数学题

已知函数 $f(x)$ 在区间 [0,1] 上连续，且满足

$
f(x)=\frac{1}{1+x^2} + 3x^3\int_{0}^{1}f(t)\mathrm{d}t.
$

则

$
\int_{0}^{1}f(x)\mathrm{d}x = ()
$

详细解析

1. 引入常数
   设

   $$
   I =\int_{0}^{1}f(x)\mathrm{d}x.
   $$

   因为 $f$ 在 $[01]$ 上连续，定积分 $I$ 存在且为有限常数。

2. 代入表达式并积分
   由题意，

   $$
   f(x)=\frac{1}{1+x^2}+3x^3I.
   $$

   对两端从 0 到 1 积分：

   $$
   \int_{0}^{1}f(x)\mathrm{d}x
   =\int_{0}^{1}\frac{1}{1+x^2}\mathrm{d}x
   +\int_{0}^{1}3x^3I\mathrm{d}x.
   $$

   左端为 $I$，于是

   $$
   I
   =\int_{0}^{1}\frac{1}{1+x^2}\mathrm{d}x
   +I\int_{0}^{1}3x^3\mathrm{d}x.
   $$

3. 计算第一项

   $$
   \int_{0}^{1}\frac{1}{1+x^2}\mathrm{d}x
   =\bigl[\arctan(x)\bigr]_{0}^{1}
   =\frac{\pi}{4}.
   $$

4. 计算第二项
   在 $\displaystyle \int_{0}^{1}3x^3I\mathrm{d}x$ 中，$I$ 为常数，可提至积分号外：

   $$
   \int_{0}^{1}3x^3I\mathrm{d}x
   =I\int_{0}^{1}3x^3\mathrm{d}x
   =I\biggl[\frac{3x^4}{4}\biggr]_{0}^{1}
   =\frac{3}{4}I.
   $$

5. 联立方程求解
   将上述结果代入

   $$
   I
   =\frac{\pi}{4} + \frac{3}{4}I
   \quad\Longrightarrow\quad
   I - \frac{3}{4}I = \frac{\pi}{4}
   \quad\Longrightarrow\quad
   \frac{1}{4}I = \frac{\pi}{4}
   \quad\Longrightarrow\quad
   I = \pi.
   $$

6. 结论

   $$
   \int_{0}^{1}f(x)\mathrm{d}x = \pi
   $$

   因此正确答案为 C. $\pi$。

---

知识点回顾

• 定积分的线性性质与常数提出法
• 反函数求积法（$\displaystyle \int\frac{1}{1+x^2}\mathrm{d}x=\arctan x$）
• 含参积分方程的解法（先设参数，再联立方程求解）。

2. 详细解析（零基础友好版）

2.1 选项 A

命题： $(kA)^{-1} = kA^{-1}$。

• 正确公式：若 $A$ 可逆且 $k\neq0$，则

  $$
  (kA)^{-1} = \frac{1}{k}A^{-1}.
  $$

• 反例说明：取

    $$
    A = \begin{pmatrix}1 & 0\\[4pt]0 & 1\end{pmatrix},\quad k = 2.
    $$

  则

  $$
    kA = \begin{pmatrix}2 & 0\\0 & 2\end{pmatrix},\quad
    (kA)^{-1} = \begin{pmatrix}\tfrac12 & 0\\0 & \tfrac12\end{pmatrix},
    $$

  而

    $$
    k\,A^{-1}
    = 2\begin{pmatrix}1&0\\0&1\end{pmatrix}
    = \begin{pmatrix}2&0\\0&2\end{pmatrix}.
    $$

  明显 $(kA)^{-1}\neq kA^{-1}$。

• 结论：选项 A 错误。

---

2.2 选项 B

命题： $(kA)^T = kA^T$。

• 性质回顾：矩阵转置满足

  $$
  (XY)^T = Y^T X^T\quad (cX)^T = cX^T\quad (\text{(c) 为数}).
  $$

• 直接验证：设

    $$
    A = \begin{pmatrix}a & b\\[4pt]c & d\end{pmatrix},\quad
    kA = \begin{pmatrix}ka & kb\\[4pt]kc & kd\end{pmatrix}.
    $$
   

  则

      $$
    (kA)^T
    = \begin{pmatrix}ka & kc\\[4pt]kb & kd\end{pmatrix},
    \quad
    k\,A^T
    = k\,\begin{pmatrix}a & c\\[4pt]b & d\end{pmatrix}
    = \begin{pmatrix}ka & kc\\[4pt]kb & kd\end{pmatrix}.
    $$

  二者相等。

• 结论：选项 B 正确。

---

2.3 选项 C

命题： $\bigl|kA\bigr| = k\bigl|A\bigr|$.

• 行列式性质：对于 $n$ 阶矩阵 $A$ 和数 $k$，

  $$
  \bigl|kA\bigr| = k^n\bigl|A\bigr|.
  $$

• 反例说明：若 $n=3$$k=2$，则

  $$
  \bigl|2A\bigr| = 2^3\bigl|A\bigr| = 8|A|\neq 2|A|.
  $$

• 结论：选项 C 错误。

---

2.4 选项 D

命题： $(kA)^* = k\bigl|A^*\bigr|$.

这里 $M^*$ 表示矩阵 $M$ 的伴随矩阵（即代数余子式矩阵的转置）。

1. 伴随矩阵与逆的关系
   对可逆矩阵 $M$，有

   $$
   M^* = |M|M^{-1}.
   $$

2. 计算 $(kA)^*$

     $$
     (kA)^* = |kA|\,(kA)^{-1}
     = \bigl(k^n\,|A|\bigr)\,\Bigl(\tfrac1k\,A^{-1}\Bigr)
     = k^{\,n-1}\,|A|\,A^{-1},
     $$

   因此 $(kA)^*$ 仍是一个 矩阵。

3. 右侧 $k|A^*|$

      $$
      |A^*| = |\,|A|\,A^{-1}| = |A|^n\,|A^{-1}| = |A|^{n-1}
      \quad\Longrightarrow\quad
      k\,|A^*| = k\,|A|^{\,n-1}
      $$

   是一个 数。

4. 矩阵不能等于数，故该等式不可能恒成立。

• 结论：选项 D 错误。

---

3. 正确答案

仅 B 正确。

---

4. 涉及的主要知识点

1. 数乘矩阵的逆

   $$
   (kA)^{-1} = \frac{1}{k}A^{-1}\quad k\neq0.
   $$

2. 矩阵转置与数乘

   $$
   (kA)^T = kA^T.
   $$

3. 行列式的齐次性

   $$
   \bigl|kA\bigr| = k^n|A|\quad A\text{ 为 }n\text{ 阶矩阵}.
   $$

4. 伴随矩阵的定义与性质

   $$
   A^* = |A|A^{-1}\quad |A^*| = |A|^{n-1}.
   $$

---

详细解析（零基础可懂版）

---

1. 利用曲线对称性简化积分

• 曲线 $\Gamma$ 是球面和过原点平面的交线。

• 这条曲线具有 变量轮换对称性：
  因为球面方程 $x^2 + y^2 + z^2 = 1$ 和平面方程 $x + y + z = 0$ 在变量 $x y z$ 轮换下都不变。

• 因此，关于这条曲线，以下积分相等：

  $$
  \oint_{\Gamma}xds = \oint_{\Gamma}yds = \oint_{\Gamma}zds
  $$

• 又因为在整条曲线上有 $x + y + z = 0$，所以：

  $$
  \oint_{\Gamma}(x + y)ds = \oint_{\Gamma}(-z)ds = -\oint_{\Gamma}zds
  $$

  但因为 $\oint_{\Gamma}xds = \oint_{\Gamma}zds$，所以

  $$
  \oint_{\Gamma}(x + y)ds = -\oint_{\Gamma}xds
  $$

  $$
  \Rightarrow \oint_{\Gamma}xds + \oint_{\Gamma}yds = -\oint_{\Gamma}xds
  \Rightarrow 2\oint_{\Gamma}xds = 0 \Rightarrow \oint_{\Gamma}xds = 0
  $$

  因此：

  $$
  \oint_{\Gamma}(x + y)ds = 0
  $$

---

2. 将原式拆解

根据上面结论：

$$
I = \oint_{\Gamma}(x + y + z^2)ds = \oint_{\Gamma}(x + y)ds + \oint_{\Gamma}z^2ds = 0 + \oint_{\Gamma}z^2ds
$$

---

3. 利用对称性继续化简

根据轮换对称性，有：

$$
\oint_{\Gamma}x^2ds = \oint_{\Gamma}y^2ds = \oint_{\Gamma}z^2ds
$$

又因为在整条曲线 $\Gamma$ 上，恒有 $x^2 + y^2 + z^2 = 1$，所以：

$$
\oint_{\Gamma}(x^2 + y^2 + z^2)ds = \oint_{\Gamma}1ds = \text{曲线总弧长}
$$

而上面左边也等于：

$$
\oint_{\Gamma}x^2ds + \oint_{\Gamma}y^2ds + \oint_{\Gamma}z^2ds = 3\oint_{\Gamma}z^2ds
$$

因此：

$$
3\oint_{\Gamma}z^2ds = \oint_{\Gamma}1ds
\Rightarrow \oint_{\Gamma}z^2ds = \frac{1}{3} \oint_{\Gamma}ds
$$

---

4. 计算曲线的弧长

曲线 $\Gamma$ 是单位球与过球心的平面 $x + y + z = 0$ 的交线
→ 是一个 半径为 1 的圆，位于该平面中。
→ 所以弧长为：

$$
\oint_{\Gamma}ds = 2\pi r = 2\pi
$$

---

因此：

$$
\oint_{\Gamma}z^2ds = \frac{1}{3} \cdot 2\pi = \frac{2\pi}{3}
$$

---

✅ 最终答案：

$$
I = \frac{2\pi}{3}
$$

选项 A 正确。

---

所用知识

---

1. 曲线的轮换对称性

若曲线的方程在 $x \leftrightarrow y \leftrightarrow z$ 轮换后不变，则关于该曲线有：

$$
\oint_{\Gamma}f(x)ds = \oint_{\Gamma}f(y)ds = \oint_{\Gamma}f(z)ds
$$

这能大幅度简化对称积分问题。

---

2. 曲线积分恒等为 0 的情况

若在曲线 $\Gamma$ 上有 $f(xyz) \equiv 0$，则：

$$
\oint_{\Gamma}f(xyz)ds = 0
$$

---

3. 曲线积分与对称分配

若 $f = x^2 + y^2 + z^2 = 1$ 恒成立，则：

$$
\oint_{\Gamma}fds = \oint_{\Gamma}1ds = \text{曲线弧长}
$$

再由对称性：

$$
\oint_{\Gamma}x^2ds = \oint_{\Gamma}y^2ds = \oint_{\Gamma}z^2ds
\Rightarrow 3\oint_{\Gamma}z^2ds = \oint_{\Gamma}1ds
$$

---

4. 球面与平面交线为圆

• 单位球 $x^2 + y^2 + z^2 = 1$，球心在原点
• 若平面经过球心（如 $x + y + z = 0$），则交线为以球心为圆心的圆
• 圆的半径等于球的半径，即 $r = 1$，
• 圆的弧长为 $l = 2\pi r = 2\pi$。

---

象限图（空间示意）

• 球面 $x^2 + y^2 + z^2 = 1$：单位球，球心在原点。
• 平面 $x + y + z = 0$：过球心，把球面切出一个圆（曲线 $\Gamma$）。
• 曲线 $\Gamma$：是一个位于球面内部的圆，圆心在原点，半径为 1，分布于多个卦限。

 

---

求幂级数

$$
\sum_{n = 1}^{\infty}\frac{(-1)^{n - 1}}{2^{n}}x^{2n}
$$

的收敛半径。

A. $\boldsymbol{\sqrt{2}}$

✅详细解析（零基础友好版）

我们要求的是一个幂级数的收敛半径。可以用两种经典方法：根值法或比值法。

🌟方法一：根值法（适合原始形式）

幂级数：

$$
u_n(x) = \frac{(-1)^{n - 1}}{2^{n}}x^{2n}
$$

我们看其绝对值，因为收敛性分析和符号无关：

$$
|u_n(x)| = \frac{|x|^{2n}}{2^n}
$$

根值法公式是：

$$
\lim_{n \to \infty} \sqrt[n]{|u_n(x)|} < 1 \Rightarrow \text{收敛}
$$

计算：

$$
\sqrt[n]{|u_n(x)|} = \sqrt[n]{\frac{|x|^{2n}}{2^n}} = \frac{|x|^2}{2}
$$

这是一个和 $n$ 无关的表达式。

令：

$$
\frac{|x|^2}{2} < 1 \Rightarrow |x|^2 < 2 \Rightarrow |x| < \sqrt{2}
$$

所以收敛半径为：

$$
R = \sqrt{2}
$$

---

🌟方法二：比值法（变量代换法）

我们可以将原级数看成是 $x^2$ 的幂级数。

令：

$$
t = x^2 \Rightarrow \text{原级数变为} \sum_{n=1}^{\infty} \frac{(-1)^{n-1}}{2^n} t^n
$$

记：

$$
a_n = \frac{(-1)^{n - 1}}{2^n}
$$

套用比值法求收敛半径：

$$
\lim_{n \to \infty} \left| \frac{a_{n+1}}{a_n} \right| = \left| \frac{(-1)^n / 2^{n+1}}{(-1)^{n - 1} / 2^n} \right| = \left| \frac{-1}{2} \right| = \frac{1}{2}
$$

所以关于 $t$ 的收敛半径是：

$$
R_t = \frac{1}{\lim |a_{n+1} / a_n|} = \frac{1}{1/2} = 2
$$

又因为 $t = x^2$，所以：

$$
|x^2| < 2 \Rightarrow |x| < \sqrt{2}
$$

所以最终的收敛半径也是：

$$
R = \sqrt{2}
$$

---

---

✅结论

无论用哪种方法，最终我们得到幂级数

$$
\sum_{n = 1}^{\infty}\frac{(-1)^{n - 1}}{2^{n}}x^{2n}
$$

的收敛半径为：

$$
\boxed{\sqrt{2}}
$$

所以选择：A. $\sqrt{2}$ ✅

设 $\boldsymbol{\alpha_1}\boldsymbol{\alpha_2}\boldsymbol{\alpha_3}$ 是四阶非齐次线性方程组

$$
A\boldsymbol{x} = \boldsymbol{b}
$$

的三个解向量，且已知：

• $\boldsymbol{\alpha_1} = (1，2，3，4)^T$
• $\boldsymbol{\alpha_2} + \boldsymbol{\alpha_3} = (0，2，4，6)^T$
• $R(A) = 3$，即矩阵 $A$ 的秩为 3
• $c$ 为任意常数

则线性方程组的通解为（ ）。

✅正确答案

C. $\begin{pmatrix}1\\2\\3\\4\end{pmatrix}+c\begin{pmatrix}1\\1\\1\\1\end{pmatrix}$

---

✅详细解析（零基础友好版）

---

🔹步骤1：通解的基本结构

非齐次线性方程组 $A\boldsymbol{x} = \boldsymbol{b}$ 的通解 =
一个特解 + 对应齐次方程组 $A\boldsymbol{x} = \boldsymbol{0}$ 的通解。

题目给出 $\boldsymbol{\alpha_1} = (1，2，3，4)^T$ 是一个解，所以我们可以把它作为特解。

---

🔹步骤2：构造齐次解

已知 $\boldsymbol{\alpha_2}$ 和 $\boldsymbol{\alpha_3}$ 也是非齐次解，
那么它们的差线性组合可以帮助我们构造齐次解。

考虑：

$$
A(\boldsymbol{\alpha_2} + \boldsymbol{\alpha_3}) = A\boldsymbol{\alpha_2} + A\boldsymbol{\alpha_3} = \boldsymbol{b} + \boldsymbol{b} = 2\boldsymbol{b}
$$

又因为：

$$
A(2\boldsymbol{\alpha_1}) = 2A\boldsymbol{\alpha_1} = 2\boldsymbol{b}
$$

所以：

$$
A\left(2\boldsymbol{\alpha_1} - (\boldsymbol{\alpha_2} + \boldsymbol{\alpha_3})\right) = 2\boldsymbol{b} - 2\boldsymbol{b} = \boldsymbol{0}
$$

说明：

$$
\boldsymbol{v} = 2\boldsymbol{\alpha_1} - (\boldsymbol{\alpha_2} + \boldsymbol{\alpha_3})
$$

是对应齐次方程组 $A\boldsymbol{x} = \boldsymbol{0}$ 的一个解。

---

🔹步骤3：计算这个齐次解

题中已知：

$$
\boldsymbol{\alpha_1} = (1，2，3，4)^T，\quad \boldsymbol{\alpha_2} + \boldsymbol{\alpha_3} = (0，2，4，6)^T
$$

计算：

$$
2\boldsymbol{\alpha_1} = (2，4，6，8)^T
$$

所以：

$$
\boldsymbol{v} = 2\boldsymbol{\alpha_1} - (\boldsymbol{\alpha_2} + \boldsymbol{\alpha_3}) = (2，4，6，8)^T - (0，2，4，6)^T = (2，2，2，2)^T
$$

即：

$$
\boldsymbol{v} = 2 \cdot (1，1，1，1)^T
$$

说明 $(1，1，1，1)^T$ 是一个齐次解。

---

🔹步骤4：确定基础解系中向量个数

变量个数为 4，矩阵 $A$ 的秩为 3，
所以齐次线性方程组的基础解系中应有：

$$
4 - 3 = 1\ \text{个向量}
$$

因此，$(1，1，1，1)^T$ 就是唯一的基础解向量。

---

🔹步骤5：写出通解

非齐次通解 = 特解 + 齐次通解：

• 特解：$\boldsymbol{\alpha_1} = (1，2，3，4)^T$
• 齐次通解：$c \cdot (1，1，1，1)^T$

所以通解为：

$$
\boxed{\begin{pmatrix}1\\2\\3\\4\end{pmatrix} + c \begin{pmatrix}1\\1\\1\\1\end{pmatrix}}
$$

对应选项：C

---

✅所用知识点

1. 非齐次线性方程组的通解结构
   通解 = 一个特解 + 对应齐次方程组的通解。

2. 非齐次解的差是齐次解
   若 $\boldsymbol{\alpha}$$\boldsymbol{\beta}$ 都是非齐次解，则 $\boldsymbol{\alpha} - \boldsymbol{\beta}$ 一定是齐次解。

3. 基础解系的个数由秩决定
   若有 $n$ 个未知数，系数矩阵秩为 $r$，则齐次方程组的基础解系中含 $n - r$ 个向量。

4. 齐次通解为基础解的线性组合
   若基础解系中有 $k$ 个向量，则齐次通解为：

   $$
   c_1\boldsymbol{v_1} + c_2\boldsymbol{v_2} + \cdots + c_k\boldsymbol{v_k}
   $$

   若仅有一个基础解向量，则齐次通解形式为：$c\boldsymbol{v}$。

题目和选项
设向量 $\alpha$ 在基

$$
\boldsymbol{\alpha_1} = (1，0)^T，\quad \boldsymbol{\alpha_2} = (0，1)^T
$$

下的坐标是 $(5，2)^T$，则 $\alpha$ 在另一组基

$$
\boldsymbol{\beta_1} = (1，0)^T，\quad \boldsymbol{\beta_2} = (1，1)^T
$$

下的坐标是（ ）。

详细解析（零基础友好版）
第一步，求出向量 $\boldsymbol{\alpha}$ 的具体表达式。已知它在基 $\boldsymbol{\alpha_1}，\boldsymbol{\alpha_2}$ 下的坐标是 $(5，2)^T$，根据定义可得：

$$
\boldsymbol{\alpha} = 5\boldsymbol{\alpha_1} + 2\boldsymbol{\alpha_2}
$$

代入具体向量表达式：

$$
\boldsymbol{\alpha_1} = (1，0)^T，\quad \boldsymbol{\alpha_2} = (0，1)^T
$$

计算得：

$$
5\boldsymbol{\alpha_1} = (5，0)^T，\quad 2\boldsymbol{\alpha_2} = (0，2)^T
$$

所以：

$$
\boldsymbol{\alpha} = (5，0)^T + (0，2)^T = (5，2)^T
$$

第二步，设 $\boldsymbol{\alpha}$ 在基 $\boldsymbol{\beta_1}，\boldsymbol{\beta_2}$ 下的坐标是 $(x，y)^T$，则：

$$
\boldsymbol{\alpha} = x\boldsymbol{\beta_1} + y\boldsymbol{\beta_2}
$$

代入基向量：

$$
\boldsymbol{\beta_1} = (1，0)^T，\quad \boldsymbol{\beta_2} = (1，1)^T
$$

可得：

$$
x(1，0)^T + y(1，1)^T = (x ⋅ 1， x ⋅ 0 )^T + (y ⋅ 1， y ⋅ 1 )^T=(x + y，y)^T
$$

而又知道 $\boldsymbol{\alpha} = (5，2)^T$，所以有方程组：

$$
\begin{cases}
x + y = 5 \\
y = 2
\end{cases}
$$

解得：

$$
x = 3，\quad y = 2
$$

因此，$\boldsymbol{\alpha}$ 在基 $\boldsymbol{\beta_1}，\boldsymbol{\beta_2}$ 下的坐标是 $(3，2)^T$，答案选 A。

所用知识点

• 向量在基下的坐标定义：若向量 $\boldsymbol{\alpha}$ 在一组基 $\boldsymbol{\alpha_1}，\boldsymbol{\alpha_2}，\cdots，\boldsymbol{\alpha_n}$ 下的坐标为 $(x_1，x_2，\cdots，x_n)^T$，则

  $$
  \boldsymbol{\alpha} = x_1\boldsymbol{\alpha_1} + x_2\boldsymbol{\alpha_2} + \cdots + x_n\boldsymbol{\alpha_n}
  $$

• 坐标变换的基本方法：先根据旧基和坐标求出向量本身，再设新基下的坐标，列方程求解。

• 本题技巧总结：表示成线性组合，对应坐标建立方程组，求解新坐标。

详细解析 🧠
步骤一：求一次观测中 $X > 1$ 的概率 $p$
$Y$ 表示 9 次观测中，$X > 1$ 的次数，所以 $Y$ 服从二项分布 $Y \sim B(n，p)$，其中 $n = 9$，$p = P(X > 1)$。

利用积分计算：

$$
p = P(X > 1) = \int_1^2 \frac{2x + 1}{6} dx = \frac{1}{6} \int_1^2 (2x + 1) dx
$$

$$
= \frac{1}{6} \left[ x^2 + x \right]_1^2 = \frac{1}{6} \left[ (4 + 2) - (1 + 1) \right] = \frac{1}{6} \times 4 = \frac{2}{3}
$$

所以，$Y \sim B(9，\frac{2}{3})$

步骤二：回忆二项分布的基本公式
对于二项分布 $Y \sim B(n，p)$，有以下公式：

• 期望：$E(Y) = np$
• 方差：$D(Y) = np(1 - p)$
• 二阶矩：$E(Y^2) = D(Y) + [E(Y)]^2$

步骤三：计算 $E(Y)$$D(Y)$ 和 $E(Y^2)$
先计算期望：

$$
E(Y) = 9 \times \frac{2}{3} = 6
$$

再计算方差：

$$
D(Y) = 9 \times \frac{2}{3} \times \left(1 - \frac{2}{3}\right) = 9 \times \frac{2}{3} \times \frac{1}{3} = 2
$$

最后计算二阶矩：

$$
E(Y^2) = D(Y) + [E(Y)]^2 = 2 + 6^2 = 2 + 36 = 38
$$

所以答案是 ✅ D：$38$

所用知识点 📚

• 概率密度函数求概率：用积分公式 $P(a < X < b) = \int_a^b f(x) dx$

• 二项分布的识别与建模：多个独立观测中“成功次数”的模型，记作 $Y \sim B(n，p)$

• 二项分布的性质：

  • $E(Y) = np$
  • $D(Y) = np(1 - p)$
  • $E(Y^2) = D(Y) + [E(Y)]^2$

详细解析 🧠
选项A
矩阵$\begin{pmatrix}1&5&2\\0&4&3\\0&0&0\end{pmatrix}$是上三角矩阵，特征值是主对角线元素：$\lambda_1 = 1，\lambda_2 = 4，\lambda_3 = 0$，三个特征值互异。

因为不同特征值对应的特征向量线性无关，所以 $\boldsymbol{A}$ 有三个线性无关的特征向量，可以相似对角化。

选项B
矩阵 $\begin{pmatrix}0&0&1\\1&1&-1\\1&0&0\end{pmatrix}$不是对称矩阵，但经计算可知它的三个特征值对应的特征向量线性无关，因此可以相似对角化。

（说明：判断是否可对角化，关键看特征值是否有足够的线性无关特征向量，不一定非要是对称矩阵）

选项C
矩阵 $\begin{pmatrix}1&2&3\\0&1&0\\0&0&5\end{pmatrix}$是上三角矩阵，特征值为：
$\lambda_1 = 1$（重根，重数为 2），$\lambda_2 = 5$。

求特征值 $\lambda = 1$ 对应的线性无关特征向量个数：
令 $(\lambda E - C) = \begin{pmatrix}0&-2&-3\\0&0&0\\0&0&4\end{pmatrix}$，化简行阶梯形式得秩为 2。

所以该特征值对应的特征向量个数为 $n - R = 3 - 2 = 1$，小于它的重数 2，
因此 $\boldsymbol{C}$ 不能相似对角化 ❌。

选项D
矩阵 $\begin{pmatrix}1&-2&3\\-2&5&0\\3&0&7\end{pmatrix}$是实对称矩阵（满足 $D^T = D$），根据定理，实对称矩阵一定可以相似对角化 ✅。

最终结论：
不能相似对角化的是选项 $\boldsymbol{C}$。

所用知识点 📚

• 相似对角化充要条件：$n$ 阶矩阵 $A$ 可相似对角化的充要条件是 $A$ 有 $n$ 个线性无关的特征向量。
• 实对称矩阵一定可对角化：只要矩阵是实对称的，不论特征值是否有重根，必然可对角化。
• 重特征值处理方法：若某个特征值的重数为 $k$，且它对应的线性无关特征向量个数也是 $k$，则可对角化否则不能。
• 特征值求法提示：上三角矩阵的特征值就是主对角线元素。

详细解析 🧠

步骤1：回忆条件概率公式
条件概率公式是：

$$
P(B|C) = \frac{P(BC)}{P(C)}
$$

题中 $C = A\cup\overline{B}$，所以

$$
P(B|A\cup\overline{B}) = \frac{P(B\cap(A\cup\overline{B}))}{P(A\cup\overline{B})} = 0.5
$$

步骤2：化简 $P(B\cap(A\cup\overline{B}))$
由分配律：

$$
B\cap(A\cup\overline{B}) = (B\cap A)\cup(B\cap\overline{B})
$$

因为 $B\cap\overline{B} = \varnothing$，所以

$$
P(B\cap(A\cup\overline{B})) = P(A\cap B) = P(AB)
$$

步骤3：计算 $P(A\cup\overline{B})$
使用加法公式：

$$
P(A\cup\overline{B}) = P(A) + P(\overline{B}) - P(A\cap\overline{B})
$$

已知 $P(B) = 0.7$，所以 $P(\overline{B}) = 1 - 0.7 = 0.3$
又因为 $A = (A\cap B) \cup (A\cap\overline{B})$，且这两部分互斥，所以

$$
P(A\cap\overline{B}) = P(A) - P(AB)
$$

代入得：

$$
P(A\cup\overline{B}) = 0.4 + 0.3 - (0.4 - P(AB)) = 0.7 - 0.4 + P(AB) = 0.3 + P(AB)
$$

步骤4：代入条件概率公式解 $P(AB)$
由题意：

$$
P(B|A\cup\overline{B}) = \frac{P(AB)}{0.3 + P(AB)} = 0.5
$$

两边同乘分母得：

$$
P(AB) = 0.5 \times (0.3 + P(AB)) = 0.15 + 0.5P(AB)
$$

整理得：

$$
P(AB) - 0.5P(AB) = 0.15 \Rightarrow 0.5P(AB) = 0.15 \Rightarrow P(AB) = 0.3
$$

因此，正确答案是：D 选项 $0.3$ ✅

所用知识点 📚

• 条件概率公式：$P(B|C) = \frac{P(BC)}{P(C)}$，用来将条件概率表达为联合事件与条件事件的概率比值
• 集合分配律：$B\cap(A\cup\overline{B}) = (B\cap A)\cup(B\cap\overline{B})$
• 不可能事件：$B\cap\overline{B} = \varnothing$，其概率为 $0$
• 补集概率公式：$P(\overline{B}) = 1 - P(B)$
• 概率加法公式：$P(A\cup B) = P(A) + P(B) - P(AB)$
• 特别地：$P(A) = P(AB) + P(A\cap\overline{B})$（基于互斥事件加法规则）

 

题目

曲线$\Gamma:\begin{cases}x = z^2 + 2z - 1\\y = z^3 + z\end{cases}$在点$(2，2，1)$处的法平面的法向量是（  ）

详细解析

1．明确曲线参数方程与法向量关系对于以 $z$ 为参数的空间曲线$\begin{cases}x = x(z)\\y = y(z)\\z = z\end{cases}$，其在某点处**法平面的法向量**与曲线的**切向量**平行。切向量可通过对 $x$、$y$、$z$ 分别关于参数 $z$ 求导得到，形式为:

$$
\boldsymbol{n} = \left( \frac{dx}{dz}，\frac{dy}{dz}，\frac{dz}{dz} \right)
$$

其中 $\frac{dz}{dz} = 1$（$z$ 对自身的导数）。

2．对 $x$$y$ 关于 $z$ 求导

• 对 $x = z^2 + 2z - 1$ 求导：根据幂函数求导公式 $\frac{d}{dz}(z^n) = nz^{n-1}$ 和和差求导法则 $\frac{d}{dz}(u \pm v) = \frac{du}{dz} \pm \frac{dv}{dz}$，可得：

  $$
  \frac{dx}{dz} = \frac{d}{dz}(z^2) + \frac{d}{dz}(2z) - \frac{d}{dz}(1) = 2z + 2
  $$

• 对 $y = z^3 + z$ 求导：同理，可得：

  $$
  \frac{dy}{dz} = \frac{d}{dz}(z^3) + \frac{d}{dz}(z) = 3z^2 + 1
  $$

3．代入点 $(2，2，1)$ 对应的 $z = 1$ 求值

• $\dfrac{dx}{dz}\Big|_{z=1} = 2 \times 1 + 2 = 4$
• $\dfrac{dy}{dz}\Big|_{z=1} = 3 \times 1^2 + 1 = 4$
• $\dfrac{dz}{dz} = 1$

因此，法平面的法向量为：

$$
\boldsymbol{n} = (4，4，1)
$$

---

所用知识

1．空间曲线参数方程：以 $z$ 为参数的形式 $\begin{cases}x = x(z)\y = y(z)\z = z\end{cases}$。
2．求导公式与法则：
—— 幂函数求导：$\frac{d}{dz}(z^n) = nz^{n-1}$
—— 和差求导法则：$\frac{d}{dz}(u \pm v) = \frac{du}{dz} \pm \frac{dv}{dz}$
3．法平面与切向量关系：法平面的法向量与曲线的切向量 $\left( \frac{dx}{dz}，\frac{dy}{dz}，\frac{dz}{dz} \right)$ 平行。

---

结论：$(4，4，1)$，选项 D。

详细解析

第一步：求矩阵 $|A|$
矩阵的行列式可以通过特征值求：

• 性质：一个 $n$ 阶矩阵的行列式等于它所有特征值的乘积。

本题中矩阵 $A$ 是 3 阶的，特征值分别是 $1，-2，5$。
所以

$$
|A| = 1 \times (-2) \times 5 = -10。
$$

---

第二步：求伴随矩阵 $A^*$ 的特征值
我们需要先知道伴随矩阵和逆矩阵的关系：

$$
A^* = |A| \cdot A^{-1} \quad （前提是 |A| \neq 0）
$$

• 已知 $|A| = -10$，所以关系成立。
• 性质：如果 $\lambda$ 是矩阵 $A$ 的特征值，那么 $\frac{1}{\lambda}$ 是 $A^{-1}$ 的特征值。
• 因此，$A^*$ 的特征值等于 $|A| \times \frac{1}{\lambda}$。

带入数据：

• 当 $\lambda = 1$，特征值是 $-10 \times \tfrac{1}{1} = -10$。
• 当 $\lambda = -2$，特征值是 $-10 \times \tfrac{1}{-2} = 5$。
• 当 $\lambda = 5$，特征值是 $-10 \times \tfrac{1}{5} = -2$。

所以 $A^*$ 的特征值是 $-10，5，-2$。

---

第三步：求 $|A^* - 5E| $ 的特征值*
再用一个性质：

• 如果矩阵 $M$ 的特征值是 $\mu$，那么 $M - kE$ 的特征值就是 $\mu - k$。

在这里 $M = A^*$，$k = 5$。
所以：

• $-10 - 5 = -15$
• $5 - 5 = 0$
• $-2 - 5 = -7$

于是 $A^* - 5E$ 的特征值为：$-15，0，-7$。

---

第四步：行列式 $|A^ - 5E|$*
行列式等于所有特征值的乘积：

$$
|A^* - 5E| = (-15) \times 0 \times (-7) = 0。
$$

---

结论

$$
|A^* - 5E| = 0
$$

答案是 B。

---

所用知识

1. 行列式与特征值的关系

   • 矩阵的行列式 = 所有特征值的乘积。

2. 伴随矩阵与逆矩阵的关系

   • 若 $|A| \neq 0$，则 $A^* = |A| \cdot A^{-1}$。

3. 逆矩阵的特征值性质

   • 如果矩阵 $A$ 的特征值是 $\lambda$，那么 $A^{-1}$ 的特征值是 $\tfrac{1}{\lambda}$。

4. 矩阵加减单位矩阵的特征值性质

   • 如果矩阵 $M$ 的特征值是 $\mu$，那么 $M - kE$ 的特征值是 $\mu - k$。

2．详细解析（零基础也能懂）

先理解题目给的是什么

• 写作 $X \sim N(0，2^2)$ 的意思是：随机变量 $X$ 服从正态分布，均值（中心）是 $0$，方差（分布宽度的平方）是 $2^2$，也就是方差为 $4$。
• 现在定义了一个新的随机变量 $Y = 2X + 3$，意思是先把 $X$ 放大 2 倍，再整体往右平移 3 个单位。我们要找出 $Y$ 的分布是什么样子。

关键直观：线性变换如何影响正态分布

• 如果你把一个随机变量放大或缩小（乘以常数 $a$），分布会变“更宽”或“更窄”，具体地，方差会被放大为原来的 $a^2$ 倍平均值会被乘以 $a$。

• 如果你在变量上加上一个常数 $b$，就是把分布整体平移，方差不变，均值增加 $b$。

• 组合在一起，若 $X \sim N(\mu_X，\sigma_X^2)$，且 $Y = aX + b$，那么

  $$
  Y \sim N(a\mu_X + b，\ a^2\sigma_X^2)。
  $$

把公式代入本题的数值

• 原来 $X$ 的均值是 $\mu_X = 0$，方差是 $\sigma_X^2 = 2^2 = 4$。
• 变换系数 $a = 2$，平移量 $b = 3$。

计算 $Y$ 的均值：

$$
\mu_Y = a\mu_X + b = 2 \times 0 + 3 = 3。
$$

计算 $Y$ 的方差：

$$
\sigma_Y^2 = a^2 \sigma_X^2 = 2^2 \times 4 = 4 \times 4 = 16 = 4^2。
$$

所以 $Y$ 的分布是：

$$
Y \sim N(3，4^2)。
$$

对照选项

• A 是 $N(3，2^2)$，方差写成 $2^2=4$，但正确方差是 $4^2=16$，所以 A 错。
• BC 的均值或方差都不对。
• D 正确，均值 3，方差 $4^2$。

结论：选择 D。

---

3．所用知识

• 正态分布记号与含义：$X \sim N(\mu，\sigma^2)$ 表示 $X$ 的均值为 $\mu$，方差为 $\sigma^2$。
• 期望的线性性质：$E[aX + b] = aE[X] + b$。
• 方差的伸缩性质：$\operatorname{Var}(aX + b) = a^2 \operatorname{Var}(X)$，注意常数 $b$ 不影响方差。
• 由上两条得到线性变换下正态分布仍为正态分布，且参数变换为 $Y = aX + b \Rightarrow Y \sim N(a\mu_X + b，\ a^2\sigma_X^2)$。

2．详细解析（面向零基础读者，逐步说明）

先看题目在做什么，这是一个“闭合曲面上的曲面积分”，给出的积分以三种形式写成 $P\mathrm{d}y\mathrm{d}z + Q\mathrm{d}z\mathrm{d}x + R\mathrm{d}x\mathrm{d}y$ 的形式。通常可用高斯散度定理（也叫高斯公式）把曲面积分转成立体区域上的三重积分，从而简化计算。

---

步骤 1：识别 $PQR$
把被积表达式对应起来，注意题目中第二项是 $2xy\mathrm{d}z\mathrm{d}x$，第三项带负号：

• $P(xyz) = xz$，对应第一项 $P\mathrm{d}y\mathrm{d}z$
• $Q(xyz) = 2xy$，对应第二项 $Q\mathrm{d}z\mathrm{d}x$
• $R(xyz) = -\bigl(\tfrac{z^2}{2} + xyz\bigr)$，对应第三项 $R\mathrm{d}x\mathrm{d}y$。

---

步骤 2：回忆高斯公式并套用
高斯公式说，若 $\varSigma$ 是一个有向闭合曲面，且取外侧为正方向，则

$$
\iint_{\varSigma} P\mathrm{d}y\mathrm{d}z + Q\mathrm{d}z\mathrm{d}x + R\mathrm{d}x\mathrm{d}y
= \iiint_{\varOmega} \Bigl(\frac{\partial P}{\partial x} + \frac{\partial Q}{\partial y} + \frac{\partial R}{\partial z}\Bigr)\mathrm{d}V，
$$

其中 $\varOmega$ 是由 $\varSigma$ 围成的体积区域。

所以我们把曲面积分变成在体 $\varOmega$ 上的三重积分，积分的被积函数是散度 $\partial_x P + \partial_y Q + \partial_z R$。

---

步骤 3：计算偏导得到三重积分的被积函数
分别求偏导：

$$
\frac{\partial P}{\partial x} = \frac{\partial (xz)}{\partial x} = z，
$$

$$
\frac{\partial Q}{\partial y} = \frac{\partial (2xy)}{\partial y} = 2x，
$$

$$
\frac{\partial R}{\partial z} = \frac{\partial}{\partial z}\Bigl(-\tfrac{z^2}{2} - xyz\Bigr)
= -z - xy。
$$

把它们相加：

$$
\frac{\partial P}{\partial x} + \frac{\partial Q}{\partial y} + \frac{\partial R}{\partial z}
= z + 2x - z - xy = 2x - xy。
$$

因此

$$
I = \iiint_{\varOmega} (2x - xy)\mathrm{d}V。
$$

---

步骤 4：描述区域 $\varOmega$
区域 $\varOmega$ 由两个曲面夹住，一个是下方的抛物面 $z = x^2 + y^2$，另一个是上方的半球面 $z = \sqrt{2 - x^2 - y^2}$（注意这里取正号，说明是半球的上半部）。两者相交形成封闭体，投影到 $xy$-平面上就是满足

$$
x^2 + y^2 \le 2，
$$

并且在每一点 $(xy)$ 上 $z$ 从抛物面 $x^2+y^2$ 到球面上半部分 $\sqrt{2 - x^2 - y^2}$。

所以 $\varOmega$ 关于 $yOz$ 面（即 $x=0$ 平面）对称，亦即对每个 $(xyz)$，点 $(-xyz)$ 也在区域内。

---

步骤 5：利用对称性简化三重积分
看被积函数 $f(xyz)=2x - xy$：

• 第一项 $2x$ 是关于 $x$ 的奇函数，即 $2(-x) = -2x$在关于 $x=0$ 对称的区域上，对称两点 $x$ 与 $-x$ 的贡献互相抵消，因此 $\iiint_{\varOmega} 2x\mathrm{d}V = 0$。
• 第二项 $-xy$ 对 $x$ 同样是奇函数（固定 $yz$，将 $x$ 变为 $-x$ 得到相反数），因此 $\iiint_{\varOmega} -xy\mathrm{d}V = 0$。

于是两项都为 0，合起来

$$
\iiint_{\varOmega} (2x - xy)\mathrm{d}V = 0。
$$

---

步骤 6：结论
根据高斯公式，原曲面积分 $I$ 等于该三重积分，因此

$$
I = 0。
$$

所以正确选项为 A．$0$。

---

3．所用知识（逐条列出，便于复习）

1）高斯散度定理（高斯公式），把闭合曲面积分
$\iint_{\varSigma} P\mathrm{d}y\mathrm{d}z + Q\mathrm{d}z\mathrm{d}x + R\mathrm{d}x\mathrm{d}y$
转换为体 $\varOmega$ 上的三重积分
$\iiint_{\varOmega} (\partial_x P + \partial_y Q + \partial_z R)\mathrm{d}V$。

2）偏导计算，分别求 $\partial_x P$，$\partial_y Q$，$\partial_z R$，并相加得到散度函数。

3）积分区域的几何描述，明确 $\varOmega$ 的投影及上下界：投影是圆盘 $x^2 + y^2 \le 2$，在每个投影点上 $z$ 从抛物面 $x^2+y^2$ 到半球 $\sqrt{2-x^2-y^2}$。

4）利用对称性判断积分为零，若区域关于某平面对称，且被积函数关于该平面垂直方向是奇函数，则相应的积分为零。

本题考查方向导数与梯度的关系，核心结论是：函数在某点处方向导数的最大值，等于该点处梯度的模长（梯度的方向是方向导数最大的方向，模长就是最大方向导数的值）。

步骤1：回忆梯度的定义

对于二元函数$f(x y)$，其梯度$\nabla f(x y)$是一个向量，定义为：

$$
\nabla f(x y) = \left( \frac{\partial f}{\partial x}， \frac{\partial f}{\partial y} \right)
$$

其中$\frac{\partial f}{\partial x}$是$f$对$x$的偏导数，$\frac{\partial f}{\partial y}$是$f$对$y$的偏导数。

步骤2：计算函数$f(x y)$的偏导数

对$f(x y) = 3x^2 + 2y^2$求偏导数：

• 对$x$求偏导（把$y$看作常数）：

$$
\frac{\partial f}{\partial x} = \frac{\partial }{\partial x}(3x^2 + 2y^2) = 6x
$$

• 对$y$求偏导（把$x$看作常数）：

$$
\frac{\partial f}{\partial y} = \frac{\partial }{\partial y}(3x^2 + 2y^2) = 4y
$$

步骤3：计算点$(0 1)$处的梯度

将点$(0 1)$代入梯度公式：

$$
\nabla f(0 1) = \left( 6 \times 0， 4 \times 1 \right) = (0， 4)
$$

步骤4：计算梯度的模长（最大方向导数）

梯度是向量$(0， 4)$，其模长（向量的长度）计算公式为：

$$
|\nabla f(0 1)| = \sqrt{0^2 + 4^2} = \sqrt{16} = 4
$$

因此，函数在点$(0 1)$处方向导数的最大值是$4$，对应选项$D$。

---

所用知识

1. 方向导数与梯度的关系：
   函数在某点的方向导数，其最大值等于该点梯度的模长，且最大值的方向与梯度方向一致。

2. 梯度的定义：
   二元函数$f(x y)$的梯度是偏导数组成的向量$\nabla f = \left( \frac{\partial f}{\partial x}， \frac{\partial f}{\partial y} \right)$。

3. 偏导数的计算：
   对多元函数求偏导时，只需将其他变量视为常数，按一元函数求导规则计算。

4. 向量模长的计算：
   二维向量$(a， b)$的模长为$\sqrt{a^2 + b^2}$。

通过梯度的定义和性质，将“方向导数的最大值”转化为“梯度的模长”，简化了计算过程。

1. 伴随矩阵与逆矩阵的关系：
         对可逆矩阵 $M$，$M^* = |M| \cdot M^{-1}$。

2. 分块矩阵的行列式性质：
      对于分块矩阵 $\begin{pmatrix} O & A \\ B & O \end{pmatrix}$（$A, B$ 为 $n$ 阶矩阵），其行列式为 $(-1)^{n^2} |A||B|$。

3. 分块矩阵的逆矩阵性质：
      若 $A, B$ 可逆，则 $\begin{pmatrix} O & A \\ B & O \end{pmatrix}^{-1} = \begin{pmatrix} O & B^{-1} \\ A^{-1} & O \end{pmatrix}$。

4. 伴随矩阵的性质应用：
      利用 $|M| \cdot M^{-1} = M^*$ 将逆矩阵形式转化为伴随矩阵形式。

---

2. 详细解析（零基础友好）

核心思路：

通过矩阵运算变形，将 $A^{-1} + B^{-1}$ 与 $A + B$ 关联，再利用行列式性质计算。

---

步骤1：因式分解 \(A^{-1} + B^{-1}\)

通过**提取公因子**，我们将 \(A^{-1} + B^{-1}\) 变形为以下形式：

$$
\begin{align*}
A^{-1} + B^{-1} &= A^{-1}I + IB^{-1} \\
&= A^{-1}(BB^{-1}) + (AA^{-1})B^{-1} \quad (\text{代入单位矩阵 } I = AA^{-1} = BB^{-1}) \\
&= A^{-1}BB^{-1} + AA^{-1}B^{-1} \\
&= A^{-1}(B+A)B^{-1} \quad (\text{注意这里的顺序，不是简单的将 } A^{-1} \text{ 和 } B^{-1} \text{ 提出来，而是通过观察展开式得到的}) \\
&= A^{-1}(A+B)B^{-1} \quad (\text{矩阵加法满足交换律})
\end{align*}
$$

所以，我们得到关键的因式分解结果：
$$
A^{-1} + B^{-1} = A^{-1}(A + B)B^{-1}
$$

步骤2：两边取行列式

利用**行列式的乘法性质** \(|CD| = |C||D|\)，对上式两边取行列式：

$$
|A^{-1} + B^{-1}| = |A^{-1}(A + B)B^{-1}|
$$
$$
|A^{-1} + B^{-1}| = |A^{-1}| \cdot |A + B| \cdot |B^{-1}|
$$

步骤3：代入已知条件和逆矩阵的行列式性质

已知条件为 \(|A| = 2\)，\(|B| = 3\)，\(|A^{-1} + B^{-1}| = 5\)。
同时，逆矩阵的行列式性质为 \(|A^{-1}| = \frac{1}{|A|}\) 和 \(|B^{-1}| = \frac{1}{|B|}\)。

代入这些值：
$$
5 = \frac{1}{|A|} \cdot |A + B| \cdot \frac{1}{|B|}
$$
$$
5 = \frac{1}{2} \cdot |A + B| \cdot \frac{1}{3}
$$

步骤4：求解 \(|A + B|\)

整理方程并求解 \(|A + B|\)：

$$
5 = \frac{1}{6} \cdot |A + B|
$$
$$
|A + B| = 5 \times 6
$$
$$
|A + B| = 30
$$

关于疑问：\(B^{-1}AB = A\) 为何成立？

你提出的这个疑问非常重要。实际上，**在一般情况下，\(B^{-1}AB\) 不等于 \(A\)**。只有当 \(A\) 和 \(B\) 满足特定条件（例如 \(A\) 和 \(B\) 可交换，即 \(AB=BA\)）时，或者 \(B\) 是单位矩阵的倍数时，这个等式才可能成立。

在上述推导中，我们并没有直接使用 \(B^{-1}AB = A\) 这个等式。而是通过巧妙地**构造和提取公因子**，实现了 \(A^{-1} + B^{-1} = A^{-1}(A + B)B^{-1}\) 这一因式分解。这个分解的合理性是基于矩阵乘法的分配律和结合律，以及单位矩阵的性质。

例如，从右侧展开 \(A^{-1}(A + B)B^{-1}\)：
$$
\begin{align*}
A^{-1}(A + B)B^{-1} &= (A^{-1}A + A^{-1}B)B^{-1} \quad (\text{分配律}) \\
&= (I + A^{-1}B)B^{-1} \\
&= IB^{-1} + A^{-1}BB^{-1} \quad (\text{分配律}) \\
&= B^{-1} + A^{-1}I \\
&= B^{-1} + A^{-1}
\end{align*}
$$
这与我们最初的 \(A^{-1} + B^{-1}\) 相符。

所以，关键在于**正确的因式分解步骤**，而不是假定 \(B^{-1}AB = A\) 成立。

---

3. 所用知识

1. 逆矩阵的运算性质：

   • $A^{-1}A = I$，$B^{-1}B = I$（逆矩阵与原矩阵相乘得到单位矩阵）。

2. 行列式的乘法性质：

   • 对同阶矩阵 $C$，$D$，有 $|CD| = |C| \cdot |D|$（矩阵乘积的行列式等于行列式的乘积）。

3. 行列式的基本关系：

   • 可逆矩阵的行列式非零，且 $|AB| = |A| \cdot |B|$（多个矩阵相乘时行列式是它们行列式的乘积）。

---

通过这些基础知识和步骤，我们能够得出结果 $|A + B| = 30$，因此正确答案是 A. 30。

---

2. 详细解析（零基础友好）

核心思路：
通过 “初等变换的矩阵表示”“伴随矩阵行列式公式”“行列式乘法性质”，逐步推导 $|BA^*|$ 的值。

---

步骤1：用初等矩阵表示 \( B \) 与 \( A^* \) 的关系

• 矩阵的**列变换**可以表示为该矩阵 **右乘** 对应的初等变换矩阵。
•  题目描述中，交换 \( A^* \) 的第1列与第3列得到矩阵 \( B \)。这相当于将 \( A^* \) 右乘一个交换第1列与第3列的4阶初等交换矩阵 \( E_{13} \)。
• 因此，我们可以写出 \( B \) 与 \( A^* \) 的关系式：

$$
B = A^* \cdot E_{13}
$$

步骤2：展开 \(|BA^*|\) 的行列式

将步骤1中得到的 \( B \) 的表达式代入 \(|BA^*|\)，然后利用**行列式的乘法性质**（对于同阶矩阵 \( C, D \)，有 \(|CD| = |C||D|\)）：
$$
\begin{align*}
|BA^*| &= |(A^* E_{13}) \cdot A^*| \\
&= |A^*| \cdot |E_{13}| \cdot |A^*|
\end{align*}
$$

步骤3：计算 \(|A^*|\)（伴随矩阵的行列式）

• 对于一个 \( n \) 阶矩阵 \( A \)，其伴随矩阵 \( A^* \) 的行列式有一个重要的公式：

$$
|A^*| = |A|^{n-1}
$$
（这个公式的推导基于伴随矩阵的定义 \( A^* A = |A|I \)。对两边取行列式，得 \(|A^* A| = ||A|I|\)，即 \(|A^*||A| = |A|^n\)。当 \(|A| \neq 0\) 时，两边同除 \(|A|\)，即可得到 \(|A^*| = |A|^{n-1}\)。本题中 \(|A|=2 \neq 0\)，因此公式成立。）

• 题目中，\( A \) 是4阶矩阵（即 \( n=4 \)），且 \(|A|=2\)。代入公式计算 \(|A^*|\)：

$$
|A^*| = |A|^{4-1} = 2^3 = 8
$$

步骤4：计算 \(|E_{13}|\)（初等交换矩阵的行列式）

• 一个初等交换矩阵 \( E_{ij} \)（通过交换单位矩阵的第 \( i \) 行和第 \( j \) 行，或第 \( i \) 列和第 \( j \) 列得到）的行列式值为 **\(-1\)**。这是因为每次交换矩阵的两行（或两列），行列式的符号都会改变。
• 这里 \( E_{13} \) 是交换第1列与第3列的初等矩阵，因此：

$$
|E_{13}| = -1
$$

步骤5：代入计算最终结果

将步骤3和步骤4中计算得到的 \(|A^*|=8\) 和 \(|E_{13}|=-1\) 代入步骤2的表达式：
$$
\begin{align*}
|BA^*| &= |A^*| \cdot |E_{13}| \cdot |A^*| \\
&= 8 \times (-1) \times 8 \\
&= -64
\end{align*}
$$

因此，最终结果为 \(-64\)。

---

3. 所用知识

4. 初等变换的矩阵表示：

   • 列交换等价于右乘初等交换矩阵 $E_{ij}$，其行列式为 $-1$。

5. 伴随矩阵的行列式性质：

   • 对于 $n$ 阶矩阵 $A$，其伴随矩阵的行列式 $|A^*| = |A|^{n-1}$，前提是 $A$ 是可逆矩阵。

6. 行列式乘法性质：

   • 对于同阶矩阵 $C$ 和 $D$，有 $|CD| = |C| \cdot |D|$，矩阵乘积的行列式等于行列式的乘积。

---

通过逐步的变换和运用行列式的基本性质，我们得出了结果 $|BA^*| = -64$，所以答案是 B. $-64$。

2. 详细解析（零基础友好）

核心逻辑：
极值点的判定依赖 “导函数符号变化”：

• 若 $f'(x)$ 在某点 左侧正右侧负 → 该点是 极大值点
• 若 $f'(x)$ 在某点 左侧负右侧正 → 该点是 极小值点
• 若符号不变 → 不是极值点。

---

步骤 1：识别导函数的关键特征
从图像（典型题设）：

• 左侧是 开口向上的曲线（$f'(x)$ 的图像），与 $x$ 轴交于 2 个点（记为 $x_1 < x_2 < 0$）
• $x = 0$ 处，$f'(x)$ 不存在（图像断开，左侧曲线到 $x = 0^-$，右侧图像在 $x = 0^+$ 处突变）。

---

步骤 2：分析每个临界点的符号变化

1. 点 $x_1$：

   • 左侧（$x < x_1$）：$f'(x) > 0$（曲线在 $x$ 轴上方，$f(x)$ 递增）
   • 右侧（$x_1 < x < x_2$）：$f'(x) < 0$（曲线在 $x$ 轴下方，$f(x)$ 递减）
   • 符号由正变负 → 是 极大值点。

2. 点 $x_2$：

   • 左侧（$x_1 < x < x_2$）：$f'(x) < 0$（$f(x)$ 递减）
   • 右侧（$x_2 < x < 0$）：$f'(x) > 0$（曲线回到 $x$ 轴上方，$f(x)$ 递增）
   • 符号由负变正 → 是 极小值点。

3. 点 $x = 0$：

   • 左侧（$x < 0^-$）：$f'(x) > 0$（$f(x)$ 递增）
   • 右侧（$x > 0^+$）：$f'(x) < 0$（曲线在 $x$ 轴下方，$f(x)$ 递减）
   • 虽 $f'(0)$ 不存在，但 $f(x)$ 连续，符号由正变负 → 是 极大值点。

---

步骤 3：统计极值点个数
以上 3 个点（$x_1 x_2 0$）均满足“两侧导数符号不同”，故极值点个数为 3。

---

3. 所用知识

4. 极值点的判定定理：
   函数在某点连续，且该点两侧导数符号不同，则该点是极值点（无论导数是否存在）。

5. 导函数与原函数单调性的关系：

   • $f'(x) > 0$ → $f(x)$ 递增
   • $f'(x) < 0$ → $f(x)$ 递减。

---

综上，函数 $f(x)$ 的极值点个数为 3，对应选项 B。

• 偏导数：多元函数对其中一个自变量的导数。
• 梯度 (Gradient)：由函数的所有偏导数构成的向量，记为 $\nabla u$。它指向函数值增长最快的方向。
• 方向向量：表示空间中一个方向的向量，可以通过两点坐标相减得到。
• 单位向量：模长为1的向量，通过将一个向量除以它自身的模长得到。
• 方向导数：函数沿某个特定方向的变化率，计算公式为梯度与该方向的单位向量的点积。

1.  分段函数，函数的表达式在定义域的不同部分有不同的形式，处理时必须分段讨论。
2.  复合函数，求 $ f[g(x)] $ 时，需要先计算内层函数 $ g(x) $ 的值，再将该值作为外层函数 $ f $ 的自变量代入。
3.  对数函数性质，包括对数运算法则（如 $ \ln(a^b) = b\ln a $，所以 $ \ln\sqrt{x} = \ln(x^{1/2}) = \frac{1}{2}\ln x $）和对数函数的单调性（$ y = \ln x $ 是增函数，这对于解不等式至关重要）。
4.  解不等式，根据函数性质和代数运算法则，求解变量的取值范围，并注意在分段讨论中将结论与前提条件取交集。

3. 列出知识点

1. 奇函数的性质：

   • 若$ f(x) $是奇函数，则$ f(-x) = -f(x) $若在$ x = 0 $处有定义，则$ f(0) = 0 $。
   • 若$ f(x) $是奇函数且可导，则$ f'(x) $是偶函数若二阶可导，则$ f''(x) $是奇函数。

2. 周期函数的导数性质：
   若$ f(x) $是周期为$ T $的可导函数，则$ f'(x) $也是周期为$ T $的函数（高阶导数同理）。

3. 函数奇偶性与导数奇偶性的关系：奇函数的一阶导数为偶函数，二阶导数为奇函数偶函数的一阶导数为奇函数，二阶导数为偶函数（可通过求导法则推导）。

2. 详细解答

（1）分析极值点

• 当$ x \neq 0 $时，$ y = |x e^{-x}| > 0 $当$ x = 0 $时，$ y(0) = 0 $。因此，$ x = 0 $是函数的最小值点，即极小值点。
• 进一步分析单调性：
  • 当$ x < 0 $时，$ y = -x e^{-x} $，求导得$ y' = e^{-x}(x - 1) $。因$ x < 0 $，故$ y' < 0 $，函数单调递减。
  • 当$ x > 0 $时，$ y = x e^{-x} $，求导得$ y' = e^{-x}(1 - x) $。当$ x \in (0 1) $时，$ y' > 0 $，函数单调递增。
    因此，$ x = 0 $处函数由“递减”变为“递增”，符合极小值点的定义，排除选项AC。

（2）分析拐点

拐点的判定依据是二阶导数符号发生变化（即凹凸性变化）。

• 当$ x > 0 $时，二阶导数$ y'' = e^{-x}(x - 2) $：
  • 若$ x \in (0，2) $，$ y'' < 0 $，曲线为凸
  • 若$ x \in (2， +\infty) $，$ y'' > 0 $，曲线为凹，故$ x = 2 $是拐点。
• 当$ x < 0 $时，二阶导数$ y'' = e^{-x} \cdot x $。因$ x < 0 $，故$ y'' < 0 $，曲线为凸。

在$ x = 0 $处，左侧（$ x < 0 $）和右侧（$ x \in (0，2) $）的二阶导数均为负（曲线均为凸），凹凸性未发生变化，因此点$ (0，0) $不是拐点，排除选项D。

综上，答案为 B。

3. 列出知识点

• 极值点判定：通过函数值大小比较或单调性变化（左减右增为极小值点，左增右减为极大值点）判断极值点。
• 拐点判定：二阶导数符号发生变化的点，需分区间求二阶导数并分析其符号变化。
• 绝对值函数的处理：分区间去掉绝对值，分别求导分析单调性凹凸性。

2. 详细解答

根据多项式函数的拐点判定性质：设多项式函数$ f(x) = (x - a)^n g(x) (n > 1) $，且$ g(a) \neq 0 $，则当$ n $为奇数时，点$ (a，0) $是曲线$ f(x) $的拐点。

对曲线$ y = (x - 1)(x - 2)^2(x - 3)^3(x - 4)^4 $的各因子逐一分析：

• 因子$ (x - 1) $：$ n = 1 $（不满足$ n > 1 $的条件），排除。
• 因子$ (x - 2)^2 $：$ n = 2 $（偶数），此时$ x = 2 $是极值点，不是拐点，排除。
• 因子$ (x - 3)^3 $：$ n = 3 $（奇数），且$ g(x) = (x - 1)(x - 2)^2(x - 4)^4 $在$ x = 3 $时$ g(3) \neq 0 $，符合“$ n $为奇数且$ g(a) \neq 0 $”的条件，因此点$ (3，0) $是曲线的拐点。
• 因子$ (x - 4)^4 $：$ n = 4 $（偶数），此时$ x = 4 $是极值点，不是拐点，排除。

综上，答案为 C。

3. 列出知识点

多项式函数的拐点判定性质：设多项式函数$ f(x) = (x - a)^n g(x) (n > 1) $，且$ g(a) \neq 0 $，则

• 当$ n $为偶数时，$ x = a $是$ f(x) $的极值点
• 当$ n $为奇数时，点$ (a， 0) $是曲线$ f(x) $的拐点。

2. 详细解答

设函数$ f(x) = x^5 + 2ax^3 + 3bx + 4c $，通过分析其单调性和奇次多项式的极限性质判断实根个数：

• 步骤1：分析奇次多项式的极限行为
  由于$ f(x) $是五次奇次多项式，当$ x \to +\infty $时，$ x^5 $项主导，$ f(x) \to +\infty $当$ x \to -\infty $时，$ f(x) \to -\infty $。
  根据中间值定理，$ f(x) $至少存在一个实根。

• 步骤2：分析函数的单调性（求导并判断导数符号）
  求导得$ f'(x) = 5x^4 + 6ax^2 + 3b $。令$ t = x^2 $（$ t \geq 0 $），则$ f'(x) $可表示为二次函数$ g(t) = 5t^2 + 6at + 3b $。

  计算其判别式：
  $$
  \Delta = (6a)^2 - 4 \times 5 \times 3b = 36a^2 - 60b = 12(3a^2 - 5b)
  $$
  由题设$ 3a^2 - 5b < 0 $，故$ \Delta < 0 $。

  又因$ g(t) $的二次项系数$ 5 > 0 $且$ \Delta < 0 $，所以$ g(t) > 0 $对所有$ t \geq 0 $成立，即$ f'(x) > 0 $对所有$ x \in \mathbb{R} $成立，$ f(x) $在$ \mathbb{R} $上严格单调递增。

• 步骤3：确定实根个数
  严格单调递增的函数最多有一个实根，结合“至少有一个实根”的结论，可知$ f(x) = 0 $有唯一实根。

综上，答案为 B。

3. 列出知识点

• 奇次多项式的极限性质：奇次多项式当$ x \to \pm\infty $时符号相反，故至少存在一个实根。
• 函数单调性与导数的关系：若$ f'(x) > 0 $，则$ f(x) $严格单调递增，最多有一个实根。
• 二次函数的判别式：对于二次函数$ ax^2 + bx + c $，当$ a > 0 $且$ \Delta < 0 $时，函数值恒正，可用于判断导数的符号以分析原函数单调性。
• 罗尔定理的推论（罗尔原话）：若$ f^{(n)}(x) = 0 $至多有$ k $个根，则$ f(x) = 0 $至多有$ k + n $个根（其中$ f^{(n)}(x) $表示$ f(x) $的$ n $阶导数）。