, F_z)$，是曲面$F(x,y,z)=0$在该点的法向量。
• 叉乘计算：若$\vec{a}=(a_1,a_2,a_3)$，$\vec{b}=(b_1,b_2,b_3)$，则$\vec{a}×\vec{b} = (a_2b_3 - a_3b_2, a_3b_1 - a_1b_3, a_1b_2 - a_2b_1)$。
• 法平面方程：过曲线某点，以该点切向量为法向量的平面，方程为点法式$A(x - x_0) + B(y - y_0) + C(z - z_0) = 0$（$(A,B,C)$为切向量，$(x_0,y_0,z_0)$为曲线上的点）。

2. 详细解答

逐一分析选项：

• 选项A：
  罗尔定理要求“$ f(a) = f(b) $”，但题目未给出此条件。例如$ f(x) = x $在$[0,1]$上可导，但$ f'(x) = 1 \neq 0 $，故A错误。

• 选项B：
  构造$ g(x) = x^2 $，若用柯西中值定理，需$ g'(x) = 2x \neq 0 $对所有$ x \in (a,b) $成立。若$ (a,b) $包含$ 0 $（如$ a=-1, b=1 $），则$ g'(0) = 0 $，柯西中值定理条件不满足，故B错误。

• 选项C：
  构造$ g(x) = e^x $，$ f(x) $与$ g(x) $在$[a,b]$上连续，$(a,b)$内可导，且$ g'(x) = e^x \neq 0 $。
    根据**柯西中值定理**，存在$ \xi \in (a,b) $，使得：
  $$
  \frac{f(b) - f(a)}{g(b) - g(a)} = \frac{f'(\xi)}{g'(\xi)}
  $$
  代入$ g(x) = e^x $，得：
  $$
  \frac{f(b) - f(a)}{e^b - e^a} = \frac{f'(\xi)}{e^\xi} = e^{-\xi}f'(\xi)
  $$
  故C正确。

• 选项D：
  构造$ g(x) = \frac{f(x)}{x} $，其导数为$ g'(x) = \frac{xf'(x) - f(x)}{x^2} $。若用柯西中值定理，形式与选项D不符，故D错误。

综上，答案为C。

3. 列出知识点

• 罗尔定理：若函数$ f(x) $在$[a,b]$上连续，$(a,b)$内可导，且$ f(a) = f(b) $，则存在$ \xi \in (a,b) $，使得$ f'(\xi) = 0 $。
• 柯西中值定理：若$ f(x) $与$ g(x) $在$[a,b]$上连续，$(a,b)$内可导，且$ g'(x) \neq 0 $，则存在$ \xi \in (a,b) $，使得$ \frac{f(b) - f(a)}{g(b) - g(a)} = \frac{f'(\xi)}{g'(\xi)} $。
• 中值定理的应用关键：根据结论形式构造辅助函数，验证定理条件（连续性可导性导数非零等）。

2. 详细解答

逐一分析选项：

• 选项A：
  样本均值$ \bar{X} = \frac{1}{n}\sum_{i=1}^n X_i $，因$ X_i \sim N(0，1) $且独立，故$ \sum_{i=1}^n X_i \sim N(0， n) $，进而$ \bar{X} \sim N(0， \frac{1}{n}) $。
  因此$ \sqrt{n}\bar{X} \sim N(0，1) $，而非$ n\bar{X} $，A错误。

• 选项B：
  样本方差的分布满足$ (n-1)S^2 \sim \chi^2(n-1) $（自由度为$ n-1 $），而非$ nS^2 \sim \chi^2(n) $，B错误。

• 选项C：
  t分布定义为$ T = \frac{Z}{\sqrt{\chi^2(k)/k}} $（$ Z \sim N(0，1) $，$ \chi^2(k) $与$ Z $独立）。
  此处$ \sqrt{n}\bar{X} \sim N(0，1) $，$ (n-1)S^2 \sim \chi^2(n-1) $，且$ \bar{X} $与$ S^2 $独立，故$ \frac{\sqrt{n}\bar{X}}{S} \sim t(n-1) $，而非$ \frac{(n-1)\bar{X}}{S} $，C错误。

• 选项D：
  根据F分布定义：若$ \chi_1^2 \sim \chi^2(k_1) $，$ \chi_2^2 \sim \chi^2(k_2) $且独立，则$ F = \frac{\chi_1^2/k_1}{\chi_2^2/k_2} \sim F(k_1， k_2) $。

  • 分子：$ X_1^2 \sim \chi^2(1) $（因$ X_1 \sim N(0，1) $，平方后服从自由度为1的卡方分布）。
  • 分母：$ \sum_{i=2}^n X_i^2 \sim \chi^2(n-1) $（因$ X_2， \dots， X_n $独立同分布于$ N(0，1) $，平方和服从自由度为$ n-1 $的卡方分布）。
  • 且$ X_1^2 $与$ \sum_{i=2}^n X_i^2 $独立（因$ X_1 $与$ X_2， \dots， X_n $独立）。
    因此$ \frac{X_1^2/1}{\sum_{i=2}^n X_i^2/(n-1)} = \frac{(n-1)X_1^2}{\sum_{i=2}^n X_i^2} \sim F(1， n-1) $，D正确。

3. 列出知识点

• 正态总体的样本均值分布：若$ X_1， \dots， X_n \sim N(\mu， \sigma^2) $独立同分布，则$ \bar{X} \sim N(\mu， \sigma^2/n) $。当$ \mu=0， \sigma^2=1 $时，$ \bar{X} \sim N(0， 1/n) $，且$ \sqrt{n}\bar{X} \sim N(0，1) $。
• 样本方差的卡方分布：$ (n-1)S^2 \sim \chi^2(n-1) $，其中$ S^2 = \frac{1}{n-1}\sum_{i=1}^n (X_i - \bar{X})^2 $，自由度为$ n-1 $。
• t分布：设$ Z \sim N(0，1) $，$ \chi^2 \sim \chi^2(k) $，且$ Z $与$ \chi^2 $独立，则$ T = \frac{Z}{\sqrt{\chi^2/k}} \sim t(k) $。
• F分布：设$ \chi_1^2 \sim \chi^2(k_1) $，$ \chi_2^2 \sim \chi^2(k_2) $，且两者独立，则$ F = \frac{\chi_1^2/k_1}{\chi_2^2/k_2} \sim F(k_1， k_2) $。
• 卡方分布的生成：若$ X \sim N(0，1) $，则$ X^2 \sim \chi^2(1) $若$ X_1， \dots， X_k $独立同分布于$ N(0，1) $，则$ \sum_{i=1}^k X_i^2 \sim \chi^2(k) $。

2. 详细解答

步骤1：利用奇偶性简化积分

被积函数$f(x) = x^2\sqrt{1 - x^2}$是偶函数（因$f(-x) = (-x)^2\sqrt{1 - (-x)^2} = x^2\sqrt{1 - x^2} = f(x)$）。

根据偶函数在对称区间的积分性质：
$$
\int_{-1}^{1} x^2\sqrt{1 - x^2}dx = 2\int_{0}^{1} x^2\sqrt{1 - x^2}dx
$$

步骤2：三角代换（令$x = \sin t$）

令$x = \sin t$，则$dx = \cos t dt$。当$x = 0$时，$t = 0$当$x = 1$时，$t = \frac{\pi}{2}$。且$\sqrt{1 - x^2} = \cos t$（$t \in [0 \frac{\pi}{2}]$时$\cos t \geq 0$）。

代入积分得：
$$
2\int_{0}^{\frac{\pi}{2}} \sin^2 t \cdot \cos t \cdot \cos t dt = 2\int_{0}^{\frac{\pi}{2}} \sin^2 t \cos^2 t dt
$$

步骤3：用华里士公式（Wallis公式）计算

华里士公式：$\int_{0}^{\frac{\pi}{2}} \sin^n t dt = \begin{cases} \frac{(n-1)!!}{n!!} \cdot \frac{\pi}{2} & n \text{ 为偶数} \ \frac{(n-1)!!}{n!!} & n \text{ 为奇数} \end{cases}$

将$\sin^2 t \cos^2 t$化简为$\sin^2 t (1 - \sin^2 t) = \sin^2 t - \sin^4 t$，则：
$$
2\left( \int_{0}^{\frac{\pi}{2}} \sin^2 t dt - \int_{0}^{\frac{\pi}{2}} \sin^4 t dt \right)
$$

分别计算：

• $\int_{0}^{\frac{\pi}{2}} \sin^2 t dt = \frac{1!!}{2!!} \cdot \frac{\pi}{2} = \frac{1}{2} \cdot \frac{\pi}{2} = \frac{\pi}{4}$
• $\int_{0}^{\frac{\pi}{2}} \sin^4 t dt = \frac{3!!}{4!!} \cdot \frac{\pi}{2} = \frac{3 \times 1}{4 \times 2} \cdot \frac{\pi}{2} = \frac{3\pi}{16}$

代入得：
$$
2\left( \frac{\pi}{4} - \frac{3\pi}{16} \right) = 2 \times \frac{\pi}{16} = \frac{\pi}{8}
$$

综上，答案为A。

3. 列出知识点

1. 定积分的奇偶性：若$f(x)$是偶函数（$f(-x) = f(x)$），则$\int_{-a}^{a} f(x)dx = 2\int_{0}^{a} f(x)dx$若为奇函数则积分值为0。
2. 三角代换法：当被积函数含$\sqrt{a^2 - x^2}$时，令$x = a\sin t$（或$a\cos t$），将无理积分转化为三角积分，需注意换元后积分上下限的变换。
3. 华里士公式（Wallis公式）：用于计算$\int_{0}^{\frac{\pi}{2}} \sin^n t dt$或$\int_{0}^{\frac{\pi}{2}} \cos^n t dt$，是高次三角函数积分的重要化简工具。
4. 三角恒等式化简：如$\sin^2 t = \frac{1 - \cos 2t}{2}$$\sin^2 t \cos^2 t = \frac{1}{4}\sin^2 2t$等，可将高次三角函数积分降次后计算。

二详细解答

• 选项A：
  有放回取球属于独立重复试验（每次取球后放回，概率独立）。

  • 总事件数：每次取球有100种选择，取20次的总情况数为$100^{20}$。
  • 有利事件数：先从20次中选15次取白球（组合数$\mathrm{C}_{20}^{15}$），15次白球的情况数为$40^{15}$，5次黑球的情况数为$60^5$，因此有利事件数为$\mathrm{C}_{20}^{15} \times 40^{15} \times 60^5$。
      概率公式为$\frac{\mathrm{C}_{20}^{15} \times 40^{15} \times 60^5}{100^{20}}$，A正确。

• 选项B：
  无放回取球属于超几何分布（取球后不放回，组合数计算）。

  • 总事件数：从100个球中取20个的组合数$\mathrm{C}_{100}^{20}$。
  • 有利事件数：从40个白球中取15个（$\mathrm{C}_{40}^{15}$），从60个黑球中取5个（$\mathrm{C}_{60}^{5}$），两者是“同时发生”的关系，需用乘法而非加法，即$\mathrm{C}_{40}^{15} \times \mathrm{C}_{60}^{5}$。
      概率应为$\frac{\mathrm{C}_{40}^{15} \times \mathrm{C}_{60}^{5}}{\mathrm{C}_{100}^{20}}$，B错误。

• 选项C：
  有放回取球时，每次取球相互独立（前19次结果不影响第20次），单次取白球的概率为$\frac{40}{100}$，因此第20次取到白球的概率也为$\frac{40}{100}$，C正确。

• 选项D：
  无放回取球利用抽样对称性：100个球中每个球被“安排在第20次取”的概率相等，白球占比为$\frac{40}{100}$，因此第20次取到白球的概率为$\frac{40}{100}$，D正确。

综上，正确答案为 ACD。

三知识点梳理

1. 古典概型：概率的核心公式为$ P = \frac{\text{有利事件数}}{\text{总事件数}} $。
2. 有放回抽样（独立重复试验）：每次试验概率独立，需结合“组合数（选次数）+ 独立事件概率乘法”分析（如二项分布思路）。
3. 无放回抽样（超几何分布）：用组合数计算“取到特定类别组合”的情况数，体现“整体中抽取部分”的概率逻辑。
4. 抽样的对称性：无放回抽样中，任意一次取到某类球的概率等于该类球在总体中的比例（与取球顺序无关）。

2. 详细解答

需根据分布函数的核心性质和概率密度的核心性质逐一分析选项：

先明确基本性质：

• 分布函数的判定条件（需同时满足）：

  1. 单调不减
  2. 右连续（对任意$ x_0 $，$ \lim\limits_{x \to x_0^+} F(x) = F(x_0) $）
  3. $ \lim\limits_{x \to +\infty} F(x) = 1 $，$ \lim\limits_{x \to -\infty} F(x) = 0 $。

• 概率密度的判定条件（需同时满足）：

  1. 非负性：$ f(x) \geq 0 $
  2. 归一性：$ \int_{-\infty}^{+\infty} f(x) dx = 1 $。

分析各选项：

• 选项A：$ F_1(x) + F_2(x) $是分布函数
  验证分布函数的极限性质：
  当$ x \to +\infty $时，$ F_1(+\infty) + F_2(+\infty) = 1 + 1 = 2 \neq 1 $，不满足分布函数的边界要求，A错误。

• 选项B：$ F_1(x) \cdot F_2(x) $是分布函数
  验证分布函数的3个条件：

  1. 单调不减：$ F_1(x)F_2(x) $均为单调不减的非负函数，其乘积也单调不减
  2. 右连续：$ F_1(x)F_2(x) $均右连续，其乘积也右连续
  3. 极限边界：$ \lim\limits_{x \to +\infty} [F_1(x) \cdot F_2(x)] = 1 \times 1 = 1 $，$ \lim\limits_{x \to -\infty} [F_1(x) \cdot F_2(x)] = 0 \times 0 = 0 $。
     三个条件均满足，B正确。

• 选项C：$ f_1(x) + f_2(x) $是概率密度
  验证概率密度的归一性：
  $ \int_{-\infty}^{+\infty} [f_1(x) + f_2(x)] dx = \int_{-\infty}^{+\infty} f_1(x) dx + \int_{-\infty}^{+\infty} f_2(x) dx = 1 + 1 = 2 \neq 1 $，不满足归一性，C错误。

• 选项D：$ f_1(x) \cdot f_2(x) $是概率密度
  举反例（以标准正态分布密度为例）：
  设$ f_1(x) = f_2(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}} $，则：
  $$
  \int_{-\infty}^{+\infty} f_1(x) \cdot f_2(x) dx = \int_{-\infty}^{+\infty} \frac{1}{2\pi} e^{-x^2} dx = \frac{1}{2\sqrt{\pi}} \neq 1
  $$
  不满足归一性，D错误。

综上，答案为B。

3. 列出知识点

• 分布函数的定义性质：
  单调不减性右连续性极限边界（$ x \to +\infty $时趋近1，$ x \to -\infty $时趋近0），需同时满足这三点才是分布函数。

• 概率密度的定义性质：
  非负性归一性（积分从$ -\infty $到$ +\infty $等于1），需同时满足这两点才是概率密度。

• 函数运算对分布/密度性质的影响：
  分布函数的“和”不保持分布函数性质，“乘积”在原函数满足性质时可保持概率密度的“和”“乘积”均不保持归一性，因此不能直接作为新的概率密度。

2. 详细解答

解题核心是利用离散型随机变量分布律的“规范性”（所有概率之和为1）：

离散型随机变量的分布律需满足：
$$
\sum_{k=0}^{+\infty} P{X=k} = 1
$$

将题目中的分布律代入，得：
$$
\sum_{k=0}^{+\infty} \frac{C}{k!} = 1
$$

提取常数$ C $，则：
$$
C \cdot \sum_{k=0}^{+\infty} \frac{1}{k!} = 1
$$

结合指数函数的泰勒展开式：对任意实数$ x $，有
$$
e^x = \sum_{k=0}^{+\infty} \frac{x^k}{k!}
$$
令$ x=1 $，则$ e = \sum_{k=0}^{+\infty} \frac{1}{k!} $。

因此：
$$
C \cdot e = 1 \implies C = \frac{1}{e} = e^{-1}
$$

综上，答案为C。

3. 列出知识点

• 离散型随机变量分布律的规范性：离散型随机变量所有可能取值的概率之和必须为1，即$ \sum_{k} P{X=k} = 1 $，这是判断分布律合法性的核心性质。
• 指数函数的泰勒级数展开式：$ e^x = \sum_{k=0}^{+\infty} \frac{x^k}{k!} $（对任意实数$ x $成立），当$ x=1 $时，$ e = \sum_{k=0}^{+\infty} \frac{1}{k!} $，是求解本题的关键数学工具。