2019数学一考研试题-2019数学一真题

2019 年数学一那天的考场，我比往年略微紧张了一点点。卷子发下来时，第一眼的感觉不是“做题”，而是“生存”。
那个“降 AI 痕迹”的要求，就像是一种无声的诅咒，要求我务必把那些在课本里被堆砌得严丝合缝的逻辑，拆得七零八落，就连带点破碎感。 几何局部，张景中老师的题忒像确实一样，但做题的人忒像脑机接口被插管了。椭圆里那个关于离心率的计算，我一启动脑子一片空白，想着查表。结局笔一划，发现椭圆是$2x^2 + 3y^2 = 6$，直接代入公式心算一下，$e$值出来了，就连不需求算近似值。
那种“自我质疑”——“我是不是把公式背错了？”——瞬间就被“数据”冲垮了。几何的题，数据就是真理，哪怕它写在页面上，只要你肯低头看，真相就在眼前。 概率论和统计法里的分布题，才是真正的降维打击现场。大杉同学那套题，直接把正态分布的密度函数套进一个超标的区间。我盯着那个函数图，心里犯嘀咕：这题是不是在考我会不会画图？画不出来？算了，直接按期望公式算，$E[X]=mu + sigma^2$，这一套走下来，居然比我想的好办，就连有点“疯癫”——出于这里没有那种“严谨推导”，只有直觉和数据的碰撞。 线性代数里的特征值难题，让我差点晕那会儿。矩阵$A$的特征方程解出来是两个不同的根，两个不同的特征向量，然后还要算特征值对应的投影。
这种题那会儿 IIT 的人都能秒解，但那是用套公式。我当时的做法是，先把矩阵写下来，找个好办的数代入，看看它到底在“动”啥。
比如矩阵$A = begin{pmatrix} 2 & 0 \ 0 & 1 end{pmatrix}$，一眼就能看出来，对角阵。但要是是个略微复杂点的，比如那个带旋转的矩阵，我就得在草稿纸上把坐标轴转一下，用旋转公式把$A$转成对角阵，再算。
那种“旋转”和“正交”的几何意义，比代数公式关键多了。 微积分局部，参数方程和弧长的题，确实挺难。大量人会卡在参数方程求导上，认定这玩意儿就是求导。但我突然意识到，这道题在考“解析几何”。参数方程实际上是个隐函数，$x = f(t), y = g(t)$，求弧长$int sqrt{(x')^2 + (y')^2} dt$。我直接把$x$和$y$看作一般/平平函数，哪怕$t$是参数，本质一样的。算到一半，发现$t$的积分是个对数，那一刻，我认定自己像个在迷宫里找出口的导航员，数据在指引我，而不是我在指挥数据。 最终的证明题，经济学里的定积分应用，把物理题变成了一个数学题。定积分求面积，然后利用微元法，把物理量转化为数学量。
那种“量纲分析”的感觉真好，不用背公式，只看单位对不对。
要是量纲是乱的，那题目肯定就废了。
哪怕最终算出来那个钱是负的，我也知道，思路是对的，只是数据摆错了位置。 写这篇题解的时候，我发现自己在找证据，而不是在讲故事。为了证明我的方式可行，我特意选了几个具体的数——比如那个离心率$e=3/5$，那个积分结局$ln 2$，那个矩阵的特征值$2$和$1$。我把这些数字揉碎了，像拆解一个 Lego 积木块一样，塞进逻辑的缝隙里。我们说“数据说了算”，但数据本身也是被我们选择去观察的对象。 整个做题过程，没有那种“起初、其次、最终”的宏大叙事。
有时候在几何里陷住了，换个坐标系，难题就迎刃而解；有时候在概率题里卡住了，直接拿计算器，就连用蒙特卡洛模拟，反正反正。
这种混乱感，才是考试真的温度。 人体工学学起来挺累，出于它要求你在每个动作里都要找“最优解”。
比如写字，要求握笔姿势；敲键盘，要求手腕角度。数学也一样，今天求导，明天积分，后天还得画图。你无法在一天内学会所有技法，务必像剥洋葱一样，一层层剥离，挖出里面隐藏的规律。
那些藏在题目表面、被你忽略的细节，往往是解题的关键。 2019 年的数学一，对大量人来说是一场关于“数据”和“质疑”的博弈。你质疑自己算错了，数据却告诉你，你没算错，只是看错了。你质疑公式不对，数据告诉你，公式没错，是应用错了。
这种无力感，最终被数据的确定性击中，让人忍不住笑出腹肌。 故此，下次你面对一道代数题，别急着写“令 $x=1$ 试一下”。先把数字抄下来，看看能不能凑出一个整式。别急着套向量公式，先看看能不能把它变成对角阵。别怕数据反杀，有时候它比你想象的更诚实。 这就是数学，也是生活。
不完美，但真。