考研数学定理整理-考研数学定理整理

考研数学那点事，说白了就是别整那些虚头巴脑的，把地基打实了，做题就像搭积木，一块一块凑齐就行了。大量人刷题把自己搞晕，结局发现试卷上那些看似好办的题目，脑子一热全忘了，越往后越懵圈。
实际上大量时候不是题目难是心态崩，把最好办的几类题型彻底搞懂，哪怕只留两个死角，卷面分数也能稳在及格线往上浮动。 我记得刚考那会儿，对数函数那道题看着就头疼，根本功都不够扎实，结局硬生生翻车。
后来复盘发现，原来自己把运算顺序和定义域划了个叉。
后来刷了十几套卷，才发现这种低级毛病比难题还烧脑。把课本上那些零散的定理揉碎了，别光背公式，得会算。
比如积分放缩法，导数那一套，不是看哪位公式底下有花哨的符号，得看哪位算得准。 说到最基础的，三角函数三角方程，这哪是课本上的样子，这就是日常生活的直觉。
比如解三角方程，别老盯着那个-x2+1，先眯着眼看看余弦值能不能一眼看出来。
要是方程里的根能凑整，直接代入求值，比解一整堆代数式快多了。
还有二阶常系数线性微分方程，别死磕特征方程，重点是看齐次局部和特解的形式，大量时候特解特设错了就完了，但要是能一眼看出是不是正弦重复项要么余弦，直接设成Axcos(omega t+b)就行，省得最终搞不定系数。 还有那个极限，导数定义那个极限，别只背那串公式。把它当成一种“无限接近”的逻辑去推，跟数列极限差不多，但多了个一步。
比如求f(0)的极限，要是环境变了函数值就变了，那就得换个思路看。举个实际的例子，计算定积分的换元法，有时候变量代换不是好办的 u=x，而是看着函数图像，设 t=x+k，把积分区间拉宽要么收缩，算起来快大量。
这道题那会儿做错了，后来发现区间是 (1,3) 和 (1,3)/2，直接换元 u=2x-1，区间就变成(1,4) 和(1,2)，过程就顺了，这就是细节拍板成败。 再说说数列极限，夹逼定理那个，别总想着证明它比单调有界收敛快。
有时候它别看能挺快把区间压扁，但中间步骤好办卡壳。
这时候回过头看看单调有界收敛定理，那个通过中间极限值直接找规律，往往更稳。
比如求分段函数在 0 点的极限，要是别处没法用，那就盯着单调性要么区间长度去找。
还有无穷级数，交错级数那个，别看换元法看着唬人，但要是条件收敛的话，收敛率往往比正项级数慢。
比如调和级数那种发散，要么莱布尼茨判别法里的那些交错项，往往算不出来的时候，直接画个图看看项的大小趋势就行。 讲完了极限，还得说说无穷积分，换元法那个，别总盯着 x 代 u，有时候 u 得换成关于 sin 要么 cos 的式子。
比如计算某个含 x 和 e^x 的积分，看着挺难，换个 y = ln x，要么设 t = ln x，有时候能逼出 sin 要么 cos 的项来，这就正好对应到三角换元法里。
这道题那会儿做成了三次，后来发现用 t = sin x，别看区间要换算，但积分区间变得挺规整，反解出来就顺了。
还有参数方程下的积分，别死盯着参数 t 的导数。
有时候参数是指数要么对数，换元 u = ln t 要么 u = t^2 能直接把参数掉，就连能消掉根号。 说到参数方程，最直接的就是消参法，但有时候消参忒费事，直接参数积分更省事。
比如求参数方程 x=t, y=t^2 在 [0,1] 上的定积分，别非要化成单变量积分，直接设 y 为参数，x 变成 y 的函数，积分区间也变了，算起来快得多。
还有参数方程下的动点轨迹，别只关切轨迹方程。
比如 x = t^2, y = t^3 在 t>0 时的轨迹，求它从 t=0 到 t=a 的面积，千万别把面积公式套进去，得先算出 t 和 a 的关系，再套公式。
这道题那会儿做错了，后来意识到得先搞清楚参数和终点的关系，把积分区间确定好，再套公式，过程就顺畅了。 最终提提矩阵和线性方程组，别老背 Cramer 法则。
有时候直接解系数矩阵的行列式，再按列分块要么消元都行，别迷信 Cramer。
比如求一个 3x3 矩阵的逆，直接解方程组往往比公式快，特别是当矩阵有零结构的时候。
还有特征值和特征向量，别只盯着算特征多项式。
有时候特征值能猜出来，要么特征向量能看出来的，直接设成 k 倍的特征向量，算出特征值再代回去就行。
比如求 A 的特征值，要是看到矩阵是对称矩阵，特征值肯定是实数，平方和等于迹，这个性质能帮你快速判断。 还有那个MATLAB要么Python，别总想着硬算。
有时候交互式作图就能看出端倪，比如求某个方程的根，画图看个大约位置，再代入数值验证。
比如解微分方程，有时候把解写成隐式形式，画图要么数值模拟比求解析解快。
比如解线性方程组，高斯消元法别看通用，但有时候观察主元的位置，能不能直接消掉，能直接消掉就省步骤。 实际上考研数学那些定理，大量都是工具，不是目标。数学的本质是思维训练，不是背公式。把那些零散的知识点串起来，形成一个网，不管遇到啥题，都能从角度的不同去拆解。
比如遇到微积分题，从数列极限的角度想，遇到线性代数题，从几何变换的角度想，遇到概率题，从统计分布的角度想。
这样一思索，难题就变好办了。别怕做错题，错题集就是你的第一块砖，砖块堆起来才是房子。