107 鐵路特考高員三級 電力工程 工程數學 考古題詳解
第 一 題10 分
若線性轉換(linear transformation)矩陣 的作用是將在 上的向量逆時針旋轉角度 ,試以詳細計算過程求出:
(一) 此線性轉換矩陣。(7 分)
(二) 順時針旋轉角度 的線性轉換矩陣。(3 分)
登入後即可作答並保存紀錄。
核心觀念
-
標準基底映射與轉換矩陣(Matrix Representation with Respect to Standard Basis): 在有限維向量空間 中,任意線性轉換 均可由標準基底 之映射結果唯一決定。若已知標準基底的像向量 ,則對應於標準基底的標準轉換矩陣 即為以該組像向量為行向量(column vectors)所組成的矩陣:
-
三角函數和角公式與極座標旋轉: 平面上點之座標可表示為極座標 ,旋轉變換僅改變夾角而不改變純量長度( 保持不變)。利用三角函數的和角公式:
-
旋轉矩陣之代數特性與反運算:
- 逆時針旋轉角 與順時針旋轉角 互為反向運算,即順時針旋轉角度 等價於逆時針旋轉角度 。
- 旋轉變換屬於正交變換(Orthogonal Transformation),其轉換矩陣為正交矩陣(Orthogonal Matrix),具備反矩陣等於轉置矩陣之性質,即 。
解題方法
(一) 求逆時針旋轉角度 的線性轉換矩陣
步驟一:設定 的標準基底 取 之標準基底為:
步驟二:求各基底向量經逆時針旋轉角度 後的影像
-
向量 位於正 軸上,長度為 。逆時針旋轉角度 後,該向量與正 軸夾角為 ,其終點坐標為 :
-
向量 位於正 軸上,長度為 ,初始角度為 。逆時針旋轉角度 後,該向量與正 軸夾角變為 :
步驟三:合成標準轉換矩陣 由線性轉換矩陣的定義,將 與 依序組合成行向量:
(二) 求順時針旋轉角度 的線性轉換矩陣
順時針旋轉角度 等同於逆時針旋轉角度 。
第 二 題10 分
假設隨機變數 的累積分布函數(cumulative distribution function)可以表示成
(一) 試求出隨機變數 的機率密度函數(probability density function) 為何?(5 分)
(二) 試求出 (5 分)
登入後即可作答並保存紀錄。
核心觀念
-
累積分布函數(CDF)與機率密度函數(PDF)的關係: 若隨機變數 為連續型隨機變數,其累積分布函數 處處連續,則機率密度函數 為 的一階導數(在可微點上):
-
連續型隨機變數的區間機率計算: 對於連續型隨機變數,任意單一點的機率皆為零(即 ),因此區間端點是否包含等號對機率值沒有影響: 此性質亦等價於機率密度函數在該區間的定積分:
解題方法
(一) 求機率密度函數
先檢驗 在各分段交界點處的連續性:
- 在 處:,,函數連續。
- 在 處:,,函數連續。
- 在 處:,,函數連續。
- 在 處:,,函數連續。
在全實數軸上處處連續且單調非遞減,確認 為連續型隨機變數。對各區間逐段求導:
- 當 時:
- 當 時:
- 當 時:
- 當 時:
- 當 時:
因連續型隨機變數在個別分界點的函數值不影響機率計算,分段點可歸入相鄰區間。整合可得機率密度函數為:
第 三 題15 分
試求複變函數
對 展開的所有泰勒級數(Taylor series)及羅倫級數(Laurent series)。(15 分)
登入後即可作答並保存紀錄。
核心觀念
- 奇異點(Singularities)與展開區域劃分: 有理函數之極點(Poles)決定了展開級數的收斂邊界。若以 為展開中心,各奇異點至 的距離會將複數平面分割為數個同心圓盤或同心圓環區域。
- 泰勒級數(Taylor Series): 若函數在以 為圓心的圓盤內部 處處解析(無奇異點),則展開式必為純非負整數次冪的泰勒級數(Maclaurin 級數)。
- 羅倫級數(Laurent Series): 若展開區域為夾在奇異點之間的圓環 或外圍區域 ,展開式會同時包含正冪項(解析部)與負冪項(主部),或僅含負冪項。
- 部分分式分解與無窮等比級數公式: 利用部分分式將分母因式分解為一階項之和,並套用收斂條件為 的幾何級數公式:
解題方法
步驟一:部分分式分解(Partial Fraction Decomposition)
將分母因式分解:
設:
利用覆蓋法(Heaviside cover-up method)求係數:
故函數可拆解為:
步驟二:判斷奇異點與劃分收斂區域
展開中心為 。函數具有兩個單極點: 與 ,至原點距離分別為 與 。 因此,以 為中心,複數平面被分割為三個解析區域:
- 區域 I(圓盤內部):
- 區域 II(同心圓環):
- 區域 III(外圍無窮區域):
步驟三:各區域級數推導
(1) 區域 I:(泰勒級數) 此區域包含原點且無任何奇異點,展開式為泰勒級數。
- 因 :
- 因 :
合併兩項得:
(2) 區域 II:(羅倫級數) 此區域夾在兩極點之間,展開式同時具備正冪項與負冪項。
- 由 :
- 由 :
第 四 題15 分
利用 Frobenius 級數
的方法求解微分方程式
(15 分)
登入後即可作答並保存紀錄。
核心觀念
本題評量正則奇異點(Regular Singular Point)的 Frobenius 級數解法,涵蓋以下核心理論:
-
正則奇異點判別: 將二階線性常微分方程式化為標準式: 若 使 或 發散,但 與 在 處均為解析(Analytic),則 為正則奇異點,可使用 Frobenius 級數展開:
-
指標方程式(Indicial Equation): 由最低次項()之係數令其為零,可求得指標根 。
-
指標根差為整數之情況():
- 較大根 恆可保證求得第一個基底解 。
- 較小根 在推導遞迴關係時,可能因分母為零或出現矛盾而無法直接求得純冪級數解。此時第二個線性獨立解 必然包含對數項 ,可利用 Frobenius 參數微分法 或配合降階法(Reduction of Order)求解。
解題方法
步驟一:設定級數形式及其各階導數
依題意,在 處設解為 Frobenius 級數: 對 逐項微分:
步驟二:代入原微分方程式
原式為 ,將各項分別展開:
將上述各項相加並同類項合併:
化簡中括號內的係數: 方程式改寫為:
步驟三:推導指標方程式與遞迴關係式
抽出第一項級數中 的最低次項(即 項):
將第一項級數令指標變數變更為 (令 ):
-
指標方程式: 因 ,令 之係數為零: 解得兩指標根為: 兩根之差 (正整數)。
-
遞迴關係式: 令各 次項之係數為零():
步驟四:求解第一個基底解 (取較大根 )
將 代入遞迴關係式:
- 當 時:
- 當 時:
第 1 題2 分
向量 於向量 之投影(projection)的長度為何?
核心觀念
向量 在向量 上的投影長度,是 與 的內積除以 的長度後取絕對值:
解題方法
先計算內積:
再計算 的長度:
因此投影長度為:
選項分析
第 2 題2 分
下為敘述何者恆真?
核心觀念
向量空間 的子空間,必須是 的非空子集合,並且在原向量加法與純量乘法下仍形成向量空間。常用判準是:、,且對任意 與純量 ,皆有 、。
特別是,任何向量空間都含有零子空間 ;若 非零,則 ,所以它是 的真子空間。
解題方法
逐項檢查敘述是否符合子空間的定義,並用簡單反例辨認把「子集合」誤當成「子空間」的選項。
選項分析
(A) 錯誤。 子集合不一定符合子空間的封閉性,也不一定包含零向量。例如在 中,取 ,它是 的子集合,但不含零向量,因此不是子空間。
第 3 題2 分
試求點 到平面 的距離為何?
核心觀念
點 到平面 的距離,是該點到平面的垂直距離,公式為
分母是平面的法向量 的長度。
解題方法
將平面 與點 代入距離公式:
因此,點到平面的距離為 。
第 4 題2 分
給定三個 之可逆矩陣 、、,下列敘述何者錯誤?
核心觀念
本題考查線性代數中方陣代數運算的基本性質,主要涵蓋以下核心知識點:
- 矩陣乘積之轉置的反序律(Reversal Rule for Transposition):對於相容矩陣乘積,轉置後各項順序顛倒,即 。
- 矩陣乘積之反矩陣的反序律(Reversal Rule for Inversion):可逆矩陣相乘之反矩陣,其各項反矩陣順序顛倒,即 。
- 正交矩陣(Orthogonal Matrix)之定義與性質:滿足 的實方陣,其反矩陣恰等於其轉置矩陣,即 。
- 矩陣乘法不具交換律(Non-commutativity of Matrix Multiplication):一般情況下,。展開多項式乘積時必須嚴格遵守由左至右之相乘順序。
解題方法
本題為純代數性質的判斷題。解題關鍵在於辨別「純量代數」與「矩陣代數」的本質差異——矩陣乘法一般不滿足交換律。透過依序檢驗轉置定律、可逆性質、正交矩陣定義以及矩陣乘法分配律展開,即可精確判斷各選項之真偽。
選項分析
-
(A) 正確 由矩陣轉置之性質可知,雙矩陣乘積之轉置滿足 。將此性質延伸至三個可逆矩陣乘積: 故本敘述正確。
-
(B) 正確 因 皆為 可逆矩陣,由反矩陣之唯一定義驗證其相乘結果: 同理反向相乘亦得單位矩陣 : 因此 ,故本敘述正確。
第 5 題2 分
假設矩陣
且 的特徵值(eigenvalues)、,其對應的特徵向量(eigenvectors)分別為
則
核心觀念
本題考矩陣的特徵值與特徵向量定義:若 ,則 為 的特徵值 所對應的特徵向量。已知兩組特徵值與特徵向量,可將它們組成矩陣,利用對角化關係求出 。
解題方法
令兩個特徵向量依序為矩陣 的欄向量,特徵值依序放入對角矩陣 :
由 ,得 。先求
因此
第 6 題2 分
下列矩陣何者為非正交矩陣(non-orthogonal matrix)?
核心觀念
正交矩陣 的定義為
也就是矩陣的各欄向量互相垂直,且每個欄向量的長度均為 。等價地,各列向量也須互相垂直且長度為 。若 ,則 為非正交矩陣。
解題方法
逐一檢查各選項的欄向量長度與內積。每個選項的第二欄都是 ,而第一欄與第三欄的第二個分量都是 ,因此第二欄與其餘兩欄皆垂直,長度也為 。只要再檢查第一欄與第三欄是否互相垂直,並確認兩者長度均為 。
選項分析
- (A) 第一欄為 ,第三欄為 。兩者長度平方均為 ,內積為
各欄互相垂直且皆為單位向量,因此 (A) 是正交矩陣。
- (B) 第一欄為 ,第三欄為 。兩者長度平方均為 ,但內積為
第 7 題2 分
令 ,則:
核心觀念
複數的指數形式為
其中 是模長, 是幅角。若 ,令 ,則
因此,,而 是 的幅角之一。
解題方法
題目給定 。先求複數 的模長與幅角:
因為實部、虛部皆為正,複數位於第一象限。
所以其極式為
令 ,比較模長與幅角可得
故
第 8 題2 分
已知 為一複數數列,其中 及 分別代表 的實部及虛部,則下列敘述何者錯誤?
核心觀念
本題評量複數數列(Complex Sequence)的極限定義與收斂之充要條件,以及命題邏輯中的逆否命題與笛摩根定律(De Morgan's laws)。
設複數數列為 ,其中實部 、虛部 ,且令常數 ()。
-
複數數列收斂的充要條件(若且唯若): 複數數列 收斂至 的充分且必要條件為其「實部數列 」與「虛部數列 」同時收斂至對應的實數極限:
-
發散的邏輯對偶性質(否定命題): 根據邏輯學上的笛摩根定律,「兩者皆成立」的否定即為「至少其中之一不成立」。因此:
- 數列 收斂 收斂 收斂。
- 數列 發散 發散 發散(即實部與虛部至少其一為發散)。
解題方法
以「複數數列收斂性定理」為準則,利用集合與邏輯命題推導,逐一檢驗各選項敘述的真偽性:
- 將選項 (C)、(D) 與標準定理對照,驗證充分性與必要性。
- 將選項 (A) 取逆否命題或以發散定義檢視邏輯等價性。
- 針對選項 (B),透過反例與必要條件判定其邏輯矛盾之處。
選項分析
-
(A) 正確: 依收斂定理,「 收斂」等價於「 收斂 且 收斂」。 依邏輯等價之逆否命題(Contrapositive):若結論不成立(即數列 及 至少其中之一發散),則原前提必不成立(即 必為發散)。 反之,若原數列 發散,則其否定條件必成立,即「實部數列 及虛部數列 至少其中之一為發散」。敘述完全合乎邏輯。
-
(B) 錯誤(本題應選): 在國家考試的命題慣例中,「其中之一為收斂」係指僅有一者收斂(另一者發散)的情形。 若實部與虛部中僅有一者收斂、另一者發散,則複數數列 必然發散,絕不可能為收斂。
第 9 題2 分
求
在零點的極點次數(pole order):
核心觀念
解析函數在 的極點次數,取決於函數在該點的分母零點階數,扣除分子零點階數。若分子在 有 階零點、分母有 階零點,且 ,則極點次數為 。
解題方法
利用週期與平移公式:
因此
在 附近, 有一階零點, 不為零,且 有一階零點。故 有二階零點;分母中的 合計有三階零點, 不影響零點階數。
第 10 題2 分
已知微分方程式
的通解為
求 、 之值,並判定下列何者正確?(題中 、、、 為常數)
核心觀念
常係數二階齊次微分方程
的特徵方程為
若通解含有 與 ,表示特徵根 是重根。因此,題目給的 與 對應重根 。
解題方法
特徵方程有重根 ,所以可寫成
展開得
與原特徵方程 比較係數,可得
因此
選項分析
第 11 題2 分
下列何者為
之解?其中 、 為常數,,。
核心觀念
本題考 Euler–Cauchy(等維)微分方程。方程式
中,各項的 次方與微分階數相配,適合設解為 ,代入後可化為代數方程,稱為特徵方程。
解題方法
設 ,則
代入原式:
整理得
因此特徵方程為
特徵根 為重根。Euler–Cauchy 方程遇到重根 時,兩個線性獨立解為 與 ,故通解為
第 12 題2 分
根據微分方程式
及其初始條件 ,請問下列何者為 之計算結果?
核心觀念
本題考查一階常微分方程式(First-Order ODE)的初值問題(Initial Value Problem, IVP),涉及以下核心觀念與數學工具:
- 正合微分方程式(Exact Differential Equation)判別: 形式為 。若偏導數滿足
則此方程式為正合方程式,必存在純量勢函數 使得 ,其通解為 。 2. 變數變換法(線性化)與全微分組合: 觀察到方程式中 僅以 與 的形式出現,令 ,則 ,可將非線性微分方程式直接轉化為一階可積分形式,並利用微分乘積法則(Product Rule)直接還原全微分項:
- 初值條件求特解: 利用條件 ,即在 時 ,代入通解以確定積分常數 。
解題方法
本題提供兩種解題途徑:正統的「正合法」與考場最具時效的「全微分組合法(變數變換法)」。
方法一:全微分組合法(推薦考場使用)
- 觀察變數結構並設代換: 原方程式為
令 ,對 微分得 ,即 。
- 代入整理: 將 及 代回原方程式:
同乘以 :
- 辨識全微分項並直接積分: 注意前兩項恰為函數相乘的微分:
第三項利用三角倍角公式 ,亦可表示為 :
因此方程式可改寫為:
兩邊積分得:
即:
- 代入初始條件求解常數: 由初始條件 ,代入 :
故特解為:
方法二:正合微分方程式法(標準檢驗法)
- 正合性檢驗: 設 ,。
第 13 題2 分
某一函數 的拉氏轉換(Laplace Transform)為
則下列何者正確?
核心觀念
本題考拉氏轉換的初值定理,以及拉氏轉換與函數導數的關係。若 與 滿足初值定理的條件,則
解題方法
先由 求 :
再利用導數的拉氏轉換公式
因此
第 14 題2 分
假設聯立微分方程式
其中 、,其解 ,、 為常數,求
核心觀念
聯立線性微分方程組可寫成矩陣形式,解的指數項由係數矩陣的特徵值決定。本題已給出 ,因此可用初始條件求出 ,再計算 。
解題方法
由初始條件 ,得
再利用第二條微分方程 。由第一條方程及初始條件,
對第二條方程在 代入:
另一方面,由題目給定的 ,
所以
聯立
由 代入第二式:
第 15 題2 分
假設微分方程式
其中 且 。若
為此微分方程式之級數解,求 的值為何?
核心觀念
本題考「冪級數解法」:將 、、 與 展開成冪級數,再比較 、、 的係數。由初始條件可直接得到 、。
解題方法
設
初始條件給出
另有
比較各次方係數時, 中 的係數為
因此,微分方程
的 係數關係為
其中 在 時為 ,其餘為 。
依序取 :
- :
第 16 題2 分
考慮函數
當 時,。求此函數之傅立葉轉換(Fourier transform)?
題幹敘述「考慮函數 ,當 時,」,從數學邏輯與選項結構可知,此處為原考卷印刷漏字,正確題意為有限支撐(compact support)的分段函數:
核心觀念
- 傅立葉轉換(Fourier Transform)定義:
- 偶函數對稱性: 若 ,則虛部正弦積分項為零,轉換式可簡化為實數餘弦積分:
- 三角函數積化和差公式:
- 補角與相位關係:
解題方法
步驟一:代入傅立葉轉換積分式
由於 在區間 滿足 ,為偶函數,且在該區間外均為 ,故積分簡化為:
步驟二:拆解積分項
將積分拆為常數項與餘弦項之和:
- 第一項 計算:
- 第二項 計算: 利用積化和差公式 :
逐項進行積分:
第 17 題2 分
下列何者為
的傅立葉轉換 ?
核心觀念
本題考查離散時間傅立葉轉換(DTFT)的定義,以及序列的位移性質:
若 ,則
解題方法
先將題目序列寫成位移形式:
先求 的 DTFT,再套用向右位移 格所產生的因子 。
將 在 分開:
兩個級數都是等比級數,故
通分化簡得
第 18 題2 分
隨機均勻從 區間選出,令事件
求
核心觀念
均勻分布在區間 的隨機變數,其機率可用區間長度計算:
樣本空間 的長度為 。本題先求事件 、 的範圍,再計算聯集與交集的長度。
解題方法
由 且 ,可得
由 ,將絕對值不等式改寫為
與樣本空間 取交集後, 對應 ,其長度為 ,所以
因為 ,因此 、。故
第 19 題2 分
投擲一顆公平的骰子並記錄獲得點數,再投擲另一顆公平的骰子並記錄獲得點數,試求第二次點數大於第一次點數之機率:
核心觀念
兩顆骰子各自公平且獨立,每次點數均勻分布於 至 。依序投擲並記錄時,樣本點可表示為有序對 ,共有 個等可能結果。
解題方法
固定第一次點數,計算第二次點數較大的情形數:
| 第一次點數 | 第二次可大於第一次的點數 | 情形數 |
|---|---|---|
| 1 | 2、3、4、5、6 | 5 |
| 2 | 3、4、5、6 | 4 |
| 3 | 4、5、6 | 3 |
| 4 | 5、6 | 2 |
| 5 | 6 | 1 |
| 6 | 無 | 0 |
符合條件的有序結果共 個,因此
選項分析
- (A) :錯誤。 這不等於符合條件的 種結果除以 種等可能結果。
- **(B) :正確。
第 20 題2 分
設 為一隨機變數,它在每一可能值 、、 的機率分別為
求 :
核心觀念
本題評量機率論中「離散型隨機變數之函數的期望值」(Expected Value of a Function of a Discrete Random Variable)。
設離散型隨機變數 的所有可能取值為 ,其對應之機率質量函數(PMF)為 。對任意實數值函數 ,其期望值定義為各可能函數值與其對應機率乘積的總和:
本題所求為 的二次矩(Second Moment),即令 。
解題方法
由題意可知,隨機變數 的可能取值集合為 ,其對應的機率分布為:
- 當 時,,機率
- 當 時,,機率
- 當 時,,機率
依據期望值公式展開計算:
代入各點機率數值:
選項分析
- (A) 錯誤: 僅為狀態 在期望值計算中的單項貢獻量(),遺漏了 的加權結果;亦可能是考生誤直接取 作答。