[家里蹲大学数学杂志]第256期第五届[2013年]全国大学生数学竞赛[非数学类]试题

简介: 1($4\times 6'=24'$) 解答下列各题. (1)求极限 $\dps{\ls{n}\sez{1+\sin\pi\sqrt{1+4n^2}}^n}$. (2)证明广义积分 $\dps{\int_0^\infty\frac{\sin x}{x}\rd x}$ 不是绝对收敛的.

1($4\times 6'=24'$) 解答下列各题.

(1)求极限 $\dps{\ls{n}\sez{1+\sin\pi\sqrt{1+4n^2}}^n}$.

(2)证明广义积分 $\dps{\int_0^\infty\frac{\sin x}{x}\rd x}$ 不是绝对收敛的.

(3)设函数 $y=y(x)$ 由 $x^3+3x^2y-2y^3=2$ 所确定, 求 $y(x)$ 的极值.

(4)过函数 $y=\sqrt[3]{x}\ (x\geq 0)$ 上的点 $A$ 作切线, 使该切线与曲线及 $x$ 轴所围成的平面图形的面积为 $\dps{\frac{3}{4}}$, 求点 $A$ 的坐标.

 

2($12'$) 计算定积分 $\dps{\int_{-\pi}^\pi \frac{x\sin x \arctan e^x}{1+\cos^2x}\rd x}$.

 

3($12'$) 设 $f(x)$ 在 $x=0$ 处存在二阶导数, 且 $\dps{\lim_{x\to 0}\frac{f(x)}{x}=0}$. 证明: 级数 $\dps{\sum_{n=1}^\infty \sev{f\sex{\frac{1}{n}}}}$ 收敛.

 

4($10'$) 设 $[a,b]$ 上的可微函数 $f$ 满足 $$\bex f(x)\in [0,\pi];\quad f'(x)\geq m>0,\quad\forall\ a\leq x\leq b. \eex$$ 试证: $$\bex \sev{\int_a^b \sin f(x)\rd x}\leq\frac{2}{m}. \eex$$

 

5($14'$) 设 $\vSa$ 是一个光滑封闭曲面, 方向朝外, 给定第二型曲面积分 $$\bex I=\iint_\vSa (x^3-x)\rd y\rd z+(2y^3-y)\rd z\rd x +(3z^3-z)\rd x\rd y. \eex$$ 试确定曲面 $\vSa$, 使得积分 $I$ 的值达到最小, 并求该最小值.

 

6($14'$) 设 $\dps{I_\alpha(r)=\oint_C\frac{y\rd x-x\rd y}{(x^2+y^2)^\alpha}}$, 其中 $\alpha$ 为常数, 曲线 $C$ 为椭圆 $x^2+xy+y^2=r^2$, 取正向. 求极限 $$\bex \lim_{r\to +\infty}I_\alpha(r). \eex$$

 

7($14'$) 判断级数 $\dps{\sum_{n=1}^\infty \frac{ 1+\frac{1}{2}+\cdots+\frac{1}{n}} {(n+1)(n+2)}}$ 的敛散性, 若收敛, 求其和. 

目录
相关文章
|
机器学习/深度学习 人工智能 运维
10 分钟搞懂 LLMOps
10 分钟搞懂 LLMOps
2576 0
|
文件存储 Docker 智能硬件
DIY nas之casaOS云系统&Home Assistant
CasaOS是一个基于Docker生态系统的开源家庭云系统,专为家庭场景而设计,它可以让您创建自己的云服务器
2587 1
|
6月前
|
SQL 关系型数据库 MySQL
MySQL下载安装全攻略!小白也能轻松上手,从此数据库不再难搞!
这是一份详细的MySQL安装与配置教程,适合初学者快速上手。内容涵盖从下载到安装的每一步操作,包括选择版本、设置路径、配置端口及密码等。同时提供基础操作指南,如数据库管理、数据表增删改查、用户权限设置等。还介绍了备份恢复、图形化工具使用和性能优化技巧,帮助用户全面掌握MySQL的使用方法。附带常见问题解决方法,保姆级教学让你无忧入门!
1030 21
MySQL下载安装全攻略!小白也能轻松上手,从此数据库不再难搞!
|
安全 数据库 存储
数据库设计基石:一文搞懂 1NF、2NF、3NF 三大范式
数据库设计常遇数据冗余、增删改异常?根源往往是表结构不规范。本文带你轻松掌握数据库三大范式——1NF、2NF、3NF,从原子列到消除依赖,层层递进,提升数据一致性与可维护性,让数据库设计更高效、安全!#数据库 #范式设计
492 0
|
1月前
|
存储 人工智能 自然语言处理
拔俗AI自动化评价分析系统:让数据说话,让决策更智能
在用户体验为核心的时代,传统评价分析面临效率低、洞察浅等痛点。本文基于阿里云AI与大数据技术,构建“数据-算法-应用”三层智能分析体系,实现多源数据实时接入、情感与主题精准识别、跨模态融合分析及实时预警,助力企业提升运营效率、加速产品迭代、优化服务质量,并已在头部电商平台成功落地,显著提升用户满意度与商业转化。
|
7月前
|
Linux 虚拟化 Docker
win11怎么安装docker的必要设置自学软硬件工程师778天
win11怎么安装docker的必要设置自学软硬件工程师778天
win11怎么安装docker的必要设置自学软硬件工程师778天
|
7月前
|
存储 Unix Shell
Shell 输出命令完全指南:echo 与 printf 的深度剖析
本文深入解析了 Shell 编程中 `echo` 和 `printf` 两个核心输出命令的用法与区别。`echo` 简单易用,适合基础输出;`printf` 功能强大,支持复杂格式化。文章从语法、转义序列、高级技巧到实际应用场景(如日志记录、进度显示)逐一讲解,并对比两者的性能与适用场景,帮助开发者根据需求灵活选择。最后通过进阶技巧和常见问题解答,进一步提升对两者的掌握程度。
369 1
|
Python
基本技术指标 Python 实现(4)
基本技术指标 Python 实现
240 0
|
搜索推荐 算法 API
向量数据库-Milvus
Milvus 是一个开源的、高性能的向量数据库,专为海量向量数据的快速检索而设计。在人工智能、计算机视觉、推荐系统和其他需要处理大规模向量数据的领域有着广泛应用【7月更文挑战第3天】
2139 7
|
存储 机器学习/深度学习 计算机视觉
【YOLOv8改进-卷积Conv】 OREPA(Online Convolutional Re-parameterization):在线卷积重参数化
**OREPA**是在线卷积重参数化的缩写,它提出了一种两阶段流程来减少深度模型训练的开销。该方法通过线性缩放层优化复杂训练块,并在训练完成后将其压缩为单个卷积层,降低内存使用和提高训练速度。与现有技术相比,OREPA能减少约70%的训练内存开销,提升2倍训练速度,并在ImageNet上提高最多0.6%的准确性。此外,它还在目标检测和语义分割任务中表现出色。论文和代码可在提供的链接中找到。