跳转至

考研数学 1000 问｜Flomo 原始专题迁移

本页保留原始专题导航与问题内容，作为 Wiki 的可追溯副本。

原始来源： https://v.flomoapp.com/mine/?memo_id=MjQ2Mzc0OTc2
创建时间： 2026-07-12T10:54:23+08:00
最近更新： 2026-10-06T21:03:40+08:00
原文长度： 6991 字

专栏⑰·导航：考研数学 1000 问全景——高数 × 线代 × 概率论

📎 专栏⑯AI导航 → https://v.flomoapp.com/mine/?memo_id=MjQ2Mzc0NzUw

▎目录（10篇）

  1. 马尔可夫链——无后效性的力量（10 大板块深度专题）

  2. 矩阵变换 = 坐标系转换（线代 × 嵌入式，Park 变换 / DBC 解析 / RTE）

  3. 堆问题法在数学上的矛盾——先列问题还是先学原理

  4. 课本定义 vs 工程实际——最短路径和特征分解的差距

  5. 极限与导数实战——微积分 × ADC 采样离散化

  6. 线性代数实战——矩阵变换 × DBC 解析 / Park 变换

  7. 概率论实战——贝叶斯 × 诊断故障推理

  8. 马尔可夫链工程应用——× BswM 状态机 / 网络管理

  9. 考研数学应试方法论——堆问题法分轮次实战

  10. 数学 15 项自检清单——上车前逐项打勾

▎设计原则

  • 每条问题从"考研要考 + 工程要用"两个视角出发

  • 嵌入式工程实例（ADC 采样 / DBC 解析 / Park 变换 / 状态机）作为理解锚点

  • 与 AUTOSAR（专栏①-⑩）、嵌入式（⑮）、AI（⑯）互链

▎1000 问全景（问题库）

▎ 高等数学·极限与连续

  1. 极限的定义（ε-δ语言）到底在说什么？为什么一个"无限接近"的概念要用"任意小的数"来定义？

  2. 两个重要极限（lim sinx/x=1和lim (1+1/x)^x=e）各自的直觉是什么？为什么说它们是"重要"的？

  3. 函数在一点连续意味着什么？从极限的角度——连续和不连续的区别在哪？

  4. 间断点有哪几种类型？可去间断点和跳跃间断点的本质区别——左右极限都存在但不相等，是哪一种？

▎ 高等数学·导数与微分

  1. 导数f'(x)的几何意义是什么？为什么f'(x)=0不一定能推出极值？二阶导数又告诉我们什么？

  2. 中值定理（罗尔、拉格朗日、柯西）——这三个定理之间的关系是什么？拉格朗日中值定理的几何直觉是什么？

  3. 洛必达法则什么时候能用、什么时候不能用？一个经典的陷阱：0/0型用了洛必达反而更复杂了——怎么办？

  4. 泰勒展开的本质是什么？为什么说"任何光滑函数在局部都像一个多项式"？

▎ 高等数学·不定积分与定积分

  1. 不定积分为什么叫"不定"？积分和微分之间的关系——为什么说它们是互逆运算？

  2. 定积分到底在算什么？黎曼和的概念——为什么积分可以算面积、体积、弧长？

  3. 微积分基本定理说"积分和微分是互逆的"——这个定理为什么"基本"？

  4. 反常积分（无穷限、无界函数）——一个面积无限大的区域，它的面积可能是有限的吗？

▎ 高等数学·多元函数微分学

  1. 偏导数的几何意义是什么？对z=f(x,y)，∂z/∂x和∂z/∂y分别表示什么方向的变化率？

  2. 可微和偏导存在是什么关系？一个函数在某点有偏导数，一定能推出可微吗？

  3. 方向导数和梯度的关系是什么？梯度方向为什么是"函数增长最快的方向"？

  4. 拉格朗日乘数法——在约束g(x,y)=0下求f(x,y)的极值，为什么构造L=f+λg？

▎ 高等数学·重积分

  1. 二重积分∬f(x,y)dxdy跟定积分类比——一个是算面积/体积，另一个是算什么？

  2. 直角坐标下二重积分怎么变成累次积分？先积x还是先积y，怎么确定积分上下限？

  3. 极坐标变换x=rcosθ, y=rsinθ在二重积分里为什么要多乘一个r？

  4. 三重积分在柱坐标和球坐标下的变换——体积元各变成什么？

▎ 高等数学·常微分方程

  1. 一阶线性微分方程y'+p(x)y=q(x)的通解公式是怎么推导出来的？"积分因子"在做什么？

  2. 可分离变量的微分方程怎么解？两边积分时为什么不同时带常数？

  3. 二阶常系数齐次线性微分方程——特征方程的两个根决定了什么？

  4. 非齐次方程的特解怎么猜？右端是多项式/指数/三角函数时，特解形式有什么规律？

▎ 高等数学·无穷级数

  1. 级数收敛和发散的本质区别是什么？调和级数Σ 1/n发散但每一项趋近于零——"通项趋于零"为什么不能保证收敛？

  2. 正项级数的审敛法——比较、比值、根值。比值判别法ρ=1时为什么判断不了？

  3. 幂级数Σ a_n·xⁿ 的收敛半径 R 是什么意思？|x|=R 的两个端点为什么需要单独判断？

▎ 线性代数·基础概念

  1. 向量和标量最本质的区别是什么？为什么线性代数要把它们区分开？

  2. 矩阵为什么是一个"二维"的东西？它和一维数组（向量）在几何意义上有什么不同？

  3. 零向量和零矩阵看起来都是0，为什么在线性代数里要单独定义它们？

▎ 线性代数·矩阵运算

  1. 矩阵乘法为什么不是逐元素相乘？它背后的设计意图是什么？

  2. 矩阵乘法不满足交换律（AB≠BA），能不能举一个生活中类似"顺序不同结果不同"的例子？

  3. 矩阵的逆为什么不是1/A？什么条件下一个矩阵才"可逆"？

  4. 转置操作在几何上意味着什么？为什么要有转置？

▎ 线性代数·线性方程组

  1. 高斯消元法本质上在做什么操作？它跟矩阵乘法有什么关系？

  2. 一个线性方程组无解、唯一解、无穷多解——分别对应矩阵的什么性质？

  3. LU分解为什么要做？它比直接高斯消元好在哪？

▎ 线性代数·向量空间

  1. 什么是"向量空间"？数轴算不算一个向量空间？

  2. "基"是什么意思？为什么一个空间可以有无数种基？

  3. 线性相关和线性无关——为什么这个概念是整个线性代数的基石？

  4. 维数为什么是个确定数？同一个空间的不同基，为什么基向量个数总是一样的？

▎ 线性代数·线性变换

  1. 线性变换的本质是什么？为什么它一定要满足T(u+v)=T(u)+T(v)和T(cv)=cT(v)？

  2. 一个矩阵是怎么"代表"一个线性变换的？把矩阵乘以一个向量，到底在做一件什么事？

  3. 核（kernel）和像（image）怎么理解？"核"这个命名想表达什么？

▎ 线性代数·正交性与投影

  1. 向量正交和向量垂直是一回事吗？"正交"的定义比"垂直"更广在哪？

  2. 为什么正交投影是"最佳逼近"？它在最小二乘法里扮演了什么角色？

  3. Gram-Schmidt正交化过程在做什么？为什么它不会改变向量张成的空间？

  4. 向量到子空间的投影，为什么可以写成P=A(AᵀA)⁻¹Aᵀ？

▎ 线性代数·最小二乘

  1. 最小二乘法为什么选"平方和"最小而不是"绝对值和"最小？

  2. Ax=b无解时，为什么改成解AᵀAx=Aᵀb就"有解"了？

  3. 正规方程（Normal Equation）在什么情况下会失效？

▎ 线性代数·特征值与特征向量

  1. 特征向量和特征值到底在描述一个矩阵的什么性质？为什么叫"特征"？

  2. 为什么定义式是Av=λv而不是vA=λv？顺序为什么重要？

  3. 一个矩阵乘以特征向量，效果就是拉伸/压缩——非特征向量被乘之后发生了什么？

  4. 为什么一个n×n矩阵最多只有n个特征值？特征值的个数和矩阵的秩有什么关系？

  5. 特征值全为零的矩阵是不是零矩阵？为什么？

  6. 特征值和迹与行列式的关系——所有特征值之和=迹，积=行列式？

▎ 线性代数·对角化

  1. 对角化到底在做什么？A=PDP⁻¹里P、D、P⁻¹各自在干什么？

  2. 为什么不是所有矩阵都能对角化？不能对角化的矩阵差在哪？

▎ 线性代数·二次型

  1. 二次型是什么？从二次方程到矩阵表示，这一步转化为什么重要？

  2. 正定矩阵"正定"在哪？为什么它在优化和机器学习里这么常见？

  3. 如何判断一个矩阵是不是正定？判定条件从弱到强有哪些？

▎ 线性代数·奇异值分解（SVD）

  1. SVD把矩阵分解成UΣVᵀ——U、Σ、V各自代表什么几何操作？

  2. 特征值分解和SVD是什么关系？为什么SVD适用于任何矩阵而特征值分解不行？

  3. 奇异值的大小顺序意味着什么？如果只保留最大的几个奇异值，丢掉了什么信息？

  4. 为什么说SVD是"矩阵的终极分解"？

▎ 线性代数·行列式

  1. 行列式为什么用"递归"方式定义？它想捕捉矩阵的什么本质信息？

  2. 行列式为0意味着什么？它和"矩阵可逆""向量线性相关""方程组有非平凡解"之间是什么关系？

  3. 为什么说行列式是"体积"？2×2行列式的绝对值为什么是平行四边形的面积？

  4. det(AB)=det(A)det(B)从几何上怎么理解？

▎ 线性代数·Jordan标准型

  1. 为什么会有"不能对角化"的矩阵？Jordan标准型解决了什么问题？

  2. Jordan块上的1是干什么用的？它跟特征向量不够用有什么关系？

  3. 广义特征向量和普通特征向量有什么区别？

  4. 几何重数和代数重数——不相等时发生了什么？

▎ 线性代数·数值线性代数

  1. 什么是条件数？它告诉你在解Ax=b时，b稍微变一点会让x变多少？

  2. 病态矩阵在实际计算中会出什么问题？怎么判断？

  3. 为什么实际中几乎从来不用Cramer法则？它和LU分解差在哪？

▎ 线性代数·实际应用

  1. PCA的核心步骤用到了SVD的哪一部分？为什么最大的奇异值对应最重要的"成分"？

  2. 线性回归的闭式解θ=(XᵀX)⁻¹Xᵀy中的(XᵀX)⁻¹在什么条件下会出问题？

  3. PageRank的核心是一个巨大的矩阵——它用的是什么线性代数性质让"重要性"可以迭代收敛？

  4. 推荐系统里的矩阵分解和SVD是什么关系？

▎ 线性代数·矩阵微积分

  1. 对标量函数求导得到梯度——梯度向量的方向为什么是函数增长最快的方向？

  2. Jacobian矩阵的每一行、每一列各代表什么？

  3. 线性回归里最小化MSE时，对θ求导——能用矩阵形式写完整推导吗？

  4. Hessian矩阵为什么是"二阶导数"的矩阵版本？

▎ 线性代数·线性递推与矩阵幂

  1. 斐波那契数列为什么可以用矩阵的幂来计算？

  2. 马尔可夫链的状态转移矩阵为什么每行（或列）之和为1？

  3. 为什么说马尔可夫链的"稳态分布"就是转移矩阵的特征向量？

  4. 矩阵的幂Aⁿ在n很大时会趋于什么？跟谱半径有什么关系？

▎ 线性代数·图与网络中的矩阵

  1. 邻接矩阵A的A²[i][j]代表什么？Aⁿ的第ij项又代表什么？

  2. 图的拉普拉斯矩阵L=D-A的零特征值个数为什么等于图的连通分量个数？

  3. 谱聚类用拉普拉斯矩阵的第二小特征值对应的特征向量做聚类——直觉是什么？

▎ 线性代数·QR分解 / Cholesky / 伪逆

  1. QR分解把A拆成Q（正交）和R（上三角）——为什么比LU更稳定？

  2. Cholesky分解A=LLᵀ——什么条件的矩阵能做？为什么比LU快一倍？

  3. 当A不可逆（非方阵或秩亏）时，伪逆A⁺是怎么定义的？

▎ 线性代数·特殊矩阵与更广视角

  1. Hilbert矩阵为什么被称为"著名的病态矩阵"？

  2. Toeplitz矩阵在信号处理里为什么这么常见？

  3. 为什么泛函分析被称为"无限维的线性代数"？

  4. "线性"这个前缀在"线性代数""线性规划""线性微分方程"里指的都是同一个意思吗？

▎ 概率论·随机事件与概率

  1. 古典概型的"等可能"假设到底意味着什么？抛硬币正反等可能，是因为硬币对称吗？

  2. 条件概率 P(B|A) 是在"缩小样本空间"：已知A发生，样本空间从Ω缩小成A？

  3. 全概率公式和贝叶斯公式到底是什么关系？一个由因推果，一个由果推因？

  4. 事件独立性和互斥性能同时成立吗？

  5. 实际应用：甲乙丙独立破译密码，各自概率0.8/0.7/0.6——"至少一人破译"为什么用1减对立事件？

  6. n个球放入N个盒子——"至少一个盒子空"的概率怎么算？为什么用容斥原理？

▎ 概率论·一维随机变量

  1. 分布函数F(x)=P{X≤x}为什么必须满足"右连续"？

  2. 离散型随机变量的分布律为什么要求概率之和为1？

  3. 连续型随机变量在某点的概率为什么是0？"概率为0"和"不可能发生"是一回事吗？

  4. 常见离散分布：0-1分布/二项分布/泊松分布/几何分布——怎么从生活场景理解？

  5. 为什么泊松分布可以近似二项分布？"稀有事件计数"为什么用泊松？

▎ 概率论·常见分布深度拆解

  1. 均匀分布为什么是最"无信息"的分布（最大熵）？

  2. 指数分布的"无记忆性"——灯泡亮了1000小时，再亮100小时的概率跟新的一样？

  3. 正态分布"三σ原则"——为什么说正态分布是"统计学的灵魂"？

  4. 正态分布为什么需要标准化？所有概率计算为什么归结为查一张表？

  5. 上α分位数u_α——为什么双边检验常用1.96？

▎ 概率论·多维随机变量

  1. 联合分布函数F(x,y)为什么是"落在以(x,y)为右上角的无穷矩形内"的概率？

  2. 知道联合分布一定能推出边缘分布，反过来行吗？

  3. 独立性的本质——如果联合密度能写成变量分离形式，就独立？

  4. 二维均匀分布：D是单位圆时，X的边缘分布为什么不是均匀的？

▎ 概率论·数字特征

  1. 期望为什么叫"期望"？掷骰子期望值3.5——这个数永远不会出现，它有什么用？

  2. 方差为什么用平方而不是绝对值？平方有什么好的数学性质？

  3. 协方差的数值受量纲影响——为什么引入"无量纲"的相关系数ρ？

  4. ρ=0只说明"不线性相关"——能说明"独立"吗？Y=X²的例子？

  5. 三阶中心矩衡量"偏度"、四阶中心矩衡量"峰度"？

  6. 切比雪夫不等式为什么"弱"但"普适"？

▎ 概率论·大数定律与中心极限定理

  1. 伯努利大数定律为什么被认为是"概率论的基石"？

  2. 辛钦大数定律为什么不需要方差存在？

  3. 中心极限定理为什么是"概率论的王冠"？

  4. 实际应用：100个零件总重量超过5020g的概率——为什么不需要知道原始分布？

  5. n=30这条"经验规则"怎么来的？

▎ 概率论·数理统计基础

  1. 为什么统计学的基础是"用部分推断整体"？

  2. 样本方差的分母为什么用n-1而不是n（无偏性）？

  3. 三大抽样分布：χ²/t/F——各是什么？

  4. t分布为什么比正态分布"尾巴更厚"？小样本为什么用t分布？

▎ 概率论·参数估计

  1. 矩估计法为什么是最简单的估计方法？

  2. 极大似然估计为什么是"最自然"的估计方法？

  3. 估计量的评价标准：无偏性/有效性/一致性——哪个最重要？

  4. 95%置信区间到底是什么意思？参数是固定值，为什么不能说"概率落在区间内"？

▎ 概率论·假设检验

  1. 原假设和备择假设怎么设？为什么通常原假设是"保守的"？

  2. 两类错误：弃真（α）和取伪（β）——为什么通常控制α而不控制β？

  3. p值到底是什么意思？p<0.05就"证明"备择假设了吗？

  4. 单侧检验和双侧检验什么时候用？为什么统计学家更推荐双侧？

  5. 两个正态总体均值差——为什么大多时候用t检验？

▎ 概率论·实际应用与算法

  1. 朴素贝叶斯分类器为什么叫"朴素"？假设不成立为什么效果还行？

  2. 蒙特卡洛方法——为什么说它是"用概率解决确定性问题"？

  3. 马尔可夫链的"无后效性"为什么有强大威力？

  4. 贝叶斯统计 vs 频率学派——为什么机器学习里贝叶斯更常见？

▎ 概率论·考研高频题型速查

  1. 全概率+贝叶斯应用题的三步套路？

  2. 二维随机变量求期望协方差——最容易错的是哪步（E(XY)必须用联合分布）？

  3. 中心极限定理应用——最常见错误是忘了除以√n？

  4. 矩估计先拿分，极大似然再拿满分？

  5. 假设检验综合题——为什么写步骤比算对数字更重要？

📎 马尔可夫链深度专题 → https://v.flomoapp.com/mine/?memo_id=MjQ3MzMwNjkw

专栏⑰进度：导航 + 10/10篇 ✅ 全部完成

Area/学习/数学

Wiki 维护说明

  • 原始 Flomo 笔记保留不动。
  • 后续可按子专题拆分页面，避免单页过长。
  • 区分问题清单、初稿答案与已验证答案，并保留参考来源。