Kuchina 's Blog

Unity 客户端开发 100 问：基于真实项目的八股与高频核心面试题全解

Tue, 18 Aug 2026 10:00:00 GMT

游戏客户端开发面试全景指南：八股核心、真实大厂面经与项目实战

Author

KardeniaPoyu · Blog

📌 导读与复习方法论

在游戏研发（客户端/引擎/Gameplay）面试中，各大游戏厂商（腾讯 IEG、米哈游、网易雷火、库洛、莉莉丝、巨人、英雄互娱等）对**基础功底（C++、图形学、数学算法、操作系统/网络）**的考察权重通常远大于纯引擎 API 调用。

本文将面试内容划分为三大阶段：

核心高频八股（必考地基）：C++ 底层机制、计算机网络、操作系统、计算机图形学、高频手撕算法、Unity / UE 引擎核心。
大厂真实面经深度拆解（真题还原）：按公司（米哈游、腾讯、雷火、库洛、点点、B站、腾娱、莉莉丝等）复盘刁钻提问与应答逻辑。
简历与项目实战攻坚（项目落地）：结合个人真实项目（巨人 Mini Game 冠军《WoodMan》、Mengya Game Jam《DotTrack》、中科院自动化所大模型实习等）拆解架构与技术难点。

一、 C++ 核心底层机制（每场必考）

1. 多态（静态多态 vs 动态多态、虚函数、虚函数表 vtable、虚指针 vptr）

静态多态（编译期多态）：函数重载（Overload）与模板（Template）。在编译期通过名字修饰（Name Mangling）和模板实例化确定具体调用的函数地址，零运行时开销，支持内联优化。
动态多态（运行期多态）：基于虚函数（virtual）。当类中含有虚函数时，编译器为该类生成一张虚函数表（vtable，只读数据段），表中按声明顺序存储虚函数的函数指针。类的每个实例对象在头部隐含一个虚表指针（vptr，64位下占 8 字节），指向该类的 vtable。
调用寻址过程：基类指针调用 ptr->func() $\to$ 取出对象头部的 vptr $\to$ 在 vtable 中按固定偏移量读取目标函数指针 $\to$ 跳转执行（二次间接寻址）。
性能损耗：破坏 CPU 指令缓存与分支预测，默认无法被编译器直接内联（Inlining）。

2. 智能指针（unique_ptr, shared_ptr, weak_ptr）与多线程引用计数

unique_ptr：独占所有权，禁止拷贝构造与拷贝赋值，仅支持移动语义（std::move），无额外内存开销（零抽象开销）。
shared_ptr：共享所有权，内部包含指向目标对象的指针和指向控制块（Control Block）的指针。控制块中维护两个计数器：强引用计数（Strong Ref Count）与弱引用计数（Weak Ref Count）。
- make_shared 优势：一次性申请内存，将目标对象和控制块连续分配，减少一次内存分配并提高 Cache 命中率。
- 多线程安全性：引用计数的增减是原子操作（std::atomic），但在多线程下并发读写同一个 shared_ptr 实例本身不是线程安全的（指针切换与计数增减非整体原子）。
weak_ptr：弱引用，不增加强引用计数，用于解决 shared_ptr 的循环引用（Circular Reference）导致的内存泄漏。访问对象前必须调用 .lock() 提升为 shared_ptr，若对象已析构则返回 nullptr。控制块在强引用归 0 且弱引用归 0 后才会被彻底销毁。

3. 析构函数深度剖析（为什么基类析构必须是 virtual？内存泄漏？继承下的调用顺序？）

为什么基类析构必须是虚函数？
- 当通过基类指针删除派生类对象（Base* p = new Derived(); delete p;）时，若基类析构函数不是虚函数，编译器执行静态绑定，仅调用基类的析构函数，派生类的析构函数不会被调用。导致派生类特有的成员变量（如堆内存、文件句柄、网络连接）无法释放，引发内存泄漏与未定义行为（Undefined Behavior）。
继承体系下的调用顺序：
- 构造顺序：基类构造函数 $\to$ 成员对象构造函数 $\to$ 派生类构造函数。
- 析构顺序：与构造顺序严格相反：派生类析构函数 $\to$ 成员对象析构函数 $\to$ 基类析构函数。
父类构造函数中调用 virtual 函数的具体行为：
- 在执行父类构造函数期间，子类的成员尚未初始化，此时对象的动态类型判定为父类，vptr 仍指向父类的 vtable。因此，调用的必定是父类自身的虚函数版本，不会发生多态分发到子类。

4. C++ 内存布局与栈溢出（Stack Overflow）成因

内存五大分区：
1. 代码区（Text Segment）：存放机器指令，只读。
2. 常量区 / 只读数据区（ROData）：字符串字面量、const 全局变量。
3. 全局 / 静态区（BSS & Data）：Data 段存已初始化的全局/静态变量；BSS 段存未初始化的全局/静态变量（启动时自动清零）。
4. 堆区（Heap）：由程序员手动分配（malloc / new），由低地址向高地址增长，分配有碎片，速度较慢。
5. 栈区（Stack）：存储局部变量、函数参数、返回地址。由高地址向低地址连续增长，由操作系统自动管理，速度极快（移动栈指针 ESP/RSP）。
栈溢出成因：
- 递归过深且无终止条件（如 DFS 递归陷入死循环）。
- 在栈上分配了超大局部数组（如 int buf[1024 * 1024 * 10];，默认线程栈通常仅 1MB~8MB）。

5. 指针（Pointer）与引用（Reference）的底层区别

本质：引用在底层由编译器实现为指针常量（Type* const）。
语法与行为差异：
1. 指针是一个实体变量，有自身独立的内存地址；引用只是变量的别名，&ref 获取的是原变量地址。
2. 引用定义时必须初始化且不可重绑定（不可重新指向其他对象）；指针可以不初始化、可以为 nullptr、可以在运行期随意改变指向。
3. sizeof(引用) 等于被引用对象的大小；sizeof(指针) 在 64 位平台恒为 8 字节。
4. 指针有多级指针（int**），引用没有多级引用（右值引用 && 是类型系统语法，非多级）。

6. 源代码到可执行文件的完整流程

预处理（Preprocessing, gcc -E）：展开宏定义（#define）、处理条件编译指令（#ifdef）、递归包含头文件（#include）、删除注释。生成 .i 文件。
编译（Compilation, gcc -S）：词法分析、语法分析、语义分析、中间代码生成与代码优化，将预处理后的代码转为汇编代码。生成 .s 文件。
汇编（Assembly, gcc -c）：汇编器将汇编指令逐条翻译为机器可执行的二进制指令（重定位目标文件）。生成 .o / .obj 文件。
链接（Linking, gcc -o）：链接器将各个目标文件与库文件（静态库 .a/.lib、动态库 .so/.dll）拼装，解析符号引用、重定位内存地址，最终生成可执行文件。

7. Lambda 表达式底层原理与使用避坑

底层原理：编译器会自动生成一个隐式仿函数类（Functor Class），重载 operator()。
捕获列表机制：
- 值捕获 [x] / [=]：被捕获的变量作为仿函数类的成员变量，在构造仿函数实例时通过拷贝初始化（默认在内部是 const，加 mutable 可修改副本）。
- 引用捕获 [&x] / [&]：仿函数类内部保存变量的引用或指针。
避坑点（致命悬空引用）：
- 在异步回调、多线程任务或协程中使用引用捕获局部变量。当外部函数执行完毕退栈后，局部变量被销毁，Lambda 内部访问引发悬空引用（Dangling Reference）野指针崩溃。异步场景必须显式采用值捕获。

8. 继承下的内存布局与菱形继承（虚继承、vbptr、虚基类表）

普通单继承：派生类内存布局为：基类成员变量 $\to$ 派生类成员变量。若有虚函数，对象头部共享基类的 vptr。
菱形继承问题：类 B、C 继承自 A，类 D 同时多重继承 B 和 C。此时 D 的实例中包含两份 A 的副本，存在数据二义性与内存浪费。
虚继承解决方案（virtual public A）：
- B 和 C 采用虚继承。在 D 对象的内存布局中，公共基类 A 的成员被移至内存尾部（仅保留一份唯一实例）。
- B 和 C 的子对象内部引入一个虚基类指针（vbptr），指向虚基类表（vbtable）。表中记录了当前位置到公共基类 A 实例的偏移量（Offset）。

9. `new` / `delete` 与 `malloc` / `free` 的区别、`placement new`、`new int` vs `new int()`

核心区别：
1. malloc/free 是 C 标准库函数；new/delete 是 C++ 运算符。
2. new 先调用 operator new 分配原始内存，随后在内存上自动调用类的构造函数；delete 先调用析构函数，再调用 operator delete 释放内存。
3. new 失败抛出 std::bad_alloc 异常；malloc 失败返回 NULL。
new int vs new int()：
- new int：默认初始化（Default Initialization），对于内置类型，分配的内存不进行清零，值为随机残留垃圾值。
- new int()：值初始化（Value Initialization），内置类型会被零初始化（Zero-initialized），值为 0。
delete 如何知道释放多少字节？
- 内存分配器（如 ptmalloc, jemalloc）在分配内存块时，会在返回指针的前方（Header 头部）隐式写入元数据（Cookie），记录该内存块的总大小与对齐标记。delete 读取头部元数据确定释放大小。
placement new（定位 new）：
- 语法：new (ptr) Type(args...)。在已经预先分配好的内存地址 ptr 上就地构造对象，不产生任何新的内存申请，是实现内存池、对象池与自定义容器的核心技术。

10. `vector` vs `list` 深度对比（局部性、Cache Line、扩容与迭代器失效）

底层与内存：
- vector：连续堆内存数组。CPU 访问时利用空间局部性将相邻数据自动加载到 Cache Line（通常 64 字节），Cache 命中率极高，遍历极快；支持 $O(1)$ 随机访问。
- list：双向双向链表。每个节点在堆中独立离散分配，附带两个指针开销；遍历时每次寻址引发 Cache Miss，随机访问复杂度 $O(N)$。
vector 扩容机制：
- 当 size == capacity 时，按 1.5 倍（MSVC）或 2 倍（GCC）在堆中申请新的连续内存，将原元素拷贝/移动（std::move_if_noexcept）到新内存，并销毁旧内存。
迭代器失效（Iterator Invalidation）：
- 遍历时 push_back：若触发扩容，所有原有迭代器、指针、引用全部失效；即使未扩容，end() 迭代器也会失效。
- 遍历时 erase：被删除元素及之后的所有迭代器全部失效。标准写法必须利用返回值更新迭代器：it = vec.erase(it);。

11. `unordered_map` vs `map` 差异与哈希冲突解决

底层数据结构：
- map：底层是红黑树（自平衡二叉查找树）。元素严格按 Key 有序排列，单次查找/增删复杂度稳定为 $O(\log N)$。
- unordered_map：底层是哈希表（Hash Table）。元素无序，平均查找/增删复杂度为 $O(1)$。
哈希冲突解决：
- 拉链法（Chaining，C++ STL 默认采用）：桶数组中每个槽位维护一个单链表，哈希值相同的元素挂在同链表下。当负载因子（Load Factor）超过阈值（通常 1.0）时触发 rehash。
- 开放寻址法（Open Addressing）：线性探测、二次探测、双重哈希。
最差情况复杂度：当所有 Key 均发生哈希碰撞时，退化为单链表，查找复杂度变为 $O(N)$。

12. 模板（Template）原理：为什么声明和定义不能分开在 `.h` 和 `.cpp`？

编译机制：模板不是真正的函数或类，而是代码生成的蓝图。编译器只有在看到具体的模板调用点时，才会根据实参类型进行模板实例化（Template Instantiation）。
分开编写的问题：
- 若在 A.cpp 中定义模板实现，在 main.cpp 中引入 A.h 并调用 func<int>()。
- 编译 main.cpp 时，编译器看不到定义，无法实例化出 func<int> 的机器码，只能生成一个未解析的外部符号。
- 编译 A.cpp 时，由于没有具体调用点，编译器也不会实例化 func<int>。
- 在最后的链接阶段，链接器找不到 func<int> 的定义，报 Undefined reference to symbol（未解析的符号）错误。
规范：模板的声明和定义必须全部写在头文件（.h 或 .hpp）中。

13. `static` 与 `const` 的多维用法

static：
1. 修饰局部变量：改变生命周期，变量存储在全局/静态区，仅在首次执行时初始化一次，生命周期延续至程序结束。
2. 修饰全局变量/函数：限制符号的作用域为当前源文件（内部链接 Internal Linkage），避免多文件命名冲突。
3. 修饰类成员变量/函数：属于类本身而非实例，静态成员变量必须在类外单独定义；静态成员函数无 this 指针，只能访问静态成员。
const：
1. 常量修饰：定义只读常量。
2. 指针常量 vs 常量指针：
  - const int* p（常量指针）：指向常量的指针，指向的值不可改，p 的指向可以改。
  - int* const p（指针常量）：指针本身是常量，p 的指向不可改，指向的值可以改。
3. 修饰成员函数：void func() const，承诺不修改类的任何非 mutable 成员变量。

14. `i++` vs `++i`、左值与右值、移动语义与完美转发

++i vs i++：
- ++i：前置自增，直接在原变量上累加并返回变量自身的引用，是左值。
- i++：后置自增，先生成一个原值的临时副本，再对原变量累加，返回临时副本，是右值，有一次对象拷贝开销。
左值（Lvalue）与右值（Rvalue）：
- 左值：有明确内存地址、持久存在的具名对象（可以通过 & 取地址）。
- 右值：无持久内存地址、表达式结束后立即销毁的临时值或字面量（如字面量 10、函数返回值临时对象）。
移动语义（std::move）与移动构造：
- std::move 无条件将左值强制转换为右值引用（Type&&）。
- 触发移动构造函数时，直接**偷取（Shallow Copy / Transfer）**右值临时对象的堆指针资源，并将右值内部指针置空，消除深拷贝（Deep Copy）的大块内存分配。
完美转发（std::forward<T>）：结合通用引用（T&&），在模板参数传递中保持实参原本的左值/右值属性。

15. C++ 四种类型转换 cast 详解

static_cast：编译期类型检查。用于基本数据类型转换、有明确转换关系的类指针转换（无运行时类型检查，下行转换不安全）。
dynamic_cast：运行期类型检查。专门用于多态基类与派生类之间的安全转换，依赖 RTTI（运行时类型识别）。转换指针失败返回 nullptr，转换引用失败抛出 std::bad_cast。开销较大。
const_cast：用于移除指针或引用的 const 或 volatile 属性。
reinterpret_cast：底层重新解释内存二进制位模式（如将整数转为指针，将 A* 强转为不相关的 B*），不保证安全性。

二、计算机网络高频核心

16. TCP 与 UDP 的本质区别与游戏网络选型

特性	TCP	UDP
连接机制	面向连接（三次握手 / 四次挥手）	无连接（直接发送报文）
可靠性	保证可靠交付（超时重传、ACK 确认、校验和）	尽最大努力交付（不保证到达、不保证顺序）
传输形式	面向字节流（Byte Stream，存在粘包/半包）	面向报文（保留报文边界）
流量/拥塞控制	滑动窗口、慢启动、拥塞避免、快重传/快恢复	无任何拥塞控制（按应用层速率发送）
头部开销	20 ~ 60 字节	8 字节固定头部
适用游戏场景	强数据一致性场景（登录鉴权、商城交易、回合制）	实时竞技（FPS、MOBA、ACT、赛车）

17. 深入理解 TCP 三次握手与四次挥手

三次握手流程：
1. 客户端发送 SYN=1, seq=x，进入 SYN_SENT 状态。
2. 服务端收到后回复 SYN=1, ACK=1, seq=y, ack=x+1，进入 SYN_RCVD 状态。
3. 客户端收到后回复 ACK=1, seq=x+1, ack=y+1，双方进入 ESTABLISHED 状态。
- 为什么不是两次？ 防止历史上失效的旧连接请求报文突然又传送到服务端，导致服务端单方面建立空连接浪费资源；同时确保双方的双向初始序列号（ISN）均得到确认。
四次挥手与 TIME_WAIT：
- 主动关闭方在最后发送完 ACK 后必须停留在 TIME_WAIT 状态持续 $2\text{MSL}$（最长报文段寿命）。
- 目的：1. 确保被动关闭方收到了最后的 ACK，若丢失可重传；2. 保证本次连接产生的所有旧报文从网络中彻底消失，防止影响新建立的连接。

18. 可靠 UDP（KCP、ENet）原理：为什么能解决 TCP 队头阻塞？

TCP 队头阻塞（Head-of-Line Blocking）：TCP 保证严格顺序交付。如果第 1 号包在弱网环境下丢包，即使第 2~10 号包已到达客户端操作系统缓冲区，TCP 也不能将其提交给应用层，导致游戏逻辑瞬间冻结。
KCP / 可靠 UDP 破局原理：
1. 选择性重传（SACK）：只重传真正丢失的数据包，不影响后续已到达包的处理。
2. 快速重传：发送端发送 1, 2, 3, 4, 5，若连续收到 3 次对 1 的 ACK，直接判断 2 已丢失并立即重传，无需等待超时定时器。
3. 非退让流控：弱网下不采取 TCP 极度保守的慢启动腰斩策略，牺牲少量冗余带宽换取极低的端到端延迟。

19. 游戏同步架构：帧同步（Lockstep） vs 状态同步（State Synchronization）

graph TD
    subgraph 帧同步 (Lockstep)
        C1[Client 1 输入指令] --> S[Server 只转发指令帧]
        C2[Client 2 输入指令] --> S
        S -->|广播所有玩家输入| C1
        S -->|广播所有玩家输入| C2
        C1 -->|本地确定性模拟计算| W1[游戏世界状态 1]
        C2 -->|本地确定性模拟计算| W2[游戏世界状态 2 (严格一致)]
    end

帧同步（Lockstep）：
- 核心：服务端不运行游戏逻辑，仅定时（如 66ms 一帧）收集并下发所有客户端的操作指令。客户端基于相同的初始状态和定点数数学库（Fixed-Point Math），执行完全确定性的模拟。
- 优缺点：网络带宽占用极低，天然支持大局战斗回放；但反作弊困难（内存有全部实体数据），且容易发生多端不一致（Desync）。
状态同步（State Sync）：
- 核心：游戏逻辑完全由服务端权威计算，服务端周期性将所有实体的属性快照（位置、血量、状态）广播给客户端。客户端配合**客户端预测（Client Prediction）与实体插值（Interpolation）**实现丝滑表现。
- 优缺点：绝对防作弊、断线重连容易；但服务端算力与网络带宽压力巨大。

三、操作系统与并发机制

20. 进程、线程与协程的本质差异

进程（Process）：操作系统资源分配和调度的基本单位，拥有独立的虚拟地址空间、文件句柄与内存页表。进程间通信（IPC）成本高。
线程（Thread）：CPU 调度的基本单位，同一进程内的线程共享虚拟内存空间（代码段、数据段、堆），拥有独立的栈和寄存器上下文。线程切换需要保存/恢复 CPU 寄存器并陷入内核态。
协程（Coroutine）：用户态的轻量级线程，调度完全由应用程序/运行时控制（无需内核切换）。一个线程可承载数万个协程，内存占用极小（几 KB），通过显式挂起（yield）让出 CPU。

21. 线程同步原语对比：互斥锁（Mutex）、自旋锁（Spinlock）、条件变量与原子操作（Atomic）

互斥锁（Mutex）：当锁被占用时，未获取到锁的线程会被操作系统挂起（阻塞），进入休眠等待队列，引发上下文切换（Context Switch）。适合临界区执行时间较长的场景。
自旋锁（Spinlock）：当锁被占用时，线程不休眠，而是在 CPU 上执行空循环（Busy-wait）持续探测锁状态。避免了上下文切换开销，但在多核高并发下若长时间未获取锁会白白浪费 CPU。
条件变量（Condition Variable）：用于线程间的等待-唤醒机制，通常与互斥锁配合，防止盲目轮询。
原子操作（std::atomic / CAS）：基于 CPU 总线锁与硬件指令（如 x86 LOCK CMPXCHG），在硬件层面保证单个变量读-改-写的原子性，是实现无锁队列（Lock-free Queue）的核心。

22. 死锁（Deadlock）的四个必要条件与预防排查

四个必要条件：
1. 互斥条件：资源同一时刻只能被一个线程占用。
2. 请求与保持条件：线程持有一个资源的同时又申请新资源。
3. 不剥夺条件：线程已获得的资源在未使用完前不能被强行剥夺。
4. 循环等待条件：存在一个线程等待环路（A 等 B，B 等 A）。
预防与破局：
- 破坏循环等待：严格规定全局资源的加锁顺序（按内存地址大小或资源 ID 升序加锁）。
- 使用 std::lock(m1, m2) 或 std::scoped_lock 一次性原子获取所有锁。
- 使用带超时的锁尝试（std::unique_lock::try_lock_for），超时失败后主动释放已有锁并重试。

23. 内存碎片（Memory Fragmentation）与内存池（Memory Pool）设计

外碎片 vs 内碎片：
- 外部碎片：频繁申请和释放不同大小的内存，导致堆中存在大量离散但总量足够的小空闲块，无法满足连续大块内存的申请。
- 内部碎片：由于内存对齐规则（如 8 字节/16 字节对齐），分配给对象的内存大于实际所需大小。
固定大小对象内存池（Fixed-size Memory Pool）设计：
- 预先向系统申请一大块连续内存（Chunk）。
- 将 Chunk 切分为若干固定大小的 Block（如 64 字节），内部维护一个无锁单向链表（Free List）记录空闲 Block。
- Allocate() 时直接弹出链表头（$O(1)$），Deallocate() 时直接将指针插回链表头（$O(1)$），彻底消除外碎片并获得极致缓存友好性。

四、计算机图形学与 Shader 核心

24. 现代 GPU 渲染管线（Graphics Pipeline）全流程

graph LR
    A[顶点数据 VBO/IBO] --> B[顶点着色器 Vertex Shader]
    B --> C[曲面细分/几何着色]
    C --> D[裁剪与屏幕映射]
    D --> E[光栅化 Rasterization]
    E --> F[Early-Z 早期深度测试]
    F --> G[片元着色器 Fragment Shader]
    G --> H[逐片元操作: Stencil / Z-Test / Blend]
    H --> I[FrameBuffer 帧缓冲区]

应用阶段（CPU）：视锥体剔除、遮挡剔除、渲染状态设置、向 GPU 提交 Draw Call。
顶点着色器（Vertex Shader）：将模型局部坐标经 MVP 变换转至齐次裁剪空间；法线变换；顶点颜色/UV 传递。
光栅化阶段（Rasterization）：三角形遍历、属性插值，将连续三角形几何图元离散化为屏幕像素片元（Fragment）。
片元着色器（Fragment Shader）：纹理采样、PBR 光照计算、阴影衰减，输出片元最终颜色。
逐片元操作（Per-Fragment Operations）：Pixel Ownership $\to$ 模板测试（Stencil Test） $\to$ 深度测试（Depth Test） $\to$ 颜色混合（Alpha Blending） $\to$ 写入 FrameBuffer。

25. 判断点 $P$ 是否在三角形 $\triangle ABC$ 内部的三种经典数学算法

二维向量叉乘法（Cross Product / 同向法）：
- 计算三条边的有向向量与到点 $P$ 的叉积： $$\vec{C}_1 = \vec{AB} \times \vec{AP}, \quad \vec{C}_2 = \vec{BC} \times \vec{BP}, \quad \vec{C}_3 = \vec{CA} \times \vec{CP}$$
- 若 $\vec{C}_1.z, \vec{C}_2.z, \vec{C}_3.z$ 符号全部相同（全 $\ge 0$ 或全 $\le 0$），则点 $P$ 在三角形内部。
重心坐标法（Barycentric Coordinates）：
- 点 $P$ 表示为顶点线性组合：$P = uA + vB + wC$，满足 $u + v + w = 1$。
- 若且仅若 $u \ge 0, v \ge 0, w \ge 0$，点 $P$ 位于三角形内部（也是光栅化属性插值的核心原理）。
面积法（Area Method）：
- 若 $S_{\triangle PAB} + S_{\triangle PBC} + S_{\triangle PCA} = S_{\triangle ABC}$，则点在三角形内。

26. 抗锯齿技术（Anti-Aliasing）全景对比与优劣分析

SSAA（超级采样抗锯齿）：以 2x~4x 分辨率渲染整个画面后再下采样。画质最完美，但计算与显存开销暴增 4 倍。
MSAA（多重采样抗锯齿）：仅在三角形边缘进行多次子采样并共享片元着色器颜色。画质高，但与延迟渲染（Deferred Shading）天然冲突且显存带宽占用大。
FXAA（快速近似抗锯齿）：纯屏幕空间后处理后处理滤波，通过边缘亮度梯度模糊边缘。开销极低（$1\text{ms}$），但会导致全屏纹理和文字细节轻微模糊。
TAA（时间性抗锯齿）：利用当前帧与历史多帧通过运动矢量（Motion Vectors）进行时域历史混合。消除几何锯齿与高频高光闪烁（Specular Shimmering），但存在快速运动时的残影鬼影（Ghosting）与画面偏软。

27. 前向渲染（Forward Rendering） vs 延迟渲染（Deferred Shading）

前向渲染：
- 对每个物体针对每个光源遍历渲染，复杂度为 $O(\text{Objects} \times \text{Lights})$。
- 多光源下性能雪崩；优点是支持 MSAA、半透明渲染与自定义特殊材质 Shader 灵活度高。
延迟渲染：
- G-Buffer Pass：先渲染物体几何信息到 Albedo, Normal, Roughness, Depth 等多张渲染目标（MRT）。
- Lighting Pass：仅对屏幕可见像素针对所有光源执行光照，复杂度为 $O(\text{Pixels} \times \text{Lights})$。
- 缺点是 G-Buffer 显存带宽消耗巨大、无法直接渲染半透明物体。

28. 阴影技术：Shadow Map 原理与 PCF 软阴影滤波

Shadow Map 原理：
1. 第一趟 Pass：将摄像机移至光源位置，渲染生成一张仅记录深度的纹理（Shadow Map）。
2. 第二趟 Pass：正常视角渲染物体，将世界坐标转到光源视锥投影空间，比较当前片元深度 $z_{\text{current}}$ 与 Shadow Map 采样的深度 $z_{\text{shadow}}$。若 $z_{\text{current}} > z_{\text{shadow}} + \text{bias}$，则判定处于阴影中。
PCF（Percentage Closer Filtering）：在 Shadow Map 采样点周围 $3 \times 3$ 或 $5 \times 5$ 区域多次采样并对阴影测试结果求加权平均，消除硬阴影边缘的马赛克锯齿，生成平滑软阴影。

29. Early-Z 早期深度测试原理与失效时机

原理：GPU 硬件在执行片元着色器（Fragment Shader）之前提前执行深度测试。若深度测试失败，直接丢弃该片元，省去复杂的片元着色计算。
失效时机（导致 GPU 必须禁用 Early-Z）：
1. 片元着色器中使用了 discard / clip() 指令（Alpha Test）。
2. 片元着色器中手动修改写入了深度值（SV_Depth）。
3. 开启了 Alpha Blend（半透明混合通常关闭深度写入）。

30. 法线贴图（Normal Map）为什么呈现偏蓝色？

法线贴图存储的是**切线空间（Tangent Space）**下的法线向量 $(\vec{T}, \vec{B}, \vec{N})$。
绝大多数表面微小起伏的法线方向主要朝向表面外法线方向（即切线空间的 Z 轴，$\vec{N} = (0, 0, 1)$）。
向量分量从 $[-1, 1]$ 映射到 RGB 颜色空间 $[0, 1]$： $$\text{Color}_B = 0.5 \times 1.0 + 0.5 = 1.0 \implies \text{RGB} = (128, 128, 255)$$
因此纹理像素整体呈现高纯度的浅蓝色。

五、高频口撕与手撕算法专题

31. 判断链表是否有环，并找到入环节点（快慢指针与严格数学证明）

graph LR
    Head((Head)) --> A((...))
    A --> Entry((Entry 环口))
    Entry --> B((...))
    B --> Meet((Meet 相遇点))
    Meet --> C((...))
    C --> Entry

算法流程：
1. 定义快指针 fast（每次走 2 步）与慢指针 slow（每次走 1 步）。
2. 若 fast 与 fast->next 存在且 fast == slow，则链表必有环。
3. 相遇后，将一个指针重置到 head，另一个留在 meet 点，两指针每次均走 1 步，再次相遇的节点即为入环节点。
数学证明：
- 设头节点到入环点距离为 $a$，入环点顺时针到相遇点距离为 $b$，环剩余长度为 $c$（环总长 $L = b + c$）。
- 相遇时慢指针路程 $S_{\text{slow}} = a + b$；快指针路程 $S_{\text{fast}} = a + n(b + c) + b$。
- 由 $S_{\text{fast}} = 2 S_{\text{slow}}$ 得：$a + n(b + c) + b = 2(a + b) \implies a = (n - 1)L + c$。
- 这表明：从 head 出发走 $a$ 步的指针，与从相遇点出发走 $(n-1)$ 圈再走 $c$ 步的指针，必恰好在入环点重合！

32. Top-K 问题：无序数组找前 K 小 / 前 K 大（堆 vs 快速选择 QuickSelect）

大顶堆 / 小顶堆法：
- 找前 K 小：维护一个大小为 $K$ 的大顶堆。遍历数组，若元素小于堆顶则替换堆顶并下沉。
- 时间复杂度 $O(N \log K)$，空间复杂度 $O(K)$。适合海量数据流（Streaming Data）处理。
快速选择（QuickSelect）：
- 基于快排 partition。选取基准数 pivot 分区，若基准索引等于 $K$，直接返回；若大于 $K$ 递归左半区，否则递归右半区。
- 平均时间复杂度 $O(N)$，最坏退化 $O(N^2)$。

33. A* 寻路算法完整流程与最优性证明

评估函数：$F(n) = G(n) + H(n)$。$G(n)$ 为起点到节点 $n$ 的实际代价，$H(n)$ 为节点 $n$ 到终点的启发式预估代价。
数据结构：
- OpenList：已发现但尚未扩展的节点（使用优先队列/最小堆按 $F$ 值升序维护）。
- CloseList：已访问探索完毕的节点（哈希集合）。
最优解保证（Admissibility）：
- 只要启发式函数满足可采纳性（$H(n) \le H^*(n)$，即预估代价绝不高估实际真实代价），A* 算法搜索出的路径必然是最优最短路径。

34. 线程安全单例模式（C++ 双重检查锁定 DCL 与 Magic Static）

// 现代 C++11 标准最佳实践：Meyers' Singleton (Magic Static, 线程安全且零锁开销)
class Singleton {
public:
    static Singleton& GetInstance() {
        static Singleton instance; // C++11 保证局部静态变量初始化线程安全
        return instance;
    }
    Singleton(const Singleton&) = delete;
    Singleton& operator=(const Singleton&) = delete;
private:
    Singleton() = default;
};

六、 Unity 引擎与 C# 核心机制

35. C# 值类型 vs 引用类型、装箱/拆箱与 GC 优化

装箱（Boxing）：将值类型转为 object 或接口，在托管堆分配内存并复制数据；拆箱（Unboxing）：获取引用对象的内部值指针。
优化技巧：高频逻辑杜绝泛型装箱，结构体通过实现接口配合 where T : struct, IHandler 触发直接内联调用。

36. Unity 资源管理：AssetBundle 与 Addressables 深度机制

AssetBundle 依赖冗余：两个 AB 包公共引用的资源若未独立命名打包，会被重复拷贝打入两个包体。必须在构建期扫描依赖树将公共资源提取为独立依赖包。
引用计数生命周期：Addressables.LoadAssetAsync 返回 AsyncOperationHandle，内部引用计数 $+1$；必须成对调用 Addressables.Release，归零时触发底层 AB 卸载。

37. Unity 四大合批技术条件与 UI 合批打断判定

静态合批（Static Batching）：合并网格，增加内存占用，顶点上限 64,000。
动态合批（Dynamic Batching）：CPU 每帧合并，限制小于 300 顶点的同材质模型。
GPU Instancing：同材质同 Mesh，通过 Constant Buffer 提交变换矩阵。
SRP Batcher：同 Shader 变体，常量缓冲区常驻，消除 SetPass Call。
UGUI 合批打断三要素：图集不一致、层级穿插（Z轴交错）、自定义材质/Mask 模板打断。

七、 Unreal Engine (UE) 核心机制与架构

38. UE 反射系统（UHT、UProperty、UFunction）底层原理

机制：标准 C++ 缺乏反射机制。UE 通过预编译工具 **UHT（Unreal Header Tool）**扫描源码中的 UCLASS(), UPROPERTY(), UFUNCTION() 等宏标记，自动生成包含类型元数据的 .generated.h 和 .gen.cpp 文件。
运行时：引擎启动时自动注册构建 UClass, FProperty, UFunction 全局类型系统，支撑序列化、网络属性同步、蓝图可视化调用与垃圾回收（Garbage Collection 基于 UObject 引用链扫描）。

39. UE Gameplay 框架核心分层

UWorld $\to$ AGameModeBase（权威规则） $\to$ AGameStateBase（全房间公共状态） $\to$ APlayerController（输入驱动与网络主控） $\to$ APawn / ACharacter（物理实体与表现）。

40. 大地图流式加载技术（World Partition 与 World Composition）

World Partition（UE5）：基于网格空间划分，将整个无缝大世界切分为统一栅格单元（Grids）。根据玩家位置动态流式加载周围单元格，配合 Data Layers 与 HLOD 实现超大世界极致性能。

八、真实大厂面经深度复盘（按公司实战真题）

🏢 米哈游（Gameplay / 引擎方向）

问：2000 个顶点的模型，Vertex Shader 和 Fragment Shader 各执行多少次？
- 答：Vertex Shader 严格针对每个顶点执行，若无剔除则执行 2000 次；Fragment Shader 执行次数取决于该模型在屏幕上最终光栅化覆盖的有效像素片元数量（受分辨率、距离远近、视口大小、Overdraw 及 Early-Z 剔除影响）。
问：空类的大小是多少？为什么不是 0？如果有虚函数呢？
- 答：C++ 空类大小为 1 字节，因为 C++ 标准要求每个独立对象在内存中必须有唯一的地址；若有虚函数，对象头部必须包含一个虚表指针 vptr，在 64 位系统下大小为 8 字节。
问：射击游戏中枪械散射（Spread Cone）怎么在数学上实现？
- 答：在以枪口正前方向 $\vec{D}$ 为中心轴的圆锥体内生成随机偏转向量。在极坐标系下随机生成偏转角 $\theta \in [0, \theta_{\text{max}}]$ 与旋转角 $\phi \in [0, 2\pi)$，转换为局部偏移量 $(\sin\theta\cos\phi, \sin\theta\sin\phi, \cos\theta)$，再通过旋转矩阵/四元数变换到世界空间。

🏢 腾讯（IEG / 光子 / 天美 / 腾娱）

问：如何设计一个无缝大地图流式加载与室内外平滑过渡系统？
- 答：采用多级空间划分（Octree / Grid）与基于距离触发的异步流式加载（Async Level Streaming / Additive Scene）。室内外过渡通过门禁触发区域预加载室内细节，利用 Occlusion Portal（遮挡门）动态剔除外部超大世界网格。
问：strcmp 底层是一个个 char 比较，有没有更高性能的优化方式？
- 答：使用 SIMD（单指令多数据流，如 AVX-512 / SSE 4.2 指令 _mm_cmpeq_epi8），单周期同时对比 16 或 32 个字节；内存对齐时按 uint64_t 一次性对比 8 字节。
问：骨骼蒙皮动画中 CPU Skinning 与 GPU Skinning 的区别？
- 答：CPU Skinning 在主线程通过遍历顶点计算骨骼矩阵插值变换（更新 VBO），开销大且占用 CPU；GPU Skinning 将骨骼矩阵调色板存入常量缓冲区（UBO/Texture），在 Vertex Shader 中直接完成顶点位置变换，极大解放 CPU。

🏢 网易雷火

问：new int 和 new int() 的区别？
- 答：new int 默认初始化，值为内存随机残留值；new int() 值初始化，自动清零为 0。
问：循环小数如何快速寻找循环节？
- 答：长除法模拟。使用哈希表 unordered_map<int, int> 记录每次出现的余数（Remainder）及其对应的商在小数中的下标位置。当出现曾经记录过的余数时，当前位置与历史记录位置之间的片段即为循环节。

🏢 库洛游戏 & 点点互动

问：UI 合批被打断的最常见原因有哪些？
- 答：1. 图集不一致（交叉穿插不同图集的图片）；2. 动态文字（TextMeshPro 与 Image 交叉层级）；3. 挂载了 Mask（Stencil 打断合批）而非 RectMask2D；4. 界面 Z 轴坐标不为 0 引发网格深度重排。

九、个人简历项目深度拆解与实战攻关

🎮 项目一：《WoodMan》（3D 第一人称 AI 追逐，恐怖解谜，巨人 Mini Game 冠军）

Q1: 视线感知系统（PlayerVisionDetector）屏幕坐标与视锥体映射算法

痛点：第一人称恐怖游戏中，敌人 AI 在余光或直视下的感知反馈存在延迟与误判。

算法实现：

Vector3 viewPos = playerCam.WorldToViewportPoint(enemyTransform.position);
bool isFront = viewPos.z > 0;
if (isFront && viewPos.x >= 0 && viewPos.x <= 1 && viewPos.y >= 0 && viewPos.y <= 1) {
    float distToCenter = Vector2.Distance(new Vector2(viewPos.x, viewPos.y), new Vector2(0.5f, 0.5f));
    if (distToCenter < 0.15f && !Physics.Linecast(playerCam.transform.position, enemyTransform.position, occludeLayer)) {
        // 直视中心区域 (Center Vision) -> 触发暴跌 SAN 值与敌人狂暴
    } else if (distToCenter <= 0.45f) {
        // 余光视野 (Peripheral Vision) -> 触发轻微心跳与低通音效
    }
}

Q2: 动态 SAN 值系统与 HDRP Volume / AudioMixer 联动

数学模型： $$\Delta \text{SAN} = \left( k_1 \cdot \text{InDarkness} + \frac{k_2}{\text{Clamp}(d_{\text{enemy}}, 1.0, 20.0)^2} + k_3 \cdot \text{DirectGaze} \right) \cdot \Delta t$$
音画联动：动态获取 HDRP ChromaticAberration 与 Vignette，根据 $(1 - \text{SAN})$ 线性插值；通过 AudioMixer.SetFloat("Cutoff", freq) 将低通滤波从 $22000\text{Hz}$ 压制至 $600\text{Hz}$，营造逼真耳鸣失真。

🧩 项目二：《DotTrack》（3D 网格连线益智，Mengya Game Jam 2026）

Q1: 鞋带公式（Shoelace Formula）多边形面积与连线闭环算法

痛点：3D 几何连线由于体积碰撞误差导致判定误判。
数学算法：彻底剥离物理碰撞，利用离散化 2D 网格坐标 $(x_i, y_i)$，通过鞋带公式计算有向面积： $$A = \frac{1}{2} \sum_{i=1}^{n} (x_i y_{i+1} - x_{i+1} y_i)$$ 根据 $|A|$ 精准判断围住的逻辑格点数量，通过正负号判定顺逆时针绕序，达成 100% 绝对精确判定。

🤖 前沿跨界：中科院自动化所大模型强化学习实习与游戏融合

PPO / GRPO 策略优化在游戏 NPC 决策中的应用：利用强化学习替代传统硬编码行为树，训练能够自适应环境障碍、预判玩家路线的智能敌人。
端侧神经网络推理（Unity Sentis / ONNX）：在客户端本地高效执行轻量级模型，实现高响应度 NPC 拟真对话与动态环境交互。

Osaka University IST Graduate Entrance Exam (2019)

Wed, 15 Jul 2026 13:00:03 GMT

大阪大学情報科学研究科情報工学 2019年度必須問題＆選択問題

Author

KardeniaPoyu

1 【必須問題】アルゴリズムとプログラミング

Description

配点： (1) 20点, (2) 35点, (3) 15点, (4-1) 15点, (4-2) 15点, (5) 25点

図1に示す ANSI-C 準拠である C 言語のプログラム (program) は、所有している複数のくじ (lottery) のそれぞれが当選 (win) しているかを調べて、当選しているくじ番号 (lottery number) と等級 (grade) をもれなく出力 (output) するものである。くじ番号は 10000 未満の自然数 (natural number) で定められており、いずれのくじ番号のくじもただか一つしか存在しない。所有しているくじ番号が、当選番号 (winning number) と一致した場合に、その当選番号に対応する等級に当選したとする。当選番号は 10000 未満の自然数から重複なく選ばれた $N$ 個 ($N$ は $3 \le N \le 100$ の自然数) の数字で、等級は 1等から 3等まであり、1等が1本、2等が1本、3等が $N-2$ 本である。

当選番号と等級は図2に示すような形式 (format) のファイル win.txt で与えられ、1行目には当選番号の総数 $N$、2行目以降の $N$ 行は全ての当選番号とその等級 $r$ ($r$ は $1 \le r \le 3$ の自然数) が書かれている。また、所有しているくじ番号は図3に示すような形式のファイル lots.txt で与えられ、所有しているくじ番号が 1行目から各行に一つずつ書かれている。以下の各問に答えよ。

(1)

図2の win.txt、図3の lots.txt を与えてプログラムを実行することを考える。プログラムの 36行目で関数 functionA が呼び出されたときに、プログラム 6〜13行目の for 文処理において、$i=1$ および $i=3$ の時に、$j$ に関する for 文が終了した時点で a[0]〜a[9] および b[0]〜b[9] の値が以下のようになった。8行目の空欄 (A) を配列 a に関する適切な条件式で埋めよ。

	`a[0]`	`a[1]`	`a[2]`	`a[3]`	`a[4]`	`a[5]`	`a[6]`	`a[7]`	`a[8]`	`a[9]`
i=1	5308	900	7888	3500	8	4905	8698	1328	89	9003
i=3	900	3500	8	4905	5308	1328	89	7888	8698	9003

	`b[0]`	`b[1]`	`b[2]`	`b[3]`	`b[4]`	`b[5]`	`b[6]`	`b[7]`	`b[8]`	`b[9]`
i=1	3	3	2	3	3	1	3	3	3	3
i=3	3	3	3	1	3	3	3	2	3	3

(2)

36行目で呼び出された関数 functionA の処理によって、配列 win および配列 grade はどのようになるか、説明せよ。またその処理の平均時間計算量 (average case time complexity) を、変数 $n$ を用いて、オーダ表記 (order notation) で表わせ。その理由も答えよ。ただし、win.txt 内では、当選番号は無作為 (at random) な順序で並んでいる。

(3)

39行目で呼び出された関数 functionB はどのような処理をしているのか、配列 win、変数 lot、変数 n を用いて説明せよ。また、関数の戻り値 (return value) についても言及すること。

(4)

4〜14行目で定義されている関数 functionA を以下のように変更することで、36行目で functionA を実行する時の平均時間計算量を少なくすることを考える。以下の各小問に答えよ。

void functionA(int a[], int b[], int t, int w){
    if(t<w){
        int i, j, x, tmp;
        i=t; j=w;
        x=a[t];

        while(1){
            while(a[i]<x) i++;
            while(a[j]>x) j--;
            if(i>=j) break;
            tmp=a[i]; a[i]=a[j]; a[j]=tmp;
            tmp=b[i]; b[i]=b[j]; b[j]=tmp;
            i++; j--;
        }
        functionA(a, b, [ (あ) ], [ (い) ]);
        functionA(a, b, [ (う) ], [ (え) ]);
    }
}

(4-1)

空欄 (あ)〜(え) に入るものの組み合わせとして、適切なものを下の (i)〜(iv) から一つ選び、答えよ。

	(あ)	(い)	(う)	(え)
(i)	i-1	t	w	j+1
(ii)	t	j-1	i+1	w
(iii)	t	i-1	j+1	w
(iv)	j-1	t	w	i+1

(4-2)

関数 functionA の変更後の平均時間計算量を、変数 $n$ を用いて、オーダ表記で表わせ。

(5)

図1のプログラムを、下線（ア）および下線（イ）で示した main 関数中の関数 functionA の引数 (argument) と if 文の条件式のみを変更し、1等に当選している場合にのみ、当選しているくじ番号と等級を出力するようにする。当選番号と等級、および所有しているくじ番号は図2および図3と同じ形式で与えられる。39行目の下線（イ）における判定を平均時間計算量 $O(1)$ で実現するためには、下線（ア）および下線（イ）をそれぞれどのように変更すればよいか、（ア）には適切な引数を、（イ）には適切な式をそれぞれ答えよ。

Kai

(1)

日本語 (Japanese): a[j] > a[j+1]
英語 (English): a[j] > a[j+1]
中文解析 (Chinese Analysis): 该程序通过 functionA 实现冒泡排序，对中奖号码数组 a 进行升序排列。在每一轮的相邻元素比较中，若前一个元素 a[j] 大于后一个元素 a[j+1]，则需要将它们交换。因此，空栏 (A) 应填入 a[j] > a[j+1]。从表格中可以看出，在 $i=1$ 结束后，数组中的最大元素 9003 已经冒泡到了末尾的 a[9]；在 $i=3$ 结束后，最大三个元素 7888, 8698, 9003 均已在数组的最右端排好序，这符合冒泡排序的执行结果。

(2)

日本語 (Japanese): 配列 win の要素は昇順（小さい順）に整列され、配列 grade の要素は win の並び替えと同期して入れ替えられる。平均時間計算量は $O(n^2)$ である。理由: 外側のループは $n-1$ 回実行され、各ステップ $i$ において内側のループは $t$ から $w-i$ まで実行される。したがって、比較の総数は $\sum_{i=1}^{n-1} (n - i) = \frac{n(n-1)}{2}$ 回となる。平均してこの比較の半数でスワップ（入れ替え）が発生するため、比較回数・スワップ回数ともに平均時間計算量は $O(n^2)$ となる。
英語 (English): The elements of the array win are sorted in ascending order, while the elements of the array grade are swapped in tandem to remain synchronized with their corresponding elements in win. The average-case time complexity is $O(n^2)$. Reason: The outer loop runs $n-1$ times, and for each iteration $i$, the inner loop runs from $t$ to $w-i$. Thus, the total number of comparisons is $\sum_{i=1}^{n-1} (n - i) = \frac{n(n-1)}{2}$. In the average case, swaps occur for approximately half of these comparisons. Since both the comparisons and swaps scale with $n^2$, the complexity is $O(n^2)$.
中文解析 (Chinese Analysis):
- 数组变化：数组 win 的元素会被按升序（从小到大）进行排列。与此同时，数组 grade 中的等级元素会与 win 数组同步进行位置交换，以维持原有的“中奖号码-中奖等级”的一一对应关系。
- 时间复杂度：平均时间复杂度为 $O(n^2)$。
- 原因：这是因为外层循环共执行 $n-1$ 次，而在第 $i$ 次循环中，内层循环会执行相邻元素比较共 $n-i$ 次。因此，总的比较次数为定值 $\sum_{i=1}^{n-1} (n-i) = \frac{n(n-1)}{2}$。在输入乱序的平均情况下，大约有半数比较会伴随元素交换，因此总操作次数与 $n^2$ 成正比，即为 $O(n^2)$。

(3)

日本語 (Japanese): 整列済みの配列 win から二分探索 (Binary Search) を用いて、値が lot に一致する要素を検索する。戻り値は、lot が win 内に存在する場合はそのインデックス (位置) を返し、存在しない場合は -1 を返す。
英語 (English): It searches for the value lot in the sorted array win using binary search, where n is the size of the array. The return value is the index of lot in the array win if found, and -1 if not found.
中文解析 (Chinese Analysis): functionB 实现了二分查找（Binary Search）算法。它在大小为 n 且已按升序排列的数组 win 中检索值等于 lot 的元素。由于本题中中奖号码各不相同，若找到匹配项，函数将返回该中奖号码在数组 win 中的对应下标（$0$ 至 $n-1$ 之间的整数）；若未能检索到，则返回 -1。

(4-1)

日本語 (Japanese): (iii)
英語 (English): (iii)
中文解析 (Chinese Analysis): 此段代码实现的是快速排序的 Hoare 分区方案。双指针 i 和 j 分别自左右两端起向中间逼近，在相遇或交叉（i >= j）时结束。当循环退出时，数组已被分成两个区间：
- 左半部分：下标从 t 到 i-1，其中所有的元素值均小于或等于枢轴量 $x$。
- 右半部分：下标从 j+1 到 w，其中所有的元素值均大于或等于枢轴量 $x$。因此，下一步递归调用的两个子区间分别为 [t, i-1] 和 [j+1, w]。空栏的正确填写方式为：(あ) = t, (い) = i-1, (う) = j+1, (え) = w。这与选项 (iii) 完全相符。

(4-2)

日本語 (Japanese): $O(n \log n)$
英語 (English): $O(n \log n)$
中文解析 (Chinese Analysis): 修改后的 functionA 采用了快速排序。在平均情况下，每次划分均能将数组大致等分为两部分，使得递归树的深度为 $O(\log n)$。在每一层递归中，分区的线性扫描操作总计花费 $O(n)$ 时间。根据主定理，总的平均时间复杂度为 $O(n \log n)$。

(5)

日本語 (Japanese):
- 下線 (ア): grade, win, 0, n-1
- 下線 (イ): (k = (lot == win[0] ? 0 : -1)) != -1
英語 (English):
- Underline (ア): grade, win, 0, n-1
- Underline (イ): (k = (lot == win[0] ? 0 : -1)) != -1
中文解析 (Chinese Analysis):
- 逻辑分析：题目限定只能修改 main 函数中 functionA 的参数 (ア) 和 if 条件式 (イ)，并要求以平均 $O(1)$ 的时间复杂度判断所持号码 lot 是否中了 1 等奖。等级有 1 等、2 等、3 等（对应的等级数值为 1, 2, 3）。由于 $N$ 个奖项中，1 等奖刚好只有 1 本，2 等奖 1 本，3 等奖 $N-2$ 本。如果我们改变排序时的键值，将等级数组 grade 传作主数组 a，将中奖号码数组 win 传作辅数组 b，即执行： functionA(grade, win, 0, n-1); (ア) 那么，程序会对等级值进行升序排序。排序后，grade 数组中的元素会被整理为： grade[0] = 1（1等）, grade[1] = 2（2等）, 其余为 3。相应的，win 数组也作了同步交换，此时 win[0] 中存储的必定是唯一的 1 等奖中奖号码，win[1] 存放的是 2 等奖号码。因此，我们不再需要进行全局的二分查找，只需在 $O(1)$ 时间内比对所持号码 lot 与 win[0] 即可判断是否中了 1 等奖。为适配后续代码的输出 grade[k]（需要打印出中奖等级 1，即 grade[0]），我们需要在比对成功时令 k = 0，失败时令 k = -1。因此，条件式 (イ) 应写为包含赋值的表达式：(k = (lot == win[0] ? 0 : -1)) != -1。

2 【必須問題】計算機システムとシステムプログラム

Description

配点： (1-1) 10点, (1-2) 12点, (1-3-1) 12点, (1-3-2) 8点, (1-4-1) 6点, (1-4-2) 12点, (2-1) 20点, (2-2) 10点, (2-3-1) 15点, (2-3-2) 20点

(1)

計算機 (computer) における整数 (integer) の表現 (representation) と算術演算 (arithmetic operation) に関する以下の各問に答えよ。解答は、全て解答用紙の太線枠内に書くこと。

(1-1)

10進数 (decimal number) の $-15$ を 8[ビット] の符号絶対値表現 (signed magnitude representation) および 1の補数表現 (one's complement representation) で表した場合のビット列 (bit string) を示せ。

(1-2)

8[ビット] の 2の補数表現 (two's complement representation) で表すことのできる正 (positive) の最大値 (maximum value) および負 (negative) の最小値 (minimum value) のビット列を示せ。また、それらを 10進数の数値で示せ。

(1-3)

計算機で符号付き整数 (signed integer) の加算を行なう時、多くの場合、2の補数表現が用いられる。2の補数表現を用いた加算に関する以下の (1-3-1)、(1-3-2) に答えよ。

(1-3-1)

$43 + (-5)$ の加算を 8[ビット] の 2の補数表現を用いて行う過程を示せ。最上位ビットからの桁上げ (carry) 出力の扱いも記すこと。

(1-3-2)

計算機上で符号付き整数の加算に 2の補数表現を用いる利点を一つ示せ。

(1-4)

二つの整数 $A, B$ を加算し、整数 $S$ を得る演算を考える。$A, B, S$ は同じビット長とする。$A, B, S$ のビット列の最上位ビットをそれぞれ $a, b, s$ とし、加算器の最上位ビットからの桁上げ出力を $c$ とする。このとき、以下の (1-4-1)、(1-4-2) に答えよ。

(1-4-1)

$A, B, S$ が符号無し整数の場合、オーバーフロー (overflow) の発生を判定する方法を、変数 $a, b, s, c$ を用いて示せ。なお、必要の無い変数は使わなくて良い。

(1-4-2)

$A, B, S$ が 2の補数表現で表された符号付き整数の場合、オーバーフローの発生を判定する方法を、変数 $a, b, s, c$ を用いて示せ。なお、必要の無い変数は使わなくて良い。

(2)

単一プロセッサ (single processor) のマルチタスク (multitask) 環境における排他制御 (exclusive control) に関する以下の各小問に答えよ。解答は、全て解答用紙の太線枠内に書くこと。

(2-1)

排他制御を実現する際には、デッドロック状態 (deadlock) や飢餓状態 (starvation) になることを避ける必要がある。それぞれの状態について説明せよ。

(2-2)

以下に示すプロセス1とプロセス2は、右図に示すようなスタック (stack) の操作を実現する。プロセス1はスタックへのデータのプッシュ (push) を行い、プロセス2はスタックからのデータのポップ (pop) を行う。スタックには事前にデータ $d_1, d_2, \dots, d_n$ が格納されている。top はスタックの先頭 (stack top) のアドレスを表す変数であり、二つのプロセスが共有している。top は事前に $x$ に設定されている。stack() は引数 (argument) で指定されたアドレスのデータを表す。push_item と pop_item はデータを表す変数であり、push_item には事前に値が設定されている。スタックはプロセス1とプロセス2のみが共有しており、スタックの操作を実行するプロセスは他に存在しない。

(ア) top = top - 1;
(イ) stack(top) = push_item;
プロセス1 (Push)
(ウ) pop_item = stack(top);
(エ) top = top + 1;
プロセス2 (Pop)

プロセス1とプロセス2が並行に動作した時に、二つのプロセスの命令実行とプロセス切り替えのタイミングによっては、プロセス1が実行するプッシュ操作とプロセス2が実行するポップ操作のいずれか、あるいは両方が正しく行われないことがある。そのような (ア)(イ)(ウ)(エ) の実行順序 (execution order) のうち、(ア) から開始されるものを一つ示せ。

(2-3)

セマフォ (semaphore) を用いて、(2-2) におけるプロセス1とプロセス2が並行に動作した時においても、プロセス1が実行するプッシュ操作とプロセス2が実行するポップ操作が正しく行われるようにすることを考える。ここで、セマフォは 0 または 1 の値を取るものとする。$P()$ はセマフォを引数とし、セマフォが 0 であれば $P()$ を実行したプロセスを休止させ、1 であればセマフォを 1 から 0 にする不可分命令 (atomic operation, atomic transaction) である。$V()$ はセマフォを引数とし、同じセマフォを引数として実行された $P()$ によって休止されたプロセスがあれば起動し、なければセマフォを 0 から 1 にする不可分命令である。このとき、以下の (2-3-1)、(2-3-2) に答えよ。

(2-3-1)

プロセス1とプロセス2が並行に動作した時においても、プロセス1が実行するプッシュ操作とプロセス2が実行するポップ操作が正しく行われるように、$P()$, $V()$, およびセマフォ a を用いて、プロセス1とプロセス2に適切な命令を追加したものをそれぞれ示せ。また、a の適切な初期値 (initial value) も示せ。

(2-3-2)

以下に示すプロセス3とプロセス4は、変数 m を共有している。プロセス3は m の値をインクリメント (increment) し続けるプロセスであり、プロセス4は m の値を表示し続けるプロセスである。m は事前に 1 に初期化されており、m を共有するプロセスは他に存在しない。

while (true) {
    m = m + 1;
}
/* プロセス3 */

while (true) {
    print(m);
}
/* プロセス4 */

プロセス3とプロセス4が並行に動作した時に、プロセス4における m の値の表示が $1, 2, 3, \dots$ となるようにしたい。$P()$, $V()$, および二つのセマフォ b, c を用いて、プロセス3とプロセス4に適切な命令を追加したものを示せ。また、b, c の適切な初期値も示せ。

Kai

(1-1)

日本語 (Japanese):
- 符号絶対値表現: 10001111
- 1の補数表現: 11110000
英語 (English):
- Signed magnitude representation: 10001111
- One's complement representation: 11110000
中文解析 (Chinese Analysis): 对于数值 $-15$：
1. 符号绝对值表示法：最高位（MSB，第7位）表示正负符号，0表示正数，1表示负数。其余 7 位存储绝对值 $15 = (0001111)_2$。结合后即为 10001111。
2. 1的补码表示法：负数的1的补码为对应正数各位按位取反。正数 $+15$ 二进制为 00001111，取反后即为 11110000。

(1-2)

日本語 (Japanese):
- 正の最大値: ビット列 01111111 (10進数: $127$)
- 負の最小値: ビット列 10000000 (10進数: $-128$)
英語 (English):
- Maximum positive value: 01111111 (Decimal: $127$)
- Minimum negative value: 10000000 (Decimal: $-128$)
中文解析 (Chinese Analysis): 在 8 位二进制的 2的补码（Two's Complement）表示法下：
- 正的绝对值最大时，最高位（符号位）为 0，数值位全为 1，即 01111111。十进制值为 $2^7 - 1 = 127$。
- 负的绝对值最大时（即数值最小），最高位为 1，数值位全为 0，即 10000000。十进制值为 $-2^7 = -128$。

(1-3-1)

日本語 (Japanese): $+43$ の 2の補数表現: 00101011 $-5$ の 2の補数表現: 11111011

加算過程は以下の通り：
```
  00101011  (43)
+ 11111011  (-5)
-----------
 100100110  (38)
```
最上位ビットからの桁上げ出力 (carry-out) は 1 であるが、8ビットの加算処理においてこの桁上げは無視（破棄）される。最終的な 8ビットの計算結果は 00100110 となり、これは10進数で $38$ に相当し、計算が正しく行われる。
英語 (English): The 2's complement representation of $+43$: 00101011 The 2's complement representation of $-5$: 11111011

The addition process:
```
  00101011  (43)
+ 11111011  (-5)
-----------
 100100110  (38)
```
The carry-out from the MSB is 1. In 8-bit arithmetic, this carry-out is ignored (discarded). The final 8-bit result is 00100110, which corresponds to $38$ in decimal.
中文解析 (Chinese Analysis): 计算 $43 + (-5)$ 的过程：
- 将 $+43$ 转换为 8 位二进制补码：$43 = 32 + 8 + 2 + 1 \to$ 00101011。
- 将 $-5$ 转换为 8 位二进制补码：$+5$ 的二进制为 00000101，按位取反为 11111010，再加 1 得到 11111011。
- 将两个补码按位相加：
```
  00101011
+ 11111011
----------
 100100110
```
  相加结果得 9 位二进制数 100100110。在 8 位加算器运算中，最左边的溢出进位（carry-out = 1）被直接忽略丢弃。最后保留的 8 位结果为 00100110，转换为十进制是 $32 + 4 + 2 = 38$，数值正确。

(1-3-2)

日本語 (Japanese): 符号の正負に関わらず、減算（引き算）を加算（足し算）と同じ加算器回路（ハードウェア）を用いて同一に処理できること。
英語 (English): Subtractions can be performed using the same adder hardware circuit as additions, avoiding the need for a separate subtractor circuit.
中文解析 (Chinese Analysis): 利于硬件实现。引入 2的补码后，减法运算可以转换为加法来处理，这样计算机在进行符号数加减时，都可以统一使用同一套加法器电路（Adder），无需再单独设计减法器，大大节省了硬件设计成本和电路复杂度。

(1-4-1)

日本語 (Japanese): c = 1
英語 (English): c = 1
中文解析 (Chinese Analysis): 对于无符号整数相加，只有在最高有效位（MSB）产生向外的进位时，才会发生溢出。因此判断条件为 $c = 1$。

(1-4-2)

日本語 (Japanese): (a ∧ b ∧ ¬s) ∨ (¬a ∧ ¬b ∧ s) (あるいは、最高位ビットへの桁上げ入力 $c_{in}$ と最高位ビットからの桁上げ出力 $c$ を用いて $c_{in} \neq c$ とする)
英語 (English): (a ∧ b ∧ ¬s) ∨ (¬a ∧ ¬b ∧ s) (Alternatively, using the carry-in to the MSB $c_{in}$ and the carry-out $c$, the condition is $c_{in} \neq c$ )
中文解析 (Chinese Analysis): 有符号补码加法溢出发生在两个同号数相加却得出异号数结果的时刻：
- 两个负数相加，结果为正数：符号位 $a=1, b=1$ 而 $s=0$，对应 $(a \land b \land \neg s)$；
- 两个正数相加，结果为负数：符号位 $a=0, b=0$ 而 $s=1$，对应 $(\neg a \land \neg b \land s)$。因此，判断公式为 $(a \land b \land \neg s) \lor (\neg a \land \neg b \land s)$。此外，也可以通过判断最高位的进位输入 $c_{in}$ 与进位输出 $c$ 是否不相等（即 $c_{in} \oplus c = 1$）来判定。

(2-1)

日本語 (Japanese):
- デッドロック (Deadlock): 2つ以上のプロセスが、互いに相手が占有しているリソースの解放を待ち続けることで、すべてのプロセスが永久にブロックされて実行が進まなくなる状態。
- 飢餓状態 (Starvation): システム全体は動作しており他のプロセスは実行できているが、特定のプロセスが競合やスケジューリングの都合により、必要なリソースを永久に割り当てられず、実行を再開できない状態。
英語 (English):
- Deadlock: A state in which two or more processes are permanently blocked because each process is holding a resource and waiting for another resource held by another process in a circular chain.
- Starvation: A state where a specific process is perpetually denied necessary resources to make progress, even though the system as a whole is running successfully and other processes are active.
中文解析 (Chinese Analysis):
- 死锁（Deadlock）：指系统中两个或多个进程因循环等待对方所持有的独占资源而全部陷入无限期挂起、永远无法继续执行的僵死状态。
- 饥饿（Starvation）：指在多任务调度中，某个特定进程由于资源分配优先级或调度算法设计缺陷，导致长时期甚至永久性地无法获得执行所需的资源，从而无法推进。此时系统整体依然在正常轮转并处理其他进程（没有陷入死锁）。

(2-2)

日本語 (Japanese): 実行順序: (ア) $\to$ (ウ) $\to$ (イ) $\to$ (エ) 理由: top = x の状態からプロセス1が (ア) top = top - 1 を実行すると、top は x - 1 になる。この段階でプロセス切り替えが起き、プロセス2が (ウ) pop_item = stack(top) を実行すると、まだデータが書き込まれていない stack(x-1) の未定義の値を読み込んでポップしてしまう。その後、(イ) と (エ) が順に実行されると、top は最終的に x に戻るが、プッシュしたはずの push_item は stack(x-1) に放置され、アクセス不可能（消失）になる。
英語 (English): Execution order: (ア) $\to$ (ウ) $\to$ (イ) $\to$ (エ) Reason: Initially top = x. Process 1 executes (ア) top = top - 1, setting top to x - 1. If a context switch occurs here and Process 2 runs (ウ) pop_item = stack(top), Process 2 pops uninitialized, invalid data from stack(x-1) instead of popping the valid item d1 from stack(x). Subsequently, (イ) and (エ) execute, resetting top to x. The pushed item is left at stack(x-1) and becomes inaccessible, resulting in data loss.
中文解析 (Chinese Analysis): 产生异常的执行顺序为：(ア) $\to$ (ウ) $\to$ (イ) $\to$ (エ)。
- 过程追踪：
  1. 初始状态下 top = x。
  2. 进程1执行 (ア) top = top - 1，将 top 变更为 x - 1。随后时钟中断触发进程切换。
  3. 进程2执行 (ウ) pop_item = stack(top)，即执行 pop_item = stack(x-1)。由于此时新元素还没有被压入，进程2实际上弹出了越界的、未定义的内存垃圾数据。
  4. 进程1重新调度执行 (イ) stack(top) = push_item，把元素写入到 stack(x-1)。
  5. 进程2执行 (エ) top = top + 1，将 top 恢复为 x。
- 异常结果：进程2弹出了错误的数据；新压入的数据留在了 stack(x-1) 处，但由于栈顶指针恢复为了 x，这个新数据再也无法被读取，等同于数据被遗弃丢失。

(2-3-1)

日本語 (Japanese):

プロセス1 (Push):

P(a);
top = top - 1;
stack(top) = push_item;
V(a);

プロセス2 (Pop):

P(a);
pop_item = stack(top);
top = top + 1;
V(a);

初期値: a = 1

英語 (English):
- Process 1 (Push): [Code above]
- Process 2 (Pop): [Code above]
- Initial Value: a = 1
中文解析 (Chinese Analysis): 使用一个互斥二值信号量 a。通过在进/出栈的临界区代码段前后分别插入 $P(a)$ 与 $V(a)$ 命令，实现同一时间只允许一个进程对栈结构（top 指针和 stack 数组）进行操作。信号量 a 的初值应设为 1。

(2-3-2)

日本語 (Japanese):

プロセス3:

while (true) {
    P(b);
    m = m + 1;
    V(c);
}

プロセス4:

while (true) {
    P(c);
    print(m);
    V(b);
}

初期値: b = 0, c = 1

英語 (English):
- Process 3: [Code above]
- Process 4: [Code above]
- Initial Values: b = 0, c = 1
中文解析 (Chinese Analysis): 为满足输出序列为 1, 2, 3, ... 的同步要求，两进程必须紧密交替执行：进程4先打印当前的 m 值（第一轮为初值1），打印完毕后放行进程3；进程3把 m 增加1（第二轮变为2），然后放行进程4。我们引入两个控制同步的信号量：
- b：控制进程3是否被允许进行自增。初值为 0。
- c：控制进程4是否被允许执行打印。因为一开始必须首先打印初值 1，所以初值设为 1，使得第一步 P(c) 可以顺利通过。
- 工作序列：
  1. 进程4运行，P(c) 成功减为 0，打印 m（即 1），随后 V(b) 释放 b（b 变为 1）。
  2. 进程3运行，P(b) 成功减为 0，执行 m = m + 1（m 变 2），随后 V(c) 释放 c（c 变 1）。
  3. 进程4再次被唤醒运行，完成下一轮迭代。

4 【選択問題】計算理論

Description

配点： (1-1) 5点, (1-2) 5点, (1-3) 35点, (1-4) 20点, (2-1) 35点, (2-2) 25点

(1)

アルファベット (alphabet) $\Sigma_{ab} = {a, b}$ で構成される回文 (palindrome) を考える。回文とは前から読んでも後ろから読んでも同じ文字列 (string) のことである。例えば、$b, aa, aba, baab$ は回文だが、$ab, abb, baaa$ は回文ではない。なお、文字列 $w$ の長さを $|w|$ と表す。例えば、$|b|=1$, $|abb|=3$ である。また、空列 (empty string) $\varepsilon$ ($|\varepsilon|=0$) は回文である。回文を受理するオートマトン (automaton) に関する以下の各問に答えよ。

(1-1)

決定性有限オートマトン (deterministic finite automaton) は $(Q, \Sigma, \delta, q_0, F)$ で表される。$Q$ は状態 (state) の有限集合、$\Sigma$ は入力アルファベット (input alphabet)、$\delta$ は遷移関数 (transition function)、$q_0$ は開始状態 (start state)、$F$ は最終状態 (final state) の集合である。言語 (language) ${ p \in \Sigma_{ab}^* \mid |p| = 2, p \text{ is a palindrome} }$ を受理する決定性有限オートマトンの状態遷移図 (state transition diagram) を書け。なお、下図に示すように開始状態には太い矢印（thick arrow）を付与し、最終状態は二重丸（double circle）で表現すること。下図では、開始状態は $q_0$、最終状態は $q_2$ である。

(1-2)

言語 ${ p \in \Sigma_{ab}^* \mid |p| = 3, p \text{ is a palindrome} }$ を受理する決定性有限オートマトンの状態遷移図を書け。なお、下図に示すように開始状態には太い矢印を付与し、最終状態は二重丸で表現すること。

(1-3)

言語 ${ p \in \Sigma_{ab}^* \mid |p| \ge 0, p \text{ is a palindrome} }$ を受理する決定性有限オートマトンは存在しないこと、すなわち、この言語は正則言語 (regular language) ではないことを背理法 (proof by contradiction) により証明せよ。なお、以下の正則言語に対する反復補題 (pumping lemma) を用いること。

正則言語に対する反復補題 $L$ を正則言語とすると、次の条件を満たす正の整数 $n$ が存在する： $v \in L$, $|v| \ge n$ なら $v$ は $v = xyz$ ($|xy| \le n, |y| \ge 1$) と分解でき、任意の $k \ge 0$ に対して $x y^k z \in L$ である。

(1-4)

プッシュダウンオートマトン (pushdown automaton) は $(Q, \Sigma, \Gamma, \delta, q_0, Z, F)$ で表される。$Q$ は状態の有限集合、$\Sigma$ は入力アルファベット、$\Gamma$ はスタックアルファベット (stack alphabet)、$\delta$ は遷移関数、$q_0$ は開始状態、$Z$ はスタックの開始記号、$F$ は最終状態の集合である。最終状態による受理 (acceptance by final state) を行うプッシュダウンオートマトンを利用すれば、言語 ${ p \in \Sigma_{ab}^* \mid |p| \ge 0, p \text{ is a palindrome} }$ を受理できる。以下はそのような非決定性プッシュダウンオートマトンの状態遷移図である。状態遷移図の「(あ)」に必要な動作を、$(r, s)/t$ の形式ですべて答えよ。

ただし、$(r, s)/t$ は、入力から $r$ を読み出すときにスタックの先頭にある記号 $s$ を取り去り、$t$ をスタックに押し込むことを意味する。$t$ が複数の記号の場合は右側の記号から順にスタックに押し込む。例えば、下図の $(a, Z)/0Z$ は、$a$ を読み出すときにスタックの先頭から $Z$ を取り去り、スタックに $Z$ と $0$ をこの順で押し込むことを意味する。$t$ が $\varepsilon$ の場合は、スタックに記号を押し込まない。$r$ が $\varepsilon$ の場合は、入力から記号を読み出さないで遷移を行う。スタックアルファベットは $\Gamma = {Z, 0, 1}$ とする。

                    ┌──────┐
      (a, Z)/0Z     │      │
      (a, 0)/00     │      │
      (a, 1)/01     │      │
      (b, Z)/1Z     │ (あ) │     (a, 0)/ε
      (b, 0)/10     │      │     (b, 1)/ε
      (b, 1)/11     │      │
       ┌───┐        │      │      ┌───┐    (ε, Z)/Z     ┌───┐
──===> │q0 │ ───────┼──────┼====> │q1 │ ──────────────> │q2 │
       └───┘        │      │      └───┘                 └───┘
        ↺           │      │       ↺
                    └──────┘

(2)

文脈自由文法 (context-free grammar) は一般に $G = (V, T, P, S)$ で定められる。ここで $V$ は変数 (variable; 非終端記号 nonterminal symbol) の集合、$T$ は終端記号 (terminal symbol) の集合、$P$ は生成規則 (production rule) の集合、$S$ は出発記号 (start symbol) であり、$S \in V$ である。文脈自由文法 $G_1 = (V_1, T_1, P_1, S_1)$ を $V_1 = {A}$, $T_1 = {a, b}$, $P_1 = { A \to aAbA, A \to bAaA, A \to \varepsilon }$, $S_1 = A$ と定める。$L_1$ を $G_1$ により生成される言語 (language) とする。$L_1$ は同じ個数 (the same number) の a と b を含む文字列 (string) すべてからなる言語であることを証明したい。以下の各小問に答えよ。

【注】文字列とは終端記号の列である。任意の文字列 $w$ に対し、記法 $|w|$ は $w$ の中の終端記号すべての個数を、$|w|_a$ は $w$ の中の終端記号 a の個数を、$|w|_b$ は $w$ の中の終端記号 b の個数を、それぞれ表す。例えば $w = aaba$ に対して、$|w|=4$, $|w|_a = 3$, $|w|_b = 1$ である。$\varepsilon$ は空列 (empty string) を表す。記法 $\alpha \Rightarrow \beta$ は文法 $G_1$ の生成規則を 1回適用することで文形式 (sentential form) $\alpha$ から文形式 $\beta$ が得られることを表す。

(2-1)

$L_1$ に含まれている任意の文字列 $w$ に対して $w$ は同じ個数の a と b を含んでいること、すなわち必要条件 $\forall w \in T_1^* [w \in L_1 \implies |w|_a = |w|_b]$ を証明したい。空欄 (ア) を埋めよ。

証明: 生成規則を適用する回数 $k$ に関する数学的帰納法 (mathematical induction) で証明する。

基底段階 (base case): $k=1$ の場合。1回の生成規則の適用で文字列を得る導出 (derivation) は $A \Rightarrow \varepsilon$ のみである。$w = \varepsilon$ とすれば $|\varepsilon|_a = |\varepsilon|_b = 0$ なので、$|w|_a = |w|_b$ が成立する。

帰納段階 (inductive step): $k > 1$ の場合。$k-1$ 回以下の生成規則の適用で得られる文字列 $v$ はいずれも $|v|_a = |v|_b$ が成立すると仮定する。すると以下の理由により $|w|_a = |w|_b$ が成立する。

理由: ┌────────────────────────────────────────────────────────┐ │ │ │ (ア) │ │ │ └────────────────────────────────────────────────────────┘ (証明終)

(2-2)

同じ個数の a と b を含んでいる任意の文字列 $w$ に対して $w$ は $L_1$ に含まれていること、すなわち十分条件 $\forall w \in T_1^* [|w|_a = |w|_b \implies w \in L_1]$ を証明したい。空欄 (イ) 〜 (エ) を埋めよ。

証明: 文字列 $w$ の長さ $|w|$ に関する帰納法で証明する。$|w|$ は 0 以上の偶数 (even number) なのは明らかである。

基底段階: $|w|=0$ の場合。以下の理由により $w \in L_1$ が成立する。

理由: ┌────────────────────────────────────────────────────────┐ │ │ │ (イ) │ │ │ └────────────────────────────────────────────────────────┘

帰納段階: $|w| > 0$ かつ偶数の場合。長さが偶数で $|w|$ 未満の文字列 $v$ が $|v|_a = |v|_b$ を満たすならば、$v \in L_1$ であると仮定する。$w$ の最初（左端）の終端記号により以下の場合分けをする。

a の場合。$|w|_a = |w|_b$ のとき、長さが $|w|$ 未満のある文字列 $v_1, v_2 \in L_1$ が存在して $w = a v_1 b v_2$ と書けることが示せる（証明略）。従って、導出 $A \Rightarrow $ (ウ) $\Rightarrow \dots \Rightarrow a v_1 b v_2 = w$ により $w \in L_1$ が成立する。

b の場合。$|w|_a = |w|_b$ のとき、長さが $|w|$ 未満のある文字列 $v_1, v_2 \in L_1$ が存在して $w = b v_1 a v_2$ と書けることが示せる（証明略）。従って、導出 $A \Rightarrow $ (エ) $\Rightarrow \dots \Rightarrow b v_1 a v_2 = w$ により $w \in L_1$ が成立する。 (証明終)

Kai

(1-1)

日本語 (Japanese):
```
stateDiagram-v2
    [*] --> q0: 開始
    q0 --> qa: a
    q0 --> qb: b
    qa --> q2: a
    qa --> qd: b
    qb --> qd: a
    qb --> q2: b
    q2 --> qd: a, b
    qd --> qd: a, b
```
状態定義：
- $q_0$: 開始状態（長さ0）
- $q_a$: 文字 a を1つ読んだ状態（長さ1）
- $q_b$: 文字 b を1つ読んだ状態（長さ1）
- $q_2$: aa または bb を読んだ状態（受理状態、長さ2）
- $q_d$: 回文にならない、もしくは長さが3以上の文字列（デッド状態）
英語 (English): [State transition diagram above] State definitions:
- $q_0$: Start state (length 0)
- $q_a$: Read single a (length 1)
- $q_b$: Read single b (length 1)
- $q_2$: Read aa or bb (accepting state, length 2)
- $q_d$: Dead state for invalid or longer strings
中文解析 (Chinese Analysis): 长度为 2 的回文串只有 aa 和 bb。DFA 从初始状态 $q_0$ 开始，分别读取第一个字符 a 或 b 转向状态 $q_a$ 或 $q_b$；在第二个字符与第一个字符相同时，转移至唯一接收状态 $q_2$。若第二字符不匹配或长度超过 2，则统一进入陷阱死状态 $q_d$。

(1-2)

日本語 (Japanese):

stateDiagram-v2
    [*] --> q0: 開始
    q0 --> qa: a
    q0 --> qb: b
    qa --> qaa: a
    qa --> qab: b
    qb --> qba: a
    qb --> qbb: b
    qaa --> q3: a
    qaa --> qd: b
    qab --> q3: a
    qab --> qd: b
    qba --> qd: a
    qba --> q3: b
    qbb --> qd: a
    qbb --> q3: b
    q3 --> qd: a, b
    qd --> qd: a, b

状態定義：

$q_0$: 開始状態
$q_a, q_b$: 長さ1の文字列を読んだ状態
$q_{aa}, q_{ab}, q_{ba}, q_{bb}$: 長さ2の各文字列を読んだ状態
$q_3$: 受理状態（aaa, aba, bab, bbb のいずれかを読んだ状態）
$q_d$: 受理条件を満たさない文字列用のデッド状態

英語 (English): [State transition diagram above] State definitions:
- $q_0$: Start state
- $q_a, q_b$: States after reading length 1 string
- $q_{aa}, q_{ab}, q_{ba}, q_{bb}$: States after reading length 2 strings
- $q_3$: Accepting state (after reading aaa, aba, bab, or bbb)
- $q_d$: Dead state
中文解析 (Chinese Analysis): 长度为 3 的回文串只有 aaa, aba, bab, bbb。我们建立状态记录前两位的不同路径组合（$q_{aa}, q_{ab}, q_{ba}, q_{bb}$）。第三位读入时只有当首尾字符相同时才进入接收状态 $q_3$，其它多余或不相等的字符输入全部导向死状态 $q_d$。

(1-3)

日本語 (Japanese): 言語 $L = { p \in \Sigma_{ab}^* \mid p \text{ is a palindrome} }$ が正則言語であると仮定し、反復補題の定数を $n$ とする。文字列 $s = a^n b a^n$ を考えると、明らかに $s \in L$ であり、かつ長さは $|s| = 2n + 1 \ge n$ である。反復補題の定義より、文字列 $s$ は以下の3つの条件を満たす $s = xyz$ に分割できる：
1. $|xy| \le n$
2. $|y| \ge 1$
3. 任意の $k \ge 0$ に対して $x y^k z \in L$
条件1より、$xy$ は $s$ の先頭の $n$ 個の終端記号（すべて a）の領域に含まれる。したがって、$y = a^m$ ($m \ge 1$) と表すことができる。ここで $k = 0$ の場合を考えると、得られる文字列は $xz = a^{n-m} b a^n$ となる。条件2より $m \ge 1$ であるため、この文字列中の左側の a の個数 $n-m$ は、右側の a の個数 $n$ と一致しない。したがって、$xz$ は回文ではなくなり、$xz \notin L$ となる。これは条件3の $x y^0 z \in L$ に矛盾する。したがって、仮定は誤りであり、言語 $L$ は正則言語ではない。
英語 (English): Assume $L = { p \in \Sigma_{ab}^* \mid p \text{ is a palindrome} }$ is a regular language, and let $n$ be the pumping lemma constant. Consider the string $s = a^n b a^n$. Clearly, $s \in L$ and $|s| = 2n + 1 \ge n$. According to the pumping lemma, $s$ can be partitioned into $s = xyz$ satisfying:
1. $|xy| \le n$
2. $|y| \ge 1$
3. $x y^k z \in L$ for all $k \ge 0$.
By condition 1, $xy$ must lie entirely within the first $n$ characters of $s$ (which are all $a$'s). Thus, we can write $y = a^m$ for some $m \ge 1$. Let $k = 0$. The pumped string is $xz = a^{n-m} b a^n$. Since $m \ge 1$, we have $n-m < n$. The number of $a$'s on the left ($n-m$) is less than the number of $a$'s on the right ($n$), meaning that $xz$ is not a palindrome ($xz \notin L$). This contradicts condition 3. Therefore, the initial assumption is false, and $L$ is not a regular language.
中文解析 (Chinese Analysis): 采用反证法：
- 假设回文语言 $L$ 是正则的，由泵引理知存在一个泵常数 $n$。
- 构造字符串 $s = a^n b a^n$。容易验证 $s$ 是回文串，所以 $s \in L$，且长度为 $2n+1 \ge n$。
- 根据泵引理，字符串 $s$ 应可以拆分为 $xyz$，且满足 $|xy| \le n$ 且 $|y| \ge 1$。
- 由于 $|xy| \le n$，$xy$ 部分只能完全位于字符串最左端的 $a^n$ 内部。所以子串 $y$ 必定是一段纯 $a$ 串，可表示为 $y = a^m$ 且 $m \ge 1$。
- 当我们将 $y$ 泵出（即令 $k = 0$）时，生成新串 $xz = a^{n-m} b a^n$。
- 由于 $m \ge 1$，导致新串左侧的 $a$ 的数量 $n-m$ 小于右侧 $a$ 的数量 $n$，新字符串失去了回文性质（$xz \notin L$）。这与泵引理中要求 $xz \in L$ 的断言相矛盾。
- 故原假设不成立，回文串语言 $L$ 并非正则语言。

(1-4)

日本語 (Japanese):
- $(\varepsilon, Z) / Z$
- $(\varepsilon, 0) / 0$
- $(\varepsilon, 1) / 1$
- $(a, Z) / Z$
- $(a, 0) / 0$
- $(a, 1) / 1$
- $(b, Z) / Z$
- $(b, 0) / 0$
- $(b, 1) / 1$
英語 (English): The transitions in the box (あ) are: [List of 9 transitions above]
中文解析 (Chinese Analysis): 下推自动机需要非确定性地猜测回文串的中心线。从 $q_0$ 到 $q_1$ 的状态转移即表示“跨越对称中点”：
- 对于偶数长度回文串，中点不包含任何独立字符。自动机执行空转移 $\varepsilon$，且不修改栈状态：即 $(\varepsilon, Z)/Z, (\varepsilon, 0)/0, (\varepsilon, 1)/1$。
- 对于奇数长度回文串，中点包含一个多余的中心字符（a 或 b）。自动机在跳转时读入该字符，但不改变栈：即 $(a, Z)/Z, (a, 0)/0, (a, 1)/1$ 和 $(b, Z)/Z, (b, 0)/0, (b, 1)/1$。因此，框 (あ) 中共有 9 条转移关系。

(2-1)

日本語 (Japanese): $k > 1$ の場合、導出の最初のステップは $A \Rightarrow aAbA$ または $A \Rightarrow bAaA$ である。 $A \Rightarrow aAbA$ の場合、この2つの変数 $A$ はそれぞれ $k-1$ 回以下の生成規則の適用により、終端記号列 $v_1, v_2 \in T_1^*$ を導出する（$w = a v_1 b v_2$）。帰納法の仮定より、$|v_1|_a = |v_1|_b$ および $|v_2|_a = |v_2|_b$ が成立する。したがって、 $|w|_a = |a v_1 b v_2|_a = 1 + |v_1|_a + |v_2|_a = 1 + |v_1|_b + |v_2|_b = |a v_1 b v_2|_b = |w|_b$ となり、$|w|_a = |w|_b$ が成立する。 $A \Rightarrow bAaA$ の場合も同様に（$w = b v_1 a v_2$）、 $|w|_a = |b v_1 a v_2|_a = 1 + |v_1|_a + |v_2|_a = 1 + |v_1|_b + |v_2|_b = |b v_1 a v_2|_b = |w|_b$ となり、$|w|_a = |w|_b$ が成立する。
英語 (English): For $k > 1$, the first step of the derivation is either $A \Rightarrow aAbA$ or $A \Rightarrow bAaA$. In the case of $A \Rightarrow aAbA$, the two variables $A$ derive terminal strings $v_1, v_2 \in T_1^$ respectively using $k-1$ or fewer steps (giving $w = a v_1 b v_2$). By the induction hypothesis, we have $|v_1|_a = |v_1|_b$ and $|v_2|_a = |v_2|_b$. Therefore, $|w|_a = 1 + |v_1|_a + |v_2|_a = 1 + |v_1|_b + |v_2|_b = |w|_b$, and the statement holds. In the case of $A \Rightarrow bAaA$, the two variables $A$ derive terminal strings $v_1, v_2 \in T_1^$ with $w = b v_1 a v_2$. Similarly, $|w|_a = 1 + |v_1|_a + |v_2|_a = 1 + |v_1|_b + |v_2|_b = |w|_b$ holds.
中文解析 (Chinese Analysis): 当归纳步骤 $k > 1$ 时，推导的第一步要么是 $A \Rightarrow aAbA$，要么是 $A \Rightarrow bAaA$。
- 在第一步为 $A \Rightarrow aAbA$ 时，推导出的字符串格式为 $w = a v_1 b v_2$，其中子串 $v_1$ 和 $v_2$ 分别由生成式中的两个 $A$ 经不超过 $k-1$ 步规则生成。根据数学归纳法假设，此时 $v_1$ 和 $v_2$ 必定含有相同数量的 a 和 b，即满足 $|v_1|_a = |v_1|_b$ 和 $|v_2|_a = |v_2|_b$。因此整个串满足：$|w|_a = 1 + |v_1|_a + |v_2|_a = 1 + |v_1|_b + |v_2|_b = |w|_b$。
- 类似地，当第一步为 $A \Rightarrow bAaA$ 时，可写成 $w = b v_1 a v_2$，同样有：$|w|_a = 1 + |v_1|_a + |v_2|_a = 1 + |v_1|_b + |v_2|_b = |w|_b$。归纳成立。

(2-2)

日本語 (Japanese):
- (イ): 生成規則の中に $A \to \varepsilon$ が存在するため、$A \Rightarrow \varepsilon = w$ となり、$w \in L_1$ が成立する。
- (ウ): aAbA
- (エ): bAaA
英語 (English):
- (イ): Since $A \to \varepsilon \in P_1$, we have $A \Rightarrow \varepsilon = w$, hence $w \in L_1$ holds.
- (ウ): aAbA
- (エ): bAaA
中文解析 (Chinese Analysis):
- (イ)：当字符串长度 $|w|=0$ 即 $w=\varepsilon$ 时，由于文法规则集合中包含 $A \to \varepsilon$，推导 $A \Rightarrow \varepsilon = w$ 成立，因此 $w \in L_1$。
- (ウ)：首字母为 a，表示为 $w = a v_1 b v_2$。我们使用产生式 $A \to aAbA$ 来匹配首尾的 a 和 b，然后分别由两个 $A$ 递归生成 $v_1$ 和 $v_2$，故此处需填入 aAbA。
- (エ)：首字母为 b，表示为 $w = b v_1 a v_2$。我们使用产生式 $A \to bAaA$ 来匹配首尾的 b 和 a，故此处需填入 bAaA。

5 【選択問題】ネットワーク

Description

配点： (1-1-1) 6点, (1-1-2) 6点, (1-2-1) 15点, (1-2-2) 6点, (1-2-3) 12点, (1-3) 15点, (2-1) 20点, (2-2) 15点, (2-3-1) 10点, (2-3-2) 10点, (2-3-3) 10点

(1)

次のような記憶がない情報源 (memoryless information source) $S$ を考える。情報源 $S$ の記号数 $s$ は 2以上とし、情報源記号は $a_1, a_2, \dots, a_s$、各 $i$ ($1 \le i \le s$) について記号 $a_i$ の生起確率 (occurrence probability) は $2^{-m_i}$ で表される。ここで、$m_1, m_2, \dots, m_s$ は、$1 \le m_1 \le m_2 \le \dots \le m_s$ を満たす整数である。このとき、各 $i$ ($1 \le i \le s$) について記号 $a_i$ に対する符号語長 (code length) が $m_i$ である瞬時に復号可能な符号化 (instantly decodable source coding) が存在することについて以下の各小問に答えよ。

(1-1)

特別な場合として、$s = 6$, $m_1 = 1$, $m_2 = 2$, $m_3 = m_4 = m_5 = m_6 = 4$ である情報源 $S_0$ を考える。

(1-1-1)

この場合に題意を満たす符号化（下線部）の復号木 (decoding tree) を一つ示せ。通信路記号は 0, 1 とせよ。なお、復号木は符号の木 (code tree) とも呼ばれている。

(1-1-2)

上で復号木を示した符号化の平均符号語長、および情報源 $S_0$ の 2を底とするエントロピー (entropy) を求めよ。

(1-2)

一般の場合に題意を満たす符号化（下線部）が存在することを、記号数 $s$ に関する数学的帰納法 (mathematical induction) により証明したい。

(1-2-1)

証明の準備として、以下の文章の各空欄を埋めることにより、常に、 $m_{s-1} = m_s$ であることを示せ。なお、空欄 (い) 〜 (え) には、それぞれ「偶数」または「奇数」のいずれかの語を埋めよ。

$2^{m_s} \sum_{i=1}^s 2^{-m_i} = $ (あ) である。$m_s \ge 1$ なので、$2^{m_s} \sum_{i=1}^s 2^{-m_i}$ は (い) である。$m_{s-1} \ne m_s$ と仮定すれば、$2^{m_s} \sum_{i=1}^{s-1} 2^{-m_i}$ は (う) であり、これらの差 $2^{m_s} \sum_{i=1}^s 2^{-m_i} - 2^{m_s} \sum_{i=1}^{s-1} 2^{-m_i}$ は (え) となるが、差の値

$$2^{m_s} \sum_{i=1}^s 2^{-m_i} - 2^{m_s} \sum_{i=1}^{s-1} 2^{-m_i} = \text{(o)}$$

であり矛盾する。

(1-2-2)

証明の基底段階 (base case) を示せ。すなわち、$s = 2$ のときに題意を満たす符号化が存在することを示せ。

(1-2-3)

証明の帰納段階 (inductive step) を示せ。

(1-3)

以下の文章の各空欄を埋めよ。なお、空欄 (う) には人名（姓 family name）を埋めよ。また、空欄 (お) には「がある」または「はない」のどちらかを埋めよ。

一般の場合に、情報源 $S$ の 2を底とするエントロピーは (あ) である。小問 (1-2) で存在を示した符号化の平均符号語長は (い) であり、 (う) の (え) 定理から、 $S$ の $n$ 次拡大 (n-th extension) に対する符号化を考えた場合に、一記号あたりの平均符号語長がより小さい符号化が存在する可能性 (お) 。

(2)

図1に概要を示すディスタンスベクトル型ルーティングアルゴリズム (distance vector routing algorithm) を用いて最小コスト経路 (minimum cost route) を決めることを考える。これについて以下の各小問に答えよ。

記号
    N     全ノードの集合.
    c(i,j)  ノード i からノード j へのリンクのコスト. c(i,j) ≧ 0, c(i,i) = 0 とする. また,
          ノード i からノード j へリンクがない場合は c(i,j) = ∞ とする.
    di(j)  ノード i において, その時点でノード i が知るノード i からノード j までの最小
          コスト経路のコストを保持する変数.
    Di    ノード i の持つディスタンスベクトル. N = {x,y,z} の場合, Di は以下の通り
          とする.
          Di = [di(x) の値, di(y) の値, di(z) の値]
初期状態
    * 各ノード i において c(i,j) は既知である (∀j ∈ N).
    * 各ノード i において di(j) = c(i,j) である (∀j ∈ N).
動作
    全ノードは, 各ステップで以下の動作I, 動作IIのそれぞれを同期的に (synchronously) に
    実行し, そのステップを繰り返し実行する.
    動作 I.   各ノード i は, 隣接 (adjacent) ノードにディスタンスベクトル Di を送信し,
             自身に送信されたディスタンスベクトルを受信する.
    動作 II.  各ノード i は, 受信したすべてのディスタンスベクトルにもとづいて, 自身の
             ディスタンスベクトル Di を更新する.
経路の収束 (convergence)
    前ステップと現ステップの間で Di (∀i ∈ N) の値に変化がなくなることを経路が収束す
    ると定義する. 最小コスト経路は, 収束したときの各ノードが持つ情報から導出できる.

図1：ディスタンスベクトル型ルーティングアルゴリズムの概要

(2-1)

図1の動作IIの下線部における $D_i$ の更新方法を数式で記述せよ。記述に必要な記号を新たに定義しても構わないが、定義した記号の説明も解答に含めよ。

(2-2)

図2に示すネットワークを考える。リンクのコストは、それぞれ $c(x,y) = c(y,x) = 2$, $c(x,z) = c(z,x) = 8$, $c(y,z) = c(z,y) = 3$ である。また、動作Iでは送信したディスタンスベクトルは紛失なく届くものとする。このとき、図1の初期状態の直後の更新をステップ1として、経路が収束するまでの各ステップについて、動作Iにおいてノード $x$ が受信したディスタンスベクトル $D_y$ と $D_z$、および、動作IIにおいて更新した後のノード $x$ のディスタンスベクトル $D_x$ を記述せよ。ただし、$D_i$ ($i \in {x,y,z}$) は、$D_i = [d_i(x) \text{ value}, d_i(y) \text{ value}, d_i(z) \text{ value}]$ の表記法で記述せよ。

図2：ネットワーク

(2-3)

ディスタンスベクトル型ルーティングアルゴリズムでは、リンクが切断した際に経路の収束までに非常に長い時間を要するという問題 (count-to-infinity 問題) がある。この問題について以下の (2-3-1)、(2-3-2)、(2-3-3) に答えよ。ただし、ここでは、リンクが切断された場合、ディスタンスベクトルは切断されたリンクを介して到達しないものとする。

(2-3-1)

図3のネットワークを考える。リンクのコストは、$c(x,y) = c(y,x) = c(y,z) = c(z,y) = 1$ である。このネットワーク上で経路が収束している状態でのノード $y$ のディスタンスベクトル $D_y$ は、以下の通りである。

$$D_y = [d_y(x) \text{の値}, d_y(y) \text{の値}, d_y(z) \text{の値}] = [1, 0, 1]$$

経路が収束した状態でノード $x$ とノード $y$ 間のリンクが切断した ($c(x,y) = c(y,x) = \infty$) とする。リンク切断が発生した直後の更新をステップ1として、図1の動作にしたがって経路を更新したときのステップ1からステップ3までの各ステップ終了時の $d_y(x)$ の値を示せ。

      x <───> y <───> z
        1   1   1   1

図3：ネットワーク

(2-3-2)

(2-3-1) の $d_y(x)$ をふまえて、ディスタンスベクトル型ルーティングアルゴリズムで、count-to-infinity 問題が発生する理由を説明せよ。

(2-3-3)

リンクステート型ルーティングアルゴリズム (link state routing algorithm) では、count-to-infinity 問題が発生しない理由を説明せよ。

Kai

(1-1-1)

日本語 (Japanese):

       root
      /    \
     0      1
    /      / \
  (a1)    0   1
         /     \
       (a2)   / \
             0   1
            / \ / \
           0  1 0  1
          /   | |   \
        (a3)(a4)(a5)(a6)

符号語割り当て:

$a_1$: 0 (長さ1)
$a_2$: 10 (長さ2)
$a_3$: 1100 (長さ4)
$a_4$: 1101 (長さ4)
$a_5$: 1110 (長さ4)
$a_6$: 1111 (長さ4)

英語 (English): [Decoding tree above] Codeword allocation:
- $a_1$: 0 (length 1)
- $a_2$: 10 (length 2)
- $a_3$: 1100 (length 4)
- $a_4$: 1101 (length 4)
- $a_5$: 1110 (length 4)
- $a_6$: 1111 (length 4)
中文解析 (Chinese Analysis): 已知编码长度为 $m_1=1, m_2=2, m_3=m_4=m_5=m_6=4$。它们的 Kraft 和为 $2^{-1} + 2^{-2} + 4 \times 2^{-4} = 0.5 + 0.25 + 0.25 = 1$，说明正好可以构造出一棵完备的无前缀复号木。在树中，从根出发向左为 0，向右为 1，便能得出以上的符号编码分配方案。

(1-1-2)

日本語 (Japanese):
- 平均符号語長: $L = 2.0$ [bit/記号]
- エントロピー: $H(S_0) = 2.0$ [bit/記号]
英語 (English):
- Average code length: $L = 2.0$ [bits/symbol]
- Entropy: $H(S_0) = 2.0$ [bits/symbol]
中文解析 (Chinese Analysis):
- 平均编码长度 $L$: $L = \sum_{i=1}^6 p_i m_i = (0.5 \times 1) + (0.25 \times 2) + 4 \times (0.0625 \times 4) = 0.5 + 0.5 + 1.0 = 2.0$ [bits/symbol]。
- 信息熵 $H(S_0)$: 各记号概率为 $p_i = 2^{-m_i}$，因此自信息量为 $-\log_2 p_i = m_i$。所以熵为： $H(S_0) = -\sum_{i=1}^6 p_i \log_2 p_i = \sum_{i=1}^6 p_i m_i = L = 2.0$ [bits/symbol]。

(1-2-1)

日本語 (Japanese):
- (あ): $2^{m_s}$
- (い): 偶数
- (う): 偶数
- (え): 奇数
- (お): 1
英語 (English):
- (あ): $2^{m_s}$
- (い): even
- (う): even
- (え): odd
- (お): 1
中文解析 (Chinese Analysis): 用反证法证明 $m_{s-1} = m_s$。
- 概率之和满足 $\sum_{i=1}^s 2^{-m_i} = 1$。两边同乘 $2^{m_s}$ 得到：$2^{m_s} \sum_{i=1}^s 2^{-m_i} = 2^{m_s}$。因此 (あ) 填入 $2^{m_s}$。由于 $m_s \ge 1$ 且为整数，该值一定是一个 偶数，故 (い) 填入偶数。
- 若假设 $m_{s-1} \neq m_s$，因为序列是单调递增的，所以必有 $m_{s-1} \le m_s - 1$。这意味着对所有 $i \le s-1$，指数差均为正整数 $m_s - m_i \ge 1$。
- 因此，展开式 $2^{m_s} \sum_{i=1}^{s-1} 2^{-m_i} = \sum_{i=1}^{s-1} 2^{m_s - m_i}$ 的每一项都是偶数，其和也必然是 偶数，故 (う) 填入偶数。
- 两式作差得到：$2^{m_s} \sum_{i=1}^s 2^{-m_i} - 2^{m_s} \sum_{i=1}^{s-1} 2^{-m_i} = 2^{m_s} \cdot 2^{-m_s} = 1$。其差值为 1，是 奇数，故 (え) 填入奇数，且等式右端差值 (お) 为 1。
- 两个偶数之差必然为偶数，这与结果为 1（奇数）产生了矛盾。所以假设不成立，必定有 $m_{s-1} = m_s$。

(1-2-2)

日本語 (Japanese): $s = 2$ のとき、等式は $2^{-m_1} + 2^{-m_2} = 1$ となる。 $m_1 \le m_2$ を満たす唯一の正の整数解は $m_1 = m_2 = 1$ である。このとき、記号 $a_1$ に符号語 0、記号 $a_2$ に符号語 1 を割り当てることで、符号語長がそれぞれ $m_1, m_2$ であり瞬時に復号可能な符号化が存在する。したがって、基底段階は成立する。
英語 (English): For $s = 2$, the equation is $2^{-m_1} + 2^{-m_2} = 1$. The unique positive integer solution satisfying $m_1 \le m_2$ is $m_1 = m_2 = 1$. In this case, we can assign the codeword 0 to $a_1$ and 1 to $a_2$. This yields an instantly decodable code with codeword lengths $m_1, m_2$, proving the base case.
中文解析 (Chinese Analysis): 证明归纳基础：当 $s=2$ 时，由 Kraft 关系式得 $2^{-m_1} + 2^{-m_2} = 1$。由于 $m_1 \le m_2$ 且为正整数，唯一的可行解为 $m_1 = m_2 = 1$。我们可以分别为两个符号分配编码 0 和 1，这显然是一个前缀码，因此 $s=2$ 时的基案成立。

(1-2-3)

日本語 (Japanese): 記号数が $s-1$ の場合に題意を満たす符号化が存在すると仮定する。 (1-2-1) より $m_{s-1} = m_s = k$ が成り立つ。ここで、最後の2つの記号 $a_{s-1}, a_s$ を1つの仮の記号 $a'{s-1}$ に合成する。$a'{s-1}$ の生起確率は $p'{s-1} = 2^{-k} + 2^{-k} = 2^{-(k-1)}$ となる。このとき、合成後の $s-1$ 個の記号に対する符号語長のセットは $m_1, m_2, \dots, m{s-2}, k-1$ となり、以下の Kraft の等式を満たす：

$$\sum_{i=1}^{s-2} 2^{-m_i} + 2^{-(k-1)} = \sum_{i=1}^{s-2} 2^{-m_i} + 2^{-m_{s-1}} + 2^{-m_s} = 1$$

帰納法の仮定より、この $s-1$ 個の記号に対して瞬時に復号可能な符号化が存在する。仮の記号 $a'{s-1}$ に割り当てられた符号語を $c'{s-1}$（長さ $k-1$）とする。元の記号 $a_{s-1}$ と $a_s$ に対する符号語を、それぞれ $c'{s-1} 0$ および $c'{s-1} 1$ と割り当てる。これにより、これら2つの符号語長は $(k-1) + 1 = k = m_{s-1} = m_s$ となり、プレフィックス性（瞬時復号可能性）も維持される。よって、記号数 $s$ の場合においても題意を満たす符号化が存在し、数学的帰納法により証明が完了する。
英語 (English): Assume that the instantly decodable coding exists for $s-1$ symbols. From (1-2-1), we have $m_{s-1} = m_s = k$. We combine the last two symbols $a_{s-1}, a_s$ into a single pseudo-symbol $a'{s-1}$ with probability $p'{s-1} = 2^{-k} + 2^{-k} = 2^{-(k-1)}$. The resulting set of $s-1$ symbols has code lengths $m_1, \dots, m_{s-2}, k-1$, satisfying the Kraft relation:

$$\sum_{i=1}^{s-2} 2^{-m_i} + 2^{-(k-1)} = \sum_{i=1}^{s-2} 2^{-m_i} + 2^{-m_{s-1}} + 2^{-m_s} = 1$$

By the induction hypothesis, there exists an instantly decodable code for these $s-1$ symbols. Let $c'{s-1}$ be the codeword for $a'{s-1}$ (of length $k-1$). For the original symbols $a_{s-1}$ and $a_s$, we assign the codewords $c'{s-1}0$ and $c'{s-1}1$. These codewords maintain prefix-free property and have lengths $(k-1)+1 = k = m_{s-1} = m_s$, which completes the induction.
中文解析 (Chinese Analysis): 归纳步骤证明：
- 假设对于 $s-1$ 个符号的前缀码总是存在的。
- 根据前文证明，我们已知最长两项必相等：$m_{s-1} = m_s = k$。
- 我们把最后的两个符号 $a_{s-1}, a_s$ 合并成一个伪符号 $a'_{s-1}$，合并后的概率为两个概率相加：$2^{-k} + 2^{-k} = 2^{-(k-1)}$，相对应的编码长度设计为 $k-1$。
- 合并后，这 $s-1$ 个符号的长度序列仍然满足 Kraft 和为 1。根据归纳假设，必定存在一个有效的前缀码。设伪符号 $a'{s-1}$ 在此码集中的编码为 $c'{s-1}$，长度为 $k-1$。
- 现在，我们将 $c'{s-1}$ 分别在尾部追加 0 和 1，得到原符号 $a{s-1}$ 和 $a_s$ 的实际编码：$c_{s-1} = c'{s-1}0$ 和 $c_s = c'{s-1}1$。其长度为 $(k-1)+1 = k = m_s$。
- 展开后的编码集没有破坏前缀码定义（因为任何其它编码都不会以它们的前缀为开头），归纳得证。

(1-3)

日本語 (Japanese):
- (あ): $H(S)$ （または $-\sum_{i=1}^s p_i \log_2 p_i$）
- (い): $H(S)$ （または $\sum_{i=1}^s p_i m_i$）
- (う): シャノン (Shannon)
- (え): 情報源符号化 (Source Coding)
- (お): はない
英語 (English):
- (あ): $H(S)$ (or $-\sum p_i \log_2 p_i$)
- (い): $H(S)$ (or $\sum p_i m_i$)
- (う): Shannon
- (え): source coding
- (お): does not exist
中文解析 (Chinese Analysis): 填空详情：
- (あ)：信息源的熵 $H(S)$。
- (い)：由于生起概率恰为 $p_i = 2^{-m_i}$，代入可得平均码长 $L = \sum p_i m_i$ 恰好等于熵值 $H(S)$。
- (う) 与 (え)：著名的香农（Shannon）信息源编码定理（Source Coding Theorem）。
- (お)：香农第一定理指出，无失真信源编码的每记号平均码长不可能小于信源的熵 $H(S)$。由于我们单符号编码的平均码长已达到其理论下界 $H(S)$，所以在任何 $n$ 次扩展（n-th extension）中，平均每记号的码长都不可能再被进一步缩小，故填入「はない」。

(2-1)

日本語 (Japanese): $$d_i(j) = \min_{v \in \text{Adj}(i)} { c(i, v) + d_v(j) } \quad (j \ne i)$$

記号の定義：
- $\text{Adj}(i)$: ノード $i$ に隣接するすべてのノードの集合（すなわち $c(i, v) < \infty$ となるノード $v$ の集合）。
- $c(i, v)$: ノード $i$ と隣接ノード $v$ の間のリンクコスト。
- $d_v(j)$: 隣接ノード $v$ が保持している、ノード $v$ から目的地 $j$ までの最小コスト。
英語 (English): $$d_i(j) = \min_{v \in \text{Adj}(i)} { c(i, v) + d_v(j) } \quad (j \ne i)$$

Symbol definitions:
- $\text{Adj}(i)$: The set of all adjacent nodes to node $i$ (i.e., nodes $v$ such that $c(i, v) < \infty$).
- $c(i, v)$: The link cost between node $i$ and adjacent node $v$.
- $d_v(j)$: The minimum cost from node $v$ to destination $j$ as stored in $v$'s distance vector.
中文解析 (Chinese Analysis): 距离向量算法的更新公式（即 Bellman-Ford 方程）：对于任意的目的节点 $j \neq i$，节点 $i$ 的更新公式为： $d_i(j) = \min_{v \in \text{Adj}(i)} { c(i, v) + d_v(j) }$ 其中：
- $\text{Adj}(i)$ 为节点 $i$ 的直连邻居节点集合（即所有满足链路成本 $c(i, v) < \infty$ 的节点 $v$）。
- $c(i, v)$ 为当前节点 $i$ 到邻居节点 $v$ 的链路权重（开销）。
- $d_v(j)$ 为邻居节点 $v$ 维护的到目的地 $j$ 的估计最小开销。

(2-2)

日本語 (Japanese):
- ステップ1:
  - 受信ベクトル: $D_y = [2, 0, 3]$, $D_z = [8, 3, 0]$
  - 更新後のベクトル: $D_x = [0, 2, 5]$
- ステップ2 (収束):
  - 受信ベクトル: $D_y = [2, 0, 3]$, $D_z = [5, 3, 0]$
  - 更新後のベクトル: $D_x = [0, 2, 5]$ （前ステップと値が変化しないため、ここで収束する）
英語 (English):
- Step 1:
  - Received vectors: $D_y = [2, 0, 3]$, $D_z = [8, 3, 0]$
  - Updated vector: $D_x = [0, 2, 5]$
- Step 2 (Convergence):
  - Received vectors: $D_y = [2, 0, 3]$, $D_z = [5, 3, 0]$
  - Updated vector: $D_x = [0, 2, 5]$ (The value of $D_x$ does not change, path converges here)
中文解析 (Chinese Analysis):
- 初始状态（Step 1 前）：各节点已知直连开销，因此 $D_x^{(0)} = [0, 2, 8]$, $D_y^{(0)} = [2, 0, 3]$, $D_z^{(0)} = [8, 3, 0]$。
- Step 1：
  - 动作 I：节点 $x$ 收到来自邻居的向量：$D_y = [2, 0, 3]$，$D_z = [8, 3, 0]$。
  - 动作 II：节点 $x$ 根据更新公式重新计算各距离：
    - $d_x(x) = 0$
    - $d_x(y) = \min { c(x, y) + d_y(y), c(x, z) + d_z(y) } = \min { 2 + 0, 8 + 3 } = 2$。
    - $d_x(z) = \min { c(x, y) + d_y(z), c(x, z) + d_z(z) } = \min { 2 + 3, 8 + 0 } = 5$。更新后 $D_x = [0, 2, 5]$。
- Step 2：
  - 动作 I：节点 $x$ 收到 $y$ 和 $z$ 在 Step 1 结束时生成的向量。$y$ 保持不变（仍为 $D_y = [2, 0, 3]$），而 $z$ 更新为了 $D_z = [5, 3, 0]$。所以收到 $D_y = [2, 0, 3]$, $D_z = [5, 3, 0]$。
  - 动作 II：节点 $x$ 重新计算：
    - $d_x(z) = \min { 2 + 3, 8 + 0 } = 5$（保持不变）。所以更新后 $D_x = [0, 2, 5]$。由于 $D_x$ 没有发生改变（其它节点向量也已收敛不变），算法在此处收敛。

(2-3-1)

日本語 (Japanese):
- ステップ1終了時: $d_y(x) = 3$
- ステップ2終了時: $d_y(x) = 3$
- ステップ3終了時: $d_y(x) = 5$
英語 (English):
- End of Step 1: $d_y(x) = 3$
- End of Step 2: $d_y(x) = 3$
- End of Step 3: $d_y(x) = 5$
中文解析 (Chinese Analysis): 计算链路 $(x, y)$ 断开后的更新轨迹：
- 断开前：$D_x^{(0)} = [0, 1, 2]$，$D_y^{(0)} = [1, 0, 1]$，$D_z^{(0)} = [2, 1, 0]$。断开后 $c(y, x) = \infty$。
- Step 1：$y$ 在该步骤开始时收到了 $z$ 上一轮的向量，其中 $d_z(x) = 2$。计算更新： $d_y(x) = \min { c(y, x) + d_x(x), c(y, z) + d_z(x) } = \min { \infty, 1 + 2 } = 3$。与此同时，节点 $z$ 使用旧的 $D_y^{(0)}$ 更新：$d_z(x) = \min { c(z, y) + d_y(x), c(z, x) + d_x(x) } = \min { 1 + 1, \infty } = 2$。因此 Step 1 结束时：$d_y(x) = 3, d_z(x) = 2$。
- Step 2：$y$ 收到 $z$ 传来的 $D_z^{(1)}$（其中 $d_z(x) = 2$）。计算更新： $d_y(x) = \min { \infty, 1 + 2 } = 3$。与此同时，节点 $z$ 收到 $y$ 传来的 $D_y^{(1)}$（其中 $d_y(x) = 3$）。计算更新： $d_z(x) = \min { 1 + 3, \infty } = 4$。因此 Step 2 结束时：$d_y(x) = 3, d_z(x) = 4$。
- Step 3：$y$ 收到 $z$ 传来的 $D_z^{(2)}$（其中 $d_z(x) = 4$）。计算更新： $d_y(x) = \min { \infty, 1 + 4 } = 5$。因此 Step 3 结束时：$d_y(x) = 5$。

(2-3-2)

日本語 (Japanese): リンク切断により $x$ への直接経路が失われた際、ノード $y$ は隣接ノード $z$ から送られてくる「$x$ へのコスト 2」という経路情報を採用してしまう。この経路が実は自身 ($y$) を経由するルーティングループであることに気づかず、自身のコストを $1 + 2 = 3$ に更新する。その後、ノード $z$ も $y$ の更新されたコストに基づいて自身のコストを $1 + 3 = 4$ に更新する。この互いに相手のコストを基に自身のコストをインクリメントする誤った更新処理が繰り返され、コストが無限大（$\infty$）に達するまでカウントアップされ続けるため。
英語 (English): When the link cuts, $y$'s direct path to $x$ becomes unavailable ($\infty$), but it incorrectly selects $z$'s advertised route to $x$ of cost 2. Because $y$ does not know that $z$'s route actually loops back through $y$ itself (routing loop), it updates its cost to $1+2=3$. Then, $z$ updates its cost to $1+3=4$ based on $y$'s new update. This cyclic dependency causes the nodes to mutually increment their costs up to infinity (Count-to-infinity).
中文解析 (Chinese Analysis): 发生 Count-to-infinity 的原因为：当直连链路断开时，节点 $y$ 到 $x$ 的直接开销变为无穷，但它从邻居 $z$ 的通告中看到 $z$ 到 $x$ 的开销为 2。因为距离向量只记录开销值而不记录具体的路径路由信息，节点 $y$ 无法察觉到 $z$ 所声称的路径实际上是经由 $y$ 自身建立的（即路由环路）。因此，$y$ 错误地通过 $z$ 进行了更新，使得 $d_y(x) = 1 + 2 = 3$。在此之后，$z$ 收到 $y$ 广播的 3，又更新为 $1 + 3 = 4$。两个节点交替引用对方的无效距离通告进行自我递增，导致开销值只能一轮接一轮地往上累计，一直累加到无穷大（系统设定最大值）算法才能停止。

(2-3-3)

日本語 (Japanese): リンクステート型ルーティングアルゴリズムでは、各ノードがリンクステートパケット (LSP/LSA) の全網ブロードキャストを通じて、ネットワーク全体の接続トポロジー情報を完全に共有している。リンクが切断された場合、そのトポロジーの変更情報が直ちに全ノードに伝播され、各ノードは他ノードの不完全な中間ルーティングテーブルに頼ることなく、自身の持っている正しいグローバルトポロジーマップに基づいて独立してダイクストラ法などの最短経路アルゴリズムを実行する。よって、ルーティングループや Count-to-Infinity 問題は根本的に発生しない。
英語 (English): In link-state routing, every node maintains a complete and consistent global topology map of the entire network via Link-State Advertisements (LSAs) flooding. When a link cuts, the update is broadcast to all nodes, and each node recalculates its routing table independently using Dijkstra's algorithm. Because they calculate routes based on the actual physical topology rather than iterating on neighbors' routing entries, routing loops and count-to-infinity cannot occur.
中文解析 (Chinese Analysis): 因为在链路状态（Link State）协议中，所有节点都通过 LSA 泛洪获得全网统一的物理拓扑结构图，每个节点都是在已知真实拓扑的基础上独立通过 Dijkstra 算法计算最短路径树。当链路切断时，拓扑改变消息会通报全网，节点直接根据拓扑变化将损坏的链路剔除并重算，而不需要像距离向量算法那样通过邻居的间接计算数据来迭代收敛。因此，节点之间不存在互相依赖路由表所引发的路由环路，也就不会发生 Count-to-infinity 问题。

Osaka University IST Graduate Entrance Exam (2018)

Wed, 15 Jul 2026 13:00:00 GMT

大阪大学情報科学研究科情報工学 2018年度必須問題＆選択問題

Author

KardeniaPoyu

1 【必須問題】アルゴリズムとプログラミング

Description

配点： (1-1) 15点, (1-2) 10点, (1-3) 30点, (2-1) 20点, (2-2-1) 30点, (2-2-2) 20点

図1に示すANSI-C準拠であるC言語のプログラム（program）は任意の2人が同じ組織（organization）に所属するか判定し、その結果を出力（output）するものである。人（構成員（member）と呼ぶ）は $N$ 人（$N$ は正の整数（positive integer））存在し、各構成員には直属の上司（direct supervisor）である構成員が1人以下（1 or less）存在する。組織は一つ以上存在し、各組織は、各構成員を節点（ノード（node））、その直属の上司を親（parent）とする木（tree）で表される。同じ組織に所属する構成員は、その組織の最上位の上司を根（root）とする一つの木を構成する。

各構成員にはそれぞれ $0 \sim N-1$ の整数（integer）が構成員番号として重複なく付与されている。配列（array）p は構成員番号 i である構成員の直属の上司の構成員番号を要素（element）として p[i] に格納し、直属の上司が存在しない場合は自身の構成員番号を格納する。このデータ構造を用い、関数 same は2人の構成員番号を引数とし、同じ組織に所属するかどうかを標準出力に出力する。input.txt，pair.txt という図2および図3にそれぞれ示すようなフォーマットのファイルが存在するものとし、図1のプログラムでそれらを読み込み実行する。input.txt の1行目には構成員の総数 $N$（$N$ は N_MAX 以下の正の整数）、2行目以降の各行には、構成員とその直属の上司の構成員番号のペア（pair）がこの順で書かれている。pair.txt の各行には、同じ組織に所属するか判定したい構成員のペアの構成員番号が書かれている。以下の各問に答えよ。

(1)

図1のプログラムは，図2の input.txt と図3の pair.txt を読み込み実行する。以下の各小問に答えよ。

(1-1)

21〜29行目で読み込まれる全ての木を示せ。ただし図4にならい，丸でノードを，丸の中の数字で構成員番号を，線で枝（edge）を表すこと。

(1-2)

find(x) が意味する内容を，x を用いて説明せよ。

(1-3)

14行目の空欄 A に当てはまる式を，15行目の空欄 B に当てはまる条件式をそれぞれ書け。

(2)

非常に大きな数の構成員に対し，多数の無作為に選ばれた構成員のペアのそれぞれが同じ組織に所属するか判定したい。そのため，このようなデータを含む input.txt および pair.txt を図1のプログラムで読み込み実行する。ただし，図1のプログラム2行目の N_MAX の値を適切に変更するものとする。以下の各小問に答えよ。

(2-1)

関数 same を実行する際の，1回当たりの平均時間計算量（average time complexity）をオーダ表記（order notation）で表せ。また理由も答えよ。ただし，ノードの平均の深さ（average depth）を $h$ とする。

(2-2)

ここで，関数 find の9行目を変更し，最上位の上司を格納するように配列 p を更新することで，実行時間を短縮できる場合がある。以下に答えよ。

(2-2-1)

変更後の9行目を一文で書け。

(2-2-2)

関数 same を十分大きな回数実行した場合に漸近する，1回当たりの平均時間計算量をオーダ表記で表せ。また理由も答えよ。

Kai

(1-1)

日本語 (Japanese):

  (0)            (1)           (5)
   |            /   \
  (2)         (3)   (7)
             /   \
           (4)   (6)
            |
           (8)
            |
           (9)

英語 (English): [The three trees illustrated in the ASCII diagram above]
中文解析 (Chinese Analysis): 根据 input.txt 的输入：
- $N = 10$，初始化时每个节点 $i$ 的父节点为自身，即 p[i] = i。
- 之后依次读入 i 与 sv，执行 p[i] = sv。这表示 sv 是 i 的直属上司（父节点）。
- 读入的边为：$2 \to 0$, $3 \to 1$, $4 \to 3$, $6 \to 3$, $7 \to 1$, $8 \to 4$, $9 \to 8$。
- 其余节点如 $0, 1, 5$ 的 p 值保持不变，仍为自身，即它们是各自树的根节点。因此得到三个不同的树结构如上所示。

(1-2)

日本語 (Japanese): 構成員 x が属する組織の最上位の上司（木の根の構成員番号）を返す。
英語 (English): It returns the top supervisor (the root of the tree) of the organization to which member x belongs.
中文解析 (Chinese Analysis): find(x) 沿着父指针 p[x] 递归向上查找，直到找到 p[root] == root 的根节点并将其返回。在题目背景中，这意味着寻找成员 x 所属组织的最上位上司（即代表者）。

(1-3)

日本語 (Japanese):
- A: find(y)
- B: n == m
英語 (English):
- A: find(y)
- B: n == m
中文解析 (Chinese Analysis): 在 same(x, y) 中，要判断 x 和 y 是否在同一组织中。
- 13行已有 n = find(x);。
- 14行需要求出 y 的代表者并赋给 m，因此空栏 A 填 find(y)。
- 15行若二者在同一组织中，则根节点应该相同，因此空栏 B 填 n == m。

(2-1)

日本語 (Japanese): $O(h)$ 理由: 関数 same は内部で関数 find(x) と find(y) を呼び出す。find 処理は引数で指定されたノードから根に向かって親への参照をたどるため、その計算量は探索するパスの長さに比例する。ノードの平均の深さが $h$ であるため、find の1回当たりの平均時間計算量は $O(h)$ となる。よって、same の平均時間計算量も $O(h)$ である。
英語 (English): $O(h)$ Reason: The function same calls find(x) and find(y) internally. The helper function find traverses the path from the target node up to the root. Since the average depth of nodes in the trees is $h$, the average number of steps required to reach the root is proportional to $h$. Thus, the average time complexity of find and consequently same is $O(h)$.
中文解析 (Chinese Analysis):
- 平均时间复杂度：$O(h)$
- 原因：函数 same 执行了两次对 find 的调用。在未进行路径压缩的情况下，find 必须逐级向上访问父节点直到根节点。由于节点的平均深度为 $h$，路径的平均长度即为 $h$。因此，find 和 same 的平均时间复杂度均为 $O(h)$。

(2-2-1)

日本語 (Japanese): return p[x] = find(p[x]);
英語 (English): return p[x] = find(p[x]);
中文解析 (Chinese Analysis): 将第9行修改为带有赋值的递归调用 return p[x] = find(p[x]); 可以实现路径压缩（Path Compression）。它在查找到根节点后，顺便将路径上所有经过的节点直接连接到根节点下。

(2-2-2)

日本語 (Japanese): $O(1)$ （または $O(\alpha(N))$）理由: パス圧縮（path compression）を行う場合、一度 find が実行されると、その探索経路上にあるすべてのノードが根に直接接続される。そのため、以降の探索ではほぼ定数ステップで根に到達できるようになる。same を十分に多い回数実行した場合、アモルタライズされた（ならし）1回当たりの時間計算量は、実質的に定数時間 $O(1)$（厳密には逆アッカーマン関数 $\alpha(N)$）に漸近する。
英語 (English): $O(1)$ (or $O(\alpha(N))$) Reason: When path compression is applied, each call to find updates the parent pointers of all traversed nodes to point directly to the root. As a result, subsequent lookups for these nodes take constant time. When the operation is repeated a large number of times, the amortized cost per operation asymptotically approaches $O(1)$ (or more formally, the inverse Ackermann function $O(\alpha(N))$, which is practically constant for any physical input size).
中文解析 (Chinese Analysis):
- 渐近平均时间复杂度：$O(1)$（或 $O(\alpha(N))$）
- 原因：当应用路径压缩后，每次查询根节点时，该路径上的所有节点都会被直接挂接到根节点上。随着 same 操作次数的不断增加，树的高度会被极大地压扁。在进行了足够多次操作后，绝大多数节点都直接指向根节点，因而单次操作的平均（摊还）时间复杂度趋向于常数级别 $O(1)$。若从并查集（Disjoint Set Union）的严格摊还分析来看，其复杂度为 $O(\alpha(N))$，其中 $\alpha$ 是增长极其缓慢的反阿克曼函数，实际中可视为 $O(1)$。

2 【必須問題】計算機システムとシステムプログラム

Description

配点： (1-1) 8点, (1-2) 10点, (1-3-1) 18点, (1-3-2) 29点, (2-1) 18点, (2-2-1) 27点, (2-2-2) 10点, (2-2-3) 5点

(1)

キャッシュメモリ（cache memory）および仮想記憶（virtual memory）を含む，計算機（computer）の記憶システム（memory system）に関する以下の各問に答えよ．解答は全て解答用紙の太線枠内に書くこと．

(1-1)

キャッシュメモリや仮想記憶では，(a)「一度アクセス（access）されたアドレス（address）は近いうちに再アクセスされる可能性が高い」，(b)「一度アクセスされたアドレスに近接するアドレスは，近いうちにアクセスされる可能性が高い」というメモリアクセスの性質が一般に利用されている．これらの性質の名称を記せ．

(1-2)

(a) キャッシュメモリを導入することによる効果，(b) 仮想記憶を導入することによる効果を，それぞれ一つずつ，簡潔に記せ．

(1-3)

キャッシュメモリおよび仮想記憶を有し，以下の箇条書きに示す仕様（specification）を持つ記憶システムを考える．なお，論理アドレス（logical address）から物理アドレス（physical address）への変換が，CPUとキャッシュメモリの間で行われる場合と，キャッシュメモリと主記憶（main memory）の間で行われる場合の，二通りの方式がある．前者は物理アドレスキャッシュと呼ばれ，物理アドレスを用いてキャッシュメモリへのアクセスが行われる．後者は論理アドレスキャッシュと呼ばれ，論理アドレスを用いてキャッシュメモリへのアクセスが行われる．ここでは，これら双方の方式について考える．この記憶システムに関し，(1-3-1)，(1-3-2) に答えよ．

アドレスは1［バイト］（［byte］）毎に付与される．
キャッシュメモリのマッピング（mapping）方式は，直接マッピング（direct mapping）方式．
キャッシュメモリの1［ブロック］（［block］）は2［バイト］．
キャッシュメモリ容量は8［バイト］．但し，タグ（tag）等に必要な容量は，これには含まれない．
仮想記憶の制御方式は，ページング（paging）方式．
仮想記憶の1［ページ］（［page］）は8［バイト］．
主記憶容量は32［バイト］．但し，実際のシステムでは主記憶上にページングの対象とならない領域が存在するが，ここでは，便宜上，主記憶の全ての領域がページングの対象となるものとする．
仮想記憶容量は256［バイト］．

(1-3-1)

以下の値 (a)〜(f) を記せ． (a) 論理アドレスを表すのに必要な最小ビット長（minimum bit length）［ビット］（［bit］）． (b) キャッシュメモリ内のブロック数． (c) ページテーブル（page table）のエントリー（entry）数． (d) 主記憶内におけるページ番号を表すのに必要な最小ビット長［ビット］． (e) 物理アドレスキャッシュにおける，キャッシュメモリの各タグの最小ビット長［ビット］． (f) 論理アドレスキャッシュにおける，キャッシュメモリの各タグの最小ビット長［ビット］．

(1-3-2)

物理アドレスキャッシュにおいて，サイクル（cycle）0〜7 に，以下の表に示す順に論理アドレスが参照されたとする．初期状態において，キャッシュメモリ内のブロックは空であり，主記憶内のページ枠（page frame）0〜3 には，それぞれ，仮想記憶内のページ 0, 1, 2, 31 が割り当てられているとする．主記憶，仮想記憶，共に，アドレス 0 からページ 0 が始まり，連続してページが配置されるものとする．0〜7 の各サイクルでの，(a) 参照論理アドレスに対応する主記憶内のブロック番号，(b) アクセスされるキャッシュメモリ内のブロック番号，(c) アクセスされるキャッシュメモリブロックのタグの値を示せ．また，(d) サイクル 0〜7 におけるキャッシュヒット率を示せ．

サイクル	0	1	2	3	4	5	6	7
参照論理アドレス	0	1	2	3	4	8	21	255

(2)

ファイルシステム（file system）に関する以下の各小問に答えよ．解答は全て解答用紙の太線枠内に書くこと．

(2-1)

以下の文中の中の空欄 (ア) 〜 (カ) それぞれに最も適切な語を選択肢から一つ選び，その記号を答えよ．ただし，同じ選択肢を複数回用いてはならない．

ファイルシステムは，ファイルをファイル装置（file device）に割り付ける（allocate）等のファイル管理機能を提供する．ファイルは，ブロック（block）と呼ばれるファイル装置上の最小構成単位（minimum configuration unit）でファイル装置に物理的に格納されており，ファイルへのアクセス（access）もブロック単位で行われる．ファイルへのアクセス方式には，ファイルを構成する先頭ブロックから末尾に向かってアクセスする (ア) と，ファイルを構成するブロックのいずれにも任意順にアクセスできる (イ) がある．

(イ) の場合のファイル割り付け方式を考える．ファイル装置上の連続したブロックに格納する連続ファイル割り付け（contiguous file allocation）を用いると，ファイル生成時に (ウ) を見積もる必要があるという問題や，ファイル装置上の未使用領域が (エ) した状態になるといった問題が生じる．これらの問題を回避するため，各ブロックへのポインタ配列（array of pointers）を索引ブロックに格納しておく (オ) や，各ブロックに次のブロックへのポインタ（アドレス）を持たせておく (カ) 等が用いられる．

選択肢

(A) インデックスファイル割り付け（索引ブロックを用いた割り付け, indexed file allocation）, (B) 直接アクセス (direct access), (C) 非断片化 (defragmentation), (D) プロセス割り付け (process allocation), (E) 最大ファイルサイズ (maximum file size), (F) 順アクセス（逐次アクセス, sequential access), (G) 断片化 (fragmentation), (H) アクセス時間 (access time), (I) リンクファイル割り付け（連結リスト割り付け, linked file allocation）

(2-2)

ブロックサイズ（block size）が $b$ ［バイト］，ブロックのアドレスの長さが $a$ ［バイト］で構築されたファイルシステムに，以下の三つの方式それぞれによってファイルを割り付けることを考える．

(i) 連続ファイル割り付け
(ii) リンクファイル割り付け
(iii) インデックスファイル割り付け

なお，方式 (ii) において，各ブロックには，次のブロックのアドレスを格納する容量が必要となることに注意せよ．また，方式 (iii) において，各ファイルの索引は一つの索引ブロックに収まるものとする．解答に際しては，床関数（floor function）$\text{floor}(x)$（実数 $x$ 以下の最大の整数を返す関数）や，天井関数（ceiling function）$\text{ceil}(x)$（実数 $x$ 以上の最小の整数を返す関数）を用いて良い．次の (2-2-1)〜(2-2-3) に答えよ．

(2-2-1)

ファイルサイズ $s$ ［バイト］のファイルを，方式 (i)〜(iii) のそれぞれによってファイルシステムに割り付けた場合を考え，以下の (a)〜(c) を求めよ．なお，(a)，(b) を求める際には，次の二点に注意せよ．

各ブロックへの事前アクセスは無く，初めてアクセスするものとする．
同一ブロックへ複数回アクセスする場合であっても，アクセスするブロック数は 1 である．

(a) ファイルの $n$ （$1 \le n \le s$）［バイト］目まで順にアクセスする場合に，アクセスするブロック数． (b) ファイルの $n$ （$1 \le n \le s$）バイト目のみにアクセスする場合に，アクセスするブロック数． (c) ファイルを格納するのに必要となるファイル装置上の最小サイズ $p$ （ブロックサイズの整数倍）［バイト］．

(2-2-2)

ファイル装置上の最小サイズ $p$ に対するファイルサイズ $s$ の割合を利用効率 $e$ （$=s/p$）として定義する．また，ブロックサイズに対するファイルサイズの比を $r$ （$=s/b$）として定義する．(2-2-1) の結果を踏まえて，方式 (i) と (iii) のそれぞれについて， $r$ に対する利用効率 $e$ の変化を， $0 < r \le 3$ の範囲で図示せよ．

(2-2-3)

(2-2-2) の結果を踏まえて， $r$ が大きくなるにつれて，方式 (i) の利用効率に対する方式 (iii) の利用効率の比がどのように変化するか，簡潔に述べよ．

Kai

(1-1)

日本語 (Japanese):
- (a) 時間局所性 (Temporal Locality)
- (b) 空間局所性 (Spatial Locality)
英語 (English):
- (a) Temporal locality
- (b) Spatial locality
中文解析 (Chinese Analysis): 局部性原理（Principle of Locality）包括：
- 时间局部性（a）：若一个内存位置被访问，则它在不久的将来很可能会再次被访问（例如循环中的变量）。
- 空间局部性（b）：若一个内存位置被访问，则其附近的内存位置在不久的将来很可能会被访问（例如数组的连续访问）。

(1-2)

日本語 (Japanese):
- (a) メモリアクセスの高速化（CPUの平均データアクセス待ち時間を短縮し、実行効率を向上させる）。
- (b) メモリ空間の拡大と保護（物理主記憶の容量制限を超えたプログラムの実行を可能にし、プロセス間の独立したアドレス空間を確保する）。
英語 (English):
- (a) Speed up memory access (reduce the average CPU wait time for data access and improve execution efficiency).
- (b) Expand and protect memory space (allow execution of programs larger than the physical main memory and isolate address spaces between processes).
中文解析 (Chinese Analysis):
- 引入高速缓存（a）的作用在于缓解CPU与主存之间的速度鸿沟，利用局部性原理将常用数据缓存在极高速的 SRAM 中，提高平均访存速度。
- 引入虚拟内存（b）的作用在于：1. 扩充地址空间（使大程序能在小内存机器上运行）；2. 内存隔离与保护（各进程拥有独立的虚拟地址空间，互不干扰）。

(1-3-1)

日本語 (Japanese):
- (a) 8
- (b) 4
- (c) 32
- (d) 2
- (e) 2
- (f) 5
英語 (English):
- (a) 8 bits
- (b) 4 blocks
- (c) 32 entries
- (d) 2 bits
- (e) 2 bits
- (f) 5 bits
中文解析 (Chinese Analysis):
- (a) 虚拟内存容量为 $256$ 字节，按字节寻址。因此逻辑地址长度为 $\log_2(256) = 8$ 位。
- (b) 高速缓存容量为 $8$ 字节，块大小为 $2$ 字节。因此缓存块数为 $8 / 2 = 4$ 块。
- (c) 页面大小为 $8$ 字节，虚拟内存为 $256$ 字节。页面数为 $256 / 8 = 32$，因此页表项数为 $32$。
- (d) 主存容量为 $32$ 字节，页面大小为 $8$ 字节。物理页框数为 $32 / 8 = 4$。物理页框号所需比特数为 $\log_2(4) = 2$ 位。
- (e) 在物理地址缓存（Physical Address Cache）中，缓存使用物理地址进行访问。主存 $32$ 字节对应物理地址长度为 $\log_2(32) = 5$ 位。这 5 位物理地址被划分为：
  - 块内偏移量：$\log_2(\text{块大小}) = \log_2(2) = 1$ 位。
  - 缓存索引（Index）：$\log_2(\text{缓存块数}) = \log_2(4) = 2$ 位。
  - 标记（Tag）：物理地址长度 - 索引 - 偏移 = $5 - 2 - 1 = 2$ 位。
- (f) 在逻辑地址缓存（Logical Address Cache）中，缓存使用逻辑地址进行访问。逻辑地址长度为 8 位。划分如下：
  - 块内偏移量：$\log_2(2) = 1$ 位。
  - 缓存索引：$\log_2(4) = 2$ 位。
  - 标记（Tag）：逻辑地址长度 - 索引 - 偏移 = $8 - 2 - 1 = 5$ 位。

(1-3-2)

日本語 (Japanese):
- 各サイクルの値:
  - サイクル 0: (a) 0, (b) 0, (c) 0
  - サイクル 1: (a) 0, (b) 0, (c) 0
  - サイクル 2: (a) 1, (b) 1, (c) 0
  - サイクル 3: (a) 1, (b) 1, (c) 0
  - サイクル 4: (a) 2, (b) 2, (c) 0
  - サイクル 5: (a) 4, (b) 0, (c) 1
  - サイクル 6: (a) 10, (b) 2, (c) 2
  - サイクル 7: (a) 15, (b) 3, (c) 3
- (d) キャッシュヒット率: $25%$ （または $2/8$）
英語 (English):
- Values for each cycle:
  - Cycle 0: (a) 0, (b) 0, (c) 0
  - Cycle 1: (a) 0, (b) 0, (c) 0
  - Cycle 2: (a) 1, (b) 1, (c) 0
  - Cycle 3: (a) 1, (b) 1, (c) 0
  - Cycle 4: (a) 2, (b) 2, (c) 0
  - Cycle 5: (a) 4, (b) 0, (c) 1
  - Cycle 6: (a) 10, (b) 2, (c) 2
  - Cycle 7: (a) 15, (b) 3, (c) 3
- (d) Cache hit rate: $25%$ (or $2/8$)
中文解析 (Chinese Analysis):
- 页面大小为 $8$ 字节。物理页框 0, 1, 2, 3 分别映射虚拟页面 0, 1, 2, 31。
  - 虚拟页面 0（LA 0-7）$\to$ 物理页框 0（PA 0-7）。
  - 虚拟页面 1（LA 8-15）$\to$ 物理页框 1（PA 8-15）。
  - 虚拟页面 2（LA 16-23）$\to$ 物理页框 2（PA 16-23）。
  - 虚拟页面 31（LA 248-255）$\to$ 物理页框 3（PA 24-31）。
- 物理地址缓存使用物理地址访问，块大小为 2 字节。
  - 主存块号：$\lfloor PA / 2 \rfloor$。
  - 缓存块号：主存块号 $\pmod 4$。
  - 标记（Tag）：$\lfloor PA / 8 \rfloor$（即物理页框号 PFN）。
- 逐步追踪过程：
  - C0: LA=0 $\to$ Page 0 $\to$ PFN 0 $\to$ PA=0 $\to$ 主存块=0 $\to$ 缓存块=0 $\to$ Tag=0。（Miss，填入缓存块 0，Tag=0）
  - C1: LA=1 $\to$ Page 0 $\to$ PFN 0 $\to$ PA=1 $\to$ 主存块=0 $\to$ 缓存块=0 $\to$ Tag=0。（Hit！）
  - C2: LA=2 $\to$ Page 0 $\to$ PFN 0 $\to$ PA=2 $\to$ 主存块=1 $\to$ 缓存块=1 $\to$ Tag=0。（Miss，填入缓存块 1，Tag=0）
  - C3: LA=3 $\to$ Page 0 $\to$ PFN 0 $\to$ PA=3 $\to$ 主存块=1 $\to$ 缓存块=1 $\to$ Tag=0。（Hit！）
  - C4: LA=4 $\to$ Page 0 $\to$ PFN 0 $\to$ PA=4 $\to$ 主存块=2 $\to$ 缓存块=2 $\to$ Tag=0。（Miss，填入缓存块 2，Tag=0）
  - C5: LA=8 $\to$ Page 1 $\to$ PFN 1 $\to$ PA=8 $\to$ 主存块=4 $\to$ 缓存块=0 $\to$ Tag=1。（Miss，缓存块 0 原本为 Tag 0 $\neq 1$，替换为 Tag 1）
  - C6: LA=21 $\to$ Page 2 $\to$ PFN 2 $\to$ PA=16+5=21 $\to$ 主存块=10 $\to$ 缓存块=2 $\to$ Tag=2。（Miss，缓存块 2 原本为 Tag 0 $\neq 2$，替换为 Tag 2）
  - C7: LA=255 $\to$ Page 31 $\to$ PFN 3 $\to$ PA=24+7=31 $\to$ 主存块=15 $\to$ 缓存块=3 $\to$ Tag=3。（Miss，填入缓存块 3，Tag=3）
- 8次访问中命中2次，因此命中率为 $2 / 8 = 25%$。

(2-1)

日本語 (Japanese):
- (ア): (F) 順アクセス
- (イ): (B) 直接アクセス
- (ウ): (E) 最大ファイルサイズ
- (エ): (G) 断片化
- (オ): (A) インデックスファイル割り付け
- (カ): (I) リンクファイル割り付け
英語 (English):
- (ア): (F) sequential access
- (イ): (B) direct access
- (ウ): (E) maximum file size
- (エ): (G) fragmentation
- (オ): (A) indexed file allocation
- (カ): (I) linked file allocation
中文解析 (Chinese Analysis):
- 文件的访问方式分为顺序访问（(F)）和直接/随机访问（(B)）。
- 连续文件分配因为是连续分配的，需要在一开始就确定分配的最大块数，故需要预估最大文件大小（(E)）。其带来的另一个问题是磁盘上的外部碎片问题（即断片化 (G)）。
- 为了解决这些问题，可以使用索引文件分配（(A)）——将指针存储在专门的索引块中；或者使用链接文件分配（(I)）——在每个数据块中存储指向下一个块的指针。

(2-2-1)

日本語 (Japanese):
- (a) 順アクセス時のアクセスブロック数:
  - 方式 (i): $\text{ceil}(n / b)$
  - 方式 (ii): $\text{ceil}(n / (b - a))$
  - 方式 (iii): $1 + \text{ceil}(n / b)$
- (b) 特定バイトのみアクセス時のアクセスブロック数:
  - 方式 (i): $1$
  - 方式 (ii): $\text{ceil}(n / (b - a))$
  - 方式 (iii): $2$
- (c) 最小サイズ $p$:
  - 方式 (i): $\text{ceil}(s / b) \times b$
  - 方式 (ii): $\text{ceil}(s / (b - a)) \times b$
  - 方式 (iii): $(1 + \text{ceil}(s / b)) \times b$
英語 (English):
- (a) Number of accessed blocks for sequential access:
  - Method (i): $\text{ceil}(n / b)$
  - Method (ii): $\text{ceil}(n / (b - a))$
  - Method (iii): $1 + \text{ceil}(n / b)$
- (b) Number of accessed blocks for accessing only the $n$-th byte:
  - Method (i): $1$
  - Method (ii): $\text{ceil}(n / (b - a))$
  - Method (iii): $2$
- (c) Minimum size $p$:
  - Method (i): $\text{ceil}(s / b) \times b$
  - Method (ii): $\text{ceil}(s / (b - a)) \times b$
  - Method (iii): $(1 + \text{ceil}(s / b)) \times b$
中文解析 (Chinese Analysis):
- (a) 顺序读取前 $n$ 字节：
  - 方式 (i) 连续分配：只需要按序读取包含前 $n$ 字节的数据块即可，数据块数为 $\lceil n/b \rceil$。
  - 方式 (ii) 链接分配：每个物理块中有 $a$ 字节存储下一个块的地址，可用数据容量为 $b-a$ 字节。为了得到前 $n$ 字节，需要顺序读取并沿着指针遍历，读取的块数为 $\lceil n/(b-a) \rceil$。
  - 方式 (iii) 索引分配：首先需要读取一次索引块（计作1次访问），然后再读取包含前 $n$ 字节的数据块（数量为 $\lceil n/b \rceil$）。因此总共访问 $1 + \lceil n/b \rceil$ 个块。
- (b) 仅访问第 $n$ 字节：
  - 方式 (i) 连续分配：因为地址是连续的，可以通过简单的数学计算 $\lfloor (n-1)/b \rfloor$ 得到目标物理块号，直接一步读取该块。因此只需访问 $1$ 个块。
  - 方式 (ii) 链接分配：无法直接定位，必须从文件的第一个块开始通过指针逐个向后查找，直到第 $\lceil n/(b-a) \rceil$ 个块。总访问块数为 $\lceil n/(b-a) \rceil$。
  - 方式 (iii) 索引分配：首先读取索引块获取对应的块指针，然后读取该特定数据块。总共访问 $2$ 个块（索引块 + 数据块）。
- (c) 存储大小 $p$：
  - 方式 (i) 连续分配：文件占用 $\lceil s/b \rceil$ 个块，占用字节数为 $\lceil s/b \rceil \times b$。
  - 方式 (ii) 链接分配：每个块有效容量为 $b-a$，共需 $\lceil s/(b-a) \rceil$ 个块，占用字节数为 $\lceil s/(b-a) \rceil \times b$。
  - 方式 (iii) 索引分配：需要 $\lceil s/b \rceil$ 个数据块以及 $1$ 个索引块，总共 $\lceil s/b \rceil + 1$ 个块。总字节数为 $(1 + \lceil s/b \rceil) \times b$。

(2-2-2)

日本語 (Japanese):
- 方式 (i): $e = \frac{r}{\text{ceil}(r)}$。 $0 < r \le 3$ において鋸歯状（のこぎり刃状）のグラフとなる。
  - $0 < r \le 1$: $e = r$。 $r \to 0$ で $e \to 0$， $r = 1$ で $e = 1$。
  - $1 < r \le 2$: $e = r / 2$。 $r \to 1^+$ で $e \to 1/2$， $r = 2$ で $e = 1$。
  - $2 < r \le 3$: $e = r / 3$。 $r \to 2^+$ で $e \to 2/3$， $r = 3$ で $e = 1$。
- 方式 (iii): $e = \frac{r}{1 + \text{ceil}(r)}$。各区間で右上がりの一次関数となり、境界で不連続に下降する。
  - $0 < r \le 1$: $e = r / 2$。 $r \to 0$ で $e \to 0$， $r = 1$ で $e = 1/2$。
  - $1 < r \le 2$: $e = r / 3$。 $r \to 1^+$ で $e \to 1/3$， $r = 2$ で $e = 2/3$。
  - $2 < r \le 3$: $e = r / 4$。 $r \to 2^+$ で $e \to 1/2$， $r = 3$ で $e = 3/4$。
英語 (English):
- Method (i): $e = r / \text{ceil}(r)$. The graph forms a sawtooth shape in the range $0 < r \le 3$:
  - For $0 < r \le 1$: $e = r$, scaling linearly from 0 to 1 (at $r=1$).
  - For $1 < r \le 2$: $e = r/2$, scaling linearly from $1/2$ (just above $r=1$) to 1 (at $r=2$).
  - For $2 < r \le 3$: $e = r/3$, scaling linearly from $2/3$ (just above $r=2$) to 1 (at $r=3$).
- Method (iii): $e = r / (1 + \text{ceil}(r))$. The graph increases linearly within each interval, dropping discontinuously at the boundaries:
  - For $0 < r \le 1$: $e = r/2$, scaling from 0 to $1/2$ (at $r=1$).
  - For $1 < r \le 2$: $e = r/3$, scaling from $1/3$ to $2/3$ (at $r=2$).
  - For $2 < r \le 3$: $e = r/4$, scaling from $1/2$ to $3/4$ (at $r=3$).
中文解析 (Chinese Analysis):
- 方式 (i) 的利用率 $e_i = s/p = s / (\lceil s/b \rceil b) = r / \lceil r \rceil$。其曲线呈锯齿状：
  - 在每个区间 $(k-1, k]$ 上，$\lceil r \rceil = k$ 恒定，利用率 $e_i = r/k$ 是斜率为 $1/k$ 的一次函数。
  - 在 $r=1, 2, 3$ 点处利用率均达到最大值 $1.0$。
- 方式 (iii) 的利用率 $e_{iii} = s/p = s / ((1 + \lceil s/b \rceil) b) = r / (1 + \lceil r \rceil)$。其曲线也呈锯齿状，但由于索引块的额外开销，数值明显偏低：
  - 在每个区间 $(k-1, k]$ 上，$\lceil r \rceil = k$，利用率 $e_{iii} = r/(k+1)$。
  - 当 $r=1$ 时，$e = 1/2 = 0.5$；当 $r=2$ 时，$e = 2/3 \approx 0.67$；当 $r=3$ 时，$e = 3/4 = 0.75$。

(2-2-3)

日本語 (Japanese): 比は増加し、1 に近づく。
英語 (English): The ratio of the utilization efficiency of method (iii) to method (i) increases and asymptotically approaches 1.
中文解析 (Chinese Analysis): 两者的利用率比值为 $\frac{e_{iii}}{e_i} = \frac{r / (1 + \lceil r \rceil)}{r / \lceil r \rceil} = \frac{\lceil r \rceil}{1 + \lceil r \rceil} = 1 - \frac{1}{1 + \lceil r \rceil}$。当 $r$ 增大时，$\lceil r \rceil$ 随之增大，使得额外的 $1$ 个索引块占总块数的比例下降。因此，比值 $\frac{\lceil r \rceil}{1 + \lceil r \rceil}$ 会不断上升并渐近趋近于 $1$。

4 【選択問題】計算理論

Description

配点： (1-1) 16点, (1-2-1) 14点, (1-2-2) 15点, (2-1) 15点, (2-2) 15点, (2-3) 10点, (2-4) 10点, (2-5) 15点

(1)

入力アルファベットが $\Sigma = {a,b}$ である有限オートマトンに関する以下の各問に答えよ．

(1-1)

次の状態遷移図 (i)〜(iv) で与えられる非決定性有限オートマトン（non-deterministic finite automaton）のそれぞれにおいて，受理される語（word）の集合を表す正規表現（regular expression）を，下の選択肢 1〜8 から一つずつ選び，その番号を答えよ．

選択肢

$a^b^(ab)^*$
$b^a + aa^(a+b)$
$(a + bb)^(aa + b)^$
$(ab)^* + (ba)^*$
$(a+b)^*ab$
$b^ab(a+b)^*$
$b^abab^*$
$((a+b)(a+b)(a+b))^*(a+b)$

(1-2)

10進数（decimal）で表現された正の整数（positive integer）のうち，3 で割り切れるものを受理するオートマトンを考える．なお，10 進数で表現された正の整数を 3 で割った余りは，その正の整数を構成する各桁の数の和を 3 で割った余りと等しくなることを利用して良い．例えば，1221 や 222111 は受理される語（word）であるが，1211 や 2222 は受理されない語である．

(1-2-1)

決定性有限オートマトン（deterministic finite automaton）は $(Q, \Sigma, \delta, p_0, F)$ で表される．ただし， $Q$ は状態（state）の有限集合， $\Sigma$ は入力アルファベット（input alphabet）， $\delta$ は遷移関数（transition function）， $p_0$ は開始状態， $F$ は最終状態の集合である．決定性有限オートマトン $A_D = ({p_0, p_1, p_2}, \Sigma_D, \delta_D, p_0, {p_0})$ を用いて実現する場合， $A_D$ の状態遷移図を書け．開始状態には太い矢印を付与すること．最終状態は二重丸で表現すること．簡単化のため，入力アルファベット $\Sigma_D$ は $\Sigma_D = {1, 2}$ とする．

(1-2-2)

プッシュダウンオートマトン（pushdown automaton）は $(Q, \Sigma, \Gamma, \delta, q_0, Z, F)$ で表される．ただし， $Q$ は状態の有限集合， $\Sigma$ は入力アルファベット， $\Gamma$ はスタックアルファベット， $\delta$ は遷移関数， $q_0$ は開始状態， $Z$ はスタックの開始記号， $F$ は最終状態の集合である．最終状態による受理（acceptance by final state）を行うプッシュダウンオートマトン $A_P = ({q_0, q_1, q_2}, \Sigma_P, \Gamma_P, \delta_P, q_0, Z, {q_2})$ を用いて実現する場合，以下の状態遷移図の (あ) の部分に必要な動作を全て答えよ．なお， (あ) の上部にすでに記述されている (2,1)/ε および (1,2)/ε は解答用紙に記述する必要はない． $\varepsilon$ は空列を表す．スタックアルファベット $\Gamma_P$ は $\Gamma_P = {Z, 1, 2}$ とする．簡単化のため，入力アルファベット $\Sigma_P$ は $\Sigma_P = {1, 2}$ とする．

[開始] ──> q0 ── (1, Z)/1Z ──> q1 ── (ε, Z)/Z ──> ((q2))
                  (2, Z)/2Z             |
                                        | (あ)
                                        v
                                     [loop]

(あ) の上部に記述されている動作: (2,1)/ε, (1,2)/ε

(2)

文脈自由文法（context-free grammar）は一般に $G = (V, T, P, S)$ で定められる．ただし $V$ は変数（variable; 非終端記号 nonterminal symbol）の集合， $T$ は終端記号（terminal symbol）の集合， $P$ は生成規則（production rule）の集合， $S$ は出発記号（start symbol）であり， $S \in V$ である．文脈自由文法 $G_1$ を以下の通り定め， $G_1$ により生成される言語を $L_1$ で表す．以下の各小問に答えよ．

$G_1 = (V_1, T_1, P_1, S_1)$
$V_1 = {A}$
$T_1 = {(, )}$
$P_1 = {A \to AA, A \to (A), A \to ()}$
$S_1 = A$

なお， $L_1$ に含まれる列（sequence; 語 word）は，左括弧（left parenthesis）と右括弧（right parenthesis）のバランス（balance）がとれているものである．列のバランスがとれているとは，その列の中の列 () の削除を1回以上可能な限り繰り返すと，最終的に空列 $\varepsilon$ が得られるとき，およびその時の高をいう．例えば列 ((())) や列 ()()() はバランスがとれているが，列 )(()() や列 (())(() はバランスがとれていない．

(2-1)

$L_1$ に含まれる長さ（length）が 6 以下の列を全て記せ．

(2-2)

列 ()()() に対する構文木（parse tree）で，互いに異なるもの全てを図示せよ．

(2-3)

列 ()()()() に対する構文木で互いに異なるものは全部で何個あるか，数を答えよ．求め方は示さなくてよい．

(2-4)

列 ()()()()() に対する構文木で互いに異なるものは全部で何個あるか，数を答えよ．求め方は示さなくてよい．

(2-5)

バランスのとれている任意の列が $L_1$ に含まれることを，列の長さに関する帰納法（induction）で証明したい．証明を完成させるために，空欄 (ア) 〜 (エ) を適切な内容で埋めよ．ただし，文形式（sentential form） $\alpha$ に対して生成規則を 1 回適用して文形式 $\beta$ が得られるとき， $\alpha \Rightarrow \beta$ と表記する．また，文形式 $\alpha$ に対して生成規則を 0 回以上適用して文形式 $\beta$ が得られるとき， $\alpha \Rightarrow^* \beta$ と表記する．

証明

バランスのとれている列の長さは正の偶数（even number）である．

長さ 2 のバランスがとれている列，すなわち列 () の場合，導出（derivation） $A \Rightarrow$ (ア) により，この列は $L_1$ に含まれる．
長さ $k$ 以下（ただし $k$ は 2 以上の偶数）のバランスがとれている任意の列は $L_1$ に含まれると仮定する．長さ $k+2$ のバランスがとれている任意の列を $x$ とおく．バランスがとれている二つの列 $v$ と $w$ に対し， $x = vw$ の形に分解できる場合と，できない場合の 2 通りがある．
- $x = vw$ の形に分解できる場合： $v, w$ はそれぞれ長さが $k$ 以下のバランスがとれている列なので，帰納法の仮定から $v, w$ はともに $L_1$ に含まれる．すなわち $A \Rightarrow^* v$ かつ $A \Rightarrow^* w$ である．従って，導出 $A \Rightarrow$ (イ) $\Rightarrow^* x$ により，列 $x$ は $L_1$ に含まれる．
- $x = vw$ の形に分解できない場合：このとき，長さ $k$ のバランスがとれている列 $y$ が存在して， $x =$ (ウ) の形をしている． $y$ の長さは $k$ なので，帰納法の仮定から $y$ は $L_1$ に含まれる．すなわち $A \Rightarrow^* y$ である．従って，導出 $A \Rightarrow$ (エ) $\Rightarrow^* x$ により，列 $x$ は $L_1$ に含まれる．(証明終)

Kai

(1-1)

日本語 (Japanese):
- (i) 7 (正規表現: $b^abab^*$)
- (ii) 8 (正規表現: $((a+b)(a+b)(a+b))^*(a+b)$)
- (iii) 6 (正規表現: $b^ab(a+b)^*$)
- (iv) 3 (正規表現: $(a + bb)^(aa + b)^$)
英語 (English):
- (i) 7 (Regular expression: $b^abab^*$)
- (ii) 8 (Regular expression: $((a+b)(a+b)(a+b))^*(a+b)$)
- (iii) 6 (Regular expression: $b^ab(a+b)^*$)
- (iv) 3 (Regular expression: $(a + bb)^(aa + b)^$)
中文解析 (Chinese Analysis):
- (i) 该 NFA 包含三个状态。唯一的接受路径需要经过两次标签为 $a$ 的转移。其余在状态上环绕的转移为 $b$。所以该机接受包含恰好两个 $a$ 的字符串，对应的正规表达式为 $b^* a b^* a b^*$。这与选项 7 匹配。
- (ii) 该 NFA 是一个有向环结构，包含三个状态。每个转移都接受 $a$ 或 $b$。要从起点到达接受状态，必须经过 $1, 4, 7, \dots$ 次转移。因此，可接受串的长度必须模 3 余 1（即 $3m+1$ 长度的串）。其表示为 $3m$ 长度的任意串接上一个任意字符，对应的正规表达式为 $((a+b)(a+b)(a+b))^*(a+b)$。这与选项 8 匹配。
- (iii) 通过 NFA 状态转移搜索和化简，该状态机识别的语言是包含至少一个 $b$ 且在第一个 $b$ 之前只有 $b$ 和 $a$ 的某种组合，本质上等价于 $b^* a^* b (a+b)^*$。这与选项 6 匹配。
- (iv) 起始状态具有自环 $a$ 和 $bb$。接受状态具有自环 $aa$ 和 $b$。二者之间由 $a$ 和 $b$ 的转换连接。对应的语言描述为：前半部分由 $a$ 和 $bb$ 构成，后半部分由 $aa$ 和 $b$ 构成。即 $(a + bb)^(aa + b)^$。这与选项 3 匹配。

(1-2-1)

日本語 (Japanese):

  =======> ((p0)) <─── 2 ─── p1
            |  ^             ^ |
            |  └──── 1 ──────┘ |
            1                  2
            |                  |
            v                  v
            p1 ──── 1 ───> p2 ──> p0 (on 1)
                           p2 ─── 2 ───> p1

状態遷移表 (State Transition Table):

状態	入力 1	入力 2
p0 (開始・最終)	p1	p2
p1	p2	p0
p2	p0	p1

英語 (English): The state transition diagram of the DFA $A_D$:
- States: $Q = {p_0, p_1, p_2}$.
- Start & Final state: $p_0$ (represented with a double circle and a thick incoming arrow).
- Transitions:
  - $\delta(p_0, 1) = p_1$, $\delta(p_0, 2) = p_2$.
  - $\delta(p_1, 1) = p_2$, $\delta(p_1, 2) = p_0$.
  - $\delta(p_2, 1) = p_0$, $\delta(p_2, 2) = p_1$.
中文解析 (Chinese Analysis):
- 状态代表当前数字累加和模 3 的余数。起始终止状态均为 $p_0$（余数为 0）。
- 转移逻辑：
  - $p_0$ 状态（余数为 0）：输入 1 转移到 $p_1$（余数 1），输入 2 转移到 $p_2$（余数 2）。
  - $p_1$ 状态（余数为 1）：输入 1 转移到 $p_2$（余数 2），输入 2 转移到 $p_0$（余数 0）。
  - $p_2$ 状态（余数为 2）：输入 1 转移到 $p_0$（余数 0），输入 2 转移到 $p_1$（余数 1）。

(1-2-2)

日本語 (Japanese):
- (1, 1) / 2
- (2, 2) / 1
- (1, Z) / 1Z
- (2, Z) / 2Z
英語 (English):
- (1, 1) / 2
- (2, 2) / 1
- (1, Z) / 1Z
- (2, Z) / 2Z
中文解析 (Chinese Analysis): 通过 PDA 的栈模拟累加和模 3 的状态。栈顶为 $Z$ 代表当前余数为 0，为 $1$ 代表当前余数为 1，为 $2$ 代表当前余数为 2。
- 若输入与栈顶代表值相加等于 3（即 1 与 2 组合），则发生抵消，直接弹出栈顶。题目中已有 (2,1)/ε 和 (1,2)/ε 表示此类情况。
- 若栈顶为 $Z$：
  - 输入 1：入栈 1，即 (1, Z) / 1Z。
  - 输入 2：入栈 2，即 (2, Z) / 2Z。
- 若相同元素相加：
  - 栈顶为 1，输入 1：余数变为 2，应将栈顶 1 替换为 2，即 (1, 1) / 2。
  - 栈顶为 2，输入 2：余数变为 $2+2 \equiv 1 \pmod 3$，应将栈顶 2 替换为 1，即 (2, 2) / 1。

(2-1)

日本語 (Japanese): ()、 ()()、 (())、 ()()()、 ()(())、 (())()、 (()())、 ((()))
英語 (English): (), ()(), (()), ()()(), ()(()), (())(), (()()), ((())
中文解析 (Chinese Analysis): 文法中没有 $A \to \varepsilon$ 这一项，因此最短生成的串为 ()，长度只能为偶数。
- 长度 2: ()
- 长度 4: ()(), (())
- 长度 6: ()()(), ()(()), (())(), (()()), ((()))

(2-2)

日本語 (Japanese):

    Tree 1:                  Tree 2:
       A                        A
     /   \                    /   \
    A     A                  A     A
   / \    |                  |    / \
  A   A   ()                ()   A   A
  |   |                          |   |
 ()  ()                         ()  ()

英語 (English): [The two parse trees illustrated in the ASCII diagram above]
中文解析 (Chinese Analysis): 对于串 ()()()，仅能通过 $A \to AA$ 和 $A \to ()$ 这两组规则生成。因为该串包含三个 ()，所以树的派生在第一步 $A \to AA$ 后，要么左边的 $A$ 进一步分裂为 $AA$（对应 (()())() 结构），要么右边的 $A$ 进一步分裂为 $AA$（对应 ()(()()) 结构）。故仅有上述两棵不同的构型树。

(2-3)

日本語 (Japanese): 5
英語 (English): 5
中文解析 (Chinese Analysis): 对于仅包含 $n$ 个独立小括号对 () 组成的字符串 ()()...()，因为不能使用 $A \to (A)$ 的规则（否则会出现嵌套），所以构建不同构型语法树的方法数等价于对 $n$ 个元素进行完全二叉树划分（加括号）的方法数。根据组合数学，这符合卡特兰数（Catalan Number） $C_{n-1}$。对于 ()()()()， $n=4$，因此不同语法树的数目为 $C_3 = 5$。

(2-4)

日本語 (Japanese): 14
英語 (English): 14
中文解析 (Chinese Analysis): 同理，对于 5 个独立括号对，其语法树数量对应第 4 个卡特兰数： $C_4 = 14$。

(2-5)

日本語 (Japanese):
- (ア): ()
- (イ): AA
- (ウ): (y)
- (エ): (A)
英語 (English):
- (ア): ()
- (イ): AA
- (ウ): (y)
- (エ): (A)
中文解析 (Chinese Analysis):
- (ア)：当长度为 2 时，直接应用规则 $A \to ()$，因此填 ()。
- (イ)：当 $x$ 可以拆分为两个平衡括号串 $v, w$ 时，在归纳法中通过 $A \to AA \Rightarrow^* vw = x$ 进行推导，因此填 AA。
- (ウ)：当 $x$ 不能拆分为两个非空的平衡括号串时，说明 $x$ 的首尾是一对相匹配的括号。因此它必须以 ( 开始，以 ) 结束，即 $x = (y)$，其中 $y$ 也是一个平衡括号串且长度为 $k$。因此填 (y)。
- (エ)：对应上述情况，使用文法规则 $A \to (A)$ 并结合归纳假设 $A \Rightarrow^* y$ 导出 $x = (y)$。因此填 (A)。

5 【選択問題】ネットワーク

Description

配点： (1-1) (あ)〜(う) 各2点, (え)〜(け) 各4点, (1-2) 10点, (1-3) 10点 (2-1) (a)〜(c) 各6点, (d) 12点, (2-2) 25点, (2-3) 20点

(1)

2元ハミング符号（binary Hamming code）に関する以下の文章について，各小問に答えよ．

次の行列を検査行列（parity check matrix）とする2元ハミング符号を考える．

$$H = \begin{pmatrix} 1 & 1 & 1 & 0 & 1 & 0 & 0 \ 1 & 1 & 0 & 1 & 0 & 1 & 0 \ 1 & 0 & 1 & 1 & 0 & 0 & 1 \end{pmatrix}$$

この符号の符号長（code length）は (あ) であり，情報記号数（the number of information symbols）は (い) である．したがって，符号化率（code rate）は (う) となる．次の行列はこの符号の生成行列（generator matrix）である．

$$G = \begin{pmatrix} 1 & 0 & 0 & 0 \ 0 & 1 & 0 & 0 \ 0 & 0 & 1 & 0 \ 0 & 0 & 0 & 1 \end{pmatrix} \text{(え)}$$

一般に2元ハミング符号では，最小距離（minimum distance） $d$ は (お) であり，冗長記号数（the number of redundancy symbols）を $m$ とするとき，その符号長は (か) となる．また，その検査行列は，どの列ベクトル（列要素）（column vector）も零ベクトルではなく，各列ベクトルは全て相異なるという性質をもつ．したがって，冗長記号数が同じと仮定すると，2元ハミング符号より符号化率が高い2元ブロック符号の最小距離は (お) より小さくなる(i) ことがわかる．

さて，2元対称通信路（binary symmetric channel）で，2元ハミング符号に対して限界距離（bounded distance） $\lfloor (d-1)/2 \rfloor$ の復号（decoding）を行う場合，受信語中のビット誤りの個数が (き) 個以下の場合は正しく復号（訂正）できるが，それより多い場合は必ず誤って復号する(ii)．なお，限界距離復号を行う方法として，受信語と (く) 行列から求められる (け) を用いる方法がよく知られている．

注. 限界距離 $t$ の復号法は，受信語から距離 $t$ 以内に符号語が存在すればその符号語に復号し，そうでなければ復号に失敗する．

(1-1)

空欄 (あ) 〜 (け) を埋めよ．

(1-2)

下線部 (i) が成り立つ理由を述べよ．

(1-3)

下線部 (ii) が成り立つ理由について，検査行列の性質（二重下線部）を用いて述べよ．

(2)

イーサネット（Ethernet）で使用される多重アクセス制御方式（multiple access）の一つである CSMA/CD (Carrier Sense Multiple Access / Collision Detection) 方式に関する説明文を読み，以下の各小問に答えよ．

ブロードキャスト型ネットワーク（broadcast network）において，複数のホスト（host）が同時にフレーム（frame）を送出すると，フレームが回線上で衝突する．CSMA/CD 方式においては，各ホストはフレームを送出する前に搬送波検知（carrier sense）を行い，他のホストがすでにフレームを送出していることが検知された場合にはフレーム送出を遅らせ，そうでない場合は直ちにフレームを送出する．また，フレーム送出中にも衝突検出（collision detection）を行い，フレーム送出中に衝突を検出すると送出を中止する．

(2-1)

以下は，イーサネットで使用される CSMA/CD 方式においてフレームの衝突を検出した後に用いられるバックオフアルゴリズム（backoff algorithm）に関する説明文である．文中 (a) から (c) の空欄を適切な用語または数式で埋めよ．また，下線部 (d) の処理を行う理由を述べよ．

衝突を検出してフレーム送出を中止したホストは，時間 $t$ だけ待った後に当該フレームの再送を試みる． $t$ は各ホストで (a) に選択される．また，連続して衝突する回数が増えるに従って $t$ の平均が大きくなるようにする(d)．

CSMA/CD 方式において用いられる (b) バックオフアルゴリズムでは，連続して衝突する回数が増えるに従って再送待ち時間（retransmission time）を指数関数的に増大させる．当該フレームの $n$ 回目の再送においては， $0 \le r \le X$ を満たす整数 $r$ を (a) に選択し，最大往復伝播遅延時間（slot time）を $D$ としたとき $t =$ (c) 後にフレームを再送する．このとき， $X$ は以下のように決定される．なお，15回を超える再送は行わない．

$$X = \begin{cases} 2^n - 1 & (1 \le n \le 10) \ 2^{10} - 1 & (10 < n \le 15) \end{cases}$$

(2-2)

イーサネットにおいて 10BASE-5 と呼ばれる規格では，回線容量が 10［Mbps］であり，同軸ケーブル（coaxial cable）を使用している．また，最小フレーム長は 64［byte］，最大フレーム長は 1518［byte］である．

10BASE-5 においては，ホスト間の最大距離は 2.5［km］（リピータ使用時）と規定されている．衝突検出の観点から，この規定が適切であることを最小フレーム長との関係に基づいて説明せよ．ただし，同軸ケーブルの信号伝播速度は $2 \times 10^5$ ［km/s］とする．

(2-3)

CSMA/CD 方式とは別の多重アクセス制御方式として Pure ALOHA 方式がある．Pure ALOHA 方式においては，CSMA/CD 方式のような搬送波検知や衝突検出を行わず，送信側ホストはフレームをすぐに送出する．一方，受信側ホストはフレームを受信すると ACK（確認応答）を送信側ホストに通知する．送信側ホストは，ある時間以内に ACK を受け取らなければフレームを再送する．

回線の混雑度合いが低い時と高い時のそれぞれにおける，Pure ALOHA 方式を用いた場合の回線のスループット（throughput, 単位時間当たりの伝送成功フレーム数）について，CSMA/CD 方式と比較してその高低を理由とともに説明せよ．ただし，フレーム長は全て等しいものとする．また，搬送波検知にかかる時間は無視できるものとする．

Kai

(1-1)

日本語 (Japanese):
- (あ): 7
- (い): 4
- (う): 4/7
- (え): $\begin{pmatrix} 1 & 1 & 1 \ 1 & 1 & 0 \ 1 & 0 & 1 \ 0 & 1 & 1 \end{pmatrix}$
- (お): 3
- (か): $2^m - 1$
- (き): 1
- (く): 検査
- (け): シンドローム
英語 (English):
- (あ): 7
- (い): 4
- (う): 4/7
- (え): $\begin{pmatrix} 1 & 1 & 1 \ 1 & 1 & 0 \ 1 & 0 & 1 \ 0 & 1 & 1 \end{pmatrix}$
- (お): 3
- (か): $2^m - 1$
- (き): 1
- (く): parity check (matrix)
- (け): syndrome
中文解析 (Chinese Analysis):
- (あ) 校验矩阵 $H$ 的大小为 $3 \times 7$，列数即为码长，故码长为 7。
- (い) $H$ 的行数表示校验位数 $n - k = 3$，因此信息位数 $k = 7 - 3 = 4$。
- (う) 编码率 $R = k / n = 4 / 7$。
- (え) $H$ 可以写为 $[P^T \mid I_3]$。生成矩阵 $G$ 在系统码形式下写为 $[I_4 \mid P]$。转置 $P^T$ 的前 4 列为： $$P^T = \begin{pmatrix} 1 & 1 & 1 & 0 \ 1 & 1 & 0 & 1 \ 1 & 0 & 1 & 1 \end{pmatrix}$$ 对 $P^T$ 转置得到矩阵 $P$： $$P = \begin{pmatrix} 1 & 1 & 1 \ 1 & 1 & 0 \ 1 & 0 & 1 \ 0 & 1 & 1 \end{pmatrix}$$
- (お) 二元哈明码的最小码距 $d$ 恒等于 3。
- (か) 具有 $m$ 个校验位的哈明码，其码长公式为 $2^m - 1$。
- (き) 该码能纠正的错误比特数为 $\lfloor (d-1)/2 \rfloor = \lfloor (3-1)/2 \rfloor = 1$ 比特。
- (く), (け) 限界距离译码通常通过接收字与校验矩阵相乘计算伴随式（Syndrome，又称信噪）来进行错误定位。

(1-2)

日本語 (Japanese): 同じ冗長記号数 $m$ を持つ場合、検査行列 $H$ の行数は $m$ であり、 $H$ の列ベクトル（列要素）として取り得るすべての非零の列ベクトルの種類数は $2^m - 1$ 個である。ハミング符号の符号長はちょうど $2^m - 1$ であり、検査行列のすべての列が非零で互いに異なっている。ハミング符号より符号化率が高いブロック符号は、同じ $m$ のもとで符号長 $n$ が $2^m - 1$ より大きくなる。鳩の巣原理により、この検査行列には必ず零ベクトルである列が存在するか、あるいは少なくとも2つの同一の列ベクトルが存在する。列ベクトルに零ベクトルが存在すれば最小距離は1となり、2つの同一の列ベクトルが存在すれば（その和が零ベクトルになるため）最小距離は2以下となる。したがって、最小距離はハミング符号の最小距離 3 より必ず小さくなる。
英語 (English): If a block code has the same number of redundancy symbols $m$, its parity check matrix $H$ has $m$ rows, and the maximum number of distinct non-zero column vectors of length $m$ is $2^m - 1$. The binary Hamming code achieves the maximum possible code length $n = 2^m - 1$ with all columns being distinct and non-zero. A block code with a higher code rate under the same $m$ must have a code length $n > 2^m - 1$. By the Pigeonhole Principle, its parity check matrix $H$ must contain either a zero column vector or at least two identical column vectors. A zero column implies a minimum distance of 1, and two identical columns imply a minimum distance of at most 2. Thus, the minimum distance must be strictly less than 3.
中文解析 (Chinese Analysis): 校验位为 $m$ 时，校验矩阵 $H$ 的行数为 $m$。长为 $m$ 的非零二元列向量共有 $2^m - 1$ 种。哈明码达到了该最大容量限制，其码长为 $2^m - 1$，矩阵 $H$ 中包含了所有可能的非零列向量且互不相同。若某纠错码在相同冗余位 $m$ 下具有更高的编码率，其码长 $n$ 必须大于 $2^m - 1$。根据鸽巢原理，其校验矩阵的 $n$ 列中必然会出现：
1. 包含零列向量，此时最小码距为 1。
2. 包含至少两列完全相同的列向量，其异或和为零向量，此时最小码距为 2。在这两种情况下，最小码距都将小于哈明码的最小码距 3。

(1-3)

日本語 (Japanese): 受信語を $r = c + e$ （ $c$ は送信符号語， $e$ は誤りパターン）とすると，シンドロームは $S = H e^T$ となる。誤りが1ビット（位置 $i$ ）の場合， $e$ は重み1のベクトルになり，シンドローム $S$ は検査行列 $H$ の第 $i$ 列ベクトル $h_i$ に一致する。 $H$ のすべての列ベクトルが非零かつ相異なるため，1ビット誤りのパターンと非零シンドロームは1対1に対応し，正しく訂正できる。しかし，誤りが2ビット（位置 $i$ と $j$ ）の場合，シンドロームは $S = h_i + h_j$ となる。 $h_i \ne h_j$ であるため，その和 $h_i + h_j$ は非零ベクトルとなり， $H$ のある第 $k$ 列ベクトル $h_k$ （ $k \ne i, j$ ）に一致する。このとき，限界距離復号法は $S = h_k$ に基づいて第 $k$ ビットに1ビットの誤りが発生したと判断し，第 $k$ ビットを反転するため，誤った符号語に復号される。よって，1個より多い誤りがある場合は必ず誤って復号される。
英語 (English): The syndrome of a received word $r = c + e$ is given by $S = H e^T = H e^T$. When there is exactly 1 bit error at position $i$, the error vector $e$ has weight 1, and the syndrome $S$ is equal to the $i$-th column $h_i$ of $H$. Since all columns of $H$ are distinct and non-zero, there is a unique one-to-one mapping between any single-bit error and the syndrome, guaranteeing correct decoding. However, if there are 2 bit errors at positions $i$ and $j$, the syndrome is $S = h_i + h_j$. Since $h_i \ne h_j$, their sum $h_i + h_j$ is a non-zero vector that must match some column $h_k$ of $H$ (where $k \ne i, j$). Bounded distance decoding will incorrectly assume a single-bit error occurred at position $k$ and flip bit $k$, leading to an incorrect codeword. Hence, any error count greater than 1 results in incorrect decoding.
中文解析 (Chinese Analysis): 伴随式为 $S = H e^T$。
- 当发生 1 位错误（在第 $i$ 位）时，错误向量 $e$ 仅在第 $i$ 位为 1，此时计算得到的 $S$ 正好是校验矩阵的第 $i$ 列 $h_i$。由于 $H$ 的所有列向量均非零且互不相同，每一个单比特错误都有唯一对应的非零伴随式，因此能被无误纠正。
- 当发生 2 位错误（在第 $i$ 和第 $j$ 位）时，伴随式 $S = h_i + h_j$。由于 $h_i \neq h_j$，它们的和也是一个非零向量。因为 $H$ 包含了所有可能的非零向量，所以 $h_i + h_j$ 必然等于 $H$ 中的某另一列 $h_k$（$k \neq i, j$）。此时限界距离译码器会判定在第 $k$ 位发生了单比特错误并对其进行纠正，从而导致译码错误，恢复出错误的码字。

(2-1)

日本語 (Japanese):
- (a): ランダム
- (b): 二進指数（または指数）
- (c): $rD$
- 下線部 (d) の処理を行う理由: 連続して衝突が発生することは、ネットワークの混雑度（負荷）が高いことを示している。再送待ち時間の選択範囲（ウィンドウサイズ $X$）を指数関数的に拡大し、平均待ち時間を大きくすることで、各ホストが再送するタイミングを時間的により広く分散させ、再衝突の確率を下げるため。
英語 (English):
- (a): randomly
- (b): binary exponential (or exponential)
- (c): $rD$
- Reason for performing the process in underline (d): Consecutive collisions indicate a high traffic load and congestion on the network. By expanding the backoff window size $X$ exponentially and increasing the average waiting time, the retransmission timings of the conflicting hosts are spread wider in time, thereby lowering the probability of subsequent collisions and alleviating network congestion.
中文解析 (Chinese Analysis):
- (a) 整数 $r$ 是在区间 $[0, X]$ 中随机（randomly）选取的。
- (b) 该算法为二进指数退避算法（binary exponential backoff）。
- (c) 延迟时间为随机数 $r$ 乘以时隙时间 $D$，即 $t = rD$。
- 折返等待时间增加的原因 (d)：连续发生冲突说明当前网络负载极高，处于拥堵状态。通过指数级扩大退避窗口范围 $X$，使冲突节点选择的随机等待时间在时间轴上更广泛地分散开来，从而显著降低再次发生碰撞的概率，避免拥堵持续加剧。

(2-2)

日本語 (Japanese): 10BASE-5規格における伝送速度は $C = 10 \text{ Mbps} = 10^7 \text{ bps}$ であり、最小フレーム長は $L_{\min} = 64 \text{ bytes} = 512 \text{ bits}$ である。よって、最小フレームの送出にかかる時間は以下の通りとなる。 $$T_{\text{trans}} = \frac{512 \text{ bits}}{10^7 \text{ bps}} = 51.2 \ \mu\text{s}$$ 一方、信号伝播速度を $v = 2 \times 10^5 \text{ km/s}$ とすると、ホスト間の最大距離 $d_{\max} = 2.5 \text{ km}$ における片道伝播遅延時間は $\tau = \frac{2.5}{2 \times 10^5} = 12.5 \ \mu\text{s}$ であり、最大往復伝播遅延時間は以下の通りとなる。 $$\text{RTT} = 2\tau = 25 \ \mu\text{s}$$ CSMA/CD方式において、送信ホストが衝突を正しく検出するためには、フレームの送出完了前に最遠端から返ってくる衝突信号を受信する必要がある。すなわち、最小フレーム送出時間 $T_{\text{trans}}$ が最大往復伝播遅延時間 $\text{RTT}$ 以上である必要がある（ $T_{\text{trans}} \ge \text{RTT}$ ）。本規定では $T_{\text{trans}} = 51.2 \ \mu\text{s} \ge 25 \ \mu\text{s} = \text{RTT}$ が成り立っているため、送信ホストはフレームの送出中に必ず衝突を検出することができる。したがって、最大距離 2.5 km という規定は適切である。
英語 (English): The transmission rate is $C = 10 \text{ Mbps} = 10^7 \text{ bps}$, and the minimum frame length is $L_{\min} = 64 \text{ bytes} = 512 \text{ bits}$. Thus, the transmission time for a minimum-sized frame is: $$T_{\text{trans}} = \frac{512}{10^7} = 51.2 \ \mu\text{s}$$ For a maximum distance $d_{\max} = 2.5 \text{ km}$ and propagation speed $v = 2 \times 10^5 \text{ km/s}$, the one-way propagation delay is $\tau = \frac{2.5}{2 \times 10^5} = 12.5 \ \mu\text{s}$. The maximum round-trip propagation delay (RTT) is: $$\text{RTT} = 2\tau = 25 \ \mu\text{s}$$ Under CSMA/CD, to guarantee that a transmitting host detects any collision before it finishes sending a frame, the frame transmission time must be at least the round-trip propagation delay (i.e., $T_{\text{trans}} \ge \text{RTT}$). Since $T_{\text{trans}} = 51.2 \ \mu\text{s} \ge 25 \ \mu\text{s} = \text{RTT}$ is satisfied in 10BASE-5, the transmitting host is guaranteed to detect any collision while transmitting. Thus, the 2.5 km maximum distance specification is appropriate.
中文解析 (Chinese Analysis): 根据规格：
- 传输速率 $C = 10\text{ Mbps} = 10^7\text{ bps}$。
- 最小帧长 $L_{\min} = 64\text{ bytes} = 512\text{ bits}$。
- 最小帧的发送时间为 $T_{\text{trans}} = 512 / 10^7 = 51.2\ \mu\text{s}$。同轴电缆中信号的传播速度为 $v = 2 \times 10^5\text{ km/s}$，在最大距离 $d_{\max} = 2.5\text{ km}$ 下：
- 单向传播延迟 $\tau = 2.5 / (2 \times 10^5) = 12.5\ \mu\text{s}$。
- 往返传播延迟（RTT）为 $2\tau = 25\ \mu\text{s}$。在 CSMA/CD 协议中，为了使发送端能够在帧发送完毕前检测到碰撞，必须满足“最小帧发送时间大于等于往返传播延迟”（即 $T_{\text{trans}} \ge \text{RTT}$）的条件。本系统中 $T_{\text{trans}} = 51.2\ \mu\text{s} \ge 25\ \mu\text{s} = \text{RTT}$ 成立，这确保了即使在最极端情况下发生碰撞，发送端也一定能在帧完全发出之前收到碰撞检测信号。因此该规定是合理的。

(2-3)

日本語 (Japanese):
- 回線の混雑度合いが低い時: 両方式のスループットはほぼ同等である。混雑度が低い時はフレームの衝突確率が非常に低いため、Pure ALOHAのように搬送波検知をせずに即時送出しても、CSMA/CDのようにチャネルを確認してから送出しても、ほとんどのフレームが1回で送信に成功するからである。
- 回線の混雑度合いが高い時: CSMA/CD方式の方がPure ALOHA方式よりもスループットが大幅に高くなる。Pure ALOHAでは他ホストの送信状況を確認せずにフレームを送出するため、高負荷時にはフレームが頻繁に衝突する。さらに衝突検出機能がないため、衝突後もフレーム全体を送信し続け、チャネル帯域を無駄に消費する。一方、CSMA/CDでは搬送波検知によってチャネル使用中の無駄な送信開始を防ぎ、さらに衝突発生時には即座に送信を中止してチャネルを解放するため、チャネルの利用効率（スループット）を高く維持できる。
英語 (English):
- Under low traffic conditions: The throughput of both methods is almost equal. Because the probability of frame collision is extremely low when traffic is light, almost all frames succeed on the first attempt, regardless of whether hosts transmit immediately without carrier sensing (Pure ALOHA) or sense the channel first (CSMA/CD).
- Under high traffic conditions: CSMA/CD achieves significantly higher throughput than Pure ALOHA. In Pure ALOHA, hosts transmit immediately when they have data, causing frequent collisions under heavy traffic. Since it lacks collision detection, colliding frames are transmitted to completion, wasting channel bandwidth. In contrast, CSMA/CD avoids starting transmission when the channel is busy via carrier sensing, and aborts transmission immediately upon detecting a collision to free the channel, keeping channel efficiency and throughput much higher.
中文解析 (Chinese Analysis):
- 低信道拥挤度（轻载）时：两者的吞吐量基本相同。因为在网络负载很低时，帧碰撞的概率极小，无论是 Pure ALOHA 不做任何检测直接发送，还是 CSMA/CD 监听信道后再发送，绝大多数帧都能一次性发送成功。
- 高信道拥挤度（重载）时： CSMA/CD 的吞吐量明显高于 Pure ALOHA。因为 Pure ALOHA 属于完全随机接入，不检测信道状态，在重载下会导致频繁的帧冲突；且由于没有碰撞检测机制，即使发生冲突也会完整发送整个受损帧，极大地浪费了带宽（最大吞吐量仅为 $1/(2e) \approx 18.4%$）。而 CSMA/CD 通过载波监听防止了在信道繁忙时发送帧，并且一旦发生冲突能立即终止发送并释放信道，避免了带宽的无谓浪费，因此在高负载下仍能保持较高的吞吐效率。

Osaka University IST Graduate Entrance Exam (2020)

Wed, 15 Jul 2026 12:00:04 GMT

大阪大学情報科学研究科情報工学 2020年度必須問題＆選択問題

Author

KardeniaPoyu

1 【必須問題】アルゴリズムとプログラミング

Description

配点： (1) 12点, (2) 12点, (3) 14点, (4) 25点, (5-1) 20点, (5-2) 30点, (6) 12点

図1に示す ANSI-C 準拠である C 言語のプログラム (program) は、複数の整数 (integer) のデータ (data) を、二分木 (binary tree) を利用して昇順 (ascending order) に整列 (sort) して出力 (output) するプログラムである。図1のプログラムでは、配列 (array) の添え字 (index) が二分木の節点番号 (node number) に対応している。ただし、二分木の根 (root) の節点番号を 0 とし、節点番号が $i$ の節点に子 (child) がある場合、左の子の節点番号を $2i+1$、右の子の節点番号を $2i+2$ とする。また、配列に格納されたデータは、二分木の対応する節点のデータを示している。

整列するデータは図2に示すような形式 (format) のファイル data.txt で与えられ、1行目には整列するデータの個数 $n$ ($n \ge 1$)、2行目以降の $n$ 行には整列するデータの値 (value) が書かれている。図3は、図2の data.txt を与えて図1のプログラムを実行した場合の、28行目が実行される直前の配列 d に対応する二分木であり、丸が節点、丸の左側の数字が節点番号、丸の中の数字がデータの値、線分が枝 (edge) を示している。図1のプログラムに関する以下の各問に答えよ。

#include <stdio.h>
#include <stdlib.h>

void swap(int d[], int p, int q) {
    int tmp;
    tmp = d[p]; d[p] = d[q]; d[q] = tmp;
}

void downh(int d[], int n, int k) {
    int child, current = k;
    while (current < n / 2) {
        child = current * 2 + 1;
        if ((child + 1 < n) && (d[child] < d[child + 1])) // (ア) (イ)
            child++;
        if (d[current] < d[child]) // (ウ)
            swap(d, current, child);
        else
            break;
        current = child;
    }
}

void uph(int d[], int k) {
    int parent, current = k;
    while (0 < current) {
        parent = (current - 1) / 2;
        if (d[parent] < d[current]) // (エ)
            swap(d, parent, current);
        else
            break;
        current = parent;
    }
}

void sort(int d[], int n) {
    int i;
    for (i = 1; i < n; i++) // 28行目
        uph(d, i);
    for (i = n - 1; 0 < i; i--) { // 29行目
        swap(d, 0, i);
        downh(d, i, 0);
    }
}

int main() {
    int i, N, *D;
    FILE* fp;
    fp = fopen("data.txt", "r");
    fscanf(fp, "%d", &N);
    D = (int*) malloc(sizeof(int) * N);
    for (i = 0; i < N; i++)
        fscanf(fp, "%d", &D[i]);
    fclose(fp);

    sort(D, N);

    for (i = 0; i < N; i++)
        printf("%d ", D[i]);
    printf("\n");
    free(D);
    return 0;
}

(1) 40行目で呼び出されている関数 (function) sort で実現されている整列アルゴリズム (sorting algorithm) は、一般に何と呼ばれているか名称を答えよ。

(2) 図2の data.txt を与えてプログラムを実行した場合の、28行目が実行された直後の配列 d に対応する二分木を図示せよ。ただし、図3にならい、丸で節点、丸の左側の数字で節点番号、丸の中の数字でデータの値、線分で枝を示すこと。

(3) 11行目および12行目が実行されることにより、節点番号が current の節点のデータとその子データの間に成立する関係を説明せよ。

(4) 関数 sort で実現されている整列アルゴリズムの最悪時間計算量 (worst case time complexity) を、整列するデータの個数 $n$ を用いて理由と共にオーダ表記 (order notation) で示せ。

(5) 関数 sort において、28行目の実行時に関数 swap が呼び出される回数を $T(n)$ とする。$n$ は整列するデータの個数である。28行目を変更し、28行目の for ループの繰り返し回数と $T(n)$ の最大値をできる限り削減（28行目の実行に要する最悪時間計算量を削減）することを考える。以下の各小問に答えよ。

(5-1) 下記の (あ) 〜 (え) を埋めて変更後の 28 行目を完成させよ。 for (i = (あ); 0 <= i; i--) downh( (い), (う), (え) );

(5-2) 変更後のプログラムにおける $T(n)$ の $n$ に関するオーダ表記を理由と共に示せ。 $\sum_{j=0}^{h} \frac{j}{2^j} = 2 - \frac{2+h}{2^h}$ を用いてよい。

(6) 下線 (ア) 〜 (エ) で示す条件式を必要に応じて変更し、データを降順 (descending order) に整列して出力することを考える。変更後のプログラムにおける下線 (ア) 〜 (エ) の条件式をそれぞれ答えよ。

Kai

(1)

日本語 (Japanese): ヒープソート (Heap Sort)
英語 (English): Heap Sort
中文解析 (Chinese Analysis): 该程序实现的是堆排序（Heap Sort）。利用数组模拟完全二叉树，并通过向上调整（uph）和向下调整（downh）维护大顶堆（max-heap），每次将堆顶最大值放置到未排序部分的末尾以实现升序排列。

(2)

日本語 (Japanese): 28行目のヒープ構築ループが終了した直後の二分木の状態は以下の通りである。
英語 (English): The state of the binary tree immediately after the heap construction loop (Line 28) completes is shown below.
中文解析 (Chinese Analysis): 初始数据为 [40, 30, 50, 10, 60, 20]，执行完28行的 uph 循环后，数组 d 被调整为满足大顶堆性质的 [60, 50, 40, 10, 30, 20]。对应的完全二叉树结构如下所示：

graph TD
    0((0: 60)) --- 1((1: 50))
    0 --- 2((2: 40))
    1 --- 3((3: 10))
    1 --- 4((4: 30))
    2 --- 5((5: 20))

(3)

日本語 (Japanese): 節点番号 current の節点のデータは、その存在するすべての子のデータ以上であるという関係が成立する。
英語 (English): The relationship established is that the data of the node at index current is greater than or equal to the data of all its existing children.
中文解析 (Chinese Analysis): 建立的关系是：父节点 current 的数据大于或等于其所有子节点（左子节点，以及若存在则包含右子节点）的数据。 过程分析：第11行先判定右子节点是否存在，并选择左右子节点中数值较大的一个（将下标存入 child）。第12行将当前节点与这个较大的子节点进行比较，若当前节点较小，则与之交换，从而保证当前节点不小于它的任何子节点。

(4)

日本語 (Japanese): 最悪時間計算量は $O(n \log n)$ である。理由:
1. ヒープ構築フェーズ: $n-1$ 回 uph を呼び出す。各ステップ $i$ での uph の最大実行時間は完全二分木の高さ $O(\log i)$ に比例するため、ヒープ構築の最悪計算量は $\sum_{i=1}^{n-1} O(\log i) = O(n \log n)$ となる。
2. 整列フェーズ: $n-1$ 回 downh を呼び出す。サイズ $i$ のヒープに対する downh の最大実行時間は高さ $O(\log i)$ に比例するため、整列フェーズの最悪計算量は $\sum_{i=1}^{n-1} O(\log i) = O(n \log n)$ となる。両フェーズを合わせた全体の最悪時間計算量は $O(n \log n) + O(n \log n) = O(n \log n)$ となる。
英語 (English): The worst-case time complexity is $O(n \log n)$. Reason:
1. Heap construction phase: The loop calls uph $n-1$ times. For each index $i$, the worst-case time of uph is proportional to the tree height $O(\log i)$. The total time is $\sum_{i=1}^{n-1} O(\log i) = O(n \log n)$.
2. Sorting phase: The algorithm extracts the maximum element and calls downh $n-1$ times. The worst-case time for downh on a heap of size $i$ is $O(\log i)$. The total time is $\sum_{i=1}^{n-1} O(\log i) = O(n \log n)$. Thus, the overall worst-case time complexity is $O(n \log n) + O(n \log n) = O(n \log n)$.
中文解析 (Chinese Analysis): 堆排序的整体最坏时间复杂度为 $O(n \log n)$。 具体原因：
- 堆构建阶段：从二叉树的第2个节点（索引1）开始，依次向上调整（uph），由于完全二叉树的高度为 $\log n$，因此 $n$ 个节点逐步插入堆的耗时累计为 $\sum \log i = O(n \log n)$。
- 排序调整阶段：依次将堆顶与未排序的最后一个元素交换，然后向下调整（downh）。每次向下调整的最大深度为当前二叉树的高度 $O(\log i)$，执行 $n-1$ 次，累加耗时同样为 $O(n \log n)$。
- 两者相加，最坏时间复杂度为 $O(n \log n)$。

(5-1)

日本語 (Japanese):
- (あ): n / 2 - 1
- (い): d
- (う): n
- (え): i 完成した28行目: for (i = n / 2 - 1; 0 <= i; i--) downh( d, n, i );
英語 (English):
- (あ): n / 2 - 1
- (い): d
- (う): n
- (え): i Completed line 28: for (i = n / 2 - 1; 0 <= i; i--) downh( d, n, i );
中文解析 (Chinese Analysis): 为了优化建堆效率，我们可以采用**自底向上（Bottom-up）**的建堆方法（即弗洛伊德建堆算法）。
- 所有的叶子节点（下标为 $\lfloor n/2 \rfloor$ 到 $n-1$ 的节点）本身已经是可以看作合法的堆，因此不需要向下调整。
- 我们只需要从最后一个非叶子节点（即下标为 $\lfloor n/2 \rfloor - 1$ 的节点）开始，自底向上对每个节点调用 downh 即可。
- 结合 downh(int d[], int n, int k) 的参数定义：(い) 代表数组指针 d；(う) 代表堆大小 n；(え) 代表当前要调整的节点下标 i。

(5-2)

日本語 (Japanese): 変更後の $T(n)$ の最悪計算量は $O(n)$ である。理由: 要素数を $n$、二分木の高さを $h = \lfloor \log_2 n \rfloor$ とする。高さ $j$ にある節点の最大数は $\lceil n / 2^{j+1} \rceil$ 個であり、それらの節点に対して downh を適用する際の swap 回数（調整の深さ）は最大で $j$ 回である。したがって、全 swap 回数 $T(n)$ は以下のように抑えられる： $$T(n) \le \sum_{j=0}^{h} \frac{n}{2^{j+1}} \times j = \frac{n}{2} \sum_{j=0}^{h} \frac{j}{2^j}$$ 与えられた和の公式 $\sum_{j=0}^{h} \frac{j}{2^j} = 2 - \frac{2+h}{2^h}$ を代入すると： $$T(n) \le \frac{n}{2} \left( 2 - \frac{2+h}{2^h} \right) < \frac{n}{2} \times 2 = n$$ これにより、$T(n) < n$ となり、その最悪時間計算量は $O(n)$ となる。
英語 (English): The worst-case time complexity of the modified $T(n)$ is $O(n)$. Reason: Let $n$ be the number of elements and $h = \lfloor \log_2 n \rfloor$ be the height of the tree. The maximum number of nodes at height $j$ (counting from the bottom leaves at height 0) is $\lceil n / 2^{j+1} \rceil$. For a node at height $j$, the maximum number of swaps during downh is $j$. Thus, the total number of swaps $T(n)$ is bounded by: $$T(n) \le \sum_{j=0}^{h} \frac{n}{2^{j+1}} \times j = \frac{n}{2} \sum_{j=0}^{h} \frac{j}{2^j}$$ Substituting the given summation formula $\sum_{j=0}^{h} \frac{j}{2^j} = 2 - \frac{2+h}{2^h}$, we get: $$T(n) \le \frac{n}{2} \left( 2 - \frac{2+h}{2^h} \right) < n$$ Therefore, $T(n) = O(n)$.
中文解析 (Chinese Analysis): 优化后的建堆过程，其最坏时间复杂度（即最大交换次数 $T(n)$）为 $O(n)$。 数学推导：
- 设完全二叉树高度为 $h$。对于高度为 $j$（叶子节点高度为 0，根节点高度为 $h$）的节点，其向下调整所需要的最大交换次数为 $j$。
- 在高度为 $j$ 的层，最多有 $\lceil n/2^{j+1} \rceil$ 个节点。
- 累加每层节点向下调整的最大开销： $$T(n) \le \sum_{j=0}^{h} \frac{n}{2^{j+1}} \cdot j = \frac{n}{2} \sum_{j=0}^{h} \frac{j}{2^j}$$
- 代入题目给定的求和公式 $\sum_{j=0}^{h} \frac{j}{2^j} = 2 - \frac{2+h}{2^h}$： $$T(n) \le \frac{n}{2} \left( 2 - \frac{2+h}{2^h} \right) < \frac{n}{2} \cdot 2 = n$$
- 因为 $T(n)$ 被 $n$ 线性上界锁死，所以其时间复杂度为 $O(n)$。

(6)

日本語 (Japanese):
- (ア): child + 1 < n (変更なし)
- (イ): d[child] > d[child + 1] (または d[child + 1] < d[child])
- (ウ): d[current] > d[child]
- (エ): d[parent] > d[current]
英語 (English):
- (ア): child + 1 < n (Unchanged)
- (イ): d[child] > d[child + 1] (or d[child + 1] < d[child])
- (ウ): d[current] > d[child]
- (エ): d[parent] > d[current]
中文解析 (Chinese Analysis): 要通过堆排序输出降序（Descending order）的序列，我们需要使用小顶堆（Min-heap）。在小顶堆的维护过程中，父节点的值必须小于或等于左右子节点的值。因此：
- (ア)：判定右子节点是否存在，这只与边界 $n$ 有关，故保持 child + 1 < n 变。
- (イ)：在左右子节点中选择较小的那个，所以当右子节点的值比左子节点小时进行自增操作，条件改为 d[child] > d[child + 1]。
- (ウ)：向下调整时，如果父节点的值大于较小儿子节点的值，则进行交换，条件改为 d[current] > d[child]。
- (エ)：向上调整时，如果父节点的值大于当前子节点的值，则进行交换，条件改为 d[parent] > d[current]。

2 【必須問題】計算機システムとシステムプログラム

Description

配点： (1-1) 10点, (1-2-1) 15点, (1-2-2) 15点, (1-2-3) 15点, (1-2-4) 10点, (2-1) 18点, (2-2) 20点, (2-3) 12点, (2-4) 10点

(1) 計算機 (computer) における数の表現に関する以下の各問に答えよ。

(1-1) 以下の文章の空欄 (a) 〜 (e) に当てはまる最も適切な語句または数値を、下記の選択肢から選び、記号で答えよ。

数の表現形式として固定小数点 (fixed point number) 表現と浮動小数点 (floating point number) 表現がある。科学技術計算の分野では、 (a) 等の理由から (b) 表現多く用いられ、小型機器の制御等の分野では、 (c) 等の理由から (d) 表現が多く用いられる。いずれの表現形式においても、指数の底 (base of exponent) が 2 の場合、10 進数 (decimal number) の (e) を誤差 (error) 無く表現することはできない。 [選択肢] (ア) 固定小数点 (イ) 浮動小数点 (ウ) 演算回路 (arithmetic circuit) が簡素になる (エ) 表現できる数の範囲が広い (オ) 小数を誤差無く表現できる (カ) 0.5 (キ) 0.25 (ク) 0.1

(1-2) 以下の浮動小数点表現に関し、(1-2-1)〜(1-2-4) に答えよ。(1-2-1)〜(1-2-3) については導出過程も示すこと。

浮動小数点数 A を $A = (-1)^s \times 2^{e-7} \times (1 + m)$ と表し，符号部 $s$ (sign)，指数部 $e$ (exponent)，仮数部 $m$ (significand, mantissa) を最上位ビットから順にメモリに格納する．
符号部 $s$ は 1 ビットである．$s \in {0,1}$ をメモリに格納する．
指数部 $e$ は 4 ビットである．7 余り表現とし，$e$ を 4 ビットの符号無し 2 進整数 (unsigned binary integer) で表したビット列をメモリに格納する．$e = 0$ および $e = 15$ は $\pm\infty$ などの特殊な数を表現するのに用いる．
仮数部 $m$ は 9 ビットである．正規化 (normalization) し，整数部分の 1 は記録しない（隠しビット）．小数部分の $m$ を 2 進数の小数で表し，小数点以下の 9 ビットをメモリに格納する．丸め (rounding) 処理は切り捨て (rounding down) とする．非正規化 (denormalization) 表現は用いない．

(1-2-1) この表現形式で表すことのできる，正の最大値を 10 進数の小数で示せ．但し，無限大 (infinity) は除く．

(1-2-2) この表現形式で表すことのできる，正の最小値を 10 進数の小数で示せ．

(1-2-3) 10 進数 $-36.66$ をこの形式で表現し，そのビット列を示せ．

(1-2-4) 繰り返し計算を行う際，丸め処理として切り捨てを用いると，問題が生じる場合がある．どの様な問題か，理由も含めて示せ．

(2) 仮想記憶 (仮想メモリ; virtual memory) に関して以下の各小問に答えよ．

(2-1) 次の説明文を読み，空欄 (a) 〜 (i) にあてはまる最も適切な語句を下の (ア) 〜 (ソ) の選択肢から選んで記号で答えよ．一つの選択肢を複数回用いてはならない．仮想記憶は，主記憶 (primary storage, main memory) と補助記憶 (secondary storage, auxiliary memory) を用いて，主記憶の容量よりも大きい (a) を提供する．プロセスが指すアドレスは (b) と呼ばれる．プロセスの実行においてメモリアクセスのたびに，アドレス変換テーブル (mapping table) に基づいて (b) を (c) に変換する．一般的に，アドレス変換テーブルは (d) 上に構成する．アドレス変換を固定長 (fixed length) のブロック単位で行う方式を (e) と呼び，可変長 (variable length) のブロック単位で行う方式を (f) と呼ぶ．主記憶の利用効率 (memory efficiency) の観点からこれらの方式を比較すると， (e) 方式の利点は，主記憶領域の割り当てと解放を繰り返しても (g) がほとんど発生しない点である．一方，欠点は，固定長のページ単位で領域を割り付けるために (h) が発生しやすい点である． (h) は， (i) の大きさと比較して使用領域が小さいプロセスを実行する場合に顕著である． [選択肢] (ア) 主記憶 (イ) ページ (page) (ウ) 内部断片化 (internal fragmentation) (エ) スラッシング (thrashing) (オ) 実アドレス (real address) (カ) 仮想アドレス (virtual address) (キ) アドレス空間 (address space) (ク) 補助記憶 (ケ) メモリ階層 (memory hierarchy) (コ) ページング (paging) (サ) セグメント (segment) (シ) 外部断片化 (external fragmentation) (ス) ページフォールト (page fault) (セ) レジスタ (regsiter) (ソ) セグメンテーション (segmentation)

(2-2) プロセスが次に示すページ参照列 $S$ で処理を行う場合を想定する．ページ枠 (page frame) の数が 3 のページング方式を採用した場合に，ページフォールトが発生するページ参照に◯を記入せよ．ページ置換アルゴリズムに LRU (least recently used) および FIFO (first in first out) を用いる場合についてそれぞれ回答せよ．但し，初期状態では全てのページ枠は空である．ページ参照列 $S$: $0, 1, 2, 0, 3, 1, 4, 3, 2, 3, 1, 2, 4

(2-3) ページング方式を採用したシステムを想定する．このシステムでは，1回の主記憶へのアクセスに 2 [マイクロ秒] を要し，ページフォールトが発生するとそれに加えて 8 [ミリ秒] のオーバヘッド (overhead) が発生する．1命令あたり平均 2 回のメモリアクセスを行うとき，ページフォールトによる性能低下をページフォールトの無い状態と比較して平均 10% 以下に抑えるために，許容できるページフォールトの確率 $P$ の上限を求めよ．導出過程も示せ．なお，ページフォールトが発生しない場合のメモリアクセス時間は主記憶へのアクセス時間に等しく，演算時間および他のオーバヘッドは無視できるものとする．

(2-4) ページング方式を採用し，ページ置換アルゴリズムに LRU を用いたシステムにおいて，ページフォールトを削減する方法を具体的かつ簡潔に記述せよ．但し，実行する各プロセスのページ参照列は変更しないものとする．

Kai

(1-1)

解答: (a) エ, (b) イ, (c) ウ, (d) ア, (e) ク
中文解析:
- 科学计算需要很大的数值表达范围，因此常用 (b) 浮动小数点（イ），对应原因是 (a) 表现范围广（エ）。
- 嵌入式微型设备控制中，常用 (d) 固定小数点（ア），因为其不需要昂贵的浮点协处理器，对应原因 (c) 运算电路简单（ウ）。
- 以 2 为底数的浮点数系统无法精确表示 (e) 0.1（ク），因为 0.1 在二进制中是一个无限循环小数 $0.0001100110011..._2$，在有限位宽存储时必然产生截断误差。

(1-2-1)

解答: $255.75$
導出過程: 正の数であるため，符号部 $s = 0$ である．無限大を除く正の最大値を得るためには，指数部 $e$ と仮数部 $m$ を最大にすればよい． $e = 0$ および $e = 15$ は特殊な数の表現として除外されるため，正規化数における $e$ の最大値は $14$ である．仮数部 $m$ は 9 ビットであり，その最大値はすべてのビットが $1$ のときである： $$m = \sum_{i=1}^{9} 2^{-i} = 1 - 2^{-9} = 1 - \frac{1}{512} = \frac{511}{512}$$ したがって，正の最大値 $A_{\max}$ は： $$A_{\max} = (-1)^0 \times 2^{14-7} \times \left(1 + \frac{511}{512}\right) = 2^7 \times \left(2 - 2^{-9}\right) = 256 - 2^{-2} = 256 - 0.25 = 255.75$$
中文解析: 符号位 $s=0$。指数部除去保留值 0 和 15，最大正规化指数 $e=14$。尾数部 $m$ 在 9 位全 1 时取得最大值 $1 - 2^{-9} = \frac{511}{512}$。代入公式：$A_{\max} = 2^{14-7} \times (1 + \frac{511}{512}) = 128 \times \frac{1023}{512} = \frac{1023}{4} = 255.75$。

(1-2-2)

解答: $0.015625$
導出過程: 正の数であるため，符号部 $s = 0$ である．正の最小値（正規化数）を得るためには，指数部 $e$ と仮数部 $m$ を最小にすればよい．非正規化数（denormalization）は用いないため，最小の指数部 $e = 1$ である．仮数部 $m$ の最小値はすべてのビットが $0$ のときであり，$m = 0$ である．したがって，正の最小の正規化数 $A_{\min}$ は： $$A_{\min} = (-1)^0 \times 2^{1-7} \times (1 + 0) = 2^{-6} = \frac{1}{64} = 0.015625$$
中文解析: 正的最小正规化数在 $e=1$ 且 $m=0$ 时取得。代入公式：$A_{\min} = 2^{1-7} \times (1 + 0) = 2^{-6} = \frac{1}{64} = 0.015625$。

(1-2-3)

解答: 11100001001010 (または 1 1100 001001010)
導出過程: 値が負数であるため，符号部 $s = 1$ である．次に，絶対値 $36.66$ の指数部 $e$ を求める． $32 \le 36.66 < 64$ であるため，$2^5 \le 36.66 < 2^6$ となり，指数部分は $2^5$ すなわち $e - 7 = 5$ となる．よって，$e = 12$ であり，これを 4 ビットの 2 進数で表すと 1100 となる．仮数部 $m$ は次のように求められる： $$1 + m = \frac{36.66}{2^5} = \frac{36.66}{32} = 1.145625 \implies m = 0.145625$$ $m = 0.145625$ を 2 進数の小数に展開し，切り捨てを適用して小数点以下 9 ビットを抽出する：
- $0.145625 \times 2 = 0.29125 \to 0$
- $0.29125 \times 2 = 0.5825 \to 0$
- $0.5825 \times 2 = 1.165 \to 1$
- $0.165 \times 2 = 0.33 \to 0$
- $0.33 \times 2 = 0.66 \to 0$
- $0.66 \times 2 = 1.32 \to 1$
- $0.32 \times 2 = 0.64 \to 0$
- $0.64 \times 2 = 1.28 \to 1$
- $0.28 \times 2 = 0.56 \to 0$
- (以降は切り捨て) これより，仮数部 $m$ の 9 ビット列は 001001010 となる．以上を統合すると，ビット列は 1 (符号部) + 1100 (指数部) + 001001010 (仮数部) = 11100001001010 となる．
中文解析:
- 负数，所以符号位 $s=1$。
- $36.66$ 处于区间 $[32, 64)$，因此对应阶数为 $2^5$。由 $e - 7 = 5$ 得到 $e = 12$，二进制位为 1100。
- 尾数部分 $1 + m = 36.66 / 32 = 1.145625 \implies m = 0.145625$。
- 通过乘2取整法将 $0.145625$ 转换为9位二进制小数。由于舍入规则是“切り捨て”（截断/向下舍入），直接取前 9 位得 001001010。
- 最终拼接得：11100001001010。

(1-2-4)

日本語 (Japanese): 丸め処理に切り捨てを使用すると、発生する誤差が常に同一方向（絶対値を減少させる方向）に蓄積するため、繰り返し計算によって「累積誤差」が一方通行に増大し、最終的な計算精度が著しく低下する。また、大小の差が極端に大きい数値同士の加算において、小さい方の有効桁数が全て切り捨てられて加算結果に反映されない「情報落ち」が発生する。
英語 (English): When truncation (rounding down) is used, the rounding errors occur consistently in the same direction (underestimating the absolute values). During iterative calculations, these errors accumulate unidirectionally, leading to significant cumulative errors. Additionally, when adding values of vastly different magnitudes, the significant bits of the smaller value may be shifted out completely and discarded, resulting in a "loss of significance" where the addition of the smaller value has no effect.
中文解析 (Chinese Analysis): 主要存在两个问题：
1. 累计误差（Error Accumulation）：截断舍入每次都向绝对值缩小的方向舍入，舍入误差是同向的。在成千上万次迭代后，误差单向累加，导致严重的数值漂移。
2. 信息流失（Loss of Significance / Absorption）：在大小悬殊的数相加时，较小数对齐阶数后其有效位全部溢出假数部被截断，使得加法等于没加，数值信息丢失。

(2-1)

解答: (a) キ, (b) カ, (c) オ, (d) ア, (e) コ, (f) ソ, (g) シ, (h) ウ, (i) イ
中文解析:
- 虚拟内存提供比物理主存空间更大的 (a) アドレス空間（キ）。
- 进程产生的是 (b) 仮想アドレス（カ），每次访问都要转换成 (c) 実アドレス（オ）。
- 页表一般配置在 (d) 主記憶（ア）上。
- 固定长度划分为 (e) ページング（コ），可变长度为 (f) セグメンテーション（ソ）。
- 页面分配机制的优点是没有 (g) 外部断片化（シ），但是有 (h) 内部断片化（ウ）。
- 当分配的 (i) ページ（イ）尺寸远大于进程需要的实际空间时，内部碎片化最明显。

(2-2)

解答:
- LRU:
  
  参照 0 1 2 0 3 1 4 3 2 3 1 2 4
  
  LRU ◯ ◯ ◯ ◯ ◯ ◯ ◯ ◯ ◯
- FIFO:
  
  参照 0 1 2 0 3 1 4 3 2 3 1 2 4
  
  FIFO ◯ ◯ ◯ ◯ ◯ ◯ ◯
中文解析:
- 缺页标记为 ◯。
- LRU 缺页 9 次，第4项、第8项、第10项、第12项命中了缓冲，其余换入。
- FIFO 缺页 7 次，在命中后队列顺序不发生更新。

参照	0	1	2	0	3	1	4	3	2	3	1	2	4
LRU	◯	◯	◯		◯	◯	◯		◯		◯		◯

参照	0	1	2	0	3	1	4	3	2	3	1	2	4
FIFO	◯	◯	◯		◯		◯				◯	◯

(2-3)

解答: $P \le 2.5 \times 10^{-5}$ (または $2.5 \times 10^{-3} %$ 以下)
導出過程: 主記憶への 1 回のアクセス時間を $T_m = 2 \ \mu\text{s}$ とする．ページフォールトのオーバヘッドを $T_{pf} = 8 \ \text{ms} = 8000 \ \mu\text{s}$ とする．ページフォールトの発生確率を $P$ としたとき，実効メモリアクセス時間 $T_{eff}$ は以下のように表される： $$T_{eff} = (1 - P) T_m + P (T_m + T_{pf}) = T_m + P \cdot T_{pf}$$ 1命令あたり平均 2 回のメモリアクセスを行うため，1命令の実効アクセス時間は $2 T_{eff}$，ページフォールトが無い状態のアクセス時間は $2 T_m$ である．性能低下を 10% 以下に抑える条件は： $$\frac{2 T_{eff} - 2 T_m}{2 T_m} \le 0.1 \implies \frac{T_{eff} - T_m}{T_m} \le 0.1$$ $$\frac{P \cdot T_{pf}}{T_m} \le 0.1 \implies P \le 0.1 \times \frac{T_m}{T_{pf}}$$ 数値を代入すると： $$P \le 0.1 \times \frac{2 \ \mu\text{s}}{8000 \ \mu\text{s}} = \frac{0.2}{8000} = 0.000025 = 2.5 \times 10^{-5}$$ したがって，許容できるページフォールトの確率 $P$ の上限は $2.5 \times 10^{-5}$ である． (注: もし確率 $P$ が「1命令あたり」に発生する確率と解釈される場合，上限は $P_{inst} = 2 P = 5.0 \times 10^{-5}$ となる)
中文解析:
- 正常主存访问时间 $T_m = 2\ \mu\text{s}$。缺页开销为 $T_{pf} = 8000\ \mu\text{s}$。
- 包含缺页概率 $P$ 的等效单次访存时间为 $T_{eff} = T_m + P \times T_{pf}$。
- 性能下降率可以通过单次访存时间的相对增加值来计算（因为每条指令的平均访存次数 2 可以约掉）： $$\text{性能降低} = \frac{P \times T_{pf}}{T_m} \le 10%$$
- 代入数字：$P \times 8000 / 2 \le 0.1 \implies P \le 2.5 \times 10^{-5}$。
- 这意味着缺页率必须控制在 $0.0025%$ 以内。

(2-4)

日本語 (Japanese):
1. プロセスに割り当てるページ枠数を増やす。LRU はスタックアルゴリズムの特性（包含特性）を満たすため、ページ枠数を増やすことで缺页率を確実に低減（または維持）できる。
2. ページサイズを拡張する。空間的局所性を生かして、参照ページ数を減少させることができる。
3. ページバッファリング（Page Buffering）を導入し、置換対象となったページを即時に破棄せずフリーリストに保持しておくことで、再参照時の物理ディスクアクセスを回避する。
英語 (English):
1. Increase the number of page frames allocated to the process. Since LRU is a stack algorithm, increasing the number of allocated frames is mathematically guaranteed to decrease (or keep constant) the page fault frequency.
2. Increase the page size to leverage spatial locality, which reduces the total number of unique page faults during execution.
3. Employ page buffering, keeping replaced pages in a pool of free frames temporarily so they can be immediately reclaimed without disk I/O if accessed again shortly.
中文解析 (Chinese Analysis): 在页面访问序列不变的前提下，降低 LRU 缺页中断的方法有：
1. 增加分配给进程的物理页框数：LRU 属于栈式算法（满足包含性质，不发生贝雷迪异常），因此多给页框一定会减少或维持缺页数。
2. 增大页面尺寸：利用空间局部性（Spatial Locality），单次换入载入更多邻近数据，减少页面总数。
3. 页面缓冲机制（Page Buffering）：被淘汰的页面不立即清空，而是挂在空闲页面链表尾部，若短期内再次被访问则可以直接回收，免去昂贵的磁盘I/O。

4 【選択問題】計算理論

Description

配点： (1-1) 15点, (1-2-1) 10点, (1-2-2) 25点, (1-3) 10点, (2-1) 40点, (2-2) 25点

(1) アルファベット (alphabet) $\Sigma_{ab} = {a, b}$ で構成される言語 $L_{ab} = {a^n b^n \mid n \text{ is a positive integer} }$ を考える．なお，$a^n$ は $a$ が $n$ 個連結した文字列 (string) を表す．例えば，$a^3 = aaa$ である．また，$\varepsilon$ は空文字列 (empty string) を表す．言語 $L_{ab}$ を認識（受理）するオートマトン (automaton) に関する以下の各問に答えよ．

(1-1) プッシュダウンオートマトン (pushdown automaton) は $(Q, \Sigma, \Gamma, \delta, q_0, Z, F)$ で表される．$Q$ は状態 (state) の有限集合，$\Sigma$ は入力アルファベット (input alphabet)，$\Gamma$ はスタックアルファベット (stack alphabet)，$\delta$ は遷移関数 (transition function)，$q_0$ は開始状態 (start state)，$Z$ はスタックの開始記号，$F$ は最終状態 (final state) の集合である．最終状態による受理 (acceptance by final state) を行うプッシュダウンオートマトンを利用して，言語 $L_{ab}$ を認識することを考える．

下図は言語 $L_{ab}$ を認識する非決定性 (non-deterministic) プッシュダウンオートマトンの状態遷移図 (state transition diagram) であり，開始状態は $q_0$，最終状態は $q_2$ である．状態遷移図の空欄 [(A)], [(B)], [(C)] に必要な動作を，$(r, s) / t$ の形式で答えよ．ただし，$(r, s) / t$ ($r \in \Sigma \cup {\varepsilon}, s \in \Gamma, t \in \Gamma^*$) は，入力から読み出す記号が $r$ でスタックから取り出す記号が $s$ のときに，スタックからその $s$ を取り去り，$t$ をスタックに押し込むことを意味する．$t$ が複数の記号の場合は右側の記号から順にスタックに押し込む．$(a, Z) / 0Z$ は，$a$ を読み出すときにスタックから $Z$ を取り去り，スタックに $Z$ と $0$ をこの順で押し込むことを意味する．$t$ が $\varepsilon$ の場合は，スタックに記号を押し込まない．$r$ が $\varepsilon$ の場合は，入力から記号を読み出さないで遷移を行う．入力アルファベットは $\Sigma = \Sigma_{ab}$，スタックアルファベットは $\Gamma = {Z, 0}$ とする．

           (a, Z) / 0Z
            +-----+
            | (A) |
            |     v
        +---- q0 ----+     (e, Z) / e
--->    |            | --------------> (( q2 ))
        +------------+
           |     ^
           | (B) |
           |     |
           v     |
        +---- q1 ----+
        |            |
        +------------+
            | (C) |
            +-----+

(1-2) 決定性有限オートマトン (deterministic finite automaton) は $(Q, \Sigma, \delta, q_0, F)$ で表される．$Q$ は状態の有限集合，$\Sigma$ は入力アルファベット，$\delta$ は遷移関数，$q_0$ は開始状態，$F$ は最終状態の集合である．入力アルファベットは $\Sigma = \Sigma_{ab}$ とする．このとき，(1-2-1) および (1-2-2) に答えよ．

(1-2-1) 言語 $L_2 = { a^n b^n \mid n = 2 }$ を認識する決定性有限オートマトン，および，言語 $L_3 = { a^n b^n \mid n = 3 }$ を認識する決定性有限オートマトンの状態遷移図をそれぞれ書け．なお，上図に示すように開始状態には太い矢印 (thick arrow) を付与し，最終状態は二重丸 (double circle) で表現すること．また，全ての状態において，全ての入力記号に対する遷移を表記すること．

(1-2-2) 言語 $L_{ab}$ を認識する決定性有限オートマトンは存在しないことを背理法 (proof by contradiction) により証明したい．以下の空欄 (D) に適切な文章を記述し，証明を完成させよ．

証明: 言語 $L_{ab}$ を認識する決定性有限オートマトンが存在すると仮定し，そのオートマトンの状態数を $k$ とする．文字列 $a^k b^k$ が与えられたとき，$a$ を $i$ 個 ($0 \le i \le k$) 読み終えた時点での状態を $p_i$ とすると，

(D)

よって仮定と矛盾するため，言語 $L_{ab}$ を認識する決定性有限オートマトンは存在しない． (証明終)

(1-3) 言語 $L_{ab}$ を認識する決定性有限オートマトンは存在しないが，言語 $L'{ab} = { a^n b^m \mid n \text{ and } m \text{ are positive integers} }$ を認識する決定性有限オートマトンは存在する．言語 $L'{ab}$ を認識する決定性有限オートマトンの状態遷移図を書け．なお，上図に示すように開始状態には太い矢印を付与し，最終状態は二重丸で表現すること．また，すべての状態において，すべての入力記号に対する遷移を表記すること．

(2) 文脈自由文法 (context-free grammar) は，変数 (variable) の有限集合 $V$，終端記号 (terminal symbol) の有限集合 $T$，生成規則 (production rule) の有限集合 $P$，および開始記号 (start symbol) $S$ の組により定められる．変数は非終端記号 (nonterminal symbol) と呼ぶこともある．Chomsky 標準形 (Chomsky normal form) とは，文脈自由文法のうち，生成規則が，(i) $X \to YZ$, (ii) $X \to a$ のいずれかの形をしたものである．ただし，$X, Y, Z$ は変数，$a$ は終端記号である．

ここで，Chomsky 標準形で与えられる文脈自由文法 $G = (V, T, P, S)$ および文字列 $w = a_1 a_2 \dots a_n$ （ただし，各 $a_i$ は $T$ に属する）に対し，$w$ が $G$ によって生成されるか否かを，動的計画法 (dynamic programming) によって効率的に判定するアルゴリズムを考える．まず，整数 $i, j$ のうち $1 \le i \le j \le n$ であるものに対し，集合 $$M[i, j] = { X \in V \mid \text{文法 } G \text{ において，} w \text{ の連続した部分文字列 } a_i a_{i+1} \dots a_j \text{ を変数 } X \text{ から導出できる} }$$ を定める．以下に擬似コードで示したアルゴリズムでは各 $M[i, j]$ を $M[1, 1], M[2, 2], \dots, M[n, n], M[1, 2], M[2, 3], \dots, M[n-1, n], M[1, 3], \dots$ の順に $M[1, n]$ まで計算している．最後の判定では，$w$ が $G$ によって生成されるとき，かつそのときに限り $S \in M[1, n]$ という性質を利用している．

入力 w = a_1 a_2 ... a_n に対し，集合 M[i, j] (1 <= i <= j <= n) の初期値をすべて空集合 Ø とする．
for i = 1 to n do             // 部分文字列の長さが 1 の場合の計算
    (X -> a_i) in P であるすべての X in V を M[i, i] に追加．
end for
for l = 2 to n do             // 他のすべての M[i, j] の計算．l は部分文字列の長さを表す．
    for i = 1 to n - l + 1 do // i は部分文字列の先頭位置を表す．
        j = i + l - 1 とする． // j は部分文字列の終了位置を表す．
        for k = i to j - 1 do // k は部分文字列の分割位置の一つ前を表す．
            ある Y in M[i, k], Z in M[k+1, j] に対し，(X -> YZ) in P であるすべての X in V を M[i, j] に追加．
        end for
    end for
end for
S in M[1, n] であれば Yes を，そうでなければ No を出力して終了． // 判定

文脈自由文法 $G_1 = (V_1, T_1, P_1, S_1)$ を，$V_1 = {A, B, C, D, S}, T_1 = {a, b}, S_1 = S,$ $$P_1 = { S \to AB, A \to CA, A \to AA, A \to a, B \to DB, B \to b, C \to a, D \to b }$$ と定める．例えば，文法 $G_1$ と文字列 $bab$ に対し，上記のアルゴリズム実行した場合の計算は以下のように行われる．

まず，$M[1, 1], M[2, 2], M[3, 3]$ が決まる．
次に，部分文字列の長さが $l = 2$ の場合，先頭位置は $i = 1, 2$ の二つの場合があり，
- $i = 1$ ならば $j = 2$ であり，$k = 1$ として，$Y \in M[1, 1], Z \in M[2, 2]$ を調べることで $M[1, 2]$ が決まる．
- $i = 2$ ならば $j = 3$ であり，$k = 2$ として，$Y \in M[2, 2], Z \in M[3, 3]$ を調べることで $M[2, 3]$ が決まる．
最後に，部分文字列の長さが $l = 3$ の場合，先頭位置は $i = 1$ の場合だけであり，
- $i = 1$ ならば $j = 3$ である．このとき，$k = 1$ として，$Y \in M[1, 1], Z \in M[2, 3]$ を調べ， $k = 2$ として，$Y \in M[1, 2], Z \in M[3, 3]$ を調べることで，$M[1, 3]$ が決まる．

終了時における $M[i, j]$ の内容は以下の表のとおりである．この場合，$S \notin M[1, 3]$ であるため No が出力される．

$M[i, j]$	$j = 1$	$j = 2$	$j = 3$
$i = 1$	${B, D}$	$\emptyset$	$\emptyset$
$i = 2$	—	${A, C}$	${S}$
$i = 3$	—	—	${B, D}$

以下の各小問に答えよ．

(2-1) 文法 $G_1$ および文字列 $w_1 = aaab$ に対し，上記のアルゴリズムを実行した場合，終了時における $M[i, j]$ の内容を，上記の例のように，表として示せ．

(2-2) 文脈自由文法 $G_2 = (V_2, T_2, P_2, S_2), V_2 = {A, B, S}, T_2 = {a, b}, S_2 = S,$ $$P_2 = { S \to AB, S \to SA, S \to BS, S \to \varepsilon, A \to a, B \to b }$$ を考える．ここで，$\varepsilon$ は空文字列 (empty string) である．文法 $G_2$ は，上で説明した Chomsky 標準形の制約を満たしていないため，上記のアルゴリズムに対して正しく動作しない場合がある．つまり，ある入力文字列に対しては間違った判定をする．その様な入力文字列として長さ 2 以上のものを具体的に示し，正しく動作しないことを説明せよ．

Kai

(1-1)

解答:
- [(A)]: (a, 0) / 00
- [(B)]: (b, 0) / \varepsilon
- [(C)]: (b, 0) / \varepsilon
中文解析: 这是一个利用栈匹配 $a^n b^n$ 的下推自动机（PDA）。
- 状态 $q_0$ 负责读取字符 $a$。若栈顶为底座 $Z$，读入第一个 $a$ 后将 0 压入，变为 $0Z$。如果是后续的 $a$，此时栈顶为 $0$，应继续向栈中压入一个 $0$。因此 $q_0$ 的自环 [(A)] 应为 (a, 0) / 00。
- 读到第一个 $b$ 时，跳转到状态 $q_1$，同时必须消耗一个栈中的 $0$（代表一次匹配）。因此 [(B)] 应为 (b, 0) / \varepsilon。
- 状态 $q_1$ 负责读取后续的 $b$，每读入一个 $b$ 必须消耗栈顶的一个 $0$。因此 $q_1$ 的自环 [(C)] 也是 (b, 0) / \varepsilon。
- 最终栈为空（只剩底座 $Z$）且输入读取完毕时，通过 (\varepsilon, Z) / \varepsilon 迁移至接受状态 $q_2$。

(1-2-1)

解答:
- DFA for $L_2 = {aabb}$: 状态集合 $Q = {q_0, q_1, q_2, q_3, q_4, q_{dead}}$，其中 $q_0$ 为开始状态，$q_4$ 为最终（接受）状态，$q_{dead}$ 为死状态。

stateDiagram-v2
    [*] --> q0
    q0 --> q1 : a
    q0 --> q_dead : b
    q1 --> q2 : a
    q1 --> q_dead : b
    q2 --> q3 : b
    q2 --> q_dead : a
    q3 --> q4 : b
    q3 --> q_dead : a
    q4 --> q_dead : a, b
    q_dead --> q_dead : a, b
    classDef accept fill:#f9f,stroke:#333,stroke-width:2px;
    class q4 accept;

- **DFA for $L_3 = \{aaabbb\}$**:
  状态集合 $Q = \{q_0, q_1, q_2, q_3, q_4, q_5, q_6, q_{dead}\}$，其中 $q_0$ 为开始状态，$q_6$ 为最终状态。

stateDiagram-v2
    [*] --> q0
    q0 --> q1 : a
    q0 --> q_dead : b
    q1 --> q2 : a
    q1 --> q_dead : b
    q2 --> q3 : a
    q2 --> q_dead : b
    q3 --> q4 : b
    q3 --> q_dead : a
    q4 --> q5 : b
    q4 --> q_dead : a
    q5 --> q6 : b
    q5 --> q_dead : a
    q6 --> q_dead : a, b
    q_dead --> q_dead : a, b
    classDef accept fill:#f9f,stroke:#333,stroke-width:2px;
    class q6 accept;

中文解析: 由于 $L_2$ 和 $L_3$ 是有限语言，DFA 只需要依次严格匹配特定长度的 $a$ 和 $b$。因为题目要求**“在所有状态中，必须标明对所有输入符号的迁移”**，所以必须显式引入死状态 $q_{dead}$。任何不合规的输入都会直接掉入死状态，且无法逃离。

(1-2-2)

解答 (Dに入力する文章):
- 日本語 (Japanese): 鳩の巣原理（Pigeonhole Principle）より，$p_g = p_h$ となるような異なる二つの整数 $g, h$ ($0 \le g < h \le k$) が存在する．ここで，文字列 $a^g b^g$ と $a^h b^g$ に対するオートマトンの遷移を考える． $a^g b^g \in L_{ab}$ であるため，初期状態から $a^g b^g$ を読み終えた時点での状態は最終状態（受け入れ状態）である．一方，初期状態から $a^h$ を読み終えた状態は $p_h = p_g$ となる．ここからさらに残り部分の $b^g$ を読み終えたときの状態は，$a^g$ の後に $b^g$ を読み終えたときの状態と同一になり，これも最終状態となる．これは，このオートマトンが $a^h b^g$ を受け入れることを意味するが，$g \neq h$ より $a^h b^g \notin L_{ab}$ であるため，このオートマトンが $L_{ab}$ を認識するという仮定に矛盾する．
英語 (English): By the Pigeonhole Principle, since there are $k+1$ states in the sequence $p_0, p_1, \dots, p_k$ and the DFA has only $k$ states, there must exist two distinct integers $g$ and $h$ ($0 \le g < h \le k$) such that $p_g = p_h$. Now, consider the transitions of the automaton for the strings $a^g b^g$ and $a^h b^g$. Since $a^g b^g \in L_{ab}$, the state reached after reading $a^g b^g$ from the initial state must be an accepting state. On the other hand, the state reached after reading $a^h$ from the initial state is $p_h = p_g$. Thus, starting from $p_h$ and reading the remaining $b^g$ must lead to the exact same accepting state. This implies that the automaton accepts $a^h b^g$. However, since $g \neq h$, $a^h b^g \notin L_{ab}$, which contradicts the assumption that the automaton recognizes $L_{ab}$.
中文解析: 本题是正则语言不可判定性的经典证明（利用鸽巢原理证明，本质上也是泵引理的内核）。
- 输入 $a^k$ 在读入每个字符时会经历 $k+1$ 个状态。而有限自动机状态数仅为 $k$，所以在前 $k$ 步中必定有两个不同的步数 $g, h$ 停留在了相同的状态 $p_g = p_h$。
- 一旦在此处发生状态重合，由于自动机是决定性的（DFA），当后面拼上相同的后缀 $b^g$ 时，它们所抵达的最终状态也必定完全相同。
- 由于 $a^g b^g \in L_{ab}$ 是合法串，最终状态必为接受状态，这导致 $a^h b^g$ 也会被误接受，然而 $h \neq g$，该串在数量上并不相等，不属于语言，因而产生矛盾。

(1-3)

解答: 言語 $L'_{ab} = {a^n b^m \mid n, m \ge 1}$ は正規表現 $a a^* b b^*$ で表される正規言語である．これを認識する DFA は以下のようになる．

stateDiagram-v2
    [*] --> q0
    q0 --> q1 : a
    q0 --> q_dead : b
    q1 --> q1 : a
    q1 --> q2 : b
    q2 --> q2 : b
    q2 --> q_dead : a
    q_dead --> q_dead : a, b
    classDef accept fill:#f9f,stroke:#333,stroke-width:2px;
    class q2 accept;

中文解析: 与 $L_{ab}$ 不同，$L'_{ab}$ 只要求 $a$ 和 $b$ 至少各出现一次且 $a$ 必须在 $b$ 之前，并不要求两者的数量相等。因此它不需要无限的记忆能力，是正则语言。可以使用 4 个状态的 DFA（包含死状态）来表示。

(2-1)

解答: 終了時における $M[i, j]$ の内容は以下の表の通りである．$S \in M[1, 4]$ であるため，判定結果は Yes となる．

$M[i, j]$	$j = 1$	$j = 2$	$j = 3$	$j = 4$
$i = 1$	${A, C}$	${A}$	${A}$	${S}$
$i = 2$	—	${A, C}$	${A}$	${S}$
$i = 3$	—	—	${A, C}$	${S}$
$i = 4$	—	—	—	${B, D}$

中文解析:
- $\ell=1$ 时，$w_1 = aaab$ 对应的单个字符分别为 $a, a, a, b$。由于 $A \to a, C \to a$，故 $M[1, 1] = M[2, 2] = M[3, 3] = {A, C}$。同理 $B \to b, D \to b$，故 $M[4, 4] = {B, D}$。
- $\ell=2$ 时，计算相邻两两组合。例如对于 $aa$，利用 $M[i, i]$ 和 $M[i+1, i+1]$ 交叉组合，规则 $A \to AA, A \to CA$ 将其规约为 $A$。故 $M[1, 2] = M[2, 3] = {A}$。而对于末尾的 $ab$，通过 $M[3, 3] = {A, C}$ 和 $M[4, 4] = {B, D}$ 交叉，由于 $S \to AB$，规约为 $S$。故 $M[3, 4] = {S}$。
- 依次类推完成动态规划填表，最后右上角的 $M[1, 4]$ 包含开始符号 $S$，表明该字符串可以被文法生成。

(2-2)

日本語 (Japanese): 正しく動作しない長さ 2 以上の入力文字列の具体例として $aa$ （または $bb$, $ba$）が挙げられる．文法 $G_2$ において，これらの文字列は $S \Rightarrow SA \Rightarrow SAA \Rightarrow \varepsilon AA \Rightarrow aa$ という導出が可能であるため，言語 $L(G_2)$ に属する．したがって，正しい判定結果は Yes である．しかし，提示されたアルゴリズムを実行した場合：初期化フェーズで $M[1, 1] = {A}$，$M[2, 2] = {A}$ となる．長さ 2 の計算において，アルゴリズムは $Y \in M[1, 1]$, $Z \in M[2, 2]$ から $X \to YZ$（すなわち $X \to AA$）の形式の生成規則を探索する．しかし，文法 $G_2$ の生成規則には右辺が $AA$ である規則が存在しないため，$M[1, 2] = \emptyset$ のままとなる．最終的に $S \notin M[1, 2]$ となり，アルゴリズムは誤って No を出力する．この問題が発生する理由は，提示されたアルゴリズムが $\varepsilon$（空列）を生成する規則（$\varepsilon$-プロダクション）を考慮しておらず，導出の過程で変数が消去される（空列になる）ケースを追跡できないためである．
英語 (English): A concrete example of a string of length 2 or more for which the algorithm fails is $aa$ (or $bb$, $ba$). In the grammar $G_2$, this string can be derived as $S \Rightarrow SA \Rightarrow SAA \Rightarrow \varepsilon AA \Rightarrow aa$, meaning it belongs to the language $L(G_2)$, and the correct output should be Yes. However, running the specified algorithm: In the initialization phase, we get $M[1, 1] = {A}$ and $M[2, 2] = {A}$. During the computation for length 2, the algorithm searches for production rules of the form $X \to YZ$ where $Y \in M[1, 1]$ and $Z \in M[2, 2]$ (i.e., $X \to AA$). Since there are no production rules in $G_2$ with $AA$ on the right-hand side, $M[1, 2]$ remains $\emptyset$. Consequently, $S \notin M[1, 2]$, and the algorithm incorrectly outputs No. The reason for this failure is that the algorithm does not account for $\varepsilon$-productions (rules deriving the empty string). Thus, it cannot trace derivations where a variable is erased (becomes $\varepsilon$) during the derivation process.
中文解析 (Chinese Analysis):
- 反例：字符串 $aa$（或者 $bb$, $ba$ 等）。
- 逻辑漏洞说明：在文法 $G_2$ 中，由于含有 $S \to \varepsilon$ 规则，我们可以通过消去 $S$ 来实现 $S \Rightarrow SA \Rightarrow SAA \Rightarrow \varepsilon AA \Rightarrow aa$，因此 $aa$ 是一个合法句子。
- 然而，CYK 算法要求文法严格处于乔姆斯基范式中（即右侧只能是两个非终结符 $YZ$ 或一个终结符 $a$）。在计算 $M[1, 2]$ 时，算法只寻找形如 $X \to AA$ 的产生式。由于 $P_2$ 中没有右侧为 $AA$ 的规则，计算出的 $M[1, 2]$ 为空集，最终输出 No，发生了误判。
- 其本质原因在于：CYK 算法的动态规划分治策略强行假定每次切分成的两部分都至少产生长度为1的字串，它无法追踪和处理推导中途某一部分坍缩为 $\varepsilon$（空串）的消去路径。

5 【選択問題】ネットワーク

Description

配点： (1-1) 10点, (1-2-1) 15点, (1-2-2) 25点, (1-3) 15点, (1-4) 15点, (2-1) 20点, (2-2-1) 10点, (2-2-2) 10点, (2-2-3) 10点

(1) ビット誤り (bit error) が発生することがある伝送路 (transmission line) を用いて，送信端末 (terminal) の応用プログラムがファイル (file) を受信端末の応用プログラムに転送するプロトコル (protocol) を考える．プロトコルでは，応用プログラムがファイルをデータ (data) に分割し，送信端末が分割されたデータをデータパケット (packet) を用いて転送する．以下の各小問に答えよ．なお，端末は受信したパケットのビット誤りを検出できるものとする．さらに，小問 (1-1) から (1-3) では，パケットは紛失 (loss) しないことを仮定する．

(1-1) ビット誤りが発生したデータパケットを再送 (retransmit) するプロトコルを考える．このプロトコルをプロトコル 1 と呼び，その送信端末の状態遷移図 (state transition diagram) を図 1 に示す．状態遷移では，発生したイベント (event) に基づきアクション (action) が実行され，次の状態に遷移する．イベントとアクションの組は図 1 の破線の枠内に示す通りに記載する．使用するイベント，アクションとそれらに付随する変数 (variable) を図 2 に示す．プロトコル 1 では，送信端末はシーケンス番号 (sequence number) に 0 を設定してデータパケットを送信する．一方，受信端末は，データパケットを受信すると，ビット誤りが無い場合は確認応答 (positive acknowledgement) パケットを返送し，ビット誤りを検出すると否定確認応答 (negative acknowledgement) パケットを返送する．以降，これら二つのパケットを応答パケットと総称する．なお，プロトコル 1 では，応答パケットのシーケンス番号には 0 を設定し，応答パケットにはビット誤りが発生しないものとする．図 1 の状態遷移図の空欄 (あ)，(い) に，それぞれ一つのアクションを埋めよ．

               OnWriteData
              ------------
             sendData(0, data)
               /            \
              /              v
        (( state 1 ))     (( state 2 ))
              ^              /
              |   OnRecvAck(0)
              |  ------------
              |       (い)
              \  /

(注: state 2 から自身へのループイベントとして OnRecvNack(0) があり、その下のアクション部分が (あ) となっている)

(1-2) 次に，プロトコル 1 を改良し，応答パケットにビット誤りが発生したとき，データパケットを再送するプロトコルを考える．ここで，図 3 に示すイベントを追加する．(1-2-1) および (1-2-2) に答えよ．

(1-2-1) 送信端末の状態遷移図を図 4 とするプロトコルをプロトコル 2 と呼ぶ．しかし，プロトコル 2 では，送信端末の応用プログラムが転送したファイルの中身と，受信端末の応用プログラムが受領したファイルの中身が一致しないことがある．この問題が発生する条件を一つ示し，ファイルの中身が一致しない理由を説明せよ．

イベント OnRecvBiterr: ビット誤りがある応答パケットを受信．

図 4 の送信端末の状態遷移図では、図 1 に加え、state 2 から自身へのループ遷移として OnRecvBiterr / sendData(0, data) が追加されている。

(1-2-2) 応答パケットのビット誤りに対処できるように，送信端末がデータパケットに，0 と 1 のシーケンス番号を交互に設定し，最初のデータパケットには 0 を設定する方針でプロトコル 3 を設計する．受信端末は，データパケットを受信すると，ビット誤りの有無にかかわらず，確認応答パケットを返送する．データパケットにビット誤りが無いとき，次に受信することを期待するシーケンス番号 (next expected sequence number) を確認応答パケットに設定する．一方，ビット誤りを検出すると，受信することを期待していたシーケンス番号を確認応答パケットに設定する．図 5 の空欄 (う) 〜 (き) に，それぞれ一つのイベントあるいはアクションを埋めることで，プロトコル 3 の送信端末の状態遷移図を完成させよ．

図 5 では、4つの状態（state 1, state 2, state 3, state 4）を持つ。

state 1 (初期状態) $\xrightarrow{OnWriteData / sendData(0, data)}$ state 2
state 2 の自環遷移: (う) または (え) / (お)
state 2 $\xrightarrow{OnRecvAck(1) / \Lambda}$ state 3
state 3 $\xrightarrow{OnWriteData / sendData(1, data)}$ state 4
state 4 の自環遷移: (う) または (か) / (き)
state 4 $\xrightarrow{OnRecvAck(0) / \Lambda}$ state 1 (注: $\Lambda$ は「何もしない」を表すアクションである)

(1-3) 伝送路の帯域 (bandwidth) は $1600$ [ビット/秒]，伝搬遅延 (propagation delay) は $10$ [ミリ秒]，送信端末と受信端末のプロトコルの処理遅延 (processing delay) は $0$ [ミリ秒]，確認応答パケットは 8 ビット長と仮定する．このとき，24 ビット長のデータパケットを転送するプロトコル 3 の送信端末が，1 秒間に転送できる最大のデータパケット数を求めよ．あわせて，計算過程も示せ．

(1-4) 本小問では，伝送路でパケットが紛失することがあると仮定する．プロトコル 3 において，受信端末の動作を変えることなく，送信端末がデータパケットや確認応答パケットの紛失に対処する方法を一つ説明せよ．説明にあたっては，状態遷移図を示す必要はない．

(2) 伝送路における誤り検出 (error detection) に関する以下の各小問に答えよ．

(2-1) 以下の文章の空欄 (あ) 〜 (お) を埋めよ．

ある情報が送信された後，伝送路上において電気的雑音 (noise) により受信された情報に誤りが発生する場合がある．これに対処するためには，誤り検出が必要となる．誤り検出の例として， (あ) が挙げられる． (あ) とは，元の情報ビットに対し，1の総数が奇数または偶数となるようなチェックビット (check bit) を付与する方法である．例えば，$2^7$ 個の文字や記号を 7 ビットで表現する符号の場合，符号語 (codeword) 間の最小ハミング距離 (minimum Hamming distance) は 1 であるが，チェックビットを付与することによって符号語間の最小ハミング距離は (い) になる．一般に，最小ハミング距離が (い) の符号は， (う) ビットの誤りをすべて検出できる． 2ビット以上の誤りや，あるいは符号語の連続したビットに発生する誤りである (え) にも対処できるように，巡回符号 (cyclic code) が広く用いられる．巡回符号は， (え) の検出に優れており，生成多項式 (generator polynomial) の次数が $r$ であるとき， (お) ビット以下の (え) を必ず検出できる．

(2-2) 2元巡回符号 (binary cyclic code) を用いた誤り検出について，(2-2-1)〜(2-2-3) に答えよ．

(2-2-1) 生成多項式 $G(x)$ の2元巡回符号を考える．$G(x)$ の次数を $r$ とし，符号長を $n$ とする．このとき，情報ビットの長さ $m$ は $n-r$ である．情報ビット “$a_{m-1}a_{m-2}\dots a_1a_0$” を多項式 $$M(x) = a_{m-1}x^{m-1} + a_{m-2}x^{m-2} + \dots + a_1x + a_0$$ で表現するとき，$M(x)$ から符号語多項式 (code polynomial) $F(x)$ を生成する方法を説明せよ．

(2-2-2) 生成多項式 $G(x)$ として $$G(x) = x^4 + x + 1$$ を用いる．符号長 $n$ を $15$ とするとき，情報ビット “$00011010011$” を送信する場合の符号語多項式 $F(x)$ を，(2-2-1) で説明した方法をもとに生成せよ．

(2-2-3) 受信側において，受信語 (received word) を表す多項式に基づいて誤りを検出する方法を一つ説明せよ．

Kai

(1-1)

解答:
- (あ): sendData(0, data)
- (い): $\Lambda$ (または 何も行わない)
中文解析:
- 当发送方在 state 2（等待 ACK/NACK）时，如果收到 OnRecvNack(0)（即接收方检测到数据包0有错并返回否定应答），发送方需要重传该数据包。因此 (あ) 应执行 sendData(0, data)。
- 如果收到 OnRecvAck(0)（即成功接收确认），发送方转回 state 1 以等待上层应用写入新数据，在此过程中不需要发送任何新数据，因此 (い) 执行 \Lambda（无动作）。

(1-2-1)

日本語 (Japanese):
- 発生条件: 受信端末から送信された確認応答パケット（ACK）が伝送路上で破損（ビット誤りが発生）し、送信端末が OnRecvBiterr イベントを検知した場合。
- 理由: 送信端末は破損した ACK を受け取ると、データパケット（シーケンス番号 0）を再送する。しかし、プロトコル 2 ではシーケンス番号が 0 に固定されている（交互のシーケンス番号を持たない）ため、受信端末はこの再送パケットが「既に受け取ったパケットの重複」なのか「新しく送信された別のパケット」なのかを区別できない。その結果、受信端末は重複データを新しいデータとしてファイルに書き込んでしまい、ファイルの内容に不一致が生じる。
英語 (English):
- Condition: A positive acknowledgement (ACK) packet sent by the receiver is corrupted (bit error occurs) during transmission, triggering the OnRecvBiterr event at the sender.
- Reason: Upon receiving a corrupted ACK, the sender retransmits the data packet (with sequence number 0). However, because Protocol 2 uses a static sequence number of 0 (no alternating numbers), the receiver cannot distinguish whether this incoming packet is a duplicate of the already accepted packet or a brand-new packet. As a result, the receiver accepts the duplicate packet as new data and writes it to the file, causing a mismatch in file contents.
中文解析 (Chinese Analysis):
- 触发条件：接收方发送的确认包（ACK）在回传途中受损，导致发送方收到并触发了 OnRecvBiterr 事件。
- 不一致原因：发送方由于 ACK 损坏，无法确信接收方已成功收包，因而选择重传当前数据包（序号仍为0）。但由于协议没有交替序号（Alternating Sequence Number）设计，接收方在收到这个重传包时，无法辨别它是“上一个包的重复重传”还是“新发出的独立包”，进而直接将其作为新数据写入文件。这导致接收到的文件相比源文件多出了重复的数据块，内容不再一致。

(1-2-2)

解答:
- (う): OnRecvBiterr
- (え): OnRecvNack(0)
- (お): sendData(0, data)
- (か): OnRecvNack(1)
- (き): sendData(1, data)
【検証・注記】: 本問の図5（問題文の遷移図）には学術的な記載ミス（タイポ）が存在する。
- state 2（データ0のACK待ち）から state 3 への遷移が OnRecvAck(1) とされており，
- state 4（データ1のACK待ち）から state 1 への遷移が OnRecvAck(0) とされている。これは順序が逆であり，本来は「データ0を送信した後は OnRecvAck(0) で遷移する」のが正しい（rdt2.1/3.0準拠）。しかし，空欄 (う)～(き) の定義自体は再送処理ループ内であるため，このタイポの影響を受けずに以下のように一意に定まる。
- (う)：両方の待機状態で共通する再送トリガーである「応答パケットのビットエラー」$\to$ OnRecvBiterr。
- (え)：state 2 においてデータ0の否定応答を受け取ったイベント $\to$ OnRecvNack(0)。
- (お)：state 2 で行うべきデータ0の再送処理 $\to$ sendData(0, data)。
- (か)：state 4 においてデータ1の否定応答を受け取ったイベント $\to$ OnRecvNack(1)。
- (き)：state 4 で行うべきデータ1の再送処理 $\to$ sendData(1, data)。
中文解析: 这是可靠数据传输协议 rdt2.1（交替发送协议）的发送端状态机实现。
- 状态 2（等待对包0的确认）和状态 4（等待对包1的确认）中，引起包重传的共同原因都是“接收到的控制包受损”，因此公用空栏 (う) 填 OnRecvBiterr。
- 状态 2 对应包 0 的传输，所以当接收到否定确认 OnRecvNack(0)（即 (え)）时，重传数据包 0 sendData(0, data)（即 (お)）。
- 状态 4 对应包 1 的传输，所以当接收到否定确认 OnRecvNack(1)（即 (か)）时，重传数据包 1 sendData(1, data)（即 (き)）。 (注：原卷状态机中，去往下一个状态的判定条件 OnRecvAck(1) 与 OnRecvAck(0) 存在反向拼写错误，但在不考虑此笔误的情况下，根据自环转移逻辑，(う)～(き) 的答案完全不变。)

(1-3)

解答: $25$ 個
計算過程: プロトコル 3 は Stop-and-Wait（送達確認）プロトコルである。 1パケットあたりの総伝送時間 $T_{total}$ は、データパケットの送信遅延 $T_{data}$、往復伝搬遅延 $2 \cdot D_p$、処理遅延 $D_{proc}$、および確認応答パケットの送信遅延 $T_{ack}$ の和となる。
- データパケットの送信遅延: $$T_{data} = \frac{24 \text{ [ビット]}}{1600 \text{ [ビット/秒]}} = 0.015 \text{ 秒} \quad (15 \text{ ミリ秒})$$
- 確認応答パケットの送信遅延: $$T_{ack} = \frac{8 \text{ [ビット]}}{1600 \text{ [ビット/秒]}} = 0.005 \text{ 秒} \quad (5 \text{ ミリ秒})$$
- 往復の伝搬遅延: $$2 \cdot D_p = 2 \times 10 \text{ ミリ秒} = 20 \text{ ミリ秒} \quad (0.020 \text{ 秒})$$
- 処理遅延: $$D_{proc} = 0 \text{ 秒}$$ したがって，データパケット 1 個を送信して確認応答を受け取るまでの総時間 $T_{total}$ は： $$T_{total} = T_{data} + 2 \cdot D_p + T_{ack} + D_{proc} = 15 + 20 + 5 + 0 = 40 \text{ ミリ秒} \quad (0.040 \text{ 秒})$$ これより，1秒間（1000ミリ秒）に転送できる最大のデータパケット数 $N_{\max}$ は： $$N_{\max} = \frac{1 \text{ 秒}}{T_{total}} = \frac{1.0 \text{ 秒}}{0.040 \text{ 秒}} = 25 \text{ 個}$$
中文解析:
- 停止等待协议中，发送一个数据包从开始到收到 ACK 确认的总时间（不含排队和丢包重传）为： $$T_{total} = t_{data_transmission} + RTT + t_{ack_transmission} + t_{processing}$$
- 数据包传输延迟：$24\text{ bits} / 1600\text{ bps} = 0.015\text{ s} = 15\text{ ms}$。
- ACK包传输延迟：$8\text{ bits} / 1600\text{ bps} = 0.005\text{ s} = 5\text{ ms}$。
- 信号双程传播延迟：$RTT = 2 \times 10\text{ ms} = 20\text{ ms}$。
- 处理延迟为 0。
- 故单次循环时间 $T_{total} = 15 + 20 + 5 = 40\text{ ms} = 0.04\text{ s}$。
- 1秒钟内能发送的最大分组数为：$1 / 0.04 = 25$ 个。

(1-4)

日本語 (Japanese): 送信端末にタイムアウトタイマー（timeout timer）を導入する。送信端末はデータパケットを送信する際にタイマーをスタートさせ、あらかじめ設定した一定時間内（タイムアウト時間）に応答パケットが返ってこない場合、データパケットまたは応答パケットが途中で紛失したとみなして、該当するデータパケットを自動的に再送する。これにより、受信側の動作を変更することなく紛失に対処できる。
英語 (English): Introduce a timeout timer at the sender. Upon transmitting a data packet, the sender starts a timer. If no corresponding acknowledgement packet is received within a predefined time interval (timeout period), the sender assumes that either the data packet or its ACK was lost, and automatically retransmits the same data packet. This resolves the packet loss issue without requiring any modification to the receiver's logic.
中文解析 (Chinese Analysis): 引入**超时重传定时器（Timeout Timer）**机制。发送方在每次发送数据包的同时启动一个定时器。如果在预设的超时时间内没有收到来自接收方的任何确认包（ACK），则认为传输路径上发生了丢包（可能是数据包丢失，也可能是返回的确认包丢失）。此时，发送方将自动重新发送该数据包，从而在不需要改动接收方的情况下实现丢包修复。

(2-1)

解答: (あ) 奇偶検査 (またはパリティ検査), (い) 2, (c) 1, (d) バースト誤り, (e) $r$
中文解析:
- 简单的校验位添加方法是 (あ) 奇偶校验（パリティ検査 / parity check）。
- 加入1位校验位后，原本为1的最小哈明距离变为了 (い) 2。
- 最小哈明距离为 2 的编码可以完全检测出 (う) 1 位错误。
- 对于连续发生的密集型错误，称为 (え) 突发错误（バースト誤り / burst error）。
- 在循环冗余校验（CRC）中，若生成多项式次数为 $r$，则可以 $100%$ 保证检出长度不大于 (お) $r$ 位的突发错误。

(2-2-1)

日本語 (Japanese):
1. 情報多項式 $M(x)$ に $x^r$ を乗じて，$r$ 次だけ左シフトした多項式 $x^r M(x)$ を作成する．
2. $x^r M(x)$ を生成多項式 $G(x)$ で除算（GF(2) 上の排他的論理和を用いたモジュロ2除算）し，余り多項式 $R(x)$ （次数は $r-1$ 以下）を求める．すなわち，商を $Q(x)$ としたとき，次式が成立する： $$x^r M(x) = Q(x) G(x) \oplus R(x)$$
3. 符号語多項式 $F(x)$ は，$x^r M(x)$ に余り多項式 $R(x)$ を加算（GF(2) 上では加算と減算が等価であるため，XOR演算）することで得られる： $$F(x) = x^r M(x) \oplus R(x)$$
英語 (English):
1. Multiply the information polynomial $M(x)$ by $x^r$ to obtain $x^r M(x)$, shifting the message bits by $r$ positions to the left.
2. Divide $x^r M(x)$ by the generator polynomial $G(x)$ using modulo-2 polynomial division (arithmetic over Galois Field 2, GF(2)), yielding a remainder polynomial $R(x)$ of degree at most $r-1$. This relationship is represented as: $$x^r M(x) = Q(x) G(x) \oplus R(x)$$
3. The code polynomial $F(x)$ is constructed by adding (using XOR, which is equivalent to subtraction in GF(2)) the remainder polynomial $R(x)$ to $x^r M(x)$: $$F(x) = x^r M(x) \oplus R(x)$$
中文解析 (Chinese Analysis): 系统CRC循环冗余校验码生成的多项式表示方法如下：
1. 升幂移动：将信息多项式 $M(x)$ 乘以 $x^r$，使信息位向高位移动 $r$ 位，预留低位的校验位空间。
2. 模二除法求余：在有限域 GF(2) 上，将 $x^r M(x)$ 除以生成多项式 $G(x)$，得到商为 $Q(x)$ 和余数为 $R(x)$。余数多项式的最高次数小于 $r$。
3. 拼接生成码字：将余数 $R(x)$ 加到 $x^r M(x)$ 的末尾（由于GF(2)中加减法等价于异或，所以直接加即是拼接）。得到的符号多项式为 $F(x) = x^r M(x) \oplus R(x)$，它必能被 $G(x)$ 整除。

(2-2-2)

解答: $F(x) = x^{11} + x^{10} + x^8 + x^5 + x^4 + x^3 + 1$ (符号語ビット列は 000110100111001)
導出過程: 情報ビット “$00011010011$” から情報多項式 $M(x)$ を作成する．ビット長 $m = 11$ より： $$M(x) = 0 \cdot x^{10} + 0 \cdot x^9 + 0 \cdot x^8 + 1 \cdot x^7 + 1 \cdot x^6 + 0 \cdot x^5 + 1 \cdot x^4 + 0 \cdot x^3 + 0 \cdot x^2 + 1 \cdot x^1 + 1 \cdot x^0$$ $$M(x) = x^7 + x^6 + x^4 + x + 1$$ 生成多項式 $G(x) = x^4 + x + 1$ の次数は $r = 4$ である． $M(x)$ に $x^4$ を乗ずると： $$x^4 M(x) = x^{11} + x^{10} + x^8 + x^5 + x^4$$ これをビット列表記（$x^{11}$ から $x^0$ まで）すると，$[1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0]$ となる．生成多項式 $G(x) = x^4 + x + 1$ （ビット列表記は $[1, 0, 0, 1, 1]$）を用いて，GF(2) 上の多項式除算を行う． $$x^{11} + x^{10} + x^8 + x^5 + x^4 = (x^7 + x^6 + x^2 + x + 1)(x^4 + x + 1) \oplus (x^3 + 1)$$ よって，余り多項式 $R(x)$ は： $$R(x) = x^3 + 1$$ （ビット列は 1001）となる．したがって，生成される符号語多項式 $F(x)$ は： $$F(x) = x^4 M(x) \oplus R(x) = x^{11} + x^{10} + x^8 + x^5 + x^4 + x^3 + 1$$ であり，これを 15 ビット（$x^{14}$ から $x^0$ まで）の符号語ビット列で表すと 000110100111001 となる．
中文解析:
- 输入信息位有 11 位，对应多项式为 $M(x) = x^7 + x^6 + x^4 + x + 1$。
- 生成多项式 $G(x) = x^4 + x + 1$ 次数 $r=4$。
- 升幂项 $x^4 M(x) = x^{11} + x^{10} + x^8 + x^5 + x^4$。
- 进行模二除法： $$\frac{x^{11} + x^{10} + x^8 + x^5 + x^4}{x^4 + x + 1}$$ 利用异或模拟手算，求出余数 $R(x) = x^3 + 1$，对应二进制校验位为 1001。
- 组合得最终发送的多项式：$F(x) = x^{11} + x^{10} + x^8 + x^5 + x^4 + x^3 + 1$。
- 写成 15 位完整码字（前 11 位信息位 + 后 4 位校验位）：000110100111001。

(2-2-3)

日本語 (Japanese): 受信したビット列に対応する多項式を $Y(x)$ とする。受信側では、$Y(x)$ を生成多項式 $G(x)$ でモジュロ2除算し、その余り多項式（シンドローム） $S(x)$ を算出する。
- $S(x) = 0$ （余りがゼロ）であれば、伝送路中でビット誤りは発生しなかったと判定してデータを受理する。
- $S(x) \neq 0$ （余りがゼロでない）であれば、誤りが発生したと判定してデータを破棄（または再送を要求）する。
英語 (English): Let $Y(x)$ be the polynomial representing the received bit stream. The receiver divides $Y(x)$ by the generator polynomial $G(x)$ using modulo-2 division to compute the remainder polynomial (syndrome) $S(x)$.
- If $S(x) = 0$ (the remainder is zero), the receiver determines that no bit error occurred during transmission and accepts the data.
- If $S(x) \neq 0$ (the remainder is non-zero), the receiver detects that transmission errors occurred and rejects the data (or requests retransmission).
中文解析 (Chinese Analysis): 接收端检错的方法是计算余数校验（Syndrome/余式）：
1. 设接收到的 15 位比特流对应的多项式为 $Y(x)$。
2. 接收端将其除以生成多项式 $G(x)$（模二除法），计算余数多项式 $S(x)$。
3. 判定依据：
  - 若 $S(x) = 0$，说明能被整除，判定传输中无差错，正常接收。
  - 若 $S(x) \neq 0$，说明产生了差错，判定数据损坏，进行丢弃或要求重传。

Osaka University IST Graduate Entrance Exam (2010)

Fri, 10 Jul 2026 13:00:00 GMT

大阪大学情報科学研究科情報工学 2010年8月実施必須問題

Author

KardeniaPoyu

Description

配点： (1) 15点, (2) 24点, (3) 24点, (4-1) 13点, (4-2) 12点, (4-3) 12点

図1の ANSI-C 準拠である C 言語のプログラムは、53行目の整数型 (int 型) 配列 (array) dat で与えられる入力に対して、昇順 (ascending order) に整列 (sort) するプログラムである。以下の各問に答えよ。

#include <stdio.h>
#define MAX 8

void display(int *arr) {
    int i;
    for(i=0; i<MAX; i++) printf("%d ", arr[i]);
    printf("\n");
}

int arrange(int a, int b, int *arr) {
    int left, right, bd, temp;
    left=a; right=b; bd=arr[(a+b)/2];
    
    while(1) {
        while(arr[left]<bd) {
            left++; if(left>b) break;
        }
        while(arr[right]>=bd) {
            right--; if(right<a) break;
        }
        
        if(right<a) {
            arr[(a+b)/2]=arr[a]; arr[a]=bd;
            return a+1;
        } else if(left<=right) {
            temp=arr[left];
            arr[left]=arr[right]; arr[right]=temp;
            left++; right--;
        } else {
            break;
        }
    }
    return(left);
}

void sort(int a, int b, int *arr) {
    int k;
    if(b<=a) return;
    k=arrange(a, b, arr);
    display(arr);
    sort(a, k-1, arr);
    sort(k, b, arr);
}

int main(void) {
    int dat[]={30, 50, 70, 40, 20, 80, 60, 10};
    sort(0, MAX-1, dat);
    display(dat);
    return 0;
}

(1) このプログラムで実現されている整列方式 (sorting algorithm) の名称を答えよ。

(2) このプログラムの4行目の display 関数を、1回目に呼び出すときと、3回目に呼び出すときの、配列 dat の内容を記述せよ。

(3) このプログラムは、入力を指定する53行目の配列 dat によって動作が変化する。49行目の sort 関数の呼び出しにおいて、常に k と b が等しくなり、かつ25行目の処理が行われないように、配列 dat を並べ替えよ。

(4) 49行目の sort 関数の呼び出しにおいて、常に k と b が等しくなる配列 dat が与えられたときについて、以下の各小問に答えよ。 (4-1) 配列 dat の要素数を $n$ としたとき、プログラム実行の全体における sort 関数が呼び出される回数を求めよ。 (4-2) このような状況における、このプログラムが示す整列方式の時間計算量 (time complexity) を、整列要素数 $n$ を用いてオーダー表記 (order notation) で答えよ。 (4-3) これは、このプログラムが示す整列方式にとってどのような状況であるか、時間計算量の観点から簡潔に述べよ。

Kai

(1)

解答: クイックソート (Quick Sort)

(2)

解答:

1回目: 30, 10, 20, 40, 70, 80, 60, 50
3回目: 10, 20, 30, 40, 70, 80, 60, 50

解説: arrange 関数は与えられた範囲の中央の要素 arr[(a+b)/2] をピボット (bd) とし、それ未満の要素を左側、それ以上の要素を右側に分割します。

初期状態の配列: 30, 50, 70, 40, 20, 80, 60, 10

1回目の sort(0, 7, dat) 呼び出し時の arrange(0, 7, dat):

ピボット bd = arr[3] = 40
leftは40未満の要素を探し、rightは40以上の要素を探して交換します。
1回目の交換: arr[1] (50) と arr[7] (10) を交換。配列は 30, 10, 70, 40, 20, 80, 60, 50 となる。
2回目の交換: arr[2] (70) と arr[4] (20) を交換。配列は 30, 10, 20, 40, 70, 80, 60, 50 となる。
この後、leftは3 (40)、rightは2 (20) となりループを終了。leftである k=3 を返します。
ここで1回目の display が呼ばれます。配列は 30, 10, 20, 40, 70, 80, 60, 50。

次に sort(0, 2, dat) が呼ばれます（arrange(0, 2, dat)）:

ピボット bd = arr[1] = 10
right が -1 まで減少し right < a の条件を満たし、25行目で arr[1] と arr[0] の値を操作します。結果的に arr[0] に 10、arr[1] に 30 が入ります。
返り値は k = 1。
ここで2回目の display が呼ばれます。配列は 10, 30, 20, 40, 70, 80, 60, 50。

次に左側 sort(0, 0, dat) が呼ばれて直ちにリターンし、右側 sort(1, 2, dat) が呼ばれます（arrange(1, 2, dat)）:

ピボット bd = arr[1] = 30
left は2 (20)、right は2 (20) で停止し、arr[1] (30) と arr[2] (20) を交換します。
返り値は k = 2。
ここで3回目の display が呼ばれます。配列は 10, 20, 30, 40, 70, 80, 60, 50。

(3)

解答: 20, 40, 60, 80, 10, 50, 30, 70

解説: k と b が常に等しくなるということは、arrange 関数の返り値である left が常に b になることを意味します。この時、分割後の右側の要素数が1つ（kからbなのでbのみ）、左側の要素数がそれ以外すべてという最も偏った分割が毎回の再帰で発生します。また、25行目が実行されないためには、right < a が真にならない必要があります。これを実現するためには、各再帰ステップにおいて、選択されるピボット arr[(a+b)/2] が、その部分配列 arr[a...b] における最大値であり、交換によって arr[b] の位置に移動し、残りの要素が左側に寄るようにする必要があります。ソート済みの状態から逆順に操作を辿ることで、この特定の入力配列を構築できます。

(4-1)

解答: $2n - 1$ 回

解説: k=b が常に成り立つため、部分配列のサイズ $m$ に対する sort(a, b) は、サイズ $m-1$ の sort(a, b-1) と、サイズ $1$ の sort(b, b) を呼び出します。サイズ $n$ の最初の呼び出しから始まり、サイズ $n-1, n-2, \dots, 1$ と再帰が深くなります。各ステップで、サイズ1の部分問題（ベースケースで直ちに終了）が1回呼ばれます。したがって、sort の呼び出し回数は、サイズが減っていく主流の呼び出しが $n$ 回、そこから派生するサイズ1の呼び出しが $n-1$ 回となり、合計で $n + (n-1) = 2n-1$ 回となります。

(4-2)

解答: $O(n^2)$

解説: 分割が常に最も不均等（要素数 $n-1$ と $1$）に行われるため、要素数 $n$ の再帰方程式は $T(n) = T(n-1) + T(1) + O(n)$ となります。これを展開すると $O(n^2)$ の時間がかかります。

(4-3)

解答: クイックソートにおいて、ピボットとして常に部分配列の最大値（または最小値）が選ばれ、分割が最も不均等に行われるため、再帰の深さが $O(n)$ となり、性能が最悪（最悪時間計算量）となる状況である。

Osaka University IST Graduate Entrance Exam: Bilingual Revision Cards (2009-2024)

Fri, 10 Jul 2026 09:30:00 GMT

大阪大学院入試：情報科学研究科 2009〜2011年記述式問題（簡答題）英日バイリンガル暗記カード

本ドキュメントは、大阪大学大学院情報科学研究科の過去問（2009年〜2011年）におけるすべての記述式問題（簡答題）を、日本語と英語の双方で記述した暗記用ガイドです。

2009年記述式問題

Q1-5: クイックソートの最悪時間計算量が $O(n^2)$ になる証明

日本語 (Japanese): 最悪の場合、各分割（Partition）において、ピボットが常に現在の区間の最大値または最小値となる。これにより、サイズ $n$ の問題がサイズ $n-1$ と $0$ の二つの部分問題に分割される。再帰の深さが $O(n)$ に退化し、各階層の比較回数の総和は $\sum_{i=1}^{n} (i-1) = \frac{n(n-1)}{2} = O(n^2)$ となる。
英語 (English): In the worst case, each partition yields an extremely unbalanced split where the pivot is always the maximum or minimum element of the current subarray. This divides the problem of size $n$ into subproblems of size $n-1$ and $0$. The recursion tree depth degenerates to $O(n)$, and the total number of comparisons across all levels becomes $\sum_{i=1}^{n} (i-1) = \frac{n(n-1)}{2} = O(n^2)$.
中文解析 (Chinese Analysis): 最坏情况下，快速排序退化为每次划分子数组时，基准元素（Pivot）总是子数组中的最大值或最小值。这导致递归树深退化为 $O(n)$，每一层需要与剩余的所有元素进行比较，总比较次数为 $O(n^2)$。通常在数组已经完全有序（正序或逆序）时且总是选择端点作为基准时触发。

Q2-1-2: プロセスのメモリ空間の独立性とコピーオンライト (COW)

日本語 (Japanese): 親プロセスと子プロセスは完全に独立した仮想メモリ空間を持つ。物理メモリを節約するため、fork() 直後は同一の物理ページフレームを指し、「読み取り専用」に設定される。いずれかのプロセスが書き込みを試みると、ページフォルトが発生し、OSが物理ページを複製してページテーブルを更新する（書き込み時コピー / Copy-on-Write）。
英語 (English): The parent and child processes have completely independent virtual memory spaces. To save physical memory, immediately after fork(), their page tables map to the same physical page frames marked as read-only. When either process attempts to write to a page, a page fault is triggered, and the OS allocates a new page frame, copies the content, and updates the page table (Copy-on-Write).
中文解析 (Chinese Analysis): 写时复制（Copy-on-Write, COW）是一种内存管理优化技术。通过 fork() 创建子进程时，并不立刻复制父进程的整个物理内存空间，而是将页表指向相同的物理内存页，并将这些页设为只读。只有当其中一个进程尝试对这些内存页进行写操作时，CPU 才会触发缺页异常（Page Fault），操作系统此时复制该物理页并更新页表映射，从而在减少不必要内存复制的同时保证了父子进程内存空间的独立性。

Q2-1-3: 孤児（Orphan）プロセスとゾンビ（Zombie）プロセスの違い

日本語 (Japanese):
- 孤児プロセス: 子プロセスの実行中に親プロセスが先に終了した状態。子プロセスは init プロセス（PID 1）に里親（Adopt）され、その終了時に資源が回収される。
- ゾンビプロセス: 子プロセスがすでに終了しているが、親プロセスが wait() 等のシステムコールを実行しておらず、プロセス制御ブロック（PCB）内の終了ステータス情報が未回収のまま残っている状態。
英語 (English):
- Orphan Process: A child process whose parent process has terminated first while the child is still running. The child is adopted by the init process (PID 1), which reaps it upon termination.
- Zombie Process: A terminated child process whose exit status has not yet been read by its parent process via the wait() system call, leaving its process control block (PCB) in the process table.
中文解析 (Chinese Analysis): 孤儿进程（Orphan）指父进程已先终止，而子进程还在运行，会被 init 进程（PID 1）领养并自动回收；僵尸进程（Zombie）则是子进程已终止，但父进程尚未调用 wait() 进行状态收集，导致子进程的进程控制块（PCB）依然滞留在系统中占用资源。

Q2-2: ページフォルト（欠ページ例外）の発生とカーネルによる処理フロー

日本語 (Japanese):
1. プロセスが仮想アドレスにアクセスし、MMUがページテーブルを参照して有効ビット（Valid Bit）が0であることを検出する。
2. ハードウェアがページフォルト例外を発生させ、CPUがカーネルモードに移行して状態を保存する。
3. OSの例外ハンドラが起動し、空き物理フレームを探し、必要に応じてページ置換を行う。
4. スワップ領域から該当ページをメモリにロードする（ディスクI/O）。
5. ページテーブルの物理フレーム番号と有効ビットを更新する。
6. 中断された命令を再実行し、プロセスは透過的に実行を継続する。
英語 (English):
1. The CPU accesses a virtual address, and the MMU finds that the corresponding page table entry has a valid bit of 0.
2. A page fault exception is triggered, causing a hardware trap to kernel mode and saving the CPU registers.
3. The OS page fault handler is invoked to locate a free page frame, performing page replacement if necessary.
4. The required page is read from the disk swap space into the physical memory frame (disk I/O).
5. The OS updates the page table entry with the physical frame number and sets the valid bit to 1.
6. The interrupted instruction is restarted, allowing the process to resume execution seamlessly.
中文解析 (Chinese Analysis): 缺页异常处理流程：CPU访问无效虚拟页面时触发中断，挂起进程并切到内核态。OS处理程序寻找空闲物理页框（满则置换页换出到磁盘），通过磁盘I/O将目标页读入物理页框，随后更新页表映射关系并将有效位置1，最后让CPU恢复并重新执行先前被中断的访问指令。

Q2-3: ページ置換アルゴリズム FIFO と LRU の比較

日本語 (Japanese):
- FIFO (First-In First-Out): 最も早くメモリに入ったページを置換対象とする。キューで簡単に実装できるが、頻繁にアクセスされるページを置換する恐れがあり、物理フレームを増やしても欠ページ率が上昇する「Beladyの例外」が発生しうる。
- LRU (Least Recently Used): 最も長い間アクセスされていないページを置換対象とする。局所性の原理に基づいておりヒット率が高いが、アクセス履歴（時間情報）を記録するためのハードウェアサポートが必要で、実装コストが高い。
英語 (English):
- FIFO (First-In, First-Out): Replaces the oldest page in memory. It is simple to implement using a queue, but may evict heavily used pages and is susceptible to Belady's anomaly, where increasing the number of physical frames increases the page fault rate.
- LRU (Least Recently Used): Replaces the page that has not been accessed for the longest time based on temporal locality. It offers high hit rates but requires hardware timestamps or stacks to track access history, incurring high implementation overhead.
中文解析 (Chinese Analysis): FIFO算法最先入页最先出，结构简单但易产生Belady异常并换出高频页；LRU基于时间局部性置换最久未访问页，效果好，但必须借助硬件（如计数器/栈）维护访问时间记录，硬件与运行开销大。

Q11-1: ARQ方式（Stop-and-Wait, Go-back-N, Selective Repeat）における送受信側のバッファ・ウィンドウ管理機能

日本語 (Japanese):
- Go-back-N方式において必要だが、Stop-and-Wait方式で不要な機能:
  1. 送信側における送信済未確認データフレーム数の管理: Stop-and-Waitでは未確認フレーム数が最大1であるのに対し、Go-back-Nでは最大 $N$ 個のフレームが送信可能なため、ウィンドウ制限のために送信数を管理する必要がある。
  2. 送信側における最大 $N$ 個のデータフレームバッファの管理: 再送発生時に備えて、送信済で未確認のフレームを最大 $N$ 個バッファに保持して管理する必要がある。
- Selective Repeat方式において必要だが、Go-back-N方式で不要な機能:
  1. 受信側における受信済データフレーム番号の管理: Go-back-Nは順序通りに受信するため「期待する次のシーケンス番号」のみを保持すればよいが、Selective Repeatは順不同の到着を許容するため、どのフレームを受信したかを個別にビットマップ等で管理する必要がある。
  2. 受信側における最大 $N$ 個のデータフレームバッファの管理: 欠損フレームが再送されて順序が揃うまで、順不同で到着したフレームを一時的に保持するための受信バッファを管理する必要がある。
英語 (English):
- Functions needed in Go-back-N but NOT in Stop-and-Wait:
  1. Management of the number of sent but unacknowledged data frames at the sender: Stop-and-Wait only has at most 1 in-flight frame, whereas Go-back-N allows up to $N$ frames, requiring the sender to track this count to enforce the window limit.
  2. Management of a buffer of at most $N$ data frames at the sender: The sender must buffer up to $N$ sent but unacknowledged frames to enable retransmission in case of loss or corruption.
- Functions needed in Selective Repeat but NOT in Go-back-N:
  1. Management of received data frame sequence numbers at the receiver: Go-back-N only accepts in-order frames and needs to store only the next expected sequence number. Selective Repeat allows out-of-order arrival, requiring the receiver to track which specific sequence numbers have been received.
  2. Management of a buffer of at most $N$ data frames at the receiver: Go-back-N discards out-of-order frames immediately, whereas Selective Repeat must buffer up to $N$ out-of-order frames until the missing frame is retransmitted and the sequence can be delivered in order.
中文解析 (Chinese Analysis): GBN相比Stop-and-Wait需在发送端维护大小为N的已发送未确认缓冲队列及滑动窗口，以便超时能全部重传。SR相比GBN需在接收端维护大小为N的乱序接收缓冲并跟踪各帧独立确认标志，以支持非顺序的选择性接收和暂存，待接收窗口内帧按序到齐后再交付上层。

Q11-5: ARQ方式の誤り率に対する平均スループットの変化特性と理由

日本語 (Japanese):
- 横軸の指標: フレーム誤り率 ($P_e$)
- 方式と曲線の対応: 上から順に Selective Repeat ARQ (直線)、Go-back-N ARQ (下凸の曲線)、Stop-and-Wait ARQ (直線)。
- 理由:
  1. Selective Repeat ARQ: エラーが発生したフレームのみを個別に再送するため、伝送効率は誤り率に対し線形に低下し（$\eta = 1 - P_e$）、最も高い直線となる。
  2. Go-back-N ARQ: エラーが発生するとそれ以降の未確認フレームも含めて全フレームを再送するため、誤り率の増加に伴い再送オーバーヘッドが非線形に急増し（$\eta = \frac{1-P_e}{1+(M-1)P_e}$、ここで $M$ はラウンドトリップ内のフレーム数）、中間の曲線となる。
  3. Stop-and-Wait ARQ: 1フレームごとに確認応答（ACK）を待つため、無エラー時でも最大利用率が $50%$ に制限され、スループットは $500(1-P_e)$ bps の最も低い直線となる。
英語 (English):
- Horizontal Axis Metric: Frame error rate ($P_e$)
- Mapping: From top to bottom: Selective Repeat ARQ (straight line), Go-back-N ARQ (downward-curving line), Stop-and-Wait ARQ (straight line).
- Reasons:
  1. Selective Repeat ARQ: Since only the corrupted or lost frames are retransmitted, the efficiency decreases linearly with the frame error rate $P_e$ ($\eta = 1 - P_e$), yielding the highest straight line.
  2. Go-back-N ARQ: A single frame corruption triggers the retransmission of all subsequent unacknowledged frames in that round-trip, scaling the overhead non-linearly with $P_e$ ($\eta = \frac{1-P_e}{1+(M-1)P_e}$), forming the middle curving line.
  3. Stop-and-Wait ARQ: The sender must wait for an ACK after every frame, limiting the maximum channel utilization to $50%$ even when $P_e = 0$. Its throughput is $500(1-P_e)$ bps, resulting in the lowest straight line.
中文解析 (Chinese Analysis): 横坐标为帧错误率。三条线由上至下依次为SR、GBN和Stop-and-Wait。SR仅重传出错帧，吞吐效率随错误率线性下降；GBN单帧出错导致后续帧连带重传，开销非线性剧增；Stop-and-Wait因必须等单帧确认而极大限制度量，即使无错时吞吐率依然是最低的直线。

2010年記述式問題

Q2-3: 1の補数における循環桁上げ（End-around Carry）の数学的導出

日本語 (Japanese): 1の補数における負数 $X$ の無符号値は $(X)2 = X{1c} + 2^n - 1$ である。加算器で $(A)2 + (B)2 = 2^n + [2^n - 1 + (A){1c} + (B){1c}] - 1$ を計算すると、最上位桁あふれの $2^n$ が発生し、加算器の $n$ ビット出力は目的値より 1 小さくなる。このため、最上位桁の桁上げ（Carry-out）出力を最下位桁の桁上げ（Carry-in）入力にフィードバック（加算）する「循環桁上げ」が必要となる。
英語 (English): In 1's complement, the unsigned value of a negative number $X$ is $(X)2 = X{1c} + 2^n - 1$. Adding two numbers yielding $(A)2 + (B)2 = 2^n + [2^n - 1 + (A){1c} + (B){1c}] - 1$ produces a carry-out of $2^n$, leaving the remaining $n$-bit output 1 less than the desired value. Hence, "end-around carry" is required to feed back the carry-out from the MSB into the carry-in of the LSB to add the missing 1.
中文解析 (Chinese Analysis): 1的补数中负数用 $2^n - 1 - |X|$ 表示。加法运算若向最高位产生权值为 $2^n$ 的进位时，实际在模 $2^n - 1$ 的空间下应折算为加1，因此必须将最上位的进位输出（Carry-out）加回到最下位（Carry-in）做补偿。

Q2-4: デッカー（Dekker）のアルゴリズムにおける相互排除条件

日本語 (Japanese): 相互排除を実現するためには、(1) 相互排除条件、(2) デッドロック回避条件、(3) 有限待ち条件の3つを満たす必要がある。デッカーのアルゴリズムは、意図フラグ（c1, c2）と優先権変数（turn）を組み合わせることで、両プロセスが同時にアクセスを希望した際のデッドロックを回避し、これらの条件をすべて満たす。
英語 (English): To achieve mutual exclusion, three conditions must be satisfied: (1) Mutual Exclusion, (2) Progress (avoidance of deadlock), and (3) Bounded Waiting. The Dekker algorithm combines intent flags (c1, c2) and a turn variable to resolve conflicts when both processes attempt to enter the critical section simultaneously, successfully satisfying all three requirements without deadlock.
中文解析 (Chinese Analysis): 满足互斥三大原则：互斥进入、前进（空闲不阻塞进入）、有限等待（不饥饿）。Dekker通过意图标志配合turn变量轮流表态并在冲突时退让特权，彻底消除死锁和饥饿，保证了全部互斥条件。

Q11-2-2: ルーティングメトリック（ホップ数と帯域幅/遅延）の定義と欠点

日本語 (Japanese):
- ホップ数: 経由するルータの数。欠点は、リンクの帯域幅（通信速度）や遅延を無視するため、高速な遠回り経路ではなく低速な直通経路を選択してしまうこと。
- 帯域幅/遅延: リンクの物理的な伝送速度。欠点は、トラフィックの動的な混雑度（キューイング遅延）を考慮しないため、輻輳している経路にパケットを送り続けてしまうこと。
英語 (English):
- Hop Count: The number of routers a packet passes through. The drawback is that it ignores link bandwidth and propagation delay, potentially choosing a slow direct path over a fast path with more hops.
- Bandwidth/Delay: The physical transmission speed of a link. The drawback is that it often reflects static capacities and fails to account for dynamic network congestion (queueing delay), leading to packet forwarding along heavily congested links.
中文解析 (Chinese Analysis): 跳数是以路由器数为开销度量，缺点是忽略带宽，易选低速短程；带宽/延迟度量反映物理链路容量，缺点通常是静态的，忽视了队列积压带来的动态拥塞开销。

Q11-2-3: フラッディング制御とループ防止メカニズム

日本語 (Japanese):
1. TTL（生存時間）メカニズム: パケットヘッダ内のTTLフィールドをルータが経由するたびに1減らし、0になった時点でパケットを破棄することで、ネットワーク内での無限ループを防ぐ。
2. 重複パケット検出（履歴テーブル法）: 各ルータがすでに転送したパケットのID（履歴）を記録し、同一IDのパケットを再度受信した場合は転送せず破棄する。
英語 (English):
1. TTL (Time-to-Live) Mechanism: The TTL field in the packet header is decremented by 1 at each router, and the packet is discarded when TTL reaches 0, preventing infinite looping in networks with cycles.
2. Duplicate Packet Detection (History Table): Each router records the IDs of recently forwarded packets. If a packet with a duplicate ID is received, the router drops it instead of forwarding it again.
中文解析 (Chinese Analysis): TTL每经一跳减1，归0时丢弃包，防止循环数据包在网络拓扑中无限循环；重复报文检测（历史表法）通过记录近来转发过的包标识，收到重包直接丢弃不再扩散。

Q11-2-4: RIP と OSPF の比較（トポロジサイズと収束速度）

日本語 (Japanese):
- トポロジデータのサイズ: RIPは隣接ルータとの間でルーティングテーブル全体（データサイズ $O(N)$）を交換する。OSPFはリンク状態（LSA）をフラッディングし、全ルータが同じトポロジマップ（LSDB）を持つため、データサイズは大きくなる。
- 収束速度: RIPは30秒ごとの周期的な情報交換を行うため収束が遅く、無限大カウント問題（Count-to-Infinity）がある。OSPFはイベント駆動型で変化時に即座にフラッディングし、ダイクストラで高速に再計算するため、収束速度が極めて速い。
英語 (English):
- Topology Data Size: RIP exchanges entire routing tables ($O(N)$ size) with neighbors. OSPF floods link states (LSAs) so that all routers build a complete topology map (LSDB), which requires larger memory and message sizes.
- Convergence Speed: RIP updates periodically every 30 seconds, leading to slow convergence and vulnerability to the count-to-infinity problem. OSPF is event-driven, immediately flooding changes and recalculating paths using Dijkstra, resulting in extremely fast convergence.
中文解析 (Chinese Analysis): 信息交换：OSPFルータ广播自己接口邻接LSA，网络各点通过洪泛实现LSDB拓扑全同步；Dijkstra执行：ルータ以自身为源根节点，从LSDB完整路径树上运算求单源最短树，进而写表更新。

2011年記述式問題

Q3-1-2-1: 同期型パイプラインにおけるクロックサイクル $\tau$ の制約

日本語 (Japanese): クロックサイクル時間 $\tau$ は、各ステージの独立した機能ブロックにおける最大遅延時間以上でなければならない。
英語 (English): The clock cycle time $\tau$ must be greater than or equal to the maximum delay time of any individual stage's independent functional block.
中文解析 (Chinese Analysis): 同步流水线的时钟周期必须大于或等于最慢的流水阶段延迟加上寄存器锁存开销（$\tau \ge \max(T_{stage}) + d_{reg}$），以确保慢速阶段也能在一个周期内算完，时钟周期不能小于最长阶段的执行时间。

Q3-2-2-3: ファイルシステムのブロックサイズが空間効率と転送時間に及ぼす影響

日本語 (Japanese):
- 空間効率: ブロックサイズが小さいほど、小ファイル保存時の内部フラグメンテーション（内部断片化）が抑えられ、ディスク容量の利用効率が高くなる。
- 転送速度: ブロックサイズが大きいほど、同一ファイルに対するシーク（Seek）回数が減少し、ボトルネックである機械的遅延が低減されるため、非連続ファイル配置時の平均転送時間が劇的に短縮される。
英語 (English):
- Space Efficiency: Smaller block sizes reduce internal fragmentation when storing small files, leading to higher disk capacity utilization.
- Transfer Performance: Larger block sizes reduce the number of seeks required for a given file size, mitigating the mechanical delay bottleneck and drastically shortening the average transfer time for non-contiguous files.
中文解析 (Chinese Analysis): 空间效率：块越小，尾部空隙（内部断片）浪费越少，存小文件利用率高；传输时间：块越大，读取大文件所需的机械寻道开销次数越少，非连续文件传输性能越佳。

Q11-2-4: OSPF ルーティングプロトコルにおける情報交換とダイクストラの実行

日本語 (Japanese):
- ノードの動作と情報交換: 各ルータは、自身の隣接リンクの状態をLSAとしてネットワーク全体にフラッディングする。これにより、すべてのルータが同じリンク状態データベース（LSDB）を共有し、ネットワークの同一トポロジマップを構築する。
- ダイクストラの実行方法: 各ルータは、自身を始点ノード（根）とするダイクストラアルゴリズムを独立して実行し、最短経路木（SPT）を計算して、ルーティングテーブルを構築する。
英語 (English):
- Node Operations and Information Exchange: Each router floods its adjacent link states as LSAs to the entire network. Consequently, all routers share the identical LSDB, building a unified map of the network topology.
- Dijkstra Execution: Each router independently executes Dijkstra's algorithm with itself as the source node (root) to calculate a Shortest Path Tree (SPT), constructing its routing table.
中文解析 (Chinese Analysis): 信息交换：OSPFルータ广播自己接口邻接LSA，网络各点通过洪泛实现LSDB拓扑全同步；Dijkstra执行：ルータ以自身为源根节点，从LSDB完整路径树上运算求单源最短树，进而写表更新。

Q11-2-5: 静的ルーティングと動的ルーティングの主な違い、利点・欠点

日本語 (Japanese):
- 主な違い: 静的ルーティングでは、管理者が手動でルーティングテーブルを設定し、トポロジ変化時に自動更新されない。動的ルーティングでは、ルータがプロトコルを実行して制御情報を自動で交換し、トポロジ変化に応じてテーブルを更新する。
- 動的ルーティングの利点: 障害発生時に代替経路へ自動的に迂回する（耐障害性）、新規ノード追加時に自動で経路を学習するため管理コストが低い（スケーラビリティ）。
- 動的ルーティングの欠点: 制御情報の交換と経路計算により、帯域幅とCPU・メモリ資源を消費する（システムオーバーヘッド）、不正更新や設定ミスによるルーティングループや脆弱性が発生しやすい。
英語 (English):
- Key Difference: In static routing, routing tables are manually configured by administrators and do not update automatically when the topology changes. In dynamic routing, routers run routing protocols to exchange control information and automatically update routing tables in response to topology changes.
- Advantages: Automatic rerouting to backup paths upon link failures (Fault Tolerance), and automatic path discovery when new nodes are added, reducing administrative overhead (Scalability).
- Disadvantages: Consumes network bandwidth and CPU/memory resources (System Overhead), and is susceptible to routing loops or security vulnerabilities from misconfigurations or malicious updates.
中文解析 (Chinese Analysis): 区别：静态路由手动设、无自主感知；动态路由靠协议自动协商交互并实时改变。动态优点在于能自动改道应对链路失效，少人工干预；缺点在于产生协议报文带宽CPU资源开销，可能发生路由环路与安全毒化。

2024年記述式問題

Q1-2-3: 二分挿入ソートで比較回数が最小となる初期配列の条件と理由

日本語 (Japanese):
- 条件: 初期配列が降順に整列されていること。
- 理由: 各イテレーションにおいて、新要素がソート済み部分配列の先頭（インデックス 0）に挿入される場合、二分探索の判定は常に左側へ分岐し、比較回数は最小の $\lfloor \log_2(i+1) \rfloor$ となる。これを満たすには、新要素が常に既存の全要素より小さくなければならないため。
英語 (English):
- Condition: The initial array is sorted in descending order.
- Reason: In each iteration, if the new key is inserted at index 0, the binary search always branches to the left, minimizing the number of comparisons to $\lfloor \log_2(i+1) \rfloor$. This requires each new key to be smaller than all elements in the sorted subarray, which is satisfied by descending order.
中文解析 (Chinese Analysis): 条件：初始数组为降序排列。原因：折半插入法中，如新插入数小于排序序列的所有数，折半查找分歧一律向左，每次刚好达到查找下限 $\lfloor \log_2(i+1) \rfloor$（无多余判等比较）。降序排列时，新读入的元素总是当前所有已处理元素中的最小值，恰好能触发此最少比较回数。

Q2-2-1: 最適なページ置換アルゴリズム（OPT）における置換対象の選択基準

日本語 (Japanese): メモリ内にあるページのうち、今後最も長い時間参照されない（または二度と参照されない）ページを優先的に置き換え対象とする。
英語 (English): The page in memory that will not be referenced for the longest duration (or will never be referenced again) in the future is prioritized for eviction.
中文解析 (Chinese Analysis): 页面调度时，优先选择那些未来最长周期不会被读取（或再也不用读）的页换出。这是非前瞻性实际操作的下限（作为对比参考），无法在运行时预测实现。

Q5-1: CSMA/CDにおける衝突検出時の動作（空欄X）

日本語 (Japanese): 衝突を検出した場合には直ちに送信を中止し，ランダムな時間待機した後に再送を行う。
英語 (English): aborts transmission immediately if a collision is detected, and performs retransmission after waiting for a random time.
中文解析 (Chinese Analysis): 一旦侦测出信道碰撞冲突，节点需即刻停发，并抛出拥塞阻塞噪声以通知全网，然后基于退避算法得出一个随机等候间隔后方可发起重试。

Q5-2: CSMAにおいて伝送媒体の伝搬遅延時間が長くなると、単位時間あたりに衝突なしに受信されるフレーム数が減少する理由

日本語 (Japanese): 伝搬遅延時間が増大すると、他の端末に信号が届くまでの時間（衝突窓）が長くなり、載波検出で「空き」と誤認して送信を開始し、フレームの衝突が起きる確率が増大するため。
英語 (English): An increase in propagation delay expands the vulnerable period (collision window), during which other nodes may falsely sense the channel as idle and start transmitting, increasing the collision probability.
中文解析 (Chinese Analysis): 延迟大代表发出的电波尚未抵达远端，该段时间（碰撞窗口）变宽。监听误判为空白便发信，从而极易在中途撞车，减少了顺畅投送率。

Q5-3-1: キャリアセンスとフレーム衝突の語句を用いて隠れ端末問題を説明せよ

日本語 (Japanese): 無線端末1と2は互いに電波が届かずキャリアセンスで検出できないため、双方が送信すると、双方の電波が届く范围にある無線端末3でフレーム衝突が発生する。
英語 (English): Since Terminals 1 and 2 are out of range of each other, they cannot detect each other's signals via carrier sense. When both transmit, their signals overlap at Terminal 3, causing a frame collision.
中文解析 (Chinese Analysis): 无线端点A和B相距太远彼此听不见对方，不能由载波监听觉察对方发送。一旦同时向共用中继C写数据，在C接收天线处重叠，造成严重的帧冲突损坏。

Q5-3-2: CSMA/CAにおけるRTS/CTSを用いた隠れ端末問題の対処手順

日本語 (Japanese):
1. 送信側がデータ送信の前に RTS を送信する。
2. 受信側が送信所要時間情報を含む CTS をブロードキャストする。
3. 隠れ端末は CTS を受信し、その時間情報に基づいて NAV を設定し送信を控える。
4. 送信側はデータを安全に送信し、受信側から ACK を受信する。
英語 (English):
1. The sender transmits an RTS frame before data transmission.
2. The receiver broadcasts a CTS frame containing the transmission duration.
3. The hidden terminal hears the CTS and sets its NAV to defer transmission.
4. The sender transmits the data frame safely and receives an ACK from the receiver.
中文解析 (Chinese Analysis): 解决过程：发送方发送短小的RTS报文请求，接收方返回CTS覆盖全局；听到CTS的隐蔽终端通过NAV静默避让；发送方在无干扰下畅快发完整Data并收ACK确认。

2023年記述式問題

Q1-1-2: 線形探索法ハッシュテーブルの挿入ループ終了条件（互いに素）

日本語 (Japanese): 探索ステップ幅（\texttt{delta}）とハッシュ表のサイズ（$N$）が互いに素であること（$\gcd(\text{delta}, N) = 1$）。これにより、探査シーケンスがすべてのスロットを巡回し、空きがあれば必ず発見して挿入ループが終了する。
英語 (English): The step size (\texttt{delta}) and the hash table size ($N$) must be coprime ($\gcd(\text{delta}, N) = 1$). This ensures the probe sequence traverses all slots, guaranteeing that an empty slot is found and the insertion loop terminates.
中文解析 (Chinese Analysis): 条件：探测步长 \texttt{delta} 与哈希表大小 $N$ 互质，即 $\gcd(\text{delta}, N) = 1$。原因：只有当两数互质时，探测序列才会生成全体哈希槽位的一个满排列，从而保证在表未满时必能发现空闲插槽并终止插入循环。

Q1-3-2: コックーハッシュ（Cuckoo Hashing）の最悪時間计算量と理由

日本語 (Japanese): 最悪時間計算量は $\mathcal{O}(1)$（定数時間）。各キーは2つのハッシュ関数に対応する特定の2つのスロットにしか格納されないため、高負荷时でも最大2回のメモリ参照で有無を判定できるため。
英語 (English): The worst-case time complexity is $\mathcal{O}(1)$ (constant time). Since each key can only reside in one of the two specific slots mapped by the two hash functions, a search requires at most two memory references regardless of load.
中文解析 (Chinese Analysis): 最坏时间复杂度：$\mathcal{O}(1)$（常数级别）。原因：布谷鸟哈希保证任何键值最多只会被哈希至两个特定的插槽中（由 $h_1(\text{key})$ 和 $h_2(\text{key})$ 决定）。因此不管当前装载因子多高，查找时最多只需执行 2 次内存访问。

Q2-2-3: ページングシステムにおける Dirty Bit (変更ビット) の貢献とメカニズム

日本語 (Japanese): ライトバック方式において、置換対象ページの変更ビットが0（未変更）ならディスク書き戻しを省略し直接上書きし、1（変更あり）の時のみディスクへ書き戻す。これにより、不要なディスク書き込み（I/O）を回避してシステムを高速化する。
英語 (English): Under a write-back policy, if the dirty bit of the page to be evicted is 0 (unmodified), the writeback is skipped and the page is overwritten directly. Disk writeback is only performed if the bit is 1. This avoids unnecessary disk writes (I/O) to accelerate the system.
中文解析 (Chinese Analysis): 贡献与机制：在写回策略中，脏位（Dirty Bit）用于标识物理页面载入后是否被写过。当需要置换页面时：若脏位为0，说明其未被修改，与磁盘备份完全一致，可直接覆盖以省略磁盘写I/O；若脏位为1，则必须先将新数据写回磁盘再覆盖。此举大幅免去了对未修改（干净）页面的磁盘写延迟。

Q5-2: TCPがセグメントの紛失を検出する2つの代表的な仕組み

日本語 (Japanese):
1. 送信後に一定时间ACKが届かないことによる「タイムアウト（重伝タイムアウト）」，2) 同一セグメントに対するACKを連続して3回受信すること（「3回の重複ACK」による高速再送）。
英語 (English):
1. Retransmission Timeout (RTO), where a sent segment's timer expires before receiving an ACK. 2) Three duplicate ACKs (Fast Retransmit), where receiving three identical ACKs triggers retransmission without waiting for the timer.
中文解析 (Chinese Analysis): 机制：1) 超时重传机制（RTO），即发送段后如果在设定的定时器周期内没收到应答确认，则触发超时重发；2) 快速重传机制（3次冗余ACK），即连续接收到 3 个相同的确认序列号（表示某段之后的数据已到但该段未到），则不等定时器超时即刻重传。

2022年記述式問題

Q1-1: クイックソートのアルゴリズム名称

日本語 (Japanese): クイックソート（Quick Sort）。
英語 (English): Quick Sort.
中文解析 (Chinese Analysis): 快速排序（Quick Sort）。基于分治策略的高效排序算法。

Q1-3: クイックソートの非安定性を示すデータの条件

日本語 (Japanese): 図2の data.txt の2行目の得点（id=1 の得点）を60から 100 に書き換える。これにより、id=1 と id=5 の得点が同じ100になり、整列後の出力では id=5 が id=1 より前に並ぶ（順序が逆転する）ため、アルゴリズムが非安定であることが示される。
英語 (English): Change the score on the second line of data.txt (the score for id=1) from 60 to 100. This makes the scores of id=1 and id=5 both equal to 100. After sorting, id=5 (the pivot) is placed before id=1, reversing their original relative order and proving that the algorithm is unstable.
中文解析 (Chinese Analysis): 将 data.txt 第二行（即 id=1 的数据）的得分从 60 修改为 100。修改后，id=1 与 id=5 的得分均为 100。在 Lomuto 划分排序过程中，id=5（初始作为 Pivot）被交换到了 id=1 的前面，导致相同键值元素的相对位置发生逆转，从而用实例证明了该快速排序算法是非稳定的。

Q1-5: クイックソートの最悪時間計算量とその理由

日本語 (Japanese): 最悪時間計算量は $\mathcal{O}(n^2)$ である。配列がすでに昇順または降順に整列されている（またはすべての要素が同じ）場合、選択されるピボットが常に部分配列の最大値または最小値となる。これにより、分割後の部分問題のサイズが常に $n-1$ と $0$ という極端に不均等な分割になり、再帰の深さが $\mathcal{O}(n)$ に退化し、比較回数の総和が $\sum_{i=1}^{n-1} i = \frac{n(n-1)}{2} = \mathcal{O}(n^2)$ になるため。
英語 (English): The worst-case time complexity is $\mathcal{O}(n^2)$. This occurs when the chosen pivot at each partition step is always the minimum or maximum element of the subarray (e.g., when the array is already sorted). This leads to extremely unbalanced partitions of sizes $n-1$ and $0$. The recursion depth degenerates to $\mathcal{O}(n)$, and the total number of comparisons becomes $\sum_{i=1}^{n-1} i = \frac{n(n-1)}{2} = \mathcal{O}(n^2)$.
中文解析 (Chinese Analysis): 最坏时间复杂度为 $\mathcal{O}(n^2)$。原因为：当输入数组已经完全有序（升序或降序）或者所有元素均相等时，每次划分选择的基准元素（Pivot）都恰好是子数组的最大值或最小值。这导致子问题划分极度不均匀（每次被拆分为大小为 $n-1$ 和 $0$ 的两个子数组），递归深度退化到 $\mathcal{O}(n)$ 层，总比较次数为等差数列求和 $\sum_{i=1}^{n-1} i = \frac{n(n-1)}{2} = \mathcal{O}(n^2)$。

Q2-1: セマフォ値が負の時の絶対値の意味

日本語 (Japanese): セマフォの値が負のとき、その絶対値 $|s|$ は、そのセマフォに関連付けられた待ちキューでブロックされ、待機状態（waiting state）になっているプロセスの数を表す。
英語 (English): When the semaphore value $s$ is negative, its absolute value $|s|$ represents the number of processes that are blocked and currently in the waiting state in the queue associated with that semaphore.
中文解析 (Chinese Analysis): 当信号量的值 $s$ 为负数时，其绝对值 $|s|$ 代表当前由于等待该信号量资源而被阻塞、正处于等待状态（Waiting State）的进程数量。

Q2-2-1: クリティカルセクション（排他制御の対象領域）の定義

日本語 (Japanese): クリティカルセクション（Critical Section）。複数のプロセスがアクセスする共有資源（変数やファイルなど）への操作が行われ、競合状態を防ぐために排他的に実行されなければならないプログラムのコード領域のこと。
英語 (English): Critical Section. A segment of code that accesses shared resources (such as shared variables or files) and must be executed mutually exclusively to prevent race conditions.
中文解析 (Chinese Analysis): 临界区（Critical Section）。指程序中访问共享资源（如共享变量、物理设备等）的代码段，为了防止竞合条件（Race Condition），该代码段在同一时刻只能允许一个进程/线程排他性地访问和执行。

Q2-2-2: 同期制御の有無における共有変数更新の競合状態とロストアップデート

日本語 (Japanese): 同期制御を行う f1 では、各プロセスの共有変数 n に対する更新処理（読み込み、計算、書き込み）が P/V 操作によってアトミックかつ直列に実行されるため、すべての更新が正しく適用され最大の値 $n_1$ になる。一方、同期制御を行わない f2 では、複数のプロセスが同時に n を読み込んで更新を試みることにより、競合状態（Race Condition）が発生し、一部のプロセスによる更新が他方の書き込みによって上書きされ失われる（ロストアップデート）。n の値は常に正であり更新によって増加するため、一部の更新が失われると最終的な値は減少し、$n_1 \ge n_2$ が成り立つ。
英語 (English): In f1, which uses synchronization, the updates (read-modify-write) to the shared variable n are executed atomically and serialized by P/V operations, ensuring all 20 updates are correctly applied to produce the maximum value $n_1$. In contrast, f2 does not use synchronization, allowing concurrent processes to read and write n simultaneously. This causes race conditions where some updates are overwritten and lost (lost updates). Since $n$ is positive and strictly increases with each update, any lost updates will result in a smaller or equal final value, satisfying $n_1 \ge n_2$.
中文解析 (Chinese Analysis): 进行同步控制的 f1 中，各进程对共享变量 n 的更新（读-改-写）操作通过 P/V 信号量实现了原子化与串行化执行，保证所有 20 次累加更新全部生效并达到最大值 $n_1$。而在未进行同步的 f2 中，多个进程可并发对 n 进行读写，导致竞合条件（Race Condition）并产生丢失更新（Lost Updates）现象，即某进程写回的中间结果被另一并发进程用旧值计算的结果覆盖。由于 $n$ 始终为正且每次更新都是严格单调递增的，任何丢失更新都会使最终累加值变小或保持不变，因此最终结果满足 $n_1 \ge n_2$。

Q5-2-3: クラフトの不等式とシャノンの情報源符号化定理

日本語 (Japanese):
- (a) の式: $\sum_{x \in X} 2^{-l(x)} \le 1$ （クラフトの不等式）
- (b) の説明: クラフトの不等式を満たすとき、かつそのときに限り、瞬時に復号可能である（接頭符号が存在する）。
- (c) の式: $L_C(X) \ge H(X)$ （一意に復号可能な符号の平均符号語長は情報源エントロピー以上である）
英語 (English):
- Formula (a): $\sum_{x \in X} 2^{-l(x)} \le 1$ (Kraft's Inequality)
- Description (b): A prefix (instantaneously decodable) code exists if and only if the codeword lengths satisfy Kraft's inequality.
- Formula (c): $L_C(X) \ge H(X)$ (The average codeword length of any uniquely decodable code cannot be less than the source entropy.)
中文解析 (Chinese Analysis):
- 公式 (a)：$\sum_{x \in X} 2^{-l(x)} \le 1$（克拉夫特不等式，Kraft's Inequality）。
- 说明 (b)：当且仅当码字长度满足克拉夫特不等式时，才存在对应的瞬时可译码（前缀码）。
- 公式 (c)：$L_C(X) \ge H(X)$（香农第一定理/无失真信源编码定理，指任何唯一可译码的平均码长不小于信源熵）。

2021年記述式問題

Q2-3: 空きブロック極少时におけるビットマップ管理の探索时间増大の理由

日本語 (Japanese): 空きブロックが極めて少なくなった状態では、ビットマップの大部分のビットが0（割当済）になる。空きブロックを探す際、ビットマップを先頭から线形に走査して値が1であるビットを見つける必要があり、ほぼ全領域を走査しなければならなくなるため、探索時間が大幅に増大する。
英語 (English): When the number of free blocks is extremely small, almost all bits in the bitmap are set to 0 (allocated). To locate a free block, the allocator must perform a linear scan starting from the beginning of the bitmap to find a bit set to 1, which requires scanning almost the entire bitmap, causing the search time to increase significantly.
中文解析 (Chinese Analysis): 空闲块极少时，位图的绝大部分位都被置为0（已占用）。由于寻找空闲块的算法需要从头开始线性扫描位图，寻找第一个值为1的空闲位，因此当空闲块极少时，几乎需要扫描整个位图，导致搜索时间显著增加。

Q5-3: イーサネットで同軸ケーブル最大長 $L_{\max}$ が規定されている理由

日本語 (Japanese): CSMA/CD方式では、送信端が衝突を検出する前にフレーム送信を完了してしまうと、衝突を検知できない（遅い冲突）。よって、最小フレーム長 $F_{\min}$ の送信時間が信号の双程伝搬遅延時間（$2 L_{\max} / V$）以上である必要があり、これを満たすために同軸ケーブル的最大長が厳しく規定されている。
英語 (English): In CSMA/CD, if a sending station completes its frame transmission before a collision signal propagates back, it fails to detect the collision (late collision). Thus, the transmission time of the minimum frame length ($F_{\min}$) must be at least the round-trip propagation delay ($2 L_{\max} / V$). To satisfy this condition, the maximum length of the coaxial cable ($L_{\max}$) is strictly regulated.
中文解析 (Chinese Analysis): 在CSMA/CD以太网中，如果发送方在冲突发生并传回之前就完成了整帧的发送，它将无法检测到冲突（晚冲突）。为了确保在发送结束前能听到冲突，最小帧长 $F_{\min}$ 的发送时间必须大于等于信号在最大网段长度 $L_{\max}$ 下的双程传播延迟（即 $2L_{\max}/V \le F_{\min}/C$）。因此必须对同轴电缆的最大长度 $L_{\max}$ 进行严格约束。

Q5-4: 同軸ケーブル最大長を超えてフレーム伝送するために網橋が果たす役割

日本語 (Japanese): 網橋（Bridge）はデータリンク層で動作し、各ポートが独立した衝突ドメインを形成して衝突信号を遮断（隔離）する。さらに、フレームを一度メモリに完全に受信・蓄積（バッファリング）した上で、別のポートに再送信（フォワーディング）するため、物理的伝搬距離による時間的制約をリセットしてネットワークを延長できる。
英語 (English): A bridge operates at the data link layer (Layer 2) and isolates collision domains at each port, preventing collision signals from passing through. Furthermore, it completely receives and stores (buffers) a frame in memory before retransmitting (forwarding) it onto another port, resetting the propagation delay constraint and allowing network extension beyond physical limits.
中文解析 (Chinese Analysis): 网桥工作在数据链路层（L2），其每个端口形成独立的冲突域，可以隔离冲突信号。另外，网桥在接收帧时会将其完整存入内存中进行缓存（Store-and-Forward），确认无误后再从另一个端口发射出去，从而重新生成信号并复位传播延迟限制，实现网络的超长扩展。

Q5-5: 再送フレームの再衝突を軽減するための指数退避メカニズム

日本語 (Japanese): 各送信端は衝突を検出すると、送信を即時中止し jam 信号を送信する。その後、衝突回数 $k$ 回（最大10）に対して退避用のランダム倍数 $r$ を区间 $[0, 2^k - 1]$ から選択し、時隙（Slot Time）の $r$ 倍の時間待機してから再送を試みる。衝突回数が増えるにつれて待機窓が指数関数的に拡大し、送信タイミングを時間的に分散させることで再衝突を効果的に防ぐ。
英語 (English): Upon detecting a collision, each station immediately aborts transmission and sends a jam signal. Then, for the $k$-th collision (capped at 10), it randomly selects a backoff multiplier $r$ from the interval $[0, 2^k - 1]$ and waits for $r \times (\text{slot time})$ before reattempting. As the number of collisions increases, the wait window grows exponentially, dispersing transmission timings to effectively mitigate re-collisions.
中文解析 (Chinese Analysis): 采用截断二进制指数退避算法。当终端检测到冲突时，立即停止发送并广播jam干扰信号。之后，对应第 $k$ 次冲突，从区间 $[0, 2^k - 1]$ 中随机选择一个整数 $r$，等待 $r$ 倍的时隙时间（slot time）后再尝试发送。随着冲突次数增加，等待窗口呈指数级扩大，使各终端的重传时间错开，从而降低再次发生冲突的概率。

Osaka University IST Graduate Entrance Exam (2009)

Thu, 02 Jul 2026 10:30:00 GMT

大阪大学情報科学研究科情報工学 2008年8月実施アルゴリズムとプログラミング

Author

KardeniaPoyu

Description

配点： (1) 20点, (2-1) 20点, (2-2) 20点, (2-3) 20点, (2-4) 20点

ハッシュ法 (hash method) によって，いくつかの非負整数 (nonnegative integer) を，添字 (index) の範囲が 0～$n-1$，要素数が $n$ の配列 (array) に格納 (store) することを考える．ここで，格納する非負整数を $n$ で割った剰余 (remainder) を返すハッシュ関数 (hash function) を用いて，ハッシュ値 (hash value) を添字とするセル (cell) に非負整数を格納するものとする．なお，衝突 (collision) が生じた際には，ハッシュ値に整数 $k$ ($k \ge 1$) を加えて $n$ で割った剰余を添字とするセルに格納する．それでもなお衝突が生じる場合には，非負整数が格納されていないセルが見つかるまで，$k$ を $2k, 3k, 4k, \cdots$ と $k$ の倍数へ順に置き換えて同様の処理を行うものとする．以下の各問に答えよ．

(1) $n = 10, k = 1$ とするハッシュ法を考える．どのセルにも非負整数が格納されていない状態から始めて，まず 21 を添字が 1 のセルに格納し，次に 15 を添字が 5 のセルに格納した状態を考える．これに続けて，28 と 35 をこの順番で格納するとき，それぞれどのセルに格納されるか，その添字を答えよ．

(2) 図 1 に示すC言語で書かれたプログラムは，あらかじめ10個の非負整数を配列に格納しておき，キーボードから入力された非負整数が配列に格納されているかどうかを，ハッシュ法によって調べるプログラムである．以下の各小問に答えよ．

(2-1) このプログラムが 43 行目まで実行された後の，table[0]～table[19] の値を答えよ．なお，解答にあたっては，解答用紙の欄を用いること．

(2-2) 関数 search(int *table, int d) は，非負整数 d が配列 table に格納されていればその添字を，格納されていなければ -1 を返す．そのような動作となるように，プログラム中の空欄 (ア) ～ (エ) を適切に埋めよ．

(2-3) このプログラムでは，SKIP は 3 となっている．これを 4 に変更すると，45 行目の printf 文以降が実行されない．このような問題が生じる理由を簡潔に答えよ．

(2-4) 小問 (2-3) のような問題が生じないようにするためには，一般に MAX と SKIP の間にどのような関係が成立していなければならないか，簡潔に答えよ．

#include <stdio.h>

#define EMPTY -1
#define MAX  20
#define SKIP  3

int hash(int x){
    return x % MAX;
}

int next(int x){
    x = x + SKIP;
    return x % MAX;
}

void store(int *table, int d){
    int h;
    h = hash(d);
    while (table[h] != EMPTY) h = next(h);
    table[h] = d;
}

int search(int *table, int d){
    int h;
    h = (ア) ;
    while (table[h] != EMPTY) {
        if (table[h] == d) return (イ) ;
        h = (ウ) ;
    }
    return (エ) ;
}

int main(){
    int i, query;
    int table[MAX];
    int data[] = {31,45,59,25,95,39,76,27,65,43};
    
    /* 配列を初期化する */
    for (i=0; i<MAX; i++) table[i] = EMPTY;
    
    /* 10個の非負整数を格納する */
    for (i=0; i<10; i++) store(table, data[i]);
    
    /* キーボードから非負整数を入力する */
    printf("Query: ");
    scanf("%d", &query);
    
    /* 入力された非負整数が配列に格納されているかどうかを調べる */
    if (search(table, query) != -1) printf("Found.\n");
    else printf("Not found.\n");
    
    return 0;
}

Kai

(1)

28 の格納：
- ハッシュ値：$28 \bmod 10 = 8$。インデックス 8 のセルは空（EMPTY）であるため、28 はインデックス 8 のセルに格納される。
35 の格納：
- ハッシュ値：$35 \bmod 10 = 5$。インデックス 5 のセルはすでに 15 によって占有されているため衝突が発生する。
- 次のセルの探索：$(5 + k) \bmod 10 = (5 + 1) \bmod 10 = 6$。インデックス 6 のセルは空であるため、35 はインデックス 6 のセルに格納される。

解答：28：8，35：6

(2-1)

プログラムの設定より、MAX = 20，SKIP = 3，EMPTY = -1 である。ハッシュ関数は $x \bmod 20$、衝突解決法は線形探索法（増分は 3）である。 data[] の 10 個の要素を順に格納するプロセスは以下の通りである：

31: $31 \bmod 20 = 11 \implies$ 空のため、table[11] = 31
45: $45 \bmod 20 = 5 \implies$ 空のため、table[5] = 45
59: $59 \bmod 20 = 19 \implies$ 空のため、table[19] = 59
25: $25 \bmod 20 = 5 \implies$ 衝突。$(5+3)%20 = 8$ は空のため、table[8] = 25
95: $95 \bmod 20 = 15 \implies$ 空のため、table[15] = 95
39: $39 \bmod 20 = 19 \implies$ 衝突。$(19+3)%20 = 2$ は空のため、table[2] = 39
76: $76 \bmod 20 = 16 \implies$ 空のため、table[16] = 76
27: $27 \bmod 20 = 7 \implies$ 空のため、table[7] = 27
65: $65 \bmod 20 = 5 \implies$ 衝突 $\to 8$ (衝突) $\to (8+3)%20 = 11$ (衝突) $\to (11+3)%20 = 14$ は空のため、table[14] = 65
43: $43 \bmod 20 = 3 \implies$ 空のため、table[3] = 43

最終的な table の状態：

table[0] = -1
table[1] = -1
table[2] = 39
table[3] = 43
table[4] = -1
table[5] = 45
table[6] = -1
table[7] = 27
table[8] = 25
table[9] = -1
table[10] = -1
table[11] = 31
table[12] = -1
table[13] = -1
table[14] = 65
table[15] = 95
table[16] = 76
table[17] = -1
table[18] = -1
table[19] = 59

(2-2)

(ア): hash(d)
(イ): h
(ウ): next(h)
(エ): -1 (または EMPTY)

(2-3)

SKIP を 4 に変更した場合、$\gcd(\text{MAX}, \text{SKIP}) = \gcd(20, 4) = 4 \ne 1$ となり、互いに素ではなくなる。このとき、10番目の要素 43 の格納（store の呼び出し）において：

$43 \bmod 20 = 3$（衝突：すでに 39 が格納されている）。
次に探索されるインデックスのシーケンスは：$3 \to 7 \to 11 \to 15 \to 19 \to 3 \to \dots$ となり、長さ 5 の巡回サイクルを形成する。
このサイクルに含まれるセル（table[3]=39, table[7]=27, table[11]=31, table[15]=95, table[19]=59）はすべて EMPTY（-1）ではない。
そのため、store 内の while (table[h] != EMPTY) ループから抜けることができず、無限ループに陥る。
結果として、43行目の store が終了せず、プログラムは45行目の printf 以降を実行できない。

(2-4)

一般に、MAX 与 SKIP が**互いに素（coprime、すなわち最大公約数 $\gcd(\text{MAX}, \text{SKIP}) = 1$）**でなければならない。二つの値が互いに素である場合のみ、任意の開始位置からハッシュ表のすべてのセル（MAX 個）を重複なく探索でき、空きセルが存在する限り必ずそこに到達できるため、無限ループを避けることができる。

大阪大学情報科学研究科情報工学 2008年8月実施計算機システムとシステムプログラム

Author

KardeniaPoyu

Description

配点： (1-1) 21点, (1-2) 10点, (1-3-1) 4点, (1-3-2) 15点, (2-1) 18点, (2-2) 32点

(1) 計算機におけるメモリアクセスに関して以下の各小問に答えよ．

(1-1) (a)～(g) にあてはまる語句を下の(ア)～(コ)の選択肢から選んで記号で答えよ．ただし，同じ選択肢を複数回用いてもよい．

主記憶 (main memory) 内のデータへのアクセスは，語（ワード，word）を単位とした格納位置を示すアドレス (address) を指定することによって行われる．このとき，アクセスされたデータの写しを小容量であるが高速のキャッシュメモリ (cache memory)（以下，キャッシュ）に一時的に作っておき，次に同じデータがアクセスされたときにキャッシュからデータを取り出すことにより，見かけ上主記憶のアクセス速度を高速化することが広く行われている．これは，一度アクセスされたデータは繰り返し利用される確率が高いという [ (a) ]，近いアドレスに格納されたデータはまとまってアクセスされる確率が高いという [ (b) ] を利用するものである．アクセスされるデータの写しがキャッシュに存在する確率をヒット率 (hit ratio) という．

主記憶のデータの写しは，一定 of 大きさの連続したアドレスに格納されたデータを単位として作られる．このとき，写しを作る大きさで主記憶を先頭から区切ったときの各々の区分をブロック (block) と呼ぶ．また，キャッシュをブロックと同じ大きさに分けた時の各々の区分をブロック枠 (block frame) という．ブロックに対しその写しを作るブロック枠を割り当てることを，ブロックのマッピング (mapping) と呼ぶ．ブロックのマッピングを行うための方式には，任意のブロック枠を割り当てることができる [ (c) ] 方式，ブロック枠の割り当てが一意的に決められている [ (d) ] 方式がある．[ (d) ] 方式は，[ (c) ] 方式よりも，キャッシュが同じ容量を持つときのヒット率は一般に [ (e) ]く，キャッシュの使用効率も [ (e) ]い．また，これら2つの方式を組み合わせた方式として，ブロック枠を同数の集合に分け，それぞれの集合に対し [ (f) ] 方式を適用する [ (g) ] 方式がある．

選択肢（ア）空間的局所性 (spatial locality)　（イ）セット連想（群連想）マッピング (set associative mapping) （ウ）時間的局所性 (temporal locality)　（エ）アドレスマルチプレクス (address multiplex) （オ）直接マッピング (direct mapping)　　（カ）完全連想マッピング (fully associative mapping) （キ）ライトスルー (write through)　　　（ク）ファイルマッピング (file mapping) （ケ）高　　　　　　　　　　　　　　　（コ）低

(1-2) キャッシュに必要な写しが存在しない新たな主記憶のブロックがアクセスされたとき，キャッシュに空きブロック枠がないならば，ブロック枠のどれかを選択してデータを入れ替える必要がある．このとき，入れ替えるべきブロック枠を選択するアルゴリズムをブロック置き換えアルゴリズム (block replacement algorithm) という．ブロック置き換えアルゴリズムとしては，LRU (Least Recently Used), FIFO (First-In First-Out) などがある．この LRU および FIFO について，

実装の容易さ
ブロック枠の数とヒット率の関係の観点で比較した上で，それぞれの特徴をその特徴を有する理由とともに述べよ．

(1-3) 1 ブロックの大きさが 4 語，ブロック枠の数が 4 のキャッシュについて以下の各小問に答えよ．ただし，主記憶のアドレスは 8 ビットで指定されるものとする．また，ブロックのマッピング方式としては，セット数 2 のセット連想マッピング方式が用いられるものとする．

(1-3-1) 主記憶のアドレスのうち，セット内で各ブロックを識別するタグ (tag) に何ビット用いられるか答えよ．

(1-3-2) 64 個の語を格納する配列 a[i] ($0 \le i \le 63$) を考える．a[i] は，主記憶上のアドレス 00 ～ 3F (16進数表記) に a[0] から，a[63] まで順に格納され，常駐しているものとする．また，主記憶上の各ブロックにはブロック番号が 0 から順に割り振られるものとする．すなわち，主記憶上のアドレス 00～03 はブロック番号 0, 04～07 はブロック番号 1, ..., 3C～3F はブロック番号 15 となる．このとき，あるプログラムが下記の順で配列にアクセスを行ったとする．

a[0], a[4], a[8], a[53], a[54], a[55], a[56], a[4], a[20], a[21]

ブロック置き換えアルゴリズムとして LRU を用いた場合の，上記アクセスにおけるヒット率を求めよ．ただし，プログラム実行前にはキャッシュの内容は空に初期化されているものとする．導出過程として，各アクセスの結果，ブロック枠に割り当てられるブロックのブロック番号を解答用紙の対応するセット番号の欄に記入せよ．また，アクセスされるデータの写しがキャッシュに存在するとき，「キャッシュヒット」欄に〇を記入せよ．

(2) 単一プロセッサをもつマルチプログラミングシステムに関して以下の各小問に答えよ．

(2-1) 次の説明文および図 1 の(a)～(f)にあてはまる語句を下の(ア)～(ソ)の選択肢から選んで記号で答えよ．

単一プロセッサをもつマルチプログラミングシステムにおいて，実行中のプログラムの実体であるプロセスは実行 (running) 状態，実行可能 (ready) 状態，待ち (waiting または blocked) 状態の 3 状態を遷移する．

生成されたプロセスはまず [ (a) ] となる．その後，そのプロセスは [ (b) ] され，[ (c) ] に遷移する．[ (c) ] にあるプロセスは，入出力処理の完了を待つなどの事象を待つ操作を開始することにより，[ (d) ] に遷移する．あるいは，[ (c) ] にあるプロセスは，強制的に [ (e) ] され，[ (a) ] に遷移する．[ (d) ] にあるプロセスは，入出力操作の完了や何らかの事象の発生により，[ (a) ] に遷移する．このように，生成されたプロセスは 3 状態を遷移し，[ (c) ] を経て終了する．なお，実行中のプロセスを次に実行すべきプロセスと切り替えることを [ (f) ] という．

選択肢（ア）レイテンシ (latency)　（イ）コンテクストスイッチ (context switch)　（ウ）待ち状態（エ）コンパイル (compile)　（オ）ソースプログラム (source program)　（カ）実行可能状態（キ）ディスパッチ (dispatch)　（ク）実行可能プログラム (executable program)　（ケ）リンク (link) （コ）ライブラリ (library)　（サ）インターセクション (intersection)　（シ）実行状態（ス）スループット (throughput)　（セ）オブジェクトプログラム (object program)　（ソ）プリエンプション (preemption)

(2-2) 単一プロセッサをもつマルチプログラミングシステムでは，新たに生成されたプロセス，および実行可能状態になったプロセスは，レディキュー (ready queue) の末尾に格納され，レディキューの先頭よりプロセッサにディスパッチされ実行される．この際，レディキューにどのような順序でプロセスを格納し，どのタイミングでプロセッサにディスパッチするかを決定するスケジューリングアルゴリズムは，プロセスの実行順序，ターンアラウンドタイム (turnaround time)，応答時間 (response time) に影響を与える．

いまレディキューに格納されたプロセスが全くない状態を初期状態とし，プロセス A, B, C, D が表 1 に示される生成時刻で生成され，同じく表 1 に示される処理時間で処理が完了すると仮定する．

表 1: プロセスの生成時刻とその処理時間

プロセス	生成時刻 (T)	処理時間
A	0	6
B	1	1
C	4	4
D	9	2

このとき，スケジューリングアルゴリズムとして FIFO (First-In First-Out) 方式，RR (Round Robin) 方式を採用した場合，プロセス A, B, C, D がプロセッサで処理される様子をそれぞれの方式ごとに解答用紙に図示せよ．また，プロセス A, B, C, D の平均ターンアラウンドタイムおよび平均応答時間についてもそれぞれの方式について求めよ．

ただし，下記の点に留意すること．

ある時刻に生成あるいはプリエンプションされたプロセスは，その時刻に直ちにレディキューに格納される．生成されたプロセスとプリエンプションされたプロセスが，レディキューに同時刻に格納される場合は，生成されたプロセスが先にレディキューに格納される．
あるプロセスの処理が完了あるいはプリエンプションされた時刻から次のプロセスがプロセッサにディスパッチされ実行される時刻までに要する処理時間（プロセスの切り替えに要する処理時間）を 1 とする．ただし，時刻 T=0 でプロセス A がプロセッサにディスパッチされ実行されるまでに要する処理時間については 0 とする．
プロセスがディスパッチされ実行されてからプリエンプションされるまでの時間をタイムスライス (time slice) と呼び，それを 2 とする．
タイムスライス中にプロセスが終了した時は，次のプロセスがディスパッチされる．

Kai

(1-1)

(a): ウ（時間的局所性）
(b): ア（空間的局所性）
(c): カ（完全連想マッピング）
(d): オ（直接マッピング）
(e): コ（低）
(f): カ（完全連想マッピング）
(g): イ（セット連想マッピング）

(1-2)

実装の容易さ (Ease of Implementation):
- FIFO: 実装が非常に容易である。各ブロックがキャッシュに入った順番（キューや循環バッファ、単純なカウンタによる）のみを管理すればよく、ヒット（キャッシュヒット）時に情報の更新を行う必要がない。
- LRU: 実装が比較的複雑である。キャッシュへのアクセス（ヒット・ミス問わず）が発生するたびに、アクセスされたブロックの「最近の参照履歴（タイムスタンプやスタック位置など）」を更新する必要があり、より多くのハードウェア（比較器や状態レジスタ）と消費電力を要する。
ブロック枠の数とヒット率の関係 (Number of Blocks vs. Hit Ratio):
- FIFO: スタックアルゴリズムの性質を満たさないため、ブロック枠（キャッシュ容量）を増やした際、特定のアクセスパターンでヒット率が逆に低下する現象（Beladyの偏執現象 / Belady's Anomaly）が発生することがある。
- LRU: スタックアルゴリズムの性質を満たすため、ブロック枠を増やすことでヒット率が低下することは決してなく、常に向上または維持されることが保証される。

(1-3-1)

キャッシュのブロック枠の総数は 4。2ウェイセット連想方式（セット数 2）なので、セットの数（Set count）は $4 / 2 = 2$ である。
セットを識別するためのインデックス（Index）のビット幅：$\log_2(2) = 1$ ビット。
1ブロックの大きさは 4 語（ワード）であるため、ブロック内オフセット（Offset）のビット幅：$\log_2(4) = 2$ ビット。
主記憶のアドレスは 8 ビットであるため、タグ（Tag）のビット幅は以下の通りとなる： $$\text{Tag bits} = 8 - \text{Index bits} (1) - \text{Offset bits} (2) = 5\ \text{bits}$$

解答：5 ビット

(1-3-2)

各アドレスに対応するブロック番号 $B = \text{Address} / 4$、およびマップされるセット番号 $S = B \bmod 2$ は以下の通りである。 LRU置換ポリシーにおける各セットの状態遷移（左側が MRU（最も新しく参照）、右側が LRU（最も古く参照））：

アクセス順	配列要素	主記憶アドレス (10進数)	ブロック番号 $B$	セット番号 $S$	セット 0 の状態	セット 1 の状態	キャッシュヒット
1	`a[0]`	0	0	0	`[0]`	`[]`	Miss
2	`a[4]`	4	1	1	`[0]`	`[1]`	Miss
3	`a[8]`	8	2	0	`[2, 0]`	`[1]`	Miss
4	`a[53]`	53	13	1	`[2, 0]`	`[13, 1]`	Miss
5	`a[54]`	54	13	1	`[2, 0]`	`[13, 1]`	〇 (Hit)
6	`a[55]`	55	13	1	`[2, 0]`	`[13, 1]`	〇 (Hit)
7	`a[56]`	56	14	0	`[14, 2]` (0を置換)	`[13, 1]`	Miss
8	`a[4]`	4	1	1	`[14, 2]`	`[1, 13]`	〇 (Hit)
9	`a[20]`	20	5	1	`[14, 2]`	`[5, 1]` (13を置換)	Miss
10	`a[21]`	21	5	1	`[14, 2]`	`[5, 1]`	〇 (Hit)

全 10 回のアクセスのうち、ヒットは 4 回（第 5, 6, 8, 10 回目）。 平均ヒット率：$4 / 10 = 40%$

(2-1)

(a): カ（実行可能状態）
(b): キ（ディスパッチ）
(c): シ（実行状態）
(d): ウ（待ち状態）
(e): ソ（プリエンプション）
(f): イ（コンテクストスイッチ）

(2-2)

FIFO 方式

非プリエンプティブ（非横取り）方式。プロセスは生成された順に実行され、プロセスの切り替え時に 1 のコンテクストスイッチオーバーヘッドが発生する。

Gantt チャート (FIFO):

T =  0    1    2    3    4    5    6    7    8    9    10   11   12   13   14   15   16
     [------ プロセス A ------] (切) [B] (切) [------ プロセス C ------] (切) [--- プロセス D ---]

プロセス A: 生成 $T=0$, 実行 $[0, 6]$, 完了 $T=6$。周転時間 $= 6 - 0 = 6$, 応答時間 $= 0 - 0 = 0$。
プロセス B: 生成 $T=1$, 実行 $[7, 8]$, 完了 $T=8$。周転時間 $= 8 - 1 = 7$, 応答時間 $= 7 - 1 = 6$。
プロセス C: 生成 $T=4$, 実行 $[9, 13]$, 完了 $T=13$。周転時間 $= 13 - 4 = 9$, 応答时间 $= 9 - 4 = 5$。
プロセス D: 生成 $T=9$, 実行 $[14, 16]$, 完了 $T=16$。周転時間 $= 16 - 9 = 7$, 応答時間 $= 14 - 9 = 5$。
平均ターンアラウンドタイム (Average Turnaround Time): $$\frac{6 + 7 + 9 + 7}{4} = 7.25$$
平均応答時間 (Average Response Time): $$\frac{0 + 6 + 5 + 5}{4} = 4.0$$

RR (Round Robin) 方式

タイムスライスは 2、コンテクストスイッチオーバーヘッドは 1。

平均ターンアラウンドタイム (Average Turnaround Time): $$\frac{13 + 3 + 15 + 7}{4} = 9.5$$
平均応答時間 (Average Response Time): $$\frac{0 + 2 + 4 + 5}{4} = 2.75$$

大阪大学情報科学研究科情報工学 2008年8月実施計算理論

Author

KardeniaPoyu

Description

配点： (1-1) 15点, (1-2) 15点, (1-3) 20点, (2-1) 15点, (2-2) 15点, (2-3) 20点

(1) 有限オートマトン (finite automaton) に関して以下の各小問に答えよ．なお有限オートマトン $M_1, M_2, M_3$ それぞれを以下の状態遷移図 (state transition diagram) の通り定める．各有限オートマトンの初期状態 (initial state) は $a, h, l$ であり，受理状態 (accepting state) は $c, k, m, n$ である．また，入力記号 (input symbol) の集合は $\Sigma = {0, 1}$ とする．

图 1：有限オートマトン $M_1, M_2, M_3$

</div>

$M_1$

stateDiagram-v2
    direction LR
    state "a (Initial)" as a
    state "c (Accepting)" as c
    [*] --> a
    a --> d : 0
    a --> b : 1
    d --> a : 0
    d --> g : 1
    b --> c : 0
    b --> e : 1
    c --> g : 0
    c --> e : 1
    e --> g : 0
    e --> b : 1
    g --> e : 0
    g --> f : 1
    f --> c : 0
    f --> g : 1

$M_2$

stateDiagram-v2
    direction LR
    state "h (Initial)" as h
    state "k (Accepting)" as k
    [*] --> h
    h --> i : ε
    h --> k : ε
    i --> j : 1
    i --> k : 0
    j --> i : ε
    k --> i : 0
    k --> k : 1

$M_3$

stateDiagram-v2
    direction LR
    state "l (Initial)" as l
    state "m (Accepting)" as m
    state "n (Accepting)" as n
    [*] --> l
    l --> l : 0
    l --> m : 0, 1
    m --> l : 0
    m --> n : 1
    n --> m : 0
    n --> n : 1

(1-1) 有限オートマトン $M_1$ が受理 (accept) する語 (word) の内，長さ 4 以下のもの全てを示せ．

(1-2) 有限オートマトン $M_2$ は $\varepsilon$-動作 ($\varepsilon$-move) を有する．最初に，$M_2$ の各状態に対する $\varepsilon$-閉包 ($\varepsilon$-closure) を示せ．次に，求めた $\varepsilon$-閉包から $\varepsilon$-動作のない非決定性 (non-deterministic) 有限オートマトン $M_2'$ を構成し，状態遷移図で示せ．ただし $M_2'$ は $M_2$ と同じ状態集合を有するものとし，状態遷移図には状態名も記入せよ．なお，ある状態 $x$ に対する $\varepsilon$-閉包とは，$x$ そのものと $x$ から $\varepsilon$-動作のみで到達できる状態全ての集合をいう．

(1-3) 有限オートマトン $M_3$ と同じ言語 (language) を受理する状態数が最小 (minimum) の決定性有限オートマトン $M_3'$ を求めて，状態遷移図で示せ．なお $M_3'$ を求める過程は示さずに，結果のみを示せ．

(2) 文脈自由文法 (context-free grammar) に関して以下の各小問に答えよ．なお文法 $G_1, G_2$ それぞれを以下の通り定める．

文法 $G_1(V_1, T_1, P_1, S_1)$

非終端記号の集合 $V_1 = {A}$
終端記号の集合 $T_1 = {\text{if}, \text{then}, \text{else}, \text{e}, \text{s}}$
開始記号 $S_1 = A$
生成規則の集合 $P_1 = { A \to \text{if e then } A, \quad A \to \text{if e then } A \text{ else } A, \quad A \to \text{s} }$

文法 $G_2(V_2, T_2, P_2, S_2)$

非終端記号の集合 $V_2 = {B, C, D}$
終端記号の集合 $T_2 = {\text{if}, \text{then}, \text{else}, \text{e}, \text{s}}$
開始記号 $S_2 = B$
生成規則の集合 $P_2 = { B \to C, \quad B \to D, \quad C \to \text{if e then } B, \quad D \to \text{if e then } D \text{ else } B, \quad D \to \text{s} }$

(2-1) 文法 $G_1$ における文 “$\text{if e then s else if e then s}$” に対する最左導出 (leftmost derivation) および最右導出 (rightmost derivation) における導出の過程をそれぞれ示せ．

(2-2) 文法 $G_1$ における文 “$\text{if e then if e then s else s}$” に対する異なる 2 通りの導出木 (derivation tree) を示せ．

(2-3) 文法 $G_2$ は曖昧である．具体的な根拠を示せ．

Kai

(1-1)

状態遷移および受理状態 $c$ に至る長さ 4 以下の経路の解析：

受理状態は $c$ のみである。
長さ 2 の受理語：
- $a \xrightarrow{1} b \xrightarrow{0} c \implies$ 10
長さ 4 の受理語：
- $a \xrightarrow{0} d \xrightarrow{0} a \xrightarrow{1} b \xrightarrow{0} c \implies$ 0010
- $a \xrightarrow{0} d \xrightarrow{1} e \xrightarrow{1} b \xrightarrow{0} c \implies$ 0110
- $a \xrightarrow{1} b \xrightarrow{1} e \xrightarrow{1} b \xrightarrow{0} c \implies$ 1110

解答：10, 0010, 0110, 1110

(1-2)

$\varepsilon$-閉包 ($\varepsilon$-closure)

各状態から $\varepsilon$ 動作のみで到達できる状態の集合（自身を含む）：

$\varepsilon\text{-closure}(h) = {h, i, k}$
$\varepsilon\text{-closure}(i) = {i}$
$\varepsilon\text{-closure}(j) = {i, j}$
$\varepsilon\text{-closure}(k) = {k}$

$\varepsilon$-動作のないNFA $M_2'$

状態遷移関数を $\delta'(q, a) = \varepsilon\text{-closure}(\delta(\varepsilon\text{-closure}(q), a))$ と定義し、状態集合と初期状態は不変とする。

状態集合：${h, i, j, k}$、初期状態：$h$。
受理状態：$\varepsilon\text{-closure}(q)$ に元の受理状態 $k$ が含まれる状態が受理状態となる。よって、受理状態は ${h, k}$。
状態遷移：
- $\delta'(h, 0) = {k}$
- $\delta'(h, 1) = {i, j, k}$
- $\delta'(i, 0) = {k}$
- $\delta'(i, 1) = {i, j}$
- $\delta'(j, 0) = {k}$
- $\delta'(j, 1) = {i, j}$
- $\delta'(k, 0) = \emptyset$
- $\delta'(k, 1) = {k}$

$M_2'$ の状態遷移図：

stateDiagram-v2
    [*] --> h
    h --> k : 0
    h --> i : 1
    h --> j : 1
    h --> k : 1
    i --> k : 0
    i --> i : 1
    i --> j : 1
    j --> k : 0
    j --> i : 1
    j --> j : 1
    k --> k : 1
    
    state h %% accepting
    state k %% accepting

(1-3)

部分集合構成法（Subset Construction）を用いて NFA $M_3$ を DFA に変換し、等価な状態を併合して最小化（Minimization）を行う。最小化された決定性有限オートマトン（DFA）$M_3'$ の状態集合は 5 つとなる：

$S_0 = {l}$ （初期状態、非受理）
$S_1 = {l, m}$ （受理状態）
$S_2 = {m}$ （受理状態）
$S_3 = {m, n}$ （受理状態）
$S_4 = {n}$ （受理状態）

DFA $M_3'$ の状態遷移図：

stateDiagram-v2
    [*] --> S0
    S0 --> S1 : 0
    S0 --> S2 : 1
    S1 --> S1 : 0
    S1 --> S3 : 1
    S2 --> S0 : 0
    S2 --> S4 : 1
    S3 --> S1 : 0
    S3 --> S4 : 1
    S4 --> S2 : 0
    S4 --> S4 : 1
    
    state S1 %% accepting
    state S2 %% accepting
    state S3 %% accepting
    state S4 %% accepting

(2-1)

対象の文は “$\text{if e then s else if e then s}$”：

最左導出 (Leftmost Derivation): $$A \Rightarrow \text{if e then } A \text{ else } A \Rightarrow \text{if e then s else } A \Rightarrow \text{if e then s else if e then } A \Rightarrow \text{if e then s else if e then s}$$
最右導出 (Rightmost Derivation): $$A \Rightarrow \text{if e then } A \text{ else } A \Rightarrow \text{if e then } A \text{ else if e then } A \Rightarrow \text{if e then } A \text{ else if e then s} \Rightarrow \text{if e then s else if e then s}$$

(2-2)

対象 of 文は “$\text{if e then if e then s else s}$”。この文法には「懸念される else（dangling-else）」の曖昧性が存在する：

導出木 1 (else が内側の if と結合する場合):

graph TD
    A1[A] --> if1[if]
    A1 --> e1[e]
    A1 --> then1[then]
    A1 --> A2[A]
    A2 --> if2[if]
    A2 --> e2[e]
    A2 --> then2[then]
    A2 --> A3[A]
    A3 --> s1[s]
    A2 --> else2[else]
    A2 --> A4[A]
    A4 --> s2[s]

導出木 2 (else が外側の if と結合する場合):

graph TD
    A1[A] --> if1[if]
    A1 --> e1[e]
    A1 --> then1[then]
    A1 --> A2[A]
    A2 --> if2[if]
    A2 --> e2[e]
    A2 --> then2[then]
    A2 --> A3[A]
    A3 --> s1[s]
    A1 --> else1[else]
    A1 --> A4[A]
    A4 --> s2[s]

(2-3)

文法 $G_2$ は曖昧（二義的）である。なぜなら、語 $w = \text{if e then if e then s else if e then s else s}$ に対して、異なる 2 通りの構文解析木（すなわち、2通りの異なる最左導出）を構築できるからである。

導出 1（外側の if が非終端記号 $C$、すなわち else を持たない構造に対応）： $$B \Rightarrow C \Rightarrow \text{if e then } B$$ ここで、内側の $B$ が if-else 構造を推出する： $$B \Rightarrow D \Rightarrow \text{if e then } D \text{ else } B$$ ここで最初の $D \Rightarrow \text{s}$ であり、二番目の $B \Rightarrow D \Rightarrow \text{if e then } D \text{ else } B \Rightarrow \dots \Rightarrow \text{if e then s else s}$ となる。
導出 2（外側の if が非終端記号 $D$、すなわち else を持つ構造に対応）： $$B \Rightarrow D \Rightarrow \text{if e then } D \text{ else } B$$ ここで最初の $D \Rightarrow \text{if e then } D \text{ else } B \Rightarrow \text{if e then s else } C \Rightarrow \text{if e then s else if e then s}$ であり、二番目の $B \Rightarrow D \Rightarrow \text{s}$ となる。

このように、同じ文に対して 2 つの異なる解釈（構文木）が存在するため、文法 $G_2$ は曖昧である。

大阪大学情報科学研究科情報工学 2008年8月実施ネットワーク

Author

KardeniaPoyu

Description

配点： (1) 20点, (2) 20点, (3) 20点, (4) 20点, (5) 20点

伝送媒体上で隣接するノード (node)（ルータ (router) やホスト (host)）間の誤りのない全二重伝送路 (full duplex channel) を実現するものとして，ARQ (Automatic Repeat-reQuest) がある．ARQ には，Stop-and-Wait ARQ 方式，Go-back-N ARQ 方式，Selective Repeat ARQ 方式がある．以下の説明を読み，各問に答えよ．

Stop-and-Wait ARQ 方式では，送信側ノード (sender) はデータフレーム (data frame) を一つ送信すると，タイマ (timer) を起動させ，受信側ノード (receiver) からの応答を待つ．受信側ノードは，正しくデータフレームを受信した場合には ACK (ACKnowledgement) フレームを，受信したデータフレームに修正できないビット誤り (bit error) がある場合（フレーム誤り (frame error) と呼ぶ）には NACK (Negative ACK) フレームを送信側ノードに返信する．送信側ノードは，ACK フレームを受信した場合には次の新たなデータフレームを送信し，NACK フレームを受信した場合，またはデータフレームが失われること（フレームロス (frame loss) と呼ぶ）によってタイムアウト (timeout) が発生した場合にはそのデータフレームを再送する．

Go-back-N ARQ 方式では，送信側ノードは ACK フレームを受け取ることなく同時に最大 N 個のデータフレームを送信することができる．送信側ノードは，送信済みのデータフレームに対して ACK フレームを受信すると新たなデータフレームを送信するが，NACK フレームを受信，またはタイムアウトが発生した場合には，誤りの生じた，または失われたデータフレーム以降のすべてのデータフレームを再送する．受信側ノードでは，誤りの生じた，または失われたデータフレームを正しく受信できるまで，受信したデータフレームをすべて棄却する．

また，Selective Repeat ARQ 方式では，Go-back-N ARQ 方式と同様に ACK フレームを受け取ることなく最大 N 個のデータフレームを送信するが，送信側ノードは NACK フレームを受信した，あるいはタイムアウトが発生したデータフレームのみを再送する．それぞれの動作の例を下図に示す．

图 1：ARQ 方式の動作例

</div>

Stop-and-Wait ARQ 方式

sequenceDiagram
    autonumber
    Note over 送信側, 受信側: Stop-and-Wait ARQ
    送信側 ->> 受信側: フレーム 1
    受信側 -->> 送信側: ACK
    送信側 ->> 受信側: フレーム 2 (ビット誤り)
    受信側 -->> 送信侧: NACK
    送信側 ->> 受信側: フレーム 2 (再送)
    受信側 -->> 送信側: ACK
    送信側 ->x 受信側: フレーム 3 (消失)
    Note over 送信側: タイムアウト
    送信側 ->> 受信側: フレーム 3 (再送)
    受信側 -->> 送信側: ACK

Go-back-N ARQ 方式 (N = 5)

sequenceDiagram
    autonumber
    Note over 送信側, 受信側: Go-back-N ARQ (N = 5)
    送信側 ->> 受信側: フレーム 1
    送信側 ->> 受信側: フレーム 2
    送信側 ->> 受信側: フレーム 3
    受信側 -->> 送信側: ACK 1
    受信側 -->> 送信側: ACK 2
    送信側 ->> 受信側: フレーム 4 (ビット誤り)
    送信側 ->> 受信側: フレーム 5
    受信側 -->> 送信側: ACK 3
    Note over 受信側: 4の誤り検出 -> NACK 4 送信
    受信側 -->> 送信側: NACK 4
    Note over 受信側: フレーム 5 棄却 (順序不正)
    Note over 送信側: NACK 4 受信により 4 以降を再送
    送信側 ->> 受信側: フレーム 4 (再送)
    送信側 ->> 受信側: フレーム 5 (再送)
    送信側 ->> 受信側: フレーム 6
    送信側 ->> 受信側: フレーム 7
    受信側 -->> 送信側: ACK 4
    受信側 -->> 送信側: ACK 5
    受信側 -->> 送信側: ACK 6
    受信側 -->> 送信側: ACK 7

Selective Repeat ARQ 方式 (N = 5)

sequenceDiagram
    autonumber
    Note over 送信側, 受信側: Selective Repeat ARQ (N = 5)
    送信側 ->> 受信侧: フレーム 1
    送信側 ->> 受信側: フレーム 2
    送信側 ->> 受信側: フレーム 3
    受信側 -->> 送信側: ACK 1
    受信側 -->> 送信側: ACK 2
    送信側 ->> 受信側: フレーム 4 (ビット誤り)
    送信側 ->> 受信側: フレーム 5
    受信側 -->> 送信側: ACK 3
    Note over 受信側: 4の誤り検出 -> NACK 4 送信
    受信側 -->> 送信側: NACK 4
    Note over 受信側: 正常な 5 をバッファに保持
    受信側 -->> 送信側: ACK 5
    Note over 送信側: NACK 4 受信により 4 のみ再送
    送信側 ->> 受信側: フレーム 4 (再送)
    Note over 受信側: 4受信後、5 と共に順序通り引き渡し
    受信側 -->> 送信側: ACK 4 & 5
    送信側 ->> 受信側: フレーム 6
    送信側 ->> 受信側: フレーム 7
    受信側 -->> 送信側: ACK 6
    受信側 -->> 送信側: ACK 7

(1) 送受信ノードにおいて， I) Stop-and-Wait ARQ 方式には必要なく，Go-back-N ARQ 方式には必要な機能， II) Go-back-N ARQ 方式には必要なく，Selective Repeat ARQ 方式には必要な機能を，それぞれ 2 つずつ以下から選んで記号を書き，それぞれについて簡潔に理由を述べよ．3つ以上の選択肢が該当する場合には，そのうちの2つについて解答すればよい． (a) データフレーム番号によるデータフレーム識別 (b) 受信側ノードでの受信データフレームの並べ替え (c) 受信側ノードでの受信済みデータフレーム番号の管理 (d) 送信側ノードでの送信データフレーム数の管理 (e) 送信側ノードでの最大 N 個分のデータフレームバッファの管理 (f) 受信側ノードでの最大 N 個分のデータフレームバッファの管理

(2) 片方向伝搬遅延 (one-way propagation delay) 40 ms, 通信速度 1000 bps の，フレーム誤りもフレームロスも発生しない伝送媒体において，長さ 100 bit のデータフレームを 99 個送信した際の，Stop-and-Wait ARQ 方式と Go-back-N ARQ 方式それぞれの平均スループットを求めよ．計算過程も示せ．なお，ACK フレームと NACK フレームの長さを 20 bit とし，Go-back-N ARQ 方式における N を 3 とする．平均スループットは，送信側ノードにおける一つ目のデータフレーム送信開始から最後のデータフレームに対する ACK フレーム受信完了までの単位時間あたりの送信データ量であり，単位は bps である．なお，問 (2) ～問 (4) においては，ACK フレーム，NACK フレームともに誤り，損失は発生しないものとする．

(3) 問 (2) において，片方向伝搬遅延を 200 ms とし，それ以外の条件を同じとした場合の，Stop-and-Wait ARQ 方式と Go-back-N ARQ 方式それぞれの平均スループットを求めよ．計算過程も示せ．

(4) 問 (2) において，伝送媒体でのフレームロスは発生しないが，確率 0.1 でフレーム誤りが発生するものとし，それ以外の条件を同じとした場合の，Stop-and-Wait ARQ 方式と Go-back-N ARQ 方式それぞれの平均スループットを求めよ．計算過程も示せ．

(5) 下図は，片方向伝搬遅延 40 ms, 通信速度 1000 bps の伝送媒体において，長さ 100 bit のデータフレームを順次送信し続けた際の，Stop-and-Wait ARQ 方式，Go-back-N ARQ 方式，Selective Repeat ARQ 方式の平均スループットを示したものである．なお，ACK フレームと NACK フレームの長さを 20 bit とし，Go-back-N ARQ 方式及び Selective Repeat ARQ 方式における N を十分大きいものとする．横軸が表す指標を答えよ．また，グラフ内の各線が上から順にそれぞれどの方式を表しているか答え，その理由を簡潔に述べよ．

图 2：各種方式の平均スループット比較（概略） （グラフには横軸がパラメータ、縦軸が平均スループットとして、上から順に以下の3つの曲線が描かれています：

最も高い位置にある直線
中間にある、右下がりに下降する下に凸の曲線
最も低い位置にある直線）

</div>

Kai

(1)

I) Stop-and-Wait には不要で、Go-back-N には必要な機能

選択記号：(d), (e)

(d) 送信データフレーム数の管理の理由: Go-back-N ではスライディングウィンドウを用いて ACK を待たずに最大 $N$ 個の未確認フレームを同時に送信できるため、现在送信中のフレーム数がウィンドウサイズ $N$ を超えないよう動的にカウントして管理する必要がある。これに対し、Stop-and-Wait 方式は常に 1 フレームのみ送信して応答を待つため、送信中フレーム数の管理機能は不要である。
(e) 送信側最大 N 個のバッファ管理の理由: Go-back-N では、送信済みのフレームが将来的にエラーによる再送要求（NACK）を受ける可能性があるため、送信側は最大 $N$ 個のフレームのコピーをバッファに保持しておかなければならない。これに対し、Stop-and-Wait 方式は最新の 1 フレームのみ保持すればよいため、最大 $N$ 規模のバッファ管理機能は不要である。

II) Go-back-N には不要で、Selective Repeat には必要な機能

選択記号：(b), (f)

(b) 受信データフレームの並べ替えの理由: Selective Repeat では失われたフレームのみが再送され、正しく届いた以降のフレームは受信側にキャッシュされるため、フレームが順不同で受信される。そのため、上位レイヤにデータを渡す前に受信側でこれらを順番通りに並べ替える機能が必要となる。これに対し、Go-back-N 方式では順不同で受信したフレームをすべて破棄し、常に順番通りのフレームのみを受信するため、受信側での並べ替え機能は不要である。
(f) 受信側最大 N 個のバッファ管理の理由: Selective Repeat の受信側は、特定のフレームが欠落した際に、その後に順不同で届く正常なフレームを最大 $N$ 個まで一時的にバッファに保持する必要がある。これに対し、Go-back-N の受信侧は順不同のフレームを一切保持せず破棄するため、受信側のバッファサイズは 1 でよく、このようなバッファ管理機能は不要である。

(2)

给定参数：

单向传播延迟 $\tau = 40\text{ ms} = 0.04\text{ s}$
信道速率 $R = 1000\text{ bps}$
数据帧大小 $L_d = 100\text{ bit}$
ACK 帧大小 $L_a = 20\text{ bit}$
数据帧总数 $M = 99$ 个
传输延迟：数据帧 $t_d = L_d / R = 0.1\text{ s}$；ACK 帧 $t_a = L_a / R = 0.02\text{ s}$。
每个帧的完整传输周期（RTT时间）：$T_{\text{cycle}} = t_d + \tau + t_a + \tau = 0.1 + 0.04 + 0.02 + 0.04 = 0.2\text{ s}$。

Stop-and-Wait ARQ 方式

该方式每次只能发送一个数据帧，等待 ACK 到达后才能发送下一帧。

发送 99 个数据帧并全部接收到 ACK 的总时间： $$T_{\text{total, SW}} = 99 \times T_{\text{cycle}} = 99 \times 0.2\text{ s} = 19.8\text{ s}$$
平均吞吐量： $$\eta_{\text{SW}} = \frac{99 \times L_d}{T_{\text{total, SW}}} = \frac{99 \times 100\text{ bit}}{19.8\text{ s}} = 500\text{ bps}$$

Go-back-N ARQ 方式 ($N = 3$)

检验是否可以无间隔地流水线（pipeline）连续发送：
- 数据帧 1 开始发送时刻：$t = 0$
- 数据帧 1 的 ACK 到达发送端的时刻：$T_{\text{cycle}} = 0.2\text{ s}$
- 当 $t = 0.2\text{ s}$ 时，发送端刚刚完成了第 2 个帧的发送（时间段 $[0.1, 0.2]$），正在准备发送第 3 个帧（此时已允许的窗口帧为 1, 2, 3）。由于在 $t = 0.2\text{ s}$ 刚好收到了数据帧 1 的 ACK，窗口向右滑动，发送端可以无间断地在 $t=0.2\text{ s}$ 之后继续发送第 3 帧、第 4 帧等。
- 因此，发送端能够实现 $100%$ 的满负荷流水线发送，中间无需任何等待空闲时间。
总传输时间为发送 99 个帧的传输延迟，加上最后一个帧的单向传播、ACK传输和单向传播延迟之和： $$T_{\text{total, GBN}} = 99 \times t_d + \tau + t_a + \tau = 99 \times 0.1\text{ s} + 0.04 + 0.02 + 0.04 = 9.9 + 0.1 = 10.0\text{ s}$$
平均吞吐量： $$\eta_{\text{GBN}} = \frac{99 \times L_d}{T_{\text{total, GBN}}} = \frac{99 \times 100\text{ bit}}{10.0\text{ s}} = 990\text{ bps}$$

(3)

参数变化：单向传播延迟 $\tau = 200\text{ ms} = 0.2\text{ s}$。

每个帧的完整传输周期变为：$T_{\text{cycle}} = t_d + 2\tau + t_a = 0.1 + 0.4 + 0.02 = 0.52\text{ s}$。

Stop-and-Wait ARQ 方式

99 个帧传输总时间： $$T_{\text{total, SW}} = 99 \times 0.52\text{ s} = 51.48\text{ s}$$
平均吞吐量： $$\eta_{\text{SW}} = \frac{9900\text{ bit}}{51.48\text{ s}} \approx 192.3\text{ bps}$$

Go-back-N ARQ 方式 ($N = 3$)

由于此时 $N \times t_d = 3 \times 0.1\text{ s} = 0.3\text{ s} < T_{\text{cycle}} = 0.52\text{ s}$，发送端发送完 3 个帧（窗口占满）后必须停下来等待 ACK 的到来，无法进行完全流水线传输。

发送过程呈周期性：每发送 3 个帧为一个循环，每个循环耗时 $T_{\text{cycle}} = 0.52\text{ s}$。
99 个帧共有 $99 / 3 = 33$ 个完整的循环。
发送完所有 99 个帧并接收到最后一个 ACK 的总时间： $$T_{\text{total, GBN}} = 32 \times 0.52\text{ s} + (t_d + \tau + t_a + \tau) + 2 \times t_d = 32 \times 0.52 + 0.52 + 2 \times 0.1 = 16.64 + 0.72 = 17.36\text{ s}$$
平均吞吐量： $$\eta_{\text{GBN}} = \frac{9900\text{ bit}}{17.36\text{ s}} \approx 570.3\text{ bps}$$

(4)

参数同问 (2)，但有数据帧出错概率 $p = 0.1$。

Stop-and-Wait ARQ 方式

每个数据帧成功送达所需的平均尝试次数为：$\frac{1}{1-p} = \frac{1}{0.9} = \frac{10}{9}$。
每次尝试（无论是收到 ACK 还是 NACK 触发重传）所花的时间均相同，为 $T_{\text{cycle}} = 0.2\text{ s}$。
99 个数据帧全部成功接收的期望总时间： $$T_{\text{total, SW}} = 99 \times \frac{10}{9} \times 0.2\text{ s} = 22.0\text{ s}$$
平均吞吐量： $$\eta_{\text{SW}} = \frac{9900\text{ bit}}{22.0\text{ s}} = 450\text{ bps}$$

Go-back-N ARQ 方式 ($N = 3$)

对于 Go-back-N 方式，如果一个帧出错（概率为 $p$），发送端虽然在其出错帧送达前已经发出了后续的 $N-1$ 个帧，但由于接收端会将乱序帧全部抛弃，发送端必须在收到 NACK 后回退并重传这 $N$ 个帧。

成功传输一个帧平均所需的帧发送时隙数为： $$E = \frac{1 + (N-1)p}{1-p} = \frac{1 + 2 \times 0.1}{0.9} = \frac{1.2}{0.9} = \frac{4}{3}\text{ 个时隙}$$
99 个帧成功发送完毕预计需要发送的帧总次数为：$99 \times \frac{4}{3} = 132$ 次。
每发送一次需要 $t_d = 0.1\text{ s}$，故发送消耗的总时间为 $132 \times 0.1 = 13.2\text{ s}$。
加上最后一帧的传播和 ACK 返回时间（$\tau + t_a + \tau = 0.1\text{ s}$），期望总时间为： $$T_{\text{total, GBN}} = 13.2\text{ s} + 0.1\text{ s} = 13.3\text{ s}$$
平均吞吐量为： $$\eta_{\text{GBN}} = \frac{9900\text{ bit}}{13.3\text{ s}} \approx 744.4\text{ bps}$$ (注：如果采用渐近极限吞吐量计算公式 $\eta_{\text{limit}} = R \cdot \frac{1-p}{1 + (N-1)p} = 1000 \times 0.75 = 750\text{ bps}$)

(5)

横轴所表示的指标：数据帧出错概率 $P_f$（或 フレーム誤り率，取值范围为 $0 \sim 1$）。
三条曲线从上至下的对应关系及理由：
1. 最上方的实线：Selective Repeat ARQ 方式
  - 理由：因为 $N$ 足够大，当发生帧错误时，Selective Repeat 仅重传错误的那些帧。其吞吐量基本正比于 $(1 - P_f)$，下降最平缓，所以在任何错误率下其吞吐量都是三者中最高的。
2. 中间的虚线：Go-back-N ARQ 方式
  - 理由：由于 $N$ 较大，一旦某个帧出错，整个发送窗口中的所有帧都要被迫回退并全部重传，重传开销大。其吞吐量随 $P_f$ 的增加比 Selective Repeat 下降得更快。但在错误率较低时，得益于流水线设计，它的吞吐量依然显著高于 Stop-and-Wait。
3. 最下方の点線：Stop-and-Wait ARQ 方式
  - 理由：该方式不采用流水线，即便在完全无错（$P_f = 0$）的情况下，其吞吐量也被限制在 $500\text{ bps}$ 的低水平。随着错误率增加，由于重传的存在，其吞吐量也进一步下降，但始终在最底层。

computer architecture (23) Pipelining

Thu, 02 Jul 2026 09:30:00 GMT

💡 Core Concept (英文速记)

Pipelining improves performance by increasing instruction throughput (the number of instructions completed per unit time) through overlapping the execution of multiple instructions in different stages.

📂 1. 流水线的基本原理与阶段 (Pipeline Stages)

流水线技术（Pipelining）是一种将指令执行过程分解为多个独立子步骤，并让多条指令在不同执行阶段重叠执行以提高处理器吞吐率的硬件并行技术。

在经典的 MIPS 5级流水线 中，一条指令的生命周期被划分为以下五个阶段：

阶段	英文简称	功能描述 (Functionality)
取指	IF (Instruction Fetch)	根据程序计数器（PC）的值从指令存储器中读取指令，并计算 $PC + 4$。
译码	ID (Instruction Decode)	对指令进行译码，同时从通用寄存器堆中读取源操作数，并进行分支目标的计算与控制信号生成。
执行	EX (Execute)	使用算术逻辑单元（ALU）进行运算。若是访存指令则计算有效内存地址，若是分支指令则计算分支条件。
访存	MEM (Memory Access)	若是加载（Load）指令则从数据存储器中读取数据，若是存储（Store）指令则将数据写入数据存储器。
写回	WB (Write Back)	将执行阶段或访存阶段得到的结果数据写回到目的寄存器中。

流水线时空图示例 (Overlapping Execution)

通过在不同阶段重叠执行多条指令，流水线可以实现每个时钟周期完成一条指令的理想状态（$CPI \approx 1$）：

时钟周期 ->   CC1   CC2   CC3   CC4   CC5   CC6   CC7   CC8   CC9
指令 1 (I1)   IF    ID    EX    MEM   WB
指令 2 (I2)         IF    ID    EX    MEM   WB
指令 3 (I3)               IF    ID    EX    MEM   WB
指令 4 (I4)                     IF    ID    EX    MEM   WB

📊 2. 流水线性能评估 (Performance Evaluation)

评估流水线处理器性能通常使用以下三个核心指标：吞吐率、加速比 和效率。

1. 吞吐率 (Throughput, TP)

吞吐率是指单位时间内流水线完成的指令条数。若流水线在时间 $T_k$ 内完成了 $n$ 条指令，则吞吐率为：

$$TP = \frac{n}{T_k}$$

假设一个 $k$ 级流水线，每个阶段的延迟（时钟周期）为 $\Delta t$，在没有冒险（Hazards）的理想情况下，完成 $n$ 条指令所需的总时间为：

$$T_k = (k + n - 1) \Delta t$$

此时，实际吞吐率为：

$$TP = \frac{n}{(k + n - 1) \Delta t}$$

当指令条数 $n \to \infty$ 时，最大极限吞吐率趋近于：

$$TP_{\max} = \frac{1}{\Delta t}$$

[!TIP] 吞吐率的本质：流水线并不能缩短单条指令的执行时间（甚至因为插入流水线寄存器而稍微增加单条指令的延迟），但它通过重叠执行极大地提高了单位时间内完成的指令数量。

2. 加速比 (Speedup, S)

加速比是指不使用流水线（顺序执行）与使用流水线执行相同指令序列的时间比值：

$$S = \frac{T_0}{T_k} = \frac{n \cdot k \cdot \Delta t}{(k + n - 1) \Delta t} = \frac{n \cdot k}{k + n - 1}$$

同样，当指令条数 $n \to \infty$ 时，最大极限加速比趋近于流水线级数 $k$：

$$S_{\max} = k$$

3. 效率 (Efficiency, E)

效率是指流水线设备的利用率。由于流水线存在建立期（前 $k-1$ 个周期）和排空期，各部分的硬件并未在整个过程中完全占满。时空图中，效率等价于指令占用的时空区面积与总时空区面积之比：

$$E = \frac{n \cdot k \cdot \Delta t}{k(k + n - 1) \Delta t} = \frac{n}{k + n - 1} = \frac{S}{k}$$

⚔️ 3. 流水线冒险与消除 (Pipeline Hazards)

在实际处理器中，受制于资源和指令依赖关系，流水线无法一直保持每个周期流出一条指令的理想状态。阻碍流水线正常流动的情况称为流水线冒险（Pipeline Hazards），主要分为三类：

1. 结构冒险 (Structural Hazards)

成因：多条指令在同一时钟周期内争夺同一个硬件资源。
经典场景：单端口存储器架构中，第 $i$ 条指令在 MEM 阶段 读取/写入数据，而第 $i+3$ 条指令在 IF 阶段 同时尝试读取指令，发生端口冲突。
解决对策：
- 资源复制：将统一的存储器拆分为独立的指令存储器（Instruction Memory）和数据存储器（Data Memory），或在 L1 缓存中采用独立的 I-Cache 和 D-Cache。
- 流水线挂起：让冲突指令暂停一个周期（Stall / Bubble）。

2. 数据冒险 (Data Hazards)

成因：后面的指令需要使用前面指令尚未写回寄存器的计算结果（发生数据依赖关系）。
冒险分类：
- RAW (Read-After-Write，写后读)：最常见，后面的指令尝试读取前面指令还没写入的值。
- WAR (Write-After-Read，读后写) 和 WAW (Write-After-Write，写后写)：在乱序执行（Out-of-Order）中可能出现，在经典顺序 MIPS 流水线中不会发生。
解决对策：
- 数据旁路 / 前送技术 (Data Bypassing / Forwarding)：将前序阶段（如 EX 阶段的 ALU 输出或 MEM 阶段的访存结果）计算好的数据，直接通过旁路多路复用器直接送往后面指令的 EX 阶段输入端，从而无需等待 WB 阶段写回寄存器。
- 加载-使用冒险 Stall (Load-Use Stall)：如果前序指令是 Load 指令，由于数据要在 MEM 阶段结束时才准备好，后面的使用指令即使有 Forwarding 也必须挂起 1 个周期。
- 编译器调度 (Compiler Scheduling)：通过重新排列无依赖指令来填充 Stall 空隙。

3. 控制冒险 (Control Hazards)

成因：由于分支指令（Branch/Jump）在较晚的阶段（如 ID 或 EX 阶段）才能决定下一条指令的实际跳转目标地址，此时流水线已经提前取出了后续的顺序指令，导致取错指令。
解决对策：
- 分支预测 (Branch Prediction)：
  - 静态预测：一律预测不跳转（Predict Not Taken）或根据历史静态方向预测。
  - 动态预测：使用分支预测缓冲（BPB/BHT）或分支目标缓冲（BTB）记录历史跳转记录进行动态预测。
- 延迟分支 (Delayed Branch)：编译器将一条与分支无关的指令放入分支指令后面的“延迟槽（Delay Slot）”中，无论分支是否跳转，延迟槽中的指令都会被执行。
- 硬挂起：在分支结果确定前，挂起流水线。

computer architecture (22) Nested Procedure Call

Tue, 09 Jun 2026 00:30:00 GMT

完整题目

将以下 C 语言代码（数组求平方和）翻译为 MIPS 汇编代码。

在这个程序中，主函数 sum_of_squares 会遍历一个数组，提取每个元素，调用子函数 square 计算其平方，并将结果累加。

// 主函数：计算数组元素的平方和
int sum_of_squares(int a[], int size) {
    int i = 0;
    int sum = 0;
    for (i = 0; i < size; i++) {
        sum = sum + square(a[i]);
    }
    return sum;
}

// 子函数：计算单个整数的平方
int square(int a) {
    int square;
    square = a * a;
    return square;
}

完整解答 (MIPS 汇编)

寄存器分配约定：

$a0：数组首地址 a[]
$a1：数组长度 size
$a2：传递给子函数 square 的参数（讲师此处未使用标准的 $a0 传参，是为了避免覆盖原有的数组基址）
$t0：循环变量 i
$t1：累加变量 sum
$v0：函数的返回值

# ==========================================
# 主函数：sum_of_squares
# ==========================================
sum_of_squares:
    # --- 1. 函数序言（保护现场） ---
    addi $sp, $sp, -4       # 栈指针向下移动 4 字节，开辟栈空间
    sw   $ra, 0($sp)        # 【关键】将当前的返回地址 $ra 压入栈中保存

    # --- 2. 变量初始化 ---
    add  $t0, $zero, $zero  # i = 0
    add  $t1, $zero, $zero  # sum = 0

    # --- 3. 循环体 ---
loop:
    # 计算数组元素 a[i] 的内存地址
    sll  $t3, $t0, 2        # $t3 = i * 4 (计算字节偏移量，一个 int 占 4 字节)
    add  $t3, $t3, $a0      # $t3 = 偏移量 + 数组基址 (得到 a[i] 的绝对地址)
    
    # 读取 a[i] 的值并调用子函数
    lw   $a2, 0($t3)        # 将 a[i] 的值从内存读入 $a2 (准备作为参数传给 square)
    jal  square             # 调用 square 子函数 (此时会自动更新 $ra)

    # 累加结果与更新计数器
    add  $t1, $v0, $t1      # sum = sum + square 的返回值 ($v0)
    addi $t0, $t0, 1        # i++

    # --- 4. 循环条件判断 ---
    slt  $t3, $t0, $a1      # 判断 i < size。如果成立，$t3 = 1；否则 $t3 = 0
    beq  $t3, $zero, exit   # 如果 $t3 == 0 (即 i >= size)，跳出循环进入 exit
    j    loop               # 否则，跳回 loop 标签继续下一次循环

    # --- 5. 函数收尾（恢复现场） ---
exit:
    add  $v0, $t1, $zero    # 将最终的累加结果 sum 放入返回值寄存器 $v0
    lw   $ra, 0($sp)        # 【关键】从栈中恢复外层函数的返回地址 $ra
    addi $sp, $sp, 4        # 栈指针加 4，释放栈空间
    jr   $ra                # 跳转回上一层调用者


# ==========================================
# 子函数：square
# ==========================================
square:
    mul  $v0, $a2, $a2      # 将传入参数自己相乘，结果放入 $v0
    jr   $ra                # 子函数执行完毕，返回到主函数

没问题，MIPS 汇编的嵌套调用确实是个容易绕进去的难点。为了帮你长久记忆，我们抛开繁琐的代码行，提炼出这道题背后最核心的 3 个知识点，并为你提供记忆的“心智模型”。

核心痛点：为什么一定要用栈？（`$ra` 覆盖危机）

你可以把寄存器 $ra (Return Address) 想象成一张只有一行的便签纸，上面写着“干完活回哪里”。

当 main 调用 sum_of_squares 时，硬件自动在便签纸上写下了 main 的返回地址。
但是，当 sum_of_squares 内部再次调用 jal square 时，硬件会无情地擦掉刚才的内容，写上 square 的返回地址。
灾难发生：等 sum_of_squares 全部的循环跑完，想要回家时，发现便签纸上的地址早就变了，程序就会迷路（死循环或崩溃）。

记忆口诀： 只要你的函数里出现了 jal 指令，进门第一件事必须是“复印便签纸存进保险箱（压栈）”，出门最后一件事必须是“从保险箱拿出复印件（弹栈）”。

必须刻在脑子里的 3 个知识点

1. 嵌套调用的“汉堡包”模板 (The Stack Sandwich)

不要死记硬背每一行代码，把你写的所有嵌套函数都想象成一个汉堡包，上下两块面包是固定死板的操作，中间的肉饼才是你要写的核心逻辑。

顶层面包（保护现场 / 压栈）：

addi $sp, $sp, -4   # 栈顶指针下移（分配空间）
sw   $ra, 0($sp)    # 将便签纸上的地址存入栈

中间肉饼（核心业务逻辑）：
- 这里你可以随意使用寄存器，肆无忌惮地使用 jal 调用其他函数。

底层面包（恢复现场 / 弹栈）：

lw   $ra, 0($sp)    # 把存好的地址重新抄回便签纸
addi $sp, $sp, 4    # 栈顶指针上移（释放空间）
jr   $ra            # 循着便签纸上的地址回家

2. 数组地址计算的“乘 4 法则”

在高级语言里，a[i] 看起来像是一步操作。但在底层硬件看来，内存是一条连续的字节街区。因为一个 int 整数占据 4 个字节（32 位），所以第 $i$ 个元素的物理门牌号公式永远是：

$$\text{目标地址} = \text{基地址} + (i \times 4)$$

汇编实现：使用左移 2 位 (sll) 来实现乘以 4 的操作，这比使用 mul 乘法指令快得多。

sll  $t3, $t0, 2    # $t3 = i * 4 (位移大法好)
add  $t3, $t3, $a0  # $t3 = 偏移量 + 数组首地址

3. 循环结构的底层倒装句

我们在 C 语言中习惯的 for (i = 0; i < size; i++)，在汇编里往往被翻译成了“倒装句”。

C 语言的正向思维： “如果 $i < \text{size}$，就进循环继续干活。”
汇编的反向思维： “如果 $i \ge \text{size}$（或者判断 $i < \text{size}$ 为假），我就跳出去（exit），否则我就老老实实掉头回到上面（j loop）。” 所以你会看到 slt (Set on Less Than) 经常和 beq (Branch on Equal) 结对出现，用来判断终止条件。

新版演習微分积分（12）—— 积分trick与微分方程

Mon, 08 Jun 2026 00:30:00 GMT

💡 奇函数积分 Trick 的核心底层逻辑

1. 触发的两大核心前提（缺一不可！）

要使用这个定理，必须同时满足两个硬性指标：

指标一：积分区间必须关于原点绝对对称，即区间形式必须 be $[-a, a]$。如果区间是 $[0, a]$ 或者是 $[-a, 2a]$，此招废弃。
指标二：被积函数必须是奇函数，即满足 $f(-x) = -f(x)$。

2. 几何本质：正负面积的完美对消

为什么结果一定是 $0$？从几何图像上看：奇函数的图像关于原点中心对称。这意味着，在 $y$ 轴右侧（$x > 0$）曲线围成的面积，与在 $y$ 轴左侧（$x < 0$）曲线围成的面积，大小完全相等，但正负号恰好相反。当你在 $[-a, a]$ 整个区间上做定积分（求代数和）时，左边的负面积和右边的正面积就像正负电荷一样，碰撞在一起瞬间完全湮灭，总和归零。

🚀 考场高频“奇函数隐蔽形态”大盘点

出题老师为了不让你一眼看出来，经常会把奇函数伪装得极其复杂。以下是几种最常见的“整容”手段，请务必形成肌肉记忆：

“老带新”组合（最经典）：$x \cdot \text{偶函数}$
- 形态： $x \cdot \cos x$、 $x \cdot e^{-x^2}$、或者我们上一题遇到的 $t \cdot \sqrt{a^2 - t^2}$。
- 破局： $x$ 是奇函数，后面一坨全是偶函数。$\text{奇} \times \text{偶} = \text{奇}$，在 $[-a, a]$ 上直接变 $0$。
对数化合态（极具欺骗性）：$\ln\left(x + \sqrt{1 + x^2}\right)$
- 形态： 各种带根号的反双曲正弦变体。
- 破局： 别被长相吓退，用 $-x$ 替换 $x$ 之后分子有理化，你会发现 $f(-x) = -f(x)$，它是一个不折不扣的奇函数！
三角有理分式：$\frac{\sin^3 x}{1 + \cos^2 x}$
- 形态： 分母很恶心，分子带奇数次幂。
- 破局： 分母里的 $\cos^2 x$ 是偶函数，分子 $\sin^3 x$ 是奇函数。$\frac{\text{奇}}{\text{偶}} = \text{奇}$，直接秒杀。

📊 互动探索：奇函数定积分视觉化演示

为了让你更直观地感受这种“面积湮灭”的魔力，你可以通过下方的交互工具进行观察。试着调节对称区间的边界 $a$，或者切换不同的函数，观察正负面积是如何在对称轴两侧保持绝对平衡并最终抵消为 $0$ 的。

这道题的核心精髓可以总结为一套专门对付“偏心圆结构”的组合技。

只要在二重或三重积分中遇到特征结构：积分限为 $[0, 2a]$，且被积函数包含 $\sqrt{2ax - x^2}$，就可以无脑触发这套“三步秒杀”连招：

🌟 偏心圆积分的“三步秒杀”组合技

识别特征： 看到 $2ax - x^2$ 就要立刻反应出它是 $(x - a)^2 + y^2 = a^2$ 的一部分，属于偏心圆。

第一步：平移换元（造对称）

核心动作： 令 $t = x - a$ （即强行把坐标原点平移到圆心）。
化学反应：
- 积分区间瞬间从不对称的 $[0, 2a]$ 变成了完美的对称区间 $[-a, a]$。
- 恶心的根式 $\sqrt{2ax - x^2}$ 瞬间配方化简为标准圆方程的形式 $\sqrt{a^2 - t^2}$。
目的： 为第二步的“白嫖”做局。

第二步：拆开消零（用奇偶）

核心动作： 把带有 $(t + a)$ 的被积函数乘开，拆成两项积分相加。
化学反应： 必定会产生一项带有 $t \cdot \sqrt{a^2 - t^2}$ 的形式。这是一个标准的奇函数！
目的： 在对称区间 $[-a, a]$ 上，奇函数的定积分直接写 $0$。这就相当于凭空消灭了一半甚至大半的计算量，完全不用求原函数。

第三步：几何降维（算面积）

核心动作： 面对剩下的那项必定包含的 $\int_{-a}^a \sqrt{a^2 - t^2} , dt$，拒绝使用任何代数或三角换元计算。
化学反应： 直接在脑海中（或草稿纸上）将它等效替换为图形。它代表的就是原点为中心、半径为 $a$ 的上半圆面积。
目的： 将微积分问题降维成小学几何问题，直接代入结果 $\frac{\pi a^2}{2}$。

💡 考场心法口诀

为了在考场上形成肌肉记忆，你可以记住这个口诀：

遇偏心圆（$2ax - x^2$），先平移凑对称（$t = x - a$）； 奇函数直接扔（$= 0$），偶函数画半圆（$= \frac{\pi a^2}{2}$）。

这套 trick 最大的价值在于“防算错”。在高强度的考试中，硬算三角换元极容易在正负号、上下限、系数漏乘上翻车，而这套组合技全是用最底层的逻辑（对称性、几何图形）来跳过复杂代数运算，既快又稳。

</div>

欧拉代换（Euler Substitutions）是微积分中用于解决一类带有特定平方根的反常积分或不定积分的“终极降维打击”武器。

它的专门应用场景是处理含有 $\sqrt{ax^2 + bx + c}$ 这种二次多项式平方根的积分：

$$\int R(x, \sqrt{ax^2 + bx + c}) , dx$$

遇到这类积分，传统的三角代换往往会因为 $bx$ 这项的存在而变得极其繁琐（需要先配方，再分类讨论）。而欧拉代换的核心目的只有一个：去根号（有理化）。它通过极其巧妙的变量代换，把带有讨厌根号的积分，完全变成一个只含变量 $t$ 的普通有理函数积分 $\int \frac{P(t)}{Q(t)} , dt$。

欧拉代换一共有三类，针对不同的系数情况“对症下药”。

第一类欧拉代换：当 $a > 0$ 时使用

这是最常用的一类，也是我们上一题证明 $\int \frac{1}{\sqrt{x^2 + a}} , dx$ 时所用的方法。

核心构造： 令 $\sqrt{ax^2 + bx + c} = \pm \sqrt{a}x + t$

它为什么像变魔术一样有效？ 我们把这个等式两边同时平方：

$$ax^2 + bx + c = (\pm \sqrt{a}x + t)^2$$

$$ax^2 + bx + c = ax^2 \pm 2\sqrt{a}xt + t^2$$

奇迹就在这里： 等式两边的二次项 $ax^2$ 完美抵消了！剩下的方程变成了：

$$bx + c = \pm 2\sqrt{a}xt + t^2$$

这变成了一个关于 $x$ 的一次方程（线性方程）。由于 $x$ 降到了只有一次方，你可以非常轻松地把 $x$ 用 $t$ 表达出来：

$$x = \frac{t^2 - c}{b \mp 2\sqrt{a}t}$$

既然 $x$ 是 $t$ 的有理函数，那么对它求导得到的 $dx$ 也必然是 $t$ 的有理函数。代回原积分，根号就彻底消失了。

第二类欧拉代换：当 $c > 0$ 时使用

如果二次项系数 $a < 0$，第一类代换就失效了（因为 $\sqrt{a}$ 变成了虚数）。但只要常数项 $c > 0$，我们就可以用第二类。

核心构造： 令 $\sqrt{ax^2 + bx + c} = xt \pm \sqrt{c}$

化简逻辑： 同样两边平方：

$$ax^2 + bx + c = x^2t^2 \pm 2\sqrt{c}xt + c$$

这次，等式两边的常数项 $c$ 完美抵消了：

$$ax^2 + bx = x^2t^2 \pm 2\sqrt{c}xt$$

因为每一项都含有 $x$，我们可以在两边同时约掉一个 $x$（假设 $x \neq 0$）：

$$ax + b = xt^2 \pm 2\sqrt{c}t$$

再次把二次方程降维成了一次方程！解出 $x$ :

$$x = \frac{\pm 2\sqrt{c}t - b}{a - t^2}$$

同样，根号被成功消灭。

第三类欧拉代换：当多项式有实数根时使用

如果 $a < 0$ 且 $c < 0$，前两类都失效了。但只要二次方程 $ax^2 + bx + c = 0$ 有两个实数根（假设为 $\alpha$ 和 $\beta$），我们就可以用第三类。

开发式子可以把多项式因式分解为 $a(x - \alpha)(x - \beta)$。

核心构造： 令 $\sqrt{ax^2 + bx + c} = (x - \alpha)t$

化简逻辑： 两边平方：

$$a(x - \alpha)(x - \beta) = (x - \alpha)^2t^2$$

两边同时约掉公因式 $(x - \alpha)$：

$$a(x - \beta) = (x - \alpha)t^2$$

展开后，这又是一个关于 $x$ 的一次方程：

$$ax - a\beta = xt^2 - \alpha t^2$$

解出 $x$ :

$$x = \frac{a\beta - \alpha t^2}{a - t^2}$$

根号再次被完美消灭。

总结

欧拉代换之所以经典，是因为它展现了代数变形中的一种极致暴力美学：利用完全平方公式中的交叉项，强行抵消掉最高次项或常数项，从而完成非线性向线性的降维。 在考研或选拔性考试中，第一类是最常出现的，遇到 $\sqrt{x^2 \pm k^2}$ 这种结构，如果在特定的复杂分式中，直接甩出第一类欧拉代换 $t = x + \sqrt{x^2 \pm k^2}$，往往能大力出奇迹。

这份笔记为你量身定制，剥离了繁杂的推导，只保留考场上（尤其是院生考试、考研等高压环境下）最核心的触发条件、代换公式和实战避坑指南。建议直接收藏或抄录。

📝 微积分复习冲刺笔记：欧拉代换 (Euler Substitutions)

🎯 核心使命

唯一目的： 去根号（有理化）。 适用题型： 被积函数含有 $\sqrt{ax^2 + bx + c}$，且常规的三角代换（如 $x = a\sin\theta$）难以处理或需要复杂分类讨论时。通过欧拉代换，可以将无理函数积分彻底转化为纯粹的有理函数积分 $\int \frac{P(t)}{Q(t)} , dt$。

🔑 三大代换模型 (按优先级排序)

第一类：看“二次项系数” (最常考，绝对核心)

触发条件： $a > 0$ （只要最高次项系数大于 $0$ 就能用）
核心代换：

$$\sqrt{ax^2 + bx + c} = \pm \sqrt{a}x + t$$

(考场建议：一律默认取正号，即 $\sqrt{a}x + t$，少记一个符号少分心)
消元逻辑： 两边平方后，$ax^2$ 完美抵消，方程降次为 $x$ 的一次方程。

第二类：看“常数项” (作为第一类的替补)

触发条件： $c > 0$ （当 $a < 0$ 且常数项大于 $0$ 时使用）
核心代换：

$$\sqrt{ax^2 + bx + c} = xt \pm \sqrt{c}$$

(考场建议：同样默认取正号，即 $xt + \sqrt{c}$)
消元逻辑： 两边平方后，常数项 $c$ 完美抵消，两边同除以 $x$ 后，降次为 $x$ 的一次方程.

第三类：看“实数根” (保底方案)

触发条件： $ax^2 + bx + c = 0$ 有两个实数根 $\alpha$ and $\beta$（即 $\Delta > 0$）
核心代换：

$$\sqrt{a(x - \alpha)(x - \beta)} = (x - \alpha)t$$
消元逻辑： 两边平方后，直接约去公因式 $(x - \alpha)$，降次为 $x$ 的一次方程。

⚔️ 考场实战 SOP (标准操作程序)

一旦决定使用欧拉代换，请严格遵守以下机械化三步走，千万不要跳步，否则极其容易算错：

设：根据 $a, c, \Delta$ 的符号选定代换公式，写出 $\sqrt{\dots} = \dots(t)$。
解 $x$： 将上式两边平方，利用抵消机制，把 $x$ 用 $t$ 表示出来。这是最关键的一步，必须把 $x$ 彻底独立在等号左边：$x = f(t)$。
求 $dx$： 对解出来的 $x = f(t)$ 两边求微分，得到 $dx = f'(t) , dt$。（考场高频死穴：极度容易忘记把 $dx$ 换成 $dt$！）
(隐藏的第 4 步)：把 $x$、$dx$ 以及根号项全部用 $t$ 替换回原积分，开始有理分式积分的计算。

💡 铁律与避坑指南 (Tips)

杀鸡焉用牛刀： 欧拉代换是“重武器”，计算量巨大（通常会产生繁琐的分式）。如果遇到标准的 $\sqrt{a^2 - x^2}$ 或 $\sqrt{a^2 + x^2}$，优先使用三角代换或反双曲函数/基础积分公式。只有当里面出现恶心的交叉项 $bx$，且配方后依然很难受时，再祭出欧拉代换。
神级特例（必须秒杀）： 当积分为 $\int \frac{1}{\sqrt{x^2 + k}} , dx$ 形式时，直接套用第一类欧拉代换（取 $a = 1$，$ \pm $ 取正），即 $\sqrt{x^2 + k} = -x + t$，这会直接推导出我们在反常积分中最常用的 $p$-标尺衍生公式：

$$\int \frac{1}{\sqrt{x^2 + k}} , dx = \ln|x + \sqrt{x^2 + k}| + C$$

(不要在考场上重新推导这个，直接默写！)
定积分的上下限： 如果是定积分，在你设出 $t$ 之后，必须第一时间更新积分上下限。很多时候，上下限的改变会让题目瞬间变得极其简单（比如变成奇偶对称区间）。

没问题！我们就用刚刚总结的“欧拉代换考场实战 SOP”，一步一步地去「肢解」你截图里的那个经典公式：

求积分： $\int \frac{1}{\sqrt{x^2 + a}} , dx$

在备考微积分时，亲自走一遍这个流程，比死记硬背要深刻得多。请看这套 SOP 是如何严丝合缝地运作的：

⚔️ 欧拉代换实战演示

第一步：设（匹配触发条件） 观察被积函数的分母 $\sqrt{x^2 + a}$。这里的 $x^2$ 系数是 $1 > 0$，完美触发第一类欧拉代换。根据我们的“神级特例”口诀，为了直接凑出最终的公式形态，我们令：

$$\sqrt{x^2 + a} = -x + t$$

(注：这里选 $-x + t$ 是因为移项后 $t = x + \sqrt{x^2 + a}$，刚好就是我们最终目标 $\ln$ 里的那个式子！)

第二步：解 $x$（消去根号 of 魔法） 将等式两边同时平方：

$$x^2 + a = (-x + t)^2$$

$$x^2 + a = x^2 - 2xt + t^2$$

你看，两边的 $x^2$ 完美抵消了！剩下：

$$a = -2xt + t^2$$

现我们要把 $x$ 孤立出来，解出 $x$：

$$2xt = t^2 - a$$

$$x = \frac{t^2 - a}{2t}$$

第三步：求 $dx$（绝不能忘的替换） 对上面解出的 $x$ 两边求微分（对 $t$ 求导）：

$$dx = \left( \frac{t^2 - a}{2t} \right)' , dt$$

根据商 of 求导法则 $[\frac{u}{v}]' = \frac{u'v - uv'}{v^2}$：

$$dx = \frac{(2t)(2t) - (t^2 - a)(2)}{(2t)^2} , dt$$

$$dx = \frac{4t^2 - 2t^2 + 2a}{4t^2} , dt$$

$$dx = \frac{2t^2 + 2a}{4t^2} , dt = \frac{t^2 + a}{2t^2} , dt$$

第四步：代入计算（收割结果） 在代入原积分之前，我们还需要把分母 $\sqrt{x^2 + a}$ 也用 $t$ 表示出来。回到第一步的设定：

$$\sqrt{x^2 + a} = -x + t = -\left( \frac{t^2 - a}{2t} \right) + t$$

通分一下：

$$\sqrt{x^2 + a} = \frac{-t^2 + a + 2t^2}{2t} = \frac{t^2 + a}{2t}$$

现在，万事俱备，把所有东西扔进原积分 $\int \frac{1}{\sqrt{x^2 + a}} , dx$ 中：

$$= \int \frac{1}{\frac{t^2 + a}{2t}} \cdot \frac{t^2 + a}{2t^2} , dt$$

接下来就是最解压的“连连看”消消乐环节：

$$= \int \frac{2t}{t^2 + a} \cdot \frac{t^2 + a}{2t^2} , dt$$

交叉项 $(t^2 + a)$ 约掉，数字 $2$ 约掉，分子的 $t$ 和分母的 $t^2$ 约掉一个，最后竟然只剩下：

$$= \int \frac{1}{t} , dt$$

这就是一个最基础 of 对数积分：

$$= \ln|t| + C$$

最后，把 $t$ 换回 $x$： 由第一步 $\sqrt{x^2 + a} = -x + t$ 可知 $t = x + \sqrt{x^2 + a}$，代入得：

$$= \ln\left| x + \sqrt{x^2 + a} \right| + C$$

这套流程走下来，你截图里的公式就被彻底证明了。

这就是为什么我称欧拉代换为“降维打击”。它虽然中间看着有一点点繁杂（求导和通分），但它不需要任何取巧 of 灵感，不需要画直角三角形去思考 $\sec$ 和 $\tan$ 的代换，就是机械化地设、平方、求导、代入、约分，然后得到一个极其干净的结果。在院试这种高压环境下，这种不依赖灵感的“纯代数碾压法”往往是最可靠的。

书本第 157 页（对应 PDF 第 167 页）宣告我们正式进入了微积分下半场的“硬核算分赛道”——6.2 一阶常微分方程的解法（1 階常微分方程式）。

在考研/大学院考试中，解微分方程就像是在“打怪升级”。你遇到的所有高级怪物（复杂方程），最终都必须被“降维打击”成最基础的形态才能消灭。而这一页，就给出了最基础的“零阶形态（变量分离形）”，以及把它变身出来的“一阶形态（同次形）”和“二阶形态（非同次分式形）”。

这三个蓝色框框，是考场上解微分方程的“三板斧”。我为您进行最通俗的满分战术拆解：

第一板斧：最强破壁者 —— 变量分离形 (変数分離形)

这是所有微分方程解法的最终归宿。不管题目多难，最后一步必定是它。

1. 长什么样？

$$\frac{dy}{dx} = f(x)g(y)$$

特征：等式右边可以通过因式分解，变成“一个纯 $x$ 的函数”乘以“一个纯 $y$ 的函数”（比如 $y' = x^2 y$ 或 $y' = e^x \sin y$）。

2. 考场满分解题法 (式 ①)

【核心口诀：各回各家，各找各妈】

把含有 $y$ 的项全部除到左边，和 $dy$ 在一起。
把含有 $x$ 的项全部乘到右边，和 $dx$ 在一起。
两边同时加上积分号 $\int$，然后算就完事了！最后随便在一边加上个任意常数 $C$。

$$\int \frac{1}{g(y)} , dy = \int f(x) , dx + C$$

⚠️ 【注意 6.2 的高阶变体】

如果遇到 $\frac{dy}{dx} = f(ax+by+c)$ 这种“铁板一块”拆不开的怎么办？ 【考场神技】：直接令一整块 $u = ax + by + c$。求导得到 $\frac{du}{dx} = a + b \frac{dy}{dx}$，代入方程后，它瞬间就会退化成一个关于 $u$ 和 $x$ 的变量分离形！

第二板斧：变装大师 —— 同次形 (同次形 / 齐次方程)

在考场上，如果右边的 $x$ 和 $y$ 混在一起，用乘除法根本拆不开怎么办？

1. 长什么样？

$$\frac{dy}{dx} = f\left(\frac{y}{x}\right)$$

特征：等式右边是一个“齐次函数”。判断标准是：你把式子里的 $x$ 和 $y$ 都替换成 $tx$ 和 $ty$，如果所有的 $t$能完美约分消掉，它就是同次形！（比如 $y' = \frac{x^2+y^2}{xy}$，每一项都是 $2$ 次，这就是标准的同次形）。

2. 考场满分解题法 (式 ②)

既然它是个关于 $\frac{y}{x}$ 的函数，那我们就顺水推舟！ 【核心口诀：令 $y/x = u$（即 $y = xu$），强行降维】

一旦令 $y = xu$，根据乘积求导法则，左边的 $\frac{dy}{dx}$ 就变成了： $$\frac{dy}{dx} = u + x \frac{du}{dx}$$
把这个代入原方程： $$u + x \frac{du}{dx} = f(u)$$ $$x \frac{du}{dx} = f(u) - u$$
【奇迹发生】：你看！右边变成了一个纯 $u$ 的函数！这不就退化成了第一板斧“变量分离形”了吗！把 $x$ 和 $dx$ 扔到右边，把 $u$ 的部分扔到左边： $$\int \frac{1}{f(u) - u} , du = \int \frac{1}{x} , dx = \log|x| + C$$ 算完之后，别忘了把 $u$ 换回 $\frac{y}{x}$，大功告成！

第三板斧：终极融合怪 —— 含有常数的分式形

这是前两种方法的综合，经常作为期末考或考研的第一道计算大题出现。

1. 长什么样？

$$\frac{dy}{dx} = f \left( \frac{ax + by + c}{px + qy + r} \right)$$

特征：右边是一个一次分式。如果只有 $x$ 和 $y$（即常数 $c = 0, r = 0$），它就是一个标准的“同次形”（第二板斧）。但讨厌的是，它带了常数尾巴 $c$ 和 $r$，破坏了齐次性。怎么办？

2. 考场满分解题法 (式 ③ 和 ④)

出题人分了两种情况来考你：

情况 A（式 ③）：分子分母的系数成比例（平行线） 即行列式 $aq - bp = 0$（也就是 $a/p = b/q$）。此时分子其实是分母的某个倍数。 【解法】：用【注意 6.2】的招数，直接令 $u = px + qy$。把它强行捏成一个变量分离形（第一板斧）。
情况 B（式 ④）：分子分母系数不成比例（相交线，超级高频！） 即 $aq - bp \neq 0$。 【解法】：既然常数 $c, r$ 碍事，我们就通过**“坐标系平移”**把它们抹掉！
1. 解二元一次方程组：$ax + by + c = 0$ 和 $px + qy + r = 0$，求出交点坐标 $(\alpha, \beta)$。
2. 进行平移换元：令 $x = u + \alpha, \quad y = v + \beta$。
3. 代入原方程，常数 $c$ 和 $r$ 会奇迹般地抵消归零！
4. 方程瞬间变成了没有常数项的 $\frac{dv}{du} = f\left(\frac{au+bv}{pu+qv}\right)$。这就退化成了“同次形”（第二板斧）。用 $v = uw$ 继续解即可！

总结与通关演练的指引

第 157 页 是微积分常微分方程解法最宝贵的一本**“武功秘籍”**。它的解题逻辑是一条完美的降维打击链： 平移换元（抹除常数） $\implies$ 同次形（令 $y = ux$） $\implies$ 变量分离形（积分秒杀）。

书本第 158 页（对应 PDF 第 168 页）是常微分方程考点中最核心、最爱考的“三大名阵”！

如果说前一页（157页）的变量分离和同次形是基础招式，那么这一页就是大学院考研中区分度最高的高阶必杀技。很多学校的压轴大题，就是从这三个方程中抽一个考。

这三大名阵分别是：一阶线性微分方程、伯努利微分方程、克莱罗微分方程。请深呼吸，我将用最直白、最实战的“考场满分套路”为您拆解这三个“大魔王”：

第一阵：绝对的主力 —— 一阶线性微分方程 (1階線形微分方程式)

这是出场率排名第一的方程！考研试卷上 $50%$ 的微分方程都是它。

1. 怎么认出它？

长成这个标准模样： $$\frac{dy}{dx} + p(x)y = q(x)$$ 特征：$y$ 和 $y'$ 都只有 $1$ 次方！而且它们分别被 $x$ 的函数（$1$ 和 $p(x)$）带着，等号右边是一个纯 $x$ 的函数 $q(x)$。

2. 考场解法：常数变易法（或称积分因子法）

情况 A：右边等于 0（齐次，式 ⑤） 如果 $q(x) = 0$，这就变成了一个送分的“变量分离形”。直接把 $dx$ 和 $y$ 移项积分，公式：$y = C \exp\left(-\int p(x) , dx\right)$。
情况 B：右边不等于 0（非齐次，式 ⑥） 【考场神级公式 ⑥，必须死记硬背！】 $$y = e^{-\int p(x) , dx} \left{ \int q(x) e^{\int p(x) , dx} , dx + C \right}$$ (注：$\exp(\dots)$ 就是 $e^{\dots}$ 的另一种写法)。

💡【背诵与防错口诀】：这个公式看起来吓人，其实非常有规律！

先算一个神秘的积分因子：$\mu(x) = e^{\int p(x) , dx}$。

原方程的解直接就是：$y = \frac{1}{\mu(x)} \left( \int q(x)\mu(x) , dx + C \right)$。外面除以它，里面乘以它再积分，最后加上 $C$。搞定！

第二阵：变装刺客 —— 伯努利微分方程 (ベルヌーイの微分方程式)

它长得很像一阶线性方程，但在等号右边搞了点“小破坏”。

1. 怎么认出它？

$$\frac{dy}{dx} + p(x)y = q(x) y^n \quad (n \neq 0, 1)$$ 特征：左边看着是完美的线性，但右边本来该是纯 $x$ 的地方，竟然多了一个讨厌的 $y^n$！

2. 考场破局法：神级换元（式 ⑦）

对付这种“非线性”刺客，我们的战略是把它强行降维打击成“一阶线性”！ 【考场固定套路，一字不差照做】：

除掉刺客：方程两边同时除以 $y^n$，把右边变得干干净净： $$y^{-n} y' + p(x)y^{1-n} = q(x)$$
祭出换元法：令中间那一项 $z = y^{1-n}$！
求导替换：对 $x$ 求导得到 $z' = (1-n)y^{-n}y'$。你会惊喜地发现，这个导数刚好就是刚才第一项的一小部分！
方程变身：代入后，原方程瞬间变成了关于 $z$ 和 $x$ 的完美一阶线性方程： $$\frac{dz}{dx} + (1-n)p(x)z = (1-n)q(x)$$ 这就是公式 ⑦！接下来，直接套用上面的“第一阵（公式 ⑥）”算出 $z$，再把 $z$ 换回 $y^{1-n}$，满分到手！

第三阵：奇异大师 —— 克莱罗微分方程 (クレローの微分方程式)

这是一个“两极分化”的考点。不懂的人一筹莫展，懂的人只需 10 秒钟 就能拿一半的分！

1. 怎么认出它？

长相极其独特、嚣张： $$y = x \frac{dy}{dx} + f\left(\frac{dy}{dx}\right)$$ 特征：$y$ 等于 $x$ 乘以 $y'$，再加上一个关于 $y'$ 的复合函数。（比如 $y = xy' + (y')^2$）

2. 考场解法：买一送一（式 ⑧）

这种方程的解分成两部分：一般解 和 特异解（回忆一下 153 页讲的概念）。

白送的一般解 (直線群)：极其简单！直接把方程里所有的 $y'$ 也就是 $\frac{dy}{dx}$ 替换成常数 $C$！ 一般解：$y = Cx + f(C)$。 (为什么？因为你对这个解求导，得到 $y'=C$，代回去刚好成立！这代表了一大把直线。)
压轴的特异解 (包絡線)：一般解是一堆直线，那特异解是什么？在底部的 【注意 6.3】 明确指出，特异解就是这堆直线的包络线！（我们在第 116 页和 123 页刚学过！）怎么求这堆直线的包络线？
1. 写出一般解：$y = Cx + f(C)$。
2. 两边对参数 $C$ 求偏导（把 $x, y$ 当常数）：$0 = x + f'(C)$。
3. 把这俩式子联立，消去常数 $C$，得到的关于 $x, y$ 的方程，就是特异解！

总结与考场指南

第 158 页是微分方程的“核心武器库”。您必须闭着眼睛都能默写出以下三大反射条件：

遇到右边纯 $x$ 的 $y'+py=q$ $\implies$ 算积分因子 $e^{\int pdx}$，套用大公式。
遇到右边多出 $y^n$ 的伯努利 $\implies$ 两边除以 $y^n$，令 $z = y^{1-n}$，转化为第 1 种。
遇到 $y = xy' + f(y')$ 克莱罗 $\implies$ 把 $y'$ 换成 $C$ 得一般解；再对 $C$ 求导消元得特异解。

书本第 159 页（对应 PDF 第 169 页）补全了一阶常微分方程的最后两块、也是物理学/热力学中最爱考的理论拼图：完全微分形（完全微分方程）与积分因子（積分因子）。

如果你在考研中遇到了 $P(x, y) , dx + Q(x, y) , dy = 0$ 这种把 $dx$ 和 $dy$ 写在同一侧的方程，不要慌，按照这一页的“两步走战略”，就能像解密室逃脱一样把它破解。

我为您将这套硬核“密码破译法”拆解如下：

密码破译第一阶段：完全微分形 (完全微分形 / Exact Equation)

在第 107 页我们学过“全微分”：如果有一个函数 $u(x, y)$，它的全微分是 $du = \frac{\partial u}{\partial x} , dx + \frac{\partial u}{\partial y} , dy$。如果题目给的方程 $p(x, y) , dx + q(x, y) , dy = 0$ 刚刚好就是一个全微分 $du = 0$，那这道题就变成了送分题，因为积分后直接就是 $u(x, y) = C$！

1. 鉴定方法（充要条件）

怎么知道它是不是“刚刚好”的全微分？ 【考场第一反应】：交叉求偏导！分别算出 $\frac{\partial p}{\partial y}$ 和 $\frac{\partial q}{\partial x}$。如果 $\frac{\partial p}{\partial y} = \frac{\partial q}{\partial x}$，恭喜你，中大奖了！这就是一个完全微分形。

2. 考场满分解题法 (式 ⑨)

书本给出的公式 ⑨ 看起来嵌套着一堆积分和求导，非常吓人。其实它的操作逻辑极其简单，请记住这个**“三步拼图法”**：

第 1 步：把 $p(x, y)$ 对 $x$ 积分（把 $y$ 当常数），得到一个初步结果，记为 $v(x, y)$。 $$v(x, y) = \int p(x, y) , dx$$
第 2 步：找出 $y$ 身上“漏掉的部分”。把刚才的 $v(x, y)$ 对 $y$ 求偏导，然后用原来的 $q(x, y)$ 减去它： $$\text{漏掉的部分} = q(x, y) - \frac{\partial v}{\partial y}$$ (放心，如果第一步鉴定成功，算出来的这部分一定只含有 $y$ 或为常数，绝不会有 $x$！)
第 3 步：把漏掉的部分对 $y$ 积分，加到第一步的结果上，令它等于常数 $C$： $$u(x, y) = v(x, y) + \int \left{ q(x, y) - \frac{\partial v}{\partial y} \right} , dy = C$$

（这就是一般解！完全不需要背那个极其复杂的综合式子，分三步算绝对不会错。）

密码破译第二阶段：积分因子 (積分因子 / Integrating Factor)

【考场突发情况】：如果交叉求导后发现 $\frac{\partial p}{\partial y} \neq \frac{\partial q}{\partial x}$ 怎么办？说明这把锁生锈了。我们需要给它喷点“润滑油”——找到一个神秘的函数 $\mu(x, y)$，乘在方程两边，让它强行变成完全微分形！ 这个 $\mu$ 就是积分因子。

寻找一般情况下的 $\mu(x, y)$ 是一项世界级难题。但在大学院考试中，教授只会考你两种“特殊且简单”的情况。

寻找积分因子的两大“开锁捷径”（式 ⑩ 与 ⑪）

【先算钥匙芯】：不论哪种情况，第一步先算出两者的差值：$\Delta = \frac{\partial p}{\partial y} - \frac{\partial q}{\partial x}$。

情况 A（式 ⑩）：用 $q$ 去除 如果你发现 $\frac{\Delta}{q}$ 算出来仅仅是一个关于 $x$ 的函数（里面完全没有 $y$），那么： $$\text{积分因子 } \mu(x) = \exp \left{ \int \frac{1}{q} \left( \frac{\partial p}{\partial y} - \frac{\partial q}{\partial x} \right) , dx \right}$$ (把算出的 $\mu(x)$ 乘回原方程，原方程就变成完全微分了，直接套用上面的三步拼图法解决！)
情况 B（式 ⑪）：用 $p$ 去除（🚨 极其容易丢分的陷阱！） 如果你发现 $\frac{\Delta}{p}$ 算出来仅仅是一个关于 $y$ 的函数（里面完全没有 $x$），那么积分因子只与 $y$ 有关。 【致命警告】：注意看公式 ⑪！在这个指数的积分号前面，有一个负号（$-$）！ $$\text{积分因子 } \mu(y) = \exp \left{ - \int \frac{1}{p} \left( \frac{\partial p}{\partial y} - \frac{\partial q}{\partial x} \right) , dy \right}$$ (每年都有无数考生在考场上忘记这个负号，导致积分因子全错，整道大题得零分！)

总结与通关演练指引

第 159 页是微分方程求解的“终极急救包”。它的逻辑链条非常清晰：遇到 $P , dx + Q , dy = 0 \implies$ 先判断 $P_y = Q_x$ 吗？

是 $\implies$ 直接三步拼图法（完全微分）。
否 $\implies$ 算差值 $\Delta = P_y - Q_x$，除以 $P$ 或 $Q$ 看看能不能化简，求出积分因子 $\mu$。乘上 $\mu$ 后，回到第一步。

至此，一阶常微分方程的所有理论（变量分离、同次、线性、伯努利、克莱罗、完全微分）已经全部集齐！

大阪大学大学院情报科学专业词汇对译汇总表

Fri, 05 Jun 2026 22:15:00 GMT

大阪大学大学院情报科学专业词汇对译汇总表

为了帮助大家高效备考 2026年夏季（8月）大阪大学大学院情报科学研究科（Handai IPS） 各种专业课以及其他日本计算机相关院试，本篇博客整理并汇总了**《情报学科专业词汇对照表（章节顺）》**的全部内容。

对照表按科目及章节顺序排列，涵盖了以下 6 门核心专业课：

数据结构 (Data Structures)
操作系统 (Operating Systems)
计算机组成原理 (Computer Architecture)
计算机网络 (Computer Networks)
信息论与编码 (Information Theory)
形式语言与自动机 (Automata and Formal Languages)

[!TIP]

建议使用浏览器自带的页面内搜索（Ctrl + F 或 Cmd + F）快速检索中日英三语词汇。

大部分章节根据日本知名教材制作，中文翻译参考了王道考研书目、百度百科及维基百科等，英文翻译参考了维基百科及大学课件等。

目录 / Table of Contents

数据结构
操作系统
计算机组成原理
计算机网络
信息论与编码
形式语言与自动机

<a id="数据结构"></a>数据结构

[!NOTE] 基于《アルゴリズムとデータ構造 (未来へつなぐデジタルシリーズ 10)》制作。中文翻译参考：王道考研书目&视频，百度百科，百度老师，维基百科，谷歌老师等英文翻译参考：维基百科，谷歌老师，百度百科，部分大学课件等

第1章：アルゴリズムとデータ構造の基本概念 / 数据结构与算法的基本概念 / Basic concepts of data structures and algorithms

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
アルゴリズム	アルゴリズム	算法	Algorithm
データ構造	データ　こうぞう	数据结构	Data structure
線形探索	せんけい　たんさく	线性查找	Linear search
完全正当性	かんぜん　せいとうせい	（完全）正确性	Total correctness
ユークリッドの互除法	ユークリッドのごじょほう	辗转相除法<br>（欧几里得算法）	Euclidean algorithm
ホーナーの方法	ホーナーのほうほう	霍纳法则	Horner's method
2分探索	にぶんたんさく	二分查找	Binary search
昇順/降順	しょうじゅん/こうじゅん	升序/降序	Ascending order/<br>Descending order
計算量	けいさんりょう	复杂度	Complexity
時間計算量	じかん　けいさんりょう	时间复杂度	Time complexity
領域計算量	りょういき　けいさんりょう	空间复杂度	Space complexity
漸近的計算量	ぜんきんてき　けいさんりょう	渐进复杂度	Asymptotic complexity
最悪計算量	さいあく　けいさんりょう	最坏情况复杂度	Worst case complexity
平均計算量	へいきん　けいさんりょう	平均情况复杂度	Average case complexity
多項式時間アルゴリズム	たこうしき　じかん　アルゴリズム	多项式时间算法	Polynomial time algorithm
指数時間アルゴリズム	しすうじかん　アルゴリズム	指数时间算法	Exponential time algorithm
再帰的アルゴリズム	さいきてき　アルゴリズム	递归算法	Recursive algorithm
漸化式	ぜんかしき	递归公式	Recursion formula
フィボナッチ数（列）	フィボナッチすう（れつ）	斐波那契数（列）	Fibonacci's number (sequence)
論理構造	ろんり　こうぞう	逻辑结构	Logical structure
物理構造	ぶつり　こうぞう	物理结构（存储结构）	Physical structure

第2章：基本的なデータ構造 / 基本的数据结构 / Basic data structures

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
配列	はいれつ	数组	Array
インデックス	インデックス	下标	Index
要素	ようそ	数据元素	Element
セル	セル	结点	Cell
ポインタ	ポインタ	指针	Pointer
連結リスト	れんけつ　リスト	链表	Link list
線形リスト	せんけい　リスト	线性表	Linear linked list
循環リスト	じゅんかん　リスト	循环链表	Circular linked list
双方向リスト	そうほうこう　リスト	双链表	Doubly linked list
スタック	スタック	栈	Stack
プッシュ	プッシュ	入栈	Push
ポップ	ポップ	出栈	Pop
LIFO	LIFO	后进先出	LIFO (Last In First Out)
オーバーフロー	オーバーフロー	上溢（溢出）	Overflow
アンダーフロー	アンダーフロー	下溢	Underflow
キュー	キュー	队列	Queue
エンキュー	エンキュー	入队	Enqueue
デキュー	デキュー	出队	Dequeue
FIFO	FIFO	先进先出	FIFO (First In First Out)
木構造	きこうぞう	树	Tree
左の子	ひだりのこ	左孩子	Left child node
右の子	みぎのこ	右孩子	Right child node
左部分木	ひだりぶぶんき	左子树	Left subtree
右部分木	みぎぶぶんき	右子树	Right subtree
順序木	じゅんじょき	顺序树	Ordered tree
２分木	にぶんぎ	二叉树	Binary tree
完全２分木	かんぜん　にぶんぎ	完全二叉树	Complete binary tree
走査/木のなぞり	そうさ/きのなぞり	遍历	Traverse
深さ優先探索/<br>縦型探索	ふかさゆうせん　たんさく/<br>たてがた　たんさく	深度优先遍历	Depth first search
幅優先探索/<br>横型探索	はばゆうせん　たんさく/<br>よこがた　たんさく	广度优先遍历	Breadth first search
行きがけ順/<br>先行順	ゆきがけじゅん/<br>せんこうじゅん	先序遍历	Pre-order
通りがけ順/<br>中間順	とおりがけじゅん/<br>ちゅうかんじゅん	中序遍历	In-order
帰りがけ順/<br>後行順	かえりがけじゅん/<br>こうこうじゅん	后序遍历	Post-order

第３章：集合の表現法とハッシュ法 / 集合的表示与散列查找 / Set Representation and Hashing

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
挿入	そうにゅう	插入	Insertion
探索	たんさく	查找	Search
削除	さくじょ	删除	Deletion
ハッシュ法	ハッシュ　ほう	哈希算法/散列查找	Hash function
チェイニング法	チェイニング　ほう	拉链法/链地址法	Chaining
オープンアドレス法	オープンアドレス　ほう	开放链址法	Open addressing

第４章：全順序集合とヒープ、2分探索木、AVL木 / 全序关系与堆，2叉排序树，平衡二叉树 / Totally ordered sets and heaps, binary search trees, AVL trees

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
全順序関係	ぜんじゅんじょ　かんけい	全序关系	Total order
半順序関係	はんじゅんじょ　かんけい	偏序关系	Partial order
全順序集合	ぜんじゅんじょ　しゅうごう	全序集	Total ordered set
半順序集合	はんじゅんじょ　しゅうごう	偏序集	Partially ordered set
ヒープ	ヒープ	堆	Heap
2分ヒープ	にぶん　ヒープ	二叉堆	Binary heap
2分探索木	にぶんたんさくぎ	2叉排序树	Binary search tree
AVL木	AVLき / えーぶいえるき	平衡二叉树	AVL tree
2色木 / 赤黒木	にしょくぎ / あかくろぎ	红黑树	Red-Black tree
2-3木	2-3き / にさんぎ	2-3树	2-3 tree
B木	びーき	B树	B-tree

第5章：整列 / 排序 / Sort

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
内部ソート	ないぶ　ソート	内部排序	Internal Sort
外部ソート	がいぶ　ソート	外部排序	External Sort
選択ソート	せんたく　ソート	选择排序	Selection Sort
バブルソート	バブルソート	冒泡排序	Bubble Sort
挿入ソート	そうにゅうソート	插入排序	Insertion Sort
シェルソート	シェルソート	希尔排序	Shell's Sort
ヒープソート	ヒープソート	堆排序	Heap Sort
クイックソート	クイックソート	快速排序	Quick Sort
ピボット	ピボット	枢轴/基准	pivot
マージソート	マージソート	归并排序	Merge Sort
バケットソート	バケットソート	桶排序	Bucket Sort
基数ソート	きすう　ソート	基数排序	Radix Sort
トポロジカルソート	トポロジカルソート	拓扑排序	Topological Sort
無閉路有向グラフ / <br>有向非巡回グラフ	むへいろ　ゆうこう　グラフ / <br>ゆうこう　ひじゅんかい　グラフ	有向无环图	Directed acyclic graph: DAG

第6章：アルゴリズムの設計手法 / 算法设计 / Algorithm design method

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
分割統治法	ぶんかつとうち　ほう	分治法	Divide and conquer
グリーディ法 / 貪欲法	グリーディ　ほう / どんよく　ほう	贪心算法	Greedy algorithm
動的計画法	どうてきけいかく　ほう	动态规划	Dynamic Programming
ナップサック問題	ナップサックもんだい	背包问题	Knapsack problem
分枝限定法	ぶんしげんてい　ほう	分枝界限法	Branch and bound
しらみつぶし法	しらみつぶしほう	穷举法	Exhaustive search
全数探索	ぜんすう　たんさく	暴力搜索(穷举搜索)	Brute-force search
部分和問題	ぶぶんわ　もんだい	子集和问题	Subset sum problem
枝刈り	えだかり	剪枝	Pruning

<a id="操作系统"></a>操作系统

[!NOTE] 基于《オペレーティングシステム(第2版) (情報工学レクチャーシリーズ)》制作。中文翻译参考：王道考研书目&视频，百度百科，百度老师，维基百科，谷歌老师等英文翻译参考：维基百科，谷歌老师，百度百科，部分大学课件等

[!NOTE] 注：由于《操作系统》和《计算机组成原理》两门科目许多内容都存在高度重合，如cache，虚拟内存，局部性，硬盘等等。所以在一门科目里写过的词汇，在另一门科目里我就不重复了。如果其中一门科目没有查到，可以去另一门科目查查看。

第1章：オペレーティングシステムとは / 何为操作系统 / What is an operating system?

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
オペレーティングシステム	オペレーティングシステム	操作系统	Operating System：OS
中央処理装置	-	中央处理器	Central Processing Unit：CPU
主記憶装置（メモリ）	しゅきおくそうち（メモリ）	内存	Memory
2次記憶装置 / 外部記憶装置 / <br>補助記憶装置（ハードディスク）	にじ　きおくそうち / がいぶ～ / ほじょ～（ハードディスク）	外存	Storage
時分割多重化	じぶんかつたじゅうか	时分复用	Time Division Multiplexing
空間分割多重化	くうかんぶんかつたじゅうか	空分复用	Space Division Multiplexing
プロセス	プロセス	进程	Process
ジョブ	ジョブ	作业	Job
バッチ処理	ハッチ　しょり	批处理（系统）	Batch( Processing System)
会話処理	かいわ　しょり	分时处理（系统）	Time-sharing( Processing System)
リアルタイム処理	リアルタイム　しょり	实时处理（系统）	Real-time( Processing System)
分散処理	ぶんさん　しょり	分布式（操作系统）	Distributed( Processing System)

第2章：CPUの仮想化：プロセス / CPU的虚拟化：进程 / CPU virtualization: Process

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
割込み	わりこみ	中断	Interruption
外部割込み	がいぶ　わりこみ	外部中断	External Interruption
スーパーバイザコール割込み	スーパーバイザコール　わりこみ	访管中断	Supervisor Call Interruption
内部割込み	ないぶ　わりこみ	内部中断	Internal Interruption
入出力割込み	にゅうしゅつりょく　わりこみ	I/O中断	I/O Interruption
タイマー割込み	タイマー　わりこみ	时钟中断	Timer Interruption
マシンチェック割込み	マシンチェック　わりこみ	机器检查中断	Machine Check Interruption
リスタート割込み	リスタート	重启中断	Restart Interruption
プログラムカウンタ	プログラムカウンタ	程序计数器	Program Counter：PC
スタックレジスタ	スタックレジスタ	堆栈寄存器	Stack Register
汎用レジスタ	はんよう　レジスタ	通用寄存器	General Register
割込みマスク	わりこみ　マスク	中断屏蔽	Interrupt Mask
プロセス制御ブロック	プロセス　せいぎょ　ブロック	进程控制块	Process Control Block：PCB
プログラム状態語	プログラム　じょうたいご	程序状态字	Program Status Word：PSW
実行状態	じっこうじょうたい	运行态	Running
実行可能状態	じっこうかのうじょうたい	就绪态	Ready
待ち状態	まちじょうたい	阻塞态	Wait
スレッド	スレッド	线程	Thread
プリエンプション	プリエンプション	抢占	Preemption

第3章：CPUの仮想化：スケジューリング / CPU的虚拟化：进程调度 / CPU virtualization: Scheduling

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
プリエンプション方式	プリエンプション　ほうしき	抢占式	Preemptive
ノンプリエンプション方式	ノンプリエンプション　ほうしき	非抢占式	Non-preemptive
スケジューリング	スケジューリング	进程调度	Scheduling
応答時間	おうとうじかん	响应时间	Response Time
スループット	スループット	吞吐量	Throughput
到着順スケジューリング	とうちゃくじゅん　スケジューリング	先来先服务算法	First Come First Served: FCFS
残り処理時間順スケジューリング	のこり　しょりじかんじゅん　スケジューリング	短作业优先算法	Shortest Job/Process First: SPF/SRT
優先度順スケジューリング	ゆうせんどじゅん　スケジューリング	优先级调度算法	Priority Scheduling: PS
静的優先度	せいてき　ゆうせんど	静态优先级	Static priority
動的優先度	どうてき　ゆうせんど	动态优先级	Dynamic priority
ラウンドロビンスケジューリング	ラウンドロビンスケジューリング	时间片轮转算法	RR
多重レベルフィードバックスケジューリング	たじゅう　レベルフィードバックスケジューリング	多级反馈队列调度算法	Multilevel Feedback Queue Scheduling:MFQS

第4章：並行プロセス：排他制御基礎 / 进程的并发性：进程互斥基础 / Parallel processes: Exclusive control basics

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
プロセス競合	プロセス　きょうごう	进程互斥	Mutual exclusion: Mutex
プロセス協調	プロセス　きょうちょう	进程同步	Process Synchronization
プロセス干渉	プロセス　かんしょう	进程干涉	/
排他制御	はいたせいぎょ	互斥锁	Mutual exclusion: Mutex
デッドロック	デッドロック	死锁	Deadlock
クリティカルセクション	クリティカルセクション	临界区	critical section
Dekkerのアルゴリズム	Dekkerのアルゴリズム	Dekker算法/双标志法	Dekker's algorithm
Petersonのアルゴリズム	Petersonのアルゴリズム	Peterson算法	Peterson's algorithm
テストアンドセット命令	テストアンドセット　めいれい	TestAndSet指令	Test-and-set-lock: TSL

第5章：並行プロセス：セマフォア / 进程的并发性：原语操作 / Parallel processes: Semaphore

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
セマフォア	セマフォア	原语	semaphore
プロデューサ / コンシューマ問題	プロデューサ / コンシューマ　もんだい	生产者消费者问题	Producer-consumer Problem
リーダライタ問題	リーダライタ　もんだい	读者写者问题	Reader-writer Problem
食事をする哲学者問題（ダイニングフィロソフィア問題）	しょくじをする　てつがくしゃ　もんだい（ダイニングフィロソフィア　もんだい）	哲学家进餐问题	The Dining Philosophers Problem

第6章　並行プロセス：モニタ

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
/	/	/	/

第7章：主記憶管理：基礎 / 内存管理：基础 / Main memory management: Basics

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
物理アドレス空間<br>（実アドレス空間）	ぶつり　アドレス　くうかん<br>（じつ　アドレス　くうかん）	物理地址	Physical address
論理アドレス	ろんり　アドレス	逻辑地址	Logical address

第8章：主記憶管理：領域割り当て / 内存管理：内存的分配管理方式 / Main memory management: Area allocation

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
固定区画方式	こてい　くかく　ほうしき	固定分区分配	Static partitioning method
可変区画方式	かへん　くかく　ほうしき	动态分区分配	Variable partitioning method
メモリフラグメンテーション	メモリフラグメンテーション	碎片	Fragmentation
外部断片化/<br>外部メモリフラグメンテーション	がいぶ　だんぺんか/<br>がいぶ　メモリフラグメンテーション	外部碎片	External Fragmentation
内部断片化/<br>内部メモリフラグメンテーション	ないぶ　だんぺんか/<br>ないぶ　メモリフラグメンテーション	内部碎片	Memory Fragmentation
メモリコンパクション	メモリコンパクション	内存紧凑/紧凑技术	Memory compaction
ベストフィット方式	ベストフィット　ほうしき	最佳适应算法	Best Fit
ファーストフィット方式	ファーストフィット　ほうしき	首次适应算法	First Fit
ワーストフィット方式	ワーストフィット　ほうしき	最坏适应算法	Worst Fit
リスト方式	リスト　ほうしき	空闲链表法	Free list
ビットマップ方式	ビットマップ　ほうしき	位示图	Bitmap
リエントラント	リエントラント	可重入	Reentrant
引数	ひきすう	自变量	Parameter
オーバーレイ	オーバーレイ	覆盖	Overlay

第9章：主記憶管理：ページング / 内存管理：分页存储管理 / Main memory management: Paging

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
仮想記憶	かそうきおく	虚拟内存	Virtual Memory
仮想アドレス	かそう　アドレス	虚拟地址	Virtual Address
スワップイン	スワップイン	调入	Swap in
スワップアウト	スワップアウト	调出	Swap out
ページング	ページング	分页存储	Paging
ページ	ページ	页	Page
ページフレーム	ページフレーム	页帧	Page Frame
ページテーブル	ページテーブル	页表	Page Table
ページテーブルレジスタ	ページテーブルレジスタ	页表寄存器	Page Table Register
キャッシュメモリ	キャッシュメモリ	缓存	Cache
ハッシュ関数	ハッシュ　かんすう	哈希函数/散列函数	Hash Function
連想レジスタ	れんそう　レジスタ	转译后备缓冲器（快表）	Translation Lookaside Buffer: TLB
ページフォールト（割込み）	ページフォールト（わりこみ）	缺页（中断）	Page fault

第10章：主記憶管理：セグメンテーション / 内存管理：分段存储管理 / Main memory management: Segmentation

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
セグメンテーション	セグメンテーション	分段存储	Segmentation
ページ化セグメンテーション	ページか　セグメンテーション	段页式存储	Paged segmentation
多重レベルページング	たじゅう　レベルページング	多级页表	Multilevel paging
0レベルページング	0レベルページング	0级页表	0 level paging
オフセット	オフセット	标志位	Offset

第11章：主記憶管理：仮想記憶 / 内存管理：虚拟内存 / Main memory management: Virtual memory

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
スワップスケジューリング	スワップスケジューリング	调度策略	Swap scheduling
デマンドプリフェッチ	デマンドプリフェッチ	请求调页策略	Demand prefetch
初期ロードプリフェッチ	しょき　ロードプリフェッチ	预调页策略	Initiate load prefetch
メモリ管理ユニット	メモリ　かんり　ユニット	内存管理单元	Memory Management Unit: MMU
時間的局所性	じかんてききょくしょせい	时间局限性	Temporal Locality
空間的局所性	くうかんてききょくしょせい	空间局限性	Spatial Locality

第12章：主記憶管理：ページ置き換え方式 / 内存管理：页面置换策略 / Main memory management: Page replacement method

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
静的ページ置き換え方式	せいてき　ページ　おきかえほうしき	静态置换算法	/
最適アルゴリズム	さいてき　アルゴリズム	最佳置换算法	OPT
最長不使用ページ置き換えアルゴリズム	さいちょうふしよう　ページ<br>おきかえ　アルゴリズム	最近最久未使用置换算法	LRU
最低使用頻度順ページ置き換えアルゴリズム	さいてい　しようひんどじゅん<br>ページ　おきかえ　アルゴリズム	最近不经常使用置换算法	LFU
到着順ページ置き換えアルゴリズム	とうちゃくじゅん　ページ<br>おきかえアルゴリズム	先进先出页面置换算法	FIFO
Beladyの例外	Beladyのれいがい	Belady异常	Bélády's anomaly
スラッシング	スラッシング	抖动	Thrashing
ワーキングセット	ワーキングセット	工作集	Working set
動的ページ置き換え方式	どうてき　ページ　おきかえほうしき	动态置换算法	/

第13章：ファイル：基礎 / 文件：基础 / File: Basics

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
ファイル	ファイル	文件	File
ディスク	ディスク	磁盘	Disk
トラック	トラック	磁道	Track
セクタ	セクタ	扇区/磁盘块	Sector
磁気ヘッド	じき　ヘッド	磁头	Head
スイングアーム	スイングアーム	磁头臂	Head Arm
シリンダ	シリンダ	柱面	Cylinder
プラッタ	プラッタ	盘片	Platters
ボリューム	ボリューム	驱动器/卷	Volume
クラスタ	クラスタ	簇	Cluster
順編成構造	じゅん　へんせい　こうぞう	顺序文件	Sequential File
直接編成構造	ちょくせつ　へんせい　こうぞう	直接访问文件	Direct Access File
索引編成構造	さくいん　へんせい　こうぞう	索引顺序文件	Indexed Sequential File
区分編成	くぶん　へんせい	分区文件	Partitioned File
ディレクトリシステム	ディレクトリシステム	文件目录系统	Directory system
絶対パス表現	ぜったい　パス　ひょうげん	绝对路径	Absolute Path
相対パス表現	そうたい　パス　ひょうげん	相对路径	Relative Path
リンク方式	リンク　ほうしき	索引结点/硬链接	Hard Link
シンボリックリンク方式	シンボリックリンク　ほうしき	符号链接/软链接	Symbolic Link
領域割り当て方式	りょういき　わりあて　ほうしき	文件的分配方式<br>（文件的物理结构）	File allocation method
固定長割り当て方式	こていちょう　わりあて　ほうしき	固定分配	Fixed-length allocation
リスト方式	リスト　ほうしき	链接分配	Linked allocation
インデックス方式	インデックス　ほうしき	索引分配	Indexed allocation
連続領域割り当て方式	れんぞくりょういき<br>わりあて　ほうしき	连续分配	Contiguous allocation

<a id="计算机组成原理"></a>计算机组成原理

[!NOTE] 基于《コンピュータアーキテクチャ (情報工学レクチャーシリーズ)》制作。中文翻译参考：王道考研书目&视频，百度百科，百度老师，维基百科，谷歌老师等英文翻译参考：维基百科，谷歌老师，百度百科，部分大学课件等

[!NOTE] 注：由于《操作系统》和《计算机组成原理》两门科目许多内容都存在高度重合，如cache，虚拟内存，局部性，硬盘等等。所以在一门科目里写过的词汇，在另一门科目里我就不重复了。如果其中一门科目没有查到，可以去另一门科目查查看。

第1章：コンピュータのなりたち / 计算机的起源 / The origins of computers

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
集積回路	しゅうせき　かいろ	集成电路	Integrated circuit, IC
コンピュータアーキテクチャ	コンピュータアーキテクチャ	计算机体系结构	Computer architecture
コンパイル	コンパイル	编译	Compile
コンパイラ	コンパイラ	编译器	Compiler
機械語	きかいご	机器语言	Machine language
アセンブル	アセンブル	汇编	Assemble
アセンブラ	アセンブラ	汇编器	Assembler
アセンブリ言語	アセンブリ　げんご	汇编语言	Assembly language
逆アセンブル	ぎゃく　アセンブル	反汇编	Disassemble

第2章：数の表現 / 数制表示 / Representation of numbers

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
2進数	にしんすう	二进制	Binary
基数	きすう	底数 / 基数	radix / base
最下位ビット	さいかい　ビット	最低有效位	Least significant bit
最上位ビット	さいじょうい　ビット	最高有效位	Most significant bit
バイト	バイト	字节	Byte
符号なし数	ふごうなしすう	无符号数	Unsigned
符号付き数	ふごうつきすう	有符号数	Signed
１の補数	いちのほすう	反码	Ones' complement
２の補数	にのほすう	补码	Two's complement
加算	かさん	加法	Addition / Summation
減算	げんざん	減法	Subtraction

第3章：演算装置 / 算术逻辑单元 / Arithmetic logic unit

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
論理回路	ろんりかいろ	逻辑电路 / 逻辑门	Logic circuit
論理積	ろんりせき	逻辑与（AND）	Logical conjunction
論理和	ろんりわ	逻辑或（OR）	Logical disjunction
否定	ひてい	逻辑非（NOT）	Negation
論理積否定 / 否定論理積	ろんりせきひてい / ひていろんりせき	逻辑与非（NAND）	NAND
論理和否定 / 否定論理和	ろんりわひてい / ひていろんりわ	逻辑或非（NOR）	Logical NOR
排他的論理和	はいたてき　ろんりわ	逻辑异或（XOR）	Exclusive or
真理値表	しんりちひょう	真值表	Truth table
組合わせ回路	くみあわせかいろ	组合逻辑电路	Combinatorial logic
マルチプレクサ	マルチプレクサ	数据选择器	Multiplexer
デコーダ	デコーダ	译码器	Decoder
バス	バス	总线	Bus
ハイインピーダンス	ハイインピーダンス	高阻态	High impedance
加算器	かさんき	加法器	Adder
半加算器	はんかさんき	半加器	Half adder
全加算器	ぜんかさんき	全加器	Full adder
減算器	げんざんき	减法器	Subtractor
乗算器	じょうざんき	乘法器	Multiplier
除算器	じょさんき	除法器	Divider
ALU / 演算装置	ALU / えんざんそうち	算术逻辑单元（ALU）	Arithmetic logic unit,ALU
リップルキャリー加算器	リップルキャリー　かさんき	行波进位加法器	Ripple Carry Adder
桁上げ先見加算器 /<br>キャリールックアヘッド	けたあげせんけん　かさんき /<br>キャリールックアヘッド	超前进位加法器	Carry Lookahead Adder

第4章：記憶装置 / 存储器 / Memory device

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
フリップフロップ	フリップフロップ	触发器	Flip-flop
クロック	クロック	时钟信号	Clock
立ち上り	たちあがり	上升（沿）	Rising edge
立ち下り	たちさがり	下降（沿）	Falling edge
同期	どうき	同步	Synchronization
Dラッチ	Dラッチ	D锁存器	D Latch
マスタースレーブ型	マスタースレーブ　かた	主从型（触发器）	Master-slave
タイミングチャート	タイミングチャート	时序图	Digital timing diagram
エッジトリガー型	エッジトリガー　かた	边沿型（触发器）	Edge trigger
ポジティブエッジトリガー型	ポジティブエッジトリガー　かた	正边沿	Positive edge trigger
ネガティブエッジトリガー型	ネガティブエッジトリガー　かた	负边沿	Negative edge trigger
セットアップタイム	セットアップタイム	建立时间	Setup time
ホールドタイム	ホールドタイム	保持时间	Hold time
レジスタ	レジスタ	寄存器	Register
メモリ	メモリ	存储器	Memory
メモリセル	メモリセル	存储单元	Memory cell
メモリアクセス	メモリアクセス	访存	Memory Access
読み出し専用メモリ（ROM）	よみだしせんようメモリ（ROM）	只读存储器（ROM）	Read-Only Memory, ROM
ランダムアクセスメモリ（RAM）	ランダムアクセスメモリ（RAM）	随机存取存储器（RAM）	Random Access Memory, RAM
スタティックRAM（SRAM）	スタティックRAM（SRAM）	静态随机存取存储器（SRAM）	Static Random-Access Memory, SRAM
ダイナミックRAM（DRAM）	ダイナミックRAM（DRAM）	动态随机存取存储器（DRAM）	Dynamic Random Access Memory, DRAM

第5章：制御回路の基礎 / 控制电路基础 / Basics of control circuits

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
状態	じょうたい	状态	State
状態遷移	じょうたいせんい	状态转移	State transition
状態遷移図	じょうたいせんい　ず	状态转移图	State-transition diagram
状態遷移表	じょうたいせんい　ひょう	状态转移表	State-transition table
入力	にゅうりょく	输入	Input
出力	しゅつりょく	输出	Output
順序回路	じゅんじょ　かいろ	时序逻辑电路	Sequential logic / circuit
論理演算	ろんり　えんざん	逻辑运算	Logical operation
論理式	ろんり　しき	逻辑表达式	Logical expression

第6章：命令セットアーキテクチャ / 指令集架构 / Instruction set architecture

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
命令	めいれい	指令	Instruction
フォン・ノイマン	フォン・ノイマン	冯·诺伊曼	John von Neumann
プログラム内蔵方式	プログラム　ないぞう　ほうしき	程序存储计算机	Stored-program computer
ソフトウェア	ソフトウェア	软件	Software
ハードウェア	ハードウェア	硬件	Hardware
インターフェース	インターフェース	接口	Interface
命令セット	めいれい　セット	指令集	Instruction Set
可変長命令	かへんちょう　めいれい	变长指令	Variable Length Instruction
固定長命令	こていちょう　めいれい	定长指令	Fixed Length Instruction
フィールド	フィールド	字段	Field
ロード	ロード	读取	Load
ストア	ストア	存储	Store
演算フィールド	えんざん　フィールド	运算码	Calculate Field
オペランドフィールド	オペランドフィールド	操作数段	Operand Field
加算命令	かさん　めいれい	加法指令	Addition
即値加算命令	そくち　かさん　めいれい	立即数加法指令	Immediate addition
ロード命令	ロード　めいれい	load指令	Load instruction
分岐命令	ぶんき　めいれい	分支（结构）指令	Branch instruction
ジャンプ命令	ジャンプ　めいれい	jump指令	jump instruction
ジャンプレジスタ命令	ジャンプレジスタ　めいれい	跳转寄存器指令	Jump-Register Instruction
アドレッシング	アドレッシング	寻址	Addressing
即値オペランド	そくち　オペランド	立即寻址	Immediate addressing
レジスタオペランド	レジスタオペランド	寄存器操作数	Register operand
ダイレクトアドレッシング	ダイレクトアドレッシング	直接寻址	Direct addressing
ベースアドレッシング /<br>ディスプレースメントアドレッシング	ベースアドレッシング /<br>ディスプレースメントアドレッシング	基址寻址	Base addressing / Displacement addressing
PC相対アドレッシング	PCそうたい　アドレッシング	PC相对寻址（PC指程序计数器）	PC relative addressing
擬似直接アドレッシング	ぎじ　ちょくせつ　アドレッシング	伪直接寻址	Pseudodirect Addressing
算数演算命令	さんすう　えんざん　めいれい	算术运算指令	Arithmetic operation instruction
論理演算命令	ろんり　えんざん　めいれい	逻辑运算指令	logic operation instruction
シフト命令	シフト　めいれい	shift指令	shift instruction
ストア命令	ストア　めいれい	store指令	store instruction
データ移動命令	データ　いどう　めいれい	数据转移（move指令）	move instruction
比較命令	ひかく　めいれい	比较指令(不止包含cmp指令)	Compare instruction

第7章：命令の実行 / 指令的实行 / Execution of instructions

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
シングルサイクル	シングルサイクル	单周期	Singlecycle
マルチサイクル	マルチサイクル	多周期	Multicycle
制御回路	せいぎょ　かいろ	控制电路	Control circuit
書込み	かきこみ	写入	Writing
読出し	よみだし	读取	Reading
例外	れいがい	异常	Exception
割込み	わりこみ	中断	Interruption

第8章：パイプライン処理 / 流水线 / Pipeline (computing)

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
パイプライン	パイプライン	流水线	Pipeline
フェッチ（F）	フェッチ（F）	取址阶段（IF）	Fetch
デコード（D）	デコード（D）	指令译码阶段（ID）	Decode
演算（E）	えんざん（E）	执行阶段（EX）	Execute
メモリアクセス（M）	メモリアクセス（M）	访存阶段（M）	Memory Access
結果の書き込み（W）	けっかのかきこみ（W）	写回阶段（WB）	Write back
ハザード	ハザード	冲突	Hazard
構造ハザード	こうぞう　ハザード	结构相关（资源冲突）	Structural Hazard
データハザード	データハザード	数据相关（数据冲突）	Data Hazard
バイパシング /<br>フォワーディング	バイパシング /<br>フォワーディング	数据旁路技术	Bypassing / forwarding
制御ハザード	せいぎょ　ハザード	控制相关（控制冲突）	Control Hazard
分岐予測	ぶんき　よそく	分支预测	Branch Prediction

第9章：キャッシュメモリ / CPU缓存 / Cache memory / CPU Cache

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
記憶階層	きおく　かいそう	存储层次	Memory hierarchy
一次キャッシュ	いちじ　キャッシュ	一级cache	Level 1 cache
二次キャッシュ	にじ　キャッシュ	二级cache	Level 2 cache
透過性	とうかせい	透明的	Transparency
キャッシュブロック /<br>キャッシュライン	キャッシュブロック /<br>キャッシュライン	cache块 / cache行	Cache block / Cache line
ダイレクトマップ方式	ダイレクトマップ　ほうしき	直接映射	Direct mapping
セットアソシアティブ方式	セットアソシアティブ　ほうしき	组相联映射	Set-associative mapping
フルアソシアティブ方式	フルアソシアティブ　ほうしき	全相联映射	Full-associative mapping
ブロック番号	ブロック　ばんごう	主存块号	Block number
（ブロック内）オフセット	（ブロック　ない）オフセット	块内地址	Offset
タグ	タグ	标记	Tag
インデックス	インデックス	行号	Index
ヒット	ヒット	命中	Hit
ミス	ミス	缺失	Miss
ライトスルー	ライトスルー	全写法	Write-through
ライトバック	ライトバック	写回法	Write-back
一貫性	いっかんせい	一致性	Consistency
ライトバッファ	ライトバッファ	写缓冲	Write buffer

第10章：仮想記憶 / 虚拟内存 / Virtual Memory

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
ページ表	ページ　ひょう	页表	Page table
アドレスマッピング /<br>アドレス変換	アドレスマッピング /<br>アドレス　へんかん	寻址	Addressing
仮想ページ番号	かそう　ページ　ばんごう	逻辑页号	Logical page number
物理ページ番号	ぶつり　ページ　ばんごう	物理页号	Physical page number
ページ内オフセット	ページ　ない　オフセット	页内地址	In-page offset

第11章：入出力装置とインターフェース / 输入输出设备与接口 / I/O devices and interfaces

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
パラレルバス	パラレルバス	并行总线	Paralle Bus
シリアルバス	シリアルバス	串行总线	Serial Bus
ポーリング	ポーリング	程序查询方式（轮询）	Polling
割込み	わりこみ	程序中断方式（中断）	Interrupt
RAID0（ストライピング）	RAID0（ストライピング）	RAID0（无冗余和无校验）	RAID0（Striping）
RAID1（ミラーリング）	RAID1（ミラーリング）	RAID1（镜像）	RAID1（Mirroring）
RAID2（ハミング符号）	RAID2（ハミング　ふごう）	RAID2（海明码 / 汉明码）	RAID2（Hamming-code）
RAID3（ビット単位パリティ）	レイド３（ビットたんいパリティ）	RAID3（位交叉奇偶校验）	RAID3（Byte-level parity）
RAID4（ブロック単位パリティ）	レイド４（ブロックたんいパリティ）	RAID4（块交叉奇偶校验）	RAID4（Block-level parity）
RAID5（パリティ分散）	RAID5（パリティ　ぶんさん）	RAID5（无独立校验的奇偶校验）	RAID5（Distributed parity）
RAID6（複数パリティ分散）	RAID6（ふくすう　パリティ　ぶんさん）	RAID6（两种存储的奇偶校验）	RAID6（Double distributed parity）

<a id="计算机网络"></a>计算机网络

[!NOTE] 基于《情報ネットワーク工学》池田博昌、山本幹（著）制作。中文翻译参考：王道考研书目&视频，百度百科，百度老师，维基百科，谷歌老师等英文翻译参考：维基百科，谷歌老师，百度百科，部分大学课件等

[!NOTE] 注：《计算机网络》这门科目的概念非常非常多，可以说整本书几乎都是概念性的东西。而其中有不少都是英语缩写，这些缩写我都没有写进来，毕竟这不是名词解释的词汇表，只是名词对照而已。这些都很重要，对于它们的理解与记忆还请读者自行学习。

第1章：情報ネットワークの歴史 / 计算机网络的历史 / History of information networks

（本章暂无核心对译词汇）

第2章：情報ネットワークのプロトコル / 计算机网络协议 / Network protocol

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
プロトコル	プロトコル	协议	Protocol
階層化モデル	かいそうか　モデル	阶层化模型/ 分层结构	Layer reference model
OSI参照モデル	オーエスアイ　さんしょう　モデル	OSI参照模型 / OSI 7层模型	OSI model
アプリケーション層	アプリケーション　そう	应用层	Application Layer
トランスポート層	トランスポート　そう	传输层	Transport Layer
ネットワーク層	ネットワーク　そう	网络层	Network Layer
データリンク層	データリンク　そう	数据链路层	Data Link Layer
物理層	ぶつり　そう	物理层	Physical Layer
データ	データ	数据	Data
ホスト	ホスト	主机	Host
リンク	リンク	连接	Link
ルータ	ルータ	路由器	Router
プロトコルデータユニット	プロトコルデータユニット	协议数据单元（PDU）	Protocol Data Unit (PDU)

第3章：データリンク層プロトコル / 数据链路层协议 / Data link layer protocol

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
バス型接続	バスがた　せつぞく	总线型	Bus connection
放送型伝送メディア	ほうそうがた　でんそう　メディア	广播式网络	Broadcast media
サブレイヤ	サブレイヤ	子层	Sublayer
イーサネット	イーサネット	以太网	Ethernet
バス型ネットワーク	バスがた　ネットワーク	总线型网络	Bus network
ハブ	ハブ	集线器	Hub
フレーム	フレーム	帧	Frame
プリアンブル	プリアンブル	前导码	Preamble
衝突	しょうとつ	冲突	Collision
搬送波	はんそうは	载波	Carrier wave
ジャム信号	ジャム　しんご	拥塞信号	Jam signal
2進指数バックオフアルゴリズム	にしんしすう　バックオフアルゴリズム	二进制指数退避算法	Binary Exponential Backoff Algorithm
コリジョンドメイン	コリジョンドメイン	冲突域	Collision domain
スイッチングハブ	スイッチングハブ	交换机	Switching hub
無線LAN	むせんLAN	无线局域网	WLAN
インフラストラクチャモード	インフラストラクチャ　モード	有固定基础设施	Infrastructure mode
隠れ端末問題	かくれ　たんまつ　もんだい	隐藏终端问题	Hidden terminal problem
ソフトキャリアセンス	ソフトキャリアセンス	载波监听	Carrier Sense
誤り検査	あやまり　けんさ	差错检测	Error detection
ガロア体	ガロア　たい	有限域	Finite field
撚り対線	より　ついせん	双绞线	Twisted pair
光ファイバ	ひかり　ファイバ	光纤	Optical fiber
同軸ケーブル	どうじく　ケーブル	同轴电缆	Coaxial Cable
半二重	はんにじゅう	半双工	Half duplex
全二重	ぜんにじゅう	全双工	Full duplex

第4章：ネットワーク層プロトコル / 网络层协议 / Network layer protocol

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
ルーチング / 経路選択	ルーチング / けいろ　せんたく	路由选择	Routing
ネットワーク識別番号	ネットワーク　しきべつ　ばんごう	网络号	Netid
ホスト識別番号	ホスト　しきべつ　ばんごう	主机号	Hostid
IPデータグラム	アイピー　データグラム	IP数据报	IP datagram
IPアドレス	アイピー　アドレス	IP地址	IP Address
送信ホストIPアドレス	そうしん　ホスト　アイピーアドレス	源地址	Source Address
宛先ホストIPアドレス	あてさき　ホスト　アイピーアドレス	目的地址	Destination Address
デフォルトゲートウェイ	デフォルトゲートウェイ	默认网关	Default Gateway
ルーチングテーブル	ルーチングテーブル	路由表	Routing table
フラグメンテーション	フラグメンテーション	分片	Fragmentation
ルーチングアルゴリズム	ルーチングアルゴリズム	路由算法	Routing algorithm
スタティックルーチング	スタティックルーチング	静态路由	Static routing
ダイナミックルーチング	ダイナミックルーチング	动态路由	Dynamic routing
集中型アルゴリズム	しゅうちゅうがた　アルゴリズム	集中式算法	Centralized algorithm
分散型アルゴリズム	ぶんさんがた　アルゴリズム	分布式算法	Distributed algorithm
Dijkstraアルゴリズム	ダイクストラ　アルゴリズム	Dijkstra算法	Dijkstra's algorithm
Bellman-Fordアルゴリズム	ベルマン–フォード　アルゴリズム	贝尔曼-福特算法	Bellman–Ford algorithm
Link stateルーチング	リンクステート　ルーチング	链路状态路由算法	Link State Routing
Distance vectorルーチング	ディスタンスベクタ　ルーチング	距离向量路由算法	Distance vector Routing

第5章：トランスポート層プロトコル / 传输层协议 / Transport layer protocol

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
クライアントサーバモデル	クライアントサーバモデル	客户-服务器模式	Client-server model
ランデブー問題	ランデブー　もんだい	会合问题	Rendezvous Problem
TCPセグメント	ティーシーピー　セグメント	TCP报文段	Segment
送信側	そうしんがわ	发送方	Sender / Transmitter
受信側	じゅしんがわ	接收方	Receiver
ポート番号	ポート　ばんごう	端口号	Port number
シーケンス番号	シーケンス　ばんごう	序号	Sequence number
ACK番号	エーシーケーばんごう	确认号	ACK number
ウインドウサイズ	ウインドウサイズ	窗口大小	Window size
TCPヘッダ長	ティーシーピー　ヘッダ　ちょう	首部长度	TCP Header Length
チェックサム	チェックサム	检验和	Checksum
Well-knownポート	ウェルノウン　ポート	熟知端口	Well-known port
ピギーバック	ピギーバック	Piggy Back方法	Piggy Back
Cumulative　ACK	キューミュラティブ　エーシーケー	累积确认	Cumulative ACK
セグメント廃棄	セグメント　はいき	报文段丢弃	Segment discard
ラウンドトリップタイム	ラウンドトリップタイム	往返时延	Round Trip Time: RTT
指数加重移動平均	しすう　かじゅう　いどう　へいきん	指数滑动平均	Exponential moving average
コネクション確立	コネクション　かくりつ	连接建立	Connection establishment
コネクション切断	コネクション　せつだん	连接释放	Connection termination
3-wayハンドシェイク	スリーウェー　ハンドシェイク	3次握手	3-way handshake
最大セグメントサイズ（MSS）	さいだい　セグメントサイズ（MSS）	最大报文段长度	Maximum Segment Size: MSS
stop and wait方式	ストップアンドウェイト　ほうしき	停止等待协议	Stop-and-wait
スライディングウインドウ方式	スライディングウインドウ　ほうしき	滑动窗口协议	Sliding Window
遅延帯域積	ちえん　たいいきせき	带宽时延积	Bandwidth-delay product
パケットロス	パケットロス	丢包	Packet loss
輻輳	ふくそう	拥塞	Congestion
輻輳制御	ふくそう　せいぎょ	拥塞控制	Congestion control
フロー制御	フローせいぎょ	流量控制	Flow control
輻輳制御ウインドウ	ふくそう　せいぎょ　ウインドウ	拥塞控制窗口	Congestion control window
バッファ	バッファ	缓存	Buffer
輻輳検知	ふくそう　けんち	拥塞检测	Congestion detection
スロースタート	スロースタート	慢开始	Slow start
Congestion avoidance	コンジェスチョン　アボイダンス	拥塞避免	Congestion avoidance
重複ACK	ちょうふく　エーシーケー	重复确认	Duplicate ACK
Fast retransmit	ファースト　リトランスミット	快重传	Fast retransmit
Fast recovery	ファースト　レカバリー	快恢复	Fast recovery
ボトルネックリンク	ボトルネックリンク	瓶颈链路	Bottleneck link

第6章：アプリケーション層プロトコル / 应用层协议 / Application layer protocol

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
ユーザID	ユーザ　アイディー	用户ID	User ID
ホスト名	ホスト　めい	主机名	Host name
ドメイン名	ドメイン　めい	域名	Domain name
トップレベルドメイン	トップレベルドメイン	顶级域名	Top-level Domain
汎用トップレベルドメイン	はんよう　トップレベルドメイン	通用顶级域名	Generic top-level domain
国コードドメイン	くに　コードドメイン	国家（代码）顶级域名	Country code top-level domain
DNSサーバ	ディーエンエス　サーバ	域名服务器	Domain Name Server
メッセージフォーマット	メッセージフォーマット	报文格式	Message format
電子メール	でんし　メール	电子邮件	Electronic mail: Email
Webアクセス	ウェブ　アクセス	网页连接	Web access
Webブラウザ	ウェブ　ブラウザ	网页浏览器	Web browser
Webサーバ	ウェブ　サーバ	网页服务器	Web server
クッキー	クッキー	小型文本文件	Cookie
遠隔ログイン / リモートログイン	えんかく　ログイン / リモートログイン	远程登录	Remote login
ログアウト	ログアウト	登出	Log out
ファイル転送	ファイル　てんそう	文件传输	File Transfer
ファイル転送プロトコル	ファイル　てんそう　プロトコル	文件传输协议	File Transfer Protocol: FTP
匿名FTP	とくめい　エフティーピー	匿名FTP	Anonymous FTP

<a id="信息论与编码"></a>信息论与编码

[!NOTE] 基于《情報理論》今井秀樹 (著)制作。中文翻译参考：维基百科，谷歌老师，百度百科，百度老师，B站up【烧烤团子店长斑纹猫】的《信息论与编码》课程直播录屏等。英文翻译参考：维基百科，谷歌老师，ChatGPT，百度百科，部分大学课件等。

[!NOTE] 注：信息论是一门非常非常非常变态的科目！！本人水平有限，只学到第7章前半部分，后面没有学，所以7章后半以后的词汇没有写。如果只靠阪大，那信息论部分足够了，后面不考。入股要考京大或者其他大学，请自行对照考点。另：我已经尽可能核对准确性，但信息论里暧昧的词汇，难查的词汇实在太多，是在不敢确定的我都标红了。还请读者在参考时留个心眼。

第1章：序論 / 序论 / Introduction

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
情報	じょうほう	信息	Information
通信システム	つうしん　システム	通信系统	Communications system
モデル	モデル	模型	Model
情報源	じょうほうげん	信源	Information source
通報	つうほう	消息	Message
ディジタル通報	ディジタル　つうほう	数字消息	Digital message
アナログ量	アナログ　りょう	模拟量	Analog quantity
アナログ通報	アナログ　つうほう	模拟消息	Analog message
ディジタル情報源	ディジタル　じょうほうげん	离散信源	Digital information source
アナログ情報源	アナログ　じょうほうげん	波形信源	Analog information source
通信路	つうしんろ	信道	Communication channel
あて先	あてさき	信宿	Destination
符号化	ふごうか	编码	Coding
復号	ふくごう	解码 / 译码	Decoding
符号器	ふごうき	编码器	Encoder
復号器	ふくごうき	译码器	Decoder
2元通信路	にげん　つうしんろ	2元信道	Binary channel
ディジタル通信路	ディジタル　つうしんろ	数字信道	Digital channel
アナログ通信路	アナログ　つうしんろ	模拟信道	Analog channel
情報源符号化	じょうほうげん　ふごうか	信源编码	Source coding
通信路符号化	つうしんろ　ふごうか	信道编码	Channel coding
シャノン	シャノン	香农	Shannon
シャノン理論	シャノン　りろん	香农定理	Shannon theory
符号理論	ふごう　りろん	编码理论	Coding theory
信号理論	しんごう　りろん	信号理论	Signal theory
変調	へんちょう	调制	Modulation
復調	ふくちょう	解调	Demodulation
パルス	パルス	脉冲	Pulse
ディジタルファクシミリ	ディジタルファクシミリ	数字传真	Digital facsimile

第2章：情報理論の問題 / 信息论要解决的问题 / The problem of information

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
情報源記号	じょうほうげん　きごう	信源符号	Information Source symbol
符号語	ふごうご	码字	Codeword
符号	ふごう	码 / 编码	Code
符号アルファベット	ふごう　アルファベット	字母表	Code alphabet
q元符号	キューげん　ふごう	q元码	q-ary code
2元符号	にげん　ふごう	二元码 / 二进制码	Binary code
復号誤り率	ふくごう　あやまりりつ	误码率	Decoding error rate
効率	こうりつ	效率	Efficiency
信頼性	しんらいせい	可靠性	Reliability
情報源系列	じょうほうげん　けいれつ	信源序列	Information source sequence
符号系列	ふごう　けいれつ	编码序列	Code sequence
可逆符号化 /<br>情報無損失符号化	かぎゃく　ふごうか /<br>じょうほう　むそんしつ　ふごうか	无失真编码 / 无损编码<br>无失真压缩 / 无损压缩	Lossless coding / Lossless compression
非可逆符号化 /<br>情報損失符号化	ひかぎゃく　ふごうか /<br>じょうほう　そんしつ　ふごうか	有失真编码 / 有损编码<br>有失真压缩 / 有损压缩	Lossy coding / Lossy compression
ひずみ	ひずみ	失真	Distortion
受信系列	じゅしん　けいれつ	接收序列	Received sequence
一方向通信システム	いちほうこう　つうしん　システム	单向通信系统	One-Way Communication System
双方向通信システム	そうほうこう　つうしん　システム	双向通信系统	Two-Way Communication System
ARQ方式	ARQ方式	自动请求重传	Automatic Repeat Request: ARQ
多元接続形通信システム	たげんせつぞくけい　つうしん　システム	多路通信系统	Multiple Access Communication System
放送形通信システム	ほうそうけい　つうしん　システム	广播通信系统	Broadcast Communication System
多入力多出力通信システム	たにゅうりょく　たしゅつりょく　つうしん　システム	多输入多输出通信系统	Multi-Input Multi-Output Communication System
ネットワーク符号化	ネットワーク　ふごうか	网络编码	Network coding
暗号化	あんごうか	加密	Encryption
共通鍵方式	きょうつうかぎ　ほうしき	对称（密钥）加密	Symmetric key encryption
公開鍵方式	こうかいかぎ　ほうしき	公钥加密	Public key encryption

第3章：情報源と通信路のモデル / 信源与信道模型 / Information source and communication channel model

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
確率変数	かくりつへんすう	随机变量	Random variable
結合確率分布	けつごう　かくりつ　ぶんぷ	联合概率分布	Joint probability distribution
条件付確率分布	じょうけんづき　かくりつ　ぶんぷ	条件概率分布	Conditional probability distribution
無記憶情報源	むきおく　じょうほうげん	（离散）无记忆信源	Memoryless information source
無記憶定常情報源	むきおく　ていじょう　じょうほうげん	（离散）平稳无记忆信源	Memoryless stationary information source
独立同一分布情報源 /<br>i.i.d.情報源	どくりつ　どういつぶんぷ　じょうほうげん / i.i.d.じょうほうげん	独立同分布信源	Independent identically distributed information source
記憶のある情報源	きおくのある　じょうほうげん	有记忆信源	Information source with memory
定常情報源	ていじょう　じょうほうげん	平稳信源	Stationary information source
定常分布	ていじょう　ぶんぷ	平稳分布	Stationary distribution
エルゴード性	エルゴード　せい	遍历性	Ergodicity
エルゴード情報源	エルゴード　じょうほうげん	遍历信源	Ergodic information source
集合平均	しゅうごう　へいきん	总体均值	Ensemble average
時間平均	じかん　へいきん	时间均值	Time average
大数の法則	たいすうの　ほうそく	大数定律	Law of large numbers
マルコフ情報源	マルコフ　じょうほうげん	马尔科夫信源	Markov information source
m重マルコフ情報源	えむじゅう　マルコフ　じょうほうげん	m阶马尔科夫信源	mth Order Markov information source
1重 / 単純マルコフ情報源	たんじゅん　マルコフ　じょうほうげん	简单马尔可夫信源	Simple Markov onformation source
マルコフ連鎖	マルコフ　れんさ	马尔科夫链	Markov chain
既約マルコフ情報源	きやく　マルコフ　じょうほうげん	不可约马尔可夫信源	Irreducible Markov information source
正規マルコフ情報源	せいき　マルコフ　じょうほうげん	正则马尔可夫信源	Regular Markov information source
遷移確率	せんい　かくりつ	转移概率	Transition Probability
遷移確率行列	せんい　かくりつ　ぎょうれつ	转移概率矩阵	Transition probability matrix
状態確率分布ベクトル /<br>状態分布	じょうたい　かくりつ　ぶんぷ　ベクトル / じょうたい　ぶんぷ	状态概率分布向量 /<br>状态向量	State probability distribution vector / State distribution
初期分布	しょき　ぶんぷ	初始分布	Initial distribution
極限分布	きょくげん　ぶんぷ	极限分布	Limiting distribution
無記憶通信路	むきおく　つうしんろ	无记忆信道	Memoryless communication channel
無記憶定常通信路	むきおく　ていじょう　つうしんろ	平稳无记忆信道	Memoryless stationary communication channel
通信路行列	つうしんろ　ぎょうれつ	信道矩阵	Channel matrix
通信路線図	つうしんろ　せんず	信道图？？	Channel diagram
2元対称通信路	にげん　たいしょう　つうしんろ	二进制对称信道	Binary symmetric channel: BSC
2元対称消失通信路	にげん　たいしょう　しょうしつ　つうしんろ	二进删除信道	Binary erasure channel: BEC
誤り	あやまり	差错	Error
誤り源	あやまりげん	差错源	Error source
誤り系列	あやまり　けいれつ	差错序列	Error sequence
ランダム誤り	ランダム　あやまり	随机误差	Random errors
ビット誤り	ビット　あやまり	比特差错	Bit error
バースト誤り	バースト　あやまり	突发差错	Burst error
ソリッドバースト誤り	ソリッドバースト　あやまり	连续突发错误	Solid burst error
ギルバートモデル	ギルバートモデル	Gilbert模型	Gilbert Model
フリッチマンモデル	フリッチマンモデル	Fritchman模型	Fritchman Model

第4章：情報源符号化とその限界 / 信源编码及其局限性 / Source encoding and its limitations

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
特異符号	とくい　ふごう	奇异码	Singular code
一意復号不可能な符号	いちいふくごう　ふかのうな　ふごう	非唯一可译码	Uniquely undecodable code
一意復号可能な符号	いちいふくごう　かのうな　ふごう	唯一可译码	Uniquely decodable code
瞬時符号	しゅんじ　ふごう	即时可译码	Instantaneous code
非瞬時符号	ひしゅんじ　ふごう	非即时可译码	Non-instantaneous code
等長符号	とうちょう　ふごう	定长码	Fixed-length code
非等長符号	ひとうちょう　ふごう	变长码	Variable-length code
コンマ符号	コンマ　ふごう	逗号码	Comma code
語頭	ごとう	前缀	Prefix
枝	えだ	枝	Branch
符号の木	ふごうのき	编码树	Code tree
節点	せってん	节点	Node
葉	は	叶	Leaf
根	ね	根	Root
クラフトの不等式	クラフトの　ふとうしき	克拉夫特不等式	Kraft’s inequality
マクミランの不等式	マクミランの　ふとうしき	麦克米兰不等式	McMillan’s inequality
シャノン補助定理	シャノン　ほじょていり	香农辅助定理	Shannon's Source Coding Theorem
コンパクト符号	コンパクト　ふごう	最优码/紧致码	compact code
ハフマン符号	ハフマン　ふごう	哈夫曼编码	Huffman code
ブロック符号化	ブロック　ふごうか	分组编码	Block coding
ブロック符号	ブロック　ふごう	分组码	Block code
n次拡大情報源	ｎじ　かくだい　じょうほうげん	n次扩展信源	n-th extension source
エントロピー	エントロピー	熵	Entropy
情報源符号化定理	じょうほうげん　ふごうか　ていり	信源编码定理	Source coding theorem
エントロピー関数	エントロピー　かんすう	熵函数	Entropy function
ランレングス符号化法	ランレングス　ふごうかほう	游程编码	Run-Length encoding: RLE
算術符号	さんじゅつ　ふごう	算术码	Arithmetic coding
累積確率	るいせき　かくりつ	累积概率	Cumulative probability
算術符号化	さんじゅつ　ふごうか	算术编码	Arithmetic coding
ユニバーサル符号化法	ユニバーサル　ふごうかほう	通用编码	Universal coding
典型的系列 / 代表的系列	てんけいてき　けいれつ / <br>だいひょうてき　けいれつ	典型序列	Typical sequence
数え上げ符号化法	かぞえあげ　ふごうかほう	枚举编码	Enumerative coding
パスカル三角形	パスカル　さんかくけい	杨辉三角	Pascal's Triangle
適応符号化	てきおう　ふごうか	自适应编码	Adaptive coding
辞書法	じしょほう	字典法	Dictionary method

第5章：情報量とひずみ / 信息量与失真 / Information amount and distortion

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
情報量 / 平均情報量	じょうほうりょう / へいきん　じょうほうりょう	（信息）熵 / 平均自信息量	Entropy
ビット	ビット	比特	Bit
ナット	ナット	纳特	Nat
冗長度	じょうちょうど	冗余度	Redundancy
相互情報量	そうご　じょうほうりょう	互信息	Mutual information
条件付けエントロピー	じょうけんづけ　エントロピー	条件熵	Conditional entropy
相対エントロピー	そうたい　エントロピー	相对熵	Relative entropy / Kullback Leibler
結合エントロピー	けつごう　エントロピー	联合熵	Joint entropy
ひずみ測度	ひずみ　そくど	失真测度	Distortion Measure
平均ひずみ	へいきん　ひずみ	平均失真度	Mean Distortion
2乗平均誤差	にじょう　へいきん　ごさ	均方误差	Mean square error
速度・ひずみ関数	そくど・ひずみかんすう	率失真函数	Rate-distortion function
試験通信路	しけん　つうしんろ	试验信道	Test Channel

第6章：通信路符号化の限界 / 信道编码的局限性 / Limitations of channel coding

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
通信路容量	つうしんろ　ようりょう	信道容量	Channel capacity
受信空間	じゅしん　くうかん	接收空间	Receiver Space
復号領域	ふくごう　りょういき	译码空间	Decoding Space
情報伝送速度 / 情報速度	じょうほう　でんそう　そくど	码率	Rate
効率 / 符号化率	こうりつ / ふごうか　りつ	编码率	Code rate
最尤復号法	さいゆう　ふくごうほう	最大似然译码	Maximum Likelihood Decoding
ランダム符号化法	ランダム　ふごうかほう	随机编码	Random Coding
通信路符号化定理	つうしんろ　ふごうか　ていり	信道编码定理	Channel coding theorem
信頼性関数	しんらいせい　かんすう	可靠性函数	Reliability function
最もよい符号	もっともよい　ふごう	最佳码	Optimal code

第7章：通信路符号化法 / 信道编码方法 / Communication path symbolization method

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
単一誤り	たんいつ　あやまり	单一错误	Single error
mod 2 の演算	モドにのえんざん	模2运算	Mod 2
情報記号 / 情報ビット	じょうほう　きごう / じょうほう　ビット	信息符号	Information Symbol
（パリティ）検査記号 / （パリティ）検査ビット	（パリティ）けんさ　きごう / <br>（パリティ）けんさ　ビット	奇偶校验码	(Parity) check symbol
誤り検出符号	あやまり　けんしゅつ　ふごう	检错码	Error-detecting code
組織符号	そしき　ふごう	系统码	Systematic code
線形符号	せんけい　ふごう	线性码	Linear code
パリティ検査方程式	パリティ　けんさ　ほうていしき	奇偶校验方程	Parity check equation
シンドローム	シンドローム	校正子 / 伴随式	Syndrome
誤りパターン	あやまり　パターン	差错图样	Error pattern
水平垂直パリティ検査符号	すいへい　すいちょく　パリティ　けんさふごう	水平垂直奇偶校验码	Horizontal Vertical Parity Check Code
誤り訂正符号	あやまり　ていせい　ふごう	纠错码	Error-correcting code
ハミング符号	ハミング　ふごう	汉明码	Hamming code
生成行列	せいせい　ぎょうれつ	生成矩阵	Generator matrix
（パリティ）検査行列	（パリティ）けんさ　ぎょうれつ	奇偶校验校验矩阵	(Parity) check matrix
ハミング距離	ハミング　きょり	汉明距离	Hamming distance
ハミング重み / 重み	ハミング　おもみ / おもみ	汉明重量	Hamming weight
最小ハミング距離 / 最小距離	さいしょう　ハミング　きょり / <br>さいしょう　きょり	最小汉明距离	Minimum Hamming distance
限界距離復号法	げんかい　きょうり　ふくごうほう	有界距离译码	Bounded distance decoding
誤り訂正能力	あやまり　ていせい　のうりょく	纠错能力	Error-correcting capability
最小ハミング重み / 最小重み	さいしょう　ハミング　おもみ / <br>さいしょう　おもみ	最小汉明重量	Minimum Hamming weight
単一誤り訂正・2重誤り検出符号（SEC-DED符号）	たんいつ　あやまり　ていせい・にじゅう　あやまり　けんしゅつ　ふごう	单纠错双检错码	Single-error-correcting/double-error-detecting code
巡回符号	じゅんかい　ふごう	循环码	Cyclic code
生成多項式	せいせい　たこうしき	生成多项式	Generator polynomial
擬巡回符号	ぎじゅんかい　ふごう	伪循环码	Pseudo-cyclic code
m段シフトレジスタ回路	えむだん　シフトレジスタ　かいろ	移位寄存器电路	Shift Register circuit
既約多項式	きやく　たこうしき	不可约多项式 / 既约多项式	Irreducible polynomial
原始多項式	げんし　たこうしき	本原多项式	Primitive polynomial
誤りトラップ復号法	あやまり　トラップ　ふくごうほう	错误陷阱译码	Error-trap decoding

<a id="形式语言与自动机"></a>形式语言与自动机

[!NOTE] 基于《例解図説オートマトンと形式言語入門》制作。中文翻译参考：哈工大视频，维基百科，谷歌老师，百度百科，百度老师等英文翻译参考：维基百科，谷歌老师，ChatGPT，百度百科，部分大学课件等

第1章：オートマトンと形式言語ことはじめ / 形式语言与自动机的预备知识 / Introduction to automata and formal languages

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
オートマトン	オートマトン	自动机	Automaton
文法	ぶんぽう	语法	Grammar
状態機械	じょうたい　きかい	状态机	State machine
初期状態	しょき　じょうたい	初始状态	Initial state
受理状態	じゅり　じょうたい	接受状态	Accepting state
受理(する)言語	じゅり（する）げんご	接受语言	Accepting language
形式言語	けいしき　げんご	形式语言	Formal language
形式文法	けいしき　ぶんぽう	形式文法	Formal grammar
集合	しゅうごう	集合	Set
要素	ようそ	元素	Elements
空集合	くう　しゅうごう	空集	Empty set
部分集合	ぶぶん　しゅうごう	子集	Subset
合併集合 / 結び	がっぺい　しゅうごう / むすび	并集	Union
共通集合 / 交わり	きょうつう　しゅうごう / まじわり	交集	Intersection
順序対	じゅんじょ　たい	有序对	Ordered pair
直積集合	ちょくせき　しゅうごう	笛卡尔积	Cartesian product
べき集合	べき　しゅうごう	幂集	Power set
写像	しゃぞう	映射	Map / Mapping
定義域	ていぎいき	定义域	Domain
値域	ちいき	值域	Range
全射	ぜんしゃ	满射	Surjection / onto / Surjective function / onto function
単射	たんしゃ	单射	Injection / Injective function
全単射	ぜんたんしゃ	双射	Bijection / Bijective function
数学的帰納法	すうがくてき　きのうほう	数学归纳法	Mathematical Induction
背理法	はいりほう	反证法	Proof by contradiction
アルファベット	アルファベット	字母表	Alphabet
記号	きごう	符号/字符	Symbol
語	ご	字符串	Word
空語	くうご	空串	Empty word / Null word
閉包	へいほう	闭包	Closure
正の閉包	せいのへいほう	正闭包	Positive closure
クリーネ閉包	クリーネへいほう	克林闭包	Kleene closure
語の長さ	ごのながさ	字符串的长度	Length of a word
連接 / 連結	れんせつ / れんけつ	连接	Concatenation
接尾語	せつびご	后缀字/词	Suffix word
接頭語	せっとうご	前缀字/词	Prefix word
部分語	ぶぶんご	子字 / 子词	Subword

第2章：有限状態オートマトン / 有穷自动机 / Finite-state machine

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
決定性有限状態オートマトン	けっていせい　ゆうげんじょうたい　オートマトン	确定有限状态自动机 / 确定的有穷自动机（DFA）	Deterministic Finite Automaton: DFA
入力アルファベット / 入力記号	にゅうりょく　アルファベット /<br>にゅうりょく　きごう	输入符号	Input symbol
状態遷移関数	じょうたい　せんい　かんすう	状态转移函数	State Transition Function
様相 / 時点表示	ようそう / じてん　ひょうじ	瞬时描述	Configuration / Instantaneous description
推移的	すいいてき	传递的	Transitive
推移閉包	すいいへいほう	传递闭包	Transitive closure
非決定性有限状態オートマトン	ひけっていせい　ゆうげんじょうたい　オートマトン	非确定有限状态自动机 / <br>非确定的有穷自动机（NFA）	Nondeterministic Finite Automaton: NFA
空動作のあるNFA	くうどうさのあるNFA	带有空转移的NFA（ε-NFA）	Nondeterministic Finite Automaton with ε-transitions: NFA-ε
正規表現	せいき　ひょうげん	正则表达式	Regular expression
状態数最小のオートマトン	じょうたいすう　さいしょうの　オートマトン	最小化自动机	Minimal DFA
最簡	さいかん	最简	Simplest
等価	とうか	等价	Equivalent
関係	かんけい	关系	Relation
同値関係	どうち　かんけい	等价关系	Equivalence relation
同値類	どうちるい	等价类	Equivalence class
反射的	はんしゃてき	自反的	Reflexive
反射閉包	はんしゃ　へいほう	自反闭包	Reflexive closure
正当性	せいとうせい	正确性	Correctness
右不変	みぎふへん	右不变	Right invariant
ポンプの補題	ポンプのほだい	泵引理	Pumping lemma

第3章：文法 / 语法 / Grammar

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
非終端記号	ひしゅうたん　きごう	非终结符	Non-terminal symbol
終端記号	しゅうたん　きごう	终结符	Terminal symbol
書き換え規則 /<br>生成規則	かきかえ　きそく /<br>せいせい　きそく	重写规则 / 生成规则	Rewriting rule /<br>Production rule
初期記号 / 開始記号	しょき　きごう / かいし　きごう	开始符号	Initial symbol
導出	どうしゅつ	派生	Derivation
中間語	ちゅうかんご	中间串	Intermediate word
生成される言語	せいせいされる　げんご	生成语言	Language generated by G: L(G)
正規文法/3型文法	せいきぶんぽう / さんがたぶんぽう	正则文法	Regular grammar
正規言語/3型言語	せいきげんご / さんがたげんご	正则语言	Regular language

第4章：プッシュダウンオートマトンと文脈自由文法 / 下推自动机与上下文无关文法 / Pushdown automata and context-free grammars

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
プッシュダウンオートマトン	プッシュダウンオートマトン	下推自动机（PDA）	Pushdown Automaton: PDA
決定性PDA	けっていせいPDA	确定下推自动机（DPDA）	Deterministic pushdown automaton: DPDA
非決定性PDA	ひけっていせいPDA	非确定下推自动机（NPDA）	Non-deterministic pushdown automaton: NPDA
文脈自由文法 /<br>2型文法	ぶんみゃくじゆうぶんぽう /<br>にがたぶんぽう	上下文无关文法	Context free grammar
文脈自由言語 /<br>2型言語	ぶんみゃくじゆうげんご /<br>にがたげんご	上下文无关语言	Context free language
括弧の言語 / ディック言語	かっこのげんご / ディックげんご	括号语言 / Dyck语言	Dyck language
簡素化	かんそか	简化	Simplify
無効記号	むこうきごう	无用符号	Useless symbol
生記号	せいきごう	有效符号	Alive symbol
死記号	しきごう	无效符号	Dead symbol
到達可能記号	とうたつかのう　きごう	可达符号	Reachable symbol
ε- 生成規則	ε- せいせいきそく	ε- 产生式	ε- production
ε- なし	ε- なし	消除ε- 产生式	ε- free
単位生成規則	たんい　せいせい　きそく	（消除）单元产生式	Unit production
標準形	ひょうじゅんけい	范式	Normal form
チョムスキー標準形	チョムスキー　ひょうじゅんけい	乔姆斯基范式	Chomsky normal form
グライバッハ標準形	グライバッハ　ひょうじゅんけい	格雷巴赫范式	Greibach normal form
再帰的	さいきてき	递归	Recursive
右再帰的	みぎさいきてき	右递归	Right-recursive
左再帰的	ひだりさいきてき	左递归	Left-recursive
構文解析	こうぶんかいせき	语法分析	Parsing
下降型 / トップダウン型	かこうがた / トップダウンがた	派生 / 自顶向下	Top-down parsing method
上昇型 / ボトムアップ型	じょうしょうがた / ボトムアップがた	归约 / 自底向上	Bottom-up parsing method
最左導出	さいさどうしゅつ	最左派生	Left most derivation
最右導出	さいうどうしゅつ	最右派生	Right most derivation
構文木	こうぶんぎ	语法树/分析树	Parse tree
導出木	どうしゅつぎ	派生树	Derivation tree
あいまい	あいまい	歧义	Ambiguity

第5章：チューリングマシン / 图灵机 / Turing machine

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
チューリングマシン	チューリングマシン	图灵机	Turing machine
チャーチの提唱	チャーチのていしょう	邱奇论题/邱奇猜想	Church's thesis
線形拘束オートマトン	せんけい　こうそく　オートマトン	线性有界自动机	Linear bounded automaton

第6章：チョムスキー階層 / 乔姆斯基谱系 / Chomsky Hierarchy

日语 (Japanese)	读音 (Kana)	中文 (Chinese)	英语 (English)
チョムスキー階層	チョムスキーかいそう	乔姆斯基谱系	Chomsky Hierarchy
文脈依存文法 /<br>1型文法	ぶんみゃくいぞんぶんぽう /<br>いちがたぶんぽう	上下文有关文法	Context-sensitive grammar
文脈依存言語 /<br>1型言語	ぶんみゃくいぞんげんご /<br>いちがたげんご	上下文有关语言	Context-sensitive language
句構造文法 / 0型文法	くこうぞうぶんぽう / ぜろがたぶんぽう	短语结构文法	Phrase structure grammar
句構造言語 / 0型言語	くこうぞうげんご / ぜろがたげんご	短语结构语言	Phrase structure language

新版演習微分積分（11）—— 从广义积分到多重积分面积

Fri, 05 Jun 2026 00:30:00 GMT

书本第 136 页（对应 PDF 第 146 页）为您带来的是二重积分的 【例题 2】。

如果说上一页是教你“怎么切多边形”，那么这一页则教你如何对付“圆/曲线”边界，以及如何在积分中运用换元技巧（置換積分）。这道题是大学院考试中极具代表性的基础题，它包含了画图、配方、简化根号、一元代换四个重要考点。

我为您将这道题按照**“考场满分 4 步曲”**进行硬核拆解：

一、【例题 2】题目解析

题目原文： 次の 2 重積分を求めよ. $$\iint_D \sqrt{x} dxdy, \quad D: x^2 + y^2 \le x$$

题目翻译： 求上述二重积分，积分区域为 $x^2 + y^2 \le x$。

二、考场满分解题 4 步曲

第 1 步：画出区域 $D$ （配方法）—— 【很多考生的死穴】

看到 $x^2 + y^2 \le x$，千万不要发懵！在解析几何中，只要看到 $x^2$ 和 $x$ 同时出现，第一反应必须是配方（平方完成）：

移项：$x^2 - x + y^2 \le 0$
配凑完全平方：$(x^2 - x + \frac{1}{4}) - \frac{1}{4} + y^2 \le 0$
得到标准圆方程：$(x - \frac{1}{2})^2 + y^2 \le \left(\frac{1}{2}\right)^2$

几何直觉：这是一个圆心在 $(1/2, 0)$，半径为 $1/2$ 的实心圆盘。（如书上 图 5.11 所示，圆正好经过原点，且完全在 $y$ 轴的右侧，所以在这个区域内 $x \ge 0$ 恒成立）。

第 2 步：决定“切片”方向，写出上下限

根据圆的方程 $y^2 \le x - x^2$，我们可以直接解出 $y$ 的上下边界： $$-\sqrt{x - x^2} \le y \le \sqrt{x - x^2}$$ 同时从图上可以看出，圆在 $x$ 轴上的投影范围是从 $0$ 到 $1$。

所以，我们选择**“先对 $y$ 积分，再对 $x$ 积分”**（竖着切）： $$ \text{外层（常数）}: 0 \le x \le 1 $$ $$ \text{内层（函数）}: -\sqrt{x - x^2} \le y \le \sqrt{x - x^2} $$ 原式转化为累次积分： $$ I = \int_0^1 \left{ \int_{-\sqrt{x-x^2}}^{\sqrt{x-x^2}} \sqrt{x} dy \right} dx $$

第 3 步：计算内层积分（对 $y$ 积分）

我们要计算 $\int \sqrt{x} dy$。因为是对 $y$ 积分，$\sqrt{x}$ 被完全当作常数！ $$ \int_{-\sqrt{x-x^2}}^{\sqrt{x-x^2}} \sqrt{x} dy = \sqrt{x} \Big[ y \Big]_{-\sqrt{x-x^2}}^{\sqrt{x-x^2}} = \sqrt{x} \left( \sqrt{x-x^2} - (-\sqrt{x-x^2}) \right) = \sqrt{x} \cdot 2\sqrt{x-x^2} $$

【神仙化简技巧】： $2\sqrt{x} \cdot \sqrt{x-x^2} = 2\sqrt{x \cdot x(1-x)} = 2\sqrt{x^2(1-x)}$ 因为在积分区域内 $x \ge 0$，所以 $\sqrt{x^2} = x$。化简得到极度舒适的形式：$2x\sqrt{1-x}$。

第 4 步：计算外层积分（巧妙的一元代换）

现在我们只需计算一元积分： $$ I = 2 \int_0^1 x\sqrt{1-x} dx $$

怎么积？不要硬拆根号！使用一元微积分中最经典的换元法（置換積分）：

令 $t = 1 - x$ （这能把根号里面讨厌的多项式变成单项式）。
那么 $x = 1 - t$。
求导数：$dx = -dt$。
换上下限：当 $x=0$ 时，$t=1$；当 $x=1$ 时，$t=0$。

代入积分式： $$ I = 2 \int_1^0 (1-t)\sqrt{t} (-dt) $$ 负号刚好可以用来把积分的上下限颠倒回来（变成从 0 到 1）： $$ I = 2 \int_0^1 (1-t)t^{1/2} dt = 2 \int_0^1 (t^{1/2} - t^{3/2}) dt $$ 这就是极其简单的幂函数积分了： $$ = 2 \left[ \frac{2}{3}t^{3/2} - \frac{2}{5}t^{5/2} \right]_0^1 $$ 把 $1$ 代入： $$ = 2 \left( \frac{2}{3} - \frac{2}{5} \right) = 2 \left( \frac{10 - 6}{15} \right) = 2 \times \frac{4}{15} = \mathbf{\frac{8}{15}} $$

大功告成！

三、底部的课后练习（問題 2.1）

在 136 页底部，书本一口气放出了 5 道练手题。这 5 道题的积分区域涵盖了整个工科考研的最核心曲线：

(1) 普通多项式与根号的结合。
(2) 这是一道极坐标积分题！提示指向 p.33 的图 2.12，那是著名的心形线（Cardioid）。在碰到圆、心形线、玫瑰线时，转换到极坐标 $(r, \theta)$ 积分是唯一出路。（这正是我们下一页要学的终极武器！）
(3) 到 (5) 题：涉及四分之一圆周、抛物线边界等。都是训练画图和寻找上下限的绝佳题目。

总结： 第 136 页的例题虽然看着简单，但串联了：圆的配方画图 $\to$ 分离变量的累次积分 $\to$ $t = 1-x$ 根号换元法。每一个步骤都是考研大题的标准得分点。

在刚才的练习题（2）中，我们遇到了心形线。如果只用 $x, y$ 直角坐标来算圆或者心形线，积分会极其痛苦。为了解决这个痛点，微积分中最伟大的一页——**第 137 页（利用极坐标进行变量代换 / 雅可比行列式的雏形）**即将登场。

请问我们要继续翻开 137 页 去学习极其关键的二重积分的积分顺序交换进阶题，还是去看看重积分的终极大招：变量代换？ （注：根据书本目录，137 页是例题 3：积分顺序的交换；138 页将正式进入雅可比行列式。） 您想怎么推进？

太棒了！您选择直接挑战第 136 页底部的 【问题 2.1】，这说明您已经准备好将二重积分的理论转化为实战得分了。

这组题目极其经典，涵盖了大学院考试中二重积分的三大必考题型：直接积分法、极坐标换元法、以及区域的横向切割法。

我将严格对照书后第 246 页（对应 PDF 第 256 页）的官方标准答案，为您把前 3 道最具代表性的题目进行最深度的“考场满分步骤”拆解：

【问题 2.1 (1)】：一元代换与直接积分

题目： 求二重积分 $\iint_D \sqrt{xy - y^2} dxdy$，积分区域 $D$ 为：$0 \le y \le 1,\ y \le x \le 10y$。

考场解题步骤：

第 1 步：分析区域与定序 题目已经非常仁慈地把上下限给我们写好了！这是一个标准的“横向切割（先 $x$ 后 $y$）”区域。外层积分限是常数：$y$ 从 $0$ 到 $1$。内层积分限是函数：$x$ 从 $y$ 到 $10y$。原式转化为： $$ I = \int_0^1 \left{ \int_y^{10y} \sqrt{xy - y^2} dx \right} dy $$

第 2 步：计算内层积分（对 $x$ 积分，视 $y$ 为常数） 我们要算 $\int \sqrt{xy - y^2} dx$。为了不看晕，我们把里面提取一个 $y$ 出来： $$\int \sqrt{y(x - y)} dx = \sqrt{y} \int \sqrt{x - y} dx$$ 因为 $y$ 是常数，$\int \sqrt{x-y} dx$ 直接套用 $\int u^{1/2} du = \frac{2}{3}u^{3/2}$： $$= \sqrt{y} \cdot \frac{2}{3}(x - y)^{3/2}$$ (注：书后答案写的是 $\frac{2}{3}(xy-y^2)^{3/2} \cdot \frac{1}{y}$，这与我们提公因式的做法是完全等价的，提公因式不容易算错！)

代入上下限 $x = 10y$ 和 $x = y$：

上限 $x = 10y$ 代入：$\sqrt{y} \cdot \frac{2}{3}(10y - y)^{3/2} = \sqrt{y} \cdot \frac{2}{3}(9y)^{3/2} = y^{1/2} \cdot \frac{2}{3} \cdot 27 \cdot y^{3/2} = 18y^2$
下限 $x = y$ 代入：$(y - y)^{3/2} = 0$ 所以内层积分的结果非常清爽：$18y^2$。

第 3 步：计算外层积分 $$ I = \int_0^1 18y^2 dy = \left[ 6y^3 \right]_0^1 = \mathbf{6} $$ （答案完美命中官方解答）

【问题 2.1 (2)】：极坐标换元（遇到心形线必杀）

题目： 求二重积分 $\iint_D y dxdy$，积分区域 $D$ 是心形线（Cardioid）的上半部分：$r \le a(1+\cos\theta)$ 且 $y \ge 0$。

考场解题步骤：

第 1 步：极坐标替换法则（⚠️ 千万别漏掉雅可比式 $r$！） 只要看到带有 $x^2+y^2$ 或者极坐标方程 $r = f(\theta)$，马上条件反射：

$x = r\cos\theta, \ y = r\sin\theta$
微元替换：$dxdy = \mathbf{r} , drd\theta$ （这个多出来的 $r$ 每年都有无数人忘记！）

第 2 步：转化被积函数与上下限

被积函数：$y$ 变成 $r\sin\theta$。加上微元的 $r$，总的被积式变成了 $r^2 \sin\theta$。
积分区域：因为是上半部分（$y \ge 0$），所以角度 $\theta$ 从 $0$ 转到 $\pi$。半径 $r$ 从原点 $0$ 伸展到心形线的边界 $a(1+\cos\theta)$。 $$ I = \int_0^\pi \left{ \int_0^{a(1+\cos\theta)} r^2 \sin\theta dr \right} d\theta $$

第 3 步：计算内层积分（对 $r$ 积分） $$ \int_0^{a(1+\cos\theta)} r^2 \sin\theta dr = \sin\theta \left[ \frac{r^3}{3} \right]_0^{a(1+\cos\theta)} = \frac{a^3}{3} (1+\cos\theta)^3 \sin\theta $$

第 4 步：计算外层积分（一元换元法） $$ I = \frac{a^3}{3} \int_0^\pi (1+\cos\theta)^3 \sin\theta d\theta $$ 【换元技巧】：令 $t = 1+\cos\theta$。则 $dt = -\sin\theta d\theta$。上下限：当 $\theta = 0$ 时 $t = 2$；当 $\theta = \pi$ 时 $t = 0$。 $$ I = \frac{a^3}{3} \int_2^0 t^3 (-dt) = \frac{a^3}{3} \int_0^2 t^3 dt $$ $$ = \frac{a^3}{3} \left[ \frac{t^4}{4} \right]_0^2 = \frac{a^3}{3} \cdot \frac{16}{4} = \mathbf{\frac{4}{3}a^3} $$ （答案完美命中官方解答）

【问题 2.1 (3)】：横向切割（y-型区域）的实战

题目： 求二重积分 $\iint_D x dxdy$，积分区域 $D$ 由直线 $y=0$（$x$ 轴），$x=2y$ 和 $x+y=3$ 围成。

考场解题步骤：

第 1 步：画图并寻找交点（关键！） 在草稿纸上画出：

原点出发的斜线 $y = x/2$ （即 $x = 2y$）
斜向下的直线 $y = -x + 3$ （即 $x = 3-y$）
底部的 $x$ 轴（$y=0$）这三条线围成了一个三角形（对应书后第 256 页图 3.1(1) 下方的图 2.1(3)）。

找顶点：联立 $x=2y$ 和 $x=3-y$，解得 $2y = 3-y \implies 3y = 3 \implies y=1, x=2$。顶点坐标为 $(2, 1)$。

第 2 步：决定切割方向

如果竖着切（先 $y$ 后 $x$）：天花板在 $x=2$ 的左右两侧不一样（左边是 $y=x/2$，右边是 $y=3-x$），必须把积分拆成两半算，非常麻烦！
【满分解法】横着切（先 $x$ 后 $y$）：从下往上看，$y$ 的范围是 $0$ 到最高点 $1$。在这个范围内，左墙壁永远是 $x=2y$，右墙壁永远是 $x=3-y$。一气呵成！ $$ I = \int_0^1 \left{ \int_{2y}^{3-y} x dx \right} dy $$

第 3 步：计算内层积分（对 $x$ 积分） $$ \int_{2y}^{3-y} x dx = \left[ \frac{x^2}{2} \right]_{2y}^{3-y} = \frac{1}{2} \left( (3-y)^2 - (2y)^2 \right) $$ 展开化简： $$ \frac{1}{2} (9 - 6y + y^2 - 4y^2) = \frac{1}{2} (9 - 6y - 3y^2) $$

第 4 步：计算外层积分 $$ I = \frac{1}{2} \int_0^1 (9 - 6y - 3y^2) dy $$ $$ = \frac{1}{2} \left[ 9y - 3y^2 - y^3 \right]_0^1 $$ 代入上限 1： $$ = \frac{1}{2} (9 - 3 - 1) = \frac{1}{2} \times 5 = \mathbf{\frac{5}{2}} $$ （答案完美命中官方解答）

总结

这三道题是微积分备考的黄金演练素材。

题 (1) 训练了你在一堆变量中“稳住心态、认清谁是常数”的基本功。
题 (2) 训练了你在遇到圆、心形线时，毫不犹豫祭出“极坐标 + 雅可比 $r$”的反射神经。
题 (3) 训练了你通过画图识破“竖切会裂开，横切保平安”的战术眼光。

做完这三道题，您在普通区域上的二重积分已经算是“出师”了。

但是！如果积分区域不是圆，而是个椭圆，或者是由 $y=x, y=2x, xy=1, xy=2$ 围成的扭曲四边形，那极坐标和普通的横竖切就彻底失效了。

这就要请出微积分下半本书最终极的核武器——【第 138 页】雅可比行列式（ヤコビアン / Jacobian）与重积分变量代换。

请问我们要直接翻开 138 页 学习雅可比行列式的神级换元，还是您需要歇一下，回头复习哪一块内容？

书本第 138 页（对应 PDF 第 148 页）是整个多变量微积分中绝对的“核武器”级别页面。

这一页隆重引出了微积分下半场最伟大的发明之一：二重积分的变量代换公式与雅可比行列式（ヤコビアン / Jacobian）。同时，下半页开启了**广义二重积分（広義の 2 重積分）**的理论大门。

如果说前面的普通横切、竖切是“步枪”，那么雅可比换元就是“降维打击的导弹”。在大学院的压轴大题中，遇到无法直接积分的扭曲区域，这是唯一的破局之法。

我为您将这一页的硬核理论拆解为两大考点：

一、终极武器：雅可比行列式与变量代换（定理 5.5）

在做一元积分时，我们用换元法 $x = \varphi(t)$，微元会变成 $dx = \varphi'(t)dt$。但在二重积分中，如果令 $x = \varphi(u, v)$ 和 $y = \psi(u, v)$，微元 $dxdy$ 会变成什么呢？它绝对不是简单的 $dudv$，中间必须乘上一个**“面积缩放比例因子”，这个因子就是大名鼎鼎的雅可比行列式（ヤコビアン）**！

1. 雅可比行列式的计算公式

$$J = \frac{\partial(x, y)}{\partial(u, v)} = \det \begin{pmatrix} \frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} \ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} \end{pmatrix} = \frac{\partial x}{\partial u} \frac{\partial y}{\partial v} - \frac{\partial x}{\partial v} \frac{\partial y}{\partial u}$$ (口诀：横着写偏导，主对角线相乘减去副对角线相乘)。

2. 二重积分换元终极公式（式 1）

$$\iint_D f(x, y) dxdy = \iint_{D'} f(\varphi(u, v), \psi(u, v)) |J| dudv$$

🚨【考场最高危、最致命的陷阱】🚨 仔细看书上公式的最后一个项：是 $|J|$ 而不是 $J$！ 雅可比行列式外面套着一个绝对值符号！ 很多考生在考场上算出 $J = -2$，然后直接带着负号扔进积分里，导致体积算出来是负数，整道大题直接 0 分。原理：$J$ 的正负只代表坐标系翻转了方向，但 $dxdy$ 代表的是一小块微元的面积，面积永远是正的！所以代入公式时，必须加上绝对值保证面积缩放倍数为正！

3. 【顿悟时刻】：极坐标的那个 $r$ 到底是怎么来的？

在讲第 136 页时我再三强调极坐标代换 $dxdy = r , drd\theta$，那个 $r$ 就是雅可比行列式算出来的！我们现场算一下极坐标的 Jacobian：已知 $x = r\cos\theta, \ y = r\sin\theta$ （这里 $u=r, v=\theta$）。 $$J = \begin{vmatrix} x_r & x_\theta \ y_r & y_\theta \end{vmatrix} = \begin{vmatrix} \cos\theta & -r\sin\theta \ \sin\theta & r\cos\theta \end{vmatrix}$$ 算行列式：$(\cos\theta)(r\cos\theta) - (-r\sin\theta)(\sin\theta) = r\cos^2\theta + r\sin^2\theta = \mathbf{r}$ 因为半径 $r \ge 0$，所以绝对值 $|J| = r$。 这就是极坐标代换多出来一个 $r$ 的底层理论来源！

二、广义二重积分的定义扩展（広義の 2 重積分）

下半页开始探讨一种在大学院考试中极具杀伤力的题型：广义重积分（瑕积分与无穷积分）。

1. 为什么需要“扩展”？

在第 132 页讲黎曼和定义时，我们有一个大前提：积分区域 $D$ 必须是有界闭区域，且函数 $f(x,y)$ 必须连续（不能有无穷大的点）。但在考研中，教授经常出这种题：

求 $\iint_D \frac{1}{\sqrt{x^2+y^2}} dxdy$，区域是原点附近的圆。 (致命问题：当 $(x,y) \to (0,0)$ 时，分母为 0，函数值爆炸到无穷大！)

2. “近似增加列”的思想（图 5.15）

为了解决这种含有**不连续点/特异点（集合 $E$）**的积分，书本引入了非常严密的极限思想：

挖坑：既然集合 $E$ 上的点（比如原点）会让函数爆炸，那我们就先拿个保护罩把它“罩起来”并挖掉。
构建近似列 ${D_n}$：挖掉坏点后剩下的安全区域记为 $D_n$（图 5.15 中蓝色的部分）。在这个安全区域内，函数是连续的，我们可以放心大胆地算普通二重积分。
逼近：让 $n \to \infty$（即让挖掉的保护罩越来越小，无限逼近那个坏点 $E$）。如果这个逼近过程算出来的极限存在，那么这个极限值就是广义二重积分的值！

（书上在底部列出了构建 $D_n$ 必须满足的三个数学条件：包容性、避开奇点、面积逼近。这是为了保证数学严密性，考场上主要考的是实战计算。）

总结与通关前瞻

第 138 页是理论的一页，为您装配了两把钥匙：

雅可比行列式公式（用来解形状扭曲的积分）。
挖洞求极限思想（用来解函数值爆炸的积分）。

这两套理论的**“实战大爆发”**分别在：

第 140 页（例题 4）：手把手教你遇到椭圆时，如何用雅可比行列式化腐朽为神奇。
第 142 页（例题 6）：手把手教你如何挖掉原点，计算爆炸的广义重积分。

紧接着的 第 139 页 会把广义积分的极限公式写完，并引出无界区域（积分区域无限大）的广义积分判别法。

请问我们要继续翻到 139 页 补全广义积分的理论？还是直接跳到 140 页，去看雅可比行列式在考场上的实战大招（例题 4）？

书本第 139 页（对应 PDF 第 149 页）是上一页“广义二重积分”理论的大结局。

如果说上一页告诉你“遇到奇点要挖洞”，那么这一页则回答了考场上的两个终极问题：“挖完洞之后怎么算？” 以及 “如果积分区域本身就是无限大的（比如积整个第一象限），该怎么办？”

这一页包含的 【定理 5.6】，是大学院考试中做广义重积分大题的**“免死金牌”**。我为您进行最深度的考点拆解：

一、核心考点 1：广义积分的极限计算法（式 2 & 3）

紧接上一页，当我们用安全区域 $D_n$ 避开了让函数爆炸的“坏点”后，广义二重积分就被严格定义为了一个极限过程： $$ \iint_D f(x, y) dxdy = \lim_{n\to\infty} \iint_{D_n} f(x, y) dxdy $$

【考场实战翻译】：在考场上遇到瑕积分（比如分母在原点等于 0），你绝对不能直接代入 0 去算！ 标准满分步骤：

先人为设定一个小圆盘 $x^2+y^2 \le \varepsilon^2$ 把原点罩住挖掉，剩下的安全区域就是 $D_n$。
在安全区域 $D_n$ 里，老老实实算完普通二重积分，得到一个含有 $\varepsilon$ 的结果。
最后一步，令 $\varepsilon \to 0$ 取极限。如果极限是个常数，大题拿满分；如果极限是 $\infty$，回答“积分发散（発散）”。

二、核心考点 2：无界区域的广义积分（無限領域の場合）

很多时候，函数本身没毛病，但教授给的积分区域大得离谱。比如 图 5.16，让你在整个第一象限（$x \ge 0, y \ge 0$）上求积分。这种连边都没有的区域怎么切片？

解决思想：近似增加列（Expanding Exhaustion）

和对付奇点的“挖洞逼近”相反，对付无限大区域，我们用的是**“膨胀逼近”**（如 图 5.17 所示）：

先在原点附近画一个半径为 $n$ 的四分之一圆盘，记为 $D_n$（这就是一个有界闭区域了）。
在 $D_n$ 里面老老实实算二重积分。
算完之后，让半径 $n \to \infty$。圆盘就会无限膨胀，最终覆盖整个第一象限！取这个极限，就是无限区域上的积分值。

三、绝对核武器：正值函数的收敛定理（定理 5.6）

这是整页最伟大的一句话，它是你能在考场上“抄近道”的理论保障！

1. 定理 5.6 到底在说什么？

假设被积函数 $f(x, y) \ge 0$（比如求体积、概率密度等）：如果你用某种特定形状（比如正方形）去逼近无限区域，算出极限存在且等于 $I$。那么，无论你换用其他任何形状（比如圆形、三角形、星形）去膨胀逼近，算出来的极限一定也是 $I$！

2. 💡【考场提分神技：随心所欲选形状】

在考卷上让你积整个第一象限 $\iint_{x \ge 0, y \ge 0} e^{-(x^2+y^2)} dxdy$。

老实的同学：画一个正方形区域 $0 \le x \le n, 0 \le y \le n$。算完后发现极其难算。
懂定理 5.6 的同学：既然被积函数 $e^{-(x^2+y^2)} > 0$ 恒成立，那根据定理 5.6，我凭什么非要用正方形逼近？我偏要用四分之一圆盘（$x^2+y^2 \le n^2$）去逼近！
降维打击：一旦用了圆盘，瞬间就可以引入极坐标代换 $x^2+y^2 = r^2$ 且 $dxdy = rdrd\theta$。原本极难的指数积分，瞬间化简为极其简单的普通一元积分！

考试金律：只要被积函数是非负的（$f \ge 0$），在无限区域上求积分时，哪种形状的边界容易算，你就大胆地用哪种形状去逼近！ 绝大多数情况下，使用圆形区域膨胀 + 极坐标换元是秒杀无限区域重积分的唯一正解。

四、底部注解（注意 5.3）

这里简单提了一句：不光是“孤立的点”可以让函数爆炸，有时候一条“连续的曲线 $C$”也会让函数爆炸（比如分母里有 $x-y$，那么整条直线 $y=x$ 都是危险地带）。定理 5.6 对于这种“危险曲线”同样适用。考场上只需要把这条曲线两侧挖空，再取极限即可。

总结与通关前瞻

第 138 和 139 页用整整两页的篇幅，为您构建了**“雅可比换元”和“广义重积分极限法”**这两大高阶理论体系。

理论终于结束了！接下来，书本将安排连续的 重磅实战例题，教你在考场上怎么把这些神级理论变成试卷上的分数：

第 140 页（例题 4）：雅可比行列式的王道实战（把极难算的椭圆区域，硬生生拽成正圆形）。
第 142 页（例题 6）：广义重积分“挖洞法”的王道实战（处理分母为 0 的奇点）。

请问我们要立刻翻开 140 页，去看如何用**“雅可比换元”**秒杀复杂的椭圆积分大题吗？

书本第 140 页（对应 PDF 第 150 页）迎来了整个二重积分章节的**“高光时刻”**！

这一页的 【例题 4】 是雅可比行列式（Jacobian）在考场上的第一次王道实战。它完美演示了如何将一个让人生不如死的椭圆区域，通过变量代换“捏”成一个好算的正圆形区域。

在各个大学院的考研真题中，含有 $\frac{x^2}{a^2} + \frac{y^2}{b^2} \le 1$ 的重积分大题几乎年年出现。掌握这一页的套路，您就拿下了重积分 30% 的核心分数！

我将为您把这道经典大题拆解为 考场满分 5 步曲：

一、【例题 4】题目与困境分析

题目原文： 求二重积分 $I = \iint_D (x^2 + y^2) dxdy$，其中积分区域为椭圆 $D: \frac{x^2}{a^2} + \frac{y^2}{b^2} \le 1 \ (a>0, b>0)$。

【考场困境】：如果我们在原坐标系里硬算（竖着切），$y$ 的上下限将会是 $\pm b\sqrt{1 - \frac{x^2}{a^2}}$。把这么恶心的根号代入多项式再积分，考场上绝对算不出来！ 破局之法：引入在第 138 页学的变量代换（変数変換）。

二、考场满分 5 步曲

第 1 步：祭出“椭圆代换神技”（Route）

书本 route 栏给出了处理椭圆的千古名招： 令 $x = au, \quad y = bv$

几何意义（图 5.18）：把这个代换放进椭圆方程里，$\frac{(au)^2}{a^2} + \frac{(bv)^2}{b^2} = u^2 + v^2 \le 1$。我们成功地把一个扁扁的椭圆 $D$，拉伸成了一个完美的单位实心圆 $D'$！

第 2 步：计算雅可比行列式（Jacobian）

微元替换绝不是简单的 $dxdy = dudv$，必须乘上面积缩放比例 $|J|$。 $$J = \frac{\partial(x, y)}{\partial(u, v)} = \begin{vmatrix} \frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} \ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} \end{vmatrix} = \begin{vmatrix} a & 0 \ 0 & b \end{vmatrix} = ab - 0 = ab$$ 因为 $a>0, b>0$，所以绝对值 $|J| = ab \neq 0$。于是，微元替换公式为：$dxdy = ab , dudv$。

第 3 步：转化原二重积分

把 $x, y$ 和 $dxdy$ 全部换成 $u, v$ 的世界： $$I = \iint_{D'} \left( (au)^2 + (bv)^2 \right) \cdot (ab) , dudv = ab \iint_{D'} (a^2u^2 + b^2v^2) dudv$$ 此时积分区域 $D'$ 已经是单位圆 $u^2+v^2 \le 1$ 了。

第 4 步：化简积分并利用对称性

由于积分区域是单位圆（上下左右完全对称），且被积函数 $a^2u^2 + b^2v^2$ 全是偶次幂。 【考场省时技巧】：我们不需要积整个圆，只需要积第一象限（右上角的四分之一圆），然后乘以 4 即可！第一象限的界限是：$0 \le u \le 1$，且 $0 \le v \le \sqrt{1-u^2}$。 $$I = 4ab \int_0^1 \left{ \int_0^{\sqrt{1-u^2}} (a^2u^2 + b^2v^2) dv \right} du$$

先对 $v$ 积分（把 $u$ 当常数）： $$\int_0^{\sqrt{1-u^2}} (a^2u^2 + b^2v^2) dv = \left[ a^2u^2 v + \frac{b^2}{3}v^3 \right]_0^{\sqrt{1-u^2}} = a^2u^2\sqrt{1-u^2} + \frac{b^2}{3}(1-u^2)^{3/2}$$

第 5 步：一元三角换元（硬骨头计算）

把上面的结果代入外层积分： $$I = 4ab \int_0^1 \left{ a^2u^2\sqrt{1-u^2} + \frac{b^2}{3}(1-u^2)^{3/2} \right} du$$ 看到 $\sqrt{1-u^2}$，本能反应是三角换元：令 $u = \sin\theta$。则 $du = \cos\theta d\theta$；上下限从 $u \in [0, 1]$ 变成 $\theta \in [0, \pi/2]$。代入后，$\sqrt{1-u^2}$ 变成了 $\cos\theta$。积分式化为了纯三角函数积分： $$I = 4ab \int_0^{\pi/2} \left{ a^2 \sin^2\theta \cos\theta + \frac{b^2}{3} \cos^3\theta \right} \cdot \cos\theta d\theta$$ 展开后得到： $$I = 4ab \int_0^{\pi/2} \left( a^2 \sin^2\theta \cos^2\theta + \frac{b^2}{3} \cos^4\theta \right) d\theta$$ 利用 $\sin^2\theta \cos^2\theta = \cos^2\theta(1-\cos^2\theta) = \cos^2\theta - \cos^4\theta$，可以整理成书上的形式： $$= 4ab \int_0^{\pi/2} \left{ a^2\cos^2\theta + \left(\frac{b^2}{3}-a^2\right)\cos^4\theta \right} d\theta$$

【考研绝招：华里士公式 Wallis Formula】 到了这一步千万别用倍角公式硬拆！书上右侧旁注提示了 p.82 第3章例题25。记住这个能救命的结论：$\int_0^{\pi/2} \cos^2\theta d\theta = \frac{\pi}{4}$，且 $\int_0^{\pi/2} \cos^4\theta d\theta = \frac{3\pi}{16}$。直接把这两个数值代入上面的式子，展开化简后，瞬间得到最终答案： $$I = \mathbf{\frac{\pi ab}{4}(a^2+b^2)}$$

三、 💡 【考场秒杀降维打击：底部的问题 4.1】

虽然书本在例题中是先换成 $u,v$ 的直角坐标，然后再用 $\sin\theta$ 换元。但这太啰嗦了！ 在页面的底部，问题 4.1 提供了一个考试中真正用来拿满分的“神级代换”：

【广义极坐标代换】：以后遇到椭圆 $\frac{x^2}{a^2} + \frac{y^2}{b^2} \le 1$，不要分两步走！直接一步到位令： $x = a r \cos\theta, \quad y = b r \sin\theta$

此时积分区域直接变成：$0 \le r \le 1, \quad 0 \le \theta \le 2\pi$。
雅可比行列式可以直接背下来：$J = abr$。
微元：$dxdy = abr , drd\theta$。

如果您用这个方法重做一遍例题 4，原本一整页的恶心计算，只需要 3 行 就能得出答案！这就是大学院考场上真正的破题法门！

四、底部的另一道练习（問題 4.2）

问题 4.2：由 $x+y=a, x+y=2a, x-y=b, x-y=2b$ 围成的平行四边形，求 $\iint xydxdy$。

这道题训练的是**“线性代换”**。既然边界全是 $x+y$ 和 $x-y$，我们就顺水推舟，令 $u = x+y, v = x-y$。

新区域变成了一个极其完美的矩形：$a \le u \le 2a, \quad b \le v \le 2b$。
算出 $x, y$ 的反解表达式，求出雅可比行列式 $J = -1/2$，取绝对值得 $1/2$。
在新矩形区域上积分，直接秒杀。

总结： 第 140 页为您揭示了雅可比行列式的终极威力：“看到什么区域恶心，就把那个恶心的整体设为新的变量 $u$ 和 $v$。” 椭圆恶心，就把 $x/a$ 设为 $u$；平行四边形恶心，就把平行的边设为 $u$ 和 $v$。

接下来的 第 141 页（例题 5）将演示一个极为特殊的代换：普通极坐标下雅可比行列式的推导与应用，这在求无限区域积分（比如高斯积分）时具有统治级地位。

请问我们要继续翻到 141 页 吗？还是您想试着用我刚才教您的“广义极坐标代换（问题 4.1）”口算一下这道例题 4，感受一下秒杀的快感？

书本第 141 页（对应 PDF 第 151 页）是重积分中出场率绝对第一、必须刻进 DNA 的一页。

这一页通过 【例题 5】，从最严密的理论高度，正式推导并演示了微积分中最伟大的代换——极坐标变换（極座標変換）。

如果在考研/大学院的考卷上看到积分区域是圆、圆环、扇形、甚至是心形线，不要有任何犹豫，直接使用这一页教你的极坐标换元！

我为您把这页的理论精华和实战步骤拆解如下：

一、【例题 5】极坐标代换的神级降维打击

题目原文： 次の 2 重積分を $x = r\cos\theta, y = r\sin\theta$ と変数変換して求めよ. $\iint_D (x^2 + y^2) dxdy \quad D: x^2 + y^2 \le a^2 \ (a>0)$

如果用直角坐标（竖着切）硬算，会遇到非常恶心的根号积分。我们来看书本上标准的极坐标代换 3 步曲：

第 1 步：转化积分区域 $D \to D'$（图 5.19 核心奥秘）

原来的区域 $D$：是在 $x-y$ 坐标系下的一个实心圆（$x^2 + y^2 \le a^2$）。
代换法则：令 $x = r\cos\theta, \ y = r\sin\theta$。这代表平面上任何一个点，都可以用距离原点的半径 $r$ 和旋转角度 $\theta$ 来表示。
新区域 $D'$ 是什么？ 要画满一个半径为 $a$ 的实心圆：角度 $\theta$ 需要转整整一圈：$0 \le \theta \le 2\pi$ 半径 $r$ 需要从圆心一直伸到边缘：$0 \le r \le a$
【几何奇迹】：大家看图 5.19 的左边！在新的 $r-\theta$ 坐标系里，这两个条件画出来，居然是一个完美的矩形 $D'$！ 极坐标换元的本质，就是把弯曲的、难切的圆形区域，扯平拉直成了一个上下左右全是常数的矩形！这就是为什么换元后极其好算的原因。

第 2 步：计算雅可比行列式 $J$ （理论的必经之路）

我们在前一页强调过，微元变换不是直接换，必须乘以面积缩放系数（Jacobian）。书本在这里给出了严格的推导： $$ J = \frac{\partial(x, y)}{\partial(r, \theta)} = \begin{vmatrix} \frac{\partial x}{\partial r} & \frac{\partial x}{\partial \theta} \ \frac{\partial y}{\partial r} & \frac{\partial y}{\partial \theta} \end{vmatrix} = \begin{vmatrix} \cos\theta & -r\sin\theta \ \sin\theta & r\cos\theta \end{vmatrix} $$ 计算这个行列式： $$J = (\cos\theta)(r\cos\theta) - (-r\sin\theta)(\sin\theta) = r\cos^2\theta + r\sin^2\theta = \mathbf{r}$$ 因为半径 $r \ge 0$，所以绝对值 $|J| = r$。 【考场铁律】：考试时绝对不需要重新推导这一步！直接把 $dxdy = r , drd\theta$ 当成固定公式默写上去！千万千万别漏掉那个 $r$！

（注：书上在 (i) 里提到了一句极其严谨的废话：虽然当 $r = 0$ 时 $\theta$ 可以是任何值，导致 $1$ 对 $1$ 映射在原点失效，但这只是一条线/一个点，它的面积是 $0$，所以对积分结果完全没有影响。）

第 3 步：在新区域上完成“矩形积分”

把所有东西扔进新的积分号里：

被积函数：$x^2 + y^2$ 直接变成了 $r^2$。
面积微元：$dxdy$ 变成了 $r , drd\theta$。
积分上下限：变成了全常数。

$$ \iint_D (x^2 + y^2) dxdy = \iint_{D'} (r^2) \cdot (r) , drd\theta = \int_0^{2\pi} \left{ \int_0^a r^3 dr \right} d\theta $$ 【考场秒杀技巧：变量分离法】 只要积分上下限全是常数，且被积函数是 $r$ 和 $\theta$ 乘积的形式，我们完全可以直接把两个积分拆开，分别算完再相乘！（书上就是这么做的）： $$ = \left( \int_0^{2\pi} 1 d\theta \right) \times \left( \int_0^a r^3 dr \right) = \Big[ \theta \Big]_0^{2\pi} \times \left[ \frac{r^4}{4} \right]_0^a = 2\pi \times \frac{a^4}{4} = \mathbf{\frac{\pi a^4}{2}} $$ 计算瞬间完成，清爽无比！

二、底部的课后练习（問題 5.1）考场实战

这道题是对刚刚学完的极坐标换元最好的奖励。在直角坐标系下它是一只“怪兽”，但在极坐标下它是“送分题”。

题目： 求二重积分 $I = \iint_D \tan^{-1}\frac{y}{x} dxdy$，积分区域 $D: x^2+y^2 \le a^2, \ x>0, \ y>0$。

【满分解题步骤】：

画区域看范围：$x^2+y^2 \le a^2$ 是圆。加上 $x>0, y>0$ 的限制，这只是第一象限的四分之一圆！因此，极坐标的范围是：$0 \le r \le a$，且角度只有第一象限：$0 \le \theta \le \pi/2$。
替换被积函数：$\frac{y}{x} = \frac{r\sin\theta}{r\cos\theta} = \tan\theta$。所以 $\tan^{-1}\left(\frac{y}{x}\right) = \tan^{-1}(\tan\theta) = \mathbf{\theta}$。 (看！恶心的反三角函数瞬间变成了一个简简单单的 $\theta$！)
替换微元：$dxdy = r , drd\theta$。
组合并分离计算： $$ I = \int_0^{\pi/2} \int_0^a \theta \cdot r , drd\theta $$ 上下限全是常数，直接拆开乘： $$ I = \left( \int_0^{\pi/2} \theta d\theta \right) \times \left( \int_0^a r dr \right) $$ $$ = \left[ \frac{1}{2}\theta^2 \right]_0^{\pi/2} \times \left[ \frac{1}{2}r^2 \right]_0^a = \left( \frac{1}{2} \cdot \frac{\pi^2}{4} \right) \times \left( \frac{a^2}{2} \right) = \frac{\pi^2}{8} \times \frac{a^2}{2} = \mathbf{\frac{\pi^2 a^2}{16}} $$

总结

第 141 页是二重积分计算的“爽文章节”。只要遇到和圆沾边的区域，直接默写三连击：

$x=r\cos\theta, y=r\sin\theta$
$x^2+y^2 = r^2$
$dxdy = r , drd\theta$ （绝对不能忘写 $r$！）

理论与常规题型我们已经彻底通关。从下一页（第 142 页）开始，我们将遭遇考研重积分中最容易失分的“深水区”——广义二重积分的计算（处理有瑕点的、爆炸的积分）。

请问我们要继续翻开 142 页 迎战含有不连续奇点的重积分大题吗？

书本第 143 页（对应 PDF 第 153 页）是整个微积分教材中最震撼、最著名的一页！

这一页的 【例题 7】 以及紧随其后的 【追记 5.1】，完美演示了如何用二重积分“降维打击”，解决一元微积分中绝对算不出来的“千古难题”——高斯积分（Gaussian Integral，正规密度函数的积分）。

在无论是统计学、量子力学还是工科考研中，这都是必考的压轴证明题。我将为您进行极其严密的“考场拔高式”拆解：

一、【例题 7】无界区域的广义重积分

题目原文： 求广义二重积分 $\iint_D e^{-x^2-y^2} dxdy$，积分区域 $D: x \ge 0, \ y \ge 0$。

【考场破题心法】：

看区域：$D$ 是整个第一象限，无限大（无界区域）。
看函数：$e^{-x^2-y^2} > 0$ 永远为正。这触发了第 139 页的“免死金牌（定理 5.6）”——因为函数为正，我们可以随意选择任何形状去膨胀逼近这个第一象限！
选形状：看到被积函数里有 $x^2+y^2$，毫无疑问，画圆是最优解！

考场满分 4 步曲：

第 1 步：构造“近似增加列（膨胀的圆盘）” 我们取原点为圆心，画一个半径为 $n$ 的四分之一圆盘，记为 $D_n$（如 图 5.21 所示）。 $$D_n: x \ge 0, \ y \ge 0, \ x^2+y^2 \le n^2$$ 随着 $n \to \infty$，$D_n$ 将覆盖整个第一象限。
第 2 步：在 $D_n$ 上引入极坐标代换 既然是圆盘，立刻写出极坐标三连： $x = r\cos\theta, \ y = r\sin\theta$ $dxdy = \mathbf{r} , drd\theta$ （雅可比行列式千万别忘！）积分限：$0 \le \theta \le \pi/2$ (第一象限)， $0 \le r \le n$ (半径从 0 到 $n$)。
第 3 步：计算 $D_n$ 上的积分（极其巧妙的凑微分） 把式子代入： $$ \iint_{D_n} e^{-x^2-y^2} dxdy = \int_0^{\pi/2} \int_0^n e^{-r^2} \cdot r , drd\theta $$ 变量分离，各自相乘： $$ = \left( \int_0^{\pi/2} 1 d\theta \right) \times \left( \int_0^n r e^{-r^2} dr \right) $$ 前半部分是 $\frac{\pi}{2}$。后半部分用凑微分（令 $u = -r^2, du = -2rdr$）： $\int r e^{-r^2} dr = -\frac{1}{2} \int e^{-r^2} d(-r^2) = -\frac{1}{2} e^{-r^2}$。代入上下限 $n$ 和 $0$： $$ \left[ -\frac{1}{2} e^{-r^2} \right]_0^n = -\frac{1}{2} e^{-n^2} - \left(-\frac{1}{2} e^0\right) = \frac{1}{2}(1 - e^{-n^2}) $$ 两者相乘，我们在 $D_n$ 上的积分为：$\frac{\pi}{4}(1 - e^{-n^2})$。
第 4 步：让圆盘无限膨胀，取极限 $$ I = \lim_{n\to\infty} \frac{\pi}{4}(1 - e^{-n^2}) $$ 因为当 $n \to \infty$ 时，$-n^2 \to -\infty$，所以 $e^{-n^2} \to 0$。最终答案完美得出：$I = \frac{\pi}{4}$。

二、【追记 5.1】微积分的奇迹：推导高斯积分

这是这一页真正的灵魂所在。考卷上往往会直接出一道 10 分的大题：“请证明 $\int_0^\infty e^{-x^2} dx = \frac{\sqrt{\pi}}{2}$”。 （注意：在一元微积分中，$e^{-x^2}$ 是积不出原函数的！只能靠二重积分降维打击！）

书本在这里展示了极其华丽的逻辑魔法：

魔法第 1 步：换个形状去膨胀 刚才我们用的是“四分之一圆盘 $D_n$”。现在，我们改用一个边长为 $n$ 的正方形 $D_n'$ 去逼近第一象限（如 图 5.22 所示）。 $$D_n': 0 \le x \le n, \ 0 \le y \le n$$

魔法第 2 步：在正方形上计算 $$ \iint_{D_n'} e^{-x^2-y^2} dxdy = \int_0^n \int_0^n e^{-x^2} \cdot e^{-y^2} dxdy $$ 因为积分上下限全是常数，我们可以把 $x$ 和 $y$ 拆开： $$ = \left( \int_0^n e^{-x^2} dx \right) \left( \int_0^n e^{-y^2} dy \right) $$ 由于 $x$ 和 $y$ 只是一个积分变量符号（叫什么都无所谓），所以这两个括号里的值是完全相等的！它等于： $$ = \left( \int_0^n e^{-x^2} dx \right)^2 $$

魔法第 3 步：双剑合璧，提取极限 根据 p.139 的定理 5.6，既然函数是正的，不管是圆盘膨胀，还是正方形膨胀，最终算出来的极限值必须一模一样！ 所以，当 $n \to \infty$ 时，正方形算出来的极限，必须等于刚才圆盘算出来的 $\frac{\pi}{4}$！ $$ \lim_{n\to\infty} \left( \int_0^n e^{-x^2} dx \right)^2 = \frac{\pi}{4} $$ 也就是： $$ \left( \int_0^\infty e^{-x^2} dx \right)^2 = \frac{\pi}{4} $$ 两边同时开平方（因为 $e^{-x^2} > 0$，积分为正）： $$ \int_0^\infty e^{-x^2} dx = \frac{\sqrt{\pi}}{2} $$ 证明完毕！（书本最下方指明，这就是统计学中著名的“正规密度函数的积分”的来源）。

三、底部的课后练习（問題 7.1）

题目： 求 $\iint_D \frac{dxdy}{(x+y+1)^\alpha} \ (\alpha > 2)$，区域 $D: x \ge 0, y \ge 0$。

【考场战术指导】：这也是一个无限大区域（第一象限）。 千万不要用圆盘！ 因为被积函数里是 $(x+y)$ 而不是 $x^2+y^2$。用极坐标会非常难受。 正解战术：用等腰直角三角形去膨胀！令安全区域 $D_n$ 为：$x \ge 0, y \ge 0, x+y \le n$。把累次积分写成：$\int_0^n dx \int_0^{n-x} (x+y+1)^{-\alpha} dy$。这样内层很容易积出来，最后再令 $n \to \infty$，便可拿满分。

总结： 第 143 页教会了我们二重积分的最高级应用：用不同的膨胀路径（圆形 vs 矩形），通过定理 5.6 强行画等号，从而解出一元微积分的千古难题。 这是大学院数学考试中最有艺术感的一道题。

请问关于“高斯积分的证明魔法”您看明白了吗？如果理解了，我们将翻开 144 页（继续探讨广义积分中大名鼎鼎的 Gamma 函数与 Beta 函数 的奇妙关系）！

书本第 144 页（对应 PDF 第 154 页）继续着重积分的“魔法表演”。

如果说上一页（143 页）用两种不同的形状逼近，证明了高斯积分；那么这一页的 【例题 8】 则完全复制了这种“双重逼近”的战术，用来证明微积分与统计学中极其著名、必背的终极公式：伽马函数（$\Gamma$）与贝塔函数（$B$）的关系式。

在大学院的概率统计、应用数学或者理工科综合卷中，让你手写推导这个关系式的概率非常高。我为您把这页的“神级逻辑”进行考场化拆解：

一、目标与危机的双重挑战

题目原文： 计算广义二重积分 $\iint_D e^{-x-y} x^{p-1}y^{q-1} dxdy \ (p>0, q>0)$，区域 $D: x \ge 0, y \ge 0$。并利用此计算，证明伽马函数与贝塔函数的关系：$B(p, q) = \frac{\Gamma(p)\Gamma(q)}{\Gamma(p+q)}$。

⚠️【考场危机分析（双重炸弹）】

这道积分题极其凶险，它面临着两个致命问题：

边界爆炸（奇点）：如果 $p < 1$ 或 $q < 1$，那么 $x^{p-1}$ 和 $y^{q-1}$ 在 $x=0$ 和 $y=0$（坐标轴）处会变成负指数，导致分母为 0，函数值爆炸无穷大。
区域无限大（无界）：积分区域 $D$ 是整个第一象限，无穷无尽。

🛡️【破局法宝：万能的定理 5.6】

因为被积函数 $e^{-x-y} x^{p-1}y^{q-1} > 0$ 恒为正，我们再次祭出上一页的“免死金牌”定理 5.6：我们可以用任何形状的安全区域去逼近它，最终算出来的极限值一定相等！ 这就为我们“用两种方法算同一个积分，然后画等号”提供了理论合法性。

二、考场证明 2 步曲的第一步：正方形逼近法

这也就是书本第 144 页所展示的全部推导过程。

1. 划定安全区域 $D_n$（图 5.23 解析）

为了避开“坐标轴”这个奇点，又为了“无限膨胀”覆盖第一象限，书上构建了一个非常精妙的正方形区域 $D_n$： $$ D_n: \frac{1}{n} \le x \le n, \quad \frac{1}{n} \le y \le n $$ 您看 图 5.23 那个蓝色的方块，它故意和 $x$ 轴、$y$ 轴保留了一点点缝隙（$1/n$），同时向外延伸到 $n$。当 $n \to \infty$ 时，缝隙会闭合，外边界会飞向无穷，它完美覆盖了整个第一象限！

2. 分离变量，拆解积分

把被积函数拆开：$e^{-x-y} x^{p-1}y^{q-1} = (e^{-x} x^{p-1}) \cdot (e^{-y} y^{q-1})$。因为在正方形区域上，上下限都是常数，所以二重积分可以直接“劈成两半”，变成两个独立的一元积分相乘： $$ \iint_{D_n} = \left( \int_{1/n}^n e^{-x} x^{p-1} dx \right) \times \left( \int_{1/n}^n e^{-y} y^{q-1} dy \right) $$

3. 取极限，见证 Gamma 函数的诞生

现在，我们让小缝隙闭合，让正方形无限放大（令 $n \to \infty$）。

左边的括号变成了：$\int_0^\infty e^{-x} x^{p-1} dx$。这不就是第 89 页定义过的 伽马函数 $\Gamma(p)$ 吗！
右边的括号变成了：$\int_0^\infty e^{-y} y^{q-1} dy$。这就是 伽马函数 $\Gamma(q)$！

因此，我们得到了 式 (1)：通过正方形区域逼近，这个二重积分的最终值为： $$ \iint_D e^{-x-y} x^{p-1}y^{q-1} dxdy = \Gamma(p) \Gamma(q) $$

三、悬念：下一页的“三角形逼近法”

书本的第 144 页到此戛然而止。

既然我们已经算出了积分等于 $\Gamma(p)\Gamma(q)$，那么等式另一边的 $\Gamma(p+q)$ 和 $B(p, q)$ 是怎么凭空变出来的呢？

这就需要用到刚才提到的“双重逼近战术”的第二步：在下一页，作者将放弃正方形，改用一个三角形区域（$x+y \le n$）去重新逼近第一象限。在那个三角形区域里，作者会进行一次极其华丽的二元变量代换（雅可比换元），最终会算出这个积分的另一个形态：$B(p, q)\Gamma(p+q)$。

因为两种形状逼近同一个正函数的结果必须相等，所以： $$ \Gamma(p)\Gamma(q) = B(p, q)\Gamma(p+q) $$ 把 $\Gamma(p+q)$ 除过去，那个千古名公式就诞生了！

总结

第 144 页为您展示了处理“双重危险（奇点+无界）”积分的标准起手式： 利用分离变量的特性，通过矩形截断，完美召唤出两个 $\Gamma$ 函数的乘积。

对于即将考大学院的您来说，务必熟记 $\Gamma$ 函数的定义式：$\Gamma(p) = \int_0^\infty e^{-x} x^{p-1} dx$。这在考研大题中是默认可以直接套用的。

接下来，我们将见证这个证明最精彩的后半段！您准备好翻开 145 页，去看如何用雅可比行列式召唤出 Beta 函数 $B(p, q)$ 了吗？

书本第 145 页（对应 PDF 第 155 页）是这场微积分魔术的**“大结局”**。

在上一页（144 页），我们用“正方形逼近法”算出那个巨大的广义积分等于 $\Gamma(p)\Gamma(q)$。而在这一页，我们将改用**“斜线切割法 + 雅可比神级换元”**，算出同一个积分等于 $B(p,q)\Gamma(p+q)$。将两者画上等号，就推导出了那个千古名公式。

在大学院考试中，这一页展示的**“代换技巧”**不仅用于证明，更是解决许多带 $(x+y)$ 项的复杂积分的通用模板。我为您进行最硬核的战术拆解：

一、魔法的后半段：换个姿势切区域

第 1 步：改变安全区域 $D'_m$

因为被积函数里有一个 $e^{-x-y}$，如果我们要让积分好算，最好的办法是把 $x+y$ 捆绑在一起。因此，我们不再画正方形，而是画两条斜线 $x+y = 1/m$ 和 $x+y = m$。书上定义的新的安全区域 $D'_m$ 是： $$ \frac{1}{m} \le x+y \le m, \quad x \ge 0, \quad y \ge 0 $$ （看左边的图，它是一个被切掉了原点小尖角的直角三角形，当 $m \to \infty$ 时，它也会膨胀覆盖整个第一象限）。

第 2 步：祭出“狄利克雷/伽马标准代换” (极其重要！)

这是本页的灵魂！为了把 $x+y$ 变成单独的变量，并且把 $x^{p-1} y^{q-1}$ 分离，书本使用了微积分和概率论中极其著名的一组代换： $$ \begin{cases} x = uv \ y = u(1-v) \end{cases} $$

这组代换有什么魔力？

你把它们加起来：$x + y = uv + u - uv = \mathbf{u}$。完美！$u$ 就是曾经的 $x+y$。
因为 $x \ge 0, y \ge 0$，所以 $uv \ge 0, u(1-v) \ge 0$。推导得出 $0 \le v \le 1$。
新的积分区域 $D''_m$ 瞬间变成了一个极其完美的矩形：$1/m \le u \le m$ 且 $0 \le v \le 1$（见右边的图 5.24）。

第 3 步：计算雅可比行列式 $J$

微元替换绝不能忘！我们求 $x, y$ 对 $u, v$ 的偏导： $$ J = \begin{vmatrix} x_u & x_v \ y_u & y_v \end{vmatrix} = \begin{vmatrix} v & u \ 1-v & -u \end{vmatrix} $$ 算行列式：$v(-u) - u(1-v) = -uv - u + uv = -u$。因为 $u = x+y > 0$，所以绝对值 $|J| = u$。于是微元变成了：$dxdy = u , dudv$。

第 4 步：分离变量，见证奇迹

把所有的东西代入原积分： $$ \iint_{D'm} e^{-x-y} x^{p-1}y^{q-1} dxdy = \int{1/m}^m \int_0^1 e^{-u} (uv)^{p-1} (u(1-v))^{q-1} \cdot u , dv du $$ 整理里面的指数（把所有 $u$ 收集在一起，把所有 $v$ 收集在一起）： $$ = \int_{1/m}^m \int_0^1 e^{-u} u^{p+q-1} v^{p-1} (1-v)^{q-1} dv du $$ 因为上下限都是常数，把它们劈成两半相乘： $$ = \left( \int_0^1 v^{p-1}(1-v)^{q-1} dv \right) \times \left( \int_{1/m}^m e^{-u} u^{p+q-1} du \right) $$

第 5 步：取极限，召唤 Beta 和 Gamma

左边的括号里没有 $m$，它是一个定值。根据第 87 页的定义，它就是大名鼎鼎的 Beta 函数 $B(p, q)$！
右边的括号，让 $m \to \infty$：$\int_0^\infty e^{-u} u^{p+q-1} du$。这正是 Gamma 函数 $\Gamma(p+q)$ 的定义！

所以，随着 $m \to \infty$，这个广义二重积分的值为：$B(p, q) \Gamma(p+q)$。

大结局：强行画等号

根据第 139 页的定理 5.6，同一个正函数在整个第一象限的积分，无论用什么形状逼近，结果必须唯一！把上一页用正方形逼近的结果，和这一页用斜线逼近的结果画等号： $$ \Gamma(p)\Gamma(q) = B(p, q)\Gamma(p+q) $$ 把 $\Gamma(p+q)$ 除过去，全剧终！ $$ \mathbf{B(p, q) = \frac{\Gamma(p)\Gamma(q)}{\Gamma(p+q)}} $$

二、底部的课后练习（問題 8.1）

在激动人心的证明结束后，底部留了一道看起来很朴素，但极其容易翻车的实战题：

题目： 求广义重积分 $\iint_D \frac{dxdy}{(y-x)^\alpha} \ (0 < \alpha < 1)$，区域 $D: 0 \le x \le y \le 1$。

【考场排雷指南】：

找奇点：当 $y=x$ 时，分母等于 $0$。但请注意，这次的奇点不是一个单独的点，而是一整条线（直线 $y=x$）！
怎么挖洞？ 书下方的 $\dagger$ 提示给出了标准做法：不要在点上挖洞，而是要在直线上“建隔离带”。令安全区域 $D_n$ 为：$1/n \le y-x \le 1, \quad y \le 1, \quad x \ge 0$。也就是在 $y=x$ 这条危险直线旁边，退后 $1/n$ 的距离画一条平行线 $y=x+1/n$，在这个安全的三角形里积分，最后让 $n \to \infty$。
计算技巧：这种区域最好横着切或者竖着切直接算，内层积分是 $(y-x)^{-\alpha}$，积出来是 $\frac{(y-x)^{1-\alpha}}{1-\alpha}$。小心代入上下限即可。

总结：第 144-145 页这对“双子星”，不仅证明了统计学里的核武器公式，更向您亲身示范了： 在面对广义重积分时，“分离变量”和“寻找让雅可比行列式清爽的换元”是破除万难的两大法宝。

如果您能在考场上熟练写出 $x=uv, y=u(1-v)$ 并且记得乘以 $|J|=u$，大学院的重积分大题对您来说已经没有任何难度了！

接下来将进入 第 146 页（5.3 面积、体积、曲面积与三重积分）。这是整个第 5 章也是全书应用性最强的一节。您是准备直接翻开 146 页 学习物理与几何应用，还是需要我为您手写解答底部的 问题 8.1？

书本第 146 页（对应 PDF 第 156 页）宣告我们正式进入了第 5 章的最终实战应用阶段：5.3 面积、体积、曲面积与三重积分（面積、体積、曲面積および 3 重積分）。

如果说前面学的是“怎么算积分”，那么从这一页开始就是“怎么用积分解决实际几何问题”。在大学院的最后一道大题中，教授往往不会直接给你积分号，而是让你求**“某个奇怪几何体的体积或表面积”**。

这一页汇集了四大核心几何公式，我为您进行“考场兵器库”的硬核拆解：

一、核心公式 1 & 2：面积与体积（面積、体積）

1. 面积公式

正如我们在第 132 页推导过的，如果让被积函数等于 $1$，二重积分算出来的就是平面区域 $D$ 的面积 $S$： $$S = \iint_D dxdy$$

2. 体积公式（图 5.25 解析）

单曲面体积（式 1）：如果要求由曲面 $z = f(x, y)$ 和 $xy$ 平面围成的柱体体积，公式就是最标准的二重积分： $$V = \iint_D f(x, y) dxdy$$
双曲面夹击体积（式 2）：这是考场上最常见的形态。如果一个立体图形，它的“天花板”是曲面 $z = f(x, y)$，“地板”是曲面 $z = g(x, y)$（如图 5.25 所示的蓝色柱体）。那么它的体积，就等于**“天花板的高度减去地板的高度”，然后在投影区域 $D$ 上做二重积分**： $$V = \iint_D { f(x, y) - g(x, y) } dxdy$$

💡【考场大题破题法门】：求体积的题目，90% 的难点不在于积分，而在于找投影区域 $D$！ 当题目给出两个曲面（比如一个抛物面和一个平面）相交时，第一步永远是联立这两个曲面方程，消去 $z$，求出交线在 $xy$ 平面上的投影！ 这个投影就是你的积分区域 $D$。

二、核心公式 3：曲面积（表面积 / 曲面積）—— ⚠️ 丢分重灾区

求三维立体表面的“曲面积（Surface Area）”，是考研中计算量极大、极易算错的考点。

1. 直角坐标下的曲面积公式（式 3）

设曲面方程为 $z = f(x, y)$，它在 $xy$ 平面上的投影是区域 $D$。那么这块曲面的面积 $S$ 为： $$S = \iint_D \sqrt{1 + \left(\frac{\partial f}{\partial x}\right)^2 + \left(\frac{\partial f}{\partial y}\right)^2} dxdy$$ (简称：$\iint \sqrt{1 + z_x^2 + z_y^2} , dxdy$)。

【计算防坑指南】：在考场上，千万不要把 $z_x$ 和 $z_y$ 算出来直接塞进根号里去死磕积分！ 正确套路：先在旁边打草稿，把根号里面的 $1 + z_x^2 + z_y^2$ 单独算出来，并且竭尽全力进行因式分解或配成完全平方。很多时候，题目设计好的数字会让这个式子刚好凑成一个完全平方式，从而把根号直接消掉！

2. 极坐标下的曲面积公式（式 4）—— 神级公式

很多时候曲面是个圆锥、旋转抛物面，如果我们先用直角坐标算根号，再换成极坐标，中间极易算错。书上在此处直接给出了把雅可比行列式 $r$ 融合进根号内的终极公式： $$S = \iint_{D'} \sqrt{r^2 + \left(r\frac{\partial z}{\partial r}\right)^2 + \left(\frac{\partial z}{\partial \theta}\right)^2} drd\theta$$ （注意看：因为原本极坐标替换需要乘以微元 $r$，书本把它放到根号里面变成了 $r^2$。如果你遇到求球面或旋转体的表面积，直接背诵套用这个公式，能省下一大半的计算时间！）

三、核心概念 4：三重积分的引入（3 重積分）

在页面的最下方，书本正式宣告二维世界的结束，引入了三重积分（式 5）： $$\iiint_K f(x, y, z) dxdydz$$

物理意义：如果 $f(x,y,z) = 1$，算出的是三维区域 $K$ 的空间体积。如果 $f(x,y,z)$ 代表某点的密度，算出的就是整个立体的质量。
和二重积分的关系：就像二重积分可以拆成“两次定积分”一样，三重积分在下一页也会被拆成“一次定积分 + 一次二重积分”或者“三次定积分”。

总结与终极实战预告

第 146 页就像是一份“武器清单”，把面积、体积、曲面积的万能公式全部交给了你。然而，公式只是纸上谈兵。知道公式和能在考场上算出立体体积，中间差了十万八千里。

在紧接着的 第 147 页（例题 9），书本安排了一道数学史上最著名、考研界令无数考生闻风丧胆的究极 Boss 题： “求两个半径相同的垂直圆柱体，互相穿插所形成的共同部分的体积。”（这个神奇的立体在中国古代数学中被称为**“牟合方盖”**，由刘徽和祖冲之研究过）。

您准备好翻开 147 页，去领教这道代表着微积分体积计算“最高艺术”的经典大题了吗？

书本第 147 页（对应 PDF 第 157 页）是多变量微积分中名垂千古的绝对经典！

这一页的 【例题 9】，求“两个正交圆柱体相交部分的体积”，在中国古代数学史中有一个极其响亮的名字——“牟合方盖”（由刘徽提出，祖冲之最终解决）。在现代日本大学院考试（尤其是东大、京大、阪大的工科数学）中，这道题几乎是考察空间想象力和积分计算能力的**“试金石”**。

书本在这一页给出了两种完全不同的解法（二重积分法 vs 截面单积分法）。我将为您进行最极致的考场硬核拆解，这两种方法您都必须掌握：

一、【例题 9】的背景与空间想象

题目原文： 半径 $a$ の 2 つの直円柱の軸が直交しているとき、その共通部分の体積を求めよ ($a>0$)。

题目翻译： 已知两个半径均为 $a$ 的直圆柱，它们的中心轴互相垂直（直交），求它们重合（相交）部分的体积。

【考场第一步：建立方程与几何直觉】 假设两个圆柱分别沿着 $y$ 轴和 $x$ 轴横躺着穿过原点。

沿 $y$ 轴的圆柱方程：$x^2 + z^2 \le a^2$（和 $y$ 无关，沿 $y$ 轴无限延伸）。
沿 $x$ 轴的圆柱方程：$y^2 + z^2 \le a^2$（和 $x$ 无关，沿 $x$ 轴无限延伸）。这两个圆柱互相穿透，中间那个像“帐篷”或者“方形包子”一样的立体，就是我们要算的体积。

二、解法一：利用对称性 + 二重积分（官方主力解法）

这种方法完全贴合我们前几页学的二重积分理论。

1. 极致的对称性分析（化繁为简的核心）

这个立体图形极其对称！

它在 8 个卦限里长得一模一样，所以我们只需要算**第一卦限（$x \ge 0, y \ge 0, z \ge 0$）**的体积，然后乘以 8。
【神仙操作】：在第一卦限内，如果我们用平面 $y = x$ 斜着切一刀，由于两根圆柱完全一样，切出来的两半也是完全对称的！
因此，我们只需要计算 $x \ge y \ge 0$ 这一个极小区域的体积，最后乘以 16 倍！

2. 划定积分区域与寻找“天花板”

积分区域 $D$（地板）：在 $xy$ 平面上，$x$ 从 $0$ 到 $a$；既然 $x \ge y \ge 0$，那么对于某个特定的 $x$，$y$ 的范围就是 $0 \le y \le x$。 $$D: 0 \le x \le a, \quad 0 \le y \le x$$ （看图 5.26 右侧的那个三角形投影！）
天花板高度 $z$：在这个区域里，因为 $x \ge y$，所以 $x^2 \ge y^2$。比较两个圆柱的高：$z \le \sqrt{a^2 - x^2}$ 和 $z \le \sqrt{a^2 - y^2}$。显然 $\sqrt{a^2 - x^2} \le \sqrt{a^2 - y^2}$，所以“天花板”是被高度较低的那个圆柱死死压住的，即 $z = \sqrt{a^2 - x^2}$。

3. 执行二重积分计算

$$ V = 16 \iint_D z , dxdy = 16 \int_0^a \left{ \int_0^x \sqrt{a^2 - x^2} dy \right} dx $$

先算内层（对 $y$ 积分）：因为被积函数 $\sqrt{a^2-x^2}$ 根本没有 $y$，它是个常数！ $\int_0^x \sqrt{a^2-x^2} dy = \sqrt{a^2-x^2} \cdot [y]_0^x = \mathbf{x\sqrt{a^2-x^2}}$
再算外层（对 $x$ 积分）：利用我们在 p.136 学过的“凑微分法”（令 $u = a^2-x^2, du = -2xdx$）： $$ V = 16 \int_0^a x\sqrt{a^2 - x^2} dx = 16 \left[ -\frac{1}{3}(a^2 - x^2)^{3/2} \right]_0^a $$ 代入上限 $a$ 得 $0$，代入下限 $0$ 得 $-\frac{1}{3}a^3$。 $$ V = 16 \left( 0 - \left(-\frac{1}{3}a^3\right) \right) = \mathbf{\frac{16}{3}a^3} $$ 大功告成！这是微积分史上最优雅的体积公式之一！

三、解法二：截面单积分法（【追记 5.2】的高阶技巧）

在考场上，如果题目没强制要求你用二重积分，【追记 5.2】提供了一个**“降维打击的作弊方法”**——直接用一元积分（截面法 / 切片法）！

核心思想：

如果我们知道在高度 $z$ 的地方，切一刀下去，得到的横截面面积是 $S(z)$。那么体积直接就是：$V = \int_{-a}^a S(z) dz$。

如何应用到本题？

在高度 $z$ 处水平切一刀。
切 $x$ 轴圆柱，得到的边界是：$x^2 \le a^2 - z^2 \implies -\sqrt{a^2-z^2} \le x \le \sqrt{a^2-z^2}$。这段长度是 $2\sqrt{a^2-z^2}$。
切 $y$ 轴圆柱，得到的边界是：$y^2 \le a^2 - z^2 \implies -\sqrt{a^2-z^2} \le y \le \sqrt{a^2-z^2}$。这段长度也是 $2\sqrt{a^2-z^2}$。
两者相交，形成了一个极其完美的正方形截面！面积 $S(z) = (\text{边长})^2 = (2\sqrt{a^2-z^2})^2 = \mathbf{4(a^2 - z^2)}$。

一行代码秒杀体积：

由于上下对称，我们只需算 $z$ 从 $0$ 到 $a$ 的一半体积再乘以 2： $$ V = 2 \int_0^a S(z) dz = 2 \int_0^a 4(a^2 - z^2) dz = 8 \left[ a^2 z - \frac{z^3}{3} \right]_0^a = 8 \left( a^3 - \frac{a^3}{3} \right) = 8 \times \frac{2a^3}{3} = \mathbf{\frac{16}{3}a^3} $$

你看！这种方法连二重积分都不需要，直接用一元多项式积分 30 秒秒杀！ （在大学院考试中，碰到对称的立体相交，一定要先在脑海里想想能不能切出正方形或圆形截面，能的话果断用切片法！）

四、底部的课后练习（問題 9.1）

如果您觉得还没过瘾，底部的两道题是专门为您准备的：

问题 9.1 (1)：求圆柱 $x^2+y^2=a^2$ 位于 $xy$ 平面上方、且在平面 $z=x$ 下方的部分体积。
（考点点拨：这题非常著名，常被称为 Viviani 体积问题。底面是半个圆盘，天花板是斜面 $z=x$。直接套用极坐标二重积分 $\iint r\cos\theta \cdot r drd\theta$ 秒杀！）
问题 9.1 (2)：两个抛物柱面相交求体积。
（考点点拨：这是例题 9 的变体。底面边界是 $x=1-y^2$，直接使用累次积分，套用偶函数对称性求解即可。）

总结： 第 147 页为您展示了处理三维相交立体的两大绝招：“利用对称性把区域缩到最小（乘 16 倍）” 和 “沿 $z$ 轴切片（面积法）”。

这页内容标志着二重积分的巅峰。紧接着的 第 148 页，我们将迎战极其恐怖的“球体与圆柱相交问题（Viviani's Window）”。这道题的计算量和对极坐标的要求是全书之最！

请问您需要我为您解答底部的 问题 9.1 (1) 找找手感，还是直接翻开 148 页 挑战终极 Boss？

新版演習微分積分（10）—— 积分公式强化

Thu, 04 Jun 2026 00:30:00 GMT

这两个公式绝对是微积分里的“背诵毒瘤”，单纯死记硬背极其容易在考场上把加减号或者系数搞混。

要真正记住它们，最好的办法不是当成一串符号来背，而是去理解它们的“骨架结构” 和 “几何意义”。我为你总结了两个最有效的记忆法。

方法一：找规律（“填空模板”记忆法）

如果你仔细观察，包含根号的二次式积分（不管是 $\sqrt{a^2-x^2}$、$\sqrt{x^2+a^2}$ 还是 $\sqrt{x^2-a^2}$），它们的最终结果其实共享同一个 完美的对称模板：

$$\int \text{根号} ,dx = \frac{1}{2} x \cdot (\text{原根号}) \quad \mathbf{\pm} \quad \frac{a^2}{2} \cdot \int \frac{1}{\text{原根号}} ,dx$$

你只需要按顺序填三个空：

第一块（照抄）： 永远是 $\frac{1}{2} x$ 乘以 题目原本的根号。
中间的符号（看 $a^2$ 的脸色）： 题目里 $a^2$ 前面是正号，中间就是 $+$；题目里 $a^2$ 前面是负号，中间就是 $-$。
- $\sqrt{a^2-x^2} \implies a^2$ 是正的 $\implies \mathbf{+}$
- $\sqrt{x^2+a^2} \implies a^2$ 是正的 $\implies \mathbf{+}$
第二块（背基本积分）： 永远是 $\frac{a^2}{2}$ 乘以 原根号跑到分母上的积分结果。而这两个分母形式的积分，是你早在基础阶段就已经背得滚瓜烂熟的：
- $\int \frac{1}{\sqrt{a^2-x^2}} ,dx = \arcsin\frac{x}{a}$
- $\int \frac{1}{\sqrt{x^2+a^2}} ,dx = \ln|x + \sqrt{x^2+a^2}|$

实战套用一下：

遇到 $\int \sqrt{a^2-x^2} ,dx$：写下 $\frac{1}{2}x\sqrt{a^2-x^2}$，看 $a^2$ 是正的填 $+$，再写下 $\frac{a^2}{2} \arcsin\frac{x}{a}$。搞定！

这个模板的本质，其实是使用 分部积分法（令 $u = \text{根号}$，$dv = dx$）推导出来的必然结果。只要记住这个“填空骨架”，你就再也不会漏掉 $\frac{1}{2}$，也不会填错加减号。

方法二：画图法（专治 $\sqrt{a^2-x^2}$）

对于图中的第 7 个公式 $\int \sqrt{a^2-x^2} ,dx$，除了代数套模板，它还有一个极其直观的 几何意义。只要你看懂一次，这辈子都忘不掉。

在直角坐标系中，$y = \sqrt{a^2-x^2}$ 就是一个 半径为 $a$ 的上半圆。这个定积分 $\int_0^x \sqrt{a^2-t^2} ,dt$ 代表的，正是 圆下方的面积。

如果你把原点和圆上的点 $(x, y)$ 连一条线，你会发现这块面积被完美地切成了两半：

一个直角三角形： 底是 $x$，高是 $y$（即 $\sqrt{a^2-x^2}$）。它的面积是 $\frac{1}{2} \times \text{底} \times \text{高} = \mathbf{\frac{1}{2} x \sqrt{a^2-x^2}}$。
一个圆心角扇形： 它的面积正好等于 $\mathbf{\frac{1}{2} a^2 \arcsin\frac{x}{a}}$。

So，这个看似复杂的公式，用人话翻译就是：积分总面积 = 三角形面积 + 扇形面积。

为了让你脑海中彻底印下这个画面，我为你生成了一个几何拆解的交互演示：

总结一下应对策略：

理解层面： 用“切圆饼”的几何图形来彻底记住 $\sqrt{a^2-x^2}$ 的长相。
做题层面： 牢记“$\frac{1}{2}x$ 乘原题 $\pm \frac{a^2}{2}$ 乘分母积分”这个无脑填空模板。拿一张草稿纸，照着这个模板默写几遍这两个公式，你会发现原来它们这么有规律。

太敏锐了！你不仅是在背公式，你已经完全看透了这个公式的底层灵魂！

你精准地抓住了它的推导本质：分部积分法（Integration by Parts）。正是因为把根号看作一个整体，前面强行配上一个 $1$，才硬生生“无中生有”地造出了外面的那个 $x$。

不过，为了让你对这个结构的理解达到 100% 的完美，我稍微帮你“校准”一个极小的细节：分部积分第一步产生的其实是整整一个 $x$，那个 $\frac{1}{2}$ 是因为推导到最后发生了“原积分再现（循环）”，移项后除以 2 才跑出来的。

我们可以把你的直觉用极其优美的代数步骤写出来，你一看就彻底爽了。

见证奇迹的推导过程

令原积分为 $I = \int \sqrt{a^2-x^2} ,dx$。

第一步：强行配 $1$，启动分部积分 把它看作 $\int 1 \cdot \sqrt{a^2-x^2} ,dx$。令 $u = \sqrt{a^2-x^2}$，$dv = 1 ,dx$。那么： $du = \frac{-x}{\sqrt{a^2-x^2}} ,dx$ $v = x$

套用分部积分公式 $\int u ,dv = uv - \int v ,du$：

$$I = x\sqrt{a^2-x^2} - \int x \cdot \left( \frac{-x}{\sqrt{a^2-x^2}} \right) dx$$

$$I = \mathbf{x\sqrt{a^2-x^2}} + \int \frac{x^2}{\sqrt{a^2-x^2}} ,dx$$

(你看！这里出现了 $x \cdot \text{原根号}$，这就是你敏锐察觉到的那一部分！)

第二步：分子加减凑项（核心魔法） 为了消灭后面那个难看的积分，我们在分子上强行凑出一个 $a^2$：

$$\int \frac{x^2}{\sqrt{a^2-x^2}} ,dx = \int \frac{a^2 - (a^2 - x^2)}{\sqrt{a^2-x^2}} ,dx$$

然后把它拆成两个积分：

$$= \int \frac{a^2}{\sqrt{a^2-x^2}} ,dx - \int \frac{a^2 - x^2}{\sqrt{a^2-x^2}} ,dx$$

前一项就是我们熟悉的 $\arcsin$ 基本积分：$a^2 \arcsin\frac{x}{a}$。后一项把分子分母约分，居然又变回了 原积分 $I$！即 $\int \sqrt{a^2-x^2} ,dx$。

第三步：移项，除以 2 把上面拆出来的结果代回原来的式子：

$$I = x\sqrt{a^2-x^2} + a^2 \arcsin\frac{x}{a} - I$$

此时，把右边的 $-I$ 移到左边：

$$2I = x\sqrt{a^2-x^2} + a^2 \arcsin\frac{x}{a}$$

最后，两边同时除以 2：

$$I = \frac{1}{2}x\sqrt{a^2-x^2} + \frac{a^2}{2} \arcsin\frac{x}{a}$$

这下是不是有一种“破案了”的畅快感？你观察到的现象是极其核心的，它不仅适用于 $\sqrt{a^2-x^2}$，另一个公式 $\sqrt{x^2+a^2}$ 的推导逻辑也是一模一样的“分部积分 + 凑项循环”。

既然你已经看破了这种“推导过程中又产生原积分，然后移项除以系数”的高级技巧，这有没有让你联想到高数里另一类经典积分（比如 $\int e^x \sin x ,dx$）的处理手法？

太聪明了！没错，就是微积分里大名鼎鼎的“同型循环”（也叫“原积分再现”）技巧。

在考研或高数期末考试中，这类积分就像是“回旋镖”，你把它扔出去（进行分部积分），它在空中转了一圈后，又原封不动地飞回了等式的右边。

除了刚才的 $\int \sqrt{a^2-x^2} ,dx$，微积分里还有 两大类 极其经典的“回旋镖”积分。我们来快速拆解一下它们的套路：

第一类：指数函数 $\times$ 三角函数（经典循环）

代表作： $\int e^x \sin x ,dx$ 或 $\int e^x \cos x ,dx$

这类题目的特点是：不管是 $e^x$ 还是 $\sin x$，无论你怎么求导或积分，它们都不会“降次”消失，只会相互转化（$\sin \to \cos \to -\sin$）。

破解套路：连续进行两次分部积分（梅开二度）。 令 $I = \int e^x \sin x ,dx$。

第一次分部积分（把 $e^x$ 塞进 $dx$）：

$$I = \int \sin x ,d(e^x) = e^x \sin x - \int e^x \cos x ,dx$$

此时出现了一个新的积分 $\int e^x \cos x ,dx$。 2. 第二次分部积分（对新积分再来一次同样的操作）：

$$\int e^x \cos x ,dx = \int \cos x ,d(e^x) = e^x \cos x - \int e^x (-\sin x) ,dx$$

$$= e^x \cos x + \int e^x \sin x ,dx$$

看！原积分 $I$ 赫然出现在了等式末尾！ 3. 代回、移项、除以系数：把第二步的结果代回第一步：

$$I = e^x \sin x - (e^x \cos x + I)$$

$$I = e^x \sin x - e^x \cos x - I$$

把右边的 $-I$ 移过去：

$$2I = e^x(\sin x - \cos x)$$

$$I = \frac{1}{2}e^x(\sin x - \cos x) + C$$

第二类：正割函数的奇数次幂（硬核压轴题）

代表作： $\int \sec^3 x ,dx$

这道题被称为分部积分里的“最终 Boss”，很多高难度积分算到最后一步，都会变成求它。它的核心逻辑和 $\sqrt{a^2-x^2}$ 惊人地相似：分部积分 + 三角恒等式强行凑项。

令 $I = \int \sec^3 x ,dx$。

拆项并启动分部积分： 把 $\sec^3 x$ 拆成 $\sec x \cdot \sec^2 x$。因为 $\sec^2 x$ 是 $\tan x$ 的导数，太好积了！

$$I = \int \sec x ,d(\tan x)$$

$$I = \sec x \tan x - \int \tan x ,d(\sec x)$$

因为 $d(\sec x) = \sec x \tan x ,dx$，代入得：

$$I = \sec x \tan x - \int \sec x \tan^2 x ,dx$$

三角恒等式凑项（魔法时刻）： 利用 $\tan^2 x = \sec^2 x - 1$，把上式的 $\tan^2 x$ 换掉：

$$\int \sec x (\sec^2 x - 1) ,dx = \int \sec^3 x ,dx - \int \sec x ,dx$$

你看！原积分 $I$ 又冒出来了！ 3. 代回并移项：

$$I = \sec x \tan x - (I - \int \sec x ,dx)$$

$$I = \sec x \tan x - I + \ln|\sec x + \tan x|$$

移项除以 2：

$$2I = \sec x \tan x + \ln|\sec x + \tan x|$$

$$I = \frac{1}{2}(\sec x \tan x + \ln|\sec x + \tan x|) + C$$

总结

当你发现自己在使用分部积分时，积分式既没有变简单，也没有变复杂，而是兜兜转转回到了原点，千万不要觉得自己算错了！这时候大胆地写下 $I$，把它移到等式左边，这道题就已经被你拿下了。

这三种题型（$\sqrt{a^2-x^2}$、$e^x\sin x$、$\sec^3 x$）是考研数学中“原积分再现”的三驾马车。弄懂了这个套路，你以后的分部积分可以说是横着走了！现在是不是对这种“移项除以系数”的操作非常有感觉了？

第三个推导：$\int \frac{1}{\sqrt{a^2-x^2}} ,dx = \arcsin\frac{x}{a} + C$

核心思路： 看到 $a^2 - x^2$，立刻想到勾股定理和三角恒等式 $1 - \sin^2 t = \cos^2 t$。

第一步：换元 令 $x = a \sin t$。那么微分 $dx = a \cos t ,dt$。

第二步：代入并化简根号 把 $x$ 代入分母：

$$\sqrt{a^2 - x^2} = \sqrt{a^2 - a^2 \sin^2 t} = \sqrt{a^2(1 - \sin^2 t)} = \sqrt{a^2 \cos^2 t}$$

为了保证开根号后是正数（通常限制 $t \in [-\frac{\pi}{2}, \frac{\pi}{2}]$），这部分直接化简为：

$$= a \cos t$$

第三步：计算积分 把所有的东西代回原积分：

$$\int \frac{1}{\sqrt{a^2-x^2}} ,dx = \int \frac{1}{a \cos t} \cdot (a \cos t ,dt)$$

奇迹发生了，分子分母完美约掉！

$$= \int 1 ,dt = t + C$$

第四步：回代 因为我们一开始令的是 $x = a \sin t$，所以 $\sin t = \frac{x}{a}$。那么 $t = \arcsin\frac{x}{a}$。代入结果，搞定：

$$= \arcsin\frac{x}{a} + C$$

(这个推导非常干脆，这也是为什么前面那道 $\sqrt{a^2-x^2}$ 的大题里，会出现 $\arcsin$ 的原因。)

第四个推导：$\int \frac{1}{\sqrt{x^2+a^2}} ,dx = \ln|x + \sqrt{x^2+a^2}| + C$

核心思路： 看到 $x^2 + a^2$，想到另一个三角恒等式 $\tan^2 t + 1 = \sec^2 t$。

第一步：换元 令 $x = a \tan t$。那么微分 $dx = a \sec^2 t ,dt$。

第二步：代入并化简根号 把 $x$ 代入分母：

$$\sqrt{x^2 + a^2} = \sqrt{a^2 \tan^2 t + a^2} = \sqrt{a^2(\tan^2 t + 1)} = \sqrt{a^2 \sec^2 t} = a \sec t$$

第三步：计算积分 代回原积分：

$$\int \frac{1}{\sqrt{x^2+a^2}} ,dx = \int \frac{1}{a \sec t} \cdot (a \sec^2 t ,dt)$$

约掉一个 $a \sec t$ 后，剩下：

$$= \int \sec t ,dt$$

这时候遇到了我们在上一条回复里提到的“正割函数”！$\int \sec t ,dt$ 是一个需要死记的经典结果（用分子分母同乘 $\sec t + \tan t$ 凑微分得来）：

$$= \ln|\sec t + \tan t| + C_1$$

第四步：借助“直角三角形”回代 现在我们需要把 $t$ 变回 $x$。已知 $\tan t = \frac{x}{a}$。我们在脑海里（或纸上）画一个直角三角形：

角度为 $t$
对边是 $x$
邻边是 $a$
斜边根据勾股定理就是 $\sqrt{x^2 + a^2}$

通过这个三角形，我们可以直接读出正割函数的值（斜边 / 邻边）：

$$\sec t = \frac{\sqrt{x^2+a^2}}{a}$$

把它们代回对数里：

$$= \ln \left| \frac{\sqrt{x^2+a^2}}{a} + \frac{x}{a} \right| + C_1$$

$$= \ln \left| \frac{x + \sqrt{x^2+a^2}}{a} \right| + C_1$$

第五步：吸收常数（全剧最容易让人困惑的一步） 利用对数的除法性质 $\ln(\frac{A}{B}) = \ln A - \ln B$：

$$= \ln|x + \sqrt{x^2+a^2}| - \ln a + C_1$$

这里注意：$a$ 是一个常数，所以 $\ln a$ 也是一个死常数。常数 $C_1$ 减去另一个常数 $\ln a$，结果 依然是一个任意常数。我们可以把它们合并，直接写成一个新的大 $C$。

最终结果：

$$= \ln|x + \sqrt{x^2+a^2}| + C$$

你看，原本公式里看着非常奇怪的那个分母 $a$ 去哪儿了？原来是在对数拆分的时候，被积分常数 $C$ 给“吃”掉了！

这两个推导过程完美地展示了“代数问题 $\to$ 几何/三角问题 $\to$ 简单积分 $\to$ 倒推回代”的数学暴力美学。现在回头再看那两个又长又臭的面积积分公式，是不是感觉它们的“基因”已经完全被你解析透了？

这两个积分也是微积分考卷上的“常客”！非常有意思的是，它们的推导过程各自代表了一种非常极端的解题哲学：$\sec x$ 靠的是“魔法般地生凑”，而 $\ln x$ 靠的是“无中生有地配 $1$”。

我们先来明确一点：在高数语境下，如果没有特别说明底数，$\log x$ 默认指的就是自然对数 $\ln x$。下面为你拆解这两个经典推导：

第一个推导：$\int \sec x ,dx$ （“生凑”的魔法）

这个积分的推导可以说是微积分里最出名的“流氓技巧”。如果你第一次看没人教，大概率是想破脑袋也想不出来的，因为它需要你在分子分母同时乘上一个极其特定的式子：$(\sec x + \tan x)$。

第一步：分子分母同乘“魔法因式”

$$\int \sec x ,dx = \int \frac{\sec x \cdot (\sec x + \tan x)}{\sec x + \tan x} ,dx$$

第二步：把分子展开

$$= \int \frac{\sec^2 x + \sec x \tan x}{\sec x + \tan x} ,dx$$

第三步：寻找导数关系（凑微分的核心） 这时候我们停下来，仔细观察一下分母的导数：

$(\sec x)' = \sec x \tan x$
$(\tan x)' = \sec^2 x$

把它们加起来，你会惊奇地发现：分母的导数，完完全全就等于分子！即：$d(\sec x + \tan x) = (\sec x \tan x + \sec^2 x) ,dx$

第四步：换元积分 既然分子和 $dx$ 加在一起刚好是分母的微分，我们直接令 $u = \sec x + \tan x$。原式就变成了最基础的 $\int \frac{1}{u} ,du$ 的形式：

$$= \int \frac{d(\sec x + \tan x)}{\sec x + \tan x}$$

$$= \ln|\sec x + \tan x| + C$$

一点历史冷知识：当年之所以有人费尽心机找到这个奇怪的积分技巧，是因为大航海时代要绘制 墨卡托投影地图（就是把地球展开成平面的那张世界地图），为了保证航海图上的角度不变形，数学家们必须求出正割函数的积分。

第二个推导：$\int \ln x ,dx$ （“无中生有”的分部积分）

你刚在推导 $\int \sqrt{a^2-x^2} ,dx$ 时已经见识过这种手法了！这也是大名鼎鼎的“乘以 $1$ 启动分部积分法”。

对于 $\ln x$，我们不会直接对它积分，但我们非常喜欢对它求导（因为 $(\ln x)' = \frac{1}{x}$，瞬间去掉了对数符号）。

第一步：强行配 $1$，启动分部积分 把它看作 $\int 1 \cdot \ln x ,dx$。令 $u = \ln x$，$dv = 1 ,dx$。那么：

$du = \frac{1}{x} ,dx$
$v = x$

第二步：套用分部积分公式 $\int u ,dv = uv - \int v ,du$

$$= x \ln x - \int x \cdot \left( \frac{1}{x} \right) dx$$

第三步：化简计算 后面那个积分里的 $x$ 和 $\frac{1}{x}$ 完美约掉，变成了最简单的常数 $1$ 的积分：

$$= x \ln x - \int 1 ,dx$$

$$= x \ln x - x + C$$

如果题目写的是任意底数的 $\log_a x$，只需用换底公式 $\log_a x = \frac{\ln x}{\ln a}$ 提取出一个常数系数即可：

$$\int \log_a x ,dx = \frac{1}{\ln a} \int \ln x ,dx = \frac{x \ln x - x}{\ln a} + C$$

总结

遇到 只含有一个对数函数 或 只含有一个反三角函数（如 $\arcsin x$、$\arctan x$）的积分，第一反应永远是：强行乘个 $1$，用分部积分！
遇到 $\int \sec x ,dx$ 或 $\int \csc x ,dx$，就只能靠记忆那个神奇的“魔法因式”了。

新版演習微分積分（９）—— 偏微分法

Wed, 03 Jun 2026 00:30:00 GMT

书本第 115页（对应PDF第125页）是二元微积分中含金量最高的一页。这一页直接给出了大学院考试中两类必考大题的“通关公式”：

求二元函数的极值（极值判定法）。
隐函数定理与隐函数求导（陰関数）。

我将为您拆解这两个在考场上极高频出现的“核武器”。

一、核心考点 1：极值的充分条件（定理 4.14）—— 终极判别法

在上一页（p.114），我们知道求极值的第一步是令 $f_x = 0$ 和 $f_y = 0$ 找到“驻点（可疑点）”。找到这些点后，究竟是山峰（极大）、谷底（极小）还是马鞍（非极值）？定理 4.14 给出了判别标准。

1. 判别式 $D$ 的定义

我们要计算在驻点 $(a, b)$ 处的三个二阶偏导数，并构造判别式 $D$： $$D = f_{xy}(a,b)^2 - f_{xx}(a,b)f_{yy}(a,b)$$

⚠️【考场高危避坑】⚠️：很多国内教材习惯定义 $\Delta = AC - B^2 = f_{xx}f_{yy} - (f_{xy})^2$。但日本的这本教材（以及许多日本大学的习惯）定义的 $D$ 是反过来的（即 $B^2 - AC$）。所以在套用这本教材的结论时，符号方向与国内教材是相反的！请严格按照此书的逻辑来记！

2. 判别法则（请死记硬背）

算出 $D$ 后，按照以下逻辑进行判别：

(i) 如果 $D < 0$：说明该点一定有极值！进一步看 $f_{xx}(a,b)$ 的符号：
- 若 $f_{xx}(a,b) > 0$，开口向上 $\implies$ 极小值 (極小値)。
- 若 $f_{xx}(a,b) < 0$，开口向下 $\implies$ 极大值 (極大値)。
(ii) 如果 $D > 0$：说明该点是个马鞍面 $\implies$ 不是极值 (極値でない)。
【注意 4.4】如果 $D = 0$：该判别法失效！不能得出任何结论。考场上如果遇到 $D=0$，必须回到泰勒展开的定义或者通过不等式放缩来手动判断（这属于压轴难题）。

二、核心考点 2：最大值与最小值（定理 4.15）—— 区域最值大题

极值（Local）和最值（Global）是两码事。考试中经常会出这样的压轴题：“求函数 $f(x,y)$ 在闭区域 $X$（比如一个圆盘 $x^2+y^2 \le 1$）上的最大值和最小值。”

定理 4.15 给出了“区域最值问题”的标准解题 3 步曲：

找内部极值点：在区域 $X$ 的内部令 $f_x=0, f_y=0$，求出所有的驻点，并算出它们的函数值。
找边界极值点：在区域 $X$ 的边界上（通常需要代入边界方程，或者用下一页的拉格朗日乘数法），求出边界上的极值。
大比拼：把第一步和第二步求出的所有函数值（包括可能的不连续点）放在一起比大小。最大的那个就是全局最大值，最小的就是全局最小值。

三、核心考点 3：隐函数的存在与求导（定理 4.16）

什么是隐函数？比如 $x^2 + y^2 - 1 = 0$（圆的方程），它没有直接写成 $y = f(x)$ 的形式，而是写成了一个隐蔽的方程 $F(x, y) = 0$。

1. 隐函数的求导公式（必考！）

如果你不想把它解出来，又想求 $y$ 关于 $x$ 的导数（即 $y' = \frac{dy}{dx}$），直接套用定理 4.16 的公式： $$y' = f'(x) = - \frac{F_x(x, y)}{F_y(x, y)}$$

理解记忆：加一个负号，分子是对 $x$ 求偏导，分母是对 $y$ 求偏导。注意，前提是分母 $F_y \neq 0$。

四、核心考点 4：隐函数的极值（定理 4.17）

这是一类经典的“偏门高分题”：已知方程 $F(x,y)=0$，求 $y$ 的极值。

解题套路（定理 4.17的直接应用）：

找可疑点：因为求 $y$ 的极值，必然要求 $y' = 0$。根据刚才的公式 $y' = - \frac{F_x}{F_y} = 0$，也就是要求分子 $F_x(x,y) = 0$。所以，联立方程组： $$ \begin{cases} F(x, y) = 0 \quad (\text{必须在曲线上}) \ F_x(x, y) = 0 \quad (\text{一阶导必须为0}) \end{cases} $$ 解出可疑点 $(a, b)$。
判断极大还是极小：我们需要看二阶导数 $y''$ 的符号。书上通过公式推导，给出了一个极简的结论，不需要你重新算复杂的二阶导，只需要看比值：
- 如果 $\frac{F_{xx}(a,b)}{F_y(a,b)} > 0$，那么 $y'' < 0 \implies$ 极大值。
- 如果 $\frac{F_{xx}(a,b)}{F_y(a,b)} < 0$，那么 $y'' > 0 \implies$ 极小值。

总结

第 115 页的内容是整本教材“计算套路”的顶峰。只要在考研试卷上看到以下字眼，请立刻反射性地回到这一页的定理：

看到 極値（极值） $\implies$ 算 $D = f_{xy}^2 - f_{xx}f_{yy}$，用定理 4.14。
看到 最大値/最小値 $\implies$ 找内部驻点 + 找边界点，用定理 4.15。
看到 $F(x,y)=0$ 求 $dy/dx$ $\implies$ 套公式 $-\frac{F_x}{F_y}$，用定理 4.16。

接下来，第 116页 将引入二元极值中最赫赫有名的 “拉格朗日未定乘数法（Lagrange Multiplier）”，这也是大题最后压轴题的常客。

请问我们要继续翻到第 116页 学习拉格朗日乘数法，还是您想先看一个具体例题（如第 118页的例题 9）来消化一下刚才的判别式 $D$ 的用法？

[!TIP] 你能问出这个问题，说明你具备非常优秀的数学直觉！很多人学了一辈子微积分，只会死记硬背 $L(x, y, \lambda)$ 这个辅助函数，却根本不知道那个神秘的 $\lambda$（拉格朗日乘数）是怎么凭空冒出来的。

拉格朗日乘数法的推导其实极其优美，它没有任何晦涩的代数变形，其核心完全建立在“几何直观”上。

下面，我们不用死板的教科书语言，而是用“爬山”的视角，带你一步步把这个神级方法推导出来：

第一步：构建几何场景（爬山与小路）

假设你在爬一座山，这座山的高度是由二元函数 $z = f(x,y)$ 决定的。

等高线：如果你把同一高度的点连起来，在地图（$xy$ 平面）上就会形成一圈圈的“等高线”，方程为 $f(x,y) = c$（$c$ 是常数高度）。
约束条件：现在，你不能在山上随便走。你被要求必须沿着一条特定的小路走，这条小路在地图上的方程就是我们的约束条件 $g(x,y) = 0$。
你的目标：在这条小路 $g(x,y) = 0$ 上，找到能够到达的最高点。

第二步：见证“相切”的奇迹

想象你正沿着小路 $g(x,y) = 0$ 往前走，同时看着地图上的等高线：

如果你走着走着，穿过了一条高度为 $100$ 的等高线，这意味着什么？这意味着你从小路的一侧跨到了另一侧，你的高度必定还在继续上升或下降。此时绝对不是极值点。
那么，什么时候你会达到小路上的最高点呢？只有一种情况：当这条小路刚好与某条等高线“相切”的时候！

在相切的那一瞬间，你碰到了你能碰到的最高的一圈等高线，如果你继续往前走，你就会脱离这条等高线，高度开始下降。

[!IMPORTANT] 核心几何结论：在条件极值点，目标函数的等高线 $f(x,y) = c$ 必然与约束曲线 $g(x,y) = 0$ 相切。

第三步：把“相切”翻译成数学语言（梯度的引入）

在微积分中，怎么表示两条曲线相切呢？两曲线相切，意味着它们在切点处拥有相同的切线。换句话说，它们在该点的法向量（垂直于切线的向量）必然是平行的。

这就要请出微积分里的重磅概念——梯度（Gradient，符号为 $\nabla$）：

函数 $f(x,y)$ 在某一点的梯度向量是 $\nabla f = (f_x, f_y)$，它的几何意义是永远垂直于等高线。
同理，函数 $g(x,y)$ 的梯度向量是 $\nabla g = (g_x, g_y)$，它永远垂直于约束曲线。

既然在极值点，两条曲线相切（共用切线），那么它俩的法向量（梯度）必定在同一条直线上（平行）！

在向量代数中，两个向量平行怎么写？一个向量是另一个向量的常数倍。我们把这个神秘的常数倍数命名为 $\lambda$。于是，我们得到了全宇宙最优雅的方程：

$$\nabla f = \lambda \nabla g$$

第四步：拉格朗日函数的诞生

现在，我们把上面那个向量方程展开成具体的偏导数形式：

对 $x$ 方向：$f_x = \lambda g_x \implies f_x - \lambda g_x = 0$
对 $y$ 方向：$f_y = \lambda g_y \implies f_y - \lambda g_y = 0$
别忘了，我们必须在那条小路上：$g(x,y) = 0$

这时候，伟大的数学家拉格朗日（Lagrange）出场了。他看着这三个方程，觉得为了解题每次都要写这么长太麻烦了。为了让这三个方程统一成一个最简单的形式，他“发明”了一个辅助函数：

$$L(x,y,\lambda) = f(x,y) - \lambda g(x,y)$$

你看这个辅助函数有多神奇：

你对它求 $x$ 的偏导数：$L_x = f_x - \lambda g_x = 0$ （正好对应上面的式 1）
你对它求 $y$ 的偏导数：$L_y = f_y - \lambda g_y = 0$ （正好对应上面的式 2）
你对它求 $\lambda$ 的偏导数：$L_\lambda = -g(x,y) = 0$ （正好对应约束条件式 3）

[!NOTE] 总结： 拉格朗日乘数法并不是什么凭空捏造的魔法公式。它只是把一个极其直观的几何现象——“在极值点，等高线与约束曲线必定相切，因而它们的梯度向量平行”——打包成了一个方便计算的偏导数方程组。那个神秘的 $\lambda$，仅仅就是两个平行向量之间的比例系数而已！

新版演習微分積分（８）—— 定积分的几何应用与近似计算

Thu, 28 May 2026 00:30:00 GMT

非常抱歉！刚才为了活跃气氛，我用的比喻和形容词实在太多、太浮夸了，导致句子结构混乱，反而把数学的重点给掩盖了。这是我的失误，作为导师，清晰和准确永远是第一位的。

让我们把浮夸的词藻全部去掉，用最平实、最清晰的理工科语言，重新把这一页（第 91 页，四大几何应用公式）的核心逻辑为你梳理一遍。

在院试的计算大题中，背诵这一页的公式是拿分的基石。我们分四个部分来清晰地讲解：

一、极坐标下的面积公式（極座標で表される図形の面積）

如果题目给的曲线是极坐标方程 $r = f(\theta)$，让你求某一段的面积。

核心公式： $$ S = \frac{1}{2} \int_{\alpha}^{\beta} {f(\theta)}^2 , \mathrm{d}\theta \quad \left(\text{也就是 } \frac{1}{2} \int_{\alpha}^{\beta} r^2 , \mathrm{d}\theta\right) $$
如何理解：极坐标求面积的本质是“切扇形”。一个圆心角为 $\Delta \theta$、半径为 $r$ 的小扇形，它的面积是 $\frac{1}{2} r^2 \Delta \theta$。定积分就是把无数个这样的小扇形加起来。
【考试易错点】：

⚠️ 考场上因为推导 $r^2$ 和三角降次（倍角公式）非常繁琐，极多考生算到最后忘记乘以外面那个 $\mathbf{\frac{1}{2}}$。这是极其致命且可惜的丢分点。

二、求曲线的长度 / 弧长（曲線の長さ）

无论题目是用哪种坐标系给出曲线，求长度的根本原理只有一个：微小线段利用勾股定理求长，即 $\mathrm{d}s = \sqrt{\mathrm{d}x^2 + \mathrm{d}y^2}$。书上衍生出了三种写法：

直角坐标方程 $y = f(x)$ 时：提取 $\mathrm{d}x$ 出来，公式变为： $$ L = \int_a^b \sqrt{1 + (y')^2} , \mathrm{d}x $$
参数方程（媒介変数表示）$x = x(t), y = y(t)$ 时（院试最高频）：把 $x$ 和 $y$ 对 $t$ 的导数分别平方相加，放在根号下对 $t$ 积分： $$ L = \int_{t_1}^{t_2} \sqrt{ \left(\frac{\mathrm{d}x}{\mathrm{d}t}\right)^2 + \left(\frac{\mathrm{d}y}{\mathrm{d}t}\right)^2 } , \mathrm{d}t $$
极坐标方程 $r = f(\theta)$ 时：利用几何转换，弧长的极坐标表达形式为： $$ L = \int_{\alpha}^{\beta} \sqrt{ r^2 + \left(\frac{\mathrm{d}r}{\mathrm{d}\theta}\right)^2 } , \mathrm{d}\theta $$

💡 【备考建议】 这三个公式都需要熟练默写。尤其是求参数方程或极坐标的弧长时，根号内部往往能通过**“完全平方公式（配平方法）”**化简掉根号，这是做这类题算定积分的前提。

三、立体体积的一般求法（立体の体积）

核心公式： $$ V = \int_a^b S(x) , \mathrm{d}x $$
如何理解：这是“切片法”。就像切面包一样，如果你能知道立体在任意 $x$ 坐标处的横截面面积 $S(x)$，只需要把这些极薄的截面顺着 $x$ 轴从 $a$ 积分到 $b$，就能得到总体积。

四、旋转体体积（回転体の体积）

如果一条曲线 $y = f(x)$ 绕着 $x$ 轴旋转一周，求所形成的花瓶状立体的体积。

基本公式： $$ V = \pi \int_a^b {f(x)}^2 , \mathrm{d}x \quad \left(\text{或者简写为 } V = \pi \int_a^b y^2 , \mathrm{d}x\right) $$ 原理很简单：绕 $x$ 轴旋转，截面就是一个完整的圆。圆的面积是 $\pi \cdot r^2$，而在这里，圆的半径刚好就是曲线的高度 $y$。所以面积 $S(x) = \pi y^2$。把它放进第三部分的一般公式里，就得到了旋转体体积公式。
【极其容易扣分的地方：如果题目给的是参数方程！】：

⚠️ （看这页书的右下角最后那个蓝色小框）。如果曲线是由 $x = x(t), y = y(t)$ 定义的，求它绕 $x$ 轴的旋转体积。很多同学会顺手写成 $V = \pi \int {y(t)}^2 , \mathrm{d}t$。这完全错了！

正确的推导过程是： 你要算的是 $\pi \int y^2 , \mathrm{d}x$。现在你要把变量 $x$ 换成 $t$。所以不仅仅 $y$ 要替换成 $y(t)$，后面那个积分微元 $\mathbf{\mathrm{d}x}$ 也必须替换成对 $t$ 的微分！即 $\mathbf{\mathrm{d}x = \frac{\mathrm{d}x}{\mathrm{d}t} , \mathrm{d}t}$。

正确的公式是： $$ V = \pi \int_{t_1}^{t_2} y^2 \cdot \mathbf{\frac{\mathrm{d}x}{\mathrm{d}t}} , \mathrm{d}t $$ 如果不写这个 $\frac{\mathrm{d}x}{\mathrm{d}t}$（即 $x$ 对 $t$ 的导数），结果一定会全错。

这一次我的讲解恢复到正常的教书授课模式了，这四大核心几何应用的重点逻辑是不是清晰很多？这几条公式是接下来的实战里避不开的，只要理解了每个公式里面的变量到底是什么，考场上直接代入定积分计算即可。

请问现在这样的语言节奏您可以顺畅阅读了吗？我们可以基于这种客观清晰的方式，翻到下一页去实打实地计算几道极坐标与参数方程的应用题。

翻到了！第 92 页（书本左上角标着 92，对应图片的第 102 页）。

这一页的内容由两部分构成：上半部分是旋转体的表面积公式，这是几何应用积分的最后一块拼图；下半部分是定积分的近似计算，这是面向工程和应用数学专业必考的数值分析基础。

我继续使用最直白、严谨的理科语言为你梳理这两大板块的核心考点。

一、旋转体的表面积（回転体の表面積）

上一页我们学了“旋转体的体积（切圆盘）”。这里讲的是如果一条曲线 $y = f(x)$ 绕 $x$ 轴旋转一周，所形成的“空心外壳”的表面积。

【公式背后的几何原理】 想象用一把刀在这个旋转体上切出一个极薄的“环形表皮（圆柱面）”。

这个环展开后的长度，也就是圆的周长：$2\pi y$。
这个环的宽度，并不是水平的 $\mathrm{d}x$，而是沿着曲线本身走过的一小段微小的“弧长（弧の長さ）”：$\mathrm{d}s$。
所以，微小表面积就是：周长 $\times$ 宽度 = $2\pi y \cdot \mathrm{d}s$。

结合上一页学过的“弧长 $\mathrm{d}s$ 的计算方法”，我们得出两种表达形式：

直角坐标形式：弧长 $\mathrm{d}s = \sqrt{1 + (y')^2} , \mathrm{d}x$ 公式： $$ S = 2\pi \int_a^b y \sqrt{1 + \left(\frac{\mathrm{d}y}{\mathrm{d}x}\right)^2} , \mathrm{d}x $$
参数方程形式（极其重要）：如果曲线由 $x = x(t), y = y(t)$ 给出，弧长 $\mathrm{d}s = \sqrt{(x')^2 + (y')^2} , \mathrm{d}t$ 公式： $$ S = 2\pi \int_{t_1}^{t_2} y(t) \sqrt{\left(\frac{\mathrm{d}x}{\mathrm{d}t}\right)^2 + \left(\frac{\mathrm{d}y}{\mathrm{d}t}\right)^2} , \mathrm{d}t $$

🚨 【考场防坑点】 在使用这个公式时，题目一般默认函数图像在 $x$ 轴上方（$y \ge 0$）。如果在考题中某段曲线在 $x$ 轴下方，周长是绝对值，所以在积分时需要对 $y$ 加绝对值（即替换为 $|y|$），以保证算出来的面积为正数。

二、定积分的近似计算（定積分の近似計算）

为什么要有这个内容？微积分里有很多函数是积不出“原函数”的（例如 $e^{-x^2}, \frac{\sin x}{x}, \sqrt{1+x^3}$ 等等）。但在现实工程中，我们又必须算出它们面积的具体数值。这就是**数值积分（数值分析）**存在的意义。

这里给出了两种最重要的近似算法：

1. 台形公式（梯形公式 / Trapezoidal Rule）

【原理】 不用长方形去估算面积，而是把两个相邻的函数值点用直线连起来，算出每个小“梯形”的面积（上底 + 下底 $\times$ 高 $\div$ 2），最后求和。

把区间 $[a, b]$ 平均切成 $n$ 份，每一份的宽度设为 $h = \frac{b-a}{n}$。各个切点的 $y$ 坐标依次是 $y_0, y_1, y_2, \dots, y_n$。

【公式系数规律：1 - 2 - 2 - ... - 2 - 1】 $$ \int_a^b f(x) , \mathrm{d}x \approx \frac{h}{2} \left{ y_0 + 2(y_1 + \dots + y_{n-1}) + y_n \right} $$

理解记忆：只有两头的端点 $y_0$ 和 $y_n$ 各被算了一次（作为外侧的边），而中间所有的切线（$y_1$ 到 $y_{n-1}$）都同时充当了左边梯形和右边梯形的边，所以系数被乘了 $2$。

2. シンプソンの公式（辛普森公式 / Simpson's Rule）

【原理】 梯形法是用直线拟合，不够平滑。辛普森法是用**二次抛物线（抛物線）去拟合顶部的曲线，因此它的精确度高出几个量级！为了确定一条抛物线需要 $3$ 个点，所以它必须将整个区间划分为偶数（$\mathbf{2n}$）**等份。

将区间 $[a, b]$ 切成 $2n$ 份，宽度为 $h = \frac{b-a}{2n}$。

【公式系数规律：1 - 4 - 2 - 4 - 2 - ... - 4 - 1】 $$ \int_a^b f(x) , \mathrm{d}x \approx \frac{h}{3} \left{ y_0 + 4(y_{\text{奇数项之和}}) + 2(y_{\text{内部偶数项之和}}) + y_{2n} \right} $$ $$ = \frac{h}{3} \left{ y_0 + 4(y_1 + y_3 + \dots) + 2(y_2 + y_4 + \dots) + y_{2n} \right} $$

理解记忆：辛普森公式不仅计算精度高，这套 $\mathbf{1, 4, 2, 4, \dots, 1}$ 的系数在计算机算法里也被直接固定编程。注意最外面乘的比例常数变成了 $\mathbf{\frac{h}{3}}$。

📝 【误差补充】 书上给了两个计算误差（$\Delta$）上限的不等式。对于我们院试复习来说：你只需知道台形公式的误差与二次导数最大值 $M$ 有关；而辛普森公式的误差更小，由四次导数控制。通常不会让你背出复杂的误差界公式，但在计算大题的最后一小问会直接考你用公式算结果（如后面章节的习题会展示）。

总结与复习建议

第 92 页其实就是一个工具箱页面。上半部分给了你算 3D 物体表皮面积的拼装刀，下半部分给了你绕开原始求积法，强制逼近答案的两把算盘。

理解这两个物理及图形意义后，这上面的公式就没有那么难记了。接下来的 第 93 页（图解例题 31），就正好为你展示了如何使用这些公式、以及定积分在求椭圆与参数方程式长、积上的完美收网应用！

这部分关于公式来源或“系数如何配置”的解释清楚了吗？准备好的话，我们可以翻页去进行应用类积分的真枪实战。

翻到了！第 93 页（书本右上角标着 93，对应图片的第 103 页）。

这一页非常经典，它是我们将前面的积分技巧、几何应用公式以及参数方程综合起来的第一场“大阅兵”。本页的核心主角只有一个，但也是考试中最常考的基础几何体之一：【楕円（椭圆 / Ellipse）】。

考题要求你求椭圆的面积 $S$ 和 周长（弧长） $L$。这里面藏着极其高妙的代数替换与数学界的“无奈之举”。

我来带你用标准的考场视角，将这两个任务分别拆解：

🟢 任务一：求椭圆的面积 $S$ （基础送分局）

【题目公式】 $\frac{x^2}{a^2} + \frac{y^2}{b^2} = 1 \ (a > b > 0)$

【考场 SOP：对称性折叠法】

先抓第一象限：千万不要去算整个积分区间 $[-a, a]$！因为椭圆在坐标系中是上下左右完美对称的。我们只算第一象限（右上角的 $1/4$ 块），算完后乘以 $4$。
提取函数 $y = f(x)$：在第一象限中 $y > 0$，所以从椭圆方程解出 $y$： $y^2 = b^2 \left( 1 - \frac{x^2}{a^2} \right) \implies \mathbf{y = \frac{b}{a} \sqrt{a^2 - x^2}}$
列出面积积分：由于我们只算 $0$ 到 $a$ 这一段： $$ \frac{1}{4} S = \int_0^a \frac{b}{a} \sqrt{a^2 - x^2} , \mathrm{d}x $$
积分秒杀（无需繁杂换元）：把常数 $\frac{b}{a}$ 提出来，剩下的 $\int_0^a \sqrt{a^2 - x^2} , \mathrm{d}x$ 是什么？这恰好就是半径为 $a$ 的四分之一圆的面积呀！不用去算 $x = a \sin\theta$ 的代换，直接就能写出它的结果是 $\mathbf{\frac{1}{4} \pi a^2}$。
整合答案： $\frac{1}{4} S = \frac{b}{a} \cdot \left(\frac{1}{4} \pi a^2\right) = \frac{1}{4} \pi a b$ 最后乘以 $4$：$S = \mathbf{\pi a b}$。

(这个结果也请你当常识记住。如果是圆，就是 $a = b = r$，面积变成 $\pi r^2$。)

🔴 任务二：求椭圆的周长 $L$ （揭开数学界不能解的“死局”）

到了算弧长，如果用普通直角坐标公式 $\int \sqrt{1 + y'^2} , \mathrm{d}x$，算式会瞬间变成连微积分大师都觉得恶心的绝望之塔。 唯一正确的路：改用【参数方程（媒介変数）】求弧长！

【教科书级别的操作流程】

参数化椭圆（引入极其重要的 $\theta$）：如 注意 3.9 讲解的那样，椭圆的标准参数方程为： $x = a \cos\theta, \quad y = b \sin\theta$。 (补充：这里的 $\theta$ 叫作*“离心角（離心角）”**，看图 3.20，它是椭圆外接大圆对应的角度，并不是椭圆上点 $P$ 的极坐标偏转角。不要弄混！)*
列弧长公式：同样只算第一象限 $0 \sim \frac{\pi}{2}$，最后乘以 $4$。套入上一页学过的公式 $L = \int \sqrt{(\mathrm{d}x/\mathrm{d}\theta)^2 + (\mathrm{d}y/\mathrm{d}\theta)^2} , \mathrm{d}\theta$。 $$ \mathrm{d}x/\mathrm{d}\theta = -a \sin\theta, \quad \mathrm{d}y/\mathrm{d}\theta = b \cos\theta $$ 带入后得出全弧长： $$ L = 4 \int_0^{\frac{\pi}{2}} \sqrt{a^2 \sin^2\theta + b^2 \cos^2\theta} , \mathrm{d}\theta $$
魔法变身，向标准式靠拢（注意看代数过程）：怎样才能让这个带有两个未知参数的杂牌军，变成只有一个主流参数的标准化样式？因为 $a > b$，题目设了一个新变量 $e$（偏心率 / 离心率的平方），规定 $e^2 = \frac{a^2 - b^2}{a^2}$。这意味着 $b^2 = a^2(1 - e^2)$。把这个替换进根号里面： $a^2 \sin^2\theta + b^2 \cos^2\theta = a^2 \sin^2\theta + a^2(1 - e^2) \cos^2\theta$ 提取公因数 $a^2$，根号下变成 $a \sqrt{\sin^2\theta + \cos^2\theta - e^2 \cos^2\theta} = \mathbf{a \sqrt{1 - e^2 \cos^2\theta}}$。
【导师防眩晕提醒】书本为什么最后变成了 $\sin^2\theta$？ 在最后的结果中，你看书上写的是 $L = 4a \int_0^{\frac{\pi}{2}} \sqrt{1 - e^2 \mathbf{\sin^2\theta}} , \mathrm{d}\theta$。我们刚刚推出的是 $\cos^2\theta$ 啊？这运用了一个极其常用的对称定积分小技巧：在积分区间 $\mathbf{\left[0, \frac{\pi}{2}\right]}$ 之间，$\int \cos^2\theta$ 的形状与面积和 $\int \sin^2\theta$ 是完全一模一样的（你用 $\theta = \frac{\pi}{2} - u$ 换元就能证出）。这两种表达完全等价！把它写成 $\sin$ 只是为了配合历史学界习惯而已。

🚨 注意 3.10 ：考场避坑终极圣旨（何谓第 2 种椭圆积分）

【🚨 注意 3.10：考场避坑终极指令】 你看，我们推出了 $L = 4a \int_0^{\frac{\pi}{2}} \sqrt{1 - e^2 \sin^2\theta} , \mathrm{d}\theta$ 这个形式，接下来呢？没有接下来了！！

这段文字 注意 3.10，是一道“免责声明”。作者极其直白地告诉你：在这团根号里的东西（也就是所谓的第一种/第二种完全椭圆积分 / 第 2 種楕円積分），无法通过我们人类已知的所有初等函数（$\log, \sin, e^x$ 等）把它积分出来！这是一个被永远定格的形式。

【考场战略指令】： 如果在期末考或者院试大题里，你让你算一段弧长，算到这里或者类似卡住无法展开的不规则平方式开根，且题目并没有给定诸如 $a = 1, e = 0$ 这类的特例数值化减项，就请将这串 $\int$ 带有边界 and 被积公式作为最终结果直接交卷！ Wait, user had "有边界和被积公式", not "有边界 and 被积公式". Let me write "带有边界和被积公式作为最终结果直接交卷！". 有很多强迫症考生在这一步疯狂想要尝试 $u = \sin\theta, \sec\theta$ 等各种置换，最终浪费半个小时全在草稿纸上打转，必须学会适时“停笔”。

🎯 沙盘检验：底部问题 31.1 & 31.2

如果你怕这块弧长没有闭环快感，底下的两道题就是能用代数手法完美化解积出长度常数的题型！

问题 31.1 星芒形（アステロイド）：你还记得我们昨天求二阶导那道折磨题吗！它的参数 $x = a \cos^3 t, y = a \sin^3 t$。它的弧长公式塞进去是 $\sqrt{9a^2 \cos^4 t \sin^2 t + 9a^2 \sin^4 t \cos^2 t}$。提出极高配公因数 $9a^2 \sin^2 t \cos^2 t (\cos^2 t + \sin^2 t)$。根号直接被打碎为极其好算的 $3a|\sin t \cos t|$！直接可以当成多项式轻取面积周长。
问题 31.2 摆线（サイクロイド）：弧长进入根号下以后，会留下一个巨大的 $\sqrt{2 - 2 \cos\theta}$。此时触发“半角降次大屠杀”：$1 - \cos\theta = 2 \sin^2(\theta/2)$。根号再度被打破，剩下一个简单的常数去积。

这两道才是考验微积分实战能力、而且能让你拿到最终分数的好题！

你这下明白当图形遇到曲折不尽时的处理心态了吗？如果逻辑贯通，下一页会带来同样极其闻名但难度再次登峰的参数方程王储级曲线计算：卡迪奥形/心脏线 (Cardioid) 定面测算大考点！（也就是我们的第 94 页了，你可以选择在任何演草步骤上有不懂的地方提出来，或下达直接前进的命令）！

下面为你详细讲解第 94 页（对应 PDF 第 104 页）中的問題 32.1和問題 32.2。

这两组习题是第二章与第三章几何应用的综合检测。其中不仅包含了直角坐标系下的面积、弧长计算，还融入了极坐标系的经典曲线和非常巧妙的参数方程代换。

为了便于你系统复习，我将结合书末给出的标准答案，逐题为你进行逻辑和计算步骤的详细拆解。

一、問題 32.1 详细讲解（面积计算）

本题要求计算各曲线所围成的面积。做这类题目的首要步骤是确定积分区间与上下边界函数。

(1) 双曲线 $xy + x + y = 1$ 与两坐标轴正半轴围成的面积

解题直觉：首先需要将隐函数写成 $y = f(x)$ 的显函数形式，并求出它与坐标轴的交点。
计算步骤：
1. 变形方程：$y(x + 1) = 1 - x \implies y = \frac{1 - x}{x + 1}$。
2. 利用多项式除法化简：$y = \frac{-(x + 1) + 2}{x + 1} = -1 + \frac{2}{x + 1}$。
3. 求交点：
  - 令 $x = 0 \implies y = 1$（$y$ 轴交点为 $1$）；
  - 令 $y = 0 \implies x = 1$（$x$ 轴交点为 $1$）。
4. 在第一象限内，积分区间为 $[0, 1]$： $$ S = \int_0^1 \left( -1 + \frac{2}{x + 1} \right) , \mathrm{d}x = \left[ -x + 2 \log|x + 1| \right]_0^1 $$ $$ = (-1 + 2 \log 2) - (0 + 0) = \mathbf{2 \log 2 - 1} $$

(2) 放物线（抛物线变种） $\sqrt{x} + \sqrt{y} = \sqrt{a} \ (a > 0)$ 与两坐标轴围成的面积

解题直觉：由于带有根号，先圈定定义域：$x \ge 0, y \ge 0$。函数被锁定在第一象限，端点为 $(a, 0)$ 和 $(0, a)$。
计算步骤：
1. 解出 $y$：$\sqrt{y} = \sqrt{a} - \sqrt{x} \implies y = (\sqrt{a} - \sqrt{x})^2 = a - 2\sqrt{a}\sqrt{x} + x$。
2. 在区间 $[0, a]$ 上进行定积分： $$ S = \int_0^a \left( a - 2\sqrt{a} x^{1/2} + x \right) , \mathrm{d}x = \left[ ax - 2\sqrt{a} \cdot \frac{2}{3} x^{3/2} + \frac{1}{2} x^2 \right]_0^a $$ $$ = \left( a^2 - \frac{4}{3}a^2 + \frac{1}{2}a^2 \right) - 0 = a^2 \left( 1 - \frac{4}{3} + \frac{1}{2} \right) = \mathbf{\frac{1}{6}a^2} $$

(3) 曲线 $y = \frac{1}{x^2 + 1}$ 与抛物线 $x^2 = 2y$ 围成的面积

解题直觉：首先需要联立方程，求出两曲线的交点，并判断谁在上方（天花板），谁在下方（地板）。
计算步骤：
1. 联立方程：将 $y = \frac{x^2}{2}$ 代入 $y = \frac{1}{x^2 + 1}$： $$ \frac{x^2}{2} = \frac{1}{x^2 + 1} \implies x^4 + x^2 - 2 = 0 \implies (x^2 + 2)(x^2 - 1) = 0 $$ 由于 $x$ 为实数，解得：$x = 1$ 或 $x = -1$。
2. 判断上下关系：在区间 $[-1, 1]$ 内，显然 $\frac{1}{x^2 + 1}$ 在上方，$\frac{x^2}{2}$ 在下方。并且由于两函数都是偶函数，图像关于 $y$ 轴对称。
3. 利用对称性计算面积： $$ S = 2 \int_0^1 \left( \frac{1}{x^2 + 1} - \frac{x^2}{2} \right) , \mathrm{d}x = 2 \left[ \tan^{-1} x - \frac{x^3}{6} \right]_0^1 $$ $$ = 2 \left( \tan^{-1}(1) - \frac{1}{6} \right) = 2 \left( \frac{\pi}{4} - \frac{1}{6} \right) = \mathbf{\frac{\pi}{2} - \frac{1}{3}} $$

(4) 三叶线 $r = a \sin 3\theta$ 与圆 $r = a$ 之间部分的面积

解题直觉：这里的“之间部分”指的是圆的面积减去三叶线所占的面积。
计算步骤：
1. 圆的面积显然为：$S_{\text{圆}} = \pi a^2$。
2. 计算三叶线的总面积。三叶线一共有 $3$ 片叶子，我们先计算其中一片（区间为 $\theta \in [0, \pi/3]$）： $$ S_{\text{单叶}} = \frac{1}{2} \int_0^{\pi/3} r^2 , \mathrm{d}\theta = \frac{1}{2} \int_0^{\pi/3} a^2 \sin^2 3\theta , \mathrm{d}\theta $$ 利用半角公式降次：$\sin^2 3\theta = \frac{1 - \cos 6\theta}{2}$： $$ = \frac{a^2}{4} \int_0^{\pi/3} (1 - \cos 6\theta) , \mathrm{d}\theta = \frac{a^2}{4} \left[ \theta - \frac{\sin 6\theta}{6} \right]_0^{\pi/3} = \frac{a^2}{4} \left( \frac{\pi}{3} - 0 \right) = \frac{\pi a^2}{12} $$
3. 三叶线总面积：$S_{\text{三叶}} = 3 \times S_{\text{单叶}} = \frac{\pi a^2}{4}$。
4. 两者之间部分的面积： $$ S = S_{\text{圆}} - S_{\text{三叶}} = \pi a^2 - \frac{\pi a^2}{4} = \mathbf{\frac{3}{4}\pi a^2} $$

(5) 双纽线 $(x^2 + y^2)^2 = a^2(x^2 - y^2)$ 所围成的面积

解题直觉：直角坐标系下极其难算，必须利用极坐标公式。
计算步骤：
1. 代入极坐标转换公式：$x^2 + y^2 = r^2$，$x = r \cos\theta, y = r \sin\theta$： $$ (r^2)^2 = a^2(r^2 \cos^2\theta - r^2 \sin^2\theta) \implies r^4 = a^2 r^2 \cos 2\theta \implies \mathbf{r^2 = a^2 \cos 2\theta} $$
2. 确定积分区间：由于 $r^2 \ge 0$，要求 $\cos 2\theta \ge 0$，因此 $-\frac{\pi}{2} \le 2\theta \le \frac{\pi}{2} \implies -\frac{\pi}{4} \le \theta \le \frac{\pi}{4}$（这代表右边的一片叶子）。
3. 利用对称性计算双叶总面积： $$ S = 2 \times \left( \frac{1}{2} \int_{-\frac{\pi}{4}}^{\frac{\pi}{4}} r^2 , \mathrm{d}\theta \right) = \int_{-\frac{\pi}{4}}^{\frac{\pi}{4}} a^2 \cos 2\theta , \mathrm{d}\theta $$ $$ = 2 \int_0^{\frac{\pi}{4}} a^2 \cos 2\theta , \mathrm{d}\theta = 2a^2 \left[ \frac{\sin 2\theta}{2} \right]_0^{\frac{\pi}{4}} = 2a^2 \left( \frac{1}{2} - 0 \right) = \mathbf{a^2} $$

二、問題 32.2 详细讲解（曲线长度）

这里我们重点讲解第 (1) 题。这是一道利用参数方程求弧长的巅峰之作，其代数化简过程非常精妙。

(1) 求曲线 $\sqrt{x} + \sqrt{y} = \sqrt{a}$ 的全长 $L$

解题直觉：如果直接用直角坐标系公式 $\int \sqrt{1 + y'^2} , \mathrm{d}x$，根号内部很难化简。书后答案给出了一个非常经典的参数化方法（参数方程表示）：令 $x = a \cos^4 t$，$y = a \sin^4 t$ （由于在第一象限，区间为 $0 \le t \le \frac{\pi}{2}$）。 验证：$\sqrt{x} + \sqrt{y} = \sqrt{a} \cos^2 t + \sqrt{a} \sin^2 t = \sqrt{a}(\cos^2 t + \sin^2 t) = \sqrt{a}$。完全合理！
计算步骤：
1. 分别求对 $t$ 的一阶导数： $$ \frac{\mathrm{d}x}{\mathrm{d}t} = -4a \cos^3 t \sin t, \quad \frac{\mathrm{d}y}{\mathrm{d}t} = 4a \sin^3 t \cos t $$
2. 计算弧长微元（根号内部化简）： $$ \left(\frac{\mathrm{d}x}{\mathrm{d}t}\right)^2 + \left(\frac{\mathrm{d}y}{\mathrm{d}t}\right)^2 = 16a^2 \cos^6 t \sin^2 t + 16a^2 \sin^6 t \cos^2 t $$ 提取公因式 $16a^2 \sin^2 t \cos^2 t$： $$ = 16a^2 \sin^2 t \cos^2 t \left( \cos^4 t + \sin^4 t \right) $$ 利用恒等式 $\cos^4 t + \sin^4 t = (\cos^2 t + \sin^2 t)^2 - 2 \sin^2 t \cos^2 t = 1 - 2 \sin^2 t \cos^2 t$。代回并开根号（由于 $0 \le t \le \frac{\pi}{2}$，正弦余弦皆为正）： $$ \mathrm{d}s = 4a \sin t \cos t \sqrt{1 - 2 \sin^2 t \cos^2 t} , \mathrm{d}t $$
3. 进行定积分计算： $$ L = \int_0^{\frac{\pi}{2}} 4a \sin t \cos t \sqrt{1 - 2 \sin^2 t \cos^2 t} , \mathrm{d}t $$ 【换元法破局】：令 $u = \sin^2 t \implies \mathrm{d}u = 2 \sin t \cos t , \mathrm{d}t$。换限：$t = 0 \implies u = 0$；$t = \frac{\pi}{2} \implies u = 1$。 $$ L = 2a \int_0^1 \sqrt{1 - 2u(1 - u)} , \mathrm{d}u = 2a \int_0^1 \sqrt{2u^2 - 2u + 1} , \mathrm{d}u $$
4. 配方并套用公式：根号内配方：$2\left(u^2 - u + \frac{1}{2}\right) = 2\left[ \left(u - \frac{1}{2}\right)^2 + \frac{1}{4} \right]$。 $$ L = 2\sqrt{2}a \int_0^1 \sqrt{\left(u - \frac{1}{2}\right)^2 + \left(\frac{1}{2}\right)^2} , \mathrm{d}u $$ 令 $v = u - \frac{1}{2}$（换限：$-\frac{1}{2} \to \frac{1}{2}$）： $$ L = 2\sqrt{2}a \int_{-\frac{1}{2}}^{\frac{1}{2}} \sqrt{v^2 + \left(\frac{1}{2}\right)^2} , \mathrm{d}v = 4\sqrt{2}a \int_0^{\frac{1}{2}} \sqrt{v^2 + \left(\frac{1}{2}\right)^2} , \mathrm{d}v $$ 套用我们在第 52 页背过的【公式 8】：$\int \sqrt{x^2 + A} , \mathrm{d}x$：经过严谨的代入和对数化简（书后答案略去了这部分繁琐的数值计算）： $$ L = \mathbf{a + \frac{a}{\sqrt{2}} \log(1 + \sqrt{2})} $$

🎓 复习总结建议

通过这几道练习题，可以明确以下应试技巧：

极坐标面积：最核心的是确定 $\theta$ 的范围，特别是像双纽线 and 三叶线，必须通过方程的定义域或交点解出准确的 $\alpha$ and $\beta$。 Wait, original has "并且像双纽线和三叶线，必须通过方程的定义域或交点解出准确的 \alpha 和 \beta". Let's keep Chinese: 极坐标面积：最核心的是确定 $\theta$ 的范围，特别是像双纽线和三叶线，必须通过方程的定义域或交点解出准确的 $\alpha$ 和 $\beta$。
公式化简：在计算曲线长度时，根号下的微元必能通过三角恒等式或者合理的参数代换化简。遇到 $\sqrt{x} + \sqrt{y} = \sqrt{a}$，记住 $x = a \cos^4 t$ 这一极具智慧的参数化方法。

翻到了！第 96 页（书本左上角标着 96，对应图片的第 106 页）。

这一页非常经典，它是对第 92 页学过的**辛普森近似积分公式（シンプソンの公式 - Simpson's Rule）**的一次极具实操价值的“硬核演练”。

我们在上一页还在感叹这些近似积分公式的精妙，这一页我们就要用它来手算出自然对数 $\log 2$ 极其精准的近似值！

下面我将以最清晰、严谨的步骤，为你拆解例题 34 完整的数值计算过程和背后的逻辑：

👑 例题 34：用辛普森公式求解 $\log 2$ 的近似值

【题目要求】 将区间 $[0, 1]$ 进行 $10$ 等分（即切成 $10$ 份），利用辛普森公式计算定积分 $\int_0^1 \frac{\mathrm{d}x}{1 + x}$，以此求出 $\log 2$ 小数点后第 $5$ 位的近似值。

Step 1：寻找定积分与 $\log 2$ 的关系

为什么这个积分能算出 $\log 2$？我们先做个理论验算： $$ \int_0^1 \frac{1}{1 + x} , \mathrm{d}x = [ \log|1 + x| ]_0^1 = \log 2 - \log 1 = \log 2 $$ 确实完全相等！所以，只要我们用数值逼近算出这个积分的值，它就是 $\log 2$ 的近似值。

Step 2：确定计算参数（游戏配置）

等分数 $2n = 10$ （切成 $10$ 等份，所以这里的 $n = 5$）。
步长 $h$：$h = \frac{1 - 0}{10} = 0.1$。
被积函数 $f(x)$：$f(x) = \frac{1}{1 + x}$。
切点坐标 $x_i$：$x_0 = 0, x_1 = 0.1, x_2 = 0.2, \dots, x_{10} = 1.0$。

为了保证最后能精确到小数点后第 $5$ 位，我们计算中间值 $y_i = f(x_i)$ 时，统一保留到小数点后第 $7$ 位。

Step 3：计算各切点高度 $y_i$（这是纯纯的手工细心活）

两端点（首尾相加）： $y_0 = f(0) = 1$ $y_{10} = f(1.0) = \frac{1}{2} = 0.5$ $$ y_0 + y_{10} = \mathbf{1.5000000} $$
奇数项（系数为 $4$ 的部分）：我们需要算出 $y_1, y_3, y_5, y_7, y_9$ 的值：
- $y_1 = \frac{1}{1.1} \approx 0.9090909$
- $y_3 = \frac{1}{1.3} \approx 0.7692308$
- $y_5 = \frac{1}{1.5} \approx 0.6666667$
- $y_7 = \frac{1}{1.7} \approx 0.5882353$
- $y_9 = \frac{1}{1.9} \approx 0.5263158$ 把它们相加，奇数项和为：$3.4595395$。乘上公式要求的 $4$ 倍： $$ 4 \times 3.4595395 = \mathbf{13.8381580} $$
偶数项（系数为 $2$ 的部分，不含首尾）：我们需要算出 $y_2, y_4, y_6, y_8$ 的值：
- $y_2 = \frac{1}{1.2} \approx 0.8333333$
- $y_4 = \frac{1}{1.4} \approx 0.7142857$
- $y_6 = \frac{1}{1.6} = 0.6250000$
- $y_8 = \frac{1}{1.8} \approx 0.5555556$ 把它们相加，偶数项和为：$2.7281746$。乘上公式要求的 $2$ 倍： $$ 2 \times 2.7281746 = \mathbf{5.4563492} $$

Step 4：代入辛普森大公式，终极大合体

辛普森公式： $$ I \approx \frac{h}{3} \left{ (y_0 + y_{10}) + 4(\text{奇数项和}) + 2(\text{偶数项和}) \right} $$ 把我们刚才算出的三个大色块数据塞进去： $$ I \approx \frac{0.1}{3} \left{ 1.5000000 + 13.8381580 + 5.4563492 \right} $$ $$ I \approx \frac{0.1}{3} \times 20.7945072 $$ $$ I \approx 0.69315024 $$

根据题目要求，四舍五入保留到小数点后第五位： $$ \log 2 \approx \mathbf{0.69315} $$

💡 导师复盘与“神迹”对比

你知道 $\log 2$ 真正的精确值是多少吗？真正的 $\log 2 \approx 0.69314718\dots$

你看！我们仅仅用了 $10$ 等分 这么粗糙的划分，用辛普森公式算出来的结果是 $0.69315$，误差仅为 $0.000003$ 左右！这就是为什么辛普森公式在工程上如此备受推崇的原因——哪怕划分很少，它的二次抛物线拟合也能带来极高的精确度。

页面底部的 問題 34.1 是完全一样套路的经典练习：让你通过定积分 $\int_0^1 \frac{\mathrm{d}x}{1 + x^2}$（它的精确值是 $\tan^{-1}(1) = \frac{\pi}{4}$），用辛普森法去求 $\pi$ 的近似值！计算流程完全一模一样，只不过换成了 $f(x) = \frac{1}{1 + x^2}$。你可以自己在纸上练习一下这套“1 - 4 - 2 - 4 - ... - 1”的加权求和，这对于在考场上保持极度冷静的代数计算抗压能力非常有帮助。

新版演習微分積分（７）—— 从点火公式到欧拉积分（Beta & Gamma）

Sun, 24 May 2026 00:30:00 GMT

在高等数学与日本院试（修二 / 专攻考试）的复习中，我们经常会遇到一些形式非常怪异的广义积分，或是高次三角函数的定积分。如果沿着传统的换元法和有理拆分路线走下去，虽然最终能做出答案，但是计算量极大、步骤繁琐，在考场的紧张高压下极其容易算错。

为了彻底解决这一痛点，今天我们将微积分中两个最强的“神兵利器”——**点火公式（Wallis 公式）与欧拉积分（Beta & Gamma 函数）**进行完美合流。

本篇笔记将带大家从经典的级数递推证明（例题 25）出发，经历贝塔与伽马函数的严谨收敛性证明（例题 28 & 30）与课后习题全景解答，最后通过院试真题大 PK展示高级函数工具的“降维打击”威力！

📌 第一部分：核心知识卡片与知识体系

在开始手撕证明之前，我们先将这两张最核心的“公式库”刻进脑子里。

1. 伽马函数 $\Gamma(p)$ 的核心公式

定义式（无穷区间）： $$ \Gamma(p) = \int_0^\infty e^{-x} x^{p-1} dx \quad (p>0) $$
递推性质： $$ \Gamma(p+1) = p \Gamma(p) $$
阶乘性质（当 $n$ 为自然数时）： $$ \Gamma(n+1) = n!, \quad \Gamma(1) = 1 $$
核心特值： $$ \Gamma\left(\frac{1}{2}\right) = \sqrt{\pi} $$
余元公式（🚨 考场秒杀大招）： $$ \Gamma(x)\Gamma(1-x) = \frac{\pi}{\sin(\pi x)} \quad (0 < x < 1) $$

💡 考场秒杀大杀器：经典 Gamma 积分缩放模板

在考场上，我们常常会遇到形如 $\int_0^\infty x^n e^{-\lambda x} dx$ 的广义积分。如果用分部积分法硬算，那简直是无意义的体力活。这是一个经典 Gamma 函数积分模板，考场上强烈建议直接秒写，不要用任何分部积分！

⚙️ 缩放公式的推导过程（变量代换）：

我们要将它套用为标准 Gamma 函数的形式：

$$ \Gamma(s) = \int_0^\infty t^{s-1} e^{-t} dt $$

这里的关键技巧是通过变量代换，把被积函数中的 $e^{-\lambda x}$ 变成标准的 $e^{-t}$。

令 $t = \lambda x$ （这里 $\lambda > 0$），则有：

$x = \frac{t}{\lambda}$
$dx = \frac{dt}{\lambda}$
积分上下限不变：当下限 $x = 0 \to t = 0$，当上限 $x \to \infty \to t \to \infty$。

将这些关系代入原积分中：

$$ \int_0^\infty x^n e^{-\lambda x} dx = \int_0^\infty \left( \frac{t}{\lambda} \right)^n e^{-t} \frac{dt}{\lambda} $$

将分母上的常数项 $\lambda^n$ 和 $\lambda$ 提出来，得到：

$$ = \frac{1}{\lambda^{n+1}} \int_0^\infty t^n e^{-t} dt $$

注意到 $t^n$ 可以写成标准幂的形式 $t^{(n+1)-1}$，所以后面的积分项完完全全就是标准的伽马函数 $\Gamma(n+1)$：

$$ = \frac{\Gamma(n+1)}{\lambda^{n+1}} $$

因此，我们直接秒写出经典的 Gamma 缩放公式：

$$ \int_0^\infty x^n e^{-\lambda x} dx = \frac{\Gamma(n+1)}{\lambda^{n+1}} $$

特别是当 $n$ 为正整数 时，由于 $\Gamma(n+1) = n!$，我们有极简的阶乘秒杀形式：

$$ \boxed{\int_0^\infty x^n e^{-\lambda x} dx = \frac{n!}{\lambda^{n+1}}} $$

🎓 考场速记与秒杀口诀：

看到形如 $x^n e^{-\lambda x}$ 在 $[0, \infty)$ 上的积分，脑子里立刻反应 “Gamma 型积分”，直接套用模板：

分母：缩放系数 $\lambda$ 的 $n+1$ 次幂（即 $\lambda^{n+1}$）。
分子：指数 $n$ 的阶乘 $n!$ （当 $n$ 是整数时）或伽马值 $\Gamma(n+1)$。

🔥 秒杀例题：

例题 1：计算 $\int_0^\infty x^3 e^{-2x} dx$。我们直接对照参数：$n=3$（正整数），$\lambda=2$。根本不用动笔，直接口算： $$ \int_0^\infty x^3 e^{-2x} dx = \frac{3!}{2^4} = \frac{6}{16} = \mathbf{\frac{3}{8}} $$
例题 2：计算 $\int_0^\infty x^{1/2} e^{-3x} dx$。我们对照参数：$n=1/2$（分数），$\lambda=3$。直接套用公式： $$ \int_0^\infty x^{1/2} e^{-3x} dx = \frac{\Gamma(3/2)}{3^{3/2}} $$ 因为 $\Gamma(3/2) = \frac{1}{2}\Gamma(1/2) = \frac{\sqrt{\pi}}{2}$，所以： $$ = \frac{\frac{\sqrt{\pi}}{2}}{3\sqrt{3}} = \mathbf{\frac{\sqrt{\pi}}{6\sqrt{3}} = \frac{\sqrt{3\pi}}{18}} $$

这类题目在实战中本质上是“识图认模板”，不是“临时推公式”。记住这把钥匙，在考场上能够为你省下极其宝贵的计算时间！

2. 贝塔函数 $B(p, q)$ 的核心公式

定义式 1（标准区间 $[0, 1]$）： $$ B(p, q) = \int_0^1 x^{p-1}(1-x)^{q-1} dx \quad (p>0, q>0) $$
定义式 2（三角函数形式，求含 $\sin/\cos$ 积分的王道）： $$ B(p, q) = 2 \int_0^{\pi/2} (\sin\theta)^{2p-1} (\cos\theta)^{2q-1} d\theta $$
定义式 3（半无穷区间形式）： $$ B(p, q) = \int_0^\infty \frac{y^{p-1}}{(1+y)^{p+q}} dy $$
与 Gamma 函数的神奇羁绊（桥梁公式）： $$ B(p, q) = \frac{\Gamma(p)\Gamma(q)}{\Gamma(p+q)} $$

📘 第二部分：点火公式（Wallis 公式）的经典证明（例题 25）

在三角函数定积分中，**点火公式（ウォリスの公式 / Wallis 公式）**是快速求解高次三角积分的利器。

我们要求证，对于 $I_n = \int_0^{\pi/2} \sin^n x dx = \int_0^{\pi/2} \cos^n x dx$，有：

$$ I_n = \begin{cases} \frac{n-1}{n} \cdot \frac{n-3}{n-2} \dots \frac{4}{5} \cdot \frac{2}{3} & (n \ge 2, \text{奇数}) \ \frac{n-1}{n} \cdot \frac{n-3}{n-2} \dots \frac{3}{4} \cdot \frac{1}{2} \cdot \frac{\pi}{2} & (n \ge 2, \text{偶数}) \end{cases} $$

✏️ 证明步骤：

1. 证明对称性 $\int_0^{\pi/2} \sin^n x dx = \int_0^{\pi/2} \cos^n x dx$

令 $x = \frac{\pi}{2} - t$，则 $dx = -dt$。

当 $x = 0 \to t = \frac{\pi}{2}$；
当 $x = \frac{\pi}{2} \to t = 0$。

代入积分中：

$$ \int_0^{\pi/2} \sin^n x dx = \int_{\pi/2}^0 \sin^n \left(\frac{\pi}{2} - t\right) (-dt) = \int_0^{\pi/2} \cos^n t dt = \int_0^{\pi/2} \cos^n x dx $$

证明非常简单，两者完全对称。

2. 建立递推关系式（利用分部积分法）

我们要计算 $I_n = \int_0^{\pi/2} \sin^n x dx$。我们将其写成 $\sin^{n-1} x \cdot \sin x$：

令 $u = \sin^{n-1} x \implies du = (n-1) \sin^{n-2} x \cos x dx$
令 $dv = \sin x dx \implies v = -\cos x$

使用分部积分法：

$$ I_n = \left[ -\sin^{n-1} x \cos x \right]_0^{\pi/2} - \int_0^{\pi/2} (-\cos x) \cdot (n-1) \sin^{n-2} x \cos x dx $$

前面端点值部分：由于 $\cos(\pi/2) = 0$ 且 $\sin(0) = 0$，所以 第一项完全为 0。整理后面的积分项：

$$ = (n-1) \int_0^{\pi/2} \sin^{n-2} x \cos^2 x dx $$

利用 $\cos^2 x = 1 - \sin^2 x$，展开积分：

$$ = (n-1) \int_0^{\pi/2} \sin^{n-2} x (1 - \sin^2 x) dx = (n-1) \left( \int_0^{\pi/2} \sin^{n-2} x dx - \int_0^{\pi/2} \sin^n x dx \right) $$

这正好是 $I_{n-2}$ 和 $I_n$ 的线性组合：

$$ I_n = (n-1) I_{n-2} - (n-1) I_n $$

移项整理：

$$ n I_n = (n-1) I_{n-2} \implies \mathbf{I_n = \frac{n-1}{n} I_{n-2}} $$

这就是著名的 点火递推式！每往前点火一次，自变量降 2，前面乘以 $\frac{n-1}{n}$。

3. 确定边界条件并分类连乘

为了将递推进行到底，我们需要知道最初的边界值：

当 $n=1$ 时： $$ I_1 = \int_0^{\pi/2} \sin x dx = [-\cos x]_0^{\pi/2} = 1 $$
当 $n=0$ 时： $$ I_0 = \int_0^{\pi/2} 1 dx = \frac{\pi}{2} $$

通过交替套用递推公式：

若 $n$ 为奇数： $$ I_n = \frac{n-1}{n} I_{n-2} = \frac{n-1}{n} \cdot \frac{n-3}{n-2} \dots I_1 = \frac{n-1}{n} \cdot \frac{n-3}{n-2} \dots \frac{2}{3} \cdot 1 $$
若 $n$ 为偶数： $$ I_n = \frac{n-1}{n} I_{n-2} = \frac{n-1}{n} \cdot \frac{n-3}{n-2} \dots I_0 = \frac{n-1}{n} \cdot \frac{n-3}{n-2} \dots \frac{1}{2} \cdot \frac{\pi}{2} $$

点火公式证毕！

💡 考场秒杀与避坑指南：点火公式的实战使用方法及注意事项

在院试和高数考场上，能够直接套用点火公式的积分往往不会乖乖地刚好限在 $[0, \frac{\pi}{2}]$ 内。我们常常会遇到更广的积分区间（如 $[0, \pi]$ 或 $[0, \frac{3\pi}{2}]$）。

为了在实战中做到秒杀且不踩坑，我们必须彻底拆开并理清两个不同维度的核心概念：指数 $n$ 的奇偶性 和 积分区间所包含的 $\frac{\pi}{2}$ 块数。

1. 指数 $n$ 的奇偶性（决定“用哪个公式”和“是否有负数”）

🚨 核心重点：这里的奇偶，全部都是指三角函数的幂指数 $n$ 的奇偶性！

当指数 $n$ 为偶数时（例如 $\sin^4 x$）： 任何实数经过偶数次幂后都会变成正数，这意味着三角函数图像 the 负半周全被翻折到了 $x$ 轴上方，不存在正负抵消。 👉 对应动作：套用结尾乘 $\frac{\pi}{2}$ 的偶数版点火公式。
当指数 $n$ 为奇数时（例如 $\sin^3 x$）： 奇数次幂会保留原三角函数的正负号，这意味着图像在正半周为正、负半周为负，极易发生正负面积抵消。 👉 对应动作：套用结尾乘 1 的奇数版点火公式。

2. 区间里包含几个 $\frac{\pi}{2}$（决定“乘几倍”或“怎么抵消”）

区间的长度决定了我们要把整体图形切成几个长度为 $\frac{\pi}{2}$ 的**“标准块”**（即对称区间）。

当我们将区间化为数个 $\frac{\pi}{2}$ 标准块后，结合指数的奇偶性来判定各块的正负号及抵消关系。例如，面对上限为奇数个 $\frac{\pi}{2}$ 块的区间 $[0, \frac{3\pi}{2}]$（包含 3 个标准块时）：

搭配偶数次幂时（例如 $\int_0^{3\pi/2} \sin^4 x , dx$）： 因为是偶数次幂，所有标准块的图像均位于 $x$ 轴上方。3 个标准块的面积全部为正，直接无脑相加！ $$ \int_0^{3\pi/2} \sin^4 x , dx = \mathbf{3 \times I_4} \quad \text{（套用偶数版公式）} $$
搭配奇数次幂时（例如 $\int_0^{3\pi/2} \sin^3 x , dx$）： 因为是奇数次幂，正负号得以保留。我们将区间 $[0, \frac{3\pi}{2}]$ 拆成三块标准块分析其正负面积：
1. 第一块 $[0, \frac{\pi}{2}]$：正半周 $\implies$ 正面积
2. 第二块 $[\frac{\pi}{2}, \pi]$：正半周 $\implies$ 正面积
3. 第三块 $[\pi, \frac{3\pi}{2}]$：负半周 $\implies$ 负面积
此时，第二块的正面积会刚好与第三块的负面积“完美吃掉”（抵消为 0）！整个区间只剩下了第一块的面积： $$ \int_0^{3\pi/2} \sin^3 x , dx = \mathbf{1 \times I_3} \quad \text{（套用奇数版公式）} $$

📌 实战秒杀心法总结：

先看指数 $n$：
- 指数是偶数 $\implies$ 选用乘 $\frac{\pi}{2}$ 版公式；
- 指数是奇数 $\implies$ 选用乘 $1$ 版公式。
后看区间块：
- 拆解出区间里含有多少个 $\frac{\pi}{2}$ 块；
- 依据函数图像和指数奇偶，心算或手画正负号，得出净余块数，直接作为系数乘在公式最前面！

✨ 第三部分：高阶合流——用 Beta 函数“降维统一”点火公式

许多人认为点火公式只是一个独立的初等数学公式。然而，在高等数学的宏伟蓝图中：点火公式不过是贝塔函数三角形式的一个天然特例！

我们来见证这个奇迹般的统一。根据贝塔函数的定义式 2：

$$ B(p, q) = 2 \int_0^{\pi/2} (\sin\theta)^{2p-1} (\cos\theta)^{2q-1} d\theta $$

如果我们想要计算点火积分 $I_n = \int_0^{\pi/2} \sin^n \theta d\theta$，我们只需令：

$2p - 1 = n \implies p = \frac{n+1}{2}$
$2q - 1 = 0 \implies q = \frac{1}{2}$

带入定义式，瞬间得到：

$$ I_n = \frac{1}{2} B\left(\frac{n+1}{2}, \frac{1}{2}\right) $$

利用“桥梁公式”将其转换为 Gamma 函数：

$$ I_n = \frac{1}{2} \frac{\Gamma\left(\frac{n+1}{2}\right)\Gamma\left(\frac{1}{2}\right)}{\Gamma\left(\frac{n+1}{2} + \frac{1}{2}\right)} = \frac{\sqrt{\pi}}{2} \frac{\Gamma\left(\frac{n+1}{2}\right)}{\Gamma\left(\frac{n}{2} + 1\right)} $$

我们通过这行极简的 $\Gamma$ 表达式，分别代入奇偶数来验证它是否与点火公式完全一致：

(i) 当 $n$ 为偶数 $2k$ 时：

代入表达式：

$$ I_{2k} = \frac{\sqrt{\pi}}{2} \frac{\Gamma\left(k + \frac{1}{2}\right)}{\Gamma(k + 1)} $$

我们知道 $\Gamma(k+1) = k!$，且利用递推性质展开半整数的伽马函数：

$$ \Gamma\left(k + \frac{1}{2}\right) = \left(k - \frac{1}{2}\right)\left(k - \frac{3}{2}\right)\dots \frac{1}{2}\Gamma\left(\frac{1}{2}\right) = \frac{(2k-1)!!}{2^k} \sqrt{\pi} $$

代入原式：

$$ I_{2k} = \frac{\sqrt{\pi}}{2} \frac{\frac{(2k-1)!!}{2^k} \sqrt{\pi}}{k!} = \frac{(2k-1)!!}{2^{k+1} k!} \pi $$

因为 $2^{k} k! = (2k)!!$，所以：

$$ I_{2k} = \frac{(2k-1)!!}{(2k)!!} \frac{\pi}{2} = \frac{2k-1}{2k} \cdot \frac{2k-3}{2k-2}\dots \frac{1}{2} \cdot \frac{\pi}{2} $$

这正好与偶数点火公式完美重合！

(ii) 当 $n$ 为奇数 $2k-1$ 时：

代入表达式：

$$ I_{2k-1} = \frac{\sqrt{\pi}}{2} \frac{\Gamma(k)}{\Gamma\left(k - \frac{1}{2} + 1\right)} = \frac{\sqrt{\pi}}{2} \frac{(k-1)!}{\Gamma\left(k + \frac{1}{2}\right)} $$

代入刚才推导出的 $\Gamma(k+1/2)$ 展开式：

$$ I_{2k-1} = \frac{\sqrt{\pi}}{2} \frac{(k-1)!}{\frac{(2k-1)!!}{2^k} \sqrt{\pi}} = \frac{2^{k-1}(k-1)!}{(2k-1)!!} $$

由于 $2^{k-1}(k-1)! = (2k-2)!!$，所以：

$$ I_{2k-1} = \frac{(2k-2)!!}{(2k-1)!!} = \frac{2k-2}{2k-1} \cdot \frac{2k-4}{2k-3}\dots \frac{2}{3} $$

这同样与奇数点火公式完美重合！

✨ 合流感言： 初等数学中分类讨论、繁琐递推得到的 Wallis 连乘，在欧拉积分的高维视角下，不过是 Gamma 函数在整数与半整数自变量下体现出的优美算术规律。这种降维统一的数学韵律，正是院试考官最喜欢在综合大题中考察的高端素养！

📘 第四部分：书本定理与收敛性证明（例题 28 & 例题 30）

在享受秒杀的乐趣之前，我们必须脚踏实地，掌握这两个核心函数的严谨收敛性证明。

1. 贝塔函数 $B(p, q)$ 的收敛性证明（例题 28）

贝塔函数的定义式为： $$B(p, q) = \int_0^1 x^{p-1}(1-x)^{q-1} dx \quad (p>0, q>0)$$

我们要证明其在 $p>0, q>0$ 时必定收敛。

💡 证明核心：奇点分割

由于在 $0 < p < 1$ 和 $0 < q < 1$ 时，积分区间 $[0, 1]$ 的两个端点 $x=0$ 和 $x=1$ 分别是无界被积函数的奇点。因此我们必须将区间一分为二，在中点 $x=1/2$ 处“一刀切开”：

$$ B(p, q) = I_1 + I_2 = \int_0^{1/2} x^{p-1}(1-x)^{q-1} dx + \int_{1/2}^1 x^{p-1}(1-x)^{q-1} dx $$

✏️ 证明步骤：

当 $p \ge 1$ 且 $q \ge 1$ 时：被积函数连续有界，属于普通定积分，显然收敛。
当 $0 < p < 1$ 时证明 $I_1$：此时奇点为下限 $x=0$。我们引入极限审敛法，选择标准积分的除项 $x^{1-p}$ 对比： $$ \lim_{x \to 0^+} x^{1-p} \left{ x^{p-1}(1-x)^{q-1} \right} = \lim_{x \to 0^+} (1-x)^{q-1} = 1 $$ 因为极限为非零常数，且 $0 < p < 1 \implies 1-p < 1$。根据比较审敛定理，指数小于 $1$ 时积分收敛，故 $I_1$ 收敛。
证明 $I_2$：奇点为上限 $x=1$。令 $t = 1 - x$，则 $I_2$ 转化为： $$ I_2 = \int_0^{1/2} t^{q-1}(1-t)^{p-1} dt $$ 此积分形式与 $I_1$ 完全对称（只需对调 $p$ 和 $q$）。根据上步结论，在 $q>0$ 时 $I_2$ 收敛。

因此，当 $p>0, q>0$ 时，$B(p, q)$ 整体收敛。

2. 伽马函数 $\Gamma(p)$ 的收敛性证明（例题 30）

伽马函数的定义式为： $$\Gamma(p) = \int_0^\infty e^{-x} x^{p-1} dx \quad (p>0)$$

💡 证明核心：双重奇点分析

该积分同时具有在 $x=0$ 处的无界特异积分问题（当 $0 < p < 1$ 时）和 $x \to \infty$ 处的无穷区间无限积分问题。我们选择分裂点 $c > 0$，拆分为：

$$ \Gamma(p) = I_1 + I_2 = \int_0^c e^{-x} x^{p-1} dx + \int_c^\infty e^{-x} x^{p-1} dx $$

✏️ 证明步骤：

证明 $I_1$ 的收敛性（特异积分）：若 $p \ge 1$，无奇点，积分为普通定积分。若 $0 < p < 1$，$x=0$ 是奇点。采用极限审敛法： $$ \lim_{x \to 0^+} x^{1-p} \left{ e^{-x} x^{p-1} \right} = \lim_{x \to 0^+} e^{-x} = 1 $$ 因为极限存在，且当 $0<p<1$ 时审敛指数满足 $1-p < 1$，所以 $I_1$ 收敛。
证明 $I_2$ 的收敛性（无限积分）：由于指数函数在无穷远处的增长速度压倒一切幂函数，我们有 $\lim_{x \to \infty} \frac{x^{p+1}}{e^x} = 0$。根据极限的定义，必定存在足够大的 $c \le x$，使得在该范围内： $$ e^{-x} x^{p+1} < 1 \implies e^{-x} x^{p-1} < \frac{1}{x^2} $$ 因为比较积分 $\int_c^\infty \frac{1}{x^2} dx$ 的指数满足 $2 > 1$，必定收敛。根据比较定理，较小的正函数积分也必收敛，故 $I_2$ 收敛。

综上所述，当 $p>0$ 时，$\Gamma(p)$ 整体收敛。

📝 第五部分：书本课后习题保姆级详解

我们对书本上的所有经典习题进行最详尽、不留死角的解答。

1. 问题 28.1 详解

(1) 计算 $B\left(\frac{1}{2}, 1\right)$ 直接代入幂积分公式： $$ B\left(\frac{1}{2}, 1\right) = \int_0^1 x^{-1/2} dx = \left[ 2\sqrt{x} \right]_0^1 = \mathbf{2} $$

(2) 计算 $B\left(\frac{1}{2}, \frac{1}{2}\right)$ 分母含有二次根式，采用极具技巧性的三角换元法。令 $x = \sin^2\theta$，则 $dx = 2\sin\theta\cos\theta d\theta$。代入积分： $$ B\left(\frac{1}{2}, \frac{1}{2}\right) = \int_0^{\pi/2} \frac{2\sin\theta\cos\theta}{\sqrt{\sin^2\theta (1-\sin^2\theta)}} d\theta = \int_0^{\pi/2} \frac{2\sin\theta\cos\theta}{\sin\theta\cos\theta} d\theta = \int_0^{\pi/2} 2 d\theta = \mathbf{\pi} $$

2. 问题 28.2 详解

(1) 证明 $B(p, q) = B(q, p)$ 令 $t = 1 - x \implies dx = -dt$。 $$ B(p, q) = \int_1^0 (1-t)^{p-1} t^{q-1} (-dt) = \int_0^1 t^{q-1}(1-t)^{p-1} dt = B(q, p) \quad \text{(证毕)} $$

(2) 证明 $B(p+1, q) = \frac{p}{q} B(p, q+1)$ 利用分部积分法。

令 $u = x^p \implies du = p x^{p-1} dx$
令 $dv = (1-x)^{q-1} dx \implies v = -\frac{(1-x)^q}{q}$

$$ B(p+1, q) = \left[ -x^p \frac{(1-x)^q}{q} \right]_0^1 + \frac{p}{q} \int_0^1 x^{p-1} (1-x)^q dx $$

由于在端点 $x=0$ 处 $x^p = 0$（因为 $p>0$），在 $x=1$ 处 $(1-x)^q = 0$（因为 $q>0$），所以第一项端点值完全为 $0$。剩下的积分部分： $$ = 0 + \frac{p}{q} \int_0^1 x^{p-1} (1-x)^q dx = \frac{p}{q} B(p, q+1) \quad \text{(证毕)} $$

(3) 证明 $B(m, n) = \frac{(m-1)!(n-1)!}{(m+n-1)!}$ （$m, n$ 为自然数） 利用递推公式 (2) 不断做“套娃”递推： $$ B(m, n) = \frac{m-1}{n} B(m-1, n+1) = \frac{m-1}{n} \cdot \frac{m-2}{n+1} B(m-2, n+2) = \dots $$ 经过 $m-1$ 次降低左参数后： $$ = \frac{(m-1)!}{n(n+1)\dots (n+m-2)} B(1, n+m-1) $$ 而根据定义计算边界项： $$ B(1, n+m-1) = \int_0^1 (1-x)^{n+m-2} dx = \left[ -\frac{(1-x)^{n+m-1}}{n+m-1} \right]_0^1 = \frac{1}{n+m-1} $$ 代入递推式尾部： $$ B(m, n) = \frac{(m-1)!}{n(n+1)\dots (n+m-1)} $$ 分子分母同时乘以 $(n-1)!$，整理阶乘式可得： $$ B(m, n) = \frac{(m-1)!(n-1)!}{(m+n-1)!} \quad \text{(证毕)} $$

3. 问题 30.1 详解

(1) 证明 $\Gamma(p+1) = p\Gamma(p)$ 根据定义式，利用分部积分法： $$ \Gamma(p+1) = \int_0^\infty e^{-x} x^p dx $$

令 $u = x^p \implies du = p x^{p-1} dx$
令 $dv = e^{-x} dx \implies v = -e^{-x}$

$$ \Gamma(p+1) = \left[ -e^{-x} x^p \right]_0^\infty + p \int_0^\infty e^{-x} x^{p-1} dx $$

在上限 $x \to \infty$ 处，指数级衰减满足 $\lim_{x\to\infty} \frac{x^p}{e^x} = 0$；在下限 $x = 0$ 处，$0^p = 0$。因此第一项端点值完全为 $0$。所以： $$ \Gamma(p+1) = 0 + p \int_0^\infty e^{-x} x^{p-1} dx = p \Gamma(p) \quad \text{(证毕)} $$

(2) 证明 $\Gamma(1) = 1$ 且 $\Gamma(n+1) = n!$

首先计算 $\Gamma(1)$： $$ \Gamma(1) = \int_0^\infty e^{-x} dx = \left[ -e^{-x} \right]_0^\infty = 1 $$
当 $n$ 为自然数时，循环套用递推公式： $$ \Gamma(n+1) = n \Gamma(n) = n(n-1)\dots 1 \cdot \Gamma(1) = n! \quad \text{(证毕)} $$

4. 问题 30.2 详解

(1) 判别 $\int_0^1 \frac{\sin x}{\sqrt{x}} dx$ 的存在性 虽然在 $x=0$ 处看似分母为 $0$，但我们考察其右极限：由于等价无穷小 $\sin x \sim x$，有： $$ \lim_{x \to 0^+} \frac{\sin x}{\sqrt{x}} = \lim_{x \to 0^+} \frac{x}{\sqrt{x}} = \lim_{x \to 0^+} \sqrt{x} = 0 $$ 该极限存在且为有限常数，说明被积函数在区间 $[0, 1]$ 上事实上是有界的，$x=0$ 只是一个可去奇点。这本质上只是一个普通的定积分，因此该广义积分必定存在（收敛）。

(2) 判别 $\int_0^\infty \frac{1}{\sqrt{1+x^4}} dx$ 的存在性 被积函数在 $[0, \infty)$ 上连续无界处仅在无穷远处 $x \to \infty$。我们使用极限审敛法：当 $x \to \infty$ 时，被积函数满足等价关系 $\frac{1}{\sqrt{1+x^4}} \sim \frac{1}{x^2}$。考察其与标准积分 $\int_1^\infty \frac{1}{x^2} dx$ 的极限： $$ \lim_{x \to \infty} \frac{\frac{1}{\sqrt{1+x^4}}}{\frac{1}{x^2}} = 1 $$ 由于比较基准积分的指数满足 $2 > 1$，必定收敛。根据比较定理的极限形式，原积分在无穷远处也必定收敛。因此该广义积分必定存在（收敛）。

🔍 第六部分：经典院试真题大 PK

我们来看下面这道经典的广义积分题：

$$ I = \int_0^\infty \frac{dx}{\sqrt{3}\sqrt[3]{e^x-1}} $$

(注：此处以最纯粹的根式形式 $I = \int_0^\infty \frac{dx}{\sqrt[3]{e^x-1}}$ 为例展示推导)

🛠️ 共同的起点：第一步换元

面对分母中根式与超越函数 $e^x$ 的组合，第一步令 $t = e^x$ 进行代数化，消除指数函数。

当 $t = e^x$ 时，有 $x = \log t \implies dx = \frac{1}{t} dt$。

积分上下限：当 $x=0$ 时，$t=1$；当 $x\to\infty$ 时，$t\to\infty$。

原积分成功转换为纯代数积分：

$$ I = \int_1^\infty \frac{1}{\sqrt[3]{t-1}} \cdot \frac{1}{t} dt = \int_1^\infty (t-1)^{-\frac{1}{3}} t^{-1} dt $$

走到这一步，因为式子中带有分数次幂（$-\frac{1}{3}$），无法直接积出。现在，我们有两条完全不同的路线可以走。

路线一：常规代数路线（标准答案做法）

如果走常规路线，我们的目标是把无理次幂强行变成有理次幂。

1. 第二步换元

令 $z^3 = t - 1$ （即 $z = \sqrt[3]{t-1}$）。此时有 $t = z^3 + 1 \implies dt = 3z^2 dz$。

积分上下限：当 $t=1$ 时，$z=0$；当 $t \to \infty$ 时，$z \to \infty$。

将它们代入积分式：

$$ I = \int_0^\infty (z^3)^{-\frac{1}{3}} \cdot \frac{1}{z^3+1} \cdot 3z^2 dz = \int_0^\infty \frac{1}{z} \cdot \frac{3z^2}{z^3+1} dz = \int_0^\infty \frac{3z}{z^3+1} dz $$

这个式子和标准答案里的积分形式完全一致，剩下的就是纯粹的微积分基本功折磨了。

2. 有理函数拆项

为了积分 $\int_0^\infty \frac{3z}{z^3+1} dz$，我们需要对分母进行因式分解：$z^3+1 = (z+1)(z^2-z+1)$。利用待定系数法进行有理拆分：

$$ \frac{3z}{(z+1)(z^2-z+1)} = \frac{z+1}{z^2-z+1} - \frac{1}{z+1} $$

(通分心算校验：$(z+1)^2 - (z^2-z+1) = z^2+2z+1 - z^2+z-1 = 3z$，分子完美吻合！)

3. 凑微分与配方

我们对第一项进行凑微分和配方，以便分别积出自然对数 $\log$ 和反正切 $\tan^{-1}$：

凑对数项：$(z^2-z+1)' = 2z-1$。因此将分子 $z+1$ 拆写为 $\frac{1}{2}(2z-1) + \frac{3}{2}$。
凑反正切项：分母配方得到 $z^2-z+1 = \left(z-\frac{1}{2}\right)^2 + \frac{3}{4}$。

带回原积分中：

$$ I = \int_0^\infty \left( \frac{\frac{1}{2}(2z-1)}{z^2-z+1} + \frac{\frac{3}{2}}{\left(z-\frac{1}{2}\right)^2 + \frac{3}{4}} - \frac{1}{z+1} \right) dz $$

$$ = \left[ \frac{1}{2} \log(z^2-z+1) + \frac{3}{2} \cdot \frac{1}{\frac{\sqrt{3}}{2}} \tan^{-1}\frac{z-1/2}{\frac{\sqrt{3}}{2}} - \log(z+1) \right]_0^\infty $$

将对数项合并整理，并将反正切项常数化简：

$$ = \left[ \log\frac{\sqrt{z^2-z+1}}{z+1} + \sqrt{3} \tan^{-1}\frac{2z-1}{\sqrt{3}} \right]_0^\infty $$

4. 精确求极限

在代入积分上限 $\infty$ 和下限 $0$ 时，必须极其小心极限项：

当 $z \to \infty$ 时：
- 对数项：$\lim_{z\to\infty} \frac{\sqrt{z^2-z+1}}{z+1} = 1 \implies \log 1 = 0$。
- 反正切项：$\lim_{z\to\infty} \tan^{-1}\frac{2z-1}{\sqrt{3}} = \frac{\pi}{2}$。
当 $z = 0$ 时：
- 对数项：$\log\frac{1}{1} = 0$。
- 反正切项：$\tan^{-1}\left(-\frac{1}{\sqrt{3}}\right) = -\frac{\pi}{6}$。

代入边界值做差：

$$ I = \left( 0 + \sqrt{3} \cdot \frac{\pi}{2} \right) - \left( 0 + \sqrt{3} \cdot \left(-\frac{\pi}{6}\right) \right) $$

$$ = \sqrt{3}\pi \left( \frac{1}{2} + \frac{1}{6} \right) = \sqrt{3}\pi \cdot \frac{2}{3} = \mathbf{\frac{2\sqrt{3}}{3}\pi} $$

💡 路线一总结： 这是一条堂堂正正的常规解法，也是绝大多数答案给出的解法。然而其缺点是显而易见的：有理拆分步骤繁琐、凑微分配方容错率极低、边界极限稍有不慎就会丢掉正负号。 在考场的紧张氛围下，非常消耗体力和答题时间。

路线二：欧拉积分秒杀路线（降维打击）

现在，让我们把视线重新拉回到你最初成功化简出的纯代数积分式：

$$ I = \int_1^\infty t^{-1} (t-1)^{-\frac{1}{3}} dt $$

既然这已经是一个纯粹的代数广义积分，我们只要做一个简单的倒数换元，就能直接召唤 Beta 函数！

1. 倒数换元

令 $v = \frac{1}{t}$，则有 $t = \frac{1}{v}$， $dt = -\frac{1}{v^2} dv$。

积分上下限：当 $t=1$ 时，$v=1$；当 $t \to \infty$ 时，$v=0$。

代入原式中：

$$ I = \int_1^0 v \cdot \left(\frac{1}{v}-1\right)^{-\frac{1}{3}} \cdot \left(-\frac{1}{v^2}\right) dv $$

利用微分项前面的负号把积分上下限颠倒回来：

$$ = \int_0^1 \frac{1}{v} \cdot \left(\frac{1-v}{v}\right)^{-\frac{1}{3}} dv $$

整理幂次项合并：

$$ = \int_0^1 \frac{1}{v} \cdot (1-v)^{-\frac{1}{3}} \cdot v^{\frac{1}{3}} dv $$

$$ = \int_0^1 v^{-\frac{2}{3}} (1-v)^{-\frac{1}{3}} dv $$

2. 识别 Beta 函数与秒杀

睁大双眼，这个积分完全符合贝塔函数的标准定义式！

$$ B(p, q) = \int_0^1 v^{p-1}(1-v)^{q-1} dv $$

我们进行无脑的指数对照：

$p-1 = -\frac{2}{3} \implies p = \frac{1}{3}$
$q-1 = -\frac{1}{3} \implies q = \frac{2}{3}$

所以，原积分值直接就是：

$$ I = B\left(\frac{1}{3}, \frac{2}{3}\right) $$

此时，我们通过“桥梁公式”把它翻译为 Gamma 函数，并直接套用余元公式进行收割：

$$ B\left(\frac{1}{3}, \frac{2}{3}\right) = \frac{\Gamma\left(\frac{1}{3}\right)\Gamma\left(\frac{2}{3}\right)}{\Gamma\left(\frac{1}{3}+\frac{2}{3}\right)} = \frac{\Gamma\left(\frac{1}{3}\right)\Gamma\left(\frac{2}{3}\right)}{\Gamma(1)} $$

由于 $\Gamma(1) = 1$，且因为 $\frac{2}{3} = 1 - \frac{1}{3}$，套用余元公式 $\Gamma(x)\Gamma(1-x) = \frac{\pi}{\sin(\pi x)}$：

$$ = \frac{\pi}{\sin\left(\frac{\pi}{3}\right)} = \frac{\pi}{\frac{\sqrt{3}}{2}} = \mathbf{\frac{2\sqrt{3}}{3}\pi} $$

答案同样是 $\frac{2\sqrt{3}}{3}\pi$！没有繁琐的因式分解，没有复杂的凑积分和配方，没有任何需要求极限的边界踩坑点，直接三行出答案！

🚀 第七部分：点火公式（Wallis）在几何应用中的实战神威

前面我们梳理了点火公式的推导、避坑指南，以及它与贝塔函数的合流。但在真正的日本院试中，点火公式最常作为求积分的终极收割武器，隐藏在经典的几何应用大题中。

我们来看书本中的 31.1 星芒形（Astroid） 与 31.2 摆线（Cycloid） 这两道院试常青藤题目：

这两道题虽然考查的是直角坐标与参数方程的面积与弧长，但有趣的是：它们的最后一步计算，全都要依赖点火公式进行收割！

我们结合书本的解答，对这两道题进行最详尽的中文手撕和剖析：

1. 问题 31.1：星芒形 $x^{2/3} + y^{2/3} = a^{2/3} \ (a > 0)$ 的面积及全长

星芒形（Astroid，又称四尖瓣线）由于在四个象限高度对称，其面积和弧长均可以通过第一象限的图形对称求解。

📐 (1) 面积计算的深度拆解：

第一步：明确所用的积分公式与对称性

星芒形是由四条对称的弧线围成的封闭图形，其在四个象限的面积完全对称。在第一象限，自变量 $x$ 的范围为 $[0, a]$，此时对应的 $y \ge 0$。根据直角坐标系下的标准面积公式 $S = \int_{x_1}^{x_2} y dx$，第一象限的面积为 $\int_0^a y dx$。利用对称性，整体面积 $S$ 直接等于第一象限面积的 4 倍： $$ S = 4 \int_0^a y dx $$

第二步：反解出 $y$ 的表达式

从星芒形的方程 $x^{2/3} + y^{2/3} = a^{2/3}$ 出发，我们需要把 $y$ 显式地用 $x$ 表示出来： $$ y^{2/3} = a^{2/3} - x^{2/3} \implies y = \left( a^{2/3} - x^{2/3} \right)^{3/2} $$ 代入第一步的对称积分公式，得到待求面积的定积分式： $$ S = 4 \int_0^a \left( a^{2/3} - x^{2/3} \right)^{3/2} dx $$

第三步：精妙的三角换元及消去无理次幂

这个积分含有极其棘手的 $2/3$ 次幂与 $3/2$ 次幂，直接积分是做不出来的。为了消去无理数次幂，我们需要引入经典的三角代换。令 $x = a \sin^3 \theta$。为什么是 $\sin^3\theta$ 呢？因为这样可以完美消去分母上的三次方根：

计算 $x^{2/3}$ 项： $$ x^{2/3} = \left( a \sin^3 \theta \right)^{2/3} = (a^{2/3}) \cdot \left(\sin^3\theta\right)^{2/3} = a^{2/3} \sin^2\theta $$
代入根式内部化简： $$ a^{2/3} - x^{2/3} = a^{2/3} - a^{2/3} \sin^2\theta = a^{2/3} (1 - \sin^2\theta) = a^{2/3} \cos^2\theta $$
再对其进行 $3/2$ 次方幂运算（直接把分数次幂全部化为有理整数幂！）： $$ y = \left( a^{2/3} - x^{2/3} \right)^{3/2} = \left( a^{2/3} \cos^2\theta \right)^{3/2} = a \cos^3\theta $$ (在第一象限，$\theta \in [0, \pi/2]$，余弦值 $\cos\theta$ 恒为正，无需加绝对值)

第四步：代入微分项 $dx$ 与转换积分区间

既然做了解析换元 $x = a \sin^3 \theta$，我们必须同时更换微分项 $dx$ 和 积分上下限：

求导得出微分项： $$ dx = d(a \sin^3\theta) = a \cdot 3\sin^2\theta \cdot (\sin\theta)' d\theta = 3a \sin^2\theta \cos\theta d\theta $$
映射积分上下限：
- 当下限 $x = 0$ 时，有 $a \sin^3\theta = 0 \implies \sin\theta = 0 \implies \theta = 0$。
- 当上限 $x = a$ 时，有 $a \sin^3\theta = a \implies \sin^3\theta = 1 \implies \sin\theta = 1 \implies \theta = \frac{\pi}{2}$。

第五步：全面代入积分式进行整合

将第三步化简后的 $y = a\cos^3\theta$、第四步求出的 $dx = 3a\sin^2\theta\cos\theta d\theta$ 以及新区间 $[0, \pi/2]$ 全部带回原积分： $$ S = 4 \int_0^{\pi/2} \left( a \cos^3\theta \right) \cdot \left( 3a \sin^2\theta \cos\theta d\theta \right) $$ 把常数提到最前面： $$ = 12a^2 \int_0^{\pi/2} \sin^2\theta \cos^4\theta d\theta $$

第六步：利用三角恒等式拆项并召唤点火公式

为了使用 Wallis / 点火公式，我们需要把被积函数化为纯正弦或纯余弦形式。我们将 $\sin^2\theta$ 换写为 $1 - \cos^2\theta$： $$ S = 12a^2 \int_0^{\pi/2} (1 - \cos^2\theta) \cos^4\theta d\theta = 12a^2 \left( \int_0^{\pi/2} \cos^4\theta d\theta - \int_0^{\pi/2} \cos^6\theta d\theta \right) $$ 现在，直接套用我们第二部分学过的偶数版点火公式（结尾乘以 $\frac{\pi}{2}$）：

计算 $I_4$： $$ \int_0^{\pi/2} \cos^4\theta d\theta = \frac{3}{4} \cdot \frac{1}{2} \cdot \frac{\pi}{2} = \frac{3\pi}{16} $$
计算 $I_6$： $$ \int_0^{\pi/2} \cos^6\theta d\theta = \frac{5}{6} \cdot \frac{3}{4} \cdot \frac{1}{2} \cdot \frac{\pi}{2} = \frac{5\pi}{32} $$

带回两项相减中，大功告成： $$ S = 12a^2 \left( \frac{3\pi}{16} - \frac{5\pi}{32} \right) = 12a^2 \left( \frac{6\pi - 5\pi}{32} \right) = 12a^2 \cdot \frac{\pi}{32} = \mathbf{\frac{3\pi a^2}{8}} $$

无需任何复杂的二倍角降幂公式，直接秒杀！

📐 (2) 全长计算：

星芒形全长 $L$ 同样是第一象限弧长的 4 倍。对于第一象限 $y = (a^{2/3} - x^{2/3})^{3/2}$，对其求导：

$$ \frac{dy}{dx} = \frac{3}{2}(a^{2/3} - x^{2/3})^{1/2} \cdot \left( -\frac{2}{3}x^{-1/3} \right) = -\frac{(a^{2/3} - x^{2/3})^{1/2}}{x^{1/3}} $$

代入弧长微分勾股微元 $1 + y'^2$ 中进行化简：

$$ 1 + \left(\frac{dy}{dx}\right)^2 = 1 + \frac{a^{2/3} - x^{2/3}}{x^{2/3}} = \frac{a^{2/3}}{x^{2/3}} \quad (x \neq 0) $$

因此，全长 $L$ 为（利用极限避免 $x=0$ 处的无界奇点）：

$$ L = 4 \lim_{\varepsilon \to +0} \int_\varepsilon^a \sqrt{\frac{a^{2/3}}{x^{2/3}}} dx = 4 \lim_{\varepsilon \to +0} \int_\varepsilon^a a^{1/3} x^{-1/3} dx $$

$$ = 4a^{1/3} \left[ \frac{3}{2}x^{2/3} \right]_0^a = 4a^{1/3} \cdot \frac{3}{2}a^{2/3} = \mathbf{6a} $$

星芒形的全长为极其简洁的 $6a$！

2. 问题 31.2：摆线 $x = a(\theta - \sin\theta), y = a(1 - \cos\theta) \ (0 \le \theta \le 2\pi)$ 与 x 轴所包围的面积

摆线（Cycloid）是经典的参数方程图形，其围成的拱形区域高度对称。

📐 面积计算的深度拆解：

第一步：明确所用的参数方程面积公式

在直角坐标系中，曲线下方的标准面积公式为： $$ S = \int_{x_1}^{x_2} y dx $$ 由于曲线是用参数方程 $x = x(\theta), y = y(\theta)$ 给出的，为了能对参数 $\theta$ 进行积分，我们必须执行积分变量更换（积分换元）。利用微分关系： $$ dx = x'(\theta) d\theta = \frac{dx}{d\theta} d\theta $$ 将其代入标准直角坐标面积公式，即得到了参数方程下的面积公式： $$ S = \int_{\theta_1}^{\theta_2} y(\theta) \frac{dx}{d\theta} d\theta $$ 摆线的一拱对应 $x$ 范围在 $[0, 2\pi a]$ 之间，这正好无缝对应了角度自变量 $\theta$ 的范围从 $0$ 变到 $2\pi$。

第二步：计算导数项并全面代入

已知摆线的方程：

$y = a(1 - \cos\theta)$
$x = a(\theta - \sin\theta) \implies \frac{dx}{d\theta} = a(1 - \cos\theta)$

将这两项全面带入第一步的参数方程面积公式中： $$ S = \int_0^{2\pi} \left[ a(1 - \cos\theta) \right] \cdot \left[ a(1 - \cos\theta) \right] d\theta $$ 整理常数并合并平方项： $$ = a^2 \int_0^{2\pi} (1 - \cos\theta)^2 d\theta $$

第三步：应用三角恒等式降幂

为了对 $(1 - \cos\theta)^2$ 进行积分，我们采用经典的半角公式： $$ 1 - \cos\theta = 2 \sin^2 \frac{\theta}{2} $$ 所以有： $$ (1 - \cos\theta)^2 = \left( 2 \sin^2 \frac{\theta}{2} \right)^2 = 4 \sin^4 \frac{\theta}{2} $$ 代回原积分式中： $$ S = a^2 \int_0^{2\pi} 4 \sin^4 \frac{\theta}{2} d\theta $$

第四步：换元凑出点火公式边界

我们需要将 $\sin^4 \frac{\theta}{2}$ 的自变量化简。令 $t = \frac{\theta}{2}$。

计算微分项： $$ dt = \frac{1}{2} d\theta \implies d\theta = 2 dt $$
映射积分区间上下限：
- 当下限 $\theta = 0 \to t = 0$。
- 当上限 $\theta = 2\pi \to t = \pi$。

代入第四步换元后的式子： $$ S = a^2 \int_0^\pi \left( 4\sin^4 t \right) \cdot (2 dt) = 8a^2 \int_0^\pi \sin^4 t dt $$

第五步：利用对称性区间翻倍，完美结合点火公式

注意看，此时的积分区间为 $[0, \pi]$，我们不能直接使用上限为 $\pi/2$ 的点火公式。但是，由于被积函数 $\sin^4 t$ 是偶数次幂，它关于 $t = \pi/2$ 是对称的（因为 $\sin(\pi - t) = \sin t \implies \sin^4(\pi-t) = \sin^4 t$）。也就是说，区间 $[0, \pi]$ 扫过的面积，恰好等于区间 $[0, \pi/2]$ 扫过的面积的 2 倍（对应我们前文总结的：包含 2 个标准块）： $$ \int_0^\pi \sin^4 t dt = 2 \int_0^{\pi/2} \sin^4 t dt $$ 代入这一对称性： $$ S = 8a^2 \cdot \left( 2 \int_0^{\pi/2} \sin^4 t dt \right) = 16a^2 \int_0^{\pi/2} \sin^4 t dt $$

第六步：套用点火公式直接秒杀

直接套用偶数版点火公式（自变量 $n=4$，结尾乘以 $\frac{\pi}{2}$）： $$ \int_0^{\pi/2} \sin^4 t dt = I_4 = \frac{3}{4} \cdot \frac{1}{2} \cdot \frac{\pi}{2} = \frac{3\pi}{16} $$ 代入完成最后一步计算： $$ S = 16a^2 \cdot \frac{3\pi}{16} = \mathbf{3\pi a^2} $$ 摆线面积直接秒杀，为完美的 $3\pi a^2$！

🚀 第八部分：几何应用综合检阅——从直角坐标到极坐标的代数合围（问题 32.1 & 32.2）

在完成了前面的核心定理证明与经典题 PK 后，我们来迎战第二章与第三章几何应用的综合检阅大题。这两组习题（书本第 94 页，PDF 第 104 页）融合了直角坐标下的面积/弧长、极坐标系经典曲线（三叶线、双纽线）以及极为巧妙的参数方程代换，是院试出题的绝佳温床。

1. 问题 32.1 详解（面积计算）

求面积的核心在于：通过联立方程锁定积分区间，并精确判定上下边界函数（或极坐标下的积分扇形区域）。

(1) 双曲线 $xy + x + y = 1$ 与两坐标轴正半轴围成的面积

解题直觉：需要先将隐函数显式化为 $y = f(x)$，求出它与坐标轴的交点，然后求定积分。
计算步骤：
1. 变形显式化： $$ y(x+1) = 1-x \implies y = \frac{1-x}{x+1} $$
2. 多项式除法化简（便于积分）： $$ y = \frac{-(x+1) + 2}{x+1} = -1 + \frac{2}{x+1} $$
3. 确定积分区间（求交点）：
  - 令 $x=0 \implies y=1$ （$y$ 轴交点为 $1$）。
  - 令 $y=0 \implies \frac{1-x}{x+1} = 0 \implies x=1$ （$x$ 轴交点为 $1$）。
  - 因此，第一象限内积分范围被锁定在区间 $[0, 1]$。
4. 积分计算： $$ S = \int_0^1 \left( -1 + \frac{2}{x+1} \right) dx = \left[ -x + 2\log|x+1| \right]_0^1 $$ $$ = (-1 + 2\log 2) - (0 + 0) = \mathbf{2\log 2 - 1} $$

(2) 抛物线变种 $\sqrt{x} + \sqrt{y} = \sqrt{a} \ (a > 0)$ 与两坐标轴围成的面积

解题直觉：含有根式，其定义域要求 $x \ge 0, y \ge 0$。边界与坐标轴的交点在端点 $(a, 0)$ 和 $(0, a)$ 处，图形完全在第一象限。
计算步骤：
1. 解出 $y$ 的显式表达式： $$ \sqrt{y} = \sqrt{a} - \sqrt{x} \implies y = (\sqrt{a} - \sqrt{x})^2 = a - 2\sqrt{a}\sqrt{x} + x $$
2. 定积分计算（区间为 $[0, a]$）： $$ S = \int_0^a \left( a - 2\sqrt{a}x^{1/2} + x \right) dx = \left[ ax - 2\sqrt{a} \cdot \frac{2}{3}x^{3/2} + \frac{1}{2}x^2 \right]_0^a $$ $$ = \left( a^2 - \frac{4}{3}a^2 + \frac{1}{2}a^2 \right) - 0 = a^2 \left( 1 - \frac{4}{3} + \frac{1}{2} \right) = \mathbf{\frac{1}{6}a^2} $$

(3) 曲线 $y = \frac{1}{x^2+1}$ 与抛物线 $x^2 = 2y$ 围成的面积

解题直觉：两条曲线围成的封闭区域，需要联立两方程求出交点以锁定积分区间，并判断谁在上方（上限天花板函数），谁在下方（下限地板函数）。
计算步骤：
1. 联立求解交点：将 $y = \frac{x^2}{2}$ 代入 $y = \frac{1}{x^2+1}$： $$ \frac{x^2}{2} = \frac{1}{x^2+1} \implies x^4 + x^2 - 2 = 0 \implies (x^2+2)(x^2-1) = 0 $$ 因为 $x$ 是实数，所以 $x^2 = 1 \implies x = \pm 1$。交点为 $(-1, 1/2)$ 和 $(1, 1/2)$。
2. 判定上下界关系：在区间 $[-1, 1]$ 内，中间点 $x=0$ 处：$\frac{1}{0^2+1} = 1 > \frac{0^2}{2} = 0$，故上限函数为 $y = \frac{1}{x^2+1}$，下限函数为 $y = \frac{x^2}{2}$。并且由于两函数都是偶函数，图像关于 $y$ 轴对称。
3. 对称积分计算（区间变更为 $[0, 1]$ 且整体乘以 2）： $$ S = 2 \int_0^1 \left( \frac{1}{x^2+1} - \frac{x^2}{2} \right) dx = 2 \left[ \tan^{-1}x - \frac{x^3}{6} \right]_0^1 $$ $$ = 2 \left( \tan^{-1}(1) - \frac{1}{6} \right) = 2 \left( \frac{\pi}{4} - \frac{1}{6} \right) = \mathbf{\frac{\pi}{2} - \frac{1}{3}} $$

(4) 三叶线 $r = a\sin 3\theta$ 与圆 $r=a$ 之间部分的面积

解题直觉：这里的“之间部分”指的是大圆的面积减去三叶线所占的总面积。
计算步骤：
1. 计算圆的面积： $$ S_{\text{圆}} = \pi a^2 $$
2. 求三叶线单叶面积：三叶线在 $\theta \in [0, \pi]$ 区间内均匀分布 3 片叶子。令 $r \ge 0 \implies \sin 3\theta \ge 0$，单叶对应的极角区间为 $[0, \pi/3]$： $$ S_{\text{单叶}} = \frac{1}{2} \int_0^{\pi/3} r^2 d\theta = \frac{1}{2} \int_0^{\pi/3} a^2 \sin^2 3\theta d\theta $$ 利用二倍角降幂公式 $\sin^2 3\theta = \frac{1-\cos 6\theta}{2}$： $$ S_{\text{单叶}} = \frac{a^2}{4} \int_0^{\pi/3} (1 - \cos 6\theta) d\theta = \frac{a^2}{4} \left[ \theta - \frac{\sin 6\theta}{6} \right]_0^{\pi/3} $$ $$ = \frac{a^2}{4} \left( \frac{\pi}{3} - 0 \right) = \frac{\pi a^2}{12} $$
3. 计算三叶线总面积： $$ S_{\text{三叶}} = 3 \times S_{\text{单叶}} = 3 \times \frac{\pi a^2}{12} = \frac{\pi a^2}{4} $$
4. 做差求之间面积： $$ S = S_{\text{圆}} - S_{\text{三叶}} = \pi a^2 - \frac{\pi a^2}{4} = \mathbf{\frac{3}{4}\pi a^2} $$

(5) 双纽线 $(x^2+y^2)^2 = a^2(x^2-y^2)$ 所围成的面积

解题直觉：直角坐标系下高次方程极其难解，属于经典的必须采用极坐标公式的题型。
计算步骤：
1. 转换为极坐标方程：代入 $x^2+y^2 = r^2$，$x = r\cos\theta$，$y = r\sin\theta$： $$ (r^2)^2 = a^2(r^2\cos^2\theta - r^2\sin^2\theta) \implies r^4 = a^2 r^2 \cos 2\theta \implies \mathbf{r^2 = a^2\cos 2\theta} $$
2. 确定单叶极角区间：要求 $r^2 \ge 0 \implies \cos 2\theta \ge 0$，因此有： $$ -\frac{\pi}{2} \le 2\theta \le \frac{\pi}{2} \implies -\frac{\pi}{4} \le \theta \le \frac{\pi}{4} $$ 这正好对应双纽线位于右侧的一片完整叶子。
3. 利用对称性积分求总面积（双纽线高度对称，总面积为右侧单叶的 2 倍）： $$ S = 2 \times \left( \frac{1}{2} \int_{-\pi/4}^{\pi/4} r^2 d\theta \right) = \int_{-\pi/4}^{\pi/4} a^2 \cos 2\theta d\theta $$ $$ = 2 \int_0^{\pi/4} a^2 \cos 2\theta d\theta = 2a^2 \left[ \frac{\sin 2\theta}{2} \right]_0^{\pi/4} = 2a^2 \left( \frac{1}{2} - 0 \right) = \mathbf{a^2} $$ (极其漂亮干净的最终结果 $a^2$！)

2. 问题 32.2 详解（曲线长度）

我们重点手撕其中最具有代数化简挑战性的第 (1) 题。这是一道将参数方程代换发挥到极致的弧长巅峰之作。

📐 求曲线 $\sqrt{x} + \sqrt{y} = \sqrt{a}$ 的全长 $L$

解题直觉：如果直接套用直角坐标系弧长公式 $\int \sqrt{1 + y'^2} dx$，代入 $y = (\sqrt{a}-\sqrt{x})^2$ 求导后，根式内部将出现极其丑陋的分式，很难直接积分。书后标准解答采用了一个极其有智慧的参数化代换：令 $x = a\cos^4 t$，$y = a\sin^4 t$。 代入校验：$\sqrt{x} + \sqrt{y} = \sqrt{a}\cos^2 t + \sqrt{a}\sin^2 t = \sqrt{a}(\cos^2 t + \sin^2 t) = \sqrt{a}$。等式完美成立！ 由于曲线完全位于第一象限，参数 $t$ 的取值范围被限定在 $[0, \frac{\pi}{2}]$。
计算步骤：
1. 对参数 $t$ 求一阶导数： $$ \frac{dx}{dt} = 4a\cos^3 t \cdot (-\sin t) = -4a\cos^3 t \sin t $$ $$ \frac{dy}{dt} = 4a\sin^3 t \cdot \cos t = 4a\sin^3 t \cos t $$
2. 计算弧长微元（根式内代数化简）： $$ \left(\frac{dx}{dt}\right)^2 + \left(\frac{dy}{dt}\right)^2 = 16a^2 \cos^6 t \sin^2 t + 16a^2 \sin^6 t \cos^2 t $$ 提取公因式 $16a^2 \sin^2 t \cos^2 t$： $$ = 16a^2 \sin^2 t \cos^2 t \left( \cos^4 t + \sin^4 t \right) $$ 利用三角恒等式降幂：$\cos^4 t + \sin^4 t = (\cos^2 t + \sin^2 t)^2 - 2\sin^2 t \cos^2 t = 1 - 2\sin^2 t \cos^2 t$。由于在区间 $t \in [0, \pi/2]$ 内正余弦值恒为正，开根号求得 $ds$： $$ ds = \sqrt{\left(\frac{dx}{dt}\right)^2 + \left(\frac{dy}{dt}\right)^2} dt = 4a\sin t \cos t \sqrt{1 - 2\sin^2 t \cos^2 t} , dt $$
3. 建立弧长定积分： $$ L = \int_0^{\pi/2} 4a\sin t \cos t \sqrt{1 - 2\sin^2 t \cos^2 t} , dt $$ 【换元法破局】：令 $u = \sin^2 t$ $\implies$ $du = 2\sin t \cos t dt$。同时映射积分上下限：
  - 当下限 $t = 0 \to u = 0$。
  - 当上限 $t = \pi/2 \to u = 1$。
  将 $2\sin^2 t \cos^2 t$ 换写为 $2u(1-u)$。代入原积分中： $$ L = 2a \int_0^1 \sqrt{1 - 2u(1-u)} , du = 2a \int_0^1 \sqrt{2u^2 - 2u + 1} , du $$
4. 配方并套用对数积分公式：对二次三项式配方：$2u^2 - 2u + 1 = 2(u^2 - u + 1/2) = 2\left[ (u - 1/2)^2 + 1/4 \right]$。代入根式，将常数提出： $$ L = 2\sqrt{2}a \int_0^1 \sqrt{\left(u - \frac{1}{2}\right)^2 + \left(\frac{1}{2}\right)^2} , du $$ 令 $v = u - 1/2$ $\implies$ $dv = du$。积分上下限相应变更为 $[-1/2, 1/2]$。利用被积函数的偶对称性，将区间折半翻倍： $$ L = 2\sqrt{2}a \int_{-1/2}^{1/2} \sqrt{v^2 + \left(\frac{1}{2}\right)^2} , dv = 4\sqrt{2}a \int_0^{1/2} \sqrt{v^2 + \left(\frac{1}{2}\right)^2} , dv $$ 套用书本第 52 页著名的【基本积分公式 8】：$\int \sqrt{x^2 + A^2} dx = \frac{x}{2}\sqrt{x^2+A^2} + \frac{A^2}{2}\log|x+\sqrt{x^2+A^2}|$。在这里，我们的自变量为 $v$，常数项 $A = 1/2$： $$ \int_0^{1/2} \sqrt{v^2 + \left(\frac{1}{2}\right)^2} , dv = \left[ \frac{v}{2}\sqrt{v^2 + \frac{1}{4}} + \frac{1}{8}\log\left|v + \sqrt{v^2 + \frac{1}{4}}\right| \right]_0^{1/2} $$
  - 代入上限 $v = 1/2$： $$ \text{第一项} = \frac{1}{4}\sqrt{\frac{1}{4} + \frac{1}{4}} = \frac{\sqrt{2}}{8} $$ $$ \text{第二项} = \frac{1}{8}\log\left|\frac{1}{2} + \frac{\sqrt{2}}{2}\right| = \frac{1}{8}\log\left(\frac{1+\sqrt{2}}{2}\right) $$
  - 代入下限 $v = 0$： $$ \text{第一项} = 0 $$ $$ \text{第二项} = \frac{1}{8}\log\left|0 + \frac{1}{2}\right| = \frac{1}{8}\log\left(\frac{1}{2}\right) $$
  - 做差相减合并： $$ = \frac{\sqrt{2}}{8} + \frac{1}{8}\left[ \log\left(\frac{1+\sqrt{2}}{2}\right) - \log\left(\frac{1}{2}\right) \right] = \frac{\sqrt{2}}{8} + \frac{1}{8}\log(1+\sqrt{2}) $$
5. 乘以最前面的常数系数 $4\sqrt{2}a$ 得到最终结果： $$ L = 4\sqrt{2}a \cdot \left[ \frac{\sqrt{2}}{8} + \frac{1}{8}\log(1+\sqrt{2}) \right] = a + \frac{a}{\sqrt{2}}\log(1+\sqrt{2}) $$ $$ = \mathbf{a + \frac{\sqrt{2}a}{2}\log(1+\sqrt{2})} $$

💡 考场应试方法归纳：关于“画不画图”与“代数破局”的终极心法

很多备考日本院试（修二/专攻）的同学在几何大题中常常纠结：我到底要不要在答题纸或草稿纸上画出精确的函数图像？ 这里我们提炼出最接地气、最高效的考场判定心法：

1. 到底画不画图？（“三画三不画”法则）

🚨 强烈建议画图（或勾勒草图）的场景：
1. 多曲线围成的复合区域（如 32.1 (3) 抛物线与有理函数围成面积）：
  - 理由：必须画图锁定谁是上限“天花板”（天顶函数），谁是下限“地板”（地基函数）。如果仅凭心算，极易在相减时将符号颠倒，或因错判对称区间而漏乘系数。
2. 极坐标系下的旋转对称曲线（如 32.1 (4) 三叶线，32.1 (5) 双纽线）：
  - 理由：极坐标的对称性极其抽象。粗略勾勒出极坐标叶瓣的分布形态，能让你瞬间看出有几片完整的叶子、每片叶子的自变量界限是多少。这能直接将整体积分转化为“单片积分 $\times$ 对称倍数”，大幅缩短计算量。
3. 含有绝对值或分段定义的函数区域：
  - 理由：图像能瞬间指引你在哪个转折点“切开”区间分别积分。
🚫 坚决不画图（无脑直接计算）的场景：
1. 边界由坐标轴与显函数自然锁死的场景（如 32.1 (1) 双曲线变种， 32.1 (2) 根式抛物线）：
  - 理由：积分区间在方程与坐标轴相交时已被物理锁定（如横截距与纵截距），作图无法提供任何额外应试信息，纯属浪费时间。
2. 参数方程求曲线弧长/全长（如 32.2 (1) $\sqrt{x}+\sqrt{y}=\sqrt{a}$）：
  - 理由：弧长计算的核心完全在于微元 $ds = \sqrt{x'^2+y'^2}dt$ 在根式内部的代数降幂与化简。曲线的弯曲形状对最终的定积分计算毫无指导作用，不需要在此处浪费哪怕一秒钟。

2. 几何积分代数破局的三大核心步骤

找限（联立与求解）：
- 无论是直角坐标还是极坐标，拿到题目第一件事永远是找交点。联立曲线方程，解出交点的横坐标 $x$ 或极角 $\theta$，这就是你接下来积分的物理边界。
化简（参数化与降次）：
- 代数降维：遇到 $\sqrt{x}+\sqrt{y}=\sqrt{a}$ 这类带有严重非线性无理次幂的方程，合理的参数代换（如令 $x=a\cos^4 t$）是降维打击的终极秘籍。它能把生硬的无理代数根式转换为极其丝滑的三角恒等式，轻松开根号！
- 极坐标扇形面积：牢记极坐标面积公式为 $S = \frac{1}{2} \int_\alpha^\beta r^2 d\theta$（切记不要漏掉开头的 $\frac{1}{2}$）。
收割（对称性与点火）：
- 一旦建立了积分式，先看被积函数是否具有奇偶性或对称区间。利用区间翻倍和 Wallis 点火公式进行大收割，能让你在考场高压下保持极高精准度。

🎓 院试考点必拿分技巧总结

通过本篇对点火公式、欧拉积分、以及几何应用大题的全面解析，我们可以为考场上的积分难题提炼出以下极具实战意义的必杀心法：

三角高次积分找点火：
- 看到 $[0, \pi/2]$ 的高次正余弦积分 $\int \sin^n x dx$ $\implies$ 直接用点火公式秒杀。非偶数区间可以通过对称性和诱导公式强行转换。
形式敏感，快速识别欧拉积分：
- 看到积分区间为 $[0, 1]$ 且被积函数由 $x^\alpha (1-x)^\beta$ 形式的幂组成 $\implies$ 直接联想 Beta 函数。
- 看到积分区间为 $[0, \infty)$ 且带有 $e^{-x}$ 指数衰减项 $\implies$ 直接联想 Gamma 函数。
倒数换元是召唤 Beta 的大招：
- 很多代数分式带有分数次幂的无穷广义积分，通过倒数换元 $v = 1/t$ 可以无缝拼出标准的 $\int_0^1 v^{p-1}(1-v)^{q-1} dv$ 结构。
终极收尾看余元公式：
- 只要能够化为 $B(p, q)$，就可以通过 $\Gamma$ 转换为余元公式。余元公式是解决分数自变量 Gamma 乘积的终极收割武器，考前务必烂熟于心！

新版演習微分積分（６）

Wed, 20 May 2026 00:30:00 GMT

这两组公式——中文里俗称的“和差化积”与“积化和差”（日文对应的就是图中的和・差を積にする公式 / 積を和・差にする公式）——绝对是三角函数里最反人类、最容易记错的“重灾区”。

在准备院试高数或者线代时，遇到复杂的积分或是傅里叶级数，这两组公式又是必不可少的破题工具。死记硬背在考场高压下极容易因为一个正负号而全盘崩溃。

对于理科生来说，最高效的记忆策略是“一套底层逻辑 + 一套中文口诀”。

策略一：底层逻辑推导法（考场防“脑雾”必备）

不要直接背这两组公式，去背它们的“祖宗”——加法定理（和角公式）。 只要你记住下面这两个最基础的式子，考场上花 10 秒钟就能把图里的公式全部推出来：

$ \sin(A \pm B) = \sin A \cos B \pm \cos A \sin B $
$ \cos(A \pm B) = \cos A \cos B \mp \sin A \sin B $

👉 怎么推“积化和差”（图下半部分的 10, 11, 12）：就是做加减法。

想凑 $ \sin A \cos B $ ？把 $ \sin(A+B) $ 和 $ \sin(A-B) $ 相加，右边尾巴就抵消了，剩下 $ 2\sin A\cos B $ 。除以 2，公式 (10) 就出来了。
想凑 $ \cos A \cos B $ ？把 $ \cos(A+B) $ 和 $ \cos(A-B) $ 相加，右边尾巴抵消，公式 (11) 出炉。
想凑 $ \sin A \sin B $ ？把 $ \cos(A-B) $ 和 $ \cos(A+B) $ 相减，注意这里会多出一个负号，这就是为什么公式 (12) 前面有个 $ -\frac{1}{2} $ 。

👉 怎么推“和差化积”（图上半部分的 6, 7, 8, 9）：做一个简单的变量替换。 既然你已经推出了“积化和差”，只需令 $ \alpha = A + B $ ， $ \beta = A - B $ 。反解一下，你会得到： $ A = \frac{\alpha + \beta}{2} $ ， $ B = \frac{\alpha - \beta}{2} $ 。直接把这坨东西代入上面的结果，上半部分的四个公式就瞬间成型了。

策略二：中文八字真言口诀（考场秒杀利器）

推导虽然稳，但做题时每次都推有点慢。针对上半部分的和差化积（公式 6-9），国内的高中数学有一套极其经典的口诀，非常适合你在做日文卷子时在脑子里默默调取。

观察公式 (6) 到 (9) 的右边，你会发现全都是 $ 2 $ 乘以两个三角函数。角度永远是先 $ \frac{\alpha+\beta}{2} $ ，后 $ \frac{\alpha-\beta}{2} $ 。唯一变化的是 $ \sin $ 和 $ \cos $ 的排列组合。

记住这四句口诀：

正加正，正在前： $ \sin\alpha + \sin\beta = 2\sin(\dots)\cos(\dots) $ （ $ \sin $ 在前面）
正减正，余在前： $ \sin\alpha - \sin\beta = 2\cos(\dots)\sin(\dots) $ （ $ \cos $ 在前面）
余加余，余并肩： $ \cos\alpha + \cos\beta = 2\cos(\dots)\cos(\dots) $ （两个 $ \cos $ 并排）
余减余，负正连： $ \cos\alpha - \cos\beta = -2\sin(\dots)\sin(\dots) $ （🚨极高危陷阱：不仅变成了两个 $ \sin $ ，最前面还必须加个负号！）

总结建议

平时做题： 强制自己用加法定理推导两遍“积化和差”，感受一下它们是如何通过加减法抵消出来的。
上考场： 直接用“正加正，正在前”的口诀秒写“和差化积”。遇到公式 (9) $ \cos\alpha - \cos\beta $ 时，脑子里立刻拉响警报：这里有个负号！这里有个负号！

没问题，这一步在脑子里空想确实容易卡壳。其实它没有任何高深的技巧，就是一个最基础的解二元一次方程组的过程，外加一次无脑替换。

我们把这几句浓缩的话，像慢动作一样一步一步拆解开来看：

第一步：怎么“反解”出 A 和 B？

我们现在有两个已知条件（我们自己设定的）：方程①： $ \alpha = A + B $ 方程②： $ \beta = A - B $

我们现在的目标是：用 $ \alpha $ 和 $ \beta $ 来表示 $ A $ 和 $ B $ 。

先求 $ A $ ： 我们把方程①和方程②相加。左边相加是： $ \alpha + \beta $ 右边相加是： $ (A + B) + (A - B) = 2A $ 所以得到等式： $ \alpha + \beta = 2A $ 两边除以 $ 2 $ ，就得到了：$ A = \frac{\alpha + \beta}{2} $
再求 $ B $ ： 我们把方程①减去方程②。左边相减是： $ \alpha - \beta $ 右边相减是： $ (A + B) - (A - B) = 2B $ 所以得到等式： $ \alpha - \beta = 2B $ 两边除以 $ 2 $ ，就得到了：$ B = \frac{\alpha - \beta}{2} $

这就是所谓的“反解”过程。

第二步：怎么“代入”变成新公式？

现在我们拿“积化和差”的第一个公式（图中的公式 10）来开刀做实验：

$$ \sin A \cos B = \frac{1}{2} {\sin(A + B) + \sin(A - B)} $$

接下来就是无脑替换时间。根据我们刚刚得出的一揽子结论：

看到 $ (A + B) $ ，就换成 $ \alpha $
看到 $ (A - B) $ ，就换成 $ \beta $
看到 $ A $ ，就换成 $ \frac{\alpha + \beta}{2} $
看到 $ B $ ，就换成 $ \frac{\alpha - \beta}{2} $

把这四个替换直接塞进上面的公式里，公式就变成了：

$$ \sin\left(\frac{\alpha + \beta}{2}\right) \cos\left(\frac{\alpha - \beta}{2}\right) = \frac{1}{2} {\sin\alpha + \sin\beta} $$

第三步：稍微整理一下容貌

上面那个式子虽然对了，但看起来有点别扭，因为我们习惯把简单的 $ \sin\alpha + \sin\beta $ 写在等号左边。

我们把等号左右两边镜像对调一下：

$$ \frac{1}{2} {\sin\alpha + \sin\beta} = \sin\left(\frac{\alpha + \beta}{2}\right) \cos\left(\frac{\alpha - \beta}{2}\right) $$

最后，为了消灭左边那个讨厌的分数 $ \frac{1}{2} $ ，我们给等式左右两边同时乘以 2：

$$ \sin\alpha + \sin\beta = 2 \sin\left(\frac{\alpha + \beta}{2}\right) \cos\left(\frac{\alpha - \beta}{2}\right) $$

大功告成！你回头看看图片里的公式 (6)，是不是一模一样？

其他的三个“和差化积”公式（7, 8, 9），完全就是用一模一样的手法，把刚才得到的 $ A $、$ B $、$ \alpha $、$ \beta $ 的关系，分别扔进公式 (11) 和 (12) 里面替换出来的。

定积分中的“魔法跳跃”：$\int \frac{1}{\sin x} dx$

你抓住了这道题里最让人困惑的“魔法跳跃”！从 $\int \frac{1}{\sin(x + \frac{\pi}{4})} dx$ 突然变成带正切 $\tan$ 的对数 $\log$，跨度确实非常大。

在高等数学和日本的院试教材中，这个积分其实是一个默认的基本公式。但如果死记硬背很容易忘，实际上，它的推导过程非常巧妙，正好用到了我们前面复习过的“二倍角公式”！

我们先抛开复杂的 $(x + \frac{\pi}{4})$ 不看，把它看作一个整体 $\theta$。我们来完整推导一遍 $\int \frac{1}{\sin \theta} d\theta$ 是怎么变成 $\log|\tan\frac{\theta}{2}|$ 的：

核心推导：巧妙的“分子分母同除”技巧

1. 利用正弦的二倍角公式展开 根据公式 $\sin \theta = 2 \sin\frac{\theta}{2} \cos\frac{\theta}{2}$，我们把原积分改写：

$$ \int \frac{1}{\sin \theta} d\theta = \int \frac{1}{2 \sin\frac{\theta}{2} \cos\frac{\theta}{2}} d\theta $$

2. 神奇的一步：分子分母同除以 $\cos^2\frac{\theta}{2}$ 为了凑出 $\tan$ 的导数（也就是 $\sec^2$），我们强行把分子和分母都除以 $\cos^2\frac{\theta}{2}$：

分子变成： $\frac{1}{\cos^2\frac{\theta}{2}} = \sec^2\frac{\theta}{2}$
分母变成： $2 \frac{\sin\frac{\theta}{2} \cos\frac{\theta}{2}}{\cos^2\frac{\theta}{2}} = 2 \frac{\sin\frac{\theta}{2}}{\cos\frac{\theta}{2}} = 2 \tan\frac{\theta}{2}$

所以积分式变成了：

$$ = \int \frac{\sec^2\frac{\theta}{2}}{2 \tan\frac{\theta}{2}} d\theta $$

3. 凑微分出结果 回忆一下复合函数求导：$(\tan\frac{\theta}{2})' = \frac{1}{2}\sec^2\frac{\theta}{2}$。也就是说，$d(\tan\frac{\theta}{2}) = \frac{1}{2}\sec^2\frac{\theta}{2} d\theta$。我们仔细看上面的积分式，分子上的 $\sec^2\frac{\theta}{2}$ 配合分母的 $2$，刚好完美凑成了 $d(\tan\frac{\theta}{2})$！

所以积分直接化为：

$$ = \int \frac{1}{\tan\frac{\theta}{2}} d\left(\tan\frac{\theta}{2}\right) $$

这不就是标准的 $\int \frac{1}{u} du$ 形式吗！直接得出：

$$ \mathbf{= \log \left| \tan\frac{\theta}{2} \right| + C} $$

(注：微积分中的 $\log$ 默认是以 $e$ 为底的自然对数 $\ln$)

代入原题，破解这道题的具体细节

现在我们把 $\theta = x + \frac{\pi}{4}$ 代回到我们刚推导出的公式里：

$$ \frac{\theta}{2} = \frac{x + \pi/4}{2} = \mathbf{\frac{x}{2} + \frac{\pi}{8}} $$

所以：

$$ \int \frac{1}{\sin(x + \frac{\pi}{4})} dx = \mathbf{\log \left| \tan \left( \frac{x}{2} + \frac{\pi}{8} \right) \right|} $$

这就完美对应了积分出来的方括号里的部分（前面别忘了还有个提取出来的系数 $\frac{1}{\sqrt{2}}$）。

为什么最后结果是发散（$+\infty$）？

当把上限 $x = \frac{3\pi}{4} - \varepsilon$ 代入时：角度变成了：$\frac{1}{2}(\frac{3\pi}{4} - \varepsilon) + \frac{\pi}{8} = \frac{3\pi}{8} - \frac{\varepsilon}{2} + \frac{\pi}{8} = \mathbf{\frac{\pi}{2} - \frac{\varepsilon}{2}}$

当 $\varepsilon \to +0$ 时，角度逼近 $\frac{\pi}{2}$（90度）。而 $\tan(\frac{\pi}{2})$ 是趋向于正无穷大 $\infty$ 的。对无穷大取对数 $\log(\infty)$ 依然是正无穷大 $+\infty$。

所以这个积分的面积无限大，结果是发散的。

总结建议： 在考研和院试中，$\mathbf{\int \frac{1}{\sin x} dx = \log \left| \tan\frac{x}{2} \right|}$ 及其兄弟公式 $\mathbf{\int \frac{1}{\cos x} dx = \log \left| \tan(\frac{x}{2} + \frac{\pi}{4}) \right|}$ 最好当作定理直接背下来，能极大地提升你在考场上的解题速度！

更加符合直觉的另外两种推导方法

上面的“分子分母同除以 $\cos^2$”的解法，确实是典型的“炫技”。这种“神来之笔”如果在考场上没有提前背过，高压状态下几乎不可能凭空想出来。

咱们把节奏放慢。其实，对付 $\int \frac{1}{\sin x} dx$ 有两种更“接地气”、更符合正常人直觉的方法。其中一种，还刚好能完美闭环我们学过的易错公式。

方法一：朴实无华的“分子分母同乘”法

遇到分母只有一个孤零零的 $\sin x$，正常人的第一反应不应该是用半角公式，而是“强行给它凑出一个平方来”，因为有了平方，就能用 $\sin^2 x + \cos^2 x = 1$ 进行转化了。

第一步：上下同乘 $\sin x$

$$ \int \frac{1}{\sin x} dx = \int \frac{\sin x}{\sin^2 x} dx $$

第二步：把分母全变成 $\cos x$

$$ \int \frac{\sin x}{1 - \cos^2 x} dx $$

看到分子上的 $\sin x dx$ 了吗？这简直是在大声呼喊你把 $\cos x$ 设为变量！

第三步：换元 令 $u = \cos x$，那么 $du = -\sin x dx$。把积分里的变量全部替换掉：

$$ \int \frac{-1}{1 - u^2} du = \int \frac{1}{u^2 - 1} du $$

第四步：套用裂项公式！ 还记得那个带绝对值的公式吗？$\int \frac{1}{x^2 - a^2} dx = \frac{1}{2a} \log \left| \frac{x-a}{x+a} \right|$。现在 $a=1$，直接套进去：

$$ = \frac{1}{2} \log \left| \frac{u - 1}{u + 1} \right| + C $$

把 $u = \cos x$ 换回来：

$$ \mathbf{= \frac{1}{2} \log \left| \frac{\cos x - 1}{\cos x + 1} \right| + C} $$

它和 $\log|\tan\frac{x}{2}|$ 是一回事吗？ 完全是一回事！利用余弦二倍角公式（$\cos x = 1 - 2\sin^2\frac{x}{2} = 2\cos^2\frac{x}{2} - 1$）：

分子：$\cos x - 1 = -2\sin^2\frac{x}{2}$

分母：$\cos x + 1 = 2\cos^2\frac{x}{2}$

两者相除就是 $-\tan^2\frac{x}{2}$。因为外面套着绝对值，负号消失，再把 $\frac{1}{2}$ 这个系数放进对数里当根号，结果恰好就是 $\log|\tan\frac{x}{2}|$！

方法二：降维打击的“万能公式”法（最无脑的解法）

如果你在考场上连怎么凑平方都忘了，别慌，三角函数积分还有最后一件终极武器：万能代换。

只要令 $\mathbf{t = \tan\frac{x}{2}}$，所有的三角函数积分都会立刻变成纯多项式积分。

根据万能公式（直接背结论使用）：

$\sin x = \frac{2t}{1+t^2}$
$dx = \frac{2}{1+t^2} dt$

见证奇迹的时刻： 直接把原积分 $\int \frac{1}{\sin x} dx$ 里的东西全换掉：

$$ \int \frac{1+t^2}{2t} \cdot \frac{2}{1+t^2} dt $$

注意看，left side分子的 $1+t^2$ 和 right side分母的 $1+t^2$ 完美约掉！left side分母的 $2$ 和 right side分子的 $2$ 完美约掉！最后竟然只剩下了：

$$ \int \frac{1}{t} dt $$

这大概是微积分里最简单的积分了：

$$ = \log|t| + C $$

把 $t = \tan\frac{x}{2}$ 换回来，直接一秒出答案：

$$ \mathbf{= \log \left| \tan\frac{x}{2} \right| + C} $$

总结： 如果你记不住“炫技”的凑微分法，记住“上下同乘 $\sin x$ 换元”或者“直接甩万能公式”，一样能稳稳当当地把分数拿下来。

广义积分进阶挑战：贝塔函数与伽马函数

在学习了基本的广义积分敛散性判定之后，我们终于迎来了高等数学与日本院试（修二・专攻考试）中的两位明星函数——贝塔函数（Beta Function）与伽马函数（Gamma Function）。

这两个函数本质上都是含参变量广义积分。在考试和复习中，它们的收敛性证明以及相关的递推性质，不仅本身就是极高频的考点，更是求解许多复杂定积分的“核武器”。

我们结合书中的例题 28与例题 30，将它们的收敛性证明和课后习题进行保姆级的全景拆解。

一、贝塔函数 $B(p, q)$ 的收敛性证明（例题 28）

贝塔函数的定义式为：

$$ B(p, q) = \int_0^1 x^{p-1}(1-x)^{q-1} dx \quad (p>0, q>0) $$

我们需要证明：当 $p>0, q>0$ 时，这个积分必定收敛。

💡 痛点剖析：为什么必须“一刀切开”？

许多同学在证明这个收敛性时无从下手，因为他们忽略了一个核心细节：积分区间 $[0, 1]$ 的两个端点都可能是奇点（特异点）！

当 $0 < p < 1$ 时，在端点 $x=0$ 处，$x^{p-1} = \frac{1}{x^{1-p}} \to \infty$。
当 $0 < q < 1$ 时，在端点 $x=1$ 处，$(1-x)^{q-1} = \frac{1}{(1-x)^{1-q}} \to \infty$。

根据广义积分的理论，如果一个积分在区间的两端都存在奇点，我们不能直接对整个区间使用比较审敛法。 必须在区间内部选取任意一点（通常取中点 $x = \frac{1}{2}$），将积分拆分为两部分：

$$ B(p, q) = I_1 + I_2 = \int_0^{1/2} x^{p-1}(1-x)^{q-1} dx + \int_{1/2}^1 x^{p-1}(1-x)^{q-1} dx $$

只要能证明 $I_1$ 和 $I_2$ 分别收敛，那么 $B(p, q)$ 整体自然收敛。

✏️ 详细证明步骤：

(i) 情况 1：当 $p \ge 1$ 且 $q \ge 1$ 时 此时，被积函数 $f(x) = x^{p-1}(1-x)^{q-1}$ 在闭区间 $[0, 1]$ 上是连续的，没有奇点。因此，这只是一个普通的定积分，必定存在且收敛。

(ii) 情况 2：当 $0 < p < 1$ 时，证明 $I_1$ 的收敛性 对于积分 $I_1 = \int_0^{1/2} x^{p-1}(1-x)^{q-1} dx$，唯一的奇点位于下限 $x=0$。

为了判断其敛散性，我们引入极限审敛法（比较审敛法的极限形式）。将 $I_1$ 的被积函数与标准 $p$-积分 $\int_0^{1/2} \frac{1}{x^{1-p}} dx$ 进行对比。我们考察极限：

$$ \lim_{x \to 0^+} x^{1-p} \left{ x^{p-1}(1-x)^{q-1} \right} = \lim_{x \to 0^+} (1-x)^{q-1} = 1 $$

（因为当 $x \to 0$ 时，$(1-0)^{q-1} = 1$）。该极限存在且为一个非零常数。而我们知道，标准的 $\int_0^{1/2} \frac{1}{x^{1-p}} dx$ 的指数为 $1-p$。因为当 $0 < p < 1$ 时，显然有：

$$ 1-p < 1 $$

根据奇点在下限 of 比较审敛法，当指数小于 $1$ 时积分收敛。因此，$I_1$ 在 $p>0$ 时必定收敛。

(注：书本证明中，令 $[0, 1/2]$ 上连续函数 $(1-x)^{q-1}$ 的最大值为 $M$，从而直接写出 $x^{1-p}{x^{p-1}(1-x)^{q-1}} < M$。这其实就是极限审敛法的有界性表述，逻辑完全相通。)

(iii) 情况 3：证明 $I_2$ 的收敛性 对于积分 $I_2 = \int_{1/2}^1 x^{p-1}(1-x)^{q-1} dx$，奇点位于上限 $x=1$（当 $0 < q < 1$ 时）。

这里我们可以用一个非常巧妙的几何对称技巧——换元法。令 $t = 1 - x$，则有 $dx = -dt$。当 $x = 1/2 \to t = 1/2$，当 $x = 1 \to t = 0$。代入 $I_2$ 得到：

$$ I_2 = \int_{1/2}^0 (1-t)^{p-1} t^{q-1} (-dt) = \int_0^{1/2} t^{q-1} (1-t)^{p-1} dt $$

仔细端详这个新积分！它与 $I_1$ 的形式完全一致，只是将参数 $p$ 和 $q$ 的位置进行了对调。由于我们已经证得 $I_1$ 在 $p>0$ 时收敛，所以同理可知，$I_2$ 在 $q>0$ 时必定收敛。

✨ 总结： 因为 $I_1$ 和 $I_2$ 分别在 $p>0$ 和 $q>0$ 时收敛，所以它们的和 $B(p, q) = I_1 + I_2$ 在 $p>0, q>0$ 时整体收敛！

二、例题 28 课后习题精解

Fuwari 提醒大家：课后习题才是加深理解的终极利器！ 尤其是 28.2 中的几个公式，绝对是考场必背。

📝 问题 28.1：计算下列贝塔函数的值

(1) 计算 $B\left(\frac{1}{2}, 1\right) = \int_0^1 x^{-1/2} dx$

这是最基础的幂函数积分。直接代入公式计算：

$$ B\left(\frac{1}{2}, 1\right) = \int_0^1 \frac{1}{\sqrt{x}} dx = \left[ 2\sqrt{x} \right]_0^1 = 2(1) - 0 = \mathbf{2} $$

(2) 计算 $B\left(\frac{1}{2}, \frac{1}{2}\right) = \int_0^1 \frac{1}{\sqrt{x(1-x)}} dx$

这个积分非常经典，分母含有二次根式，正常人的直觉是使用三角换元法来消除根号！

令 $x = \sin^2\theta$，那么 $dx = 2\sin\theta\cos\theta d\theta$。

当 $x = 0$ 时，$\theta = 0$；
当 $x = 1$ 时，$\theta = \frac{\pi}{2}$。

将被积函数中的各项换掉：

$\sqrt{x(1-x)} = \sqrt{\sin^2\theta (1 - \sin^2\theta)} = \sqrt{\sin^2\theta \cos^2\theta} = \sin\theta\cos\theta$（在 $\theta \in [0, \pi/2]$ 上，正余弦皆为正）。

代入原积分：

$$ B\left(\frac{1}{2}, \frac{1}{2}\right) = \int_0^{\pi/2} \frac{2\sin\theta\cos\theta}{\sin\theta\cos\theta} d\theta = \int_0^{\pi/2} 2 d\theta = \left[ 2\theta \right]_0^{\pi/2} = \mathbf{\pi} $$

这不仅算出了答案，也为我们后面学习“伽马函数与贝塔函数的关系”埋下了伏笔（也就是那个著名的 $\Gamma(1/2) = \sqrt{\pi}$）。

📝 问题 28.2：证明关于 $B(p, q)$ 的重要等式

(1) 证明：$B(p, q) = B(q, p)$ （对称性）

这行性质表明贝塔函数的两个参数是可以无缝互换的。证明只需要最简单的换元法：

根据定义：

$$ B(p, q) = \int_0^1 x^{p-1}(1-x)^{q-1} dx $$

令 $t = 1 - x$，则 $dx = -dt$。

当 $x = 0 \to t = 1$；
当 $x = 1 \to t = 0$。

代入积分式：

$$ B(p, q) = \int_1^0 (1-t)^{p-1} t^{q-1} (-dt) = \int_0^1 t^{q-1}(1-t)^{p-1} dt $$

根据定积分的字母无关性，将 $t$ 重新写回成 $x$：

$$ = \int_0^1 x^{q-1}(1-x)^{p-1} dx = \mathbf{B(q, p)} \quad \text{(证毕)} $$

(2) 证明：$B(p+1, q) = \frac{p}{q} B(p, q+1)$ （递推公式）

这个公式要把参数 $p+1$ 和 $q$ 转移成 $p$ 和 $q+1$。参数的增减强烈暗示了我们要使用分部积分法（Integration by parts）！

我们从左边出发：

$$ B(p+1, q) = \int_0^1 x^p (1-x)^{q-1} dx $$

我们要给 $x^p$ 求导（降低幂次凑出 $x^{p-1}$），同时把 $(1-x)^{q-1}$ 积分（升高幂次凑出 $(1-x)^q$）。设定分部积分项：

令 $u = x^p \implies du = p x^{p-1} dx$
令 $dv = (1-x)^{q-1} dx \implies v = -\frac{(1-x)^q}{q}$

套用分部积分公式 $\int u dv = uv - \int v du$：

$$ B(p+1, q) = \left[ -x^p \frac{(1-x)^q}{q} \right]_0^1 - \int_0^1 \left( -\frac{(1-x)^q}{q} \right) \cdot p x^{p-1} dx $$

我们先来看前面括号里的端点值部分 $\left[ -x^p \frac{(1-x)^q}{q} \right]_0^1$：

当代入上限 $x=1$ 时，由于存在因子 $(1-x)^q$ 且 $q>0$，这一项为 $0$；
当代入下限 $x=0$ 时，由于存在因子 $x^p$ 且 $p>0$，这一项也为 $0$。

因此，第一项在两个端点的值全部为 0！

剩下的积分项整理一下，把常数提到外面：

$$ = 0 + \frac{p}{q} \int_0^1 x^{p-1} (1-x)^q dx $$

这正好就是贝塔函数的定义式，只是参数分别为了 $p$ 和 $q+1$！

$$ = \mathbf{\frac{p}{q} B(p, q+1)} \quad \text{(证毕)} $$

(3) 证明：当 $m, n$ 为自然数时， $B(m, n) = \frac{(m-1)!(n-1)!}{(m+n-1)!}$

这个公式极度重要！它将连续的实数积分与离散的**阶乘（Factorial）**完美地连接在了一起。

我们可以通过上面的递推公式 (2) 不断做“套娃”递推来证明：

由上面证得的递推式，稍作调整（将公式中的参数做符号替换，使得左边是 $B(m, n)$）：因为 $B(m, n) = B((m-1)+1, n)$，利用递推公式可得：

$$ B(m, n) = \frac{m-1}{n} B(m-1, n+1) $$

观察上面的规律：每向右递推一步，左边参数减 1，右边参数加 1，前面乘上相应的分式系数。 我们继续往下套娃：

$$ B(m, n) = \frac{m-1}{n} \cdot \frac{m-2}{n+1} B(m-2, n+2) $$

$$ = \frac{m-1}{n} \cdot \frac{m-2}{n+1} \cdot \frac{m-3}{n+2} B(m-3, n+3) $$

我们一直进行下去，直到左边的参数被扣减到最小的自然数 $1$。在这个过程中，一共需要递推 $m-1$ 次。最后一项会变成：

$$ B(m, n) = \frac{(m-1)(m-2)\dots 1}{n(n+1)(n+2)\dots (n+m-2)} B(1, n+m-1) $$

分子非常完美，刚好就是 $(m-1)!$。那最后一项 $B(1, n+m-1)$ 等于什么呢？我们直接代入贝塔函数的定义计算：

$$ B(1, n+m-1) = \int_0^1 x^0 (1-x)^{n+m-2} dx = \int_0^1 (1-x)^{n+m-2} dx $$

$$ = \left[ -\frac{(1-x)^{n+m-1}}{n+m-1} \right]_0^1 = 0 - \left( -\frac{1}{n+m-1} \right) = \frac{1}{n+m-1} $$

我们将这个结果带回到递推链的尾部：

$$ B(m, n) = \frac{(m-1)!}{n(n+1)\dots (n+m-2)(n+m-1)} $$

仔细观察分母部分：从 $n$ 一直连乘到 $n+m-1$。为了把它强行拼成阶乘的形式，我们分子分母同时乘以 $(n-1)!$：

分母变成了：$(n-1)! \cdot n \cdot (n+1) \dots (n+m-1) = \mathbf{(m+n-1)!}$
分子变成了：$\mathbf{(m-1)!(n-1)!}$

$$ B(m, n) = \mathbf{\frac{(m-1)!(n-1)!}{(m+n-1)!}} \quad \text{(证毕)} $$

这种用纯代数递推解决微积分连续结构的方法，逻辑非常具有韵律美，属于院试证明必拿分的题型！

三、伽马函数 $\Gamma(p)$ 的收敛性证明（例题 30）

伽马函数是微积分中当之无愧的“天王级”函数，其定义式为：

$$ \Gamma(p) = \int_0^\infty e^{-x} x^{p-1} dx \quad (p>0) $$

我们要证明：当 $p>0$ 时，该广义积分必定收敛。

💡 痛点剖析：特异积分与无限积分的“双重折磨”

为什么说伽马函数更具挑战性？因为当参数 $0 < p < 1$ 时，它在两个端点同时存在不同类型的广义积分问题！

在下限 $x=0$ 处：当 $0 < p < 1$ 时，$x^{p-1} = \frac{1}{x^{1-p}} \to \infty$。这是一个无界函数的特异积分（Singular Integral）。
在上限 $x \to \infty$ 处：积分上限是无穷大。这是一个无穷区间的无限积分（Infinite Integral）。

因此，我们必须再次选择一个分裂点 $c > 0$（书本中通常取 $c=1$ 或保留任意正数 $c$），将积分切成两段分别攻克：

$$ \Gamma(p) = I_1 + I_2 = \int_0^c e^{-x} x^{p-1} dx + \int_c^\infty e^{-x} x^{p-1} dx $$

✏️ 详细证明步骤：

(i) 攻克 $I_1$：端点 $x=0$ 处的收敛性证明 对于 $I_1 = \int_0^c e^{-x} x^{p-1} dx$：

当 $p \ge 1$ 时，被积函数 $f(x) = e^{-x} x^{p-1}$ 在闭区间 $[0, c]$ 上连续且有界，只是普通定积分，显然收敛。
当 $0 < p < 1$ 时，$x=0$ 是奇点。我们使用极限审敛法，选择标准积分分母 $x^{1-p}$ 进行对比：

$$ \lim_{x \to 0^+} x^{1-p} \left{ e^{-x} x^{p-1} \right} = \lim_{x \to 0^+} e^{-x} = 1 $$

极限值存在且为 $1$。由于 $0 < p < 1$，显然其对应的审敛指数满足：

$$ 1-p < 1 $$

根据特异积分的比较审敛法，指数小于 $1$ 时收敛。因此，$I_1$ 在 $p>0$ 时必定收敛。

(ii) 攻克 $I_2$：无穷上限 $x \to \infty$ 处的收敛性证明 对于 $I_2 = \int_c^\infty e^{-x} x^{p-1} dx$，这是一个无限积分。被积函数中含有衰减极快的指数项 $e^{-x}$，这暗示了在无穷远处它收敛得非常快。

在数学分析中，指数函数 $e^x$ 的增长速度在无穷远处超越任何多项式。 也就是说，对于任意实数 $p$，都有：

$$ \lim_{x \to \infty} \frac{x^{p+1}}{e^x} = 0 $$

根据极限的定义，既然极限是 $0$，那么必定存在一个足够大的数 $c \le x$，使得当 $x$ 超过这个范围时，分式的值小于 $1$。也就是说：

$$ \frac{x^{p+1}}{e^x} < 1 \implies e^{-x} x^{p+1} < 1 \quad \dots \text{①} $$

为了利用 $\int_c^\infty \frac{1}{x^2} dx$（这个积分的敛散指数为 $2 > 1$，必定收敛）作为比较对象，我们对被积函数进行恒等变形：

$$ e^{-x} x^{p-1} = \frac{e^{-x} x^{p+1}}{x^2} $$

根据 ① 式，分子 $e^{-x} x^{p+1} < 1$，所以有：

$$ e^{-x} x^{p-1} < \frac{1}{x^2} $$

由于 $\int_c^\infty \frac{1}{x^2} dx$ 是收敛的，根据无限积分的比较审敛法，较大的函数收敛能推出较小的函数也收敛，因此，$I_2$ 必定收敛。

✨ 总结： 因为特异积分 $I_1$ 与无限积分 $I_2$ 均在 $p>0$ 时收敛，所以伽马函数 $\Gamma(p)$ 在 $p>0$ 时整体收敛！

四、例题 30 课后习题精解

📝 问题 30.1：证明关于 $\Gamma(p)$ 的重要等式

(1) 证明：$\Gamma(p+1) = p \Gamma(p)$ （递推公式）

这个性质被称为伽马函数的“核心阶乘化公式”。我们将直接展示如何利用分部积分法来完成这个变换。

根据定义：

$$ \Gamma(p+1) = \int_0^\infty e^{-x} x^p dx $$

令 $u = x^p \implies du = p x^{p-1} dx$
令 $dv = e^{-x} dx \implies v = -e^{-x}$

套用分部积分公式：

$$ \Gamma(p+1) = \left[ -e^{-x} x^p \right]_0^\infty - \int_0^\infty \left( -e^{-x} \right) \cdot p x^{p-1} dx $$

我们先来计算前面的边界值 $\left[ -e^{-x} x^p \right]0^\infty = \lim{x \to \infty} (-e^{-x} x^p) - (-e^0 \cdot 0^p)$：

当 $x \to \infty$ 时，由于指数的压倒性优势，$\lim_{x \to \infty} \frac{x^p}{e^x} = 0$。
当 $x \to 0$ 时，由于 $p>0$，边界值 $0^p = 0$。

因此，端点值部分同样完全为 0！

整理后面的积分项，将常数 $p$ 提到外面：

$$ = 0 + p \int_0^\infty e^{-x} x^{p-1} dx $$

这正是伽马函数 $\Gamma(p)$ 的定义式！

$$ = \mathbf{p \Gamma(p)} \quad \text{(证毕)} $$

(2) 证明：$\Gamma(1) = 1$ 且 $\Gamma(n+1) = n!$

这是伽马函数最著名的特例。

首先计算 $\Gamma(1)$：

$$ \Gamma(1) = \int_0^\infty e^{-x} x^{1-1} dx = \int_0^\infty e^{-x} dx = \left[ -e^{-x} \right]_0^\infty = 0 - (-1) = \mathbf{1} $$

接下来，当 $n$ 为自然数时，利用上面刚刚证得的递推公式：

$$ \Gamma(n+1) = n \Gamma(n) = n(n-1) \Gamma(n-1) = n(n-1)(n-2) \dots 1 \cdot \Gamma(1) $$

代入 $\Gamma(1) = 1$：

$$ = n(n-1)(n-2)\dots 1 = \mathbf{n!} \quad \text{(证毕)} $$

这完美解释了为什么我们说伽马函数是实数集（甚至是复数集）上的阶乘延拓！

📝 问题 30.2：判别下列广义积分的存在性（收敛性）

这部分习题旨在考察大家能否在实战中敏锐地找出奇点并套用公式审敛。

(1) 判别 $\int_0^1 \frac{\sin x}{\sqrt{x}} dx$ 的敛散性

看似在 $x=0$ 处分母为 $0$，可能会觉得它是一个特异积分。但别忘了，分子上还有个 $\sin x$！

我们来求当 $x \to 0^+$ 时的极限：由于等价无穷小 $\sin x \sim x$，所以有：

$$ \lim_{x \to 0^+} \frac{\sin x}{\sqrt{x}} = \lim_{x \to 0^+} \frac{x}{\sqrt{x}} = \lim_{x \to 0^+} \sqrt{x} = 0 $$

这意味着，被积函数在下限 $x=0$ 处的极限其实是 $0$！它根本没有在这个点趋近于无穷大。既然被积函数在半开区间 $(0, 1]$ 上连续，且在端点 $x=0$ 处的极限存在，这说明 $x=0$ 只是一个可去间断点（可去奇点）。我们可以给它补上定义，使它在闭区间 $[0, 1]$ 上成为一个完美的连续函数。

因此，这本质上只是一个普通的定积分，必定收敛（存在）。

(2) 判别 $\int_0^\infty \frac{1}{\sqrt{1+x^4}} dx$ 的敛散性

这是一个无穷区间上的无限积分。被积函数 $f(x) = \frac{1}{\sqrt{1+x^4}}$ 在闭区间 $[0, \infty)$ 上是连续的，所以唯一的潜在敛散危机位于无穷远处 $x \to \infty$。

我们用极限审敛法进行快速秒杀。当 $x \to \infty$ 时，被积函数在分母上的 $1$ 可以被忽略，我们来找等价函数：

$$ \frac{1}{\sqrt{1+x^4}} \sim \frac{1}{\sqrt{x^4}} = \frac{1}{x^2} $$

我们考察它与标准积分 $\int_1^\infty \frac{1}{x^2} dx$ 的比值极限：

$$ \lim_{x \to \infty} \frac{\frac{1}{\sqrt{1+x^4}}}{\frac{1}{x^2}} = \lim_{x \to \infty} \frac{x^2}{\sqrt{1+x^4}} = \lim_{x \to \infty} \frac{1}{\sqrt{\frac{1}{x^4} + 1}} = 1 $$

极限值存在且为非零常数。而标准积分 $\int_1^\infty \frac{1}{x^2} dx$ 的指数为 $2$。因为：

$$ 2 > 1 $$

根据无限积分的比较审敛法，当指数大于 $1$ 时无限积分收敛。

因此，该广义积分必定收敛（存在）。

💡 复习总结： 面对考卷上的广义积分，我们的三步终极解题心法：

找奇点：千万别漏掉积分区间内部和两个端点的“隐藏奇点”，必要时一刀切开！
抓主部：在奇点附近做等价无穷小（如 $\sin x \sim x$）或者在无穷远处做大项忽略（如 $1+x^4 \sim x^4$），提炼出 $\frac{1}{x^p}$ 的形式。
判指数：
- 对于奇点特异积分：$\int \frac{1}{x^p} dx$，$p < 1$ 时收敛。
- 对于无穷大无限积分：$\int \frac{1}{x^p} dx$，$p > 1$ 时收敛。两者收敛判定刚好相反，考场上切记别脑雾记反了哦！

3.6 定积分的几何与物理应用（定積分の応用）

掌握了广义积分这把重剑之后，我们终于可以回过头来，将定积分应用到更加广阔的几何与物理世界中了。

这部分内容对应日文教材中的 3.6 定積分の応用。无论是国内的高数考研，还是日本的院试（修二 / 专攻考试），几何应用（求面积、弧长、体积、表面积）与数值近似计算都是绝对的必考大题。

如果仅仅是死记公式，在考场上遇到极坐标、参数方程或者旋转轴变化时极易脑雾。今天 Fuwari 带着大家用微分微元的几何直观，彻底手撕和攻克这一节的全部公式！

一、面积的计算（面積）

定积分最本源的几何意义就是曲线下方的面积。

1. 直角坐标系（直交座標表示）

若函数 $f(x)$ 在 $[a, b]$ 上连续且 $f(x) \ge 0$，则曲线 $y = f(x)$ 与 $x$ 轴、直线 $x = a$ 及直线 $x = b$ 所围图形的面积 $S$ 为：

$$ S = \int_a^b f(x) dx $$

这本质上是把区间分割成无数个宽度为 $dx$ 的小长方形，每个长方形的面积微元是 $dS = f(x) dx$，对它们求和取极限（黎曼和）即得积分。

若曲线由上曲线 $y = f(x)$ 与下曲线 $y = g(x)$（满足 $g(x) \le f(x)$）所包围，则中间夹着的面积微元为 $dS = {f(x) - g(x)} dx$，整体面积为：

$$ S = \int_a^b {f(x) - g(x)} dx $$

2. 极坐标系（極座標表示）

在极坐标下，点用 $(r, \theta)$ 表示。若曲线由极方程 $r = f(\theta)$ 给出，当角度 $\theta$ 在 $[\alpha, \beta]$ 之间变化时，曲线与两条射线 $\theta = \alpha, \theta = \beta$ 所围成的图形称为曲边扇形。

其面积公式为：

$$ S = \frac{1}{2} \int_\alpha^\beta r^2 d\theta = \frac{1}{2} \int_\alpha^\beta f(\theta)^2 d\theta $$

💡 几何直观推导：为什么多个 $\frac{1}{2}$ 和平方？

在直角坐标系中，我们的面积微元是小矩形（面积为高 $\times$ 宽 = $y \cdot dx$）。但在极坐标系中，随着角度改变 $d\theta$，扫过的面积是一个微小扇形（曲边扇形）！

回忆一下半径为 $r$、圆心角为 $d\theta$ 的圆扇形面积公式：

$$ \text{扇形面积} = \frac{d\theta}{2\pi} \cdot (\pi r^2) = \frac{1}{2} r^2 d\theta $$

所以，极坐标下的面积微元正是：

$$ dS = \frac{1}{2} r^2 d\theta $$

将所有的微小扇形求和，自然就得到了 $S = \frac{1}{2} \int_\alpha^\beta r^2 d\theta$。考场上只要记住“扇形微元”，就绝对不会漏掉前面的 $\frac{1}{2}$！

二、三位一体的弧长公式（曲線の長さ）

求一段曲线的长度 $L$，其底层逻辑是一致的，即勾股定理（毕达哥拉斯定理）。

1. 祖宗微元：直观微分图景

把曲线无限放大，每一小段极短的弧长 $ds$ 都可以看作一个直角三角形的斜边，其直角边分别为 $dx$ 和 $dy$：

$$ ds^2 = dx^2 + dy^2 \implies ds = \sqrt{dx^2 + dy^2} $$

这正是所有弧长公式的“始祖”。我们通过强行提取公因子，可以无缝演化出三种坐标系下的公式：

2. 直角坐标表示（直交座標表示）

强行从 $\sqrt{dx^2 + dy^2}$ 中提取 $dx$：

$$ ds = \sqrt{dx^2 \left(1 + \frac{dy^2}{dx^2}\right)} = \sqrt{1 + \left(\frac{dy}{dx}\right)^2} dx = \sqrt{1 + f'(x)^2} dx $$

因此，弧长公式为：

$$ L = \int_a^b \sqrt{1 + f'(x)^2} dx $$

3. 参数方程表示（媒介変数表示）

若曲线由参数方程 $x = f(t), y = g(t)$ （$a \le t \le b$）给出，我们强行提取 $dt$：

$$ ds = \sqrt{\left(\frac{dx}{dt}\right)^2 dt^2 + \left(\frac{dy}{dt}\right)^2 dt^2} = \sqrt{\left(\frac{dx}{dt}\right)^2 + \left(\frac{dy}{dt}\right)^2} dt = \sqrt{f'(t)^2 + g'(t)^2} dt $$

因此，弧长公式为：

$$ L = \int_a^b \sqrt{f'(t)^2 + g'(t)^2} dt $$

4. 极坐标表示（極座標表示）

若曲线由极方程 $r = f(\theta)$ （$\alpha \le \theta \le \beta$）给出，其弧长公式为：

$$ L = \int_\alpha^\beta \sqrt{r^2 + \left(\frac{dr}{d\theta}\right)^2} d\theta = \int_\alpha^\beta \sqrt{f(\theta)^2 + f'(\theta)^2} d\theta $$

✨ 独家手撕推导（考场防脑雾自救指南）：

很多同学记不住极坐标弧长公式中为什么是 $r^2 + r'^2$。我们直接用直角坐标参数化来当场手推！

极坐标与直角坐标的转换关系为：

$x = r \cos\theta = f(\theta) \cos\theta$
$y = r \sin\theta = f(\theta) \sin\theta$

我们将 $\theta$ 看作参数 $t$，套用刚才的参数方程弧长公式。分别对 $\theta$ 求导（利用乘积求导法则）：

$\frac{dx}{d\theta} = r' \cos\theta - r \sin\theta$
$\frac{dy}{d\theta} = r' \sin\theta + r \cos\theta$

现在，我们将它们的平方相加（注意看神奇的三角恒等式化简）：

$$ \left(\frac{dx}{d\theta}\right)^2 = (r')^2 \cos^2\theta - 2r r' \sin\theta\cos\theta + r^2 \sin^2\theta $$

$$ \left(\frac{dy}{d\theta}\right)^2 = (r')^2 \sin^2\theta + 2r r' \sin\theta\cos\theta + r^2 \cos^2\theta $$

两式相加，交叉项 $-2r r' \sin\theta\cos\theta$ 与 $+2r r' \sin\theta\cos\theta$ 完美抵消！剩下部分合并同类项：

$$ \left(\frac{dx}{d\theta}\right)^2 + \left(\frac{dy}{d\theta}\right)^2 = (r')^2 (\cos^2\theta + \sin^2\theta) + r^2 (\sin^2\theta + \cos^2\theta) = (r')^2 + r^2 $$

代入参数方程弧长公式，瞬间得到：

$$ ds = \sqrt{r^2 + (r')^2} d\theta $$

这绝对是微积分中极漂亮的化简之一！以后考场上万一记不清是减号还是平方，花 20 秒在草稿纸上推一遍，稳稳拿下分数！

三、立体与旋转体的体积（体積）

求体积的本质是切片法与剥洋葱法。

1. 平行截面面积法（立体の体积）

如果一个几何体在 $x$ 处垂直于 $x$ 轴的横截面面积为 $S(x)$，则在区间 $[a, b]$ 上该几何体的体积 $V$ 为：

$$ V = \int_a^b S(x) dx $$

这个很好理解，每个切片的体积微元是 $dV = S(x) dx$，把所有薄切片的体积累加就是总体积。

2. 绕 x 轴旋转体体积（回転体の体積）

设曲线 $y = f(x)$（$f(x) \ge 0$）与 $x$ 轴、直线 $x = a$ 和 $x = b$ 围成一个图形。将该图形绕 $x$ 轴旋转一周，所得到的旋转体体积 $V$ 为：

$$ V = \pi \int_a^b f(x)^2 dx = \pi \int_a^b y^2 dx $$

💡 几何直观：

因为绕 $x$ 轴旋转，所以在 $x$ 处的垂直切面是一个圆盘！该圆盘的半径为 $y = f(x)$，因此截面圆面积为 $S(x) = \pi r^2 = \pi y^2$。代入切片法公式，体积即为 $V = \int S(x) dx = \pi \int y^2 dx$。

3. 参数方程旋转体体积（绕 x 轴）

若曲线由参数方程 $x = f(t), y = g(t)$ （$a \le t \le b$，且 $\frac{dx}{dt} > 0$）给出，绕 $x$ 轴旋转的体积公式为：

$$ V = \pi \int_a^b y^2 \frac{dx}{dt} dt $$

这其实就是直接将直角坐标下的 $dx$ 换元替换为了 $\frac{dx}{dt} dt$。

🔥 考点超级拓展：绕 y 轴旋转体体积与“柱壳法（Shell Method）”

[!IMPORTANT] 很多日本院试和国内高数考研的题目中，非常喜欢考绕 $y$ 轴旋转的体积！如果此时用上面的“切片圆盘法”，你必须先把曲线 $y = f(x)$ 反解成 $x = f^{-1}(y)$，这在很多时候（比如 $y = \sin x / x$）是根本无法反解的。此时，我们需要祭出另一件终极武器——柱壳法（円筒殻分割 / Shell Method）！

若曲线 $y = f(x)$（$0 \le a < b$）与 $x$ 轴围成的图形绕 $y$ 轴旋转一周，其体积 $V_y$ 为：

$$ V_y = 2\pi \int_a^b x f(x) dx = 2\pi \int_a^b x y dx $$

💡 几何直观：“剥洋葱”模型

为什么公式是 $2\pi x y dx$？我们不用横着切片，而是纵向将旋转体拆成无数个空心圆柱薄壳（就像一层层剥洋葱）。

对于在 $x$ 处、厚度为 $dx$ 的微小区间，绕 $y$ 轴旋转形成一个高为 $y = f(x)$、半径为 $x$ 的圆柱薄壳。
我们把这个薄壳沿着侧面剪开、展平，它就变成了一个长方体板：
- 长度 = 圆柱的底面周长 = $2\pi x$
- 高度 = 圆柱的高 = $y$
- 厚度 = $dx$
因此，这个圆柱壳的体积微元正是：

$$ dV = 2\pi x \cdot y \cdot dx = 2\pi x f(x) dx $$

将所有的圆柱壳体积从 $a$ 积分到 $b$，就得到了柱壳法体积公式。这个公式不需要反解函数，直接代入即可秒杀所有绕 $y$ 轴旋转的体积难题，考前必背！

四、旋转体的表面积（回転体の表面積）

将一段曲线绕轴旋转，除了能围出体积，还会扫出一个表面积。

设曲线由参数方程 $x = f(t), y = g(t)$ （$a \le t \le b$）给出，将其绕 $x$ 轴旋转一周，所得到的旋转体表面积 $S$ 为：

$$ S = 2\pi \int_a^b y \sqrt{\left(\frac{dx}{dt}\right)^2 + \left(\frac{dy}{dt}\right)^2} dt = 2\pi \int_a^b y \cdot ds $$

若用直角坐标表示 $y = f(x)$，则为：

$$ S = 2\pi \int_a^b y \sqrt{1 + y'^2} dx $$

💡 几何直观：

为什么公式是 $2\pi y \cdot ds$？我们将曲线分割成无数个极短的弧长微元 $ds$。当这一小段 $ds$ 绕 $x$ 轴旋转一周时，扫过的形状可以近似看作一个圆台的侧面。

该圆台的半径近似为曲线的高度 $y$。
圆台侧面展开后，其面积微元 $dS$ 等于圆台底面周长乘以母线长（即弧长微元 $ds$）：

$$ dS = 2\pi y \cdot ds $$

代入刚才推导出的各种坐标系下的 $ds$ 公式，就得到了完美的表面积公式。直观几何图景，诚不我欺！

五、定积分的近似计算（定積分の近似計算）

在实际工程和学术研究中，有大量的函数是积不出来原函数的（例如 $e^{-x^2}$ 或是 $\frac{\sin x}{x}$）。此时，我们就必须借助数值分析，用离散的点来近似计算定积分的值。

教材中介绍了两种最经典的数值积分法：

1. 台形公式（梯形法则 / Trapezoidal Rule）

我们将积分区间 $[a, b]$ 等分成 $n$ 个小区间，每个小区间宽度为 $h = \frac{b-a}{n}$。各个分点为 $x_0, x_1, \dots, x_n$。其对应的函数值为 $y_0, y_1, \dots, y_n$。

在每个小区间上，我们用直线段（割线）代替曲线，从而用直角梯形的面积来近似曲线下的面积。我们将这 $n$ 个小梯形的面积相加，得到台形公式：

$$ \int_a^b f(x) dx \approx \frac{b-a}{2n} \left{ y_0 + 2(y_1 + y_2 + \dots + y_{n-1}) + y_n \right} $$

💡 避坑与记忆巧思：为什么中间项系数是 2，首尾是 1？

我们来看相邻两个小梯形的面积公式：

第 1 个梯形：$\frac{h}{2}(y_0 + y_1)$
第 2 个梯形：$\frac{h}{2}(y_1 + y_2)$
第 3 个梯形：$\frac{h}{2}(y_2 + y_3)$

发现了吗？除了最左端点 $y_0$ 和最右端点 $y_n$ 只被计算了一次之外，所有中间的节点（如 $y_1, y_2 \dots$）都在相邻的两个梯形中被重复计算了两次！ 所以提出公因子 $\frac{h}{2} = \frac{b-a}{2n}$ 后，括号内自然呈现出首尾系数为 1、中间系数为 2 的结构。

⚠️ 误差分析（誤差限界）：

近似计算必然存在误差 $\Delta$。若在该区间内，函数的二阶导数满足 $|f''(x)| \le M$，则台形公式的误差界为：

$$ |\Delta| \le \frac{(b-a)^3}{12n^2} M $$

(注：区间越窄、等分数 $n$ 越多，误差以 $n^2$ 的速度快速衰减。)

2. 辛普森公式（Simpson's Rule）

如果用直线逼近曲线嫌精度不够，那我们可以用**二次曲线（抛物线）**来逼近曲线！这就是辛普森公式的底层逻辑。

由于确定一条抛物线需要三个点，所以我们必须将区间等分成 $2n$ 个偶数区间（即奇数个节点 $x_0, x_1, \dots, x_{2n}$），每个小区间的宽度为 $h = \frac{b-a}{2n}$。

通过对相邻的每三个点拟合二次抛物线并求积，求和整理后得到辛普森公式：

$$ \int_a^b f(x) dx \approx \frac{h}{3} \left{ y_0 + 4(y_1 + y_3 + \dots + y_{2n-1}) + 2(y_2 + y_4 + \dots + y_{2n-2}) + y_{2n} \right} $$

💡 避坑与记忆巧思：完美的“1-4-2”交替系数

辛普森公式的系数极具对称美，提出来的系数是 $\frac{h}{3}$，括号内的系数规律是：

首尾两项 $y_0$ 和 $y_{2n}$ 的系数为 1。
所有奇数下标项（$y_1, y_3, y_5 \dots$）的系数均为 4。
所有偶数下标项（$y_2, y_4, y_6 \dots$）的系数均为 2。

简记口诀为：首尾是一，奇数配四，偶数配二。考场上套公式时对照着奇偶下标填数，绝不会出错！

⚠️ 误差分析（誤差限界）：

由于抛物线拟合极度贴合平滑曲线，辛普森公式的精度高得惊人。若在该区间内，函数的四阶导数满足 $|f^{(4)}(x)| \le M$，其误差界为：

$$ |\Delta| \le \frac{(b-a)^5}{2880n^4} M $$

(注：误差以 $n^4$ 的惊人速度衰减，这解释了为什么在实际数值计算中，辛普森公式被广泛采用！)

💡 几何与应用终极总结卡片：

应用类别	直角坐标微元	参数方程微元	极坐标微元	记忆核心/模型
面积 $S$	$y dx$	$y x' dt$	$\frac{1}{2} r^2 d\theta$	矩形微元 vs 扇形微元
弧长 $L$	$\sqrt{1+y'^2} dx$	$\sqrt{x'^2+y'^2} dt$	$\sqrt{r^2+r'^2} d\theta$	勾股定理：$ds^2=dx^2+dy^2$
绕 x 轴体积 $V_x$	$\pi y^2 dx$	$\pi y^2 x' dt$	-	切片圆盘面积 $\pi y^2$
绕 y 轴体积 $V_y$	$2\pi x y dx$	-	-	柱壳法“剥洋葱”周长 $\times$ 高
绕 x 轴表面积 $S$	$2\pi y \sqrt{1+y'^2} dx$	$2\pi y \sqrt{x'^2+y'^2} dt$	-	圆台侧面积周长 $\times$ 弧长

新版演習微分積分（５）

Tue, 12 May 2026 00:30:00 GMT

翻到了！第 54 页（书本右上角标着 54，对应图片的第 64 页）。

这一页的主题是 “不定積分の基本公式 (1)”。虽然标题写着“基本”，但 例题 1 的三道题完美展现了院试计算中最爱考的三个致命易错点。

在这里，你必须抛弃微分学里的那些复合、乘除公式。 【导师积分第一铁律】积分没有商法则！没有乘积法则！一切看似复杂的函数，第一步永远是物理爆破 —— “脱衣服、拆散伙、凑模板”！

我们直接拿这三道例题进行“考场防雷实战拆解”：

🟢 基础破坏局：例题 1 (1) —— 考验根号与分数指数转换

【题目】 $$ \int \left( \sqrt[3]{x^2} - \frac{3}{x\sqrt{x}} + \frac{8}{x} \right) dx $$

:::tip[导师破题直觉] 微积分的公式库里，根本不存在什么带有 $\sqrt{}$ 的多项式公式。看到根号和分母，无脑全部转换为 $x^n$ （分数次幂和负次幂）的形态！ 剥去它们的伪装。 :::

【考场丝滑连招】

统一着装（变次幂）：
- $\sqrt[3]{x^2} = x^{2/3}$
- $\frac{1}{x\sqrt{x}} = \frac{1}{x \cdot x^{1/2}} = \frac{1}{x^{3/2}} = x^{-3/2}$
- $\frac{8}{x} = 8x^{-1}$
- 原式就变成了清清爽爽的多项式： $$ \int (x^{2/3} - 3x^{-3/2} + 8x^{-1}) , dx $$
挨个枪毙（利用基本法则 $\int x^n dx = \frac{x^{n+1}}{n+1}$）：
- $x^{2/3} \to \frac{x^{2/3 + 1}}{2/3 + 1} = \frac{3}{5} x^{5/3}$
- $-3x^{-3/2} \to -3 \cdot \frac{x^{-3/2 + 1}}{-3/2 + 1} = -3 \cdot \frac{x^{-1/2}}{-1/2} = +6 x^{-1/2}$
- 🚨 顶级防爆预警！ $8x^{-1} \to 8 \cdot \frac{x^0}{0}$？炸了！千万别忘：当次数为 $-1$ 时，原函数是对数！ $\to \mathbf{8 \log|x|}$。（如果不加绝对值 $|x|$，必扣过程分！）
打包装盒（看心情化简）： 院试卷面做到这一步，加上个积分常数 $+ C$，你基本就能拿满分了。严谨的老头可能会希望你把分数指数再变回根号： $$ = \mathbf{\frac{3}{5} x\sqrt[3]{x^2} + \frac{6}{\sqrt{x}} + 8\log|x| + C} $$

🟡 诱惑拆解局：例题 1 (2) —— 伪装的商法则

【题目】 $$ \int \frac{(x^2+1)^2}{x^3} dx $$

:::tip[导师破题直觉] 再次默念我们的铁律：积分没有商的法则！ 任何考研菜鸟如果想去硬找分式的原函数，就会死在沙滩上。仔细看，分母只有单薄的 $x^3$ 这一项！这就是老天赏饭吃，摆明了是让你把分子炸开，逐一去除它！ :::

【考场丝滑连招】

分子平推展开： $(x^2+1)^2 = x^4 + 2x^2 + 1$。
大卸八块（逐项相除）： $$ \frac{x^4 + 2x^2 + 1}{x^3} = x + \frac{2}{x} + x^{-3} $$ 你看！一个恶心的怪物瞬间变成了 3 只一级小怪！
闭眼收割： $$ \int \left( x + \frac{2}{x} + x^{-3} \right) dx = \frac{x^2}{2} + 2\log|x| + \frac{x^{-2}}{-2} = \mathbf{\frac{1}{2}x^2 + 2\log|x| - \frac{1}{2x^2} + C} $$

(太干脆利落了！只要看见分母是个单项，马上想到分离多项式)。

🔴 大院杀手局：例题 1 (3) —— 系数陷阱与背公式的区别

【题目】 $$ \int \frac{5}{9x^2 - 4} dx $$

:::tip[导师破题直觉] 这是考研积分极其高频出现的套路模型！特征是：“常数除以二次方程（且没一次项）”。有两种解法能干掉它。书本演示了一种，我再补充最高效的一招！ :::

【解法一：基本功裂项法（同书中官方解法）】

观察分母 $9x^2 - 4 = (3x-2)(3x+2)$。平方差公式一清二楚。
使用“部分分数分解（部分分数分解）”将大块劈开：设 $\frac{1}{(3x-2)(3x+2)} = \frac{A}{3x-2} + \frac{B}{3x+2}$。通分后发现差值刚好是 $4$，所以凑一下： $$ \frac{1}{9x^2-4} = \frac{1}{4} \left( \frac{3}{3x-2} - \frac{3}{3x+2} \right) $$ (这里刻意留了分子 $3$，因为它是内部的导数 $(3x\pm2)'=3$，这极其关键)。
直接套对数积分神技 $\int \frac{f'(x)}{f(x)}dx = \log|f(x)|$： $$ \text{原式} = 5 \cdot \frac{1}{4} \left( \log|3x-2| - \log|3x+2| \right) = \mathbf{\frac{5}{12} \log\left| \frac{3x-2}{3x+2} \right| + C} $$

【解法二：套无敌公式法（极度推荐！）】

你还记得前两页（p.52）我划星号的那个对数大招公式（4）吗？ $$ \int \frac{1}{x^2 - a^2} dx = \frac{1}{2a} \log\left| \frac{x-a}{x+a} \right| $$

:::important[考场最高危避坑] 在这个公式里，$x^2$ 前面的系数必须干净得连个屁都没有（必须是 1）！ 这里是 $9x^2$，绝对不能直接套公式（不能盲猜 $a=2, x=3x$ 代进去，必定少系数死翘翘）！ :::

正确的绝杀：先把 $x^2$ 前面的 $9$ 强行抠出去！！ $$ \text{原式} = \int \frac{5}{9 \left( x^2 - \frac{4}{9} \right)} dx = \frac{5}{9} \int \frac{1}{x^2 - \left(\frac{2}{3}\right)^2} dx $$ 此时，完美对位标准公式： $a = 2/3$。闭眼代入公式： $$ = \frac{5}{9} \cdot \left[ \frac{1}{2 \cdot (2/3)} \log\left| \frac{x - 2/3}{x + 2/3} \right| \right] $$ 外面算算分数： $\frac{5}{9} \times \frac{3}{4} = \frac{5}{12}$。对数里面上下同乘个 $3$ 去掉烦人的分数： $\frac{3x-2}{3x+2}$。答案得出： $\mathbf{\frac{5}{12} \log\left| \frac{3x-2}{3x+2} \right| + C}$！

(你感受一下解法二的杀伤力。它在考场上能比裂项法快至少两分钟，而且绝不容易出错！条件只有一个：把那个 9 给提出来！)

🎓 导师灵魂语录（解读底部的【追记 3.1】）

你看页面底下，作者加了一段苦口婆心的“碎碎念”。他在说什么呢？

他说：微积分前两章，遇到多么复杂的式子，咱们不管三七二十一，用链式法则都能硬砍出导数。 但是积分不一样！并不是所有的初等函数都能积得出“人类能看懂”的初等原函数的。 （例如 $\int e^{x^2} dx$，就积不出来）。因此！积分考试本质上就是在玩一个**“认脸配对游戏（特征を識別して積分する）”**。

这 $54$ 页，教给你的这套：

见带根号上下式 $\to$ 化次幂
见多项分子单项母 $\to$ 分裂
见纯二次多项分母 $\to$ 提公因数配对公式 就是第一级的特征配对绝杀。

啊！导师在这里给你鞠躬谢罪！你说得对，那是书上的 56 页！

我刚才脑子一热，直接窜到了第 $66$ 页（那也是“无理函数和指数对数积分法”的超大汇总表），完全跳过了我们在实战中最需要啃下的这块“桥头堡”。你的火眼金睛非常棒！这也再次提醒我们在院试考场上“看清题目题号（页码）”有多重要！

既然我们立刻退回到真正的 第 56 页（对应图片的第 66 页）。这一页可谓是真正的**“微积分屠龙刀试斩现场”！这一页的 例題 3 完完全全演示了遇到无理函数（根号）时，“三角换元法（三角置換）”** 是如何化腐朽为神奇的。这也是院试计算大题里的满分基石。

作为导师，我立刻带你进入这极其优美的代数变身术中，并教你不用死背公式的“画三角形”反演绝杀！

👑 绝技一：圆之刃 —— 正弦换元（例題 3 (1)）

【题目要求】 求不定积分 $$ \int \sqrt{a^2 - x^2} , dx \quad (a > 0) $$ （如果你背了 52 页的公式，答案就直接写出来了，但这是教你它是怎么被证出来的。）

:::tip[导师心法大白话] 看到 $\sqrt{\text{常数} - x^2}$，不用想，必须请 $x = a \sin t$ 出山！为什么？因为只有 $a^2 - a^2 \sin^2 t = a^2 \cos^2 t$，能在根号里面凑成完美平方，生生把根号给脱下来！ :::

【满分卷面推导（三个铁血步骤）】

宣示变身（写代换和微元）： 令 $x = a \sin t$。为了保证单调可逆且开根号不带负号，一般限定 $t \in [-\pi/2, \pi/2]$。那么两边求微分（重要！）： $dx = a \cos t , dt$。
全面入侵（带入替换并化简）： 把原来的 $x$ 连同 $dx$ 一起换掉： $$ \int \sqrt{a^2 - (a \sin t)^2} \cdot (a \cos t) , dt $$ 前面的根号化简为 $\sqrt{a^2 \cos^2 t} = a \cos t$。式子变成了： $\int (a \cos t)(a \cos t) , dt = a^2 \int \cos^2 t , dt$。
【高频考点】降次魔法（半角公式）： 千万记住：在积分世界里，没人能直接积出 $\cos^2$ 或者 $\sin^2$。只要看见它们，唯一的出路是利用二倍角公式**“降次（次数を下げる）”**！ $\cos^2 t = \frac{1 + \cos 2t}{2}$ $$ a^2 \int \frac{1 + \cos 2t}{2} , dt = \frac{a^2}{2} \left( t + \frac{1}{2} \sin 2t \right) = \frac{a^2}{2} (t + \sin t \cos t) $$
【灵魂动作】逆向脱壳（把 $t$ 变回 $x$）： 我们算出结果有 $t, \sin t, \cos t$，必须换回去。已知 $x = a \sin t$，那么 $\sin t = \frac{x}{a}$，且 $t = \sin^{-1}(\frac{x}{a})$。那 $\cos t$ 是多少呢？其实 $\cos t = \sqrt{1 - \sin^2 t} = \frac{\sqrt{a^2-x^2}}{a}$。把这些全塞进去替换： $$ \frac{a^2}{2} \left( \sin^{-1} \frac{x}{a} + \frac{x}{a} \cdot \frac{\sqrt{a^2-x^2}}{a} \right) = \mathbf{\frac{a^2}{2} \sin^{-1} \frac{x}{a} + \frac{x}{2} \sqrt{a^2-x^2} + C} $$ (完美！和咱们在 52 页看见的终极公式完全一样！)

🛡️ 绝技二：双曲线之盾 —— 正切换元（例題 3 (2)）

【题目要求】 求不定积分 $$ \int \frac{1}{(a^2 + x^2)^{3/2}} , dx $$

:::tip[导师破题直觉] 看到分母有 $a^2 + x^2$，脑中立刻关联三角学常识 $1 + \tan^2 t = \sec^2 t = 1/\cos^2 t$。因此遇到“平方相加”，不用犹豫，一律请 $x = a \tan t$ 上场！ :::

【满分卷面推导】

宣示变身： 令 $x = a \tan t$。微分出大杀器： $dx = \frac{a}{\cos^2 t} , dt$。
化解底部的魔王： 看看那个恶心的分母底座 $(a^2 + x^2)$： $$ a^2 + a^2 \tan^2 t = a^2(1 + \tan^2 t) = \frac{a^2}{\cos^2 t} $$ 现在分母是它的 $3/2$ 次方（先开方再三次方）：分母变成 $= \left( \frac{a}{\cos t} \right)^3 = \frac{a^3}{\cos^3 t}$。
合并绝杀大消除： $$ \text{原积分} = \int \frac{1}{\frac{a^3}{\cos^3 t}} \cdot \left( \frac{a}{\cos^2 t} \right) , dt = \int \frac{\cos^3 t}{a^3} \cdot \frac{a}{\cos^2 t} , dt $$ 上下互相大屠杀后，极其不可思议的事情发生了，竟然只剩下： $$ \frac{1}{a^2} \int \cos t , dt $$ 这简直比杀鸡还简单：等于 $\frac{1}{a^2} \sin t + C$！
【导师绝招】不会写反函数？画直角三角形法： 现在的难题是，我只知道 $\tan t = x/a$，怎么求出最后的 $\sin t$ result？别用代数反推，容易错。在卷子上画一个直角三角形：找一个角 $t$，既然 $\tan t = x/a = \text{对边} / \text{邻边}$，那么对边标 $x$，邻边标 $a$。用勾股定理算一下斜边，就是 $\sqrt{a^2+x^2}$。所以在这个三角形里， $\sin t = \frac{\text{对边}}{\text{斜边}} = \frac{x}{\sqrt{a^2+x^2}}$！不用两秒钟就算出来了。把 $\sin t$ 替换进去：结论： $$ = \mathbf{\frac{x}{a^2 \sqrt{a^2+x^2}} + C} $$

🎓 导师阅卷室复盘及“注脚神点评”

书在这页给了你一个非常温馨的【注意 3.2】：这里做“不定积分”，算出结果后，我们还要拼死拼活地把 $t$ “回退”成 $x$（极其痛苦且容易算错）。但是，到了后面两页的 定积分（有上下限） 的计算时，我们就完全不需要再替换回 $x$ 了！只要顺手把上下限的数字换算成新的角度 $t$ 的范围，一路顺着用 $t$ 算出数值即可，极其爽快！所以这门手艺未来简直大有可为。

下方给了几道极好的实战 問題 3.1（底下的注脚 $\dagger$ 直接把底牌全漏给你了）：

碰到 $(4 - x^2)$ 的形式，跟例题一模一样，令 $x = 2 \sin t$。
碰到 $(1 + x^2)$ 形式，和例题二一样，令 $x = \tan t$。
这是一道伪装题 $\frac{3x}{\sqrt{1-x^4}}$：先进行普通换元令 $u = x^2$，那么 $du = 2x , dx$，外面的 $x$ 就被消去了，剩下的就是单纯的 $\int \frac{1}{\sqrt{1-u^2}} , du$，就是 $\arcsin u$，毫无挑战！

翻到了！第 57 页（书本右上角标着 57，对应图片的第 67 页）。

请系好安全带！这一页在微积分考试中绝对算得上是**“核爆级”的干货**。它的名字叫：【部分積分法（分部积分法 / Integration by Parts）】。

前面学的“换元法”是为了对付复合嵌套的怪物，而“分部积分法”专门用来解决**“两种八竿子打不着的函数（比如 $x^2$ 和 $\sin x$），被硬生生乘在一起”**的跨界杀手！

考官如果在第一道大题出积分，通常不是换元就是分部。作为你的导师，我先把这个法的**“选角口诀”**教给你，然后带你拆解这三道极其血腥的经典实战例题：

🛡️ 导师独家秘籍：分部积分的“选角潜规则”

公式咱们都知道： $\int f(x)g'(x) , dx = f(x)g(x) - \int f'(x)g(x) , dx$。 【终极难题】考场上，两人站在一起，到底谁来当被求导的 $f(x)$，谁去当被积分的 $g'(x)$？

👉 口诀：“反对幂指三”原则（选做求导项 $f(x)$ 的优先度）

反：反三角函数（$\arcsin x, \arctan x$）
对：对数函数（$\log x$）
幂：幂函数 / 多项式（$x^n, x^2+1$）
指 / 三：指数函数（$e^x$）、三角函数（$\sin x, \cos x$）

排在前面的，无条件被选作 $f(x)$ 拿去求导（因为它们求导变简单，积分难于登天）。排在后面的老老实实当 $g'(x)$ 被积。牢记此口诀，这页所有的题都会乖乖变成流水线作业！

👑 例题 4 拆解：分部积分的“三大绝境”

💣 绝境一：包含隐蔽陷阱的 $x^n \log x$（例题 4 (1)）

【题目】 $$ \int x^n \log x , dx $$

:::tip[导师破题] 根据我们的口诀“反对幂”，“对数”排在前面，所以必选 $f(x) = \log x$，剩下的 $g'(x) = x^n$ 被拿去积分。但是！书本在这里展示了一个极其狠毒的院试阅卷雷区：你能不能随便积 $\int x^n , dx = \frac{x^{n+1}}{n+1}$？ 绝对不行！如果 $n = -1$ 呢？分母不就为 $0$ 炸了吗？！ 所以这题在卷面上必须、绝对要分情况讨论（場合分け）！ :::

【满分卷面】

Case 1：当 $n \neq -1$ 时（普通分部）：
- $f(x) = \log x \implies f'(x) = 1/x$
- $g'(x) = x^n \implies g(x) = \frac{x^{n+1}}{n+1}$
- 套公式： $$ = \left( \frac{x^{n+1}}{n+1} \log x \right) - \int \left( \frac{1}{x} \cdot \frac{x^{n+1}}{n+1} \right) dx $$
- 后面约掉一个 $x$，就变成了普通的 $x^n$ 积分。结果秒出。
Case 2：当 $n = -1$ 时（魔法收尾）： 原式变成了 $\int x^{-1} \log x , dx = \int \frac{\log x}{x} , dx$。此时千万别用复杂的分部，直接用我们在 p.54 练出的嗅觉：“$1/x$ 不就是 $\log x$ 的导数吗！” 换元：令 $u = \log x$ ，则 $du = \frac{1}{x} , dx$。 $$ \int u , du = \frac{1}{2} u^2 = \mathbf{\frac{1}{2}(\log x)^2 + C} $$

(书中给了一个把项移到等式左边相加的高端代数方法，虽然装 X 但容易绕晕。我建议遇到 $n = -1$ 直接像我这样普通换元，万无一失！)

🪆 绝境二：“套娃大连环” $x^2 \cos x$（例题 4 (2)）

【题目】 $$ \int x^2 \cos x , dx $$

:::tip[导师破题] 根据“反对幂指三”，幂函数 $x^2$ 排前面，选它做 $f(x)$ 拿去求导“砍死”； $\cos x$ 去当 $g'(x)$。 :::

【满分卷面】

第一刀砍下去：
- $f = x^2 \implies f' = 2x$
- $g' = \cos x \implies g = \sin x$
- 公式： $$ \int x^2 \cos x , dx = \mathbf{x^2 \sin x - \int 2x \sin x , dx} $$
没死绝，第二刀再砍（嵌套分部）： 留下的尾巴 $\int 2x \sin x , dx$ 里，还是多项式乘三角。我们对它再来一次分部积分！把 $2x$ 求导变 $2$（这下终于死成常数了！）， $\sin x$ 积分变 $-\cos x$。 $$ \int 2x \sin x , dx = -2x \cos x - \int 2(-\cos x) , dx = -2x \cos x + 2 \sin x $$
回填组合，小心符号（绝大多人死在这里）： 把第二次算出的尾巴，带着大括号塞回第一步！ $$ = x^2 \sin x - (-2x \cos x + 2 \sin x) + C $$ $$ = \mathbf{x^2 \sin x + 2x \cos x - 2 \sin x + C} $$

(如果院试考你 $x^3 \cos x$，那就一咬牙连砍三刀，思路不变，稳如老狗。)

🌋 绝境三：代数神鬼大消除 $x \sin^{-1} x$（例题 4 (3)）

【题目】 $$ \int x \sin^{-1} x , dx $$

:::tip[导师破题] 这就是院试中让大多数人最后一步放弃的终极刺客。 “反”排第一，必定令 $f(x) = \sin^{-1} x$，所以 $f'(x) = \frac{1}{\sqrt{1-x^2}}$。令 $g'(x) = x \implies g(x) = \frac{x^2}{2}$。 :::

【满分推导及极限化简】

套公式后产生一个尾巴（把 $1/2$ 提出来）： 尾巴： $$ -\frac{1}{2} \int \frac{x^2}{\sqrt{1-x^2}} , dx $$

:::important[🚨 高光时刻：这个鬼东西怎么积？！] 看清楚！底下是 $1-x^2$，上面却只有 $x^2$！遇到这种差一个常数就能对消的，我们要强行“借鸡生蛋”！看书中是这么操作分子的：故意添一个 $+1$ 和 $-1$！ 让 $x^2 = \mathbf{-(1 - x^2) + 1}$ 于是，原来的烂分数直接被劈成了完美的两个祖宗公式： $$ \frac{x^2}{\sqrt{1-x^2}} = \frac{-(1 - x^2)}{\sqrt{1-x^2}} + \frac{1}{\sqrt{1-x^2}} $$ :::

前一半互相消除，变成 $-\sqrt{1-x^2}$ ；后一半是 $\frac{1}{\sqrt{1-x^2}}$ ！

把这两块拆分开来积分，我们在第 $52$ 页全背过它们的直接答案！

积分后一半 $\int \frac{1}{\sqrt{1-x^2}} , dx = \sin^{-1} x$ （公式 $5$）
积分前一半 $\int -\sqrt{1-x^2} , dx$ （圆面积公式 $7$，在 p.55 也有结论）然后把它塞回去化简，绝杀。

🎓 导师阅卷室忠告

部分积分（分部积分）可以说是你在院试里拿分最稳、但也是最容易算错符号的一步。

做这类题，你一定要遵循严格的“上下分离书写法”，不要心算 $f'$ 和 $g$！草稿纸一定要留足空隙。
遇到 $x^n e^x, x^n \sin x$ 这类的组合，明确是要把多项式的次数一点点削干净。
遇到带有 $\log, \arcsin$ 等看起来孤独的个体（下面问题 4.1 会碰到），时刻记住我在第 $53$ 页教你的那一招：在它前面乘一个虚拟的 $1$，把 $1$ 积分上去当多项式进行分部！

底部的 問題 4.1 中：

(1) $x e^x$ 是拿去练基本功的秒杀题。
(2) $\cos x \log(\sin x)$ ，这里有一个超级舒服的伏笔（提示：你可以把外面的 $\cos x , dx$ 悄悄换元收进 $d(\sin x)$ 里面，瞬间剥掉一层洋葱！这就是换元和分部的组合拳！）。

安排！这可是这半页里隐藏得最深的一位“刺客”： 第 57 页問題 4.1 (3)。

【题目】 求不定积分： $$ \int x^3 \sqrt{1-x^2} , dx $$

:::note[导师破题直觉] 作为你的导师，看到这道题，我会先为你鼓掌。因为在考场上遇到它，普通考生会被直接卡死，但对于掌握了系统武器库的你来说，这道题其实有两种完全不同的“降维解法”！

一种是遵循这一页教学目的的**【高端分部积分法】，另一种是利用我们上一页刚学的【暴力三角换元法】**。我们先讲官方最想考你的神级“拆分法”： :::

👑 官方正统解法：神级拆分 + 分部积分法

【导师破题直觉] 题目在“部分积分法（分部积分）”这一节。按我们的口诀“反对幂指三”，只有多项式 $x^3$ 和带根号的多项式 $\sqrt{1-x^2}$，怎么定 $f(x)$ 和 $g'(x)$？如果我们令 $f(x) = x^3$，那么 $g'(x) = \sqrt{1-x^2}$，这玩意儿的积分会搞出反正弦 $\arcsin$，事情会变得无比绝望。

【终极破局手段：借鸡生蛋（强行拆分）！】 分部积分的核心是： $g'(x)$ 必须好积分！ 我们发现 $\sqrt{1-x^2}$ 不好积，但是如果给它旁边配上一个 $x$，变成 $x\sqrt{1-x^2}$，那就极其容易积了（用凑微分法）！所以，我们无情地把 $x^3$ 劈成两半： $x^3 = x^2 \cdot x$。

【满分推导演示】

构造完美分身： 将原式改写为： $$ \int \mathbf{x^2} \cdot \mathbf{(x \sqrt{1-x^2})} , dx $$ 此时我们钦定：
- 负责被求导去死的 $f(x) = x^2 \implies f'(x) = 2x$
- 负责被积分还原的 $g'(x) = x \sqrt{1-x^2}$
支线任务（计算部件）： 积分：怎么求 $g(x) = \int x(1-x^2)^{1/2} , dx$？心里默默使用换元：令 $u = 1-x^2$，那么 $du = -2x , dx \implies x , dx = -\frac{1}{2} , du$。 $$ \int -\frac{1}{2} u^{1/2} , du = -\frac{1}{2} \cdot \frac{2}{3} u^{3/2} = \mathbf{-\frac{1}{3} (1-x^2)^{3/2}} $$ 漂亮！我们拿到了 $g(x)$！
主线合成（启动分部积分公式）： 公式： $\int f \cdot g' , dx = fg - \int f' g , dx$。代入！ $$ = x^2 \cdot \left[ -\frac{1}{3}(1-x^2)^{3/2} \right] - \int 2x \cdot \left[ -\frac{1}{3}(1-x^2)^{3/2} \right] , dx $$ 清理一下后面尾巴的系数（负负得正，提常数出来）： $$ = -\frac{1}{3}x^2(1-x^2)^{3/2} + \frac{2}{3} \int x (1-x^2)^{3/2} , dx $$
补刀击杀尾巴（最后一次积分）： 最后这个尾巴 $\int x (1-x^2)^{3/2} , dx$ 眼熟吗？跟第 $2$ 步的支线任务一模一样！还是凑微分！直接出结果： $$ \int u^{3/2} (-\frac{1}{2}) , du = -\frac{1}{2} \cdot \frac{2}{5} u^{5/2} = \mathbf{-\frac{1}{5}(1-x^2)^{5/2}} $$ 代入上式并乘以前面的 $\frac{2}{3}$： $$ \text{最终结果} = -\frac{1}{3}x^2(1-x^2)^{3/2} - \frac{2}{15}(1-x^2)^{5/2} + C $$
考场炫技（极限化简，不写不扣分，写了是大神）： 提取公因式 $-\frac{1}{15}(1-x^2)^{3/2}$： $$ = -\frac{1}{15}(1-x^2)^{3/2} \left[ 5x^2 + 2(1-x^2) \right] + C $$ 括号里面 $5x^2 + 2 - 2x^2 = 3x^2 + 2$。最终绝美答案： $\mathbf{-\frac{1}{15}(1-x^2)^{3/2} (3x^2 + 2) + C}$！

🛡️ 导师备用逃生通道：暴力三角换元法（更无脑）

如果你在考场高压下，你忘了可以拆分 $x^3$ 怎么办？ 请启动第 $56$ 页教你的最高本能： 看到 $\sqrt{1-x^2}$，直接换上面具令 $x = \sin t$！

【替代流演示】

令 $x = \sin t \implies dx = \cos t , dt$。
全面代入原式 $\int x^3 \sqrt{1-x^2} , dx$： $$ \int (\sin^3 t) (\sqrt{1-\sin^2 t}) (\cos t , dt) = \int \sin^3 t \cos^2 t , dt $$
三角积分终极法则（扒单变方）：把奇数次幂 $\sin^3 t$ 扒一个下来陪 $dt$！ $$ \int \sin^2 t \cos^2 t (\sin t , dt) $$ 把 $\sin^2 t$ 全换成 $\cos$： $$ \int (1 - \cos^2 t) \cos^2 t (\sin t , dt) $$
舒服的凑微分：令 $u = \cos t$，那么 $du = -\sin t , dt \implies \sin t , dt = -du$。 $$ \int (1 - u^2) u^2 (-du) = \int (u^4 - u^2) , du = \frac{1}{5} u^5 - \frac{1}{3} u^3 + C $$
脱下所有的面具换回 $x$：因为 $u = \cos t = \sqrt{1-x^2}$。代进去： $$ \mathbf{\frac{1}{5}(1-x^2)^{5/2} - \frac{1}{3}(1-x^2)^{3/2} + C} $$

(你看，这个答案如果你提个公因式，和上面第一种解法化简后的结果是完完全全一模一样的！)

🎓 导师判卷建议

在真正考场上遇到这题，你选哪个？

如果你代数变形凑微分类计算极度熟练，我强烈推荐第一种分部积分法。步骤极其简短，写出来能展现非常高级的代数思维，且省去了反三角替换回原函数可能带来的计算错误。
如果你当时头脑空白，不想去猜该怎么拆分 $x^3$，请直接闭眼砸三角换元！这个方法稳如老狗，一切全在流程之内。

翻到了！第 58 页（书本左上角标着 58，对应图片的第 68 页）。

如果说上一页是分部积分的基础入门，那么这一页就是把新兵送上战场的**“地狱拉练”**！

这一页的主题是 「積や商の積分（乘积与商的积分）」，在这里，你将学到微积分解答大题中能起到“逆天改命”效果的三大究极实战组合拳！特别是这页的 例题 5(1)，它可是算各种抛物线弧长、立体面积时的终极隐藏 Boss。很多同学遇到直接交白卷。

作为你的导师，我把这三道大招为你庖丁解牛，逐字拆招：

👑 第一大招：分部积分的终极奥义「循环移项法」（例题 5(1)）

【题目】 $$ \int \sqrt{x^2 + a} , dx \quad (a \neq 0) $$

:::tip[导师破题直觉] 看着这孤零零的一个大根号，前面我们怎么都积不出它的原形！但是你回忆上一页我的口诀：遇到孤单且无法处理的函数，强行给它乘上一个 $1$，然后对 $1$ 进行积分拉它下水做分部积分！ :::

【满分推导演示（此操作必称“神迹”）】

构造法术起手式： 原式设为 $I = \int \mathbf{1} \times \sqrt{x^2+a} , dx$
- 令负责积分的 $g'(x) = 1 \implies g(x) = x$
- 令负责求导的 $f(x) = \sqrt{x^2+a} \implies f'(x) = \frac{1}{2\sqrt{x^2+a}} \cdot 2x = \frac{x}{\sqrt{x^2+a}}$
带入分部大公式 $\int f g' = f g - \int f' g$： $$ I = x\sqrt{x^2+a} - \int \frac{x \cdot x}{\sqrt{x^2+a}} , dx = x\sqrt{x^2+a} - \int \frac{x^2}{\sqrt{x^2+a}} , dx $$
【极其天才的补丁术】对付恶心尾巴： :::important[借鸡生蛋] 我们要处理尾巴 $\int \frac{x^2}{\sqrt{x^2+a}} , dx$。看底下有 $x^2+a$，我们在上面**强行“加个 $a$ 减个 $a$”**凑出分母的样子：分子 $x^2 = (x^2+a) - a$。这招叫“借鸡生蛋”。 ::: 分式劈开： $$ \frac{(x^2+a) - a}{\sqrt{x^2+a}} = \sqrt{x^2+a} - \frac{a}{\sqrt{x^2+a}} $$
【全场最高能：本体重现！】 将分裂出的两项积分塞回第二步的等式中： $$ I = x\sqrt{x^2+a} - \left( \int \sqrt{x^2+a} , dx - \int \frac{a}{\sqrt{x^2+a}} , dx \right) $$ 仔细看方括号里的第一项 $\int \sqrt{x^2+a} , dx$，这特么不就是我们要本尊 $I$ 吗！！！它怎么又自己跑出来了？！ 别怕，这是好消息！我们直接把它换成 $I$，式子变成了普通的代数方程： $$ I = x\sqrt{x^2+a} - I + a \int \frac{1}{\sqrt{x^2+a}} , dx $$
代数移项，秒出最终大招： 把右边的 $-I$ 丢到等号左边去，变成了 $2I$！ $$ 2I = x\sqrt{x^2+a} + a \int \frac{1}{\sqrt{x^2+a}} , dx $$ 最后这一小块积分怎么做？打开我们在 52 页背下来的【公式 6】（无情背诵题）： $$ \int \frac{1}{\sqrt{x^2+a}} , dx = \log|x + \sqrt{x^2+a}| $$
两边同除 2 收尾，一绝平天下： $$ I = \mathbf{\frac{1}{2} \left{ x\sqrt{x^2+a} + a\log|x + \sqrt{x^2+a}| \right} + C} $$

(你在考场上写出这套从拆项到 $2I$ 移项的操作，批卷老师对你的评分会直接拉到卓越级。这属于必须烙印进肌肉记忆的神仙题！)

🪓 第二大招：连环剥洋葱杀（例题 5(2)）

【题目】 $$ \int x^2 e^{-2x} , dx $$

:::tip[导师破题直觉] 标准送分题。“反对幂指三”，选 $x^2$ 当 $f(x)$ 拿来“刀”掉， $e^{-2x}$ 当受气包被积分。因为有 $x^2$，必须稳如泰山地连砍两刀分部积分，不要嫌累，这是纯考基本功，也是最容易因为丢符号挂掉的地方！ :::

【满分卷面核心防错雷区】

:::important[倒数提取法] 千万记住！ $e^{-2x}$ 积分一次会跑出来一个 $-\frac{1}{2}$！ :::

第一刀： $$ \int x^2 e^{-2x} , dx = x^2 \left( \frac{e^{-2x}}{-2} \right) - \int 2x \left( \frac{e^{-2x}}{-2} \right) , dx = -\frac{1}{2}x^2 e^{-2x} + \int x e^{-2x} , dx $$ (注意这里负负得正变回加号了，这儿极容易错)。
第二刀（劈后面的尾巴 $\int x e^{-2x} , dx$）： $$ \int x e^{-2x} , dx = x \left( \frac{e^{-2x}}{-2} \right) - \int 1 \cdot \left( \frac{e^{-2x}}{-2} \right) , dx = -\frac{1}{2}x e^{-2x} + \frac{1}{2} \int e^{-2x} , dx = -\frac{1}{2}x e^{-2x} - \frac{1}{4}e^{-2x} $$
扫地拼图，交卷： 把尾巴代回第一刀的式子，提取公因式 $-e^{-2x}/2$，结果美观且无懈可击。 $$ = \mathbf{-\frac{1}{2} e^{-2x} \left( x^2 + x + \frac{1}{2} \right) + C} $$

🧩 第三大招：“一鱼两吃”的高端分拆法（例题 5(3)）

【题目】 $$ \int \frac{2x - 5}{3x^2 + 4} , dx $$

:::tip[导师破题直觉] 这是一道非常恶心的“商の積分”。它不能用初中的裂项分解，因为底下 $3x^2+4$ 这个大石头无法实数分解！怎么处理顶上的 $2x-5$？

【终极口诀】“拆分子！带 $x$ 的全部分给 $\log$，带常数的全部分给 $\arctan$ ！” :::

【考场实战连招】

把大石头劈开，一人领走一半的分子： $$ \text{原式} = \int \frac{2x}{3x^2+4} , dx - 5 \int \frac{1}{3x^2+4} , dx $$
对付左手怪（凑分母的导数出 $\log$）： 看 $\frac{2x}{3x^2+4}$。如果下面求个导，应当等于 $6x$。但分子只有可怜的 $2x$。怎么办？强行凑！把分子写成 $\frac{1}{3} \cdot 6x$！ $$ \int \frac{1}{3} \frac{6x}{3x^2+4} , dx = \frac{1}{3} \int \frac{(3x^2+4)'}{3x^2+4} , dx = \mathbf{\frac{1}{3} \log(3x^2+4)} $$ (看这步顺畅得像不像在给自行车上机油？绝对不拖泥带水)。
对付右手怪（掏大公式变 $\arctan$）： 看后面的 $- 5 \int \frac{1}{3x^2+4} , dx$。这太典型了，只要把 $x^2$ 前面的系数扣出来，就能上 52 页最牛逼的【公式 3】。把 3 提出来丢在外面： $$ -\frac{5}{3} \int \frac{1}{x^2 + 4/3} , dx = -\frac{5}{3} \int \frac{1}{x^2 + (2/\sqrt{3})^2} , dx $$ 带公式 $\frac{1}{a} \arctan \frac{x}{a}$，此时 $a = 2/\sqrt{3}$： $$ -\frac{5}{3} \cdot \frac{\sqrt{3}}{2} \tan^{-1} \left( \frac{x}{2/\sqrt{3}} \right) = \mathbf{-\frac{5}{2\sqrt{3}} \tan^{-1} \frac{\sqrt{3}x}{2}} $$
两只怪物拼装，完美过关。（你对比书上标答的结果，跟我们一步步推出来的完全贴合）。

🎓 导师阅卷室忠告

微积分考试中的大部分定积分或体积问题，都是在算这三个形态！这三个技能可以说就是日本考研高分的通关钥匙：

例 (1) 是面对不死不活积分题的反打手段：移项法则出同源 $I$！
例 (2) 训练你不眼花缭乱的手法与毅力。
例 (3) 强迫你牢记把带有未知数的分式用加减拆成 $\log$ 部队和 $\arctan$ 狙击手两部分各自作战！

♾️ 终极刺客：例题 6 —— 指数与三角函数的同形积分

【导师破题直觉】 碰到 $\int e^{ax} \sin bx ,dx$ 和 $\int e^{ax} \cos bx ,dx$。这两兄弟就是死胡同。因为指数 $e^{ax}$ 不管你求导还是积分，它都是 $e^{ax}$；$\sin$ 不管你求导还是积分，就是在 $\cos$ 之间疯狂切换变号。 口诀触发：遇到这对组合，直接上分部积分法连砍，直到本尊再次现身（同形出現）！

这道题，书上展示了两种极其优美的解题门派，我们在考场上随心使用：

👯 门派一：双胞胎结对代数法（解答区官方思路）

这个门派的宗旨在：既然他们是孪生兄弟，干脆把他们编入一个**二元一次方程组（連立方程式）**里，用初中的代数手法一网打尽！

设定目标： 设 $I_1 = \int e^{ax} \sin bx ,dx$ ， $I_2 = \int e^{ax} \cos bx ,dx$。
对 $I_1$ 发动第一次分部积分（选 $g'=e^{ax}, f=\sin bx$）： $$ I_1 = \frac{e^{ax}}{a} \sin bx - \int \frac{e^{ax}}{a} (b\cos bx) dx $$ 提常数化简，你发现尾巴那堆东西 $\int e^{ax}\cos bx ,dx$ 就是兄弟 $I_2$！方程(1)成型： $I_1 = \frac{1}{a} e^{ax} \sin bx - \frac{b}{a} I_2$
同样对 $I_2$ 发动第一次分部积分： $$ I_2 = \frac{e^{ax}}{a} \cos bx - \int \frac{e^{ax}}{a} (-b\sin bx) dx $$ 看尾巴！那不就是第一人 $I_1$ 嘛！（注意负负得正）：方程(2)成型： $I_2 = \frac{1}{a} e^{ax} \cos bx + \frac{b}{a} I_1$
【极爽代数绞杀时刻】： 初中生都会解的方程组！把方程(2)里的 $I_2$ 直接塞进方程(1)里面：把整理一做，就能同时算出 $I_1$ 和 $I_2$ 两个神仙结果！ (这个做法的优势是不容易因为多次求导、积分离散混淆正负号)。

⚔️ 门派二：两刀流硬钢法（下方追記 3.2，强烈推荐！）

考场上往往只让你求其中一个。为了一个积分设两个变量去解联立，有时候费脑子。我们可以直接沿用上页那一套“连砍两刀，召唤本体移项法”！ 【推导流程绝对干货】：

第一刀砍下去： $$ I_1 = \frac{e^{ax}}{a} \sin bx - \frac{b}{a} \int e^{ax} \cos bx ,dx $$
咬紧牙关，对后面那一坨积分砍出第二刀（大注意：务必拿一个大括号圈起来防止符号炸膛）！ $$ \int e^{ax} \cos bx ,dx = \frac{e^{ax}}{a} \cos bx - \int \frac{e^{ax}}{a} (-b\sin bx) dx $$ 化简这一块：$= \frac{e^{ax}}{a} \cos bx + \frac{b}{a} \underbrace{\int e^{ax} \sin bx ,dx}_{\text{本尊出现 } I_1!}$
召唤本尊，移项吞噬： 把这块拼回第一步的式子里： $$ I_1 = \frac{e^{ax}}{a} \sin bx - \frac{b}{a} \left[ \frac{e^{ax}}{a} \cos bx + \frac{b}{a} I_1 \right] $$ 展开大括号（要命的地方就在这里，$-\frac{b}{a}$ 乘进括号变成了 $-\frac{b^2}{a^2} I_1$）： $$ I_1 = \frac{e^{ax}}{a} \sin bx - \frac{b}{a^2} e^{ax} \cos bx - \frac{b^2}{a^2} I_1 $$
乾坤大挪移： 把右边的 $I_1$ 统统移到左边合并同类项： $$ \left(1 + \frac{b^2}{a^2}\right) I_1 = e^{ax} \left( \frac{\sin bx}{a} - \frac{b \cos bx}{a^2} \right) $$ 即 $\left(\frac{a^2 + b^2}{a^2}\right) I_1 = e^{ax} \frac{a \sin bx - b \cos bx}{a^2}$ 两边优雅地约掉那个庞大碍眼的 $a^2$： $$ I_1 = \mathbf{\frac{e^{ax}}{a^2+b^2} (a \sin bx - b \cos bx)} $$ (此操作堪称积分界艺术品！完美复刻官方解答框里的最后结果)。

🛡️ 导师独家：考场外挂防核对口诀

:::tip 在院试这样时间如金的环境下，如果你算了5分钟推出上面的结果，你心里一定犯嘀咕：我有没有中间写错个正负号？

教你一个绝招：求积分就是求导的逆运算，如果你答案做对了，它求导的结果肯定就是积分里的长相！并且，这两个积分是有死背的框架结构的：

$$ \int e^{ax} \begin{cases} \sin bx \ \cos bx \end{cases} dx = \frac{e^{ax}}{a^2+b^2} \times [ \text{两个三角函数的拼装} ] $$

前面的常数 $\frac{e^{ax}}{a^2+b^2}$ 雷打不动。如果在考场上时间实在来不及计算这整套移项，可以直接背写结构。 :::

🎯 扫描雷达（下方問題 6.1 与 6.2 扫荡）

:::tip 如果你读懂了这套绝杀体系，底下的题目基本就在降维打击了：

問題 6.1： $\int \frac{\sin 2x}{e^{3x}} dx$。先把恶心的分式变成指数形式 $\int e^{-3x}\sin 2x dx$！直接对照上面的模板：这里就是 $a = -3, b = 2$。照着模板用两刀流法推一遍即可！
問題 6.2（综合试刀场）：
- (1) $x \tan^{-1} x$：反三角必须优先作为 $f(x)$ 拿来“处死求导”。把 $x$ 变成 $x^2/2$。之后又会得到一个能用除法的常规有理式（我们在前几页玩过强行凑 $-1+1$ 那套）！
- (3) $e^x \log(x+e^{-x})$：这就是院试超高水准防爆题！先拆包！把它打开成 $\log(\frac{xe^x+1}{e^x})$ 之类的怪物？不，不需要！利用分部，将 $e^x$ 视作 $g'$ 积分。之后就会奇迹般地遇到内部对数导数相消除！ :::

🟢 前菜：問題 6.1（同形重现模板套用）

【题目】 求不定积分 $\int \frac{\sin 2x}{e^{3x}} dx$

【导师破题】 首先变成标准形态：$\int e^{-3x} \sin 2x dx$。看到 $e^{\text{常数}x}$ 乘以 $\sin/\cos$，马上触犯这一页我们在例题学的“同形出现（移项大法）”。在考场上，为了极速拿分，你可以直接召唤我们在 p.59 上方证出来的模板公式： $$ \int e^{ax} \sin bx ,dx = \frac{e^{ax}}{a^2+b^2}(a \sin bx - b \cos bx) $$ 这道题里，$a = -3, b = 2$。无脑代入： $$ = \frac{e^{-3x}}{(-3)^2 + 2^2} \left( -3\sin 2x - 2\cos 2x \right) = \mathbf{-\frac{e^{-3x}}{13}(3\sin 2x + 2\cos 2x) + C} $$ （非常简单粗暴，考验考场记忆力，过了！）

🟡 硬菜：問題 6.2 (1)(2) （大院刺客与极限对消）

⚔️ (1) $x \tan^{-1} x$ 的分部切割

【破题】 口诀“反对幂指三”，$\arctan x$ 优先级最高，当做被求导的 $f(x)$！

分部切割： $f = \tan^{-1} x \implies f' = \frac{1}{1+x^2}$； $g' = x \implies g = \frac{x^2}{2}$。 $$ \text{原式} = \frac{x^2}{2}\tan^{-1} x - \frac{1}{2} \int \frac{x^2}{1+x^2} dx $$
巧妙灭掉尾巴（强凑 $-1+1$ 法）： $\int \frac{x^2}{1+x^2} dx = \int \frac{(x^2+1)-1}{1+x^2} dx = \int \left( 1 - \frac{1}{1+x^2} \right) dx = \mathbf{x - \tan^{-1} x}$。
完美合体： $$ = \frac{1}{2}x^2 \tan^{-1} x - \frac{1}{2}(x - \tan^{-1} x) = \mathbf{\frac{1}{2}(x^2+1)\tan^{-1}x - \frac{1}{2}x + C} $$ (稳扎稳打的分部积分基操。)

⚔️ (2) $\sin^{-1} x$ 与凑微分的神迹对消

【破题】 口诀：反三角函数 $\sin^{-1} x$ 必须当 $f(x)$ 拿来求导。剩下的一大块当 $g'(x)$ 积分。

支线配置： $f = \sin^{-1} x \implies f' = \frac{1}{\sqrt{1-x^2}}$ $g' = \frac{x}{\sqrt{1-x^2}} = x(1-x^2)^{-1/2}$。用凑微分法积它： $\int x(1-x^2)^{-1/2} dx \to -\frac{1}{2} \int u^{-1/2} du = -u^{1/2} = \mathbf{-\sqrt{1-x^2}}$。我们得到了完美的 $g(x)$。
大合体产生神迹： 套公式： $fg - \int f'g ,dx$ $$ = \sin^{-1} x \left( -\sqrt{1-x^2} \right) - \int \left( \frac{1}{\sqrt{1-x^2}} \cdot \left( -\sqrt{1-x^2} \right) \right) dx $$ 睁大眼睛看后面那条恶心的尾巴！上下的一坨根号完美自杀身亡！！负负得正，变成： $$ + \int 1 dx $$
神级秒杀结果： $$ = \mathbf{-\sqrt{1-x^2} \sin^{-1} x + x + C} $$

🚨 核能禁区：問題 6.2 (3)(4)(5) （教授私藏的指数魔术）

请你在书上的 (3)(4)(5) 题旁边打上五个鲜红的五角星，并写上这一条 微积分神级公式： $$ \int e^x \left[ f(x) + f'(x) \right] dx = e^x f(x) + C $$ (这个怎么来的？你对右边 $e^x f(x)$ 用乘法求导看看：$(e^x)' f(x) + e^x f'(x) = e^x(f(x)+f'(x))$。完全逆推得证！这就是日本院试用来判断“刷题学霸”与“代数奇才”的分水岭题型！)

我们看看作者是怎么在三道题里层层增加这把魔术的障眼法的：

😈 Level 1: 脱掉外套就能赢 —— (3) $e^x (\log x + 1/x)$

拆解： 提公因式 $e^x$出来： $\int e^x \left( \log x + \frac{1}{x} \right) dx$
火眼金睛： 我们令 $f(x) = \log x$，它的导数恰好是 $f'(x) = \frac{1}{x}$。
这简直就是把“神级公式”贴在你脸上！所以结果直接出： $$ = \mathbf{e^x \log x + C} $$ (无需写任何一步分部积分！)

👹 Level 2: 你需要强行手术 —— (4) $e^x \cdot \frac{x}{(x+1)^2}$

拆解： $e^x$ 外面的长相是 $\frac{x}{(x+1)^2}$。我要怎么把它硬生生分成 $f(x) + f'(x)$ 的形态呢？分子强行借用底层元素 $+1-1$： $$ \frac{(x+1) - 1}{(x+1)^2} = \frac{x+1}{(x+1)^2} - \frac{1}{(x+1)^2} = \mathbf{\frac{1}{x+1} + \frac{-1}{(x+1)^2}} $$
火眼金睛： 我们惊喜地发现，如果你令 $f(x) = \frac{1}{x+1}$，它的导数不多不少刚好就是 $f'(x) = \frac{-1}{(x+1)^2}$！
于是神级公式再现，答案脱口而出： $$ = \mathbf{\frac{e^x}{x+1} + C} $$

💀 Level 3: 连三角函数都加入战局 —— (5) $e^x \frac{1+\sin x}{1+\cos x}$

这道题能写出完整过程的人，绝对配得上东大的水平。这简直是艺术！

拆解与伪装退散（半角公式）： 我们必须化解 $\frac{1+\sin x}{1+\cos x}$。怎么做？高中三角函数半角公式启动： $1+\cos x = 2\cos^2\left(\frac{x}{2}\right)$。为了和上面呼应，$\sin x$ 也强行用倍角拆开 $\sin x = 2\sin(\frac{x}{2})\cos(\frac{x}{2})$。带入分子： $$ \frac{1 + 2\sin(\frac{x}{2})\cos(\frac{x}{2})}{2\cos^2(\frac{x}{2})} $$
强行劈两半： 一半是： $\frac{1}{2\cos^2(x/2)} = \mathbf{\frac{1}{2} \sec^2\left(\frac{x}{2}\right)}$ 另一半是： $\frac{2\sin(x/2)\cos(x/2)}{2\cos^2(x/2)} = \frac{\sin(x/2)}{\cos(x/2)} = \mathbf{\tan\left(\frac{x}{2}\right)}$
终极真相现身： 现在积分变成了： $\int e^x \left[ \tan\left(\frac{x}{2}\right) + \frac{1}{2} \sec^2\left(\frac{x}{2}\right) \right] dx$ 令 $f(x) = \tan(\frac{x}{2})$。对它求导看看？ $f'(x) = \sec^2(\frac{x}{2}) \cdot \left(\frac{x}{2}\right)' = \frac{1}{2} \sec^2\left(\frac{x}{2}\right)$！完美对位！！！
斩下怪物的头颅： $$ = \mathbf{e^x \tan\left(\frac{x}{2}\right) + C} $$

🔄 拔乱反正：問題 6.2 (4)(5) 的双胞胎真相

其实原书 問題 6.2 的 (4) 和 (5)，根本不是什么变态的 $f(x)+f'(x)$ 构造题，而是一对极其优雅、对仗极其工整的**“双胞胎神仙题”**：

题(4)是：$\int \frac{1}{e^x + e^{-x}} dx$
题(5)是：$\int \frac{1}{e^x - e^{-x}} dx$

这两道题，完完全全在考察我们前两页刚讲过的终极大招：【有理化代换（置換積分法）】+【基本公式破防】。而且它们和双曲函数（$\cosh x, \sinh x$）的定积分有极深的血缘关系。

现在，我们把脑子清空，完全跟着课后标答的最正统思路，来把这对双胞胎狠狠拿捏！

:::tip[🛡️ 第一刀：核心破局共识 —— e^x 脱壳术] 无论做 (4) 还是 (5)，只要分母长这种正负指数混杂的样子，不要用分部积分！ 唯一的标准出路是：强行换元！令 $t = e^x$ ！

一旦设了 $t = e^x$，我们要连根拔起做好换装准备：

原变量：$x = \log t$
微分元：$dx = \frac{1}{t} dt$ （这是致命的关键，无数人死在忘记换 $dx$！）
负指数：$e^{-x} = \frac{1}{e^x} = \mathbf{\frac{1}{t}}$

有了这三套衣服，我们进去开杀！ :::

👑 双胞胎哥哥：問題 6.2 (4) 的满分重现

【题目】 $\int \frac{1}{e^x + e^{-x}} dx$

【满分推导（对照解答P.203）】

全面换装： $$ \int \frac{1}{t + \frac{1}{t}} \cdot \left(\frac{1}{t} dt\right) $$
神奇的化简魔法： 把后面那个 $1/t$ 强行乘进前面的分母里：分母 $= (t + \frac{1}{t}) \cdot t = t^2 + 1$。式子瞬间变得不可思议地干净： $$ = \int \frac{1}{t^2 + 1} dt $$
秒唤公式： 翻出我们印在骨子里的第52页【公式 3】：$\int \frac{1}{x^2+1}dx = \tan^{-1}x$！所以： $= \tan^{-1} t$。
还原脱壳： 把 $t$ 换回 $e^x$： $$ = \mathbf{\tan^{-1}(e^x) + C} $$ (惊艳吗！看起来吓人的指数怪物，居然是一道一步到位的反正切！)

🦇 双胞胎弟弟：問題 6.2 (5) 的满分重现

【题目】 $\int \frac{1}{e^x - e^{-x}} dx$ (也就是求 $\frac{1}{2\sinh x}$ 的积分！)

【满分推导（对照解答P.203）】

依然是全面换装： $$ \int \frac{1}{t - \frac{1}{t}} \cdot \left(\frac{1}{t} dt\right) $$
复制同样的魔法化简： 把 $1/t$ 乘进去分母：分母 $= (t - \frac{1}{t}) \cdot t = t^2 - 1$。此时得到积分： $$ = \int \frac{1}{t^2 - 1} dt $$
分式绝杀（两种死法皆可破）：
- 背了公式的霸总：直呼 52页【公式 4】（大根号外的减法对数）：$= \frac{1}{2 \cdot 1} \log \left| \frac{t-1}{t+1} \right|$。
- 没背公式的实干派：强行拆分开（部分分数分解） $\frac{1}{(t-1)(t+1)} = \frac{1}{2}\left( \frac{1}{t-1} - \frac{1}{t+1} \right)$。各自积分出 $\log$ 相减，一样得出上面结果！
终极还原脱壳： 将 $t = e^x$ 重新代进去： $$ = \mathbf{\frac{1}{2} \log \left| \frac{e^x - 1}{e^x + 1} \right| + C} $$

:::important[🎓 导师认罪与升华时刻] 通过这一场由于导师失误引发的“拔乱反正”，你不仅得到了标准的真题解法，而且在考场上也意外收获了防雷金牌！

这不仅让我们重温了【$t=e^x$ 替换法则】极其凶悍的清场能力，同时也展示了考研计算题中最大的魅力：“形式的对称与方法的对称”。

在 $e^x + e^{-x}$ 里，因为它最终变成了 $+1$，对应着 $\arctan$ （反正切）；
在 $e^x - e^{-x}$ 里，因为它最终变成了 $-1$，对应着 $\log$ 裂项（对数）！

（你仔细体会一下这个加减号对应的函数本质区别，这种分类在未来的定积分算收敛时无比好用！） :::

🔱 镇馆之宝：一次式除以二次根式的“满分模板”

这道题简直是微积分不定积分里的**“教科书级满分模板”**。

在考研（院试）中，遇到形如 $\int \frac{\text{一次多项式}}{\sqrt{\text{二次多项式}}} dx$ 的积分，这套解法是唯一的、也是最完美的官方标准流程。

这套流程的精髓就在于四个字：【拆分打击】。既然分子和分母不匹配，我们就强行把分子劈成两半：一半去和根号玩“凑微分（抵消）”，另一半去和根号玩“配方法（套公式）”。

作为导师，我立刻带你把这道题的每一个跳步“扒个精光”：

🗡️ 第一步：强行“借鸡生蛋”（凑出分母的导数）

【目标公式】 $\int \frac{2x+1}{\sqrt{x^2 - 4x + 5}} dx$

:::tip[导师破题直觉] 看着根号下面的大块头：$f(x) = x^2 - 4x + 5$。如果你在脑子里默默给它求个导，它是多少？是 $2x - 4$。再看看上面的分子：是 $2x + 1$。

这两者长得有点像，但就是差了个常数。怎么办？强行借！借了再还！ 把分子写成分母导数的样子： $$ 2x + 1 = \mathbf{(2x - 4) + 5} $$ :::

这就是图片等号后第一步的由来。这不是凭空变出来的魔术，这是为了下一步的分离做准备。

✂️ 第二步：将怪物劈成两半（分而治之）

分子变成了两部分，我们顺势把这个巨大的积分拆成两个小积分相加： 左边大将： $\int \frac{2x - 4}{\sqrt{x^2 - 4x + 5}} dx$ 右边小兵： $\int \frac{5}{\sqrt{x^2 - 4x + 5}} dx$

接下来，我们分别处决它们。

🩸 第三步：处决左边大将（神级凑微分）

我们来看左边：$\int \frac{2x - 4}{\sqrt{x^2 - 4x + 5}} dx$。

仔细看，它的结构其实是 $\int \frac{f'(x)}{\sqrt{f(x)}} dx$。你可以用老老实实的换元法：令 $u = x^2 - 4x + 5$，则 $du = (2x-4)dx$。式子变成了 $\int \frac{1}{\sqrt{u}} du = \int u^{-1/2} du = 2u^{1/2} = 2\sqrt{u}$。

:::tip[导师实战外挂] 在院试考场上，这个结果需要你当做常识直接秒写出来，根本不用在卷子上写换元过程： $$ \mathbf{\int \frac{f'(x)}{\sqrt{f(x)}} dx = 2\sqrt{f(x)}} $$ :::

直接代入：它立刻就等于 $2\sqrt{x^2 - 4x + 5}$！这就是图片里等号右边的第一项，左边的大将瞬间被秒杀了。

🪄 第四步：处决右边小兵（配方法 + UR级核武公式）

我们来看右边：$\int \frac{5}{\sqrt{x^2 - 4x + 5}} dx$。常数 $5$ 提出来不管。

:::tip[导师破题直觉] 看到二次方程放在根号底下，分子上没有任何 $x$ 能够去救它。唯一的生路：初中数学的“平方完成（配方法）”！ $x^2 - 4x + 5 = (x^2 - 4x + 4) + 1 = \mathbf{(x-2)^2 + 1}$。 :::

把配方结果代进去，积分变成了： $$ 5 \int \frac{1}{\sqrt{(x-2)^2 + 1}} dx $$

此时！请立即呼叫我们在 第52页强行刻进脑子里的那个“UR级弧长神仙公式（公式6）”： $$ \int \frac{1}{\sqrt{X^2 + A}} dX = \log|X + \sqrt{X^2 + A}| $$ 在这里，把 $X$ 当成 $(x-2)$，把 $A$ 当成 $1$。直接套用公式！得出的结果就是： $$ \mathbf{5 \log \left| (x-2) + \sqrt{(x-2)^2 + 1} \right|} $$ 当然，根号里面的东西展开，就是原本的那个方程，写成漂亮的形式： $$ = \mathbf{5 \log \left| x-2 + \sqrt{x^2 - 4x + 5} \right|} $$

:::important[🎓 导师防雷复盘] 最后，把两块打完怪掉落的装备拼在一起，再加上隐形的积分常数 $C$，就是最终的完美答案。

这道题是这整本黄皮书教给你的“最高级拆装战术”。以后只要你看到分子是一次式（含有 $x$ ），分母是带有二次式的根号 $\sqrt{ax^2+bx+c}$ 。你必须：

不管三七二十一，算出根号内部的导数。
用加减常数的方法，把分子凑成这个导数加上一个多余的尾巴。
拆成两项：前面凑微分秒出 $2\sqrt{\text{根号}}$ ，后面配平方套 $\log$ 公式。 :::

翻到了！第 61 页（书本右上角标着 61，对应图片的第 71 页）。

系好安全带，深呼吸！导师要告诉你一个残酷的事实：这一页是整本微积分教材中，“纯计算体力消耗最大”的一页，没有之一！

如果这页的 例题 8 出现在日本院试的卷子上，它的潜台词不是在考你的积分智商，而是在进行一场极其血腥的**“抗压能力测试（Stamina Test）”**！很多考生就是因为在这个漫长的前置代数分解中算错了一个符号，导致后面全盘皆输，甚至心态崩溃交白卷。

但你别怕！这头面目狰念的怪兽，本质上不过是把我们前几页学的基本公式强行捏在了一起。我以导师的身份，带你把它大卸八块，教你一套绝对不会出错的工业化解题流水线：

🛡️ 工业化第一步：最高法则 —— 设未知数拆解法

面对： $$ \int \frac{2x}{(x+1)(x^2+1)^2} , dx $$ 这种巨无霸分式。唯一的活路：部分分数分解。但是怎么设分子？很多同学死在第一步！

:::important[👑 院试必背的拆项潜规则]

对于一阶分母 $ (x+1) $ ，上面设常数： $ \frac{A}{x+1} $。
对于二阶且不能分解的分母 $ (x^2+1) $ ，上面必须设一阶多项式： $ \frac{Bx+C}{x^2+1} $。
【致命考点】如果遇到“平方” 如 $ (x^2+1)^2 $ ，必须像剥洋葱一样，给它每一个幂次都单独留个坑！ :::

所以这题正确的设定是必须凑齐三项： $$ \frac{2x}{(x+1)(x^2+1)^2} = \frac{A}{x+1} + \frac{Bx+C}{x^2+1} + \frac{Dx+E}{(x^2+1)^2} $$

⚔️ 工业化第二步：半掩盖半强拆（解出 $A, B, C, D, E$）

通分并抛弃分母，得到大恒等式： $$ 2x = A(x^2+1)^2 + (Bx+C)(x+1)(x^2+1) + (Dx+E)(x+1) $$

如果在考场上把这五元一次方程组硬生生全展开，天都要黑了。

:::tip[导师偷懒心法（混合战术）]

狙击刺杀法（代入绝杀）： 因为方程处处成立，代入一个能消灭大部分敌人的神仙数字： $x = -1$！此时后面的大长串全军覆没（因为都有 $ x+1 $ ），只剩下 $ 2(-1) = A(1^2+1)^2 \implies -2 = 4A \implies \mathbf{A = -\frac{1}{2}} $。
对照抓头法（只看最高次项）： 既然 $ A $ 知道了，不要去代其他复杂的数。看看两边的最高次幂（ $ x^4 $ ）的系数：左边没有 $ x^4 $ ，系数是 $ 0 $ 。右边： $ A x^4 + B x^4 $。所以 $ A + B = 0 \implies \mathbf{B = \frac{1}{2}} $。 :::

(接下来依次去比对 $ x^3, x^2 $ 以及常数项，解出 $ C = 1/2, D = 1, E = 1 $。书上这块直接跳过了计算过程，你考场上一定要沉住气自己算准。)

💣 工业化第三步：大将阵亡，小兵受降（五大送分积分）

经历完痛苦的代数拆分后，真正的微积分只占 20% 的时间。我们将拆完后的五项怪兽分装成五个熟悉的罐头。我带你挨个收割：

收割 1 号（常识）： $$ \int \frac{-1/2}{x+1} , dx = \mathbf{-\frac{1}{2} \log|x+1|} $$
收割 2 号（凑导数）： $$ \int \frac{(1/2)x}{x^2+1} , dx = \frac{1}{4} \int \frac{2x}{x^2+1} , dx = \mathbf{\frac{1}{4} \log(x^2+1)} $$
收割 3 号（公式 $ \arctan $ ）： $$ \int \frac{1/2}{x^2+1} , dx = \mathbf{\frac{1}{2} \tan^{-1} x} $$
收割 4 号（换元降维）： $$ \int \frac{1 \cdot x}{(x^2+1)^2} , dx = \frac{1}{2} \int (x^2+1)^{-2} \cdot (2x) , dx = \mathbf{-\frac{1}{2(x^2+1)}} $$ (我们在 p.54 练过的凑微分，分子缺个 $ 2 $ ，补个 $ 1/2 $ )

🚨 终极 BOSS 战：收割 5 号

终极目标： $$ \int \frac{1}{(x^2+1)^2} , dx $$

考场上只要出现了分母大于等于二次的无头孤零零式子，直接发动书本里掩藏的这招**“无中生有 + 借鸡生蛋（分部积分）”神迹：**

无中生有（硬凑分母的样子）： 强行给分子添个 $x^2$，再减掉： $$ \frac{1}{(x^2+1)^2} = \frac{(x^2+1) - x^2}{(x^2+1)^2} = \frac{1}{x^2+1} - \frac{x^2}{(x^2+1)^2} $$ 前半个 $ \int \frac{1}{x^2+1} , dx $ 直接积出来是 $ \tan^{-1} x $，舒服了。问题是剩下那一坨 $ \int x \cdot \frac{x}{(x^2+1)^2} , dx $。
借鸡生蛋（部分积分发动）： 这招跟我们学过 $ x^3 \sqrt{1-x^2} $ 拆成 $ x^2 \cdot x \dots $ 一模一样！
- 让 $ f(x) = x \implies f'(x) = 1 $
- 让 $ g'(x) = \frac{x}{(x^2+1)^2} \implies $ （我们刚才收割 4 号的时候积过了！） $ g(x) = -\frac{1}{2(x^2+1)} $ 带入公式： $$ \int x \cdot \frac{x}{(x^2+1)^2} , dx = -\frac{x}{2(x^2+1)} - \int \left( -\frac{1}{2(x^2+1)} \right) , dx $$
完美回环： 你看，后面尾巴那个积分不又是 $ \int \frac{1}{x^2+1} , dx $ 吗！它又是 $ \tan^{-1} x $。最终，这一大堆复杂的套娃拼出了这终极项的结果： $$ \mathbf{= \frac{1}{2} \tan^{-1} x + \frac{x}{2(x^2+1)}} $$

把这 5 个结果拼接在一起加起来化简，整张卷子长达一页的完美神级答卷就完成了！（这就是答案下面那个漫长的最后一行结果，全是拼乐高的基本操作）。

🎯 扫荡下方演练阵地：問題 8.1 防雷扫描

如果 61 页你懂了，底下两题你基本不用全算完就能看出破题路径。

** (1) 经典中的经典：** $$ \int \frac{1}{x^3+1} , dx $$

第一刀拆： $ (x+1)(x^2-x+1) $。
第二刀设分子： $ \frac{A}{x+1} + \frac{Bx+C}{x^2-x+1} $。
【警告】：后面的二次多项式没法化简，我们在积分时一定要配平它，化为类似 $ (x - \frac{1}{2})^2 + \frac{3}{4} $。然后就可以愉悦地使用 $ \log $ 凑导和 $ \arctan $ 大招收割。

** (2) 眼明手快伪装题：** $$ \int \frac{x^2}{x^4+x^2-2} , dx $$

千万不要上来设分母 $ Ax^3 $ 啥的！ 这就是个“伪一元二次方程”。
先因式分解： $ (x^2+2)(x^2-1) \implies (x^2+2)(x-1)(x+1) $。
直接裂分为： $ \frac{Ax+B}{x^2+2} + \frac{C}{x-1} + \frac{D}{x+1} $，再去套路化解题。

🎓 导师灵魂结语

第 61 页本质上是个“狐假虎威”的妖怪。考的就是一句话：稳住心神、化大为小！其实你拆解下来看，哪一个微积分公式是你没背过的？完全没有超纲。只不过它的前置代数解方程要求你能高度心静如水。

翻到了！第 62 页（书本右上角标着 62，对应图片的第 72 页）。

深呼吸，起立！我们在这一页，终于和第 53 页遗留的**“最终大 Boss”见面了！这一页的主题是微积分压轴大题中最具统治力的题型：【積分漸化式（积分递推公式）】**。

在日本七帝大或各类顶级名校的院试中，如果积分题是一道独立大题，那么第一小问必定是“証明せよ（证明这个递推式）”，第二小问必定是“この漸化式を用いて計算せよ（用递推式算一个具体的数值）”。

它绝不需要你去死记硬背那冗长恐怖的结果公式，它考的是你能不能熟练打出**“魔法加减” + “分部积分”**的联合必杀技！

导师立刻开启考场上帝视角，带你一步步拆穿 例题 9 的惊天魔术：

👑 绝世一战：例题 9 递推公式全拆解

【题目挑战】 设 $ I_n = \int \frac{1}{(x^2+a^2)^n} , dx $ ，证明这个带着恐怖 $ n $ 次方的大分母积分，可以自我降级（递推），满足书本阴影框里那个硕大的方程。

:::tip[导师破题直觉] 怎么把分母的 $n$ 次方降成 $n-1$ 次方？如果你只是干瞪眼，永远降不下来。既然分母是 $x^2+a^2$，那我要是想办法在分子也造一个 $x^2+a^2$，上下一约分，次方是不是就立刻从 $n$ 减为 $n-1$ 了？这叫：无中生有，强行拼凑！ :::

【满分板书演练（这 4 步是唯一的救命稻草，必须手推一遍）】

强行施法（无中生有）： 我要在上面凑 $ x^2+a^2 $ ，但分子明明是个 $ 1 $ 啊！不怕，我乘个 $ a^2 $ 除以 $ a^2 $ ： $$ I_n = \frac{1}{a^2} \int \frac{\mathbf{a^2}}{(x^2+a^2)^n} , dx $$ 接下来变魔术：利用 $ +x^2-x^2 $ ，把上面变成了 $ (x^2+a^2) - x^2 $！式子直接裂成两半： $$ I_n = \frac{1}{a^2} \left[ \int \frac{x^2+a^2}{(x^2+a^2)^n} , dx - \int \frac{x^2}{(x^2+a^2)^n} , dx \right] $$
大将回缩（提取祖先）： 仔细看上面括号里的第一项！上下约分后变成了 $ \int \frac{1}{(x^2+a^2)^{n-1}} , dx $。这特么不就是上一次世代的老祖先 $ I_{n-1} $ 吗！于是方程变成了： $$ I_n = \frac{1}{a^2} I_{n-1} - \frac{1}{a^2} \int \frac{x^2}{(x^2+a^2)^n} , dx $$ (阶段胜利：我们成功在等式里拉到了第一个降维前任！)
大开杀戒（手撕尾巴的恶魔）： 接下来全部火力集中对付尾巴那条没消掉的毒龙： $ \int \frac{x^2}{(x^2+a^2)^n} , dx $。回忆上节课的分部口诀“分离待积分项”：我们把它强行扯开成 $ x \cdot \frac{x}{(x^2+a^2)^n} $。
- 令挨千刀的 $ f(x) = x \implies f'(x) = 1 $ （真香，导完就不见了）
- 令管还原的 $ g'(x) = x(x^2+a^2)^{-n} $ 用我们熟练的凑导数积分，分母原形求导有 $ 2x $ ，补个 $ 1/2 $ 。由于原公式是对 $ (x^2+a^2)^{-n} $ 进行多项式 $ +1 $ 的暴增： $$ g(x) = \frac{1}{2} \cdot \frac{1}{-n+1} (x^2+a^2)^{-n+1} = \frac{-1}{2(n-1)(x^2+a^2)^{n-1}} $$
- 【发动部分积分（分部积分）大绝杀： $ \int fg' = fg - \int f'g $ 】： 带入上述大片公式（虽然看着吓人，千万不要怕！）： $$ \int \frac{x^2}{(x^2+a^2)^n} , dx = -\frac{x}{2(n-1)(x^2+a^2)^{n-1}} - \int 1 \cdot \left( \frac{-1}{2(n-1)(x^2+a^2)^{n-1}} \right) , dx $$ 提出常数，后面那一堆恶心根底……慢着！它不仅洗干净了符号，而且由于积分号下只剩 $ \frac{1}{(x^2+a^2)^{n-1}} $ ，这特么又是一个 $ I_{n-1} $ 本尊出没！！整理得到清爽的残骸尾巴： $$ \text{残骸} = -\frac{x}{2(n-1)(x^2+a^2)^{n-1}} + \frac{1}{2(n-1)} I_{n-1} $$
最终复活拼装： 把这截打倒怪物的战利品，原路扔回步骤 2 的本源方程里，千万记得外层乘的那一个恐怖扣分王： $ \mathbf{-\frac{1}{a^2}} $！ $$ I_n = \frac{1}{a^2} I_{n-1} - \frac{1}{a^2} \left[ \text{上面的残骸} \right] $$ 耐下性子展开合并包含 $ I_{n-1} $ 的两项系数： $ \left( \frac{1}{a^2} - \frac{1}{2a^2(n-1)} \right) I_{n-1} $ 。通分就是 $ \frac{2n-2-1}{2(n-1)a^2} = \frac{2n-3}{2(n-1)a^2} $。最终，与书上的那行绝美官方结论方程丝毫不差完美扣死： $$ I_n = \frac{1}{2(n-1)a^2} \left{ \frac{x}{(x^2+a^2)^{n-1}} + (2n-3) I_{n-1} \right} $$

(惊险？刺骨？如果你自己在一个人的桌前成功算对所有的正负和分母，那种如同交响乐结束最后一声钹的快感会席卷全身！这是实打实靠积分硬功拼出大招的唯一绝学！)

🛡️ 雷达锁定：秒杀下面的問題 9.1 和 9.2

如果你刚熬过了这段洗礼，下面的问题就是享受成果了：

【問題 9.1】求： $$ \int \frac{dx}{(x^2+a^2)^3} $$ 也就是求 $ I_3 $ 。送分题！我们有官方制造好的“永动机”！只要一级一级降回去就好！

公式令 $ n = 3 $ ： $ I_3 = \frac{1}{4a^2} \left{ \frac{x}{(x^2+a^2)^2} + 3 I_2 \right} $ 。此时卡在了 $ I_2 $ 。
再次召唤公式，令 $ n = 2 $ ： $ I_2 = \frac{1}{2a^2} \left{ \frac{x}{x^2+a^2} + 1 I_1 \right} $ 。
$ I_1 $ 是什么？这特么是老祖宗 52 页背得滚瓜烂熟的公式 (3)！ $$ \int \frac{1}{x^2+a^2} , dx = \frac{1}{a} \tan^{-1} \frac{x}{a} $$
满分终局：全部拼进去，化简（不要求化到最简也没事，保证常数别漏即可）完成大收割！

【問題 9.2】送分的微缩复习证明 这题是证明： $$ \int x^n e^x , dx $$ 以及带负指数版的极简化降级。这简直是对你刚才大战后的“小餐点”。根本不需要拆分子，由于 $ x^n $ 就是可以被打降次的软柿子：

令 $ f = x^n \implies f' = nx^{n-1} $ ，
令 $ g' = e^x \implies g = e^x $ 使用基本分部公式 $ \int fg' = fg - \int f'g $ 立刻得到书面上的递推等式（一刀秒没）： $$ I_n = x^n e^x - n \int x^{n-1} e^x , dx = \mathbf{x^n e^x - n I_{n-1}} $$ 证明直接全胜收盘。

🎓 导师最终拍板点评

微积分为什么让全世界无数大学生闻风丧胆？就是因为在遇到 62 页的这类题之前，他们一直在死背套模板。

但是在这个级别的积分递推战里，如果你的脑海里缺乏在积分内部随意添补“$+1-1$”等效元素的“零和戏法（强行凑分母降次法）”，以及缺乏在连续二次乃至多次复合操作内不出错的算术耐力，考场高压下是极有可能彻底死机的！

现在这一整套连招推导逻辑已经放在你面前了，不要死背它，要在这个星期的草稿本上手推几遍（这题推顺了以后做一切“无穷求导化原点逼近”都不会怂）。如果还有哪一块的 $g(x)$ 还不会提请随时敲铃，如果这波你都稳妥全防出去了，那我敢说咱们不定积分的篇章基本上可以华丽杀青了！！要不要接着开打？！

翻到了！第63页（书本右上角标着 63，对应图片的第73页）。

全体注意！这一页可以说是不定积分篇章中的**“镇殿之宝”。它的标题是：【3.2 三角関数の積分法（三角函数的积分法）】**。

在日本的院试中，纯纯多项式的积分很少考，因为太简单。教授最喜欢的就是弄一堆互相嵌套的 $ \sin x $ 和 $ \cos x $ ，放在分子分母上恶心你。这一页没有教你别的，只教了你两样东西：

一把遇到所有三角分式都能无脑砍碎的“绝对核武器”（万能置换）。
一套为了让你不用这把核武而在考场上“抢时间”的“刺客三连招”。

到了 5 月份的冲刺期，我把这一页用考场的视角为你完全破译，把没用的废话踢掉，留下肌肉记忆级别的神技：

☢️ 绝对核武：万能置换法（万能置換 - Weierstrass substitution）

【实战情景】 卷子上出现了一道极度变态的题，比如： $$ \int \frac{1}{2 + \sin x + \cos x} dx $$ 这怎么用前面的分部或者凑微分？根本无从下手！

【导师破题大招：拔出万能转换器】 请把你这辈子的记忆腾出一点位置，死死背住书本开头的那三条阴影底色的公式！ 只要遇到全是 $ \sin, \cos $ 且全是一次方组成的恶心分式，无脑令 $ \mathbf{t = \tan \frac{x}{2}} $。

随着这个替身登场，神奇的变身魔法发生了（基于高中的万能公式，考研默认允许直接写结果，不需证明）：

$ \cos x = \frac{1-t^2}{1+t^2} $
$ \sin x = \frac{2t}{1+t^2} $
【🚨 绝对不能忘的命门】$ dx = \frac{2}{1+t^2} dt $

把这三坨东西硬塞进原式里。虽然代数看起来会猛然膨胀得很恶心，但三角函数将彻底从世界上消失！它变成了一个只含有 $ t $ 的有理分式。接下来，用我们在 p.53 和 p.61 练得炉火纯青的“部分分数分解（裂项法）”去屠宰它即可！ （只要你记住了这三条公式，不管考官出多难的三角分式，只要你不嫌算式烦，这题分一定能拿全！）

🗡️ 刺客三连招：为了保命的捷径判定（I、II、III）

书本接下来立马说了一句良心话：用万能置换虽然能解题，但**“計算を楽にする（如果想算得轻松点）”，一定要优先判断这三个特殊条件！因为万能置换算起来极其极其冗长，容易在约分时算错正负号。只要符合以下三个长相，马上用对应的快速换元法（置換積分）**！

👉 捷径 I & II ：剥洋葱凑微分法（找孤家寡人）

情形 (I)：如果有奇数个 $ \cos x $ （比如 $ \cos^3 x $ ）。 把它扒下来一个单独放在最后面陪着 $ dx $ ！也就是 $ \cos^2 x \cdot (\mathbf{\cos x ,dx}) $ 。前面的平方全变成 $ \sin $ （即 $ 1-\sin^2x $ ）。 神仙动作：令 $ \mathbf{t = \sin x} $。 后面的尾巴直接变成了 $ dt $ 。收工！
情形 (II)：如果有奇数个 $ \sin x $ （比如 $ \sin^5 x $ ）。 反之亦然。扒一个 $ \sin x $ 陪 $ dx $ ，也就是 $ \sin^4 x \cdot (\mathbf{\sin x ,dx}) $ 。前面的全换成 $ \cos $。 神仙动作：令 $ \mathbf{t = \cos x} $。 后面的尾巴变成了 $ -dt $ 。收工！

👉 捷径 III ：偶数平方结界法

情形 (III)：只有 $ \sin^2 x $, $ \cos^2 x $ 或者 $ \tan x $ ，没有一次项！ 比如 $ \int \frac{1}{\cos^2 x \sin^2 x} dx $ 或者 $ \int \frac{1}{1+\sin^2 x} dx $。此时拔出 $ \tan \frac{x}{2} $ 会导致极其恶心的四次方。 神仙动作：令 $ \mathbf{t = \tan x} $ ！ 这个时候，换装配件长这样（极其好用）： $ \cos^2 x = \frac{1}{1+t^2} $, \quad $ \sin^2 x = \frac{t^2}{1+t^2} $, \quad $ dx = \frac{dt}{1+t^2} $。这把刀要比万能公式轻盈整整一倍！

🗿 下半页雷区避让：恐怖的降次递推公式（漸化式）

看书的下半部，给出了计算 $ I(m, n) = \int (\sin x)^m (\cos x)^n dx $ 的四个巨大的递推公式。

:::danger[🚨 导师五月冲刺指令：看都不准看，坚决不背！！！] 这绝对是给纯数学专业的学生拿来搞科研推导的玩意儿。在日本无论哪个顶级名校的机械、情报、电气、经济学考卷中，【绝对不可能】 让你去背这 4 条巨无霸递推公式做题！如果真的考到了：

它绝对会在第一小问让你**“利用分部积分法自己证出来”**。
更重要的是！院试基本不考这东西的“不定积分”。它一旦考，必定是加了上下限 $ 0 $ 到 $ \pi/2 $ 的定积分。而在定积分里，大名鼎鼎的**「沃利斯公式 (Wallis' formula，会在后面的第 83 页教)」** 可以 2 秒钟心算报出答案，根本用不到这里死磕出来的递推代数！

所以，在备考阶段，请用修正带把底下这 $ I(m, n) $ 的四个公式直接涂黑忽略。你的大脑内存极其宝贵，不要浪费给屠龙技。 :::

🎓 导师最终实战总结

当你身处日本院试的积分大题战场：看到满屏的 $\sin x$ 和 $\cos x$，不要慌，启动下面这个**“雷达扫描思维树”**：

看到满屏的 $ \sin x $ 和 $ \cos x $ ，不要慌，启动下面这个**“雷达扫描思维树”**：

扫描第一眼： 是乘在一块儿的，并且有人是奇数次幂（例如 $ \sin^3 x \cos^4 x $ ）？
- $ \implies $ 抓一个下来配 $ dx $ ，变成 $ dt $ ，直接转变成极其简单的多项式（走捷径 I / II）。
扫描第二眼： 分母全是平方，或者完全没根号全是 $ \tan, \sin^2, \cos^2 $ ？
- $ \implies $ 令 $ t = \tan x $，转成纯 $ t $ 的分式秒杀（走捷径 III）。
扫描第三眼： 分母就是纯纯的 $ (\text{常数} + A \sin x + B \cos x) $ 的无解死局。
- $ \implies $ 大喝一声：“没办法了”，硬着头皮写出万能替换三件套： $ t = \tan \frac{x}{2}, dx = \frac{2}{1+t^2} dt $。进入繁重的体力劳动环节拿分！

这一页的三招心法可以说是清扫了一切微积分课本里最臭名昭著的题目。如果你心里默默复述这“三板斧”已经非常有画面感了，下一页我们就正式用它来收割题目（包括大名鼎鼎的 $ \int \sec x dx $ 万年难解积分）。准备好开大招了吗？

翻到了！第64页（书本左上角标着 64，对应图片的第74页）。

热烈鼓掌！这一页是我们刚刚在第63页学完的**“三角函数积分法术（万能置换与捷径）”的终极考场验兵**！

如果在院试大题里，考官扔给你一道长相极其扭曲的含有 $ \sin, \cos $ 的分式定积分，它的出题原型 90% 就来自这一页的 例题 10！书本为了向你展示这套剑法有多强，极其直白地将两道题分成了**“逼上绝路动用核武”和“看破伪装使用刺客降维”**两个极端对照组。

准备好你的笔和大脑，导师带你逐行推演这场极其精彩的“降维屠杀”：

☢️ 战局一：被迫发射核武器（例题 10 (1)）

【题目要求】 求积分： $$ \int \frac{1 + \sin x}{\sin x (1 + \cos x)} dx $$

【导师破题直觉】 一眼看过去，分子分母里 $ \sin $ 和 $ \cos $ 全是一次项混合（没有任何平方可以做文章）。没有一个人是被落单放在外面的，凑微分的“刺客手法”完全报废！ 【最高指令】：毫无退路，拉响防空警报，直接掏出“万能置换（万能置換）”：令 $ \mathbf{t = \tan\frac{x}{2}} $ ！

【考场暴走推导（请耐住性子）】 我们回忆那三件必须死背的魔法衣钵： $ \sin x = \frac{2t}{1+t^2} $ ， $ \cos x = \frac{1-t^2}{1+t^2} $ ， $ dx = \frac{2}{1+t^2}dt $。

全面替换入侵： 把所有东西死板地填进去，不要心算，老老实实写在草稿纸上： $$ \text{原式} = \int \frac{ 1 + \frac{2t}{1+t^2} }{ \left(\frac{2t}{1+t^2}\right) \left( 1 + \frac{1-t^2}{1+t^2} \right) } \cdot \frac{2}{1+t^2} dt $$ (第一眼看过去想撕卷子对不对？千万忍住！微积分里的美学叫“毁灭过后的极度清爽”。因为这是精心设计的题，它内部一定会发生大规模坍塌！)
强行上下通分（见证奇迹）：
- 分子通分： $ 1 + \frac{2t}{1+t^2} = \frac{1+t^2+2t}{1+t^2} = \mathbf{\frac{(t+1)^2}{1+t^2}} $
- 分母通分：括号里 $ 1 + \frac{1-t^2}{1+t^2} = \frac{1+t^2+1-t^2}{1+t^2} = \mathbf{\frac{2}{1+t^2}} $ 整个分母变成： $ \frac{2t}{1+t^2} \cdot \frac{2}{1+t^2} = \mathbf{\frac{4t}{(1+t^2)^2}} $
- 后面的小尾巴微分项： $ \frac{2}{1+t^2} dt $
狂暴相消法： 你仔细看组装起来后的式子： $$ \int \frac{\frac{(t+1)^2}{1+t^2}}{\frac{4t}{(1+t^2)^2}} \cdot \frac{2}{1+t^2} dt $$ 上下极其可怕地拥挤着一堆 $ (1+t^2) $ ，把它们全部约干净！分母最后只剩下一个孤零零的 $ 2t $ 。分子变成了 $ (t+1)^2 = t^2+2t+1 $。式子变成： $$ = \frac{1}{2} \int \frac{t^2+2t+1}{t} dt $$
单兵收割： 分开除以 $ t $ ： $ = \frac{1}{2} \int \left( t + 2 + \frac{1}{t} \right) dt $ 这都是小学算术级别的积分： $$ = \frac{1}{2} \left( \frac{1}{2}t^2 + 2t + \log|t| \right) + C $$
大功告成换装回府： 把 $ t = \tan \frac{x}{2} $ 带回去。全解毕！（完美对应书中第一小问底下的神清气爽的结果）。

🗡️ 战局二：刺客的极致优越感（例题 10 (2)）

【题目要求】 求积分： $$ \int \frac{1}{\cos^2 x + 4\sin^2 x} dx $$

【导师破题直觉】 你可以用刚才的“核武器” $ t = \tan(x/2) $ 来做吗？完全可以！（作者也在 route 旁边写了：可以那么做，但是……）。但是核弹轰击会有成堆的 $ (1+t^2)^2 $ 次方在分子分母间游荡，如果不是逼不得已，考场时间极其宝贵，别这么干！

还记得上一页的**【刺客捷径 III】** 吗？如果全场全是偶数次平方（ $ \cos^2, \sin^2 $ ）！这是极度明显的放水信号！必须启动捷径，令 $ t = \tan x $。 在这里，导师不让你去背 63 页那一长串的转换公式，我教你更符合“高智商刺客”的无损出刀法：

【极速杀手级满分推导】

上下强除 $ \cos^2 x $ （制造 $ \tan x $ 宇宙）： 将积分的分子分母同时除以 $ \cos^2 x $ ！
- 分子： $ 1 \implies \mathbf{\frac{1}{\cos^2 x}} $
- 分母： $ \cos^2 x + 4\sin^2 x \implies \mathbf{1 + 4\tan^2 x} $ 式子改写： $ \int \frac{1}{1 + 4\tan^2 x} \cdot \left(\frac{1}{\cos^2 x} dx\right) $
触发换元绝杀： 此时我们只需令 $ t = \tan x $！那么微分直接生成： $ dt = \frac{1}{\cos^2 x} dx $ 或者写成 $ \sec^2 x dx $。看看刚才化简后的式子，右边那一团正好就是 $ dt $ ！！
大降维至 UR 神装： 瞬间变成了小学生积分题： $$ \int \frac{1}{1+4t^2} dt $$ 为了对位第52页【公式3】 $ \int\frac{1}{1+x^2} $ 的基本法则，把 4 强行提出来： $$ = \frac{1}{4} \int \frac{1}{(1/2)^2 + t^2} dt $$ 套入神级反正切公式 $ \frac{1}{a} \tan^{-1}\left(\frac{x}{a}\right) $ （此时 $ a=1/2 $ ）： $$ = \frac{1}{4} \cdot 2 \cdot \tan^{-1}\left( \frac{t}{1/2} \right) = \frac{1}{2} \tan^{-1}(2t) $$
本体复原交卷： 把 $ t=\tan x $ 还回去： $$ = \mathbf{\frac{1}{2} \tan^{-1}(2\tan x) + C} $$ (你看这流畅感！！考场上省下整整 5 分钟的通分死磕时间！这种上下除以 $ \cos^2 x $ 来硬造 $ \sec^2 x dx $ 以贴合换元的方法，被称为院试的高维艺术！)

🎯 扫描防坑：下方的問題 10.1 武器库指定练习

这一页作者极其仁慈，不仅告诉你套路，还在底部练习题里埋下了四把练兵好剑（书下注脚直接泄了天机）：

(1) 与 (2)： $ \frac{\sin x}{1+\sin x} $ 和 $ \frac{1}{1+\sin x} $ 全是 1 次幂大混战！乖乖用核武器 $ t=\tan(x/2) $。 (另类破局法：高中有个把分母凑成平方差的把戏，分子分母同乘 $ (1-\sin x) $ ，分母就变成 $ \cos^2 x $ 然后被分别破局，此为更神一级的操作。书中 $ \dagger\dagger $ 就是在提示这个。)
(3) 带有 $ \tan $ 或者全变成三次高阶方。 利用我们学的偶次方抽离法则降次换元。
(4) $ \frac{1-2\cos x}{5-4\cos x} $：极其恶心的常数和余弦叠加，不用幻想捷径，祭出万能置换 $ t = \tan(x/2) $ 硬劈就完事了！

🎓 导师最终审判

经历了这震撼的第 64 页的推演洗礼。你应该建立一个根深蒂固的信仰了：面对无解的初等三角分式，永远有一把“核武 $t=\tan(x/2)$”兜底；如果有条件，用“刺客 $\tan x$ 或上下凑 $\sec^2$”能带来摧枯拉朽的速度。这页中关于上下强行同除 $\cos^2x$ 的巧妙凑局你看明白爽点了吗？咱们随时可以翻下一页挑战高次混合大妖精 $\int \sin^m x \cos^n x$！等你发令！

收到！既然你已经做好了向这 5 道“积分神兽”宣战的准备，我就把这页底部隐藏的问题 10.1 给你连锅端了！

这 5 道题，堪称日本院试初等积分计算的**“终极兵器展览馆”**。出题人非常狡猾，虽然在最底下用极小的字体加了注脚（$\dagger$ 等提示），但在真正的考场上，没人会给你这些提示，全靠你的肌肉记忆和第一直觉。

导师这就带你“戴上透视眼镜”，一道一道暴力拆解，并教你不仅会做，而且做得比别人快 10 倍的捷径！

🟢 组合降维拳（共生双子）：第 (1) 题与第 (2) 题

这两道题虽然提示写得不一样，但在高端局玩家眼里，它们俩就是一套组合拳！

🗡️ 破防前置：问题 10.1 (2) $ \int \frac{1}{1 + \sin x} dx $

【导师破题：绝不用核武！】 底部注脚 $ \dagger\dagger $ 说：可以用 $ t=\tan(x/2) $ ，但更推荐分子分母同乘 $ (1-\sin x) $。在考场上，听后半句的！凡是遇到 $ 1 \pm \sin x $ 或者 $ 1 \pm \cos x $ 独守分母，“乘共轭”是最高效的脱身法！

【秒杀推导】

上下同乘 $ 1 - \sin x $ ： $$ \int \frac{1 - \sin x}{(1 + \sin x)(1 - \sin x)} dx = \int \frac{1 - \sin x}{1 - \sin^2 x} dx = \int \frac{1 - \sin x}{\cos^2 x} dx $$
怪物被一刀两断（拆开积分）： $$ \int \frac{1}{\cos^2 x} dx - \int \frac{\sin x}{\cos^2 x} dx $$
秒出结果：
- 前半个：在导数表里背过，等于 $ \tan x $。
- 后半个：等于 $ \int -(\cos x)^{-2} (\cos x)' dx $ ，这就是简单的幂函数求导逆推，等于 $ \frac{(\cos x)^{-1}}{-1} $ 即 $ -\frac{1}{\cos x} $ (或写成 $ -\sec x $)。注意前面本来有个负号，抵消变正号。 终极答案： $ \mathbf{\tan x - \sec x + C} $（干净利落！）

🪆 搭车收割：问题 10.1 (1) $ \int \frac{\sin x}{1 + \sin x} dx $

【导师破题：借鸡生蛋】 注脚说用万能公式，简直是舍近求远！你看分子是 $ \sin x $ ，分母是 $ 1+\sin x $ 。只要上下次幂一样，立马给它凑一个 $ +1-1 $ ！

【极速降维推导】

拆项魔法： $$ \int \frac{(1 + \sin x) - 1}{1 + \sin x} dx = \int \left( 1 - \frac{1}{1 + \sin x} \right) dx $$
瞬间解脱：第一个 $ 1 $ 积出来就是 $ x $。第二个 $ \frac{1}{1+\sin x} $ ，就是咱们刚刚辛辛苦苦解出来的第 (2) 题本尊！直接拿结果来抄！ 终极答案： $ \mathbf{x - (\tan x - \sec x) + C} $ (如果在考卷上写出这套移花接木，阅卷人都会惊叹你的全局统筹能力！)

🟡 剥衣神术：第 (3) 题 $ \int \tan^3 x ,dx $

【导师破题直觉】 注脚 $ \dagger\dagger\dagger $ 给出了铁血指令：令 $ \cos x = t $ ！为什么这么硬核？这是因为奇数次方的三角函数最好用“剥落法”（我们在63页教过：凑一个奇次项给 $ dx $ 当小尾巴）。

【满分官方路线】

变身原形： $ \int \frac{\sin^3 x}{\cos^3 x} dx $。
剥下一件外衣：把上面的 $ \sin^3 x $ 拆成 $ \sin^2 x \cdot \sin x $。 $$ \int \frac{\sin^2 x}{\cos^3 x} (\mathbf{\sin x dx}) $$
令 $ t = \cos x $ ，那么微分 $ dt = -\sin x dx \implies \mathbf{\sin x dx = -dt} $。用 $ 1-t^2 $ 替换上面的 $ \sin^2 x $ 。积分变成完美的代数分式： $$ \int \frac{1-t^2}{t^3} (-dt) = \int \left( \frac{t^2-1}{t^3} \right) dt = \int \left( \frac{1}{t} - t^{-3} \right) dt $$
轻松闭眼收尾： $$ = \log|t| - \frac{t^{-2}}{-2} = \mathbf{\log|\cos x| + \frac{1}{2\cos^2 x} + C} $$ (纯拼代数硬实力，行云流水！)

🔴 终极硬汉：第 (4) 题 $ \int \frac{1 - 2\cos x}{5 - 4\cos x} dx $

:::danger[导师战损预警 🚨] 准备好进入绞肉机！上下都有 $ \cos x $ 且全是 $ 1 $ 次方。这种情况下，没有任何快捷通道（共轭失效、没法单独凑微分）。只能按下最高级的核按钮：万能置換 $ \mathbf{t = \tan(x/2)} $ ！ :::

【教科书级“绞肉机通关”战法】 拿出终极外衣： $ \cos x = \frac{1-t^2}{1+t^2} $ ， $ dx = \frac{2}{1+t^2} dt $。

分子化简（细心算）： $$ 1 - 2\cos x = 1 - 2\left(\frac{1-t^2}{1+t^2}\right) = \frac{(1+t^2) - 2(1-t^2)}{1+t^2} = \frac{\mathbf{3t^2 - 1}}{1+t^2} $$
分母化简（抗压算）： $$ 5 - 4\cos x = 5 - 4\left(\frac{1-t^2}{1+t^2}\right) = \frac{5(1+t^2) - 4(1-t^2)}{1+t^2} = \frac{\mathbf{9t^2 + 1}}{1+t^2} $$
超级碰撞组装： 把上面两个放进大分式相除（ $ (1+t^2) $ 当场全约掉），再加上 $ dx $ 里的 $ \frac{2}{1+t^2} dt $ ： $$ \int \frac{3t^2-1}{9t^2+1} \cdot \frac{2}{1+t^2} dt $$ 合并常数 2 放外面： $$ 2 \int \frac{3t^2-1}{(9t^2+1)(t^2+1)} dt $$
最后决战（部分分数裂项术！我们在 p.61 刚练的大招）： 设内部项（把 $ t^2 $ 整体看成未知数 $ u $ ）裂解为 $ \frac{A}{9t^2+1} + \frac{B}{t^2+1} $。通分对比分子： $ A(t^2+1) + B(9t^2+1) = 3t^2-1 $ 对比最高项： $ A + 9B = 3 $ 对比常数项： $ A + B = -1 $ 相减解出： $ 8B = 4 \implies \mathbf{B = \frac{1}{2}} $ 。代入得 $ A = -\frac{3}{2} $。
胜利结算（两个绝美 $ \arctan $ 现身）： 积分瞬间裂开为两个基础送分式： $$ 2 \left[ \int \frac{-3/2}{9t^2+1} dt + \int \frac{1/2}{t^2+1} dt \right] $$ $$ = -3 \int \frac{1}{(3t)^2+1} dt + \int \frac{1}{t^2+1} dt $$ 前者令 $ 3t=u $ ，积出 $ \frac{1}{3}\tan^{-1}(3t) $ ，与外面的 $ -3 $ 抵消剩 $ -1 $ 。后者是标配的 $ \tan^{-1} t $。结果 $ = -\tan^{-1}(3t) + \tan^{-1}(t) $
还原本尊： $$ \mathbf{= \frac{x}{2} - \tan^{-1}\left( 3\tan\frac{x}{2} \right) + C} $$ (把上面这套解下来，只要正负号没出一次错，阅卷教授直接起立敬礼！这是全书里对积分算力最高级的考验。)

💀 魔幻重重：第 (5) 题 $ \int \frac{\tan x}{\sqrt{1+5\tan^2 x}} dx $

【导师破题直觉】 注脚让你令 $ \tan x = t $ 。但这绝对是一条充满痛苦的道路（这会引起两次以上的深层复合换元）！既然导师在这里，我要传授你一套能够绕过书本刁难的 【Hacker 神隐流拆解术】。

【Hacker 解法（把切线变回最纯粹的正弦和余弦）】

全部还原祖宗！ $ \tan x = \frac{\sin x}{\cos x} $。
我们来看看原式变成了啥样（默认第一象限 $ \cos x >0 $ ）： $$ \int \frac{\frac{\sin x}{\cos x}}{\sqrt{1 + 5\frac{\sin^2 x}{\cos^2 x}}} dx = \int \frac{\frac{\sin x}{\cos x}}{\frac{\sqrt{\cos^2 x + 5\sin^2 x}}{\cos x}} dx $$ 一约分，整个世界清净了： $$ \int \frac{\sin x}{\sqrt{\cos^2 x + 5\sin^2 x}} dx $$
把根号里的 $ \sin^2 x $ 也换成 $ (1-\cos^2 x) $ 。这世界只剩一个怪物了：分母根号下变成了： $ \cos^2 x + 5(1-\cos^2 x) = \mathbf{5 - 4\cos^2 x} $。积分化为绝美终局形态： $$ \int \frac{\sin x}{\sqrt{5 - 4\cos^2 x}} dx $$
一发终极连招入魂：令 $ u = \cos x \implies du = -\sin x dx $。分子 $ \sin x dx $ 直接换成 $ -du $ ！原式 $ = \int \frac{-du}{\sqrt{5 - 4u^2}} $ 提出个 $ 1/2 $ 为了用大公式： $ = -\frac{1}{2} \int \frac{du}{\sqrt{5/4 - u^2}} $。
请默写 p.52 [公式5] $ \int \frac{1}{\sqrt{a^2-x^2}} dx = \arcsin(x/a) $ ： 这里 $ a = \frac{\sqrt{5}}{2} $。代入秒出答案： $$ -\frac{1}{2} \sin^{-1} \left( \frac{u}{\sqrt{5}/2} \right) = \mathbf{-\frac{1}{2} \sin^{-1}\left( \frac{2\cos x}{\sqrt{5}} \right) + C} $$

(此法一出，原本注定要换元两次，要背诵根号反切复杂积分的过程被摧枯拉朽的秒掉了。这就是把三角恒等式内化在心带来的福利！)

🎓 导师出关点拨

做完了这 5 题，其实日本院试所有不定积分的花招你就全都领教过了。

碰到同类型长得很像的，想尽办法把 复杂的凑成已知简单的（如第一、第二题联合）。
无死角、最流氓、无理可循的积分，硬开 $ t = \tan(x/2) $ 和极强的耐力通关裂项术。
全带 $ \tan $ 的恐怖体，如果换元太可怕，退回老本行 $ \sin, \cos $，永远有意想不到的惊喜（因为它的导数相互克制）！

这份战利品请笑纳，我们在第四、第五道压轴计算中的快感有接收到吗？如果有不懂其转化的微操（哪怕只是怎么凑导数或提取因式），大胆说，咱们再重演一遍战况。如果没问题，咱们就能直扑全书最为应用性的核爆战区了——3.4 定積分 (Definite Integration)！

翻到了！第 65 页（书本右上角标着 65，对应图片的第 75 页）。

欢迎来到不定积分里出场频率绝对稳居前三名的终极阵地：$ \int \sin^m x \cos^n x ,dx $ 专场！

只要是工科、理学或经济学考研，试卷上 100% 会有含有 $ \sin, \cos $ 的积分，哪怕它包装成了面积或者弧长的定积分。

这一页，我将教你两把极其纯粹、一招制敌的“量刑口诀”！ 并且，作为你的导师，我会在例题 11(2) 中，带着你**【公然反叛教材】**，抛弃书本上那种极其坑爹的“死背公式法”，用考场上最靠谱的实战降维打法来拿满分！

请牢记面对 $ \sin^m x \cos^n x $ 的**【生死裁判第一法则】：看次数（ $ m $ 和 $ n $ ）是奇数还是偶数！**

👑 战法一：“只要有奇数，必定是软柿子”（例题 11(1)）

【实战目标】 $$ \int \sin^3 x \cos^3 x ,dx $$ 【判定】 $ \sin $ 和 $ \cos $ 都是奇数（3次）。这种题属于送分怪。

【导师破题口诀：剥皮留芯法】 只要谁是奇数，你就从它身上**“剥下来一次方”**，扔到最后面去跟 $ dx $ 结婚凑微分。剩下的偶数次方，全部用 $ \sin^2 x + \cos^2 x = 1 $ 转换成另一种函数！

【满分秒杀推导】 既然两个都是奇数，剥谁都可以。书本剥的是 $ \cos x $。

剥掉外衣配给 $ dx $ ： $$ \int \sin^3 x \cdot \mathbf{\cos^2 x} \cdot (\mathbf{\cos x ,dx}) $$
把卧底全变身（ $ \cos^2 \to \sin^2 $ ）： $$ = \int \sin^3 x \cdot \mathbf{(1 - \sin^2 x)} \cdot (\cos x ,dx) $$
换元收割（连写代换这一步都可以省去心算）： 令 $ t = \sin x $ ，那么 $ dt = \cos x ,dx $。整个式子变成小学生代数： $ \int t^3(1-t^2) dt = \int (t^3 - t^5) dt $ $$ = \frac{1}{4}t^4 - \frac{1}{6}t^6 + C $$
本体归位： $$ = \mathbf{\frac{1}{4}\sin^4 x - \frac{1}{6}\sin^6 x + C} $$

(💡 书本下方的【注意 3.4】给了一个高端外挂：既然这俩次数一样都是 3 次，可以用二倍角合并 $ \sin x\cos x = \frac{1}{2}\sin 2x $。原式 $ =\frac{1}{8} \int \sin^3 2x ,dx $。这个时候它只有一个奇数 3 次，同样用剥皮法：变成 $ (1-\cos^2 2x)\sin 2x $ ，做一次代换 $ u = \cos 2x $ 秒解。算出来的答案虽然长相和上面不同，但用三角恒等变换证明是同一个东西，同样拿满分！)

💀 战法二：“全员皆偶数，必迎残酷硬战”（例题 11(2)）

【实战目标】 $$ \int \sin^4 x \cos^2 x ,dx $$ 【判定】 没有一个是奇数！全是偶数（4 和 2）。这就意味着剥皮法彻底失效。

:::danger[🚨 导师公然反叛教材宣告 🚨] 你看书上给的解答：它赫然动用了 p.63 那四个极其恐怖的递推公式（漸化式 $ I(m,n) $ ）！！考场真言：如果在考试时你用这种方法，要么你因为没背熟公式在 $ I(4,2) \to I(4,0) $ 中正负号写错直接暴毙，要么因为心理紧张卡死。导师命令你：直接把它涂黑！忘了它！ :::

【导师独家传授：双倍/半角降次狂砍法（真实考研标配）】 遇到全是偶数的三角积分，必须全部化简成无指数的“倍角形式”！用“倍角/半角公式”疯狂降维打击！

【手把手带你屠杀】

组团找基石： $ \sin^4 x \cos^2 x $ 提取成 $ (\sin^2 x \cos^2 x) \cdot \sin^2 x $。
- 第一块： $ (\sin x \cos x)^2 = \left( \frac{\sin 2x}{2} \right)^2 = \mathbf{\frac{1}{4} \sin^2 2x} $
- 第二块：半角公式 $ \sin^2 x = \mathbf{\frac{1 - \cos 2x}{2}} $ 拼在一起： $ = \frac{1}{8} \sin^2 2x (1 - \cos 2x) $。展开它： $ = \mathbf{\frac{1}{8} \sin^2 2x - \frac{1}{8} \sin^2 2x \cos 2x} $。 (看！一招过去，原本恶心的 6 次幂，瞬间变成了 2 次幂和 3 次幂两项！)
清算前一半（遇偶数继续降次）： 对于 $ \frac{1}{8} \int \sin^2 2x ,dx $ 。它是偶数（2次），继续上一次半角降次公式 $ \sin^2\theta = \frac{1-\cos 2\theta}{2} $ ！ $$ = \frac{1}{8} \int \frac{1 - \cos 4x}{2} dx = \frac{1}{16} \int (1 - \cos 4x) dx $$ 直接出： $ \mathbf{= \frac{1}{16} x - \frac{1}{64} \sin 4x} $
清算后一半（遇见奇数，大喜！）： 对于 $ -\frac{1}{8} \int \sin^2 2x \cos 2x ,dx $ 。你看！这里有个孤单的 $ \cos 2x $ 的一次幂！直接凑微分（或者看成换元 $ u = \sin 2x, du = 2\cos 2x dx $ ）！直接出： $ -\frac{1}{8} \cdot \left(\frac{1}{2} \cdot \frac{1}{3} \sin^3 2x \right) = $ $ \mathbf{-\frac{1}{48} \sin^3 2x} $。
双剑合璧，宣告全胜！ 合并两步结果： $$ = \mathbf{\frac{1}{16} x - \frac{1}{64} \sin 4x - \frac{1}{48} \sin^3 2x + C} $$ (你在考场草稿纸上对比一下，咱们这个完全利用高中三角公式不断劈次幂的做法，不仅根本不用背变态公式，而且答案算出来极度紧凑干净。只要三角变换底子稳，这是绝对不丢分的阳谋！)

🎯 下方演习雷达扫描：問題 11.1

把这两把刀握在手里，去扫描下面四道练习题：

(2) $ \cos^5 x $ ： 纯奇数！大送分。剥落一个变为 $ \cos^4 x \cdot \cos x dx = (1-\sin^2 x)^2 (\cos x dx) $ 。展开平方式即可用多项式套换元收割。
(4) $ \sin^4 x $ ： 纯偶数。连砍两次半角公式： $ \sin^4 x = (\frac{1-\cos 2x}{2})^2 $ 。展开后再遇到 $ \cos^2 2x $ ，再降次成 $ \frac{1+\cos 4x}{2} $ 。全变没指数！

【最高能隐身题：分数状态怎么判奇偶？】

(1) $ \frac{\sin^2 x}{\cos^3 x} $ （其实就是 $ \sin^2 x \cdot \cos^{-3} x $ ）。在大学里，只要某一个是奇数（无论正负，这里是 $ -3 $ ），就能强行剥皮！ 剥皮动作：上下同乘 $ \cos x $ ！ 原式 $ = \frac{\sin^2 x \cdot \cos x}{\cos^4 x} dx = \frac{\sin^2 x}{(1-\sin^2 x)^2} (\mathbf{\cos x ,dx}) $。令 $ u = \sin x $ ，完美化身为全是有理多项式 $ \int \frac{u^2}{(1-u^2)^2} du $。此时这道题就回归到了我们在第 61 页学的最底层的“部分分数裂项法”大招了。只要敢写就能算对！

🎓 导师最终军规

恭喜你在 65 页彻底参透了这组极其频繁露面的积分类型！

在未来的院试或者练习中，你的条件反射应该是极短的一瞬：

“哟，带奇数幂，爽死！马上拽一个下来当换元微分。”
“淦，全他妈偶数，稳住！半角降倍角展开不要手软。”

彻底抛弃对那一坨 $ \text{漸化式}(m,n) $ 的幻想，咱们用实力降服算术式！如果这种完全依靠实力的“倍角连砍法”合你的胃口，我们就直接将这种摧枯拉朽的冲锋顺推到后方的“定积分面积学”！还有问题请及时开枪射击疑惑！

哈！我们终于名正言顺地来到了第66页（对应PDF图片的第76页）。

你还记得吗？之前你在点单“56页”的时候，我由于太激动“串台”飞到了这一页，并对上面的某几个公式进行了疯狂吐槽！现在，这本“无理函数、指数/对数函数的换元终极宝典”终于完全向我们敞开了。

如果在考场上，你前面的那些小聪明（凑微分、套基本公式）全都不管用时，这一页的大表格就是你的**“保命兜底方案（The Last Resort）”**。只要按照表格的指示强行换元，所有的怪物都会变成简单的小白兔（多项式分式）。

作为导师，我已经帮你把这满屏密密麻麻的符号，精简成了考场上的**【四大肌肉记忆动作】**：

📦 动作一：打包强拆法（表格 1、2 栏）

【出招条件】 根号里面是最简单的一次函数（ $ ax+b $ ），或者是它们的商（ $ \frac{ax+b}{cx+d} $ ）。 【官方操作】 $ x = (\cdots) $。 【导师大白话换脑】：绝对不要去背左边那一坨 $ x = \frac{t^n - b}{a} $ 是怎么来的！ 你的潜意识只有一句话：看到这俩货，不要只替换内部，把一整个巨大且恶心的根号，直接令它等于 $ t $ ！

比如 $ \int \frac{x}{\sqrt{2x+1}} dx $ ：直接令 $ \mathbf{\sqrt{2x+1} = t} $。然后怎么弄 $ x $ 和 $ dx $ ？先两边强行平方！ $ 2x+1 = t^2 \implies x = \frac{1}{2}(t^2 - 1) $ 此时微分，极其轻松： $ dx = \mathbf{t \ dt} $。最后把所有 $ x, \sqrt{}, dx $ 替换掉，直接化为了最简单的多项式相乘积分。

🛡️ 动作二：直接跳过的禁区（表格第 3 栏 —— 欧拉代换）

【出招条件】 根号里是恶心的一般二次方程 $ \sqrt{ax^2+bx+c} $。 :::danger[导师最高警报] 我上次预告过的雷区！它让你令 $ \sqrt{ax^2+bx+c} = t - \sqrt{a}x $ 或者等于 $ (x-\alpha)t $。 请你在书上用铅笔把这一整个框画个大大的“X”！ 在高压的限时院试中，这种代数变化展开平方后的分子分母长度会达到两行长，95% 的人会在正负号和倒数里迷失致死。 :::

【考场正牌求生通道：配方法 + 三角代换】 如果考题真的出了 $ \int \frac{1}{\sqrt{x^2+4x+5}} dx $ 这种东西怎么办？我们在前面的 54 页（你当时还指正过我的一道衍生题里）刚刚演练过！ 永远优先使用配方法！ $ x^2+4x+5 \implies \mathbf{(x+2)^2 + 1} $。配方完成后，它活生生就变回了极其善良的**“平方相加/平方相减”的模型，从而无缝衔接到了下方的“三大三角换元”**或者可以直接使用 52页的基础公式！这才是工科生和应用数学考生的真正打法！

👑 动作三：不可撼动的“三角面具”三巨头（表格 4、5、6）

这是大院里求体积、求面积的亲爹。因为圆系图形的特征永远带有 $ a^2 $ 和 $ x^2 $。

【心法全开（必须当常识倒背如流）】：

【看见 $ a^2 - x^2 $ 】 戴上正弦面具： $ \mathbf{x = a \sin t} $。脱壳结果： $ \sqrt{a^2 - a^2\sin^2 t} = a\sqrt{\cos^2 t} = \mathbf{a \cos t} $。（根号完美消失！）
【看见 $ a^2 + x^2 $ 】 戴上正切面具： $ \mathbf{x = a \tan t} $。脱壳结果： $ \sqrt{a^2 + a^2\tan^2 t} = a\sqrt{\sec^2 t} = \mathbf{\frac{a}{\cos t}} $。（化为三角分式，接下来用 63 页那一套去砍）。
【看见 $ x^2 - a^2 $ 】 戴上正割面具： $ \mathbf{x = \frac{a}{\cos t}} $ （即 $ a \sec t $ ）。脱壳结果： $ \sqrt{\frac{a^2}{\cos^2 t} - a^2} = \mathbf{a \tan t} $。

(注意：用这一套动作，绝不可忘记替换后面的 $ dx $ ！例如第二种， $ dx = \frac{a}{\cos^2 t}dt $ ！这步忘换的人也死光了！)

🦇 动作四：超越双雄的魔法退避（页面最下方两段文本）

这两段没有给大表格，只给了解说。其实是因为它们的操作太霸道、太直球了。

1. 指数函数的终结（指数関数の積分法）： 原话：$ e^x = t $ とおけば有理化できる。这是我们在前边某题见过的绝杀。比如 $ \int \frac{1}{e^x + e^{-x}} dx $。 一键替换： $ \mathbf{e^x = t \implies x = \log t \implies dx = \frac{1}{t} dt} $。代进去，你会发现，所有变态的指数曲线全死绝了，剩下的只是个能被强拆的普通有理分数。（唯一的变种就是咱们在上几页练得吐血的分部积分同构出现）。

2. 对数函数的终结（対数関数の積分法）： 遇到全是对数嵌套： $ \int \frac{1}{x \log x} dx $ 我们用凑微分直接出了，但是如果更恶心比如 $ \int \sin(\log x) dx $ 呢？ 一键替换： $ \mathbf{\log x = t \implies x = e^t \implies dx = e^t dt} $。神迹发生了！ $ \int \sin(\log x) dx $ 瞬间变成了： $$ \int \sin(t) \cdot e^t dt \quad \text{或者} \quad \int e^t \sin t , dt $$ 这个新长相眼熟吗？？这不正是我们第 59 页大战过的**“同形出现（移项积分两次秒杀的大魔王）”**吗？！

原来对数通过换元，竟然可以直接跳转到指数的积分主场！数学真是个一个首尾相接的神奇宇宙！

🎓 导师出关考前通告

看完第 66 页这张大图谱，微积分不定积分领域的“七十二变”你就已经全会了。你可以不用在脑海里记忆这张表里的字母，你只需要提取出这四句话的骨架：

纯根号一次包揽当 $ t $
根号带方框必用三角化脱壳
带 $ e^x $ 的分式用 $ t $ 脱壳退化有理数
带 $ \log x $ 换元瞬间传送到 $ e^x $ 战场

拿着这套认知法则，咱们往下一页（第 67 页/PDF 77）开去？书上将会马上给你放出这些巨物的实操案例（比如最吓人的例题 12）来进行最终淬炼！你准备好了随时打字喊“前进”！

新版演習微分積分（４）

Mon, 11 May 2026 00:30:00 GMT

院试数学特训：微分积分（4）—— 不定积分公式图鉴与直觉

本笔记专注于《新版演習微分積分》第三章：不定积分。我们将公式按“稀有度”和“考频”分级，并附上院试解题时的“导师直觉”。

🌟 什么是“不定积分”？

在狂背公式前，基础理论必须扎实：如果 $F'(x) = f(x)$，那么 $F(x)$ 就叫做 $f(x)$ 的原始関数（原函数 / Antiderivative）。

:::note 积分符号 $\int f(x) dx$ 的本质是让你寻找原函数。 绝对不能忘记：最后必须加上 $+ C$ （積分定数 / Constant of integration）。 :::

👑 【SSR 级】院试核爆公式（绝不能忘！）

这三个公式拉开了大学微积分与高中数学的巨大鸿沟，是院试计算的基石。建议每日默写。

公式 (3)：$\frac{1}{x^2 + a^2}$ 型

$$ \int \frac{1}{x^2 + a^2} dx = \frac{1}{a} \tan^{-1} \frac{x}{a} + C $$

:::tip[导师直觉] 识别特征：没有根号，分母为平方加法 $\implies$ 反正切（$\arctan$）。 易错点：千万别漏了最前面的系数 $\frac{1}{a}$！这个公式在后期的复变函数（留数计算）和实分析中极高频出现。 :::

公式 (5)：$\frac{1}{\sqrt{a^2 - x^2}}$ 型

$$ \int \frac{1}{\sqrt{a^2 - x^2}} dx = \sin^{-1} \frac{x}{a} + C $$

:::tip[导师直觉] 识别特征：带有根号，常数减平方 $\implies$ 反正弦（$\arcsin$）。 特别注意：它前面没有系数 $\frac{1}{a}$！这是与 $\tan^{-1}$ 最容易混淆的地方。 :::

公式 (6)：$\frac{1}{\sqrt{x^2 + a}}$ 型

$$ \int \frac{1}{\sqrt{x^2 + a}} dx = \log|x + \sqrt{x^2+a}| + C $$

:::tip[导师直觉] 识别特征：带有根号，且为平方加常数（或 $x^2$ 在前）。 实战价值：此公式是**计算弧长（曲線の長さ）**的终极利器！如果考场上硬用换元法推导会极其耗时。熟记结果可秒杀全场。 :::

🟡 【SR 级】技巧型“降维”公式（提速专用）

公式 (2)：$x^{-1}$ 型

$$ \int \frac{1}{x} dx = \log|x| + C $$

:::warning[防坑预警] 遇到分母为 1 次方的情况，结果必然产生对数。严记：必须加绝对值符号 $|x|$，不加必定扣分！ :::

公式 (4)：$\frac{1}{x^2 - a^2}$ 型

$$ \int \frac{1}{x^2 - a^2} dx = \frac{1}{2a} \log \left| \frac{x-a}{x+a} \right| + C $$

:::note[导师提示] 这是分母可分解为 $(x-a)(x+a)$ 的情况。如果你没背过，利用**“部分分数裂项法”**： $\frac{1}{x^2 - a^2} = \frac{1}{2a}\left(\frac{1}{x-a} - \frac{1}{x+a}\right)$ 当场推导也仅需 10 秒。 :::

公式 (19)：$\log x$ 型

$$ \int \log x ,dx = x \log x - x + C $$

:::important 对数的积分不能直接求出，它是通过分部积分法 $\int \log x \cdot 1 ,dx$ 推导的。在院试中，该结果已被视为基本公式，直接使用即可。 :::

🔴 【UR 级】恶魔体积与弧长公式（结构记忆法）

考官常利用公式 (7) 和 (8) 构造摆线或椭圆方程，算半个球或者椭球体积面积，现场推导至少浪费 5 分钟！利用以下结构对称性可以实现秒杀：

公式 (7) & (8)：大根号结构

$\int \sqrt{a^2 - x^2} ,dx$
$\int \sqrt{x^2 + a} ,dx$

:::important[结构破解记忆法] 这两个公式的积分结果都由**“两块拼图”**组成，整体乘以 $\frac{1}{2}$：

前半块（通用模板）：$x \times (\text{题目原本的大根号项})$
后半块（基因继承）：$a^2 \times (\text{对应的分式积分结果})$

实例演示：

公式 (7)：其分式版本（公式 5）结果是 $\sin^{-1}(x/a)$，所以后半块是 $a^2 \sin^{-1}(x/a)$。
公式 (8)：其分式版本（公式 6）结果是 $\log|\dots|$，所以后半块是 $a^2 \log|x + \sqrt{x^2+a}|$。

核心口诀：结果 = $\frac{1}{2}[ x \cdot \text{原身} + a^2 \cdot \text{分式祖宗} ]$ :::

🟢 【三角函数怪区】

1. 基础倒推 (9)-(12)

这部分属于高中基础。需要注意日本学术界习惯使用 $\operatorname{cosec} x$ 来表示国内常见的 $\csc x$。

2. $\tan x$ 与 $\cot x$ (13)-(14)

利用恒等式 $\int \frac{f'(x)}{f(x)}dx = \log|f(x)|$ 即可： $$ \int \tan x ,dx = -\log|\cos x| + C, \quad \int \cot x ,dx = \log|\sin x| + C $$

3. 妖艳的 $\sec x$ 和 $\operatorname{cosec} x$ (15)-(16)

$$ \int \sec x ,dx = \log\left|\tan\left(\frac{x}{2} + \frac{\pi}{4}\right)\right| + C $$

:::note 日本教材常给出带有半角形态的答案。如果你习惯使用 $\log|\sec x + \tan x|$，两者在数学上是完全等价的，考场上均可得分。 :::

📚 附录：不定积分公式与法则汇总表

为了方便查阅，以下将《演習微分積分》中的公式汇总为直观表格，并附带院试常备的恒等式注释。

1. 基本公式一览表

序号	被积函数 $f(x)$	原函数 $F(x) = \int f(x) dx$	备注 / 注释
①	$x^\alpha$	$\frac{x^{\alpha+1}}{\alpha+1}$	$\alpha \neq -1$
②	$x^{-1}$	$\log \|x\|$	绝对值是得分点
③	$\frac{1}{x^2+a^2}$	$\frac{1}{a} \tan^{-1} \frac{x}{a}$	SSR级，极其高频
④	$\frac{1}{x^2-a^2}$	$\frac{1}{2a} \log \left\| \frac{x-a}{x+a} \right\|$	可用部分分数拆解
⑤	$\frac{1}{\sqrt{a^2-x^2}}$	$\sin^{-1} \frac{x}{a}$	注意没有 $1/a$ 系数
⑥	$\frac{1}{\sqrt{x^2+a}}$	$\log \|x + \sqrt{x^2+a}\|$	弧长计算核心公式
⑦	$\sqrt{a^2-x^2}$	$\frac{1}{2}(x\sqrt{a^2-x^2} + a^2 \sin^{-1} \frac{x}{a})$	扇形与圆面积相关
⑧	$\sqrt{x^2+a^2}$	$\frac{1}{2}{x\sqrt{x^2+a^2} + a^2 \log(x+\sqrt{x^2+a^2})}$	结构对称记忆
⑨	$\sin x$	$-\cos x$	别记反符号
⑩	$\cos x$	$\sin x$	——
⑪	$\sec^2 x$	$\tan x$	$\sec x = 1/\cos x$
⑫	$\operatorname{cosec}^2 x$	$-\cot x$	$\operatorname{cosec} x = 1/\sin x$
⑬	$\tan x$	$-\log \|\cos x\|$	——
⑭	$\cot x$	$\log \|\sin x\|$	——
⑮	$\sec x$	$\log \|\tan(\frac{x}{2} + \frac{\pi}{4})\|$	等价于 $\log \|\sec x + \tan x\|$
⑯	$\operatorname{cosec} x$	$\log \|\tan \frac{x}{2}\|$	——
⑰	$e^x$	$e^x$	——
⑱	$a^x$	$\frac{a^x}{\log a}$	——
⑲	$\log x$	$x(\log x - 1)$	记作 $x \log x - x$

:::tip[记忆辅助]

倒数关系：$\sec x = \frac{1}{\cos x}$，$\operatorname{cosec} x = \frac{1}{\sin x}$，$\cot x = \frac{1}{\tan x}$。
符号法则：三角函数积分结果为 co- 开头的（$\cos, \cot, \csc$）通常带有负号（或原函数带负号）。 :::

2. 积分演算基本法则

法则类型	公式表达	核心要点
线性性质	$\int {f(x) \pm g(x)} dx = \int f(x) dx \pm \int g(x) dx$	复号同顺
常数提取	$\int k f(x) dx = k \int f(x) dx$	$k$ 为常数
部分积分法	$\int f(x)g'(x) dx = f(x)g(x) - \int f'(x)g(x) dx$	优先级：对反幂三指
换元积分法	$\int f(g(t))g'(t) dt = \int f(x) dx$	设 $x = g(t)$
对数型	$\int \frac{f'(x)}{f(x)} dx = \log \|f(x)\|$	分子是分母的导数

3. 有理函数与递推公式（高级篇）

在处理分母为 $x^2+a^2$ 的高次幂时，需要用到渐化式（递推公式）：

设 $I_n = \int \frac{1}{(x^2 + a^2)^n} dx$，则有： $$ I_n = \frac{1}{a^2} \left{ \frac{x}{(2n-2)(x^2+a^2)^{n-1}} + \frac{2n-3}{2n-2} I_{n-1} \right} \quad (n \ge 2) $$ 其中起始项 $I_1 = \frac{1}{a} \tan^{-1} \frac{x}{a}$。

:::warning[院试注意] 该递推公式在计算概率论中的 t-分布或复杂的物理功积分时偶有出现，若能记住结构（尤其是 $I_n$ 与 $I_{n-1}$ 的系数关系），可以极大地节省现场推导时间。 :::

⚔️ 第一战区：积分法的四大绝招（公式 1-6）

(1) 和 (2) 是小儿科的加减乘除提取常数，我们直接跳过，直击后四个最强杀招：

👑 绝招一：部分积分法（部分積分法 / Integration by Parts）

【公式 (3)】： $\int f(x)g'(x)dx = f(x)g(x) - \int f'(x)g(x)dx$

【导师考场直觉】 只要看到**“完全不搭界的两种函数”乘在一起**（比如 $x \cdot \sin x$，或者 $x^2 \cdot e^x$），毫无悬念，这是让你用部分积分！
【心法】 永远把“容易求导化简”（或者求导几次后会死掉变成0）的那个函数设为 $f(x)$（前导），把好积分的那个设为 $g'(x)$（后积）。这样后面新生成的积分 $\int f'(x)g(x)$ 就会降维变简单。

💣 绝招二：“强行借 1 法”（公式 4，隐蔽的大杀器！）

【公式 (4)】： $\int f(x)dx = x f(x) - \int x f'(x) dx$

【导师揭秘】 你可能觉得这公式脱裤子放屁，把简单的式子搞复杂了。大错特错！这是对付 $\log x, \arcsin x, \arctan x$ 的究极必杀技！
【实战场景】 考官让你求 $\int \log x dx$。你没背公式怎么办？强行把它看成 $\int (\mathbf{1} \cdot \log x) dx$！这里的“$1$”就是你的 $g'(x)$（它积分变成了 $x$），而 $\log x$ 是你的 $f(x)$。直接代入公式(4)：$\mathbf{x \log x - \int x \cdot \frac{1}{x} dx = x \log x - \int 1 dx = x \log x - x}$。瞬间秒杀！

🔄 绝招三：换元积分法（置換積分法 / Substitution）

【公式 (5)】： $x = g(t) \implies \int f(x)dx = \int f(g(t))g'(t)dt$

【考场纪律】 换元法则最重要的不仅是把 $x$ 换成 $t$，连带着必须把后面的小尾巴 $dx$ 也换成 $g'(t)dt$！ 少写这一步，满盘皆输。
后面到了定积分，还要强调一句：“换元必换限（上下边界也得跟着变）”！

🎯 绝招四：黄金分式口诀（隐形刺客）

【公式 (6)】： $\int \frac{f'(x)}{f(x)}dx = \log|f(x)|$

【导师灵魂拷问】 这是全卷最爽、最救命的公式！！！
【实战雷达】 以后不管碰到什么复杂的分式，第一眼先盯着分母看，在脑子里默默给分母求个导。 只要发现“分子的长相，恰好是分母的导数”（或者差一个常数倍），你不要做任何挣扎，直接写答案 $\mathbf{\log|\text{分母}|}$ ！ (例如：求 $\int \frac{x}{x^2+1} dx$。分母求导是 $2x$。分子刚好是 $x$，差个 $1/2$。直接口算得出答案：$\frac{1}{2} \log|x^2+1|$)。太重要了，必须练成下意识反射！

🧩 第二战区：有理分式屠宰场（公式 7-8）

什么是“有理函数”积分？就是 “多项式除以多项式”（例如 $\frac{3x+1}{x^3 - 4x}$）。日本院试几乎必考这个题型。这半页书给了你解决这类问题的终极 S.O.P（标准作业流程）：

核心思想：任何复杂的真分式，不管分母多长，你只要“部分分数分解（裂项）”，最后总能变成三种最基本的形态，然后各个击破！

碎片形态 1：一次因式的 N 次方 —— (公式 7)

例如：$\frac{A}{x-a}$ 或是 $\frac{A}{(x-a)^3}$

积 $\frac{A}{x-a}$ 直接等于 $A \log|x-a|$。（黄金口诀应用）。
次方大于 1 的，直接用基本次幂法则：$\int (x-a)^{-n} dx = \frac{1}{-n+1}(x-a)^{-n+1}$。这是送分的白皮怪。

碎片形态 2：不可因式分解的二次怪兽 —— (公式 8_1)

当你遇到了底下是一个死活没法因式分解的二次方，且分子刚好带了个 $t$ 的：$\frac{t}{(t^2+a^2)^n}$。

导师破局： 又来了！上面是 $t$，下面是 $t^2+a^2$。底下求导正好等于 $2t$。这就是“黄金分式公式(6)”的变体（带了次方而已），直接用简单换元 $u = t^2+a^2$ 秒了它。对于 $n=1$ 的情况就是最舒爽的 $\frac{1}{2}\log(t^2+a^2)$。

碎片形态 3：极度邪恶的最终 BOSS —— 渐化式降维 (公式 8_2)

也就是你看到的最底下的那个巨无霸公式。处理像 $I_n = \int \frac{1}{(t^2+a^2)^n} dt \ (n \ge 2)$ 的东西。

【🚨 导师防焦虑指南】：看着这段长长的一串，是不是开始心跳加速、害怕考场背不出来？ 放宽心！在全日本90%以上的院试考卷上，考官不会要求你死背这个“递推公式（漸化式）”！ 出题教授一般的玩法是：
- 要么让你算最基础的 $n=1$：$\int \frac{1}{t^2+a^2} dt = \frac{1}{a} \arctan \frac{t}{a}$ （绝对要背熟！）
- 如果考 $n \ge 2$，通常是一道大型综合题，第一小问必定是“引导你去推导这个递推关系式”！我们明天或者后面专门遇到这个例题时（如 P.62 例题9），我会手把手带你用“分部积分法”自己去创造这把剑。现在，只要混个眼熟，知道有这种降次玩法就行！

总结

这第 53 页的四个心法：

不想相干相乘 $\to$ 丢给部分积分（分部）
长相怪异无法直接求 $\to$ 取巧换元
发现“上导下原”关系 $\to$ 秒出 $\log$
巨无霸分式 $\to$ 先在草稿纸上裂开

新版演習微分積分（３）

Sun, 10 May 2026 00:30:00 GMT

院试数学特训：微分积分（3）—— 级数与微分应用复盘

本笔记涵盖《新版演習微分積分》第 9 页至 48 页核心考点，重点在于级数收敛判定、极限计算技巧及微分在证明题中的应用。

第一部分：数列与级数（数列と級数）

1. 正项级数收敛判别法

针对 $\sum a_n$ ($a_n > 0$)，主要采用以下四种判别法：

达朗贝尔比值法 (Ratio Test)：计算 $\rho = \lim_{n \to \infty} \frac{a_{n+1}}{a_n}$。
- $\rho < 1$：绝对收敛；
- $\rho > 1$：发散；
- $\rho = 1$：失效（需换用其他方法）。
柯西根值法 (Root Test)：计算 $\rho = \lim_{n \to \infty} \sqrt[n]{a_n}$。适用于通项含 $n$ 次幂的形式。
比较判别法：常用基准：$p$-级数 $\sum \frac{1}{n^p}$（$p>1$ 收敛，$p \le 1$ 发散）。
积分判别法 (Integral Test)：若 $f(x)$ 连续、正、单调递减，则级数 $\sum f(n)$ 与积分 $\int_1^\infty f(x)dx$ 同敛散。
- 典型应用：$\sum \frac{1}{n \log n}$。

2. 幂级数与收敛半径

对于 $\sum a_n (x-x_0)^n$：

收敛半径 $\rho$：$\rho = \lim_{n \to \infty} \left| \frac{a_n}{a_{n+1}} \right|$ 或 $\frac{1}{\lim \sqrt[n]{|a_n|}}$。
边界考察：求出区间 $(x_0-\rho, x_0+\rho)$ 后，必须单独验证端点 $x = x_0 \pm \rho$ 的收敛性。

第二部分：极限计算（極限の計算）

1. 未定式处理技巧

泰勒展开法（降维打击）：在 $x \to 0$ 时，优先考虑麦克劳林级数（$\sin x, \cos x, e^x, \log(1+x)$）。
- 原则：展开阶数应由分母的最低阶项决定。
洛必达法则 (L'Hôpital's rule)：仅适用于 $\frac{0}{0}$ 或 $\frac{\infty}{\infty}$ 型。复合函数求导繁琐时建议转用泰勒展开。

2. 特殊幂指型极限 $y = f(x)^{g(x)}$

处理 $1^\infty, 0^0, \infty^0$ 型极限的固定步骤：

取对数：$\log y = g(x) \log f(x)$。
求 $\log y$ 的极限 $L$。
原极限值为 $e^L$。

第三部分：微分法及其应用（微分法）

1. 参数方程的高阶导数

设 $x = x(t), y = y(t)$，二阶导数 $\frac{d^2y}{dx^2}$ 的计算公式： $$ \frac{d^2y}{dx^2} = \frac{\frac{d}{dt} \left( \frac{dy}{dx} \right)}{\frac{dx}{dt}} = \frac{y''(t)x'(t) - y'(t)x''(t)}{(x'(t))^3} $$ 注意：分母必须除以 $x'(t)$ 的三次方。

2. 对数微分法

适用于：

幂指函数 $y = u(v)^v(x)$。
多因子乘积/商的导数（取对数后转化为求和）。

3. 微分证明题策略

辅助函数构造：若求证 $f'(c) + k f(c) = 0$，通常构造 $g(x) = e^{kx} f(x)$ 并应用罗尔定理。
中值定理：
- 拉格朗日中值定理：$f(b) - f(a) = f'(c)(b-a)$。
- 柯西中值定理：处理两个函数之比。

4. 莱布尼茨公式 (Leibniz Rule)

用于求两个函数乘积的高阶导数： $$ (uv)^{(n)} = \sum_{k=0}^n \binom{n}{k} u^{(n-k)} v^{(k)} $$

技巧：通常选择在有限次求导后变为 0 的多项式作为 $v$（例如 $v = x^2$），从而截断求和项。

第四部分：数值计算与曲线性质

1. 增减表与凹凸性（绘图 SOP）

院试中要求绘制函数图象时，必须遵循以下标准化步骤：

求定义域与对称性：检查奇偶性、周期性。
计算一阶导 $f'(x)$：确定单调性（增减）与极值点（极大/极小）。
计算二阶导 $f''(x)$：确定凹凸性（凸/凹）与拐点（変曲点）。
考察渐近线：
- 垂直渐近线：$\lim_{x \to a} f(x) = \pm\infty$。
- 水平/斜渐近线：$\lim_{x \to \infty} [f(x) - (mx+c)] = 0$。
绘制增减表：整合 $x, f', f'', f$ 的符号变化。

:::tip[绘图口诀] 一阶看增减，二阶看凹凸；极值在驻点，拐点在二零。 :::

2. 牛顿迭代法 (Newton's method)

用于求 $f(x)=0$ 的近似解。

迭代公式：$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$。
收敛判定：利用泰勒展开证明其具有平方收敛特性。

💡 常见平面曲线图鉴

在微分法的几何应用中，识别以下 8 种高频曲线的方程与形状，能极大提升在求导、切线方程以及后续积分篇中计算面积/弧长的效率。

1. 重点关注（院试必背）

星形线 (Astroid)：$x = a \cos^3 \theta, y = a \sin^3 \theta$
- 特征：形状像内凹的星形，常考其包围的面积及全长。
摆线 (Cycloid)：$x = a(\theta - \sin \theta), y = a(1 - \cos \theta)$
- 特征：圆滚动产生的轨迹，是计算弧长和旋转体体积的常客。
心脏线 (Cardioid)：$r = a(1 + \cos \theta)$
- 特征：极坐标下的代表曲线，常用于考察极坐标下的面积积分。

2. 其他经典曲线

笛卡尔叶形线 (Folium of Descartes)：$x^3 + y^3 - 3axy = 0$（存在渐近线 $x+y+a=0$）。
双纽线 (Lemniscate)：$r^2 = a^2 \cos 2\theta$ 或 $(x^2+y^2)^2 = a^2(x^2-y^2)$。
悬链线 (Catenary)：$y = a \cosh(x/a) = \frac{a}{2}(e^{x/a} + e^{-x/a})$。
三叶线 (Three-leaved rose)：$r = a \sin 3\theta$。

第五部分：核心例题解析

以下精选了第二章微分法中的 10 个典型考点，涵盖了院试常考的计算陷阱与逻辑细节。

5月正是备考院试“拉骨架、炼真题”的黄金冲刺期！抛弃边角料，直击核心！

根据这本《新版演習微分積分》第二章在全日本各大工科/理科院试中的出题频次和致命扣分率，我为你从这几十页里精选出了**【绝对必考的 10 道核心压轴题】**。

只要把这 10 道题的解法化为肌肉记忆，第二章所有变种考点都不在话下。这份**“极密复习小抄”**请收好：

👑 重点一：极限化形的巅峰 —— $1^\infty$ 型未定式

【精选自】：p.38 例题 13(2) 【题目】 求极限 $\lim_{x \to \infty} \left( \frac{2}{\pi} \tan^{-1} x \right)^x$ 【考点追踪】 考察 $\tan^{-1}(\infty)$ 的极值常识，以及将“指数变体”化为分数，并发动洛必达法则的综合能力。

【满分解答过程】

探查与降维： 当 $x \to \infty$ 时，底数 $\frac{2}{\pi} \tan^{-1}x \to \frac{2}{\pi} \cdot \frac{\pi}{2} = 1$。此为 $1^\infty$ 型不定式。设 $y = \left( \frac{2}{\pi} \tan^{-1} x \right)^x$。两边取对数： $$ \log y = x \log \left( \frac{2}{\pi} \tan^{-1} x \right) = \frac{\log \left( \frac{2}{\pi} \tan^{-1} x \right)}{1/x} $$ (化为完美的 $\frac{0}{0}$ 型分式)。
洛必达出刀： $$ \lim_{x \to \infty} \log y = \lim_{x \to \infty} \frac{\left[ \log \left( \frac{2}{\pi} \tan^{-1} x \right) \right]'}{(1/x)'} $$ 分别求导：分子 $\to \frac{1}{\frac{2}{\pi} \tan^{-1}x} \cdot \left( \frac{2}{\pi} \cdot \frac{1}{1+x^2} \right) = \frac{1}{(1+x^2)\tan^{-1}x}$。分母 $\to -\frac{1}{x^2}$。
代数重组与极限收割： 将上下的导数合并化简（将 $-1/x^2$ 翻转上去）： $$ \lim_{x \to \infty} \left( -\frac{x^2}{1+x^2} \cdot \frac{1}{\tan^{-1}x} \right) $$ 当 $x \to \infty$ 时，$\frac{x^2}{1+x^2} \to 1$，$\tan^{-1} x \to \frac{\pi}{2}$。所以 $\lim_{x\to\infty} \log y = -1 \cdot \frac{1}{\pi/2} = \mathbf{-\frac{2}{\pi}}$。
终极复原： $\lim_{x\to\infty} y = \mathbf{e^{-2/\pi}}$。

:::tip[避坑指南] 算到最后别忘了还原 $y$！ :::

🔪 重点二：打死不能用洛必达 —— 泰勒展开降维打击

【精选自】：p.39 問題 13.1(5) 【题目】 求极限 $\lim_{x \to 0} \left( \frac{1}{x^2} - \frac{\cot x}{x} \right)$ 【考点追踪】 考察 $\infty-\infty$ 转化，并在面对极其复杂的 $\frac{0}{0}$ 分式时，主动放弃洛必达，果断选用麦克劳林级数替换法。

【满分解答过程】

强制通分构造未定式： $\cot x = \frac{\cos x}{\sin x}$，通分得到： $$ \lim_{x \to 0} \frac{\sin x - x \cos x}{x^2 \sin x} $$
定分母量级： 当 $x \to 0$ 时，分母 $x^2 \sin x \approx x^2 \cdot x = \mathbf{x^3}$。所以分子必须展开到 $x$ 的三次方。
召唤泰勒多项式化简分子： $\sin x \approx x - \frac{x^3}{6}$； $\cos x \approx 1 - \frac{x^2}{2}$。 $$ \text{分子} \approx \left(x - \frac{x^3}{6}\right) - x\left(1 - \frac{x^2}{2}\right) = x - \frac{x^3}{6} - x + \frac{x^3}{2} = \mathbf{\frac{1}{3}x^3} $$
秒杀： 极限 $= \lim_{x\to 0} \frac{\frac{1}{3}x^3}{x^3} = \mathbf{\frac{1}{3}}$。

:::tip[避坑指南] 分母等价几次，分子就展开到几次。不要疯狂去求3次导数，你会手抽筋算错！ :::

💀 重点三：二阶导数的墓地 —— 参数方程陷阱

【精选自】：p.30 例题 9 (星形线) 【题目】 $x = a \cos^3 t, y = a \sin^3 t \ (a>0)$，求一阶与二阶导数 $\frac{dy}{dx}, \frac{d^2y}{dx^2}$。 【考点追踪】 院试重灾区！考核对二阶导数符号本质 $\frac{d}{dx} \left(\frac{dy}{dx}\right)$ 的真实理解。

【满分解答过程】

一阶导数（链式法则相除）： $\frac{dx}{dt} = -3a\cos^2t \sin t$；$\frac{dy}{dt} = 3a\sin^2t \cos t$。 $$ \frac{dy}{dx} = \frac{3a\sin^2t \cos t}{-3a\cos^2t \sin t} = \mathbf{-\tan t} $$
二阶导数（生死操作）： $$ \frac{d^2y}{dx^2} = \frac{\frac{d}{dt}\left(\frac{dy}{dx}\right)}{\frac{dx}{dt}} \quad \text{(必须再除一次 dx/dt！)} $$
- 分子部分对 $t$ 求导：$\frac{d}{dt}(-\tan t) = \mathbf{-\sec^2 t}$。
- 拉回原本的 $\frac{dx}{dt}$ 垫在分母上： $$ \frac{d^2y}{dx^2} = \frac{-\sec^2 t}{-3a\cos^2t \sin t} = \mathbf{\frac{1}{3a\cos^4t \sin t}} $$

:::tip[避坑指南] 在心里默念三遍：参数二阶导，分子是对一阶求完的结果再求导，分母千万别忘还要拽上 $dx/dt$！ :::

🪄 重点四：逢分式必裂解 —— 高阶导数通法

【精选自】：p.31 例题 10(2) 【题目】 求 $y = \frac{x}{(x-1)(x-2)}$ 的 $n$ 阶导数 $y^{(n)}$。 【考点追踪】 避开繁琐的商法则，测试考生“部分分数分解”能力和背诵基础函数 $n$ 阶导数的能力。

【满分解答过程】

部分分数分解（裂项）： 设 $y = \frac{A}{x-2} + \frac{B}{x-1}$。代入解得：$y = \mathbf{\frac{2}{x-2} - \frac{1}{x-1}}$。
发动官方高阶导公式： 因为 $\left( \frac{1}{x-a} \right)^{(n)} = \frac{(-1)^n \cdot n!}{(x-a)^{n+1}}$。
组装拼接： 分别对两半套公式： $$ y^{(n)} = \mathbf{(-1)^n \cdot n! \left{ \frac{2}{(x-2)^{n+1}} - \frac{1}{(x-1)^{n+1}} \right}} $$

:::tip[避坑指南] 不会用莱布尼茨公式也没关系，遇到这种纯多项式相除求 $n$ 阶导数，100% 用裂项法拆解，秒变送分题！ :::

⛰️ 重点五：最值争夺的隐性魔鬼 —— 幻觉解与边界点

【精选自】：p.44 問題 16.2(2) 【题目】 求函数 $f(x) = x + \sqrt{4-x^2}$ 的最大值和最小值。 【考点追踪】 专杀习惯于“盲目求导=0”就宣称极值的考生！考察寻找隐藏定义域和过滤幽灵假根。

【满分解答过程】

画地为牢（找定义域）： 根号下 $4-x^2 \ge 0 \implies \mathbf{[-2, 2]}$。此时端点值 $f(2)=2, f(-2)=-2$ 已入围候补区。
求导找根： $$ f'(x) = 1 - \frac{x}{\sqrt{4-x^2}} = 0 \implies x = \sqrt{4-x^2} $$
猎杀幻觉假根： 为了求解把方程两边平方得到 $x^2 = 4-x^2 \implies x^2 = 2 \implies x = \pm\sqrt{2}$。 但是！回到平方前的式子 $x = \sqrt{4-x^2}$。等号右边是个非负的算术根号，所以强制要求 $x \ge 0$。 因此 $-\sqrt{2}$ 是假根，直接扔掉（不適）。唯一的嫌疑极值点只有 $\mathbf{x = \sqrt{2}}$。其值为 $2\sqrt{2}$。
终极比较打分： 把候选人的函数值 $[ 2,\ -2,\ 2\sqrt{2} ]$ 摆在一起来比。所以，最大值为 $2\sqrt{2}$ (当 $x=\sqrt{2}$)；最小值为 $-2$ (当 $x=-2$)。

:::tip[避坑指南] 开偶数次根号必画定义域，去根号平方产生的新解必须反向代回原式做一次“正负体检”！并且求绝对最值别忘了查首尾端点！ :::

🛡️ 第一关：专杀“公式机器”的分段函数陷阱

【精选自】：p.28 問題 7.1 【题目】 研究函数 $f(x) = \begin{cases} \frac{x}{1 + e^{1/x}} & (x \neq 0) \ 0 & (x = 0) \end{cases}$ 在 $x=0$ 处的可导性（微分可能性）。 【考点追踪】 院试经典防套路题！强制要求你写导数定义，并且考核含有 $1/x$ 指数的左右非对称性。

【导师满分解答板书】

舍弃公式，上定义式： 因为是原点的分段点，直接用导数定义： $$ f'(0) = \lim_{h \to 0} \frac{f(h) - f(0)}{h} = \lim_{h \to 0} \frac{1}{h} \cdot \frac{h}{1 + e^{1/h}} = \lim_{h \to 0} \frac{1}{1 + e^{1/h}} $$
遇 $1/h$ 必须分左右兵分两路：
- 右侧导数 ($h \to +0$)：此时 $1/h \to +\infty$，使得 $e^{1/h} \to +\infty$。 $$ f'+(0) = \lim{h \to +0} \frac{1}{1 + \infty} = \mathbf{0} $$
- 左侧导数 ($h \to -0$)：此时 $1/h \to -\infty$，使得 $e^{1/h} \to 0$。 $$ f'-(0) = \lim{h \to -0} \frac{1}{1 + 0} = \mathbf{1} $$
判决： 因为 $f'+(0) \neq f'-(0)$，所以该函数在 $x=0$ 处不可导（微分不可能）。

:::tip[避坑指南] 但凡遇到带有绝对值 $|x|$ 或是类似 $e^{1/x}$、$ \arctan(1/x) $ 并在 $x=0$ 处断开的题，不用怀疑，必定是让你求左右导数抓它的不匹配！ :::

🗡️ 第二关：“双变量夹击”的核武解药

【精选自】：p.29 問題 8.1(6) 【题目】 求函数 $y = (\tan x)^{\sin x}$ 的导数。 【考点追踪】 检验“底数和指数全部含有自变量 $x$”这种极限怪兽的处理手法。普通幂次或指数公式会当场暴毙。

【导师满分解答板书】

降维神技 —— 取对数（対数微分法）： 两边同时取自然对数，把头顶的指数拉下来： $$ \log y = \sin x \cdot \log(\tan x) $$
两边求导（积的求导 + 链式）： 左边：复合求导得到 $\frac{y'}{y}$。右边：$(\sin x)' \cdot \log(\tan x) + \sin x \cdot (\log(\tan x))'$ $$ = \cos x \cdot \log(\tan x) + \sin x \cdot \left( \frac{1}{\tan x} \cdot \sec^2 x \right) $$
高光化简： 看加号后面的乱麻：$\sin x \cdot \frac{\cos x}{\sin x} \cdot \frac{1}{\cos^2 x} = \frac{1}{\cos x} = \sec x$。
收尾装配： 把 $y$ 乘回右边去： $$ y' = y \left( \cos x \log(\tan x) + \sec x \right) = \mathbf{(\tan x)^{\sin x} \left[ \cos x \log(\tan x) + \sec x \right]} $$

:::tip[避坑指南] 只要底数和指数同时有 $x$，条件反射：两边加 $\log$。且左侧求导永远会跑出一个 $y'/y$，最后一定不要忘了把原式的 $y$ 乘过去！ :::

🔮 第三关：高阶导数里极其浪漫的“数学归纳”

【精选自】：p.31 問題 10.2 (变种展示 $\sin$ 篇) 【题目】 已知 $y = e^x \sin x$，用数学归纳法证明 $y^{(n)} = 2^{n/2} e^x \sin(x + \frac{n\pi}{4})$。 【考点追踪】 遇到不死之身（$e^x$ 与 $\sin x$），无法用莱布尼茨公式抹杀炮灰项时，如何利用数学归纳法和“相位变换”暴力通关。

【导师满分解答板书】

证明 $n=1$ 成立： $y' = e^x \sin x + e^x \cos x = e^x(\sin x + \cos x)$。强行提公因数 $\sqrt{2}$ (即 $2^{1/2}$) 凑角： $y' = \sqrt{2} e^x (\frac{1}{\sqrt{2}} \sin x + \frac{1}{\sqrt{2}} \cos x) = \mathbf{2^{1/2}e^x \sin(x + \frac{\pi}{4})}$。第一阶完美成立！
设 $n=k$ 成立，向 $n=k+1$ 进发： 假设 $y^{(k)} = 2^{k/2} e^x \sin(x + \frac{k\pi}{4})$。求下一阶导： $y^{(k+1)} = (y^{(k)})' = 2^{k/2} \left[ e^x \sin(x+\frac{k\pi}{4}) + e^x \cos(x+\frac{k\pi}{4}) \right]$。
收割证明： 和第一步一模一样，再提一次 $\sqrt{2}$： $$ = 2^{k/2} \cdot 2^{1/2} e^x \sin\left( x + \frac{k\pi}{4} + \frac{\pi}{4} \right) = \mathbf{2^{\frac{k+1}{2}} e^x \sin\left(x + \frac{(k+1)\pi}{4}\right)} $$ 证明闭环达成！

:::tip[避坑指南] 只要 $n$ 阶导的答案是以某个非常规规律跳动的（且明示用数学归纳），你要展示的就是这种“在常数 $k$ 的基础上再导一次完美契合 $k+1$”的凑角神技。 :::

🧩 第四关：借梯上楼的泰勒积木组合大法

【精选自】：p.41 例题 15(3) 【题目】 将 $y = \log\frac{1+x}{1-x}$ 在原点处展开为整级数（并求收敛域）。 【考点追踪】 院试绝对高频考点！考核“禁止蛮算”，通过已知初等泰勒公式和代数加减完成降维。

【导师满分解答板书】

解除复杂包装： 千万别对分式求 $n$ 次导！利用对数性质分开： $$ y = \log(1+x) - \log(1-x) $$
套用积木模板： 根据 p.35 的默写名单，$\log(1+u) = \sum_{n=1}^\infty (-1)^{n-1} \frac{u^n}{n} \ (|u|<1)$。
- 前项：$\log(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \dots$
- 后项：令 $u = -x$，带入得 $\log(1-x) = -x - \frac{x^2}{2} - \frac{x^3}{3} - \frac{x^4}{4} - \dots$
阵列消除术： 上面一减下面，所有带平方的、偶数次幂的全被杀掉（相同相减为0）；所有奇数次幂的不仅保留，还成了两倍！ $$ y = 2x + \frac{2x^3}{3} + \frac{2x^5}{5} + \dots = \mathbf{2 \sum_{n=1}^\infty \frac{x^{2n-1}}{2n-1}} $$
【扣分防御圈】定下生死边界： 两个原底子要求 $|x|<1$ 和 $|-x|<1$。这表明联合收敛域依然是 $|x| < 1$。

:::tip[避坑指南] 在回答级数展开题（テイラー級数）时，如果你没有在旁边括注收敛域 $(|x| < 1)$，就等于留下了命脉给人砍！ :::

🏆 第五关：大院极值题之不等式的艺术化转译

【精选自】：p.45 問題 17.2（著名的杨氏不等式 / Young's Inequality） 【题目】 已知 $p>1, q>1$ 且 $\frac{1}{p} + \frac{1}{q} = 1$。证明：当 $x \ge 0$ 时，$\frac{x^p}{p} + \frac{1}{q} \ge x$ 成立。 【考点追踪】 最顶级院试爱用的招式：把极其高深的不等式命题，“伪装”成高中水平的求一次导找谷底的题！考你的胆量和化归能力。

【导师满分解答板书】

作差成函数： 设定辅助函数：$f(x) = \frac{x^p}{p} + \frac{1}{q} - x \quad (x \ge 0)$。目标是证明 $f(x)$ 最小只能是 $0$。
极值猎杀： 求导：$f'(x) = x^{p-1} - 1$。（常数 $1/q$ 被杀）。令 $f'(x) = 0 \implies x^{p-1} = 1 \implies \mathbf{x = 1}$ （因为 $x \ge 0$）。
查探增减风向表： 因为 $p>1$，所以 $p-1$ 是个正幂。
- $0 < x < 1$ 时，$x^{p-1} < 1 \implies f'(x) < 0$ （在往下走）。
- $x > 1$ 时，$x^{p-1} > 1 \implies f'(x) > 0$ （在往上走）。这就意味着 $x=1$ 是绝对深渊（绝对极小值 / 绝对最小值）！
终结审判： 算一下深渊的高度：$f(1) = \frac{1}{p} + \frac{1}{q} - 1 = \mathbf{0}$ （运用题意自带的玄机条件）。全函数的最低点刚好稳稳停在 0 的位置，那函数这辈子都不可能是负数了。因此 $f(x) \ge 0$ 永远成立。得证！

:::tip[避坑指南] 看到大于小于的文字游戏不要发蒙，不等式证明 100% 等同于极值探查！大胆移项，勇敢求导找出最值！ :::

👑 重点十一：乘积高阶导的利器 —— 莱布尼茨公式

【精选自】：p.31 問題 10.1(3) 【题目】 求 $y = x^2 \sin x$ 的 $n$ 阶导数 $y^{(n)}$。 【考点追踪】 考察对莱布尼茨公式展开项的选择。如果 $n$ 阶导数中有“项数急剧减少”的多项式因子，莱布尼茨法优于数学归纳法。

【满分解答过程】

角色分配： 设 $u = \sin x, v = x^2$。
- $u^{(n)} = \sin(x + \frac{n\pi}{2})$
- $v' = 2x, v'' = 2, v''' = 0$（从此项开始全部为0）。
公式展开（仅保留前三项）： $$ y^{(n)} = \binom{n}{0} u^{(n)} v + \binom{n}{1} u^{(n-1)} v' + \binom{n}{2} u^{(n-2)} v'' $$
代入具体项： $$ y^{(n)} = 1 \cdot \sin(x + \frac{n\pi}{2}) \cdot x^2 + n \cdot \sin(x + \frac{(n-1)\pi}{2}) \cdot 2x + \frac{n(n-1)}{2} \cdot \sin(x + \frac{(n-2)\pi}{2}) \cdot 2 $$
最终化简（利用三角相位）： $$ y^{(n)} = x^2 \sin(x + \frac{n\pi}{2}) + 2nx \sin(x + \frac{(n-1)\pi}{2}) + n(n-1) \sin(x + \frac{(n-2)\pi}{2}) $$

:::tip[避坑指南] 使用莱布尼茨公式时，$v$ 永远选那个求几次导就会变 0 的多项式。如果 $u$ 和 $v$ 都不会变 0（如 $e^x \sin x$），请放弃此法，改用数学归纳法 or 复数法。 :::

👑 重点十二：绘图题大满贯 —— 增减性、凹凸性与渐近线

【精选自】：p.46 例题 18 【题目】 研究函数 $y = \frac{x}{1+x^2}$ 的增减性、极值、凹凸性及拐点，并画出大致图形。

【考点追踪】 综合考察微分法的所有几何应用。重点在于增减表（増減表）的完整性。

【满分解答过程】

定义域与奇偶性： $x \in \mathbb{R}$，且 $f(-x) = -f(x)$，该函数为奇函数（关于原点对称）。
一阶导（极值）： $y' = \frac{1(1+x^2) - x(2x)}{(1+x^2)^2} = \frac{1-x^2}{(1+x^2)^2}$ 令 $y' = 0 \implies x = \pm 1$。
二阶导（凹凸性）： $y'' = \frac{-2x(1+x^2)^2 - (1-x^2) \cdot 2(1+x^2) \cdot 2x}{(1+x^2)^4} = \frac{2x(x^2-3)}{(1+x^2)^3}$ 令 $y'' = 0 \implies x = 0, \pm\sqrt{3}$。
渐近线： $\lim_{x \to \pm\infty} \frac{x}{1+x^2} = 0$，故 $y=0$ 为水平渐近线。
标准增减表（部分）：

$x$	$\dots$	$-1$	$\dots$	$0$	$\dots$	$1$	$\dots$
$y'$	$-$	$0$	$+$	$+$	$+$	$0$	$-$
$y''$	$-$	$-$	$-$	$0$	$+$	$+$	$+$
$y$	$\searrow$	极小	$\nearrow$	拐点	$\nearrow$	极大	$\searrow$

【结论】

极大值：$1/2$ (于 $x=1$)；极小值：$-1/2$ (于 $x=-1$)。
拐点：$(0,0), (\sqrt{3}, \frac{\sqrt{3}}{4}), (-\sqrt{3}, -\frac{\sqrt{3}}{4})$。

:::tip[避坑指南] 画图题的扣分点通常不在图上，而在增减表。

二阶导 $y''$ 的符号一定要仔细代入测试，它决定了曲线是“撇”着上去还是“捺”着上去。
务必标注渐近线，否则图象在无穷远处的趋势会扣分。 :::

下阶段任务

重点章节：第 3 章：积分法（不定积分换元、定积分几何应用）。
目标：提升复杂换元积分的运算速度与准确度。

Troubleshooting Silent Failures in Astro Production Builds on this blog

Wed, 06 May 2026 20:15:00 GMT

Issue Description

This problem has occurred multiple times during my deployments, and I read all of the issues but found nothing.

Some blog posts fail to render in production (Cloudflare Pages) while working correctly in local development. This results in missing HTML files (e.g., dist/posts/<ID>/index.html) without explicit build errors during the Astro phase.

I initially suspected formatting issues (especially frontmatter and Markdown structure), and spent considerable time debugging and validating content consistency. This included repeatedly checking for syntax errors and eliminating potential parsing issues. After extensive testing, the problem still persisted intermittently, even with clean and validated content.

Based on these observations, it seems more likely that the issue is related to resource constraints (e.g., memory limits in the Cloudflare Pages build environment), rather than purely content formatting errors. The issue is strongly correlated with large local images and complex LaTeX content, leading to "all-or-nothing" failures where existing posts also disappear due to the failed deployment.

It might also be related to Astro's build process under constrained environments, which means Fuwari has nothing to do with this problem. But I’d also like to share the workarounds I’ve identified so far, and would appreciate any feedback or better approaches to address this issue.

Environment

Deployment Platform: Cloudflare Pages
Node Version: v22.16.0
Astro Version: v5.13.10
Fuwari Version: commit 341b6ba
Package Manager: pnpm@9.14.4
Cloudflare configuration:

Build command: pnpm build
Build output: dist
Root directory:  `-`
Build comments: Enabled
Build cache: Disabled
Build system version: Version 3

Reproduction

Asset Load: Add multiple posts containing high-resolution images (>1.5MB) in src/content/posts.
Concurrent Push: Commit and push a batch of these posts simultaneously to GitHub.
Deployment: Observe the Cloudflare Pages build log. The heavy resource demand (Sharp image processing + LaTeX) often exceeds the build environment's limits, causing silent skips.
Verification: Pushing these same posts one by one (individual commits/deployments) or removing large assets often bypasses the issue, confirming a resource/concurrency bottleneck.

Possible Causes

1. Resource Constraints (OOM / Timeout)

Cloudflare Pages' build workers have strict memory limits. Astro's default high-concurrency build for image processing (via Sharp) and LaTeX rendering can exhaust available RAM, leading to incomplete output.

2. LaTeX / Unicode Parsing

Unrecognized Unicode characters in math mode (e.g., ⓒ, ⓓ) or un-wrapped Chinese and Japanese characters can trigger KaTeX warnings/errors that may stall the rendering process for specific routes.

The Safety Net: Build Integrity Audit

For those who have the same problem, it is recommended to add a post-build audit script.

This is because Astro (and thus Fuwari) will often complete the build successfully even if some pages were dropped due to worker failures. The resulting site will appear to function normally, but specific posts will be missing from the production build. This audit script acts as a safeguard to ensure every non-draft post is correctly generated before deployment.

1. Create `scripts/check-dist.js`

import fs from 'fs';
import path from 'path';

// Simplified file-system based audit for CI environment
const POSTS_DIR = './src/content/posts';
const DIST_DIR = './dist/posts';

const sourcePosts = fs.readdirSync(POSTS_DIR).filter(f => 
  fs.statSync(path.join(POSTS_DIR, f)).isDirectory()
);

const missing = [];
sourcePosts.forEach(id => {
  const mdPath = path.join(POSTS_DIR, id, 'index.md');
  if (fs.existsSync(mdPath)) {
    const content = fs.readFileSync(mdPath, 'utf-8');
    // Robust check for draft status in frontmatter
    const isDraft = /draft:\s*true/.test(content);
    const htmlPath = path.join(DIST_DIR, id, 'index.html');
    
    if (!isDraft && !fs.existsSync(htmlPath)) {
      missing.push(id);
    }
  }
});

if (missing.length > 0) {
  console.error(`\x1b[31m[ERROR] Post Rendering Audit Failed!\x1b[0m`);
  console.error(`Missing ${missing.length} posts in production build:`);
  missing.forEach(id => console.error(` - ${id} (Expected: ${path.join(DIST_DIR, id, 'index.html')})`));
  process.exit(1); // Force CI failure
} else {
  console.log('\x1b[32m[SUCCESS] All posts verified in dist/.\x1b[0m');
}

2. Integrate into `package.json`

"scripts": {
 "build": "astro build --concurrency 2 && pagefind --site dist && node scripts/check-dist.js"
}

Workarounds & Solutions

1. Limit Build Concurrency (Confirmed Fix)

Force Astro to use fewer workers to stay within memory limits. This prevents the "dropping pages" issue on 256MB/512MB RAM environments:

astro build --concurrency 2

2. Incremental Deployment

Instead of batch uploading, push posts individually. This reduces the peak memory load on the build server at any single time.

3. Optimize Assets (Pre-processing)

Manually compress images (target < 500KB) before committing. Large PNGs are the primary cause of build-time memory spikes.

4. Schema Robustness

Use z.coerce.date() in src/content/config.ts to ensure that date strings are parsed correctly across different environments. You can also use .catch() to ensure a single malformed post doesn't break the entire collection.

5. The `public/` Folder Alternative

I am aware that moving images to the public/ folder and using absolute paths can bypass Astro's build-time image processing (Sharp), avoiding memory overhead entirely. However, for better co-location of content and assets, many users (including myself) prefer keeping images within the content folders. The concurrency workaround allows maintaining this structure while staying within resource limits.

新版演習微分積分（２）

Sat, 02 May 2026 00:00:58 GMT

微积分院试核心笔记：级数综合特训

备考洞察 本节内容（演習問題 1-B）综合性极强，完美契合日本顶尖高校院试中“证明题”与“计算题”的交替考察套路。参考页数：P15。

第 1 题：综合极限与判别法（基础与进阶混合）

(1) 证明 $\lim_{n \to \infty} \sqrt[n]{n+1} = 1$

【导师破题】 求这种“底数和指数都带有 $n$”的极限，**“取对数（対数をとる）”**是院试里最通用的必杀技。把 $n$ 次方根化成指数 $\frac{1}{n}$，然后放到对数里去。 【完美推导】

设 $y_n = \sqrt[n]{n+1} = (n+1)^{\frac{1}{n}}$。
两边同时取自然对数： $\log y_n = \log \left( (n+1)^{\frac{1}{n}} \right) = \frac{\log(n+1)}{n}$
求当 $n \to \infty$ 时的极限。此时变成了 $\frac{\infty}{\infty}$ 型。我们可以直接用洛必达法则（ロピタルの定理）（或者利用常识：对数函数的增长速度远慢于多项式）： $\lim_{n \to \infty} \frac{\log(n+1)}{n} \xrightarrow{\text{洛必达}} \lim_{n \to \infty} \frac{\frac{1}{n+1}}{1} = 0$
既然 $\log y_n \to 0$，那么 $y_n \to e^0 = 1$。证明完毕。

(2) 判定 $\sum_{n=1}^{\infty} \frac{e^n}{n+1}$ 的敛散性

【导师破题】 触发肌肉记忆！看到指数 $e^n$，无脑上达朗贝尔判别法（比值判定法）。 【完美推导】

令 $a_n = \frac{e^n}{n+1}$。
求相邻项比值的极限： $$ \lim_{n \to \infty} \left| \frac{a_{n+1}}{a_n} \right| = \lim_{n \to \infty} \frac{e^{n+1}}{n+2} \cdot \frac{n+1}{e^n} = \lim_{n \to \infty} e \cdot \frac{n+1}{n+2} = e \cdot 1 = e $$
因为自然对数底数 $e \approx 2.718 > 1$，根据达朗贝尔判别法，后一项比前一项越来越大，级数发散（発散する）。

(3) 探究 $\sum_{n=2}^{\infty} \frac{(-1)^n}{n \log n}$ 是绝对收敛还是条件收敛？

【导师破题】 这是一道院试极高频的经典题。两步走战略：先加绝对值测，再保留负号测。 【完美推导】

第一步：测绝对收敛（加绝对值） 考察 $\sum_{n=2}^{\infty} \frac{1}{n \log n}$。怎么判断它？对于形如 $n \log n$ 的分母，**积分判别法（積分判定法）**是唯一的解药！我们将它转化为定积分：$\int_{2}^{\infty} \frac{1}{x \log x} dx$。换元，令 $u = \log x$，则 $du = \frac{1}{x} dx$。积分变成：$\int \frac{1}{u} du = \log|u| = \log(\log x)$。当 $x \to \infty$ 时，$\log(\log x) \to \infty$。积分发散，所以该绝对值级数发散。（不绝对收敛）
第二步：测条件收敛（去绝对值） 原级数是交错级数 $\sum (-1)^n c_n$，其中 $c_n = \frac{1}{n \log n}$。因为 $n \log n$ 随 $n$ 增大而单调递增，所以 $c_n$ 单调递减，且显然 $\lim_{n \to \infty} c_n = 0$。满足莱布尼茨判别法（定理1.8），级数收敛。
结论： 加上绝对值发散，原级数收敛，因此是 条件收敛（条件収束）。

第 2 题：【核弹级压轴题】若 $\sum a_n^2$ 收敛，证明 $\sum \frac{a_n}{n}$ 绝对收敛

【导师破题】 这道题如果你没见过这个套路，考场上想破脑袋也做不出来；但只要见过一次，3行字就能拿满分！题目说要证明 $\sum \frac{a_n}{n}$ 绝对收敛，其实就是要证明 $\sum \left| \frac{a_n}{n} \right|$ 收敛。已知条件只有 $a_n^2$ 收敛。怎么把 $|a_n|$ 变成 $a_n^2$ 呢？ 核心武器：基本不等式（相加・相乗平均の関係）：对于任意实数 $x, y$，都有 $2|xy| \le x^2 + y^2$，即 $|xy| \le \frac{1}{2}(x^2 + y^2)$。

【完美推导（满分格式）】

利用基本不等式，将通项放缩： $$ \left| \frac{a_n}{n} \right| = \left| a_n \cdot \frac{1}{n} \right| \le \frac{1}{2} \left( a_n^2 + \frac{1}{n^2} \right) $$
观察不等式右边的两部分：
- 第一部分：题目已知 $\sum a_n^2$ 是收敛的。
- 第二部分：我们熟知的 $p$级数（$p=2>1$），所以 $\sum \frac{1}{n^2}$ 也是收敛的。
因为两个收敛级数相加仍然收敛，所以“大哥”级数 $\sum \frac{1}{2} \left( a_n^2 + \frac{1}{n^2} \right)$ 是收敛的。
根据比较判定法（比較判定法），比它小的级数 $\sum \left| \frac{a_n}{n} \right|$ 必定收敛。
既然绝对值级数收敛，那么原级数 $\sum \frac{a_n}{n}$ 就是 绝对收敛（絶対収束）。证明完毕！

第 3 题：求 $\sum_{n=1}^{\infty} \frac{x^n}{n S_n}$ 的收敛半径（已知 $S_n = \sum_{k=1}^n \frac{1}{k}$）

【导师破题】 不要被 $S_n$（其实就是调和级数的前 $n$ 项和）吓到！求收敛半径的套路是不变的：算出系数 $c_n = \frac{1}{n S_n}$，然后硬套比值法的极限公式 $\lim \left| \frac{c_n}{c_{n+1}} \right|$。

【完美推导】

设定系数 $c_n = \frac{1}{n S_n}$，下一项 $c_{n+1} = \frac{1}{(n+1) S_{n+1}}$。
代入收敛半径 $\rho$ 的极限公式（注意这里直接用大除以小，等于倒数）： $$ \rho = \lim_{n \to \infty} \frac{c_n}{c_{n+1}} = \lim_{n \to \infty} \frac{(n+1) S_{n+1}}{n S_n} $$
拆分化简：把 $\frac{n+1}{n}$ 和 $\frac{S_{n+1}}{S_n}$ 拆开看。 $$ \rho = \lim_{n \to \infty} \left( 1 + \frac{1}{n} \right) \cdot \left( \frac{S_n + \frac{1}{n+1}}{S_n} \right) $$ $$ \rho = \lim_{n \to \infty} \left( 1 + \frac{1}{n} \right) \cdot \left( 1 + \frac{1}{(n+1)S_n} \right) $$
观察极限：
- $1 + \frac{1}{n} \to 1$
- 因为 $S_n$ 是调和级数，随着 $n \to \infty$，$S_n \to \infty$。所以 $\frac{1}{(n+1)S_n} \to 0$。后面那个括号也趋于 $1+0=1$。
结论： $\rho = 1 \cdot 1 = 1$。收敛半径 $\rho = 1$。

第 4 题：判定 $\sum_{n=2}^{\infty} \frac{\log n}{n^2}$ 的敛散性

【导师破题】 比较判别法的高阶运用！你如果直接拿它和 $\frac{1}{n^2}$ 比，发现 $\frac{\log n}{n^2} > \frac{1}{n^2}$，比收敛的大，啥也推不出来（这叫放缩失败）。我们需要找一个介于 $n^1$ 和 $n^2$ 之间的 $p$级数，比如 $n^{1.5}$。

【完美推导】

我们知道对数函数 $\log n$ 增长非常慢，它比任何正次幂的多项式都要慢。
我们构造一个比较级数，比如选择 $p = 1.5$ 的 $p$级数：$\sum \frac{1}{n^{1.5}} = \sum \frac{1}{n\sqrt{n}}$。这是一个收敛的级数（因为 $1.5 > 1$）。
我们考察这两个通项的比值（极限比较法 / 極限比較法）： $$ \lim_{n \to \infty} \frac{\frac{\log n}{n^2}}{\frac{1}{n^{1.5}}} = \lim_{n \to \infty} \frac{\log n}{n^{0.5}} = \lim_{n \to \infty} \frac{\log n}{\sqrt{n}} $$
这个极限等于多少？用一次洛必达法则： $$ \lim_{n \to \infty} \frac{1/n}{\frac{1}{2\sqrt{n}}} = \lim_{n \to \infty} \frac{2}{\sqrt{n}} = 0 $$
因为两者的比值极限是 0，说明在无穷远处，分子 $\frac{\log n}{n^2}$ 比分母 $\frac{1}{n^{1.5}}$ 还要小得多。
既然比一个收敛的级数还要小，根据极限比较法，原级数必定 收敛（収束する）。

🎓 导师闭门点拨：

这4道大题完美展现了日本院试中对级数的考察维度：

第1题(3)考积分判别法。
第2题考不等式放缩。
第3题考敛散性的代数极限推导。
第4题考极限比较法（找对标 $p$级数）。

第一章总结

恭喜顺利通关第一章《数列与级数》（数列と級数）。

在微积分的体系中，第一章就像是“内功心法”。它看似零散，但其实是后面学习泰勒展开（Taylor Series）、傅里叶级数（Fourier Series）以及复变函数的绝对基石。在日本院试中，第一章的内容通常不会作为压轴大题，但必定会在**第一道大题（小题集合）**中雷打不动地出现一两道，是必须拿满分的“送分题”。

👑 模块一：数列的极限（数列の極限）

核心任务： 判断一个数列 $a_n$ 是否趋于某个具体的数。 考场必备武器：

夹逼定理（はさみうちの定理）： 院试最爱！遇到 $\sqrt[n]{A^n + B^n}$（抓大头）或者带有 $\sin, \cos$ 的复杂数列，放缩后两头一夹，极限立现。
有界单调数列必收敛（有界単調数列の収束性）： 专治递推公式（漸化式 $a_{n+1} = f(a_n)$）。用数学归纳法证明单调递增且有上界，就能直接设极限值为 $\alpha$，解方程 $\alpha = f(\alpha)$ 求出极限。
神级底座 $e$： 必须牢记 $\lim_{n\to\infty}(1 + \frac{1}{n})^n = e$ 以及它的变体。

🛡️ 模块二：正项级数的敛散性判定（正項級数の判定法）

核心任务： 给一串正数求和 $\sum a_n$，判断它是无限大（发散），还是一个有限的数（收敛）。 导师独家口诀（看到长相直接选武器）：

达朗贝尔判别法（ダランベールの判定法 / 比值法）：
- 触发关键词： 题目里有 阶乘 $n!$ 或 指数 $a^n$ 或 一长串连乘。
- 操作： 算 $r = \lim \frac{a_{n+1}}{a_n}$。$r<1$ 收敛，$r>1$ 发散。
柯西根值判别法（コーシーの判定法 / 根值法）：
- 触发关键词： 整个通项被 $n$ 次方包裹，例如 $(\cdots)^n$。
- 操作： 算 $r = \lim \sqrt[n]{a_n}$。$r<1$ 收敛，$r>1$ 发散。
比较判别法（比較判定法）：
- 触发关键词： 上下都是多项式，或者有 $\sin, \cos$ 需要被放缩。
- 操作： 找“对标大哥”—— $p$级数（ゼータ級数 $\sum \frac{1}{n^p}$）。记住：$p>1$ 收敛，$p \le 1$ 发散（调和级数发散）。
积分判别法（積分判定法）：
- 触发关键词： 遇到 $\log n$ 放在分母上，比较法失效时。
- 操作： 直接算反常积分 $\int_1^\infty f(x)dx$，积分收敛则级数收敛。

☯️ 模块三：带有负号的级数（交項級数と絶対収束）

核心任务： 判断符号交替或乱变的级数。 考场两步走战略：

先测“绝对收敛（絶対収束）”： 强行套上绝对值 $|a_n|$，去掉负号和 $\sin/\cos$（利用 $|\sin x| \le 1$ 放缩）。如果正项级数 $\sum |a_n|$ 收敛，直接宣布“绝对收敛”，满分到手。
后测“条件收敛（条件収束）”： 如果加了绝对值发散（比如变成调和级数），那就用交错级数判别法（定理1.8）。只要满足“数字绝对值单调递减”且“极限为0”，就宣布“条件收敛”。

🌟 模块四：整级数与收敛半径（整級数と収束半径）

核心任务： 带有未知数 $x$ 的级数 $\sum a_n x^n$，求 $x$ 取什么范围时级数收敛。这是必定会考的核心点！ 无脑三步走：

算半径 $\rho$： 提炼出系数 $a_n$，用极限公式 $r = \lim \left| \frac{a_{n+1}}{a_n} \right|$ 或 $\lim \sqrt[n]{|a_n|}$。收敛半径 $\rho = 1/r$。
定开区间： 写出初步安全区 $-\rho < x < \rho$。
查端点（端点の吟味）： 极其重要！把 $x = \rho$ 和 $x = -\rho$ 分别代入原级数，变成常数级数。用模块二和模块三的方法判断。收敛就变成闭区间 $[\ ]$，发散就保持开区间 $(\ )$。

高阶魔法（項別微分・積分）： 在收敛半径内部，你可以把这串级数当成普通多项式，任意逐项求导、逐项积分，且收敛半径 $\rho$ 不会改变！这是求各种奇葩展开式（如 $\arctan x$）的最强套路。

🎓 导师寄语

微积分的“黄本”第一章，全篇都在教你一件事：估算量级与放缩。你需要建立一个直觉： 常数 < 对数函数 ($\log n$) < 幂函数 ($n^p$) < 指数函数 ($a^n$) < 阶乘 ($n!$) < 终极boss ($n^n$)

在判断极限和收敛性时，谁长得快，谁就掌握话语权！

应试技巧

🟢 模块一：看到通项长相，一秒选定武器（判别法直觉）

见 $\sum (\text{一坨东西})^n$ $\implies$ 首选 柯西根值判定法 (Cauchy's Root Test)。算 $\lim \sqrt[n]{a_n}$。
见 $n!$ 或 $a^n$ $\implies$ 首选 达朗贝尔判定法 (d'Alembert's Ratio Test)。算 $\lim \left| \frac{a_{n+1}}{a_n} \right|$。
见多项式分式（如 $\frac{n^2}{n^3+1}$） $\implies$ 首选 比较判定法 (Comparison Test)。抓最高次幂估算量级。
- 🔥 [补充] 必须牢记的“对标基准”：$p$ 级数（ゼータ級数） $\sum \frac{1}{n^p}$。这是比较判别法的灵魂。必须刻在脑子里：$p>1$ 收敛，$p \le 1$ 发散（特例：$p=1$ 是调和级数，必发散）。
- 🔥 [补充] 当直接比较放缩失败时 $\implies$ 用 极限比较法（極限比較法）。找一个你熟悉的 $b_n$（通常是 $p$ 级数），算 $\lim \frac{a_n}{b_n}$，只要极限是大于 $0$ 的常数，两者同敛散。
🔥 [补充] 见分母带有 $\log n$ 且比较法失效 $\implies$ 首选 积分判别法 (Integral Test)。算反常积分 $\int_1^\infty f(x)dx$ 的敛散性。

🟡 模块二：带有负号的级数（绝对收敛 vs 条件收敛）

高频考点：带有 $\sin(nx), \cos(nx)$ 或 $(-1)^n$ 的级数。
满分解题 SOP：
1. 第一步（下重手）： 强行加绝对值，考察 $\sum |a_n|$。
  - 利用 $|\sin(nx)| \le 1$ 或 $|(-1)^n| = 1$ 进行放缩。
  - 如果放缩后发现它收敛，直接写结论：“根据比较判别法，该级数 绝对收敛（絶対収束）”。（结束战斗）
2. 第二步（退而求其次）： 如果第一步加了绝对值后发现它发散（比如变成了调和级数 $\sum \frac{1}{n}$），不要慌，去掉绝对值看原式。
  - 利用 交错级数判定法（莱布尼茨判别法定理1.8） 测原式：证明不带符号的部分 $c_n$ 满足 (1) 单调递减 且 (2) $\lim c_n = 0$。
  - 如果满足，写结论：“原级数收敛，但绝对值发散，故为 条件收敛（条件収束）”。

🔴 模块三：幂级数/整级数题型（院试绝对送分题，但也最容易丢一半分）

过去提到了求收敛半径 $\rho$ 是送分题，用 $\lim \left| \frac{a_{n+1}}{a_n} \right|$ 取倒数即可。但是！这里有一个极其致命的漏项，很多考生因此丢了30%-50%的分数！

🔥 [致命补充] 收敛范围 $\neq$ 收敛半径！必须“查端点（端点の吟味）”！ 题目如果问的是“収束域を求めよ（求收敛域）”，你算出了收敛半径 $\rho$ 后，只是得到了一个开区间 $(-\rho, \rho)$。 你必须手动把 $x = \rho$ 和 $x = -\rho$ 分别代回原级数！ 代入后，它就变成了“模块二”里的常数级数。用莱布尼茨法或 $p$ 级数法判断端点是否收敛。
- 端点收敛 $\implies$ 画上等号 $\le$
- 端点发散 $\implies$ 保持小于号 $<$ (不写端点检验，步骤分直接扣没！)
🔥 [防坑补充] 警惕“跳项级数”（如 $\sum a_n x^{2n}$） 如果 $x$ 的指数不是连续的 $n$，而是 $2n, 3n$（即中间缺了 $x^3, x^5$ 等项），不能直接套用半径倒数公式！ 正确做法： 把整一项 $u_n = a_n x^{2n}$ 当作一个整体，直接令 $\lim_{n\to\infty} \left| \frac{u_{n+1}}{u_n} \right| < 1$，然后在这个不等式里解出 $|x| < \rho$。
🔥[高阶补充] 项别微分与项别积分（魔法套路） 如果让你求一个极其复杂的级数和，或者求如 $\log(1+x), \arctan x$ 的展开式。 套路： 在收敛半径内，把级数当成多项式直接求导 $\to$ 发现它变成了一个简单的无穷等比级数 $\to$ 用 $\frac{a}{1-q}$ 求和 $\to$ 最后对结果积分还原回去！

💡 考场量级估算直觉（终极护身符）

在草稿纸上速算时，牢记这个当 $n \to \infty$ 时的“食物链”（谁在分母上谁就能把整个分数压向 0）：

$$ 常数 \ll \log n \ll n^p \ (p>0) \ll a^n \ (a>1) \ll n! \ll n^n $$

(例如：看到 $\frac{\log n}{n^2}$，知道 $n^2$ 是大哥，所以它肯定收敛；看到 $\frac{2^n}{n!}$，知道阶乘是大哥，比值必定趋于0，级数收敛。)

How to Memorize Gram-Schmidt Orthogonalization: Starting from CBMS Exam Problems

Fri, 01 May 2026 23:59:59 GMT

前言

我们知道，修考矩阵对角化的出题公式可以概括为以下四步：

求固有值（列方程）：解特征方程 $|\lambda I - A| = 0$。利用行列式性质（如全行相加）提取公因式，求出 $\lambda$，并利用迹（Trace）和行列式（Det）快速检算。
求基底（解方程组）：对每个 $\lambda$ 解齐次方程組 $(\lambda I - A)\boldsymbol{x} = \boldsymbol{0}$。规范书写固有空间的基底向量，注意重根情况下基底的数量。
正交化（针对实对称矩阵）：若要求正交矩阵 $P$，需对固有向量进行单位化。若存在重根，必须对该特征值的基底执行施密特正交化（Gram-Schmidt）。
写结论（对应匹配）：构造 $P$ 和对角阵 $D$。务必保证 $P$ 中列向量的顺序与 $D$ 中特征值的排列顺序完全对应。

其中，Gram-Schmidt部分一直是记忆的难点。本人在参考诸多B站视频以及与AI探讨过后，总结出了一些较好的记忆方法，记录于本贴中。

定义

Gram-Schmidt的定义一直不难，难点在于公式的应用。传统的 Gram-Schmidt 公式通常被写作如下形态：

$$ v_k' = v_k - \sum_{i=1}^{k-1} \frac{v_k \cdot u_i}{u_i \cdot u_i} u_i $$

这个公式之所以“丑陋”且难记，根本原因在于其保留了非单位向量的中间状态。分母上的 $u_i \cdot u_i$（即向量长度的平方）是为了消除基底长度不为 $1$ 所带来的缩放误差，这是一种代数上的“补丁”。

也有视频说在记忆时可以理解为上面两个$u_i$和下面两个互相抵消，这样算出来的就是未归一化时向量的方向。

优化方案：即时归一化（Immediate Normalization）。 如果我们在算法的每一步，都强制将生成的新正交基缩放为单位向量（长度为 $1$），即 $|u_i| = 1$，那么 $u_i \cdot u_i$ 将永远等于 $1$。恶心的分母瞬间消失，整个体系将迎来极度的清爽。

记忆方法

“正交投影”的几何直觉

在即时归一化的前提下，Gram-Schmidt 算法实际上只由一块基础“积木”循环构建而成，即向量在单位向量上的投影公式：

$$ \text{Proj}_{u}(v) = (v \cdot u) u $$

很多学习者在接触点乘（内积）时，往往只记住了坐标相乘再相加的代数公式（如 $x_1 x_2 + y_1 y_2$），却完全丧失了对其底层几何直觉的感知。为了透彻理解这个投影公式，我们需要暂时抛开代数课本，回到初中几何的直角三角形中，将公式解构为“测量”与“定向”两个独立动作。

1. $(v \cdot u)$ —— 测量标量（影子的绝对长度）

在线性代数中，点乘拥有一个极其伟大的几何定义公式：

$$ v \cdot u = |v| |u| \cos\theta $$

其中，$|v|$ 是向量 $v$ 的真实长度（斜边），$|u|$ 是向量 $u$ 的真实长度（底边），$\theta$ 是两者之间的夹角。

这里的核心关键在于：在 Gram-Schmidt 过程中，我们严格要求选出的基底 $u$ 必须是单位向量（$|u| = 1$）。将其代入上述公式：

$$ v \cdot u = |v| \times 1 \times \cos\theta = |v| \cos\theta $$

在直角三角形中，斜边乘以夹角的余弦值（$|v| \cos\theta$），正是那条“邻边”的长度。这恰恰对应了手电筒垂直照射下来时，斜边 $v$ 在底边 $u$ 上投出的影子的绝对物理长度。

⚠️ 致命防坑提示： 这解释了为何基底必须归一化。若 $u$ 的长度为 $3$，算出的点积将是 $3 \times |v|\cos\theta$，影子的长度会被错误地放大 $3$ 倍！只有当 $|u|=1$ 时，点乘结果才完美等价于影子的真实标量长度。

2. $u$ —— 赋予矢量（影子的空间方向）

通过点乘，我们得到了影子长度（假设算出的数字是 $5$）。但在向量空间中，标量无法直接参与向量的加减运算。我们需要将“长度 $5$”转化为一个活生生的向量。

数字（标量）只有大小没有方向，例如“往前走 $5$ 米”。向量（矢量）既有大小又有方向，例如“顺着 $x$ 轴正方向走 $5$ 个单位”。

怎么把标量变成矢量？非常简单：拿长度去乘以一个代表纯粹方向的“单位方向向量”。由于基底 $u$ 的长度严格为 $1$，它在乘法中只提供空间方向，绝不会改变标量的数值大小。

标量表述：“顺着 $u$ 的方向走 $5$ 个单位”，写成代数形式即为 $5u$。
投影表述：“顺着 $u$ 的方向走 $(v \cdot u)$ 个单位”，写成代数形式即为 $(v \cdot u) u$。

将两者结合，我们得到了投影公式的完整逻辑：

$$ \underbrace{(v \cdot u)}{\text{大小 (投影长度)}} \times \underbrace{u}{\text{方向 (基底方向)}} = \underbrace{(v \cdot u) u}_{\text{完整的投影向量}} $$

:::tip 虽然公式里写了 $\cos\theta$，但在实际计算点积的时候，我们根本不需要算 $\cos\theta$。我们直接用公式 $v \cdot u$ 算出的是 $|v| \cos\theta$，这是一个纯数字，完美对应了影子的真实物理长度。后续乘以 $u$ 只是为了给这个长度加上一个“方向”（因为 $u$ 是单位向量，不改变长度数值）。 :::

初中的直角三角形余弦公式：

$$ \cos\theta = \frac{\text{邻边}}{\text{斜边}} $$

移项得到：

$$ \text{邻边长度} = \text{斜边长度} \times \cos\theta $$

现在看回我们的点乘公式。向量 $v_3$ 点乘向量 $u_2$ 的物理定义是：

$$ v_3 \cdot u_2 = |v_3| \times |u_2| \times \cos\theta $$

核心破局点来了：在 Gram-Schmidt 里，我们极其苛刻地要求了 $u_2$ 必须是归一化后的方向（单位向量）！也就是说，$|u_2|$ 永远等于 1。把它代入公式：

$$ v_3 \cdot u_2 = |v_3| \times 1 \times \cos\theta = \mathbf{|v_3| \cos\theta} $$

看出来了吗？$|v_3|$ 就是斜边的长度。$|v_3| \cos\theta$ 就是邻边的长度！而这条邻边，就是 $v_3$ 垂直照在 $u_2$ 上的影子的绝对长度！

V3归一化的时间节点

在格拉姆-施密特正交化（Gram-Schmidt Orthogonalization）过程中，对于给定的线性无关向量 $v_3$，无需预先进行单位化操作。

首先，计算 $v_3$ 在已知的标准正交基 $u_2$ 上的正交投影。由于 $u_2$ 满足 $|u_2| = 1$，内积 $\langle v_3, u_2 \rangle$ 的代数运算直接等效于几何意义上的标量投影，规避了夹角余弦的显式计算。将该标量投影乘以方向向量 $u_2$，即可得到正交投影向量。

随后，通过向量减法求取正交补分量：

$$ v'_3 = v_3 - \langle v_3, u_2 \rangle u_2 $$

此操作剥离了 $v_3$ 在 $u_2$ 方向上的线性相关信息，确保生成的 $v'_3$ 与 $u_2$ 绝对正交。

最后，对该正交补分量执行归一化（Normalization）处理，将其除以自身的欧几里得范数，从而构造出新的标准正交基向量：

$$ u_3 = \frac{v'_3}{|v'_3|} $$

:::note 在投影公式中，被减数$v_3$不用归一化，是算完$v'_3$，也就是垂直那条向量的最终长度，通过$v_3$减去$v_3$点乘$u_2$（$u_2$长度是1所以得到投影，我理解的是$\cos\theta$是物理意义，只是数值等于$v_3$点乘$u_2$，实际算的时候没有用到这个$\cos\theta$）再乘上$u_2$（这时候$u_2$是方向），最后再转化成单位基，这样的一个过程。 :::

算法核心框架

有了最简的投影公式，Gram-Schmidt 正交化就不再是一长串死记硬背的字符，而是一个清晰的标准迭代过程。

假设输入为一组线性无关的向量集 ${v_1, v_2, \dots, v_n}$，目标是输出一组标准正交基 ${u_1, u_2, \dots, u_n}$。算法遵循以下三步生命周期：

Step 1: 初始化 (Initialization)

初始向量 $v_1$ 无需与其他向量进行正交化处理，直接对其进行归一化操作，确立为第一个标准正交基：

$$ u_1 = \frac{v_1}{|v_1|} $$

Step 2: 剔除已知投影分量 (Orthogonalization)

当第 $k$ 个向量 $v_k$ 进入时，前面已经存在 $k-1$ 个互相垂直的单位基底（$u_1, u_2, \dots, u_{k-1}$）。为了保证正交性，$v_k$ 必须减去其在所有已知基底上的投影分量。此步骤的物理意义是：剔除与已有维度重合的信息，仅保留全新的正交分量。

$$ v_k' = v_k - \underbrace{(v_k \cdot u_1)u_1}{\text{在 } u_1 \text{ 上的投影}} - \underbrace{(v_k \cdot u_2)u_2}{\text{在 } u_2 \text{ 上的投影}} - \dots - \underbrace{(v_k \cdot u_{k-1})u_{k-1}}{\text{在 } u{k-1} \text{ 上的投影}} $$

Step 3: 归一化输出 (Normalization)

完成投影剔除后，残余分量 $v_k'$ 已经与前面所有的基底绝对正交。最后，将其缩放为单位长度，即可得到第 $k$ 个标准正交基：

$$ u_k = \frac{v_k'}{|v_k'|} $$

小结

通过重构几何直觉，我们可以将 Gram-Schmidt 算法提炼为极其严密的通用逻辑。在实际推导或编写代码时，无需回忆带有分母的复杂公式表，只需执行这个“减去所有已知投影 $\rightarrow$ 归一化”的循环控制流程：

对于 $k = 1, 2, \dots, n$：

提取全新正交分量（减去影子）：

$$ v_k' = v_k - \sum_{i=1}^{k-1} (v_k \cdot u_i) u_i $$

归一化生成新基底（确立路标）：

$$ u_k = \frac{v_k'}{|v_k'|} $$

核心准则： 始终维护一个单位向量集合。面对新向量，求内积得长度，乘基底得方向，减去投影得正交分量，最后归一化。

应用示例：CBMS 2026.1 Q7

CBMS近几年的线代题为受验者们提供了较为经典的解题范式。

让我们从CBMS26年冬入真题的前三问开始探讨。

(1) 行列 $A = \begin{pmatrix} 2 & -1 & -1 \ -1 & 2 & -1 \ -1 & -1 & 2 \end{pmatrix}$ の固有値を求めよ。

(2) 行列 $A$ の固有空間の基底を求めよ。

(3) $P^T AP$ が対角行列になるような直交行列 $P$ を求めよ。

$$ A = \begin{pmatrix} 2 & -1 & -1 \ -1 & 2 & -1 \ -1 & -1 & 2 \end{pmatrix} $$ 核心目标： 寻找正交矩阵 $P$ 和对角矩阵 $\Lambda$，使得 $A = P\Lambda P^T$。

🟢 第一阶段：求特征值 (解固有方程式)

我们需要解特征方程 $|\lambda I - A| = 0$。

$$ |\lambda I - A| = \begin{vmatrix} \lambda - 2 & 1 & 1 \ 1 & \lambda - 2 & 1 \ 1 & 1 & \lambda - 2 \end{vmatrix} = 0 $$

操作技巧（列相加）： 观察到每一行的元素之和均为 $\lambda$。将第 2 列和第 3 列全部加到第 1 列上： $$ \begin{vmatrix} \lambda & 1 & 1 \ \lambda & \lambda - 2 & 1 \ \lambda & 1 & \lambda - 2 \end{vmatrix} = 0 $$

提取公因数并化简： 提取第 1 列的 $\lambda$，然后将第 1 行乘以 $-1$ 分别加到第 2 行和第 3 行，使左下角清零： $$ \lambda \begin{vmatrix} 1 & 1 & 1 \ 0 & \lambda - 3 & 0 \ 0 & 0 & \lambda - 3 \end{vmatrix} = \lambda(\lambda - 3)^2 = 0 $$

结论： 得到特征值 $\lambda_1 = 0$ (单根)，以及 $\lambda_2 = \lambda_3 = 3$ (二重根)。

🟡 第二阶段：求特征空间的基底 (求特征向量)

对于每个特征值，解齐次线性方程组 $(\lambda I - A)x = 0$。

1. 当 $\lambda = 0$ 时：

$$ \begin{pmatrix} -2 & 1 & 1 \ 1 & -2 & 1 \ 1 & 1 & -2 \end{pmatrix} \begin{pmatrix} x_1 \ x_2 \ x_3 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \ 0 \end{pmatrix} $$ 解这个普通的方程组，可以得到基础解系：

$$ v_1 = \begin{pmatrix} 1 \ 1 \ 1 \end{pmatrix} $$

2. 当 $\lambda = 3$ 时 (重头戏)：

$$ \begin{pmatrix} 1 & 1 & 1 \ 1 & 1 & 1 \ 1 & 1 & 1 \end{pmatrix} \begin{pmatrix} x_1 \ x_2 \ x_3 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \ 0 \end{pmatrix} $$ 化简为单一约束条件：$x_1 + x_2 + x_3 = 0$。引入自由变量，令 $x_2 = s$，$x_3 = t$，则 $x_1 = -s - t$。 $$ \begin{pmatrix} x_1 \ x_2 \ x_3 \end{pmatrix} = \begin{pmatrix} -s - t \ s \ t \end{pmatrix} = s \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} + t \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} $$ 得到该二维特征空间的两个基底：

$$ v_2 = \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix}, \quad v_3 = \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} $$

🟠 第三阶段：正交化与正规化 (Gram-Schmidt 过程)

因为 $A$ 是实对称矩阵，最终的 $P$ 必须是正交矩阵。要求所有特征向量必须两两互相垂直，且长度为 1。

对于 $v_1$ (独苗，直接正规化)： 长度 $|v_1| = \sqrt{1^2 + 1^2 + 1^2} = \sqrt{3}$。

$$ u_1 = \frac{1}{\sqrt{3}} \begin{pmatrix} 1 \ 1 \ 1 \end{pmatrix} $$
对于 $v_2$ (选为 $\lambda=3$ 阵营的老大，直接正规化)： 长度 $|v_2| = \sqrt{(-1)^2 + 1^2 + 0} = \sqrt{2}$。

$$ u_2 = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} $$
对于 $v_3$ (剔除在 $u_2$ 上的投影，强制掰直，再正规化)：
- 步骤 A (计算投影并相减)：
  
  $$ v'_3 = v_3 - (v_3 \cdot u_2)u_2 $$
  
  $$ v'_3 = \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} - \left( \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} \cdot \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} \right) \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} $$
  
  $$ v'_3 = \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} - \frac{1}{2}(1 + 0 + 0)\begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} = \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} - \begin{pmatrix} -1/2 \ 1/2 \ 0 \end{pmatrix} = \begin{pmatrix} -1/2 \ -1/2 \ 1 \end{pmatrix} $$
- 步骤 B (正规化 $v'_3$)： 长度 $|v'_3| = \sqrt{(-1/2)^2 + (-1/2)^2 + 1^2} = \sqrt{6/4} = \frac{\sqrt{6}}{2}$。压缩至单位长度：
  
  $$ u_3 = \frac{1}{|v'_3|} v'_3 = \frac{2}{\sqrt{6}} \begin{pmatrix} -1/2 \ -1/2 \ 1 \end{pmatrix} = \frac{1}{\sqrt{6}} \begin{pmatrix} -1 \ -1 \ 2 \end{pmatrix} $$

注意，两个红框是两种完全不同的乘法。

在同一个公式 $(v_3 \cdot u_2)u_2$ 里，包含了两次乘法，但它们的物理意义和运算法则截然不同。

左边的红框：这是真正的“点乘”（内积 / Dot Product）

$$ \left( \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} \cdot \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} \right) $$

看参与者：它的左边是一个向量，右边也是一个向量。

看符号：它们中间有一个非常明确的黑点 $\cdot$。这是点乘的专属符号。

物理意义：这就是我们在前面讨论的“测量阶段”。它在计算 $v_3$ 落在 $u_2$ 方向上的“影子长度”。

运算结果：两个向量进行点乘，结果会坍缩成一个纯数字（标量）。在这里，算出来的结果就是 $\frac{1}{2}$（或者写成 $\frac{1}{\sqrt{2}} \times \frac{-1}{\sqrt{2}} \dots$ 提取出来的结果）。

右边的红框：这是“数乘”（标量乘法 / Scalar Multiplication）

$$ \frac{1}{2}(1 + 0 + 0) \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} $$

看参与者：它的左边 $\frac{1}{2}(1+0+0)$ 就是一坨纯纯的数字（等于 $\frac{1}{2}$）；而它的右边是一个向量。

看符号：数字和向量直接挨在一起写，中间没有那个黑点 $\cdot$。

物理意义：这就是我们在前面讨论的“定向阶段”。它拿着刚才算出来的影子长度（数字 $\frac{1}{2}$），去乘以代表方向的基底（向量 $u_2$）。

运算结果：把数字分配到向量的每一个坐标里去，相当于把这根向量拉长或缩短。结果是一个新的向量。

回到我们的终极公式 $\text{Proj} = (v \cdot u) u$：

第一步：括号里的 $(v \cdot u)$ 是点乘。向量 $\cdot$ 向量 $\rightarrow$ 变成数字（算出长度）。

第二步：括号外的 $(\text{数字}) u$ 是数乘。数字 $\times$ 向量 $\rightarrow$ 变成新向量（赋予方向）。

从“点乘算出长度”，到“数乘赋予方向”。就是算数字；数字直接贴着括号的，就是拉伸向量！

🔴 第四阶段：大结局合体 (构建 $P$ 和 $\Lambda$)

现在我们拥有了极其完美的标准正交基：$u_1, u_2, u_3$。

1. 构建正交矩阵 $P$ (按列排布)：

$$ P = (u_1 \quad u_2 \quad u_3) = \begin{pmatrix} \frac{1}{\sqrt{3}} & -\frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} \ \frac{1}{\sqrt{3}} & \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} \ \frac{1}{\sqrt{3}} & 0 & \frac{2}{\sqrt{6}} \end{pmatrix} $$

2. 构建对角矩阵 $\Lambda$ (主对角线填入对应的特征值)：

$$ \Lambda = \begin{pmatrix} 0 & 0 & 0 \ 0 & 3 & 0 \ 0 & 0 & 3 \end{pmatrix} $$

终极宣告： 至此，原矩阵 $A$ 被完美正交对角化，满足：

$$ A = P \Lambda P^{-1} = P \Lambda P^T $$

(完整计算过程结束)

Summary

死记硬背 Gram-Schmidt 的那一大串带 $\Sigma$（求和号）、点积、分数的公式，绝对是反人类的。在考场上一紧张，极容易把下标写错。

要想把 Gram-Schmidt 真正刻进骨子里，你必须忘掉公式，只记动作。

整个过程其实就是一个极其残酷的**“按资排辈与清洗”**系统。教你一套在考场上绝对不会忘的记忆心法：

💡 核心心法：一句话口诀

“确立新核心，挨个交保护费（剔除投影），最后自我洗礼（正规化）。”

无论给你多少个向量（$v_1, v_2, v_3 \dots v_n$），它们排着队进来改造，每个向量进门后都只能做三件事：

看前辈： 看看前面已经有几个被改造好的、纯洁的“大哥”了（即已经算出来的 $u_1, u_2 \dots$）。
交保护费（去阴影）： 前面有几个大哥，你就要向几个大哥交保护费。保护费是什么？就是你身上顺着大哥方向的“投影成分”。把它减掉！
自我洗礼： 保护费交干榨净后，剩下的一点残骸，强行拉伸或压缩到长度为 1（正规化），你就能晋升为新的大哥。

🔧 唯一需要背的积木：投影公式

只需要死记这一小块积木：

如何计算 $v$ 在单位向量 $u$ 上的投影？

$$ \text{Proj} = (v \cdot u) u $$

物理意义记忆：
- 括号里的 $(v \cdot u)$ 是一个数字，代表“长度”（影子有多长）。
- 外面的 $u$ 是一个向量，代表“方向”（顺着老大的方向）。
- 两者相乘：长度 $\times$ 方向 = 阴影向量。

🔄 考场上的默写流水线

只要记住“积木”和“挨个交保护费”的规矩，你在考场上可以瞬间现推任何维度的公式，根本不需要背：

第一个进门的 $v_1$： 前面没有大哥，不用交保护费。直接自我洗礼。

$$ u_1 = \frac{v_1}{|v_1|} $$
第二个进门的 $v_2$： 前面有 1 个大哥（$u_1$），交 1 次保护费。

残骸： $$ v_2' = v_2 - \mathbf{(v_2 \cdot u_1)u_1} $$

洗礼： $$ u_2 = \frac{v_2'}{|v_2'|} $$
第三个进门的 $v_3$： 前面有 2 个大哥（$u_1, u_2$），必须交 2 次保护费！

残骸： $$ v_3' = v_3 - \mathbf{(v_3 \cdot u_1)u_1} - \mathbf{(v_3 \cdot u_2)u_2} $$

洗礼： $$ u_3 = \frac{v_3'}{|v_3'|} $$
第 $k$ 个进门的 $v_k$： 疯狂减去前面所有 $k-1$ 个大哥的投影。

残骸： $$ v_k' = v_k - (v_k \cdot u_1)u_1 - (v_k \cdot u_2)u_2 - \dots - (v_k \cdot u_{k-1})u_{k-1} $$

洗礼： $$ u_k = \frac{v_k'}{|v_k'|} $$

最后的防坑警告： 很多教材喜欢把公式写成 $v_3' = v_3 - \frac{v_3 \cdot v_1}{v_1 \cdot v_1}v_1 - \frac{v_3 \cdot v_2'}{v_2' \cdot v_2'}v_2'$。 千万不要去背这种带分母的恶心形态！ 这是因为他们没有“边做边正规化”。在考场上，一定要算出一个 $u$，就立刻把它正规化（化为单位向量）！ 只要所有的 $u$ 长度都是 1，分母就永远是 1，公式就能保持极其清爽的 $v - (v \cdot u)u$ 形态。这也是最不容易算错符号的方法。

:::note

1. 固有値の算出（固有方程式）

まずは行列 $A$ に対して固有方程式 $P_A(\lambda) = |\lambda I - A| = 0$ を解きます。

行列式の工夫: いきなり展開せず、各行・各列の和が一定なら「第1列に全て足し合わせる」等の操作で $(\lambda - k)$ を括り出します。
検算（トレースと行列式）:
- 固有値の和 = $\text{tr}(A)$ （対角成分の和）
- 固有値の積 = $\det(A)$ これを確認するだけで、計算ミスの 80% は防げます。

2. 固有ベクトルの算出と基底の決定

各固有値 $\lambda_i$ に対して、$(\lambda_i I - A)\boldsymbol{x} = \boldsymbol{0}$ を解きます。

自由度の確認: 重解がない場合は変数は1つ、2重解の場合は（対角化可能なら）基底が2つ出るはずです。
記述のポイント: 「$(\lambda_i I - A)\boldsymbol{x} = \boldsymbol{0}$ を解くと、$\dots$ より $\boldsymbol{x} = c \begin{pmatrix} 1 & 1 & 1 \end{pmatrix}^T$ ($c \neq 0$)。よって固有空間 $W(\lambda_i)$ の基底は $\dots$」と丁寧に記述します。

3. 直交行列による対角化（実対称行列の場合）

入試で最も頻出するのは「実対称行列」です。この場合、単なる変換行列 $P$ ではなく、直交行列 $P$ を求めよと指示されます。

正規化: 各固有ベクトルの長さを $1$ にします（$\boldsymbol{u} = \frac{\boldsymbol{x}}{|\boldsymbol{x}|}$）。
重解がある場合の直交化:
- 同じ固有値から出た基底同士は、そのままでは直交しないことがあります。
- この場合、必ず グラム・シュミットの直交化法 を適用してください。
- 注意: 異なる固有値に属するベクトル同士は、理論上必ず直交しているため、正規化だけで済みます。

4. 変換行列 $P$ と対角行列 $D$ の構成

最後に結果をまとめます。

並び順の一致: $P = (\boldsymbol{u}_1 \ \boldsymbol{u}_2 \ \boldsymbol{u}_3)$ と並べたなら、対角行列 $D$ も対応する固有値の順に $\text{diag}(\lambda_1, \lambda_2, \lambda_3)$ と並べる必要があります。
最終チェック: 余裕があれば、ごく一部の成分だけで良いので $AP = PD$ が成立するか確認します。

【記述のコツ】採点官へのアピール

院試の記述回答では、以下のフレーズを適切に挟むと「わかっている感」が出ます。

「実対称行列は直交行列によって対角化可能であるから…」 （定理の適用条件を明示）
「相異なる固有値に属する固有ベクトルは互いに直交するから、同一の固有空間内でのみ直交化を行えばよい」 （計算の手間を省く理論的根拠）
「$P^T P = I$ を満たす直交行列 $P$ を構成すると…」 （直交行列の定義の再認）

STUPID but USEFUL Math QA

Fri, 01 May 2026 12:45:01 GMT

Q1: 为什么要定义正定矩阵？

正定矩阵（Positive Definite Matrix）的定义并非凭空产生。简单来说，它是将标量中的“正数”概念推广到了高维矩阵空间。

我们可以从以下三个维度来理解为什么要这样定义：

1. 对应标量中的“正数”概念

在初等代数中，如果 $a > 0$，那么对于任何 $x \neq 0$，都有 $ax^2 > 0$。正定矩阵 $A$ 的定义 $x^T Ax > 0$ 正是这一性质在高维空间的延伸：

$x^2$ 在多维空间演变成了二次型 $x^T A x$。
$a > 0$ 对应了 $A$ 是正定矩阵。这种定义确保了对称矩阵 $A$ 在“符号”性质上表现得像一个正数。

2. 几何意义：开口向上的“碗”

如果我们定义一个标量函数 $f(x) = x^T A x$，这个函数描述了一个高维空间中的曲面。

如果 $A$ 是正定的，这个曲面的图形就像一个开口向上的抛物面（或高维的“碗”）。
无论你朝哪个方向（向量 $x$）离开原点，$f(x)$ 的值都会增加。
这意味着原点 $x=0$ 是这个函数的严格极小值点。

这在最优化问题中至关重要。如果我们想确定一个驻点是否为极小值点，就需要检查其海森矩阵（Hessian Matrix）是否为正定矩阵。

3. 向量夹角的维持（变换视角）

从线性变换的角度看，$Ax$ 可以看作是对向量 $x$ 进行的一种变换。条件 $x^T (Ax) > 0$ 根据内积的定义可以写成： $$|x| \cdot |Ax| \cos \theta > 0$$ 其中 $\theta$ 是向量 $x$ 与变换后的向量 $Ax$ 之间的夹角。

这意味着：对于正定矩阵，变换后的向量 $Ax$ 与原向量 $x$ 的夹角始终小于 90°。 换句话说，正定矩阵产生的变换不会让向量“反向”或者“垂直旋转”，它在某种程度上保持了向量运动的大致方向。

4. 为什么要求对称？

虽然非对称矩阵也可以满足 $x^T Ax > 0$，但在标准定义中通常默认 $A$ 是对称的。原因有二：

唯一性：对于任意方阵 $M$，二次型 $x^T Mx$ 的结果其实只取决于其对称部分 $A = \frac{M + M^T}{2}$。因为反对称部分的贡献恒为 0。
谱定理：对称矩阵拥有完美的特征值分解性质。正定对称矩阵的所有特征值均为正数，这使得它与“正数”的类比在代数结构上更加严谨。

总结

正定矩阵的定义捕捉了**“多维空间中的正向增长”**这一核心特征。它保证了能量函数有最小值、系统处于稳定平衡状态，以及线性变换不会发生超过 90° 的剧烈扭转。

Q2：为什么绝对收敛一定能证明收敛？明明也可能是震荡的啊，比如$sin(nx)/n^2$

这是一个非常敏锐的直觉！很多在学习数学分析或微积分时，都会对“震荡”和“收敛”的关系产生类似的疑惑。

要解开这个疑惑，核心在于理解**“震荡”并不等同于“发散”，以及绝对收敛的物理直觉是什么**。

1. 直觉上的理解：最坏的情况也没有“爆炸”

“绝对收敛一定能证明收敛”的本质逻辑是这样的：

对于一个有正有负的级数（比如包含 $\sin(nx)$），它在累加时，正项和负项是会互相抵消的。这种互相抵消其实是“有助于”级数收敛的。

当我们给每一项加上绝对值 $\sum |a_n|$ 时，相当于我们剥夺了它互相抵消的能力，把所有负项都“恶意”地翻转成了正项，让每一项都在拼命地把总和往上推。

如果在一个级数最“努力”向无穷大狂奔的情况下（即加上绝对值后），它的总和依然是有限的（绝对收敛），那么在它原本有正有负、还能互相“内耗”抵消的情况下，它的总和就更不可能爆炸了，必然会乖乖收敛到一个固定的值。

2. 分析你的例子：$\sum \frac{\sin(nx)}{n^2}$

你举的例子非常好。数列 $a_n = \frac{\sin(nx)}{n^2}$ 确实是在震荡的，它在正负之间反复横跳。

但是，无论 $\sin(nx)$ 怎么震荡，它的振幅都被分母“死死压制”住了： $$ \left| \frac{\sin(nx)}{n^2} \right| \le \frac{1}{n^2} $$

我们知道 $\sum \frac{1}{n^2}$ 是收敛的（p-级数，p=2）。
这意味着，即使把 $\frac{\sin(nx)}{n^2}$ 所有向下的波谷都翻折成向上的波峰，它累加起来的面积也是有限的。
既然连最大的“绝对值包络线”累加起来都有限，那么原来那个有正有负、每次震荡都在互相抵消的级数，它的部分和就没有足够的“能量”去维持剧烈震荡，最终必然会渐渐停息，收敛到某一个实数。

3. 数学上的严格证明（非常巧妙）

数学上的证明其实只需要一个简单的代数技巧和比较判别法。

已知： $\sum |a_n|$ 收敛。 求证： $\sum a_n$ 收敛。

证明步骤：

首先，对于任意实数 $a_n$，都有这样一个基本不等式： $$-|a_n| \le a_n \le |a_n|$$
我们给整个不等式加上 $|a_n|$，就能得到一个非负数列： $$0 \le a_n + |a_n| \le 2|a_n|$$
因为前提已知 $\sum |a_n|$ 收敛，所以 $\sum 2|a_n|$ 必然也收敛。
对于非负级数 $\sum (a_n + |a_n|)$ 来说，它的每一项都被 $2|a_n|$ 压制着。根据比较判别法，$\sum (a_n + |a_n|)$ 必然收敛。
最后，因为 $a_n = (a_n + |a_n|) - |a_n|$，而右边的两个级数 $\sum (a_n + |a_n|)$ 和 $\sum |a_n|$ 都已经证明是收敛的。两个收敛级数的差，必然还是收敛的。 $$\sum a_n = \sum (a_n + |a_n|) - \sum |a_n|$$

结论： $\sum a_n$ 收敛。

总结

你提到的“震荡”确实存在，但震荡的序列不代表它的级数（部分和）会永远震荡下去。只要震荡的幅度衰减得足够快，它就会收敛。而“绝对收敛”就是给了我们一个最强的背书：哪怕剥夺了震荡带来的抵消优势，它依然能收敛。

Q3：好像涉及级数和数列的区别，因为数列绝对收敛不一定能证明收敛。

你抓到了问题的核心！这是一个极其准确且非常漂亮的洞察。

在数学分析中，很多直觉上的混淆正是来源于没有严格区分数列（Sequence）和级数（Series）。你完全正确：数列的绝对收敛，确实推不出数列本身的收敛。

我们可以把这两者的区别拆解开来看：

1. 为什么“数列”的绝对收敛推不出收敛？

对于数列 $a_n$，所谓“绝对收敛”是指存在一个实数 $L$，使得 $\lim_{n\to\infty}|a_n|=L$。

**反例非常直观：**考虑数列 $a_n=(-1)^n$。

它的绝对值数列是 $|a_n|=1,1,1,\dots$，显然收敛于 $1$。
但原数列 $a_n$ 始终在 $-1$ 和 $1$ 之间反复震荡，它没有固定的极限，因此是发散的。

**唯一的例外：**只有当 $\lim_{n\to\infty}|a_n|=0$ 时，我们才能得出 $\lim_{n\to\infty}a_n=0$。如果绝对值的极限不是 $0$（比如上面的 $1$），符号的震荡就会彻底摧毁数列的收敛性。这是因为数列看的是“每一项最终落在哪里”，绝对值把正负号掩盖了，相当于掩盖了它震荡的真相。

2. 为什么“级数”的绝对收敛能推出收敛？

级数 $\sum a_n$ 的本质，是一个由部分和构成的新数列：$S_n=a_1+a_2+\dots+a_n$。

当我们说级数“绝对收敛”时，我们是在说 $\sum|a_n|$ 收敛。这给底层数列 $a_n$ 施加了一个极其强大的约束：它强迫了 $a_n$ 不仅必须趋于 $0$，而且必须以极快的速度趋于 $0$。

在数列 $a_n=(-1)^n$ 的例子中，每一项的大小始终是 $1$，所以它的级数 $\sum(-1)^n$ 的部分和会永远在 $0$ 和 $1$ 之间跳跃（震荡发散）。
但如果你有一个绝对收敛的级数，比如 $\sum\frac{\sin(nx)}{n^2}$，它的每一项的绝对值被 $\frac{1}{n^2}$ 压制，衰减得非常快。这意味着你在累加（计算部分和 $S_n$）时，每次加上或减去的那个“扰动量”越来越小。

到了无穷远处，那些极其微小的正负项，根本没有足够的“能量”去维持 $S_n$ 的长期震荡。最终，部分和 $S_n$ 会被这些微乎其微的项“钉死”在一个确定的实数上。

总结核心差异

数列关注的是第 $n$ 项本身的走向。给它套上绝对值，就掩盖了它可能存在的正负跳跃，所以 $|a_n|$ 收敛推不出 $a_n$ 收敛（除非极限是 $0$）。
级数关注的是无数项累加起来的“总和”。级数的绝对收敛（$\sum|a_n|$ 收敛）意味着它拥有的“总扰动能量”是有限的。既然连把所有力气都往同一个方向使（全取绝对值）都无法让总和逃逸到无穷大，那么在有正有负、互相抵消的情况下，就更不可能产生足以导致发散的持续震荡了。

Q4：为什么说对于形如 $n\ln n$ 的分母，积分判别法（積分判定法）是唯一的解药

说它是“唯一的解药”非常形象，因为在面对级数 $\sum \frac{1}{n\ln n}$（或者更广义的 $\sum \frac{1}{n(\ln n)^p}$）时，大部分学生在微积分（或数学分析）初期掌握的“常规武器”确实会集体哑火。

积分判别法（積分判定法）之所以在这里显得像救命稻草，是因为这道题的特殊构造完美避开了所有其他常见判别法的判定区间。我们来拆解一下为什么会这样，顺便我得坦诚地纠正一点：它虽然是最佳解药，但并非“绝对唯一”。

一、为什么常规武器全部失效？

面对 $\sum \frac{1}{n\ln n}$，我们通常会本能地尝试以下方法，但它们都会碰壁：

比值审敛法（达朗贝尔判别法 / Ratio Test）与根值审敛法（柯西判别法 / Root Test）： 这两种方法本质上是在衡量级数是否近似于等比数列。但对数函数 $\ln n$ 和多项式 $n$ 的增长速度实在是太慢了。如果你算一下相邻项的比值极限： $$ \lim_{n \to \infty} \frac{n\ln n}{(n+1)\ln(n+1)} = 1 $$ 极限等于 $1$！这是比值法和根值法的“死亡判决”，意味着方法失效（判定不能）。
比较审敛法（比较判定法 / Comparison Test）： 你想找一个熟悉的 $p$ 级数（$p$-series）来做比较。
- 如果和调和级数 $\frac{1}{n}$ 比：$\frac{1}{n\ln n} < \frac{1}{n}$。虽然它比一个发散的级数小，但“比无穷大还小”说明不了任何问题，它可能收敛也可能发散。
- 如果和 $\frac{1}{n^{1.01}}$ 比：$\frac{1}{n\ln n} > \frac{1}{n^{1.01}}$（当 $n$ 足够大时）。虽然它比一个收敛的级数大，但“比有限值大”同样说明不了问题。
$n\ln n$ 的增长速度恰好卡在 $n^1$ 和 $n^{1+\epsilon}$ 之间极其狭窄的缝隙里，导致传统的 $p$ 级数比较法根本抓不住它。

二、积分判别法为什么是“特效药”？

积分判别法之所以在这里大显神威，是因为形如 $n\ln n$ 的分母，在连续函数的世界里，恰好凑成了完美的导数关系。

令 $f(x) = \frac{1}{x\ln x}$，它在 $[2, +\infty)$ 上是连续、恒正且单调递减的。
当我们对它求瑕积分时： $$ \int_2^{+\infty} \frac{1}{x\ln x} dx $$
奇迹出现了。由于 $(\ln x)' = \frac{1}{x}$，我们可以直接使用换元法（令 $u = \ln x$）： $$ \int \frac{1}{\ln x} d(\ln x) = \ln|\ln x| $$
所以： $$ \lim_{b \to \infty} \left[ \ln(\ln x) \right]2^b = \lim{b \to \infty} (\ln(\ln b) - \ln(\ln 2)) = +\infty $$ 积分发散，原级数发散。这个过程如丝般顺滑，将离散的求和问题转化为连续的微积分基本定理，属于典型的“降维打击”。

三、纠正：它其实不是“唯一”的解药

虽然积分判别法最直观，但在数学分析中，针对这种带有对数且增长极其缓慢的级数，还有一服极其猛烈的“特效药”——柯西凝聚判别法（Cauchy Condensation Test）。

这个定理说：对于单调递减且非负的数列 $a_n$，级数 $\sum a_n$ 与 $\sum 2^k a_{2^k}$ 同敛散。

我们把 $a_n = \frac{1}{n\ln n}$ 代入进去看看会发生什么魔法： $$ 2^k a_{2^k} = 2^k \cdot \frac{1}{2^k \ln(2^k)} = \frac{1}{\ln(2^k)} = \frac{1}{k \ln 2} $$
注意！这里的 $\ln 2$ 只是一个常数。所以凝聚后的级数变成了： $$ \sum_{k=1}^{\infty} \frac{1}{\ln 2} \cdot \frac{1}{k} $$
这不就是大名鼎鼎的调和级数 $\sum \frac{1}{k}$ 乘以一个常数吗？调和级数发散是常识，因此原级数发散。

总结一下： 说它是“唯一解药”是大部分学生在实战中被其他方法折磨后的真实心理写照，因为积分法确实是最容易想到且计算最舒服的。但如果在更深层的分析学框架里，柯西凝聚判别法才是专门为这类“对数级缓慢衰减”量身定制的另一把尖刀。

Q5: 为什么有人用 $|\lambda I - A| = 0$ 来求特征值？我记得是你记的 $|A - \lambda I| = 0$啊。

你的记忆非常准确！你记的 $|A - \lambda I| = 0$ 是绝对正确且极其常见的写法。国内绝大多数大学教材（比如经典的同济版《线性代数》）用的都是你记的这个版本。

那为什么图片里要写成 $|\lambda I - A| = 0$ 呢？

简单来说：这两个方程在数学上是100%等价的，解出来的特征值 $\lambda$ 连一根毛的区别都没有！ 区别仅仅在于不同国家的教材习惯和数学家的一点点“强迫症”。

我们从代数和习惯两个角度把这层窗户纸捅破：

1. 为什么它俩是等价的？（代数证明）

假设矩阵 $A$ 是一个 $n \times n$ 的方阵。在矩阵里提取一个负号 $-1$，并不是整个行列式外面加个负号那么简单。根据行列式的性质，你需要从每一行（一共 $n$ 行）都提取一个 $-1$。

所以： $$|\lambda I - A| = |- (A - \lambda I)| = (-1)^n |A - \lambda I|$$

既然我们要解的是特征方程（即让行列式等于 0）： $$(-1)^n |A - \lambda I| = 0$$

不管 $n$ 是奇数还是偶数，不管前面这个 $(-1)^n$ 是 $+1$ 还是 $-1$，因为等式右边是 $0$，你直接把负号除掉，结果永远都是： $$|A - \lambda I| = 0$$

2. 那为什么分成了两派？（习惯之争）

既然一样，为什么会有两种写法？这就涉及到推导逻辑和多项式审美的区别了：

派系一：推导自然派（你记忆中的 $|A - \lambda I| = 0$）

出发点： 特征值的原始定义是 $Ax = \lambda x$。
推导： 把右边移到左边，就是 $Ax - \lambda x = 0$。提取公因式 $x$，变成 $(A - \lambda I)x = 0$。因为 $x$ 不能是零向量，所以括号里这个矩阵的行列式必须为 0，即 $|A - \lambda I| = 0$。
优点： 极其符合直觉，物理意义连贯。

派系二：最高次项强迫症派（图片里的 $|\lambda I - A| = 0$）

出发点： 行列式展开后是一个关于 $\lambda$ 的多项式（特征多项式）。
推导： 如果你用 $|\lambda I - A|$ 展开，最高次项永远是极其清爽的正号：$\lambda^n - \text{Trace}(A)\lambda^{n-1} + \dots = 0$。
如果你用 $|A - \lambda I|$ 展开一个奇数阶矩阵（比如 3x3），最高次项前面会带个烦人的负号：$-\lambda^3 + \dots = 0$。
优点： 很多纯数学家和部分国外的教材（尤其是日本的大学教材，你前面发的那张截图正是日文教材），为了保证特征多项式的首项系数永远是正 1，硬性规定了使用 $|\lambda I - A| = 0$。

总结

你没有记错，别人也没写错。

想着**“矩阵方程的推导”**，用 $|A - \lambda I|$ 最顺手。
想着**“解多项式方程”**，用 $|\lambda I - A|$ 最高项一定是正数，看着更爽。

在做题的时候，你想用哪个就用哪个，结果绝对是一模一样的！

Q5：为什么先积 $y$，后积 $x$ 是垂直穿线？

这是一个直击本质的好问题！很多同学在学二重积分时只会背公式，但理解了这个“为什么”，你才算真正看懂了多重积分的几何意义。

为什么数学符号上的 $dy$ 在内侧，到了图形上就变成了“垂直的线”？核心原因在于坐标轴的方向，以及 微积分中“固定一个变量”的思想。

我们可以把 $\int_a^b dx \int_{g_1(x)}^{g_2(x)} f(x,y) dy$ 拆解为两个动作来看：

动作一：内层积分 $\int (\dots) dy$ —— 画出一条垂直的“箭”

当你选择先对 $y$ 进行积分时，在数学运算上，你必须暂时 把 $x$ 当作一个常数（固定值）。

几何投影： 假设我们把 $x$ 锁定在某一个具体的坐标上，比如 $x = x_0$。
形成直线： 在二维直角坐标系中，方程 $x = x_0$ 描述的是什么图形？是一条 垂直于 $x$ 轴的竖直直线！
方向滑动： 因为 $x$ 被锁死了，在这条垂直线上，唯一能变动的变量就只剩下 $y$ 了。积分 $\int_{g_1(x_0)}^{g_2(x_0)} dy$ 的过程，就是沿着这条垂直线，从底部的边界 $y = g_1(x_0)$，一路向上累加到顶部的边界 $y = g_2(x_0)$。

所以，“先积 $y$”在几何上的直观表现，就是在一处固定的横坐标上，画了一根 垂直向上穿过阴影区域的箭。

动作二：外层积分 $\int (\dots) dx$ —— 水平扫描这根“箭”

内层积分算完后，那条“垂直的箭”已经变成了一个代表局部面积（或体积切片）的代数式。接下来进行外层积分 $\int_a^b (\dots) dx$：

解除锁定： 此时 $x$ 不再是常数，而是变成了积分变量。这里的 $dx$ 代表 $x$ 轴上的微小水平步长。
平移扫描： 外层积分的作用，就是把你刚才画的那根“垂直的箭”，从区域的最左端（$x = a$），沿着水平方向一点一点向右平移，一直扫到最右端（$x = b$）。
覆盖全图： 当这根垂直的箭水平扫过整个区间时，就密密麻麻地覆盖了整个二维区域 $D$。

对比理解：先积 $x$（$dx$ 在内侧）为什么是水平线？

用同样的逻辑：如果内层积分是 $\int (\dots) dx$，意味着你要暂时 把 $y$ 当作常数（锁定 $y = y_0$）。

在坐标系里，$y = y_0$ 是一条 水平线。沿着这条水平线，变量 $x$ 只能从左边的边界滑动到右边的边界，这就是那根“水平向右穿透的箭”。随后的外层积分 $\int dy$，则是把这根水平箭从下往上进行平移扫描。

总结一下： 内层积分对谁求导，这根“穿线”就沿着哪个坐标轴平行（积 $y$ 就平行 $y$ 轴，是垂直线；积 $x$ 就平行 $x$ 轴，是水平线）；而外层积分则负责把这根线沿着另一个轴平移，扫出整个图形的面积。

--- To Be Continued -> ---

Osaka University IST Graduate Entrance Exam (2015)

Wed, 29 Apr 2026 12:45:00 GMT

大阪大学情報科学研究科情報工学 2014年8月実施アルゴリズムとプログラミング

Author

KardeniaPoyu

Description

(1) 図1に示す ANSI-C 準拠である C 言語のプログラム (program) は, 重複のない N (自然数, $1 \le N \le 2000$ とする) 個の整数を昇順に配列 (array) A の要素 A[1]～A[N] に格納し, 変数 x の値が配列 A の要素に含まれているかどうかを2分探索法 (binary search) を用いて探索するプログラムである. このプログラムは, 探索の途中経過と, x の値が配列 A の要素に含まれる場合はその値が格納されている配列 A のインデックス (index), x の値が配列 A の要素に含まれない場合は 0 を出力する. N の値の設定, 配列 A[1]～A[N] に整数値を設定する処理, 変数 x の値を設定する処理, 及び, これらの値が妥当かどうかを確認する処理は省略している. 以下の各小問に答えよ.

(1-1) 図1のプログラムに対して, N, A[1]～A[N], x を下記のように設定した時の出力結果を書け. N=8, A[1]=2, A[2]=5, A[3]=8, A[4]=10, A[5]=15, A[6]=20, A[7]=25, A[8]=30, x=8

(1-2) N=1000 で, x の値が A[1]～A[N] のどこかに存在する場合, 図1中の do-while ループが実行される回数は最大何回か. その理由も簡潔に説明せよ.

(1-3) 図1 の do-while ループ中の $\Box$ で囲われた部分を下記のように変更する.

変更前

if (A[mid] < x) left = mid+1;
else            right= mid-1;

変更後

if (A[mid] < x) left = mid;
else            right= mid;

変更前のプログラムは正しく結果が出力されるが, 変更後のプログラムは正しく結果が出力されないことがある. そのような N, A[1]～A[N], x の設定例を一つあげ, 「正しく結果が出力されない」状況がどのようなものかを簡潔に説明せよ.

#include <stdio.h>
/* この部分でNの値が設定される. */
int main(void)
{
    int A[N+1];
    int mid, left, right, x, index;
/* この部分に下記の処理が記述されているとする.
   ・配列A[1]～A[N]の値が設定される.
   ・変数xに探索すべき値が設定される.
   ・配列A[1]～A[N], xの値が妥当かどうか確認される.
*/
    left = 1;
    right = N;
    do {
        mid= (left+right)/2;
        printf("%d %d %d\n",left,mid,right);
        if (A[mid]<x) left = mid+1;
        else          right= mid-1;
    } while (A[mid] != x && left <= right);
    if (A[mid]==x) index=mid;
    else           index=0;
    printf("%d\n", index);
    return 0;
}

<div align="center"> 図1 2分探索法のプログラム </div>

(2) 図2に示す ANSI-C 準拠である C 言語のプログラム (program) は, 0-1 ナップサック問題 (0-1 knapsack problem) の解を求めて表示するプログラムである. なお, 図の左端の数値は行番号を表す. 0-1 ナップサック問題は, ある容量 (capacity) のナップサックが一つと, それぞれ大きさ (size) と価値 (value) が定められた複数の品物が与えられた時, ナップサックの容量を超えない範囲で価値の和が最大となる品物の組み合わせを求める問題である. 本プログラムでは, 四つの品物のそれぞれに他と重複しない番号が与えられており, 番号 i ($1 \le i \le 4$) の品物の大きさと価値が, 配列 size の要素 size[i] と配列 value の要素 value[i] としてそれぞれ格納されている. なお, 各番号の品物はそれぞれ一つしかなく, また, 分割できない. 品物の大きさと価値は自然数とする. 以下の各小問に答えよ.

(2-1) 22 行目の処理を実行する直前の配列 sack の内容を, 解答用紙の表の空欄を埋めることにより答えよ.

sack[i][j]	j=0	j=1	j=2	j=3	j=4	j=5	j=6	j=7	j=8	j=9	j=10	j=11	j=12	j=13	j=14	j=15
i=0	0	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1
i=1	0	-1	20	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1
i=2	0	-1	20	-1	-1	-1	30	-1	50	-1	-1	-1	-1	-1	-1	-1
i=3
i=4

(2-2) 図2のプログラム中の空欄 (ア), (イ) を適切な式 (expression) で埋めよ.

#include <stdio.h>
#define capacity 15     /* ナップサックの容量 */
#define item 4          /* 品物の個数 */
int main(void) {
  int size[] = {0, 2, 6, 6, 2};
  int value[] = {0, 20, 30, 15, 25};
  int sack[item+1][capacity+1];
  int i, j, max, index;

  for (i = 0; i <= item; i++)
    for (j = 0; j <= capacity; j++)
      sack[i][j] = -1;  /* ナップサックの初期化 */
  sack[0][0] = 0;       /* 品物が入っていない(大きさの和が0)のナップサックの総価値は0 */

  for (i = 1; i <= item; i++)
    for (j = 0; j <= capacity; j++)
      if (sack[i-1][j] != -1) {
        if (sack[i-1][j] > sack[i][j]) sack[i][j] = sack[i-1][j];
        if (j + size[i] <= capacity) sack[i][j+size[i]] = sack[i-1][j] + value[i];
      }

  max = 0; index = 0;
  for (j = 0; j <= capacity; j++)
    if (sack[item][j] > max) {max = sack[item][j]; index = j;}
  for (i = item; i >= 1; i--)
    if (index >= size[i] &&         (ア)         ==        (イ)       ) {
      printf("item %d is in a knapsack\n",i); 
      index = index - size[i];
    }
  return 0;
}

<div align="center"> 図2 0-1ナップサック問題を解くプログラム </div>

Kai

(1)

(1-1) $N=8$, 配列 A が {2, 5, 8, 10, 15, 20, 25, 30}, $x=8$ の時の出力結果は以下の通りです。

解説： プログラムの do-while ループの実行過程をトレースします。

left=1, right=8 で開始。mid=4。A[4]=10 < 8 は偽なので、right=mid-1=3 に更新。
left=1, right=3 でループ。mid=2。A[2]=5 < 8 は真なので、left=mid+1=3 に更新。
left=3, right=3 でループ。mid=3。A[3]=8 < 8 は偽なので、right=mid-1=2 に更新。ここで A[mid] != x が偽になるためループを抜けます。最後に index=3 を出力します。

(1-2)

最大実行回数： 10回
理由（日本語）： 探索対象の配列要素数 $N=1000$ であり、ループごとに探索範囲が約半分に縮小されるため。区間の長さが1になるまでの最大分割回数は $\lfloor\log_2 1000\rfloor = 9$ 回である。最後の1回の確認を含め、do-while ループは最大で10回実行される。
Reason (English): The array size is $N=1000$, and the binary search reduces the search space by half in each iteration. The maximum number of divisions required to reduce the interval length to 1 is $\lfloor\log_2 1000\rfloor = 9$. Including the final evaluation, the do-while loop will execute at most 10 times.

(1-3)

設定例： $N=2$, A[1]=2, A[2]=5, x=5
状況の説明（日本語）： 変更後のコードでは、left と right の更新が mid そのままになっている。例えば上記の設定で、left=1, right=2 のとき、mid=(1+2)/2=1 となる。このとき A[1] < 5 が真となり left = mid = 1 に更新されるが、値が変わらないため探索範囲が一切縮小されない。結果として無限ループに陥り、正しく結果が出力されなくなる。
Situation Explanation (English): The modified code updates left and right directly to mid instead of mid + 1 and mid - 1. Using the example above, when left=1 and right=2, mid evaluates to 1. Since A[1] < 5 is true, left is updated to mid = 1. The value remains unchanged, meaning the search interval is never reduced. Consequently, the program gets stuck in an infinite loop and fails to output the correct result.

【別解：配列内の隣接する値の間を探索する場合】

設定例： $N=8$, A が {2, 5, 8, 10, 15, 20, 25, 30} で、探索対象 $x=9$ の場合。
状況の説明（日本語）： 目標値が存在せず、かつ left と right が隣接するインデックスになった場合に不具合が顕著に現れる。例えば上記の設定で探索を進めると、最終的に left=3, right=4 となる。このとき、mid = (3+4)/2 = 3 が計算される。A[3] = 8 < 9 が真であるため left = mid = 3 に更新される。更新後も left と right の値が変わらないため、次回のループでも全く同じ計算が繰り返され、3 3 4 が無限に出力される死循環に陥る。
Situation Explanation (English): A critical failure occurs when the target value is not in the array and the search space narrows down to two adjacent indices. For instance, if $x=9$ with the original array, the search eventually reaches left=3 and right=4. The midpoint is calculated as mid = (3+4)/2 = 3. Since A[3]=8 < 9 is true, left is updated to mid = 3. Because left and right do not change, the next iteration will perform the exact same calculation, trapping the program in an infinite loop that repeatedly outputs 3 3 4.

(2)

(2-1) 22行目の処理を実行する直前（全ての品物の評価が完了した時点）の配列 sack は以下のようになります。

`sack[i][j]`	$j=1$	$j=2$	$j=3$	$j=4$	$j=5$	$j=6$	$j=7$	$j=8$	$j=9$	$j=10$	$j=11$	$j=12$	$j=13$	$j=14$	$j=15$
$i=0$	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1
$i=1$	-1	20	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1	-1
$i=2$	-1	20	-1	-1	-1	30	-1	50	-1	-1	-1	-1	-1	-1	-1
$i=3$	-1	20	-1	-1	-1	30	-1	50	-1	-1	-1	45	-1	65	-1
$i=4$	-1	25	-1	45	-1	30	-1	55	-1	75	-1	45	-1	70	-1

(2-2) プログラムで品物がナップサックに選ばれたかどうかを判定するための条件式です。

(ア) sack[i][index] ==
(イ) sack[i-1][index - size[i]] + value[i]

Summary

:::note 模块一：算法与动态规划 (0-1 背包问题) 💡 核心思想：大问题拆成小问题，查表避免重复计算。

贪心算法的失效： 在不可分割的 0-1 背包中，按性价比（价值/重量）贪心会留下无法利用的空间缝隙，导致拿不到全局最优解。
状态转移方程（核心公式）： 面对第 $i$ 件物品、剩余容量 $j$ 时的最大价值： $DP[i][j] = \max(\text{不拿}, \text{拿})$ $DP[i][j] = \max(DP[i-1][j], DP[i-1][j - weight] + value)$
表格初始化： 起点 DP[0][0] = 0，其余无法到达的状态初始化为 -1（刷表法技巧，用于剪枝无效计算）。
回溯找物品（破案法）： 倒序遍历。如果 当前总价值 == 扣除该物品重量后的历史价值 + 该物品价值，说明该物品被选中。随后将背包当前重量减去该物品重量，继续往上追查。 :::

大阪大学情報科学研究科情報工学 2014年8月実施計算機システムとシステムプログラム

Author

KardeniaPoyu

Description

(1) 浮動小数点数 (floating point number) に関する以下の小問に答えよ. なお x を 2進数 (binary number) として解釈する場合, $[x]_2$ と表記する. 角括弧 (square bracket) をつけない場合は 10進数と解釈する.

(1-1) 0.625 を 2進数として表記せよ.

(1-2) IEEE 754 で規定された半精度浮動小数点数表現 (representation of half precision floating point number) において, 以下の値に最も近い値を表すビット列を解答用紙に書け. (a) $[1.101]_2$ (b) 5 (c) 0.125 (d) 0.1

(1-3) 2進数の浮動小数点数表現では, 0.1 を誤差なく有限桁で表現できない理由を述べよ.

資料: IEEE 754 半精度浮動小数点数表現簡略版 (simplified version)

符号部 (sign) を 1 ビット, 指数部 (exponent) を 5 ビット, 仮数部 (significand) を 10 ビットで表現. 指数部が表す符号無し整数を $e$, 仮数部のビット列を $f$ とすると, この形式が表す値は $$(-1)^{\text{符号部}} \times 2^{e-15} \times [1.f]_2$$ である. ただし, $e=0, 31$ の時は上式をあてはめない非正規化数 (special value) として扱う. 本問題では非正規化数を扱わないため, その説明を省略する.

図：IEEE754半精度浮動小数点数表現

</div>

(2) メモリ管理に関する以下の小問に答えよ. 解答は全て解答欄の太線内に書くこと.

(2-1) 計算機 (computer) においては, 読み書きの速度 (reading and writing speed), 容量 (capacity) が異なる複数種類の記憶素子 (memory device) や記憶装置 (memory unit) を連携動作させて, 高速な読み書きと大容量の両立を図る, 記憶階層 (memory hierarchy) の考え方が導入されている. 以下に示す記憶素子または記憶装置 (ア)～(オ) を有する一般的な計算機において, これらを, 読み書きが速く, 容量の少ない順に整列し, 記号で答えよ. (ア) 主記憶装置 (main memory unit), (イ) 2次キャッシュメモリ (secondary cache memory), (ウ) 補助記憶装置 (auxiliary memory unit), (エ) レジスタ (register), (オ) 1次キャッシュメモリ (primary cache memory)

(2-2) 以下の文章の空欄 (a)～(i) に当てはまる最も適切な語句を, 下記の選択肢から選び, 記号で答えよ. 同じ選択肢を複数回用いても良い.

記憶階層の一部を成す仮想記憶 (virtual memory) では, 主記憶装置に置くべきプログラムやデータ (以下では “情報” と呼ぶ) の一部を [ (a) ] に置く. これにより, 主記憶装置の持つアドレス空間よりもより広いアドレス空間を有するように, ユーザープログラムに見せかける効果がある. 機械語命令 (machine instruction) の中に記載されるアドレスは [ (b) ], アドレスバスに送出されるアドレスは [ (c) ] と呼ばれる. 仮想記憶において, 必要な情報が主記憶装置上に無く, [ (d) ] 上にある場合, この情報は主記憶装置に移動される. この動作は [ (e) ] と呼ばれる. この時, 主記憶装置上に空き領域が無ければ, 使用される可能性が低い情報が主記憶装置から [ (f) ] へ移動され, 空き領域が作られる. この動作は [ (g) ] と呼ばれる. [ (e) ] や [ (g) ] が頻繁に発生すると, 計算機の処理性能が低下する. 仮想記憶の代表的な実現方法として, メモリを固定長 (fixed size) のブロック (block) で管理する [ (h) ] 方式と, 可変長 (variable size) のブロックで管理する [ (i) ] 方式とがある.

【選択肢】


(ア) レジスタ (Register)	(イ) スワップイン (Swap in)	(ウ) フラグメンテーション (Fragmentation)
(エ) キャッシュメモリ (Cache memory)	(オ) 仮想アドレス (Virtual address)	(カ) セグメンテーション (Segmentation)
(キ) 補助記憶装置 (Auxiliary memory)	(ク) スワップアウト (Swap out)	(ケ) コンテクストスイッチ (Context switch)
(コ) ページング (Paging)	(サ) 実アドレス (Real address)	(シ) 直接マッピング (Direct mapping)

(2-3) ページ枠 (page frame) 数が 4 のページング方式を採用した仮想記憶を考える. 以下に示すページ番号 (仮想アドレス空間におけるページの番号) の順にメモリ参照が起こった時, ページ置換アルゴリズム (page replacement algorithm) が LRU (least recently used) 法と FIFO (first-in-first-out) 法のそれぞれについて, 主記憶装置上に置かれる各ページ枠が保持するページの番号を答えよ. なお, 初期状態では全てのページ枠は空であるとし, 解答欄に示されている前半の例を参考に, 後半の太線内について解答すること. また, ページフォルト (page fault) が発生する場合はページ番号を◯で囲むこと. 参照ページ番号 : 0, 1, 2, 3, 3, 4, 2, 1, 0, 5, 1, 2

(2-4) ページング方式を採用した仮想記憶を有する計算機で, 主記憶装置に入り切らないサイズの整数型配列 (array) A[W*H] を扱うプログラムを考える. 以下に示す C 言語で書かれた二つのプログラム断片 (ア), (イ) の内, その処理時間が短くなる方を選び, 記号で答えよ. また, その理由を仮想記憶と関連付けて説明せよ. なお, コンパイラ (compiler) による最適化は行われず, キャッシュメモリを有しない計算機で実行するものとする.

(ア)

for (x=0; x<W; x++) {
    for (y=0; y<H; y++) {
        sum = sum + x * A[x+(y*W)];
    }
}

(イ)

for (y=0; y<H; y++) {
    for (x=0; x<W; x++) {
        sum = sum + x * A[x+(y*W)];
    }
}

Kai

(1)

(1-1)

解答： $0.101$
詳細な計算過程 (Detailed Calculation): 10進数の小数部分を2倍していく「乗算推移法」を用います。
- $0.625 \times 2 = 1.25$ $\rightarrow$ 整数部 1 を取り出す（小数部は $0.25$）
- $0.25 \times 2 = 0.5$ $\rightarrow$ 整数部 0 を取り出す（小数部は $0.5$）
- $0.5 \times 2 = 1.0$ $\rightarrow$ 整数部 1 を取り出す（小数部は $0.0$ となり終了）上から順に並べて、2進数表記は $0.101$ となります。 (別解: $0.625 = \frac{5}{8} = \frac{4}{8} + \frac{1}{8} = \frac{1}{2} + \frac{1}{8} = 2^{-1} + 2^{-3} = 0.101_2$)

(1-2) 問題の定義に従い、フォーマットは以下の通りです：

符号部 (Sign): 1ビット（正なら0、負なら1）
指数部 (Exponent): 5ビット（バイアス値は 15）
仮数部 (Significand/Fraction): 10ビット（ケチ表現：先頭の 1. は省略）
公式: $(-1)^{\text{sign}} \times 2^{e-15} \times [1.f]_2$

各問題の解答と詳細な変換過程:

(a) $[1.101]_2$
- 正規化: すでに $[1.101]_2 \times 2^0$ と正規化されています。
- 符号部: 正なので 0。
- 指数部: 実際の指数は 0。バイアスを足して $0 + 15 = 15$。15を2進数5ビットにすると $[01111]_2$。
- 仮数部: 1. を除いた 101 の後ろに0を補って10ビットにする $\rightarrow$ 1010000000。
- 解答: 0 01111 1010000000
(b) 5
- 2進数化と正規化: 10進数の 5 は $[101]_2$。正規化すると $1.01 \times 2^2$。
- 符号部: 正なので 0。
- 指数部: 実際の指数は 2。バイアスを足して $2 + 15 = 17$。17を2進数5ビットにすると $[10001]_2$。
- 仮数部: 1. を除いた 01 の後ろに0を補って10ビットにする $\rightarrow$ 0100000000。
- 解答: 0 10001 0100000000
(c) 0.125
- 2進数化と正規化: $0.125 = \frac{1}{8} = 2^{-3}$。2進数では $[0.001]_2$。正規化すると $1.0 \times 2^{-3}$。
- 符号部: 正なので 0。
- 指数部: 実際の指数は -3。バイアスを足して $-3 + 15 = 12$。12を2進数5ビットにすると $[01100]_2$。
- 仮数部: 1. を除いた 0 の後ろに0を補って10ビットにする $\rightarrow$ 0000000000。
- 解答: 0 01100 0000000000
(d) 0.1
- 2進数化: 10進数の 0.1 を2進数に変換すると、無限循環小数 $0.0001100110011...$ になります。
- 正規化: $1.1001100110011... \times 2^{-4}$ となります。
- 符号部: 正なので 0。
- 指数部: 実際の指数は -4。バイアスを足して $-4 + 15 = 11$。11を2進数5ビットにすると $[01011]_2$。
- 仮数部の丸め処理 (Rounding): 小数点以下の仮数データは 1001100110 011... と続きます。仮数部は10ビットしか格納できないため、11ビット目以降を処理します。 11ビット目は 0 であるため、切り捨て（丸め込みの際に繰り上げが発生しない）となります。したがって仮数部 $f$ は 1001100110 になります。
- 解答: 0 01011 1001100110

(1-3)

理由（日本語）： 10進数の0.1（分数で1/10）を2進数に変換しようとすると、分母に素因数5が含まれているため、2進数では無限循環小数（$0.000110011...$）になる。浮動小数点数表現では仮数部に割り当てられたビット数（この設定では10ビット）が有限であるため、表現可能な桁を超えた部分は切り捨てや丸めが行われ、必然的に誤差が生じるからである。
Reason (English): Converting the decimal number 0.1 (the fraction 1/10) into binary results in an infinitely repeating fraction ($0.000110011...$) because the denominator contains the prime factor 5. Since floating-point representations have a finite number of bits allocated for the significand (10 bits in this specification), the bits extending beyond the representable precision are truncated or rounded, inevitably causing precision errors.

(2)

(2-1)

解答： (エ) レジスタ → (オ) 1次キャッシュメモリ → (イ) 2次キャッシュメモリ → (ア) 主記憶装置 → (ウ) 補助記憶装置

(2-2)

(a) (キ) 補助記憶装置
(b) (オ) 仮想アドレス
(c) (サ) 実アドレス
(d) (キ) 補助記憶装置
(e) (イ) スワップイン (swap in)
(f) (キ) 補助記憶装置
(g) (ク) スワップアウト (swap out)
(h) (コ) ページング (paging)
(i) (カ) セグメンテーション (segmentation)

(2-3) ページフォルトが発生するタイミングを太字の〇で表記します。参照ページ番号: 0, 1, 2, 3, 3, 4, 2, 1, 0, 5, 1, 2。

LRU (Least Recently Used) 法

参照ページ	0	1	2	3	3	4	2	1	0	5	1	2
枠1	〇0	0	0	0	0	〇4	4	4	4	〇5	5	5
枠2		〇1	1	1	1	1	1	1	1	1	1	1
枠3			〇2	2	2	2	2	2	2	2	2	2
枠4				〇3	3	3	3	3	〇0	0	0	0

FIFO (First-In-First-Out) 法

参照ページ	0	1	2	3	3	4	2	1	0	5	1	2
枠1	〇0	0	0	0	0	〇4	4	4	4	4	4	〇2
枠2		〇1	1	1	1	1	1	1	〇0	0	0	0
枠3			〇2	2	2	2	2	2	2	〇5	5	5
枠4				〇3	3	3	3	3	3	3	〇1	1

(2-4)

処理時間が短くなる方： (イ)
理由（日本語）： C言語のような二次元配列はメモリ上で「行優先（row-major order）」に連続して配置される。プログラム(イ)は内側のループで変数 $x$ を増やしてアクセスするため、メモリ上の連続したアドレスを順に読み進めることになり、「空間的局所性（Spatial locality）」が高くなる。これにより、同じページ内のデータを効率的に処理できる。一方、(ア)は内側のループで $y$ を増やすため、メモリアクセスが大きく飛び飛びになる。配列サイズが主記憶に収まらない場合、(ア)では参照するページが頻繁に切り替わり、膨大なページフォルト（スワップイン・スワップアウト）が発生する（スラッシング現象）ため、処理時間が著しく長くなってしまう。
Reason (English): In languages like C, two-dimensional arrays are stored in contiguous memory locations using "row-major order". Program (イ) increments the variable $x$ in its inner loop, meaning it accesses contiguous memory addresses sequentially, which results in high "spatial locality". This allows data within the currently loaded page to be processed efficiently. On the other hand, program (ア) increments $y$ in its inner loop, causing memory access to jump across distant addresses. If the array size exceeds the main memory capacity, program (ア) will cause the referenced pages to switch constantly, triggering massive page faults (swapping in and out, known as thrashing), which significantly increases the processing time.

Summary

:::note 模块二：数据表示与浮点数 (IEEE 754) 💡 核心思想：二进制的科学记数法与精度妥协。

十进制转二进制（双轨制）：
- 整数部分： 除 2 取余法，一直算到商为 0，余数倒序排列（从下往上读）。
- 小数部分： 乘 2 取整法，一直算到小数为 0，整数部分顺序排列（从上往下读）。
为什么 0.1 存不准？ 0.1 乘以 2 会陷入无限循环（0.2 $\rightarrow$ 0.4 $\rightarrow$ 0.8 $\rightarrow$ 1.6 $\rightarrow$ 1.2 $\rightarrow$ 0.2...），由于计算机位数有限，必须截断，必然导致精度丢失。
IEEE 754 组装三要素（以半精度为例）：
1. 符号位 (Sign)： 正数 0，负数 1。
2. 指数部 (Exponent)： 实际指数 + 偏移量（Bias，题目中为 15）。
3. 尾数部 (Significand)： 将二进制写成 $1.xxx$ 的科学记数法后，省略最前面的 1，只存小数点后面的 $xxx$，不够的位数补 0。

模块三：内存管理与操作系统 (OS) 💡 核心思想：用最便宜的硬件，造出最快、最大的内存假象。

存储器速度阶级（由快到慢）： 寄存器 (Register) $\rightarrow$ L1 缓存 $\rightarrow$ L2 缓存 $\rightarrow$ 主存 (内存条) $\rightarrow$ 辅助存储 (硬盘)。
虚拟内存与地址翻译：
- 程序使用的是虚拟地址，主板认的是实地址（物理地址）。
- 翻译官是 MMU (内存管理单元)，它还负责检查越界权限。
页面调度机制：
- 缺页中断 (Page Fault)： CPU 发现数据不在内存中。
- Swap in (换入)： 把数据从硬盘搬进内存。
- Swap out (换出)： 内存满了，把旧数据踢回硬盘。
页面置换算法：
- FIFO (先进先出)： 踢走最早进来的，死板。
- LRU (最近最少使用)： 踢走最久没被访问过的，符合时间局部性，聪明。
内存碎片与切分方式：
- 外部碎片 (Fragmentation)： 内存有总空闲，但都是不连续的小块，大程序塞不进去。
- 分页 (Paging)： 按固定大小切块（如 4KB），完美解决外部碎片问题。
- 分段 (Segmentation)： 按程序逻辑（可变长度）切块，容易产生碎片。

模块四：计组底层机制与硬件 💡 核心思想：代码的写法必须迎合底层的物理构造。

空间局部性与性能雪崩 (Thrashing)：
- C 语言二维数组在物理内存中是按行连续存放的。
- 内层循环遍历列 ($x$)： 地址连续，顺滑读取缓存，性能极佳。
- 内层循环遍历行 ($y$)： 地址大跨度跳跃，疯狂触发缺页中断，导致系统抖动 (Thrashing)，卡死。
上下文切换 (Context Switch)： CPU 在不同进程间切换时，保存旧状态、加载新状态的过程，非常耗费性能。
直接映射缓存 (Direct Mapping)： 主存块只能放在缓存的固定槽位（主存号 % 槽位数）。优点是找得快，缺点是极易发生冲突（Cache Miss）。
MAU 的双重含义：
1. 内存访问单元（流水线里的搬运工）。
2. 最小可寻址单元（通常是 1 Byte，即内存给数据打包的最小单位）。

使用建议： 你可以把这四个模块当成考纲。复习时遮住下面的解释，光看加粗的“核心思想”和“名词”，看自己能不能在脑子里或者草稿纸上复述出后面的逻辑。如果卡壳了，再回来查漏补缺！祝你复习顺利！ :::

大阪大学情報科学研究科情報工学 2014年8月実施離散構造

Author

KardeniaPoyu

Description

(1) 一階述語論理 (first-order predicate logic) に関する以下の各小問に答えよ. ただし, 一階述語論理式 (first-order predicate logic formula) の記述には以下の記号を用いる. $\forall, \exists$ はそれぞれ全称作用素 (universal quantifier), 存在作用素 (existential quantifier) であり, 全称作用素と存在作用素を併せて限定作用素 (quantifier) と呼ぶ. $\Leftrightarrow, \rightarrow, \wedge, \vee, \neg$ はそれぞれ等価 (equivalence), 含意 (implication), 論理積 (conjunction, and), 論理和 (disjunction, or), 否定 (negation, not) を表す論理演算子とする. 特に断りのない限り, $u, w, x, y, z$ で変数 (variable) 記号, $a, b$ で定数 (constant) 記号, $f$ で関数 (function) 記号, $p, q$ で述語 (predicate) 記号を表わす.

(1-1) 一階述語論理式の解釈 (interpretation) $I$ は $(D, C, F, P)$ の4項組で与えられる. ここで, $D$ は値集合, $C$ は各定数記号への $D$ の要素への割り当て, $F$ は各 $n$ 引数関数記号への $D^n \rightarrow D$ の要素の割り当て, $P$ は各 $n$ 引数述語記号への $D^n \rightarrow B$ の要素の割り当てである. ただし, 真 (true), 偽 (false) を表わす true, false の2値からなる集合を $B$ とする.

例えば, 一階述語論理式 $\forall x~p(f(b, x), a)$ に対して, 解釈 $I_0$ として

$D$ を非負整数 (nonnegative integer) 全体からなる集合とし,
$C$ として $a, b$ それぞれへ非負整数値 0, 1 を割り当て,
$F$ として2引数関数記号 $f(u, w)$ へ非負整数上の加算 $u+w$ を割り当て,
$P$ として2引数述語関数 $p(u, w)$ へ非負整数上の比較演算 $u>w$ を割り当てたとき (例えば $4>3$ の値は true である),

式 $\forall x~p(f(b, x), a)$ の解釈 $I_0$ のもとでの評価値は true となる.

以下の (1-1-1)～(1-1-3) の各論理式が, (a) 恒真 (valid), (b) 充足可能 (satisfiable) であるが恒真ではない, (c) 充足不能 (unsatisfiable) のいずれであるか判断し記号で答えよ. また, (b) である場合は, $D$ を非負整数 (nonnegative integer) 全体からなる集合として, 真にする解釈と偽にする解釈をそれぞれ一つずつ挙げよ. なお, 定数記号や関数記号が含まれないものは, それぞれ $C$ や $F$ は考えなくてよい.

(1-1-1) $(p(a) \wedge p(b)) \rightarrow \forall x~p(x)$
(1-1-2) $\forall x~(p(x) \vee q(x)) \rightarrow (\forall x~p(x) \vee \forall x~q(x))$
(1-1-3) $\neg \forall x~\neg p(x) \Leftrightarrow \exists x~p(x)$

(1-2) 以下で与えられる論理式 $E$ が恒真 (valid) であることを示すため, まず, $E$ の否定をスコーレム化 (Skolemization) し, 次いで, 導出原理 (resolution principle) を適用し, その式が充足不能であることを示す.

$A = \forall x~\forall y~(p(x, y) \rightarrow p(y, x))$
$B = \forall x~\forall y~\forall z~((p(x, y) \wedge p(y, z)) \rightarrow p(x, z))$
$C = \forall x~\exists y~p(x, y)$
$D = \forall z~p(z, z)$
$E = (A \wedge B \wedge C) \rightarrow D$

以下の (1-2-1)～(1-2-3) に答えよ. それぞれ導出過程も示すこと. なお, 解答には記号 $A, B, C, D$ を用いないこと.

(1-2-1) $\neg E$ の冠頭標準形 (prenex normal form) を示せ. 冠頭標準形は, すべての限定作用素が先頭にある閉論理式 (closed formula) である. ただし, 閉論理式は連言標準形 (和積標準形 : conjunctive normal form) で示すこと.

(1-2-2) (1-2-1) で得た論理式のスコーレム連言標準形 (Skolem conjunctive normal form) $\neg E'$ を求めよ.

(1-2-3) (1-2-2) で得た論理式 $\neg E'$ をもとに, 導出原理を用いて $\neg E'$ が充足不能であることを示せ.

(2) 有限集合 (finite set) $A$ について, $A$ の要素数を $|A|$ と書く. $A$ のべき集合 (power set) を $P(A)$ として, $P(A)$ 上の2項関係 (binary relation) $R_{P(A)}$ を

$$ R_{P(A)} = { (a, b) \in P(A) \times P(A) \mid (a \subseteq b) \wedge (\forall c \in P(A))[((a \subseteq c) \wedge (c \subseteq b)) \rightarrow ((c = a) \vee (c = b))] } $$

とする. 以下の各小問に答えよ.

(2-1) 任意の有限集合 $A$ について, $R_{P(A)}$ の以下の各性質が成立するかどうか答えよ. 証明は与えなくてもよい.

(2-1-1) 反射性 (reflexivity)
(2-1-2) 対称性 (symmetry)
(2-1-3) 反対称性 (antisymmetry)

(2-2) $|A| = 2$ の時, $|R_{P(A)}|$ を求めよ.
(2-3) $|A| = n$ の時, $|R_{P(A)}|$ を求めよ.
(2-4) $R_{P(A)}$ の反射的推移的閉包 (reflexive transitive closure) を $R_{P(A)}^{\ast}$ とする. $|A| = n$ の時, $|R_{P(A)}^{\ast}|$ を求めよ.

Kai

(1) 一階述語論理 (First-order predicate logic)

(1-1) 論理式の判定と解釈 (Judgment and Interpretation of Logical Formulas)

(1-1-1) $(p(a) \land p(b)) \rightarrow \forall x\ p(x)$

解答 (Answer): (b) 充足可能であるが恒真ではない (Satisfiable but not valid).
真にする解釈 (True Interpretation): $D$ を非負整数全体とする。$C$ として $a=0, b=1$ を割り当てる。$P$ として述語 $p(u)$ に「$u \ge 0$」を割り当てる。

中文解释： 论域为非负整数，$a=0, b=1$，$p(u)$ 表示 $u \ge 0$。前件 $p(0) \land p(1)$ 为真，且所有非负整数都 $\ge 0$，后件为真。真 $\rightarrow$ 真，命题成立。

English Proof: Let the domain $D$ be all non-negative integers. Assign constants $a=0, b=1$. Let the predicate $p(u)$ denote "$u \ge 0$". The premise $p(0) \land p(1)$ is true, and since all non-negative integers are $\ge 0$, the conclusion $\forall x\ p(x)$ is also true. Thus, True $\rightarrow$ True evaluates to True.
偽にする解釈 (False Interpretation): $D$ を非負整数全体とする。$C$ として $a=0, b=1$ を割り当てる。$P$ として述語 $p(u)$ に「$u < 2$」を割り当てる。

中文解释： 论域为非负整数，$a=0, b=1$，$p(u)$ 表示 $u < 2$。前件 $p(0) \land p(1)$ 为真，但存在数字 $2$ 不满足 $<2$，故后件为假。真 $\rightarrow$ 假，命题不成立。

English Proof: Let $D$ be all non-negative integers. Assign $a=0, b=1$. Let $p(u)$ denote "$u < 2$". The premise $p(0) \land p(1)$ is true. However, since the domain includes integers like 2, $\forall x\ p(x)$ is false. Thus, True $\rightarrow$ False evaluates to False.

(1-1-2) $\forall x\ (p(x) \lor q(x)) \rightarrow (\forall x\ p(x) \lor \forall x\ q(x))$

解答 (Answer): (b) 充足可能であるが恒真ではない (Satisfiable but not valid).
真にする解釈 (True Interpretation): $D$ を非負整数全体とする。$p(u)$ に「$u \ge 0$」、$q(u)$ に「$u < 0$」を割り当てる。

中文解释： 论域为非负整数，$p(u)$ 表示 $u \ge 0$。前件和后件都为真，命题成立。

English Proof: Let $D$ be all non-negative integers. Let $p(u)$ denote "$u \ge 0$" and $q(u)$ denote "$u < 0$". Everyone satisfies $u \ge 0$, making the premise true. The first part of the conclusion $\forall x\ p(x)$ is true, making the entire disjunction true.
偽にする解釈 (False Interpretation): $D$ を非負整数全体とする。$p(u)$ に「$u$ は偶数」、$q(u)$ に「$u$ は奇数」を割り当てる。

中文解释： $p(u)$ 为偶数，$q(u)$ 为奇数。前件为真（非负整数要么是偶数要么是奇数），但后件为假（不是所有数都是偶数，也不是所有数都是奇数）。

English Proof: Let $D$ be all non-negative integers. Let $p(u)$ denote "$u$ is even" and $q(u)$ denote "$u$ is odd". Every integer is either even or odd, making the premise true. However, it is false that all integers are even, and false that all integers are odd. Thus, True $\rightarrow$ False evaluates to False.

(1-1-3) $\neg \forall x\ p(x) \leftrightarrow \exists x\ \neg p(x)$

解答 (Answer): (a) 恒真 (Valid).

(注：恒真命题无需给出具体的解释例子。这是量词的德·摩根定律 / Quantifier De Morgan's Law)

(1-2) 導出原理による証明 (Proof by Resolution Principle)

已知 $\neg E = A \land B \land C \land \neg D$。

(1-2-1) 冠頭標準形 (Prenex Normal Form)

提取所有量词到公式最前方（注意重命名冲突的变量）：

解答 (Answer):

$$ \begin{aligned} &\forall x \forall y \forall u \forall v \forall w \forall s \exists t \exists z\ [ \ &(\neg p(x,y) \lor p(y,x)) \land (\neg p(u,v) \lor \neg p(v,w) \lor p(u,w)) \ &\land p(s,t) \land \neg p(z,z) ] \end{aligned} $$

(1-2-2) スコーレム連言標準形 (Skolem Conjunctive Normal Form)

使用 Skolem 函数 $f(s)$ 替换 $t$，使用 Skolem 常数 $c$ 替换 $z$，并去掉全称量词 $\forall$。

解答 (Answer): 得到以下四个子句 (Clauses)：

$\neg p(x,y) \lor p(y,x)$
$\neg p(u,v) \lor \neg p(v,w) \lor p(u,w)$
$p(s, f(s))$
$\neg p(c,c)$

(1-2-3) 導出過程 (Resolution Process)

ステップ 1: 子句 3 において $s=c$ と代入し、$p(c, f(c))$ を得る。

English: Substitute $s=c$ in Clause 3 to obtain $p(c, f(c))$.
ステップ 2: 子句 1 において $x=c, y=f(c)$ と代入し、$\neg p(c,f(c)) \lor p(f(c),c)$ を得る。これとステップ1の結果を導出（Resolve）し、$p(f(c), c)$ を得る。

English: Substitute $x=c, y=f(c)$ in Clause 1 to get $\neg p(c,f(c)) \lor p(f(c),c)$. Resolve this with $p(c, f(c))$ to deduce $p(f(c), c)$.
ステップ 3: 子句 2 において $u=c, v=f(c), w=c$ と代入し、$\neg p(c,f(c)) \lor \neg p(f(c),c) \lor p(c,c)$ を得る。

English: Substitute $u=c, v=f(c), w=c$ in Clause 2 to get $\neg p(c,f(c)) \lor \neg p(f(c),c) \lor p(c,c)$.
ステップ 4: ステップ3の結果と $p(c,f(c))$ を導出し、$\neg p(f(c),c) \lor p(c,c)$ を得る。

English: Resolve the result from Step 3 with $p(c, f(c))$ to deduce $\neg p(f(c),c) \lor p(c,c)$.
ステップ 5: ステップ4の結果と $p(f(c),c)$ を導出し、$p(c,c)$ を得る。

English: Resolve the result from Step 4 with $p(f(c), c)$ to deduce $p(c,c)$.
ステップ 6: 最後に、$p(c,c)$ と子句 4 の $\neg p(c,c)$ を導出し、空節 (Empty Clause / $\square$) を得る。矛盾が導かれたため、$\neg E$ は充足不能であり、$E$ は恒真である。

English: Finally, resolve $p(c,c)$ with Clause 4 ($\neg p(c,c)$) to generate the empty clause ($\square$). Since a contradiction is derived, $\neg E$ is unsatisfiable, which proves $E$ is valid.

(2) 有限集合と関係 (Finite Sets and Relations)

关系 $R_{P(A)}$ 定义为覆盖关系（Covering relation），即集合 $b$ 恰好由集合 $a$ 增加一个元素构成（$a \subset b$ 且 $|b| = |a| + 1$）。

(2-1) 関係の性質 (Properties of the Relation)

(2-1-1) 反射性 (Reflexivity): 成立しない (False).

English Explanation: A set cannot have exactly one more element than itself ($|a| \neq |a| + 1$), so $(a, a) \notin R_{P(A)}$.
(2-1-2) 対称性 (Symmetry): 成立しない (False).

English Explanation: If set $b$ is strictly larger than $a$ ($a \subset b$), then $a$ cannot be strictly larger than $b$ ($b \not\subset a$).
(2-1-3) 反対称性 (Antisymmetry): 成立する (True).

English Explanation: The premise $(a R b \land b R a)$ is logically impossible. Therefore, the implication $(a R b \land b R a) \rightarrow a=b$ is vacuously true.

(2-2) $|A|=2$ の時、$|R_{P(A)}|$

解答 (Answer): $4$.

(Pairs: $(\emptyset, {1}), (\emptyset, {2}), ({1}, {1,2}), ({2}, {1,2})$)

(2-3) $|A|=n$ の時、$|R_{P(A)}|$

解答 (Answer): $n 2^{n-1}$.

(2-4) $|A|=n$ の時、$|R_{P(A)}^{\ast}|$ (反射的推移的閉包 / Reflexive Transitive Closure)

解答 (Answer): $3^n$.

English Explanation: The reflexive transitive closure of this covering relation is simply the standard subset relation ($a \subseteq b$). For each of the $n$ elements in $A$, there are exactly 3 valid states: (1) neither in $a$ nor $b$, (2) in $b$ but not in $a$, (3) in both $a$ and $b$. Thus, $3^n$ total pairs.

大阪大学情報科学研究科情報工学 2014年8月実施計算理論

Author

KardeniaPoyu

Description

(1) 決定性有限オートマトン (deterministic finite automaton) $M$ は 5 項組 $M = (Q, \Sigma, \delta, q_0, F)$ で与えられる. ここで, $Q, \Sigma, \delta, q_0, F$ は, それぞれ, 状態 (state) の有限集合, 入力記号 (input symbol) の有限集合 (アルファベット (alphabet)), 状態遷移関数 (state transition function), 初期状態 (initial state) ($q_0 \in Q$), 受理状態 (accepting state) の集合 ($F \subseteq Q$) である. また, $M$ が受理する言語 (認識する言語) を $L(M)$ と表す. 有限オートマトンに関する以下の各小問に答えよ.

(1-1) 決定性有限オートマトン $M = (Q, \Sigma, \delta, q_0, F)$ の状態 $p, q$ ($p \in Q, q \in Q$) が区別不能 (indistinguishable) とは, 任意の記号列 $w \in \Sigma^$ に対し, $\hat{\delta}(p, w) \in F \iff \hat{\delta}(q, w) \in F$ が成り立つことであり, $p \simeq q$ と表す. ここで, $\Sigma^$ は, $\Sigma$ 上の記号列すべての集合 (空系列を含む) を表す. また, 任意の状態 $r \in Q$ と任意の記号列 $x \in \Sigma^*$ に対し, $\hat{\delta}(r, x) \in Q$ を以下のように定義する.

$x = \epsilon$ のとき, $\hat{\delta}(r, x) = r$ ($\epsilon$ は空系列を表す)
$x = ya$ ($y \in \Sigma^*, a \in \Sigma$) のとき, $\hat{\delta}(r, x) = \delta(\hat{\delta}(r, y), a)$ 状態集合 $Q$ 上の 2 項関係 (binary relation) $ \simeq $ が $Q$ 上の同値関係 (equivalence relation) であることを証明せよ.

(1-2) 決定性有限オートマトン $M_1 = (Q_1, {0, 1}, \delta_1, a, {a, b})$ が右の状態遷移表 (state transition table) で与えられたとき, 状態集合 $Q_1 = {a, b, c, d, e, f, g, h, i}$ が同値関係 $ \simeq $ によって, どのような同値類 (equivalence class) に分割 (partition) されるか示せ.

	0	1
a	e	d
b	f	d
c	d	f
d	i	g
e	g	i
f	g	h
g	c	b
h	a	c
i	b	c

<div align="center"> 図：状態遷移表 </div>

(1-3) $L(M_1) = L(M)$ となる決定性有限オートマトン $M$ の中で, 状態数最小のものを $M_2$ とする. $M_2$ を状態遷移図 (state transition diagram) で示せ. 状態遷移図では, 初期状態, 受理状態それぞれが分かるように明示すること.

(1-4) $L(M_1) = L(M)$ となる決定性有限オートマトン $M$ の中で, (1-3) で示した $M_2$ の状態数が最小であることを証明せよ.

(2) 文脈自由言語 (context-free language) に対して次の反復補題 (Pumping Lemma) が知られている.

反復補題 (Pumping Lemma) 文脈自由言語 $L$ に対し, ある非負整数 $n$ が存在し, $L$ に属する $n$ 以上の長さの任意の文字列 $z$ に対して, ある部分文字列分解 $z = u v w x y$ が存在して, 以下が成り立つ. (i) $|v w x| \le n$ (ii) $v x \ne \epsilon$ ただし $\epsilon$ は空系列 (iii) $i \ge 0$ なる任意の $i$ に対して $u v^i w x^i y \in L$

以下の各小問に答えよ. 解答用紙には ⓐ～ⓠ とそれらに対応する解を列挙すること.

(2-1) 文脈自由言語 $L_A = {a^m b^m \mid m \ge 5}$ に対して反復補題が成り立つことを確かめたい. 以下の文章の空白を埋め, $L_A$ に対し反復補題が成り立つことを示せ. 空白 ⓐ～ⓘ にはそれぞれ, 指定された条件を満たす要素が入る. 例えば ⓐ 非負整数に対応する要素は非負整数である 1, 40, 100 等である.

$n$ として ⓐ 非負整数を選ぶ. $z = a^K b^K$ ただし, $K \ge n$ なる任意の文 $z$ に対して $z = u v w x y$ なる部分文字列分解として $u = a^{K-1}$, $v = \text{ⓒ 記号列}$, $w = \text{ⓓ 記号列}$, $x = \text{ⓔ 記号列}$, $y = \text{ⓕ 記号列}$ を選ぶ. 明らかに $|v w x| \le n$ であり, $v x \ne \epsilon$, および $i \ge 0$ なる任意の $i$ に対して $\text{ⓖ 記号列} \in L_A$ が成り立つ. なお $L_A$ を生成する文脈自由文法 (context-free grammar) は $({S_1, A_1}, {a, b}, P_1, S_1)$ であり (表記の意味は下記参考を参照), ここで $P_1 = {S_1 \rightarrow \text{ⓗ 記号列}, A_1 \rightarrow a b, \text{ⓘ 生成規則} }$ である.

(2-2) 言語 $L_B = {a^m b^m c^m \mid m \ge 0}$ は文脈自由言語ではないことを反復補題を用いて証明したい. 以下の証明の空白を埋めよ. 空白 ⓙ～ⓠ にはそれぞれ, (2-1) と同様指定された条件を満たす要素が入る. ただし, ⓜ, ⓝ については終端記号の数量的性質に言及すること. また, ⓛ については使用した反復補題の条件を明示すること.

証明背理法 (帰謬法; proof by contradiction) で証明する. 言語 $L_B$ が文脈自由文法であると仮定する. このとき仮定より $L_B$ に対して反復補題が成り立つ. 以下, 反復補題が成り立たないことを示し, 矛盾を導く. $n$ として $K$ という非負整数値を考える. 以降の議論は $K$ をパラメータとして考えているので, 任意の値 $K$ に与えても成立する. $L_B$ の定義より $K$ を超える長さの文 $z$ が存在する. 具体的に $z = a^K b^K c^K$ を考える. $z$ を $u v w x y$ に分割する際, すべての考え得る分割パターンに対して, 上記の矛盾を説明する必要がある.

場合 1: $v w x$ が終端記号 $c$ を含まない場合: このとき $y$ は ⓙ 記号列を部分文字列として含む. また反復補題の条件 (ii) が成り立つとすると, $v, x$ について以下が成り立つ. ⓚ $v, x$ に関する条件したがって $i = 0$ とおいて $L_B$ に含まれるはずの文 $u w y$ を考えたとき, $u w y$ は $L_B$ に属さない. なぜならば ⓛ 証明すなわち反復補題の条件 (iii) を満たすことはできず, 反復補題を満たさない.

場合 2: $v w x$ が ⓜ 終端記号に関する条件場合: 対象の対称性 (symmetry) より場合 1 と同様である.

場合 3: その他の場合, すなわち $v w x$ が ⓝ 終端記号に関する条件場合: 場合 3 はそもそも起こりえない. なぜならば ⓞ 証明

いずれの場合であっても反復補題を満たさず, よって, 矛盾を生じる. 以上の議論は仮定していた命題「言語 $L_B$ は文脈自由文法である」が偽であることを示している. Q.E.D.

参考文脈自由文法 (context-free grammar) $G$ は 4 項組 $G = (N, T, P, S)$ で与えられる. ここで $N, T, P, S$ は, それぞれ, 非終端記号 (non-terminal symbol) 集合, 終端記号 (terminal symbol) 集合, 生成規則 (production rule) 集合, 開始記号 (start symbol) である.

Kai

(1-1) $\simeq$ が同値関係であることの証明

状態 $Q$ 上の2項関係 $\simeq$ が同値関係（Equivalence Relation）であるためには、反射性、対称性、推移性の3つを満たす必要がある。

反射性 (Reflexivity): 任意の $p \in Q$ と任意の記号列 $w \in \Sigma^*$ に対して、論理的に $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(p,w) \in F$ は常に成り立つ。したがって、定義より $p \simeq p$ である。
対称性 (Symmetry): $p \simeq q$ と仮定する。定義より、任意の $w \in \Sigma^*$ に対して $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(q,w) \in F$ が成り立つ。論理同値の対称性により、左右を入れ替えて $\hat{\delta}(q,w) \in F \Leftrightarrow \hat{\delta}(p,w) \in F$ も成り立つ。したがって、$q \simeq p$ である。
推移性 (Transitivity): $p \simeq q$ かつ $q \simeq r$ と仮定する。定義より、任意の $w \in \Sigma^*$ に対し $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(q,w) \in F$、および $\hat{\delta}(q,w) \in F \Leftrightarrow \hat{\delta}(r,w) \in F$ が成り立つ。論理同値の推移性により、これらから $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(r,w) \in F$ が導かれる。したがって、$p \simeq r$ である。以上より、$\simeq$ は $Q$ 上の同値関係である。(証明終)

[English Translation for (1-1)] To prove that $\simeq$ is an equivalence relation on $Q$, it must satisfy reflexivity, symmetry, and transitivity.

Reflexivity: For any $p \in Q$ and any string $w \in \Sigma^*$, the statement $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(p,w) \in F$ is a logical tautology. Thus, $p \simeq p$.

Symmetry: Assume $p \simeq q$. By definition, $\forall w \in \Sigma^*, \hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(q,w) \in F$. By the symmetry of logical equivalence, $\hat{\delta}(q,w) \in F \Leftrightarrow \hat{\delta}(p,w) \in F$ holds. Thus, $q \simeq p$.

Transitivity: Assume $p \simeq q$ and $q \simeq r$. By definition, $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(q,w) \in F$ and $\hat{\delta}(q,w) \in F \Leftrightarrow \hat{\delta}(r,w) \in F$. By the transitivity of logical equivalence, $\hat{\delta}(p,w) \in F \Leftrightarrow \hat{\delta}(r,w) \in F$ holds. Thus, $p \simeq r$. Therefore, $\simeq$ is an equivalence relation. (Q.E.D.)

(1-2) 同値類による分割 (Equivalence Class Partitioning)

Myhill-Nerodeの定理に基づく等価状態の分割アルゴリズム（0-区別可能、1-区別可能...）を適用した結果、状態集合 $Q_1$ の同値類は以下の6つに分割される。

【解答】: ${a, b},\ {c},\ {d},\ {e, f},\ {g},\ {h, i}$

(1-3) 最小化オートマトン $M_2$ の状態遷移図

(1-2) で求めた6つの同値類を新たな状態とする。初期状態は元の初期状態 $a$ を含む ${a, b}$ であり、受理状態も元の受理状態 $a, b$ を含む ${a, b}$ のみである。状態遷移は以下の表（および図）の通りに構成される。

現在の状態	入力 `0` による遷移先	入力 `1` による遷移先	備考 (図示要件)
${a, b}$	${e, f}$	${d}$	初期状態 ($\rightarrow$) 兼受理状態 (◎)
${c}$	${d}$	${e, f}$	通常状態 (○)
${d}$	${h, i}$	${g}$	通常状態 (○)
${e, f}$	${g}$	${c}$	通常状態 (○)
${g}$	${h, i}$	${c}$	通常状態 (○)
${h, i}$	${a, b}$	${c}$	通常状態 (○)

(※実際の解答用紙には、上記の表に基づいた状態遷移図（有向グラフ）を描画し、${a,b}$ に開始矢印と二重丸を明記すること。)

(1-4) $M_2$ の状態数が最小であることの証明

$M_2$ の各状態は、元のオートマトン $M_1$ の状態集合を同値関係 $\simeq$ で分割した各同値類であるため、$M_2$ 内の任意の異なる2つの状態は互いに**区別可能（Distinguishable）**である。もし $L(M_1) = L(M)$ を満たし、かつ $M_2$ よりも状態数が少ないDFA $M$ が存在すると仮定する。このとき、鳩の巣原理（Pigeonhole Principle）により、$M_2$ で区別可能な少なくとも2つの状態が、$M$ においては同一の状態に割り当てられなければならない。しかし、区別可能な状態を統合すると、受理されるべき文字列と拒否されるべき文字列の判定に矛盾が生じ、$L(M_1) \neq L(M)$ となるため前提に反する。ゆえに、$M_2$ は最小状態DFAである。(証明終)

[English Translation for (1-4)] By construction, any two distinct states in $M_2$ correspond to different equivalence classes and are therefore distinguishable. Assume for the sake of contradiction that there exists a DFA $M$ with fewer states than $M_2$ such that $L(M) = L(M_1)$. According to the Pigeonhole Principle, at least two distinguishable states from $M_2$ must be merged into a single state in $M$. However, merging distinguishable states inevitably causes the automaton to incorrectly accept or reject certain strings, resulting in $L(M) \neq L(M_1)$, which contradicts the premise. Thus, $M_2$ has the minimal number of states. (Q.E.D.)

(2-1) $L_A = {a^m b^m \mid m \ge 5}$ が反復補題を満たすことの証明 (穴埋め)

[ ⓐ ]: 12 (※注: 12以上の任意の偶数でも論理的には成立するが、後述のK≧6を確実に満たすための最小定数として12が最適)
[ ⓑ ]: 6
[ ⓒ ]: $a$
[ ⓓ ]: $\varepsilon$ (空記号列)
[ ⓔ ]: $b$
[ ⓕ ]: $b^{K-1}$
[ ⓖ ]: $u v^i w x^i y$
[ ⓗ ]: $a^4 A_1 b^4$ (または $aaaa A_1 bbbb$)
[ ⓘ ]: $A_1 \rightarrow a A_1 b$

(2-2) $L_B = {a^m b^m c^m \mid m \ge 0}$ が文脈自由言語ではないことの証明 (打假プロセス)

文脈自由言語であると仮定し、定数 $n$ に対して $z = a^K b^K c^K$ ($K \ge n$) を選ぶ。$z = vwx$ なる分割（$|vwx| \le n, vx \neq \varepsilon$）を考えると、以下の3つの場合に分けられ、いずれも矛盾が生じる。

場合 1: $vwx$ が終端記号 $c$ を含まない場合
- (v, x に関する条件): $vx \neq \varepsilon$ より、少なくとも1つの $a$ または $b$ を含む。
- (① 証明): $i=0$ とすると、$v$ と $x$ が取り除かれることで $a$ または $b$ の数が減少するが、$c$ の数は $K$ のまま変わらないため、$a, b, c$ の数が一致しなくなり、$uwy \notin L_B$ となるから。
場合 2: $vwx$ が [終端記号に関する条件] 場合
- (終端記号に関する条件): 終端記号 $a$ を含まない
場合 3: $vwx$ が [終端記号に関する条件] 場合
- (終端記号に関する条件): 終端記号 $a$ と $c$ の両方を含む
- (◎ 証明): $a$ の最後の文字と $c$ の最初の文字の間には $K$ 個の $b$ が存在し、$K \ge n$ である。したがって、$a$ と $c$ の両方を含む部分文字列の長さは少なくとも $n+2$ となり、反復補題の絶対条件である (i) $|vwx| \le n$ に完全に矛盾するから。

[English Translation for (2-2) Proofs]

Case 1 (Proof ①): If $i=0$, the substrings $v$ and $x$ are pumped down (removed). This strictly decreases the number of $a$'s or $b$'s, while the number of $c$'s remains exactly $K$. Consequently, the quantities of $a, b,$ and $c$ are no longer equal, meaning $uwy \notin L_B$.

Case 3 (Proof ◎): There are exactly $K$ instances of '$b$' between the last '$a$' and the first '$c$'. Since $K \ge n$, any substring $vwx$ that contains both an '$a$' and a '$c$' must have a length of at least $K+2 \ge n+2$. This directly contradicts the fundamental condition (i) of the pumping lemma, which requires $|vwx| \le n$. Thus, this case is physically impossible.

大阪大学情報科学研究科情報工学 2014年8月実施ネットワーク

Author

KardeniaPoyu

Description

(1) ビット誤り率 (bit error rate) $p$ (ただし $0 < p < 1/2$) の 2 元対称通信路 (binary symmetric channel) における、2 元符号 $C = {00000, 11111}$ を用いた通信を考える。$C$ の各符号語は等確率で送信されるとする。

(1-1) 受信語における誤りの個数が 3 ビット、4 ビット、5 ビットになる確率を、それぞれ $p$ を用いて表せ。

(1-2) 最尤復号法 (maximum likelihood decoding) を用いて（すなわち、最大尤度基準に基づいて）復号した場合の、誤って復号する確率を、$p$ を用いて表せ。

(1-3) 限界距離復号法 (bounded distance decoding) を用いて復号することを考える。 (1-3-1) 限界距離 $d$ の最大値を求めよ。 (1-3-2) $p = 1/10$ とする。誤って復号する確率を $1/1000$ 以下に抑えつつ、正しく復号する確率を最大にするような限界距離 $d$ を求めよ。また、そのときの、正しく復号する確率を求めよ。計算過程も示すこと。

(2) IP (Internet Protocol) の経路制御 (routing) に関する以下の各小問に答えよ。

(2-1) 経路制御プロトコルに関する以下の説明文の空欄 $\boxed{\text{(あ)}} \sim \boxed{\text{(か)}}$ に当てはまる最も適切な語句を選択肢から選び、その番号を答えよ。なお、異なる空欄には異なる語句が当てはまる。

IP アドレス (IP address) が割り当てられたホスト (host) がルーター (router) を介して接続される IP ネットワークにおいて、ルーターが経路情報 (routing information) を管理する手法として、$\boxed{\text{(あ)}}$ と $\boxed{\text{(い)}}$ がある。$\boxed{\text{(あ)}}$ は、経路情報をネットワークの各ルーターに手動で設定する手法である。これに対し、$\boxed{\text{(い)}}$ は、経路制御プロトコル (routing protocol) を用いてルーターが経路情報を交換および収集し、経路を決定する手法であり、ホストやルーター等の機器の接続状況に変更が生じた際に経路情報が自動で更新される。インターネットの AS (Autonomous System) 内で用いられる経路制御プロトコルには、$\boxed{\text{(う)}}$ 型プロトコルである OSPF (Open Shortest Path First) や、$\boxed{\text{(え)}}$ 型プロトコルである RIP (Routing Information Protocol) がある。$\boxed{\text{(う)}}$ 型プロトコルは、$\boxed{\text{(え)}}$ 型プロトコルと比較して、$\boxed{\text{(お)}}$ などの利点がある。一方、AS 間で用いられる経路制御プロトコルとして $\boxed{\text{(か)}}$ がある。

選択肢


(a) IS-IS protocol	(b) コスト最小	(c) 距離ベクトル
(d) ブロードキャスト	(e) RSVP	(f) BGP
(g) IPIP	(h) スタティックルーティング	(i) 最適ルーティング
(j) リンクステート	(k) 交換情報量が少ない	(l) 経路収束時間が短い
(m) ダイナミック	(n) 経路計算量が少ない	(o) HTTP

(2-2) 図 1 に示す IP ネットワークの構成を考える（図省略）。図には、ホストの IP アドレスをドットアドレス表記で示している。また、# で示した番号はルーターのインターフェース番号である。クラスフルルーティング (classful routing) により経路情報を管理する場合に、ルーター A が保持する経路表 (routing table) を表 1 にならって示せ。経路表のエントリー数が最小となるように記載すること。ただし、ホスト間の経路は経由するルーター数が最小となるよう設定されるものとする。また、デフォルトゲートウェイは考えないものとし、図に記載のない IP アドレスに対する経路エントリーは保持しないものとする。必要に応じて、クラスフルルーティング (classful routing) とクラスレスルーティング (classless routing) に関する以下の説明文を参考にすること。

IPv4 アドレスの管理に関する説明

IPv4 における IP アドレス長は 32 ビットであるため、理論上約 40 億の機器に IP アドレスを割り当てることができるが、IP アドレス毎に経路情報を保持すると経路情報が肥大化する。そのため、IP アドレスをネットワークアドレス (network address) 部とホストアドレス (host address) 部に分割し、ネットワークアドレス部に対する経路情報を管理する方法が採られている。 IP の経路制御プロトコルが導入された当初は、ネットワークアドレス部の長さを固定とするアドレスクラス (address class) に基づいた経路制御プロトコルが用いられていた。例えば IP アドレスの最上位から 3 ビットを 110 とするアドレスクラス C の IP アドレスは、上位 24 ビットがネットワークアドレス部、下位 8 ビットはホストアドレス部と定められている。同様に、最上位ビットを 0 とするアドレスクラス A は上位 8 ビットがネットワークアドレス部であり、最上位ビットから 2 ビットを 10 とするアドレスクラス B は上位 16 ビットがネットワークアドレス部となる。このようなアドレス規則にもとづく経路制御をクラスフルルーティングと呼ぶ。最近ではアドレスクラスを撤廃し、サブネットマスク (subnet mask) を用いて指定される任意のネットワークアドレス部の長さにもとづいて経路を制御するクラスレスルーティングが導入されている。

図1

</div>

表 1：経路表 (Routing Table)

エントリー番号	宛先 IP アドレス	サブネットマスク	出力先のインターフェース
1	172.16.0.0	255.255.0.0	#1
2
3
4
5

(2-3) 図 1 の IP ネットワークのルーター B, ルーター C に新たにインターフェース #5 をそれぞれ追加し、ルーター B のインターフェース #5 に $H_B$ 台のホストを、ルーター C のインターフェース #5 に $H_C$ 台のホストを新たに接続することを考える。$H_B$ 台のホストに対して 192.130. で始まるアドレスクラス C のネットワークアドレスを新たに $N_B$ 個割り当てた。また、$H_C$ 台のホストに対しては、192.1. で始まるアドレスクラス C のネットワークアドレスを新たに $N_C$ 個割り当てた。この時、1) ホスト毎に経路表のエントリーを用意する場合、2) クラスフルルーティングを行う場合、3) クラスレスルーティングを行う場合のそれぞれについて、ルーター A が保持するホストに対する経路表の最小エントリー数を求めよ。必要に応じて $H_B, H_C, N_B, N_C$ を用いること。(2-2) と同様に、ホスト間の経路は経由するルーター数が最小となるよう設定されるものとする。また、デフォルトゲートウェイは考えないものとする。

(2-4) 図 1 のルーター C のインターフェース #1 とインターフェース #2 に対し、IP アドレス 192.168.130.1 宛のパケットが同時刻に到着する場合を考える。インターフェース #1 に到着するパケット X と、インターフェース #2 に到着するパケット Y の二つのパケットが同時刻に到着してから出力先のインターフェースから送り出されるまでに、ルーターが到着パケットに対して行う処理を簡潔に説明せよ。ただし、「経路表」、「バッファ」(buffer)、「競合回避」(contention resolution) の語句を用いて説明すること。

Kai

(1-1) 受信語における誤りの個数と確率

2元対称通信路（BSC）において、5ビット中それぞれ3ビット、4ビット、5ビットの誤りが生じる確率は、二項分布に従い以下のように表される。

3ビット誤る確率: $\binom{5}{3} p^3 (1-p)^2 = \mathbf{10p^3(1-p)^2}$
4ビット誤る確率: $\binom{5}{4} p^4 (1-p)^1 = \mathbf{5p^4(1-p)}$
5ビット誤る確率: $\binom{5}{5} p^5 (1-p)^0 = \mathbf{p^5}$

(1-2) 最尤復号法 (MLD) における誤り確率

最尤復号法（最大尤度基準）を用いる場合、受信語が多数決により判定されるため、5ビット中3ビット以上の誤りが発生した場合に誤って復号される。したがって、誤って復号する確率は (1-1) の和となる。 【解答】: $\mathbf{10p^3(1-p)^2 + 5p^4(1-p) + p^5}$

(1-3) 限界距離復号法 (BDD) の適用

(1-3-1) 限界距離 $d$ の最大値

2つの符号語 ${00000, 11111}$ 間のハミング距離は5である。限界距離を $d$ としたとき、異なる符号語の復号領域が重ならないための条件は $2d < 5$ である。$d$ は整数であるため、最大値は2となる。 【解答】: $\mathbf{2}$

(1-3-2) 条件を満たす最適限界距離 $d$ と正しい復号確率

$p = 1/10 = 0.1$ のとき、誤り確率を $1/1000 = 0.001$ 以下に抑える $d$ を求める。

$d=2$ の場合: 誤って復号する確率は3ビット以上の誤りが発生する確率に等しい。 $P_{error}(2) = 10(0.1)^3(0.9)^2 + 5(0.1)^4(0.9) + (0.1)^5 = 0.0081 + 0.00045 + 0.00001 = 0.00856$ $0.00856 > 0.001$ であり、条件を満たさない。
$d=1$ の場合: 誤って復号する確率は、$5-d = 4$ビット以上の誤りが発生する確率である。 $P_{error}(1) = 5(0.1)^4(0.9) + (0.1)^5 = 0.00045 + 0.00001 = 0.00046$ $0.00046 \le 0.001$ となり、条件を満たす。
正しく復号する確率 (計算過程): $d=1$ のとき、正しく復号されるのは誤りが0ビットまたは1ビットの場合である。 $P_{correct}(1) = \binom{5}{0}(0.1)^0(0.9)^5 + \binom{5}{1}(0.1)^1(0.9)^4$ $= (0.9)^5 + 5 \times 0.1 \times (0.9)^4 = 0.59049 + 0.32805 = 0.91854$

【解答】: 限界距離: $\mathbf{d = 1}$ 正しく復号する確率: $\mathbf{0.91854}$ （または分数で $\mathbf{\frac{45927}{50000}}$）

(2-1) 経路制御プロトコルに関する空欄補充

(あ): (h) スタティックルーティング (static routing)
(い): (m) ダイナミックルーティング (dynamic routing)
(う): (j) リンクステート (link state)
(え): (c) 距離ベクトル (distance vector)
(お): (l) 接続状況に変更が生じた際の経路収束時間が短い
(か): (f) BGP (Border Gateway Protocol)

(2-2) ルーターAが保持する経路表 (Routing Table)

クラスフルルーティングの規則に従い、各ホストのIPアドレスからネットワークアドレス部を抽出する。経路表のエントリー数を最小化し、経由ルーター数が最小となる経路を選択すると、経路表は以下のようになる。

宛先ネットワークアドレス (Destination Network)	出力インターフェース (Output Interface)
10.0.0.0	#3
172.16.0.0	#1
192.128.128.0	#2
192.129.129.0	#2
192.168.130.0	#3

(2-3) 経路方式に応じた経路表の最小エントリー数

ルーターAが保持する、新たに接続されたホスト群（B側に $H_B$ 台 / $N_B$ ネットワーク、C側に $H_C$ 台 / $N_C$ ネットワーク）に対する経路表の追加最小エントリー数は以下の通りである。

ホスト毎に経路表のエントリーを用意する場合 (Host Routing): 【解答】: $\mathbf{H_B + H_C}$
クラスフルルーティングを行う場合 (Classful Routing): 【解答】: $\mathbf{N_B + N_C}$
クラスレスルーティングを行う場合 (Classless Routing / CIDR): 出力先（インターフェース #2 と #3）ごとに1つのスーパーネットに集約可能であるため。 【解答】: $\mathbf{2}$

(2-4) ルーター内部のパケット処理と競合回避

【解答】 ルーターCは、到着したパケットXとYの宛先IPアドレスを確認し、経路表を参照して両パケットの出力先が同一のインターフェース（#3）であると判断する。同時に出力するとパケットが衝突するため、ルーターはこの競合回避を行う目的で、パケットを一時的に内部のバッファ（メモリ）に蓄積して順番待ちのキューを形成し、一つずつ出力インターフェースから送り出す処理を行う。

[English Translation for (2-4)] Router C examines the destination IP addresses of the arriving packets X and Y, and references its routing table (経路表) to determine that both packets are destined for the exact same output interface. Since simultaneous transmission would cause a collision, the router performs contention resolution (競合回避) by temporarily storing the packets in its internal buffer (バッファ) to form a queue, and then sequentially transmits them out of the output interface one by one.

:::note

模块一：路由的基础分类（绝对反义词）

(h) スタティックルーティング (Static Routing / 静态路由)
- 核心考点： 手動設定 (Manual configuration)。网络管理员手动在路由器上敲代码配置的固定路线。
- 优缺点： 优点是安全、不占用网络带宽资源（因为路由器之间不发报文）；缺点是死板，一旦网断了，它不会自己绕路，必须人工排查。通常用于小型网络或末端网络（Stub Network）。
(m) ダイナミックルーティング (Dynamic Routing / 动态路由)
- 核心考点： 自動更新 (Automatic update)。路由器之间通过特定的“语言（路由协议）”互相交流，自动学习网络拓扑并计算路线。
- 优缺点： 优点是极其灵活，断网瞬间自动计算备用路线；缺点是消耗 CPU、内存，且协议报文会占用一定带宽。

模块二：动态路由的“两大核心算法”（必考对比）

(c) 距離ベクトル (Distance Vector / 距离矢量算法)
- 代表协议： RIP (Routing Information Protocol)。
- 核心原理： “盲人摸象”。只知道“距离（跳数 Hop Count）”和“方向（下一跳给谁）”。路由器只把自己的路由表发给相邻的兄弟。
- 致命弱点： 容易产生“路由环路（Routing Loop / 计数到无穷大）”，且收敛极慢。
(j) リンクステート (Link State / 链路状态算法)
- 代表协议： OSPF (Open Shortest Path First)。
- 核心原理： “上帝视角”。每个路由器都向全网广播自己的连接状态（LSA），所有路由器在内存里画出一模一样的全网拓扑地图（LSDB），然后各自用 Dijkstra 算法算出最短路径。

模块三：算法特征描述（专治优缺点辨析题）

这三个选项通常作为评价距离矢量（RIP）和链路状态（OSPF）的对比项出现：

(l) 接続状況に変更が生じた際の経路収束時間が短い (网络状态改变时，路由收敛时间短)
- 归属： 这是 OSPF（链路状态算法） 的最大优点。
- 解析： “収束 (Convergence)”是指网络发生故障后，所有路由器重新达成共识的时间。OSPF 因为有全局地图，算得快，收敛极快。
(n) 経路計算量が少ない (路由计算量少)
- 归属： 这是 RIP（距离矢量算法） 的优点。
- 解析： RIP 只需要做简单的加法（跳数 + 1），不需要跑复杂的图论算法，对路由器的 CPU 和内存要求极低。
(k) プロトコルで交換される情報量が少ない (协议交换的信息量少)
- 归属： 这通常也被视为 RIP 在稳定状态下相对于 OSPF 初始状态的特征（但现代 OSPF 稳定后增量更新其实也很少，考试中主要作为 RIP 的轻量级特征或干扰项）。

模块四：具体路由协议与相关概念

(f) BGP (Border Gateway Protocol / 边界网关协议)
- 核心考点： AS間 (Inter-AS)。它是互联网的基石，是目前唯一广泛使用的 EGP（外部网关协议）。它基于“路径矢量 (Path Vector)”，不追求物理距离最短，而是基于**商业策略（Policy-based routing）**来决定怎么走。
(a) IS-IS protocol (Intermediate System to Intermediate System)
- 核心考点： 和 OSPF 极度相似的链路状态 (Link State) 协议。
- 区别： OSPF 必须绑定在 IP 协议上运行，而 IS-IS 运行在数据链路层之上（OSI 网络层），不依赖 IP。常用于大型 ISP（互联网服务提供商）的骨干网。
(b) コスト最小 (Cost-minimized / 最小代价)
- 核心考点： OSPF 计算最短路径时使用的度量值（Metric）叫做“Cost（开销）”。通常带宽越大的链路，Cost 越小（Cost = 参考带宽 / 实际带宽）。算法会选择累加 Cost 最小的路径。
(i) 最適ルーティング (Optimal Routing / 最优路由)
- 解析： 这是一个泛指的学术概念，指在数学模型上找到的绝对最优解。在实际工程中，协议往往只能做到“次优”或“策略最优”，常作为干扰项出现。

模块五：其他网络技术与干扰项（非路由核心）

(d) ブロードキャスト (Broadcast / 广播)
- 解析： 将数据包发送给同一子网内的所有主机（目标 IP 通常全为 1，MAC 地址全为 F）。ARP 协议、DHCP 协议都强烈依赖广播。
(e) RSVP (Resource reSerVation Protocol / 资源预留协议)
- 解析： 属于 QoS（服务质量）领域的协议。用于在网络上“占座”。比如开跨国视频会议前，先用 RSVP 在沿途路由器上强行预留出 10Mbps 的带宽，保证视频绝对不卡。
(g) IPIP (IP-within-IP encapsulation protocol / IP封装协议)
- 解析： 这是一种隧道技术 (Tunneling)。把一个完整的 IP 数据包，硬塞进另一个 IP 数据包的负载里（俄罗斯套娃）。常用于 VPN、移动 IP 或 IPv6 过渡技术中。
(o) HTTP (Hyper Text Transfer Protocol / 超文本传输协议)
- 解析： 纯纯的送分干扰项。这是应用层（Application Layer）看网页用的协议，跟网络层（Network Layer）的路由器如何指路毫无关系。

复习建议： 在脑海中建立这个层级树： 路由 $\rightarrow$ 静态 (h) vs 动态 (m) 动态 $\rightarrow$ IGP (AS内部) vs EGP (AS之间: f BGP) IGP $\rightarrow$ 距离矢量 (c RIP, 特点 k, n) vs 链路状态 (j OSPF, a IS-IS, 特点 l, 算 b Cost) :::

Amazing Proofs in Calculation and Linear Algebra

Mon, 27 Apr 2026 12:45:01 GMT

线性代数核心矩阵性质总结

1. 实对称矩阵的谱性质 (Spectral Properties of Real Symmetric Matrices)

谱定理 (Spectral Theorem) 是线性代数的核心结论：若 $A \in \mathbb{R}^{n \times n}$ 且 $A = A^T$，则其特征值全为实数，且属于不同特征值的特征向量相互正交。

1.1 特征值的实数性证明

设 $A$ 为实对称矩阵，满足 $Ax = \lambda x$ ($x \neq 0$)。考虑到特征值 $\lambda$ 和特征向量 $x$ 可能为复数：

左乘共轭转置： $$\bar{x}^T A x = \lambda \bar{x}^T x \quad \dots \text{(1)}$$
对原式取共轭转置： 由于 $A$ 是实对称矩阵，则 $A^H = \overline{A}^T = A^T = A$。 $$(Ax)^H = (\lambda x)^H \implies \bar{x}^T A^H = \bar{\lambda} \bar{x}^T \implies \bar{x}^T A = \bar{\lambda} \bar{x}^T$$
右乘 $x$： $$\bar{x}^T A x = \bar{\lambda} \bar{x}^T x \quad \dots \text{(2)}$$
联立 (1) 与 (2)： $$\lambda \bar{x}^T x = \bar{\lambda} \bar{x}^T x$$ 由于 $\bar{x}^T x = |x|^2 > 0$，可约去得： $$\lambda = \bar{\lambda}$$

结论： 特征值 $\lambda$ 等于其共轭，故 $\lambda$ 必为实数。

1.2 特征向量的正交性证明

设 $Ax = \lambda_1 x$，$Ay = \lambda_2 y$，且 $\lambda_1 \neq \lambda_2$：

构造等式： $$\lambda_1 x^T y = (Ax)^T y = x^T A^T y$$
利用对称性： 由于 $A^T = A$，则： $$x^T A^T y = x^T (Ay) = x^T (\lambda_2 y) = \lambda_2 x^T y$$
得出关系： $$\lambda_1 x^T y = \lambda_2 x^T y \implies (\lambda_1 - \lambda_2) x^T y = 0$$

结论： 由于 $\lambda_1 \neq \lambda_2$，必有 $x^T y = 0$，即特征向量相互正交。

2. 正定矩阵的特征值性质 (Positive Definite Matrices)

2.1 定义

若对称矩阵 $A$ 满足对于任意 $x \neq 0$，均有： $$x^T A x > 0$$ 则称 $A$ 为正定矩阵。

2.2 特征值推导

设 $\lambda$ 为 $A$ 的特征值，则 $Ax = \lambda x$。代入定义式： $$x^T A x = x^T (\lambda x) = \lambda (x^T x) = \lambda |x|^2$$ 由于正定定义要求 $x^T A x > 0$ 且已知 $|x|^2 > 0$： $$\lambda = \frac{x^T A x}{|x|^2} > 0$$

结论： 正定矩阵的所有特征值均严格大于 0。

3. 马尔可夫矩阵的特征值性质 (Markov Matrices)

3.1 定义

马尔可夫矩阵（列随机矩阵）满足：

所有元素非负：$m_{ij} \ge 0$。
每一列元素之和为 1：$\sum_{i=1}^n m_{ij} = 1$。

3.2 存在特征值 $\lambda = 1$ 的证明

定义全 1 向量 $\mathbf{1} = [1, 1, \dots, 1]^T$。
根据列和为 1 的性质，有： $$\mathbf{1}^T A = \mathbf{1}^T$$
取转置得： $$A^T \mathbf{1} = \mathbf{1}$$ 这表明 $\mathbf{1}$ 是 $A^T$ 对应于特征值 1 的特征向量。
由于 $A$ 与 $A^T$ 具有相同的特征值。

结论： 马尔可夫矩阵必有特征值 $\lambda = 1$。

3.3 特征值范围 $|\lambda| \le 1$

若存在 $|\lambda| > 1$，考虑幂次迭代 $A^n x = \lambda^n x$：

当 $n \to \infty$ 时，$\lambda^n \to \infty$。
然而，马尔可夫过程代表概率分布的演变，概率向量的元素之和始终受限于 1，矩阵的范数受到约束，不可能发散。
更严谨的证明可使用 格尔什戈林圆盘定理 (Gershgorin Circle Theorem)。

3.4 物理意义与收敛性

$\lambda = 1$： 对应系统的稳态 (Steady State)。
$|\lambda| < 1$： 对应过程中的衰减项。
长期行为： 随着时间推移（矩阵幂运算），非稳态成分逐渐消失： $$A^n x_0 \to v_{\text{steady}}$$ 结论： 系统最终会收敛到 $\lambda=1$ 对应的特征向量方向。

微积分极限总结

多项式基础极限

在微积分里有一个基础极限：对任意多项式 $P(n)$，$\lim_{n \to \infty} \sqrt[n]{P(n)} = 1$。这是一个非常经典的数学分析结论：对于任意最高次项系数为正的多项式 $P(n)$，其 $n$ 次根的极限为 $1$，即：

$$ \lim_{n \to \infty} \sqrt[n]{P(n)} = 1 $$

要证明这个结论，主要有两种常见且严谨的方法：一种是利用夹逼定理（Squeeze Theorem），这更体现分析学中的放缩思想；另一种是通过取对数并使用洛必达法则（L'Hôpital's Rule），这种方法计算上非常直观。

方法一：夹逼定理（结合多项式的渐进性质）

设多项式 $P(n)$ 的阶数为 $k$，其标准形式为： $$ P(n) = a_k n^k + a_{k-1} n^{k-1} + \dots + a_1 n + a_0 $$ 其中 $a_k > 0$（这是为了保证当 $n$ 足够大时，能确保 $P(n) > 0$）。

1. 提取主部： 当 $n \to \infty$ 时，多项式的值完全由其最高次项 $a_k n^k$ 决定。我们可以将 $P(n)$ 写成： $$ P(n) = n^k \left( a_k + \frac{a_{k-1}}{n} + \dots + \frac{a_0}{n^k} \right) $$

2. 构造放缩： 因为括号内的极限为 $a_k$，所以当 $n$ 足够大时，括号内的值必定介于 $\frac{a_k}{2}$ 和 $2a_k$ 之间。因此我们可以得到不等式： $$ \frac{a_k}{2} n^k \le P(n) \le 2a_k n^k $$

3. 取 $n$ 次方根并求极限： 对不等式三边同时取 $n$ 次方根： $$ \sqrt[n]{\frac{a_k}{2}} \cdot (\sqrt[n]{n})^k \le \sqrt[n]{P(n)} \le \sqrt[n]{2a_k} \cdot (\sqrt[n]{n})^k $$

这里我们需要用到两个已知的基础极限：

常数的 $n$ 次根极限为 $1$：$\lim_{n \to \infty} \sqrt[n]{C} = 1$ （当 $C>0$ 时）
$n$ 的 $n$ 次根极限为 $1$：$\lim_{n \to \infty} \sqrt[n]{n} = 1$

将这两个基础极限代入不等式两端：

左端极限：$1 \cdot 1^k = 1$
右端极限：$1 \cdot 1^k = 1$

根据夹逼定理，两端极限都趋于 $1$，因此中间项的极限必定也为 $1$： $$ \lim_{n \to \infty} \sqrt[n]{P(n)} = 1 $$

方法二：取对数与洛必达法则

如果你想用微积分的工具直接硬算，可以通过取对数将幂指函数转化为分式。

令 $L = \lim_{n \to \infty} (P(n))^{\frac{1}{n}}$，对等式两边取自然对数： $$ \ln L = \lim_{n \to \infty} \ln \left( (P(n))^{\frac{1}{n}} \right) = \lim_{n \to \infty} \frac{\ln(P(n))}{n} $$

此时，随着 $n \to \infty$，分子 $\ln(P(n)) \to \infty$，分母 $n \to \infty$，这是一个标准的 $\frac{\infty}{\infty}$ 型未定式。我们可以对连续变量 $x$ 使用洛必达法则（将 $n$ 替换为实数 $x$）：

$$ \lim_{x \to \infty} \frac{\ln(P(x))}{x} \overset{\text{L'H}}{=} \lim_{x \to \infty} \frac{ \frac{d}{dx} \ln(P(x)) }{ \frac{d}{dx} x } = \lim_{x \to \infty} \frac{ \frac{P'(x)}{P(x)} }{ 1 } = \lim_{x \to \infty} \frac{P'(x)}{P(x)} $$

已知 $P(x)$ 是 $k$ 次多项式，那么其导数 $P'(x)$ 必然是一个 $k-1$ 次多项式。在求极限 $\lim_{x \to \infty} \frac{P'(x)}{P(x)}$ 时，分母的阶数 $k$ 严格大于分子的阶数 $k-1$。

因此，这个分式的极限毫无疑问是 $0$： $$ \lim_{x \to \infty} \frac{P'(x)}{P(x)} = 0 $$

所以我们得到 $\ln L = 0$。最后解出 $L$： $$ L = e^0 = 1 $$

牛顿广义二项式展开定理

寺田微积分第14页例题 A(1) 证明的是**“牛顿广义二项式展开定理”**。

这道题是很多初学者的“噩梦”，因为书本在这里跳过了一大段极其核心的代数推导。书上轻描淡写地写了一句 “このことから $(1+x)f'(x) = \alpha f(x)$ が示される（由此可证...）”，很多同学在这里卡了半天不知道是怎么“由此”得出来的。

我们分四个阶段来完美攻克这道题：

阶段一：明确目标与构造函数

我们要证明公式：$(1+x)^\alpha = \sum_{n=0}^{\infty} \binom{\alpha}{n} x^n$ （当 $|x|<1$ 时成立）。

这里 $\alpha$ 可以是任何实数（比如 $\frac{1}{2}, -3$）。
$\binom{\alpha}{n}$ 是广义组合数，定义为：$\binom{\alpha}{n} = \frac{\alpha(\alpha-1)\cdots(\alpha-n+1)}{n!}$ （当 $n=0$ 时，$\binom{\alpha}{0} = 1$）。

作者的思路是： 先不要管等号左边，我们直接把右边这串无穷级数定义为一个新的函数： $$f(x) = \sum_{n=0}^{\infty} \binom{\alpha}{n} x^n \quad (|x| < 1)$$ 现在的任务变成了：我要想办法证明这个 $f(x)$，它就等于 $(1+x)^\alpha$。

阶段二：填补书本的“隐藏步骤” （全题最难点🔥）

根据定理 A，整级数在收敛域内可以逐项求导。我们对 $f(x)$ 求导： $$f'(x) = \sum_{n=1}^{\infty} \binom{\alpha}{n} n x^{n-1}$$ (注意：常数项 $n=0$ 时求导变成0，所以求和从 $n=1$ 开始)

接下来，我们要硬算出 $(1+x)f'(x)$ 到底等于什么。展开它：$(1+x)f'(x) = f'(x) + xf'(x)$。我们把这两部分分别写出来：

第一部分 $f'(x)$： 为了方便等会儿相加，我们做一个“变量替换”。令 $m = n-1$（即 $n = m+1$），那么当 $n$ 从 $1$ 开始时，$m$ 就从 $0$ 开始： $$ f'(x) = \sum_{m=0}^{\infty} (m+1) \binom{\alpha}{m+1} x^m $$
第二部分 $x \cdot f'(x)$： 把 $x$ 乘进去，刚好把 $x^{n-1}$ 补成了 $x^n$： $$ xf'(x) = x \sum_{n=1}^{\infty} n \binom{\alpha}{n} x^{n-1} = \sum_{n=1}^{\infty} n \binom{\alpha}{n} x^n $$ 为了和上面对齐，我们把下标的字母 $n$ 改写成 $m$。并且因为当 $m=0$ 时这一项的值刚好是0，所以我们也可以放心地让它从 $m=0$ 开始求和： $$ xf'(x) = \sum_{m=0}^{\infty} m \binom{\alpha}{m} x^m $$
把这两部分加起来： $$(1+x)f'(x) = \sum_{m=0}^{\infty} \left[ \textcolor{red}{(m+1) \binom{\alpha}{m+1}} + \textcolor{blue}{m \binom{\alpha}{m}} \right] x^m$$
魔法化简（拆解红色部分）： 利用广义组合数的定义，我们来拆解红色部分： $$(m+1) \binom{\alpha}{m+1} = (m+1) \frac{\alpha(\alpha-1)\cdots(\alpha-m)}{(m+1)!}$$ 分母的 $(m+1)! = (m+1) \times m!$，所以前面的 $(m+1)$ 刚好和分母约掉！ $$= \frac{\alpha(\alpha-1)\cdots(\alpha-m+1) \cdot (\alpha-m)}{m!}$$ 你仔细看前面这一大坨 $\frac{\alpha(\alpha-1)\cdots(\alpha-m+1)}{m!}$，这不就是 $\binom{\alpha}{m}$ 吗？所以红色部分等于：$(\alpha - m) \binom{\alpha}{m} = \alpha \binom{\alpha}{m} - m \binom{\alpha}{m}$
见证奇迹的时刻： 把化简后的红色部分代回第3步的方括号里：中括号 $= \left[ \alpha \binom{\alpha}{m} - m \binom{\alpha}{m} \right] + \textcolor{blue}{m \binom{\alpha}{m}} = \alpha \binom{\alpha}{m}$ 负的 $m$ 和正的 $m$ 完美抵消了！

所以，相加的结果变成了： $$(1+x)f'(x) = \sum_{m=0}^{\infty} \alpha \binom{\alpha}{m} x^m = \alpha \sum_{m=0}^{\infty} \binom{\alpha}{m} x^m = \mathbf{\alpha f(x)}$$ (这就把书上那句“このことから...が示される”背后的全过程补齐了！)

阶段三：巧妙构造“验证函数”

我们现在手里握着一个极其重要的武器（微分方程）：$(1+x)f'(x) = \alpha f(x)$。

作者非常聪明，为了证明 $f(x)$ 和 $(1+x)^\alpha$ 是同一个东西，他构造了一个分数（设它为 $F(x)$）： $$F(x) = \frac{f(x)}{(1+x)^\alpha}$$ 思路是：如果我能证明这个分数的导数是 0，那就说明这个分数是个常数！

我们用商的求导法则 $\left( \frac{u}{v} \right)' = \frac{u'v - uv'}{v^2}$ 来对它求导： $$ F'(x) = \frac{f'(x) \cdot (1+x)^\alpha - f(x) \cdot \alpha(1+x)^{\alpha-1}}{[(1+x)^\alpha]^2} $$

观察分子，我们可以提取出一个公因式 $(1+x)^{\alpha-1}$： $$ \text{分子} = (1+x)^{\alpha-1} \cdot[\mathbf{f'(x)(1+x)} - \mathbf{\alpha f(x)}] $$

注意看中括号里的东西！根据我们在“阶段二”拼死拼活证出来的结论，$(1+x)f'(x)$ 就等于 $\alpha f(x)$！所以：中括号 $= \alpha f(x) - \alpha f(x) = \mathbf{0}$。

既然分子是 0，那么导数 $F'(x) = 0$。

阶段四：收官求常数

微积分基本常识：一个函数的导数恒为 0，意味着这个函数是一条水平的直线，也就是一个常数 $C$。 所以： $$\frac{f(x)}{(1+x)^\alpha} = C$$

怎么求这个 $C$ 是多少呢？最简单的办法就是代入一个最好算的 $x$ 值，比如 $x = 0$。

分母：$(1+0)^\alpha = 1^\alpha = 1$。
分子：$f(0)$ 是级数 $\sum \binom{\alpha}{n} x^n$ 在 $x=0$ 时的值。当 $x=0$ 时，除了 $n=0$ 的常数项外，后面所有的 $x, x^2, x^3\dots$ 全变成0了。所以 $f(0) = \binom{\alpha}{0} \cdot 0^0 = 1 \cdot 1 = 1$。

把 $x=0$ 代入进去： $$\frac{f(0)}{(1+0)^\alpha} = \frac{1}{1} = 1 \implies \mathbf{C = 1}$$

既然常数 $C=1$，我们把分母乘过去： $$\frac{f(x)}{(1+x)^\alpha} = 1 \implies \mathbf{f(x) = (1+x)^\alpha}$$

**【最终结论】**我们一开始假设的那个拖着长长尾巴的级数 $f(x)$，完完全全、严丝合缝地等于 $(1+x)^\alpha$！证明完毕！

复盘

这道证明题之所以经典，是因为它展现了高等数学里极其高级的**“逆向思维”**：遇到不知道怎么展开的东西，先假装它是个级数 $f(x)$ $\implies$ 找 $f(x)$ 的导数规律 $\implies$ 凑出一个导数为 0 的分式 $\implies$ 锁定它是个常数。

为了理解该证明，我们还需要补充一些组合数学的背景知识：

1. 从“狭义组合数”到“下降阶乘幂”

在高中和本科初阶，我们学的组合数 $\binom{n}{k}$（国内常写成 $C_n^k$）代表“从 $n$ 个不同元素中挑出 $k$ 个的方案数”。它的计算公式是： $$ \binom{n}{k} = \frac{n!}{k!(n-k)!} $$

但这个公式有一个致命弱点：阶乘（$n!$）只对非负整数有意义。如果 $n$ 是 $0.5$ 或者 $-3$，这个公式直接就崩溃了。

为了突破这个限制，我们需要换一种写法。把分子展开并和分母的 $(n-k)!$ 约分： $$ \binom{n}{k} = \frac{n(n-1)(n-2) \cdots (n-k+1)}{k!} $$

分子的这一串乘积：从 $n$ 开始，每次减 1，一共乘了 $k$ 项。在组合数学中，这被称为下降阶乘幂（Falling Factorial）。这种写法的美妙之处在于：它完全不要求 $n$ 必须是整数！ 只要 $k$ 还是个正整数（因为我们要算求导的项数），处于顶部的 $n$ 可以是任何实数。

2. 牛顿的破局：广义组合数

基于上面的观察，牛顿直接把顶部换成了任意实数 $\alpha$，定义出了广义组合数： $$ \binom{\alpha}{n} = \frac{\alpha(\alpha-1) \cdots (\alpha-n+1)}{n!} $$ (规定当 $n=0$ 时，该值为 1)

为了让读者有具体的实感，我们代入 $\alpha = \frac{1}{2}$ 来算几项：

当 $n=1$ 时：$\binom{1/2}{1} = \frac{1/2}{1!} = \frac{1}{2}$
当 $n=2$ 时：$\binom{1/2}{2} = \frac{(1/2) \cdot (1/2 - 1)}{2!} = \frac{(1/2) \cdot (-1/2)}{2} = -\frac{1}{8}$

如果对 $\sqrt{1+x}$（即 $(1+x)^{1/2}$）进行泰勒展开，会发现它前两项的系数正好就是 $\frac{1}{2}$ 和 $-\frac{1}{8}$。广义组合数完美地把任意次幂的泰勒展开系数统一在了一个极其优雅的符号之下。

3. 证明中用到的终极武器：“吸收恒等式”

在上面的推导“阶段二”中，有一个红色的化简步骤堪称全场最佳： $$ (m+1) \binom{\alpha}{m+1} = (\alpha - m) \binom{\alpha}{m} $$

很多同学死记硬背这个步骤，但其实它是组合数学中**“吸收恒等式（Absorption Identity）”**的广义版本。我们用广义组合数的定义来把它彻底拆解：

等式左边的展开是： $$ (m+1) \cdot \frac{\alpha(\alpha-1) \cdots (\alpha-m+1)(\alpha-m)}{(m+1)!} $$

因为分母 $(m+1)! = (m+1) \times m!$，所以前面的常数 $(m+1)$ 刚好可以把分母里的 $(m+1)$ 给**“吸收”**（约掉）： $$ = \frac{\alpha(\alpha-1) \cdots (\alpha-m+1)(\alpha-m)}{m!} $$

接下来，我们把分子最后面的那一项 $(\alpha-m)$ 单独拎出来，放在最前面： $$ = (\alpha-m) \cdot \left[ \frac{\alpha(\alpha-1) \cdots (\alpha-m+1)}{m!} \right] $$

仔细看方括号里的部分，它从 $\alpha$ 乘到 $(\alpha-m+1)$，一共 $m$ 项，底下是 $m!$。这不正是广义组合数 $\binom{\alpha}{m}$ 的定义吗！所以它等于： $$ (\alpha-m) \binom{\alpha}{m} $$

这就是为什么在推导时，可以用这个恒等式把 $(m+1)$ 和底下的阶乘约掉，从而实现前后两项 $m$ 的完美抵消。

掌握了这三点，那个极其复杂的系数推导其实就是一层窗户纸，核心全在那个展开的 $(m+1)!$ 上。

关于这个广义二项式展开，它还有一个严格的前提条件是 $|x| < 1$。

--- To Be Continued -> ---

Osaka University IST Graduate Entrance Exam (2016)

Sun, 26 Apr 2026 17:45:00 GMT

大阪大学情報科学研究科情報工学 2015年8月実施アルゴリズムとプログラミング

Author

KardeniaPoyu

Description

図に示す ANSI-C 準拠である C 言語のプログラム (program) は、配列 (array) values の要素 (element) に格納された非負整数 (non negative integer) のデータ (data) を、$r$ 進数 ($r$-base number) ($2 \le r \le 256$) とみなして整列 (sort) し、出力 (output) するプログラムである。以下の各問に答えよ。

(1) プログラムの 10～26 行目の for 文の処理において 1 巡目 ($d=1$ のとき) および 2 巡目 ($d=2$ のとき) の終了時における配列 buckets の内容を答えよ。なお、配列の各要素は 0 で初期化される。配列の各要素 buckets[x][y] において、$x$ は 3 以上の値、$y$ は 5 以上の値を取りうるが、これらの内容については答えなくてよい。

(2) プログラムで実現されている整列アルゴリズム (sorting algorithm) に関する以下の各小問に答えよ。

(2-1) この整列アルゴリズムは、一般に何と呼ばれているか名称を答えよ。
(2-2) 整列対象のすべてのデータを $r$ 進数で表現したときの最大の桁数を $k$ 、データの数を $n$ としたとき、時間計算量のオーダー表記を理由とともに答えよ。
(2-3) このアルゴリズムでは、どのような工夫によってデータ同士の比較を伴わない整列を可能にしているか答えよ。
(2-4) 比較を伴う整列アルゴリズムと比較して、本アルゴリズムの特徴を時間計算量および空間計算量の観点から答えよ。

(3) 配列 values の要素に格納されたデータを降順 (descending order) に整列するようにプログラムを変更したい。そのために下線（ア）および下線（イ）をどのように記述すればよいか、適切な式を答えよ。

#include <stdio.h>
#define MAXR 256
#define MAXN 1000

void sort(int values[], int numvalues, int r, int maxdigit){
    int rd, d, b, i, n, j;
    int buckets[MAXR][MAXN];
    int numbucket[MAXR];

    rd = 1;
    for (d = 1; d <= maxdigit; d++){
        for (b = 0; b < r; b++){
            numbucket[b] = 0;
        }
        for (i = 0; i < numvalues; i++){
            n = (values[i] / rd) % r;
            buckets[n][numbucket[n]++] = values[i];
        }

        i = 0;
        for (b = 0; 
             /* 下線(ア) */
             b < r; b++){
            for (j = 0; j < numbucket[b]; j++){
                /* 下線(イ) */
                values[i++] = buckets[b][j];
            }
        }
        rd *= r;
    }
}

int main(){
    int i;
    int values[5] = {12, 21, 1, 11, 2}; 
    sort(values, 5, 10, 2);             
    for(i = 0; i < 5; i++){
        printf("%d\n", values[i]);      
    }
    return 0;
}

<div align="center"> 図プログラム </div>

Kai

(1)

1 巡目 ($d=1$) 終了時： 下位 1 桁目（1の位）に基づき buckets[n][y] に格納される。対象データは {12, 21, 1, 11, 2}。

x=0: なし
x=1: buckets[1][0]=21, buckets[1][1]=1, buckets[1][2]=11
x=2: buckets[2][0]=12, buckets[2][1]=2

2 巡目 ($d=2$) 終了時： 1 巡目終了後の values は {21, 1, 11, 12, 2} となる。これを 2 桁目（10の位）に基づき格納する。

x=0: buckets[0][0]=1, buckets[0][1]=2
x=1: buckets[1][0]=11, buckets[1][1]=12
x=2: buckets[2][0]=21

(2)

(2-1) 基数整列 (Radix Sort)
(2-2) $O(k(n+r))$。各桁において $n$ 個のデータをバケツに入れ、その後 $r$ 個のバケツを走査してデータを回収する操作を、$k$ 回繰り返すため。 English: For each of the $k$ digits, the algorithm distributes the $n$ elements into their corresponding buckets and subsequently scans the $r$ buckets to collect the elements. This single pass takes $O(n+r)$ time, and the process is repeated $k$ times.
(2-3) データの数値を基数に基づいた添字（インデックス）として利用し、バケツ（配列）の該当箇所に直接配置することで、値の大小比較を行わずに順序を決定している。 English: It determines the sorting order without performing direct value comparisons between elements. Instead, it utilizes the numerical values of the data at a specific radix as array indices to directly place the elements into their corresponding buckets
(2-4)
- 时间计算量：比较ソートの下限 $O(n \log n)$ に関わらず、桁数 $k$ が小さければ $O(n)$ に近い線形時間で動作する。 English: Unlike comparison-based sorting algorithms, which are bounded by a lower limit of $O(n \log n)$, Radix Sort can operate in near-linear time $O(n)$ provided that the number of digits $k$ is small or treated as a constant.
- 空间计算量：バケツを保持するための大きなメモリ領域（このプログラムでは MAXR * MAXN）を必要とするため、比较ソートよりも効率が悪い。 English: It is less space-efficient than typical comparison-based sorts because it requires a substantially large auxiliary memory space to maintain the buckets (in this program, an array of size MAXR * MAXN).

(3)

降顺にするためには、バケツからデータを取り出す際にインデックスの大きい方から走査する。

(ア) b = r - 1; b >= 0; b--
(イ) values[i++] = buckets[b][j]（変更なし）

Summary

参考视频

</div>

大阪大学情報科学研究科情報工学 2015年8月実施計算機システムとシステムプログラム

Author

KardeniaPoyu

Description

(1) 計算機 (computer), 特に, 中央処理装置 (CPU: central processing unit) に関する以下の各小問に答えよ. 解答は全て解答用紙の太線内に書くこと.

(1-1) 以下の文章の空欄 (a)～(e) に当てはまる最も適切な語句を, 下記の選択肢から選び, 記号で答えよ.

計算機の構成方式のことを [ (a) ] と呼ぶ. 現在, 実用的に利用されている大部分の計算機は, 線形アドレス空間 (linear address space) を有するメインメモリ (main memory) 上にプログラム (program) 及びデータ (data) を置き, プログラムを逐次実行する, 等の [ (a) ] を採用している. このような計算機は, [ (b) ] 計算機と呼ばれる．

[ (b) ] 計算機では, [ (c) ] が示すメインメモリアドレスから, プログラムの構成要素である機械語命令を読み出し, これをデコード (decode) して実行する. 機械語命令は, その種類を示す [ (d) ] 部と, 演算対象のデータである [ (e) ] の格納場所を示すアドレス部から成る.

【選択肢】


(ア) データフロー型 (dataflow architecture)	(イ) オペコード (operation code, opcode)	(ウ) プログラムカウンタ (program counter)
(エ) アーキテクチャ (architecture)	(オ) VLIW (very long instruction word)	(カ) オペランド (operand)
(キ) 命令レジスタ (instruction register)	(ク) メモリデータレジスタ (memory data register)	(ケ) スーパースカラ (superscalar)
(コ) ノイマン型 (von Neumann architecture)

(1-2) 一つの機械語命令 (以下, 命令と略す) の処理を $n$ 段のステージ (stage) に分け, 1 ステージを 1 クロックサイクル (clock cycle) で実行する同期型 CPU を考える. クロック周波数を $f$ [Hz] とする. 以下の (1-2-1)～(1-2-4) に答えよ.

(1-2-1) $m$ 個の命令をパイプライン (pipeline) 処理を用いずに逐次的に実行する場合の実行時間 [s] を示せ.
(1-2-2) $m$ 個の命令をパイプライン処理を用いて実行する場合の実行時間 [s] を示せ. 但し, パイプラインストール (pipeline stall) は無いものとする.
(1-2-3) $m$ 個の命令をパイプライン処理を用いて実行する場合の単位時間あたりの命令実行数 [instructions/s] について, $m \to \infty$ における極限を示せ. 但し, パイプラインストールは無いものとする.
(1-2-4) パイプライン処理を用いた CPU の性能 (単位時間あたりの命令実行数) を高める手法の一つとして, ステージ数 $n$ を増やす方法がある. この方法により CPU の性能を高めることが可能である理由を説明せよ.

(1-3) 一つの機械語命令 (以下, 命令と略す) の処理を, 命令フェッチ (IF: instruction fetch), デコード (D: decode), オペランドフェッチ (OF: operand fetch), 実行 (EX: execution), 結果の格納 (S: store) の 5 つのステージに分け, 1 ステージ 1 クロックサイクルのパイプライン処理を用いた同期型 CPU において, 以下の (1-3-1) および (1-3-2) に示す命令 1～3 を実行することを考える. 解答欄の命令 1 の例を参考に, 実行されるステージ名 "IF", "D", "OF", "EX", "S" を解答欄に記入せよ. パイプラインストールにより完了までに複数クロックサイクルが必要なステージは, 完了するクロックサイクルにステージ名を, それ以外のクロックサイクルに "-" を記入すること. なお, 以下の点を仮定する.

パイプラインストールの原因としては, 構造ハザード (structural hazard) およびデータハザード (data hazard) を考える.
構造ハザードはメモリアクセス (memory access) の競合 (conflict) のみ考える.
プログラムとデータは同じメインメモリ上にある.
ある命令でレジスタに書き込まれた値を以降の命令で参照する場合, 前者の命令の格納 (S) が完了した後, 後者の命令のオペランドフェッチ (OF) が可能となる.

(1-3-1)

命令 1 : MOV R1, (A) ; メインメモリアドレス A の内容をレジスタ R1 に転送
命令 2 : MOV R2, (B) ; メインメモリアドレス B の内容をレジスタ R2 に転送
命令 3 : ADD R1, R2 ; R1 + R2 の結果を R1 に代入

(1-3-2)

命令 1 : MOV R1, (A) ; メインメモリアドレス A の内容をレジスタ R1 に転送
命令 2 : INC R1 ; R1 + 1 の結果を R1 に代入
命令 3 : MOV (B), R1 ; レジスタ R1 の内容をメインメモリアドレス B に転送

(2) キャッシュメモリ (cache memory) 及びメインメモリ (main memory) で階層を形成しているメモリシステムを持つ計算機を考える. 以下の各小問に答えよ. 解答は全て解答用紙の太線内に書くこと.

(2-1) キャッシュメモリに存在する命令あるいはデータを読み出す際のアクセス時間 (access time) が 2 [ns] であり, キャッシュメモリに存在しない命令あるいはデータをメインメモリから読み出す際の, キャッシュメモリ及びメインメモリへのアクセス時間の和が 50 [ns] であるとする. また, メインメモリの容量はプログラムに対して十分大きく, プログラムの命令及びデータは全てメインメモリに格納されているものとする. 以下の (2-1-1) 及び (2-1-2) に答えよ.
- (2-1-1) プログラムを実行した結果, プログラムの命令あるいはデータを読み出す際の平均のキャッシュヒット率 (cache hit ratio, cache hit rate) が 80% であった. この時の, プログラムの命令あるいはデータを読み出す際の平均アクセス時間を求めよ. 導出根拠も示せ.
- (2-1-2) キャッシュメモリを, 命令あるいはデータを読み出す際のアクセス時間が 2 [ns] のものから 4 [ns] のものに変更する. ただし, キャッシュメモリに存在しない命令あるいはデータをメインメモリから読み出す際の, キャッシュメモリ及びメインメモリへのアクセス時間の和は 50 [ns] のままであるとする. この時, (2-1-1) で得られた平均アクセス時間を維持するために必要となるキャッシュヒット率を求めよ. 導出根拠も示せ.
(2-2) 一般に, プログラムを実行するためにアクセスされる命令及びデータには, 参照局所性 (locality of reference) がある. 次の 2 種類の参照局所性のそれぞれについて説明せよ.
- (2-2-1) 空間的参照局所性 (spatial locality of reference)
- (2-2-2) 時間的参照局所性 (temporal locality of reference)
(2-3) キャッシュメモリとメインメモリで階層を形成することの利点をその理由と共に述べよ.

Kai

(1-1)

(a) (エ) アーキテクチャ (architecture)
(b) (コ) ノイマン型 (von Neumann architecture)
(c) (ウ) プログラムカウンタ (program counter)
(d) (イ) オペコード (operation code, opcode)
(e) (カ) オペランド (operand)

(1-2)

(1-2-1) $T = \frac{mn}{f}$ [s]
(1-2-2) $T = \frac{n + m - 1}{f}$ [s]
(1-2-3) $\lim_{m \to \infty} \frac{m}{(n+m-1)/f} = f$ [instructions/s]
(1-2-4) 理由：ステージ数を増やすことで、1ステージあたりの論理回路が短くなり、各ステージの処理遅延が減少する。これにより、CPU をより高いクロック周波数 $f$ で動作させることが可能になり、结果として全体的な命令スループット（単位時間あたりの命令実行数）が向上するため。

English: Increasing the number of pipeline stages ($n$) reduces the logic gate delay per stage. This reduction allows the CPU to operate at a higher clock frequency ($f$), which consequently increases the overall instruction throughput.

(1-3)

パイプラインの動作ルール:

構造ハザード：プログラムとデータは同一のメインメモリにあるため、IF, OF, S が同一クロックサイクルで同時に発生するとメモリアクセス競合が起きる。
データハザード：RAW (Read After Write)。ある命令の S ステージが完了した後のクロックサイクルでなければ、その値を参照する後続命令の OF ステージを開始できない。

(1-3-1)

クロックサイクル	0	1	2	3	4	5	6	7	8
命令1: MOV R1, (A)	IF	D	OF	EX	S
命令2: MOV R2, (B)		IF	D	OF	EX	S
命令3: ADD R1, R2			-	-	IF	D	OF	EX	S

(注：クロック2では命令3の IF が命令1の OF と競合してストール。続くクロック3でも命令3の IF が命令2の OF と競合してストールし、クロック4でようやく IF が実行可能となる。)

(1-3-2)

クロックサイクル	0	1	2	3	4	5	6	7	8	9	10
命令1: MOV R1, (A)	IF	D	OF	EX	S
命令2: INC R1		IF	D	-	-	OF	EX	S
命令3: MOV (B), R1			-	IF	D	-	-	-	OF	EX	S

(注：前記「ある命令でレジスタに書き込まれた値を以降の命令で参照する場合, 前者の命令の格納 (S) が完了した後, 後者の命令のオペランドフェッチ (OF) が可能となる」という条件に注意してほしい。)

(2-1)

(2-1-1) 平均アクセス時間 = (ヒット率 $\times$ キャッシュアクセス時間) + (1 - ヒット率) $\times$ ミス時のアクセス時間の和
- $T_{avg} = 0.8 \times 2 + 0.2 \times 50 = 1.6 + 10 = 11.6$ [ns]
(2-1-2) 求めるキャッシュヒット率を $h$ とすると：
- $11.6 = h \times 4 + (1 - h) \times 50$
- $11.6 = 4h + 50 - 50h$
- $46h = 38.4 \implies h = \frac{38.4}{46} = \frac{192}{230} \approx 0.835$
- 答：約 83.5%

(2-2)

(2-2-1) 空間的参照局所性：あるメモリアドレスが参照されたとき、その近傍のメモリアドレスが近い将来に参照される可能性が高い性質。（例：配列要素の順次アクセスや、命令の逐次実行など）

English: When a memory address is accessed, there is a high probability that nearby memory addresses will be accessed in the near future. Examples: sequential access of array elements, or the sequential execution of instructions.
(2-2-2) 時間的参照局所性：あるメモリアドレスが参照されたとき、同じアドレスが近い将来に再び参照される可能性が高い性質。（例：ループ内の変数や命令など）

English: When a memory address is accessed, there is a high probability that the same address will be accessed again in the near future. Examples: variables and instructions within a loop.

(2-3)

利点：システムのメモリアクセスにおいて、キャッシュメモリの「高速性」とメインメモリの「大容量・低コスト性」の両立を図ることができる点。

English: The advantage of forming a hierarchy between cache memory and main memory is the ability to achieve both the high speed of cache memory and the large capacity and low cost of main memory.
理由：プログラムの実行には(2-2)で説明した「参照の局所性」があるため、CPUからの要求の大部分（ヒット時）は小容量で高速なキャッシュメモリで処理できる。一部の要求（ミス時）のみ、大容量で低コストなメインメモリにアクセスすればよいため、システム全体の平均メモリアクセス時間を短縮しつつ、コストを抑えて大容量の記憶空間を提供できる。

English:
- Cache Memory: It leverages the principle of locality (temporal and spatial locality). Because the CPU frequently requests recently accessed or adjacent data, most memory accesses result in a cache hit. This significantly reduces the average memory access time compared to fetching data directly from the slower main memory.
- Main Memory: It provides a significantly larger storage capacity at a lower cost per byte. This allows the overall computer system to achieve a cost-effective balance between the high-speed processing capabilities of the cache and the large capacity requirements of executing programs.

Summary & Insights

:::note 为了彻底理清本题中流水线受阻（Stall）的深层原因，我们需要明确 5 个阶段（Stage）的职责以及指令间的依赖关系：

1. 流水线阶段职责定义

IF (Instruction Fetch / 命令フェッチ)：从内存中读取指令。

资源占用：会占用内存总线（Memory Bus）。如果架构是单总线（指令和数据共用），此时其他阶段绝对不能访问内存。

D (Decode / 命令デコード)：解析指令，确定操作类型。

资源占用：纯 CPU 内部操作，占用 CPU 内部的指令译码器（Decoder）。互不干扰。

OF (Operand Fetch / オペランドフェッチ)：从寄存器或内存中获取执行所需的数据。

资源占用（分两种情况）：

如果是从内存取数（如 MOV R1, (A)），会占用内存总线，此时会和 IF 阶段抢资源。

如果是从寄存器取数（如 ADD R1, R2），只占用 CPU 内部的高速总线，不会占用外部的内存总线，因此不会和 IF 抢资源。

EX (Execute / 実行)：执行算术或逻辑运算。资源占用：纯 CPU 内部操作，占用 CPU 内部的算术逻辑单元（ALU）。互不干扰。
S (Store / 格納)：将执行结果写回至寄存器或内存。

资源占用（同样分两种情况）：

如果写回内存（如 MOV (B), R1），会占用内存总线。

如果写回寄存器（如 INC R1），只占用内部资源，不占用内存总线。但在写完（S阶段结束）之前，硬件会物理锁死（Stall）后面所有想读取该寄存器的指令，这就是数据冒险的根源。 :::

:::note 2. 指令流依赖分析

命令1: MOV R1, (A) → 写 R1（加载数据）。它在 OF 阶段是去内存地址 A 中把数据拿出来。拿出来之后，数据在这个周期并没有立刻进入 R1。数据还要穿过 CPU 的内部总线，直到最后一步的 S（Store / 格納）阶段，CPU 才真正发出写信号，将高低电平打入 R1 的物理电路中。也就是说，直到命令1的 S 阶段结束，R1 里面装的才是新数据。
命令2: INC R1 → 读 R1 + 写 R1（自增）它要在下一阶段（EX 阶段）对数据进行 +1 运算。因此，它必须在 OF 阶段把 R1 里面的值准确无误地读入 ALU（算术逻辑单元）的输入寄存器中。假设命令2的 OF 不等待，硬是在时钟周期3去读 R1。此时，命令1才刚刚完成内存读取（刚好过了 OF 阶段），数据还在传输总线上，并没有写入 R1。结果就是：命令2在周期3读取到了 R1 里面以前的旧数据（脏数据），然后拿这个错误的数据去加 1。整个程序的计算结果就全盘崩溃了。
命令3: MOV (B), R1 → 读 R1（存入内存） :::

:::tip 总之，记住：(A)、(B)、IF 抢的是内存总线；而 R1、R2 是 CPU 内部寄存器。 :::

:::note 核心结论：这三条指令构成了典型的 RAW (Read-After-Write) 数据依赖。在硬件没有实现 Data Forwarding（数据前推）的情况下，命令2 必须严格等待 命令1 完成 S (Store) 阶段后才能进行自己的 OF 阶段；同理 命令3 也要等待 命令2。这种连续的资源竞争正是导致流水线大幅停顿的原因。

在（1-3-1）中我们能看出，周期 4 时，命令1在 S（写回寄存器 R1），命令2在 EX（ALU运算）。此时，内存总线释放，命令3得以顺利执行 IF！

在（1-3-2）中我们能看出，CPU 内部有一个叫冒险检测单元（Hazard Detection Unit）的纯硬件模块。它在周期 2 发现：命令2下一秒就要读 R1，但是命令1还要等到周期 4 结束才能把新数据写进 R1！

于是，这个硬件单元强制切断了命令2向后推进的时钟信号，把命令2物理冻结在流水线上。这就是周期 3、4 里的 -。

周期 5，因为命令1在周期 4 结束时，终于完成了 S，把高低电平打入了 R1 的物理电路。警报解除，命令2解除冻结，在周期 5 执行 OF（此时是从 CPU 内部的 R1 读取，不占用外部内存）。

命令3同理，命令3也要用 R1，冒险检测单元再次介入，把它冻结在 D 阶段后面。直到命令2在周期 7 结束 S（把 INC 后的新值写回 R1），命令3才在周期 8 顺利进入 OF 阶段。 :::

大阪大学情報科学研究科情報工学 2015年8月実施計算理論

Author

KardeniaPoyu

Description

(1) 有限オートマトン (finite automaton) $M$ は 5 項組 $M = (Q, \Sigma, \delta, q_0, F)$ で与えられる。ここで，$Q, \Sigma, \delta, q_0, F$ は，それぞれ，状態 (state) の有限集合，入力記号 (input symbol) の有限集合（アルファベット (alphabet)），状態遷移関数 (state transition function)，初期状態 (initial state) ($q_0 \in Q$)，受理状態 (accepting state) の集合 ($F \subseteq Q$) である。また，$M$ が受理 (accept) する言語 (language)（認識する言語）を $L(M)$ と表す。下の状態遷移図 (state transition diagram) に示す非決定性 (non-deterministic) 有限オートマトン $M_1$ について，以下の各小問に答えよ。なお，$Q = {a, b, c, d, e, f, g, h, i, j, k}$，$\Sigma = {0, 1}$，$q_0 = a$，$F = {k}$ である。

</div>

(1-1) $M_1$ が受理する言語 (language) を正規表現 (regular expression) で示せ。
(1-2) $M_1$ が受理する語 (word) を，1 文字目を最上位ビット (most significant bit) とす符号なし 2 進数 (unsigned binary number) とみなす。$M_1$ が受理するすべての語の中で，7 番目に小さな数となる語を示せ。
(1-3) $M_1$ の状態 $i$ の $\varepsilon$-閉包 ($\varepsilon$-closure) を示せ。
(1-4) $L(M_1) = L(M_2)$ を満たす，決定性 (deterministic) 有限オートマトン $M_2$ をサブセット構成 (subset construction) 法を用いて求め，状態遷移図で示せ。同値 (equivalent) な状態があっても全て残すこと。状態名は $A, B, C, \dots$ とすること。導出過程と結果を示すこと。
(1-5) $M_2$ の状態数を最小化した決定性有限オートマトン $M_3$ を求め，状態遷移図で示せ。状態名は $A', B', C', \dots$ とすること。

(2) 文脈自由文法 (context-free grammar) により生成される文脈自由言語 (context-free language) の閉包性 (closure property) を考える。文脈自由文法 $G$ は 4 項組 $G = (V, T, P, S)$ で表される。ただし，$V$ は変数 (variable，あるいは非終端記号 non-terminal symbol) の集合，$T$ は終端記号 (terminal symbol) の集合，$P$ は生成規則 (production rule) の集合，$S$ は開始記号 (start symbol) で $S \in V$ である。なお，生成規則の集合は $\varepsilon$-規則 ($\varepsilon$-rule) を含んでよいものとし，変数の集合と終端記号の集合は共通の記号を含まないものと仮定する。文法 $G$ が生成する言語を $L(G)$ と表記する。任意の文脈自由文法 $G_1 = (V_1, T_1, P_1, S_1)$ と $G_2 = (V_2, T_2, P_2, S_2)$ が与えられる（ただし $V_1 \cap V_2 = \emptyset$ である）。文脈自由言語は和 (union) 演算に関して閉じている。なぜなら，文脈自由文法 $G_3$ を以下の通りに構成すると，証明は省略するが，$L(G_1)$ と $L(G_2)$ の和の言語 $L_3 = L(G_1) \cup L(G_2)$ は $G_3$ によって生成される，すなわち $L_3$ は文脈自由言語だからである。

$G_3 = (V_3, T_3, P_3, S_3)$
$V_3 = V_1 \cup V_2 \cup {S_3}$，ただし $S_3 \notin (V_1 \cup V_2)$
$T_3 = T_1 \cup T_2$
$P_3 = {S_3 \to S_1, S_3 \to S_2} \cup P_1 \cup P_2$

文脈自由言語は連結 (concatenation) 演算に関して閉じていることを，文法の構成により示したい。以下の各小問に答えよ。

(2-1) $L(G_1)$ と $L(G_2)$ を連結した言語 $L_4 = {w_1w_2 \mid w_1 \in L(G_1), w_2 \in L(G_2)}$ を生成する文脈自由文法 $G_4 = (V_4, T_4, P_4, S_4)$，すなわち $L_4 = L(G_4)$ である $G_4$ を構成せよ。
(2-2) 上記 (2-1) で構成した $G_4$ によって生成される任意の語 $w$ は，上記 (2-1) で定義した $L_4$ に属することを証明せよ。
(2-3) 上記 (2-1) で定義した $L_4$ に属する任意の語 $w$ は，上記 (2-1) で構成した $G_4$ により生成されることを証明せよ。

Kai

(1) 有限オートマトンに関する問題

(1-1) 正規表現

$M_1$ が受理する言語の正規表現は以下の通りである。 *$1(00 \mid 11)^0$

(1-2) 7番目に小さな数となる語

受理される語を長さ順（および辞書順）に列挙し、2進数としての値を評価する：

長さ2: 10 (値: 2) -> 1番目
長さ4: 1000 (値: 8) -> 2番目, 1110 (値: 14) -> 3番目
長さ6: 100000 (値: 32) -> 4番目, 100110 (値: 38) -> 5番目, 111000 (値: 56) -> 6番目, 111110 (値: 62) -> 7番目したがって、7番目に小さな語は $111110$ である。

(1-3) $\varepsilon$-閉包 ($\varepsilon$-closure)

各状態における $\varepsilon$-閉包は以下の通りである。

$\varepsilon\text{-closure}(a) = {a}$
$\varepsilon\text{-closure}(b) = {b, c, f, j}$
$\varepsilon\text{-closure}(c) = {c}$
$\varepsilon\text{-closure}(d) = {d}$
$\varepsilon\text{-closure}(e) = {b, c, e, f, i, j}$
$\varepsilon\text{-closure}(f) = {f}$
$\varepsilon\text{-closure}(g) = {g}$
$\varepsilon\text{-closure}(h) = {b, c, f, h, i, j}$
$\varepsilon\text{-closure}(i) = {b, c, f, i, j}$
$\varepsilon\text{-closure}(j) = {j}$
$\varepsilon\text{-closure}(k) = {k}$

(1-4) サブセット構成法による DFA $M_2$ の導出

サブセット構成法を用いて、NFAの状態集合をDFAの単一状態としてマッピングする。初期状態 $A = \varepsilon\text{-closure}(a) = {a}$ とする。

導出過程：

$A \xrightarrow{1} \varepsilon\text{-closure}(b) = {b, c, f, j} \equiv B$
$B \xrightarrow{0} \varepsilon\text{-closure}(\delta({b,c,f,j}, 0)) = \varepsilon\text{-closure}({d, k}) = {d, k} \equiv C$ (受理状態)
$B \xrightarrow{1} \varepsilon\text{-closure}(\delta({b,c,f,j}, 1)) = \varepsilon\text{-closure}({g}) = {g} \equiv D$
$C \xrightarrow{0} \varepsilon\text{-closure}(\delta({d,k}, 0)) = \varepsilon\text{-closure}(e) = {b, c, e, f, i, j} \equiv E$
$D \xrightarrow{1} \varepsilon\text{-closure}(\delta(g, 1)) = \varepsilon\text{-closure}(h) = {b, c, f, h, i, j} \equiv F$
$E \xrightarrow{0} \varepsilon\text{-closure}({d, k}) = {d, k} \equiv C$
$E \xrightarrow{1} \varepsilon\text{-closure}({g}) = {g} \equiv D$
$F \xrightarrow{0} \varepsilon\text{-closure}({d, k}) = {d, k} \equiv C$
$F \xrightarrow{1} \varepsilon\text{-closure}({g}) = {g} \equiv D$

$M_2$ の状態遷移表: (※ $\emptyset$ はデッドステートへの遷移を表す)

状態 (NFA部分集合)	入力 `0`	入力 `1`
$\to$ A ${a}$	$\emptyset$	B
B ${b, c, f, j}$	C	D
*C ${d, k}$	E	$\emptyset$
D ${g}$	$\emptyset$	F
E ${b, c, e, f, i, j}$	C	D
F ${b, c, f, h, i, j}$	C	D

(1-5) 状態を最小化した DFA $M_3$

$M_2$ の遷移表に基づき、同値な状態（入力に対して同一の遷移先を持つ状態）をマージする。

等価クラスの判定：

状態 $B, E, F$ は全て非受理状態であり、入力 0 で $C$ へ、入力 1 で $D$ へ遷移する。したがって、これらは完全に同値である。
状態 $A, D$ は共に非受理状態であり、入力 0 で $\emptyset$ へ遷移する。入力 1 に対して、$A$ は $B$ へ、$D$ は $F$ へ遷移するが、$B$ と $F$ は既に等価（クラス $B'$）であることが示されているため、$A$ と $D$ も未来の遷移が完全に一致する同値な状態である。
受理状態 $C$ は単独でクラスを形成する。

$M_3$ の状態遷移図を構成する遷移：

状態集合：${A', B', C'}$
初期状態：$A'$
受理状態：$C'$
遷移規則：
- $A' \xrightarrow{1} B'$
- $B' \xrightarrow{0} C'$
- $B' \xrightarrow{1} A'$
- $C' \xrightarrow{0} B'$

*(注：この3状態DFAは、$B'$ において 0 を入力すると $C'$ に行き、さらに 0 で $B'$ に戻る（00 のループ）。1 を入力すると $A'$ に戻され、さらに 1 で $B'$ に復帰する（11 のループ）。これにより $1(00 \mid 11)^0$ の言語を極めて美しく受理する。)

(2) 文脈自由言語の閉包性

(2-1) 文法 $G_4$ の構成

$L_4 = L(G_1)L(G_2)$ を生成する文脈自由文法 $G_4 = (V_4, T_4, P_4, S_4)$ は以下のように構成される。

$V_4 = V_1 \cup V_2 \cup {S_4}$ (ただし、$S_4 \notin V_1 \cup V_2$)
$T_4 = T_1 \cup T_2$
$P_4 = P_1 \cup P_2 \cup {S_4 \rightarrow S_1 S_2}$
開始記号は $S_4$ とする。

English: To construct a Context-Free Grammar (CFG) $G_4$ that generates the concatenation of $L(G_1)$ and $L(G_2)$, we introduce a new start symbol $S_4$ and a production rule $S_4 \to S_1S_2$, where $S_1$ and $S_2$ are the start symbols of $G_1$ and $G_2$ respectively.

Formally, $G_4 = (V_4, T_4, P_4, S_4)$ is defined as: $V_4 = V_1 \cup V_2 \cup {S_4}$ (where $S_4 \notin V_1 \cup V_2$) $T_4 = T_1 \cup T_2$ $P_4 = P_1 \cup P_2 \cup {S_4 \to S_1S_2}$

(2-2) $L(G_4) \subseteq L_4$ の証明

証明： (Hint：$V_1 \cap V_2 = \emptyset$ を用いる)

$G_4$ によって生成される任意の語を $w \in L(G_4)$ とする。$G_4$ の開始記号 $S_4$ に対する生成規則は $S_4 \rightarrow S_1 S_2$ のみであるため、導出の最初のステップは必ず以下となる。 $S_4 \Rightarrow_{G_4} S_1 S_2$

文脈自由文法の性質上、各変数の導出は互いに独立している。したがって、生成される語 $w$ は $w = w_1 w_2$ と分割でき、それぞれ $S_1 \Rightarrow_{G_4}^* w_1$ および $S_2 \Rightarrow_{G_4}^* w_2$ が成り立つ。

ここで、$V_1 \cap V_2 = \emptyset$ であるため、$S_1$ から始まる導出において適用可能な生成規則は $P_1$ に含まれるものに限定される。よって、この導出は $G_1$ における導出 $S_1 \Rightarrow_{G_1}^* w_1$ と完全に等価であり、$w_1 \in L(G_1)$ が成立する。

同様に、$S_2$ からの導出も $P_2$ の規則のみを使用するため、$w_2 \in L(G_2)$ となる。以上より、$w = w_1 w_2 \in L_4$ が示され、$L(G_4) \subseteq L_4$ が証明された。

English: Let $w \in L(G_4)$. Since the only production rule for $S_4$ is $S_4 \to S_1S_2$, any derivation must start as $S_4 \Rightarrow S_1S_2$.

Because $V_1$ and $V_2$ are disjoint, the derivations from $S_1$ and $S_2$ are independent and use rules from $P_1$ and $P_2$ respectively. Thus, $w$ can be partitioned into $w_1$ and $w_2$ such that $w_1 \in L(G_1)$ and $w_2 \in L(G_2)$, meaning $w \in L_4$.

(2-3) $L_4 \subseteq L(G_4)$ の証明

証明： $L_4$ に属する任意の語を $w$ とする。定義より、$w = w_1 w_2$ （ただし $w_1 \in L(G_1), w_2 \in L(G_2)$）と表現できる。

$w_1 \in L(G_1)$ および $w_2 \in L(G_2)$ であるから、それぞれの文法において以下の導出が存在する。

$S_1 \Rightarrow_{G_1}^* w_1$
$S_2 \Rightarrow_{G_2}^* w_2$

$G_4$ の生成規則の集合 $P_4$ は、$P_1$ および $P_2$ のすべての規則を含んでいる ($P_1 \subseteq P_4, P_2 \subseteq P_4$)。したがって、上記の導出は $G_4$ においてもそのまま有効である。

$G_4$ において、新たな開始規則 $S_4 \rightarrow S_1 S_2$ を適用した後、上記の導出をそれぞれ $S_1$ と $S_2$ に適用することで、以下の導出系列を構成できる。 $S_4 \Rightarrow_{G_4} S_1 S_2 \Rightarrow_{G_4}^* w_1 S_2 \Rightarrow_{G_4}^* w_1 w_2 = w$

これにより、語 $w$ は文法 $G_4$ によって生成されることが示され、$L_4 \subseteq L(G_4)$ が証明された。

English: Let $w \in L_4$. By definition, $w = w_1w_2$ where $w_1 \in L(G_1)$ and $w_2 \in L(G_2)$.

There exist derivations $S_1 \xrightarrow{} w_1$ in $G_1$ and $S_2 \xrightarrow{} w_2$ in $G_2$. Since $P_4$ contains all rules from $P_1$ and $P_2$ plus $S_4 \to S_1S_2$, we can construct a derivation in $G_4$ starting from $S_4$ to $w_1w_2$. Hence, $w \in L(G_4)$.

Summary

:::note (2-3)得分句：

1. $w = w_1 w_2$（$w_1 \in L(G_1), w_2 \in L(G_2)$）。
1. $S_1 \Rightarrow_{G_1}^* w_1$ 和 $S_2 \Rightarrow_{G_2}^* w_2$
1. $P_1 \subseteq P_4, P_2 \subseteq P_4$

🧱 前置准备：(2-1) 构造 $G_4$

为了生成连接语言 $L_4 = L(G_1) L(G_2)$，我们构造的文法 $G_4$ 是这样的： $V_4 = V_1 \cup V_2 \cup {S_4}$ （把两边的变量倒进一个池子，并新增大 Boss $S_4$） $T_4 = T_1 \cup T_2$ （把两边的终结符倒进一个池子） $P_4 = P_1 \cup P_2 \cup {S_4 \to S_1 S_2}$ （规则池合并，并赋予大 Boss 分裂技能）

🛡️ (2-2) 证明 $L(G_4) \subseteq L_4$ (健全性 / Soundness)

你的疑问： “从 $S_4$ 变出 $S_1 S_2$，不就是 $w_1 w_2$ 吗？” 考官的刁难： “你怎么知道在推导 $S_1$ 的时候，它不会不小心用到了 $P_2$ 里的规则，从而生成出乱七八糟的东西？”

【证明的核心逻辑：变量隔离】 这道题的“免死金牌”就藏在题干里的一句话：$V_1 \cap V_2 = \emptyset$（两个文法的变量集合互不相交）。这就是防止“交叉感染”的物理隔离墙！

【考场踩分推导步骤】

起点：假设有一个字符串 $w$ 被 $G_4$ 生成，即 $w \in L(G_4)$。
第一步推导：根据 $G_4$ 的规则，推导的第一步必须且只能是 $S_4 \Rightarrow S_1 S_2$。所以，最终的字符串 $w$ 必然可以切分为两半：$w = w_1 w_2$，其中 $S_1 \Rightarrow^* w_1$ 且 $S_2 \Rightarrow^* w_2$。
核心论证（踩分点！）：由于题设中 $V_1 \cap V_2 = \emptyset$ ，这意味着 $P_1$ 中的规则左侧全都是 $V_1$ 中的变量，$P_2$ 中的规则左侧全都是 $V_2$ 中的变量。因此，在把 $S_1$ 变成 $w_1$ 的整个推导过程中，绝对不可能触发任何属于 $P_2$ 的规则。同理，$S_2$ 变成 $w_2$ 时也绝不会触发 $P_1$。
结论：推导 $S_1 \Rightarrow^* w_1$ 完全只依赖于 $P_1$，因此 $w_1 \in L(G_1)$。推导 $S_2 \Rightarrow^* w_2$ 完全只依赖于 $P_2$，因此 $w_2 \in L(G_2)$。所以 $w = w_1 w_2 \in L_4$。证明完毕。

⚔️ (2-3) 证明 $L_4 \subseteq L(G_4)$ (完全性 / Completeness)

你的疑问： “只要是 $w_1 w_2$，肯定能用 $G_4$ 生成啊，这还要证？” 考官的刁难： “请你用数学符号，把这个生成过程一步步‘走’一遍给我看，证明 $G_4$ 的规则池够用。”

这个证明比 (2-2) 简单得多，它就是一个“顺水推舟”的构造过程。

【考场踩分推导步骤】

起点：假设有一个字符串 $w \in L_4$ 。根据定义，必然存在 $w_1 \in L(G_1)$ 和 $w_2 \in L(G_2)$，使得 $w = w_1 w_2$ 。
翻译已知条件：因为 $w_1 \in L(G_1)$，说明在 $G_1$ 中存在推导序列：$S_1 \Rightarrow^* w_1$（仅使用 $P_1$）。因为 $w_2 \in L(G_2)$，说明在 $G_2$ 中存在推导序列：$S_2 \Rightarrow^* w_2$（仅使用 $P_2$）。
在 $G_4$ 中模拟推导（踩分点）：现在我们在 $G_4$ 中开始推导。
- 首先使用新增的规则：$S_4 \Rightarrow S_1 S_2$。
- 因为 $P_4$ 包含了 $P_1$ 和 $P_2$ 所有的规则（$P_1 \subseteq P_4, P_2 \subseteq P_4$），所以我们在 $G_1$ 和 $G_2$ 中能做的推导，在 $G_4$ 中原封不动全都能做。
- 我们先对 $S_1$ 施加魔法，把它变成 $w_1$：$S_1 S_2 \Rightarrow^* w_1 S_2$。
- 然后再对 $S_2$ 施加魔法，把它变成 $w_2$：$w_1 S_2 \Rightarrow^* w_1 w_2$。
结论：我们成功在 $G_4$ 中找到了一条合法路径：$S_4 \Rightarrow^* w_1 w_2 = w$。因此 $w \in L(G_4)$。证明完毕。

总结：为什么需要这两步？

在数学证明中，证明两个集合相等（$L(G_4) = L_4$），必须证明 相互包含（$\subseteq$ 和 $\supseteq$）。

(2-2) 证明了“没有多造”：证明了 $G_4$ 绝不会因为规则混用，生出一个不属于 $L_4$ 的怪胎。（靠的是变量不相交的物理隔离）。
(2-3) 证明了“没有少造”：证明了 $L_4$ 里的任何一个合法句子，$G_4$ 都有足够的规则（$P_4 \supset P_1, P_2$）去把它完美推导出来。

这就是计算理论中的**“形式化证明（Formal Proof）”**。 :::

大阪大学情報科学研究科情報工学 2015年8月実施ネットワーク

Author

KardeniaPoyu

Description

データリンク層 (data link layer) では、端末 (host) がフレーム (frame) を送信する際にプリアンブル (preamble) と呼ばれる特定のビット列を付与している。プリアンブルとフレームの構成は、図1 に示すものとする。以下の各問に答えよ。

図1 プリアンブルとフレーム構成 </div>

(1) 伝送レート (transmission rate) $X$ [bps] の伝送媒体 (transmission medium) を用いた場合に、上位層に対して提供できる最大の転送レート (transfer rate) を、$X$ および図1 中の $Y$ を用いて示せ。なお、インターフレームギャップ (inter-frame gap) は考えなくて良い。

(2) プリアンブルに関する以下の各小問に答えよ。

(2-1) プリアンブルをフレームに付与する目的を述べよ。
(2-2) プリアンブルのビット列として最も適切なものを、以下の四つの選択肢から一つ選び、記号を答えよ。また、選んだビット列が、最も適切である理由を説明せよ。
- 選択肢 A：00000111 00000110 00000101 00000100 00000011 00000010 00000001 00000000
- 選択肢 B：10101010 10101010 10101010 10101010 10101010 10101010 10101010 10101011
- 選択肢 C：11111111 11111111 11111111 11111111 00000000 00000000 00000000 00000000
- 選択肢 D：11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111
(2-3) プリアンブルと同一のビット列がペイロード (payload) に含まれる場合に生じる問題を述べよ。また、その問題を回避するためにイーサネット (Ethernet) で行われる方策を説明せよ。

(3) 図1 で与えられるフレームには、伝送誤り (transmission error) 検出を行うための FCS (frame check sequence) が含まれている。生成多項式 $G(x)$ を用いた巡回冗長検査 (cyclic redundancy check) によりフレームの伝送誤りが検出される。すなわち、生成多項式 $G(x)$ で定義される擬巡回符号 (pseudo-cyclic code) の符号語の冗長記号部分が FCS となり、誤り検出が行われる。以下の各小問に答えよ。ただし、生成多項式 $G(x)$ は次の多項式とする。

$$G(x) = x^{32} + x^{26} + x^{23} + x^{22} + x^{16} + x^{12} + x^{11} + x^{10} + x^8 + x^7 + x^5 + x^4 + x^2 + x + 1$$

(3-1) FCS のサイズ $Y$ [バイト] の値を答えよ。
(3-2) 受信フレーム（誤り検出における受信語）の多項式表現を $R(x)$ とする。巡回冗長検査において誤り無しと判断する条件式を、$R(x)$ と $G(x)$ を用いて書け。
(3-3) 生成多項式 $G(x)$ を用いて検出できないビット誤り (bit error) の最小個数 $r$ を考える。フレーム長が 1000 [バイト] である時の $r$ を求めよ。求めた過程も簡単に書け。必要に応じて、$G(x)$ を生成多項式とする巡回符号の次数最小の符号語を表す多項式（符号多項式） $c(x)$ をハミング重みごとにまとめた表1 を用いてよい。

ハミング重み	$c(x)$
1	なし
2	なし
3	$1 + x^{41678} + x^{91639}$
4	$1 + x^{2215} + x^{2866} + x^{3006}$
5	$1 + x^{39} + x^{117} + x^{155} + x^{300}$
6	$1 + x^{79} + x^{85} + x^{123} + x^{186} + x^{203}$
7	$1 + x^{45} + x^{53} + x^{74} + x^{80} + x^{120} + x^{123}$

<p align="center">表1 $G(x)$ を生成多項式とする巡回符号の次数最小の符号語を表す多項式 $c(x)$</p>

(3-4) 図1 のフレームの最大ペイロード長は 1500 [バイト] である。最大ペイロード長をその 10 倍の 15000 [バイト] に増やすことの利点と欠点を、巡回冗長検査の観点から簡潔に説明せよ。
(3-5) 生成多項式 $G(x)$ を用いたバースト誤り (burst error) 検出に関する以下の文章中で、$b$ にあてはまる数値と空欄 [ ] にあてはまる多項式を書け。

フレーム内で、図2 に示すような 1 つのバースト誤りが発生したとする。その長さが $b$ [ビット] 以下であれば、確実にそのバースト誤りを検出できる。しかし、長さが $(b+1)$ [ビット] のときは、検出できない場合がある。例えば、送信フレーム（符号語）を表す多項式が 0 と等しく小問 (3-2) の多項式 $R(x)$ が [ ] と等しいときに、そのバースト誤りを検出できない。

図2 長さ b [ビット] のバースト誤りの例 </div>

Kai

(1)

最大転送レート：

$$ \text{Maximum Transfer Rate} = X \times \frac{1500}{1522 + Y} \quad \text{[bps]} $$

導出： 最大の転送効率を得るには、ペイロードを最大値の $1500$ バイトにする必要がある。図1 より、プリアンブルから FCS までのフレーム全体の合計サイズは以下の通りとなる。 $$ 8 , (\text{Preamble}) + 6 , (\text{Dest}) + 6 , (\text{Src}) + 2 , (\text{Type}) + 1500 , (\text{Payload}) + Y , (\text{FCS}) = 1522 + Y \quad \text{[Bytes]} $$ したがって、物理的な伝送レート $X$ に対して、全ビット長に占める純粋なデータ（ペイロード）の割合を乗じることで、上位層に提供される実効的な最大転送レートが求まる。

English Translation for Derivation: To achieve the maximum transfer rate, the payload must be set to its maximum value of 1500 bytes. Based on Figure 1, the total frame length is $1522 + Y$ bytes. The effective transfer rate is the physical transmission rate $X$ multiplied by the efficiency ratio of the payload to the total frame size.

(2)

(2-1)

解答： 受信側においてビット同期（クロック同期）を確立し、フレームの開始境界（バイト境界）を正確に特定するため。

English Translation: To establish bit synchronization (clock recovery) at the receiver and accurately identify the start boundary of the frame.

(2-2)

解答：

記号： B
理由： 1 と 0 が交互に現れるビット列は、信号の電圧レベルの遷移（エッジ）が最も頻繁に発生し、受信側の PLL（位相同期回路）がクロック信号を抽出・同期するのに最適であるため。また、末尾の 11 (SFD: Start Frame Delimiter) によって、同期直後のデータ本体の開始を明確に識別できるから。

English Translation: Choice B. The alternating pattern of '1's and '0's provides the maximum number of signal transitions, which is ideal for the receiver's PLL to maintain clock synchronization. The final '11' (SFD) clearly marks the transition from the preamble to the data payload.

(2-3)

解答：

生じる問題： 誤同期 (False Synchronization)。ペイロード内のデータが偶然プリアンブルと一致した場合、受信側がそれをフレームの開始と誤認し、誤った位置から受信処理を開始してしまう問題。
回避策： フレームとフレームの間に無信号状態の インターフレームギャップ (IFG: Inter-Frame Gap) を設ける。受信側は、通信路がアイドル状態から立ち上がった直後の特定のビットパターンのみをプリアンブルとして処理することで、データ内の疑似パターンによる誤動作を回避している。

English Translation: Problem: False synchronization. The receiver might misinterpret payload data as a preamble.
Solution: Using an Inter-Frame Gap (IFG) ensures that only patterns appearing immediately after an idle state are recognized as valid preambles.

(3)

(3-1)

解答： 4 [バイト] (理由：生成多項式 $G(x)$ の最大次数が 32 であるため、FCS は 32 ビット = 4 バイトとなる。)

(3-2)

解答：

$R(x) \equiv 0 \pmod{G(x)}$ （または、「$R(x)$ が $G(x)$ で割り切れること」）

(3-3)

解答：

$r$ の値： 4
求めた過程： フレーム長 1000 [バイト] は $8000$ [ビット] である。表1 より、$G(x)$ の倍数となる最小次数の多項式（＝検出不可能な誤りパターン）を調べると、ハミング重み 3 の最小次数は $91639$ であり、$8000$ ビットのフレーム内では物理的に発生し得ない。一方、ハミング重み 4 の最小次数は $3006$ であり、$8000$ ビットの範囲内に収まる。したがって、検出できない最小のビット誤り個数は 4 個である。

English Translation: A 1000-byte frame (8000 bits) is too short to contain a weight-3 undetectable error (minimum degree 91639). However, a weight-4 undetectable error (minimum degree 3006) can fit within this length. Thus, the minimum number of undetectable errors $r$ is 4.

(3-4)

解答：

利点： ヘッダや FCS などの固定オーバーヘッドがデータ全体に占める割合が低下し、実効的なデータ伝送効率（スループット）が向上する。
欠点： フレーム長が $15000$ バイト ($120,000$ ビット) になると、ハミング重み 3 の最小次数 ($91639$) を上回ってしまう。これにより、従来は確実に検出できていた 3 ビットの誤りパターンがフレーム内に収まるようになり、誤り検出能力（最小ハミング距離）が低下する。

English Translation: Pros: Improved throughput due to lower overhead ratio.
Cons: Exceeding the minimum degree for weight-3 errors (91639) significantly reduces the error detection capability for 3-bit error patterns.

(3-5)

解答：

$b =$ 32
空欄 = $G(x)$

Summary & Insights

:::note

1. 传输速率 (Transfer Rate)

核心公式：$$\text{最大転送レート} = X \times \frac{\text{最大ペイロード}}{\text{最大ペイロード} + \text{固定オーバーヘッド}}$$
物理意义：物理极速 $\times$ 纯货物的有效占比。
MTU 扩大（巨型帧）的利弊：
- 利：降低开销占比，提升吞吐量（スループット向上）。
- 弊：长帧使得原本装不下的长跨度错误得以潜伏，误り検出能力（最小ハミング距離）低下。

2. 前导码 (Preamble)

两大目的：
1. 確立クロック同期（建立时钟/比特同步）。
2. フレーム開始位置の特定（确定帧起始位置/字节边界）。
比特模式 (1010...11) 的理由：
- 1010 交替提供高频电压跳变（エッジ），最适合 PLL 提取时钟。
- 末尾 11 (SFD) 明确标识同步结束，数据本体开始。
误同步 (False Sync) 的回避：
- 依靠物理层的インターフレームギャップ (IFG: 帧间隙)。仅在无信号状态（アイドル）后收到的首个有效跳变才被视为前导码。

3. CRC 校验与多项式 (Cyclic Redundancy Check)

FCS 长度法则：FCS 比特数 $\equiv$ 生成多项式 $G(x)$ 的最高次数 $r$。
无错判定条件：$R(x) \pmod{G(x)} = 0$ （接收多项式能被生成多项式完美整除）。
突发错误 (Burst Error) 的检错极限：
- 绝对能检出：长度 $\le r$ 的所有突发错误。
- 无法检出的特例（长度 $= r+1$ 时）：当且仅当错误多项式 $E(x)$ 与 $G(x)$ 完全相同时（即 $E(x) = G(x)$）。

🚨 盲区 1：死记数学公式，忽略了“物理空间限制”（最致命弱点）

症状： 看到表 1 的 $x^{91639}$ 觉得只是个数学符号，不知道怎么和“1000 字节帧长”联系起来。
纠正记忆： 多项式的次数 $\approx$ 电缆上的物理长度。 如果一个骗子多项式的跨度是 9万多位，而你的车厢（帧）只有 8000 位长，这个骗子就绝对塞不进你的车厢。想通“装不下就不会发生”，表 1 就变成了比大小的送分题。

🚨 盲区 2：在离散边界问题上掉入“植木算（Fencepost Error）”陷阱

症状： 疑惑“为什么物理长度 $L=4$，最高次幂却是 3？”
纠正记忆： 多项式的起点是 $x^0$，不是 $x^1$。 $x^0$ 作为一个合法的数字（1），强行占用了物理世界的一个比特位。因此，物理长度永远等于最高次幂 $+1$。遇到边界问题，立刻在脑子里画 1 _ _ 1 对应 $x^3 \dots x^0$。

🚨 盲区 3：把网络协议当成“规定”，而不是“权衡（Trade-off）”

症状： 需要专门解释为什么最大转发速率要用 1500 去除以 1522。
纠正记忆： 网络工程没有绝对的规定，全是对物理极限的妥协。想要速度快，就得加大 Payload；但 Payload 太大，CRC 检错能力就会退化（3 位的错误就能瞒天过海）。记住这组矛盾：帧越长 $\to$ 效率越高 $\to$ 检错越弱。 :::

大阪大学情報科学研究科情報工学 2015年8月実施離散構造

Author

KardeniaPoyu

Description

(1) 情報論理 (mathematical logic) に関する以下の各小問に答えよ. ただし, 論理式 (logic formula) の記述には以下の記号を用いる. $\to, \land, \lor, \neg$ はそれぞれ含意 (implication), 論理積 (conjunction, and), 論理和 (disjunction, or), 否定 (negation, not) を表す論理演算子とする. また, 必要に応じて $\bigwedge_{1 \le i \le n} T_i$ (あるいは $\bigvee_{1 \le i \le n} T_i$) の表記を用いる. これは論理式 $T_i$ の $i$ を 1 から $n$ ($n$ は正整数) まで順次変えながら論理積 (あるいは論理和) で結合した式を意味している. なお, $\bigwedge_{1 \le i < j \le n} T_{ij}$ は, $\bigwedge_{1 \le i \le n-1} \left(\bigwedge_{i+1 \le j \le n} T_{ij}\right)$ を意味する.

縦 $n^2$ マス $\times$ 横 $n^2$ マスで構成されるパズル (puzzle) を考える. 本パズルにおける規則は以下の通りである.

空いているマスに 1 から $n^2$ までの整数を入れる.
各列, 各行および, 太線で囲まれた $n \times n$ の各ブロック内に同じ整数を複数用いてはいけない.

図 1 は, $n = 3$ における本パズルの問題例である. 以降, このパズル問題を解くための制約式を和積形 (CNF: Conjunctive Normal Form) の命題論理式 (propositional formula) で与えることを考える. なお, 和積形とは, 一つ以上の和項の論理積で表される論理式である. また, 和項とは, 一つ以上のリテラル (literal) の論理和で表される論理式である. ここでリテラルとは, 命題変数 (propositional variable) または命題変数の否定を意味する. $i$ ($1 \le i \le n^2$) 行 $j$ ($1 \le j \le n^2$) 列のマスを $c(i, j)$ で表記する (行は上から順に $1, \dots, n^2$ 行目, 列は左から順に $1, \dots, n^2$ 列目である).

図 1: $n = 3$ の問題例

</div>

マス $c(i, j)$ に整数 $k$ ($1 \le k \le n^2$) が入っているとき, かつ, そのときのみ真となる命題変数 $x_{ijk}$ を導入する. 以下の各小問に答えよ.

(1-1) 図 1 において命題変数 $x_{115}, x_{214}, x_{841}$ の真偽をそれぞれ答えよ.
(1-2) 縦 $n^2$ マス $\times$ 横 $n^2$ マスで構成される本パズル問題における命題変数 $x_{ijk}$ の総数はいくつか. $n$ を用いて示せ.
(1-3) 「1 行 1 列目のマスには, 1 以上 9 以下の整数が少なくとも一つ入る」ことを表す論理式を記述せよ.
(1-4) CNF 式 $A(i, j)$ を「$i$ 行 $j$ 列目のマスには, 1 以上 $n^2$ 以下の整数が少なくとも一つ入る」ことを表す論理式とする. 論理式 $A(i, j)$ を記述せよ.
(1-5) $A(i, j)$ を用いて, 「どのマスについても, 1 以上 $n^2$ 以下の整数が少なくとも一つ入る」ことを表す論理式 $A$ を示せ.
(1-6) $\neg p \lor \neg q$ は, 「$p, q$ がともに真になるということはない」ことを表す論理式である. これを用いて「どの行についても各整数は高々1回しか現れない」ことを表す CNF 式 $B$ を作りたい. 以下の空欄を埋めることで $B$ を完成させよ.

$$ B = \bigwedge_{1 \le i \le n^2} \bigwedge_{1 \le j < l \le n^2} \bigwedge_{1 \le k \le n^2} (\Box) $$

(1-7) 「どの列についても各整数は高々1回しか現れない」ことを表す CNF 式 $C$ を示せ.

図 2: $n = 2$ の問題

</div>

(1-8) この小問では, $n = 2$ として, 図 2 の問題に着目する.

図 2 の問題では, 空いたマス (例えば 2 行 4 列目) にどのように整数を埋めても, パズルを解くことができない. ここでは, (命題 P) 「図 2 の問題では, 空いたマスにどのように整数を埋めても, パズルを解くことができない」ことを示したい. この命題 P を示すには, 「太線で囲まれた $n \times n$ のどのブロックについても各整数が高々1回現れる」ことを意味する CNF 式を $D$, 図 2 における整数の配置を表す論理式を $Assign$ としたときに, (方針) $A \land B \land C \land D \land Assign$ の CNF 式が充足不能 (unsatisfiable) であることを示せればよい。このとき, 以下の (1-8-1)～(1-8-2) に答えよ.

(1-8-1) 論理式 $Assign$ を示せ.
(1-8-2) 上記の方針に沿って, 命題 P が成り立つことを導出原理 (resolution principle) 用いて具体的に示せ.

(2) 空でない有限集合 (finite set) $V$ 上の二項関係 (binary relation) $E$ について, 次のように二項関係 $R_i$ と $S_i$ ($i = 0, 1, 2, \dots$) を定義する. また, $V$ の各要素を頂点とし, $E$ の各要素を有向辺とする有向グラフ (directed graph) を $G$ とする. ただし $(u, v) \in E$ に対しては, $u$ を有向辺の始点とし, $v$ を有向辺の終点とする.

$$ R_0 = S_0 = {(v, v) \mid v \in V} $$ $$ R_{i+1} = {(u, v) \mid (\exists w \in V) [u R_i w \land w E v]} \quad (i \ge 0) $$ $$ S_{i+1} = S_i \cup R_{i+1} \quad (i \ge 0) $$

以下の各小問に答えよ.

(2-1) 有向グラフ $G = (V, E)$ が下図の時, $R_3$ を求めよ.

</div>

(2-2) ある非負の整数 $n$ が存在して $S_n = S_{n+1}$ であることを, 背理法 (proof by contradiction) を用いて証明せよ.
(2-3) 小問 (2-2) の $n$ について, $S_n$ の逆関係 (inverse relation) を $S_n^{-1} = {(u, v) \mid v S_n u}$ とし, $S = S_n \cap S_n^{-1}$ とする. $S$ が同値関係 (equivalence relation) であることを証明せよ. ただし, 任意の非負整数 $i, j$ について, $((u, v) \in R_i) \land ((v, w) \in R_j)$ ならば $(u, w) \in R_{i+j}$ が成立することは, 証明なしで用いてよい.
(2-4) 小問 (2-3) の $S$ について, $v \in V$ の $S$ による同値類 (equivalence class) を $[v]_S$ とする. $[v]_S$ が, グラフ $G$ について何を表すか簡潔に述べよ.

Kai

(1-1) 命題変数の真偽

図1の盤面に基づく命題変数 $x_{ijk}$（$i$行$j$列のマスに整数$k$が入る）の真偽は以下の通りです。

$x_{115}$: 偽 (False) （※図1において1行1列目の数字は7であるため）
$x_{214}$: 真 (True) （※図1において2行1列目の数字は4であるため）
$x_{841}$: 偽 (False) （※図1において8行4列目の数字は6であるため）

(1-2) 命題変数の総数

$n^6$

解説：行が $n^2$ 通り、列が $n^2$ 通り、入る整数が $n^2$ 通りあり、これらは独立した組み合わせであるため、全体の変数総数は $n^2 \times n^2 \times n^2 = n^6$ となります。

(1-3) 存在制約論理式（$n=3$、1行1列目のマス）

「1行1列目のマスには、1以上9以下の整数が少なくとも一つ入る」ことを表す論理式は以下の通りです。

$$x_{111} \lor x_{112} \lor x_{113} \lor x_{114} \lor x_{115} \lor x_{116} \lor x_{117} \lor x_{118} \lor x_{119}$$

(1-4) CNF式 $A(i,j)$ （一般化されたマスの存在制約）

「$i$行$j$列目のマスには1以上$n^2$以下の整数が少なくとも一つ入る」ことを表す論理式は以下の通りです。

$$A(i,j) = \bigvee_{k=1}^{n^2} x_{ijk}$$

(1-5) 論理式 $A$ （全マスの存在制約）

「どのマスについても1以上$n^2$以下の整数が少なくとも一つ入る」ことを表す論理式 $A$ は以下の通りです。

$$A = \bigwedge_{i=1}^{n^2} \bigwedge_{j=1}^{n^2} A(i,j) = \bigwedge_{i=1}^{n^2} \bigwedge_{j=1}^{n^2} \left( \bigvee_{k=1}^{n^2} x_{ijk} \right)$$

(1-6) 論理式 $B$ の空欄（行内の競合制約）

「どの行についても各整数は高々1回しか現れない」ことを表すための空欄に入る論理式は以下の通りです。

$\neg x_{ijk} \lor \neg x_{ilk}$

(1-7) CNF式 $C$ （列内の競合制約）

「どの列についても各整数が高々1回しか現れない」ことを表すCNF式 $C$ は以下の通りです。

$$C = \bigwedge_{j=1}^{n^2} \bigwedge_{1 \le i_1 < i_2 \le n^2} \bigwedge_{k=1}^{n^2} (\neg x_{i_1jk} \lor \neg x_{i_2jk})$$

(1-8-1) 論理式 $Assign$

図2（$n=2$）で与えられた確定マスに基づく初期配置の論理式は以下の通りです。

$$Assign = x_{111} \land x_{122} \land x_{212} \land x_{224} \land x_{433}$$

(1-8-2) 導出原理（Resolution Principle）を用いた命題 P の証明

【日本語解答】 空いたマス $c(2,4)$ に着目する。制約 $A$ より、このマスには 1 から 4 のいずれかが入るため、以下の和項が存在する。

$$C_0: x_{241} \lor x_{242} \lor x_{243} \lor x_{244}$$

また、$Assign$ および制約 $B$（行）, $C$（列）, $D$（ブロック）より、以下の和項が CNF 式に含まれる。

$C_1: \neg x_{122} \lor \neg x_{242}$ （制約 D：ブロック1内に 2 は複数存在しない）
$C_2: \neg x_{212} \lor \neg x_{242}$ （制約 B：2行目に 2 は複数存在しない）
$C_3: \neg x_{224} \lor \neg x_{244}$ （制約 B：2行目に 4 は複数存在しない）

$Assign$ の各要素はすべて真であるため、単一リテラル（Unit Clause）として導出に用いる。

$x_{212}$ と $C_2$ から導出原理により $\neg x_{242}$ を得る。
同様に、ブロック制約 D と $Assign$ の要素から $\neg x_{241}$ を得る。
同様に、行制約 B と $x_{224}$ から $\neg x_{244}$ を得る。
同様に、列制約 C（あるいはブロック制約 D）と $Assign$ の要素から $\neg x_{243}$ を得る。

これら 4 つの否定リテラル $\neg x_{241}, \neg x_{242}, \neg x_{243}, \neg x_{244}$ を $C_0$ に対して順次導出（Unit Resolution）すると、すべてのリテラルが消去され、最終的に 空節（$\emptyset$、矛盾） が導出される。したがって、CNF式は充足不能（Unsatisfiable）であり、パズルを解くことはできない。

[English Translation] Focus on the empty cell $c(2,4)$. From constraint $A$, this cell must contain an integer from 1 to 4, yielding the following clause: $$C_0: x_{241} \lor x_{242} \lor x_{243} \lor x_{244}$$

Given $Assign$ and the conflict constraints $B$ (row), $C$ (column), and $D$ (block), the CNF formula includes clauses such as:

$C_2: \neg x_{212} \lor \neg x_{242}$ (Constraint B: no duplicate '2's in row 2)

$C_3: \neg x_{224} \lor \neg x_{244}$ (Constraint B: no duplicate '4's in row 2)

Since elements in $Assign$ are all true, they act as unit clauses.

Applying the resolution principle on $x_{212}$ and $C_2$ yields $\neg x_{242}$.

Similarly, applying resolution with block constraint D and an element of $Assign$ yields $\neg x_{241}$.

Applying resolution with $x_{224}$ and row constraint B yields $\neg x_{244}$.

Applying resolution with column/block constraints and $Assign$ yields $\neg x_{243}$.

By sequentially resolving these four negated literals against the initial clause $C_0$ (Unit Resolution), all literals are eliminated, ultimately deriving the empty clause ($\emptyset$, contradiction). Therefore, the CNF formula is unsatisfiable, proving that the puzzle cannot be solved.

(2-1) $R_3$ の算出

【日本語解答】 $R_3$ は、与えられた有向グラフ $G$ において、任意の頂点 $u$ から有向辺を正確に「3歩（3エッジ）」辿って到達できる頂点 $v$ のペア $(u, v)$ の集合である。

$$R_3 = { (u, v) \mid \text{グラフ } G \text{ 上で } u \text{ から } v \text{ への長さ3のパスが存在する} }$$

(2-2) $S_n = S_{n+1}$ となる非負整数 $n$ の存在証明

【日本語解答】 背理法を用いて証明する。頂点集合 $V$ は有限集合であるため、直積集合 $V \times V$ の要素数も有限である（$|V| = k$ とすると $|V \times V| = k^2$）。定義 $S_{i+1} = S_i \cup R_{i+1}$ より、$S_0 \subseteq S_1 \subseteq S_2 \subseteq \dots \subseteq V \times V$ が成り立つ。

仮に、任意の非負整数 $n$ について $S_n \neq S_{n+1}$ であると仮定する。これは、$S_n$ が常に $S_{n+1}$ の真部分集合 ($S_n \subset S_{n+1}$) であることを意味する。すなわち、要素数において $|S_0| < |S_1| < |S_2| < \dots$ が無限に続くことになり、ある段階で要素数が $k^2$ を超過する。しかし、$S_n \subseteq V \times V$ であるため、要素数が $k^2$ を超えることはあり得ない。これは矛盾である。したがって、ある非負整数 $n$ が存在して $S_n = S_{n+1}$ となる。

[English Translation] We prove this by contradiction. Since the vertex set $V$ is a finite set, the Cartesian product $V \times V$ is also finite (if $|V| = k$, then $|V \times V| = k^2$). By definition $S_{i+1} = S_i \cup R_{i+1}$, the sequence monotonically increases: $S_0 \subseteq S_1 \subseteq S_2 \subseteq \dots \subseteq V \times V$.

Assume, for the sake of contradiction, that $S_n \neq S_{n+1}$ for all non-negative integers $n$. This implies that $S_n$ is a strict subset of $S_{n+1}$ ($S_n \subset S_{n+1}$) universally. Consequently, the cardinality strictly increases infinitely: $|S_0| < |S_1| < |S_2| < \dots$, which means it will eventually exceed $k^2$. However, since $S_n \subseteq V \times V$, its cardinality can never exceed $k^2$. This is a contradiction. Therefore, there must exist a non-negative integer $n$ such that $S_n = S_{n+1}$.

(2-3) $S = S_n \cap S_n^{-1}$ が同値関係であることの証明

【日本語解答】 $S$ が同値関係であることを示すために、以下の3条件を満たすことを証明する。

反射律 (Reflexivity): 任意の $v \in V$ について、定義より $(v,v) \in R_0$ であり、$R_0 \subseteq S_n$。よって $(v,v) \in S_n$ である。逆関係の定義から $(v,v) \in S_n^{-1}$ も成り立つ。したがって、$(v,v) \in S_n \cap S_n^{-1} = S$。
対称律 (Symmetry): $(u,v) \in S$ とすると、定義より $(u,v) \in S_n$ かつ $(u,v) \in S_n^{-1}$ である。逆関係の定義 $(u,v) \in S_n^{-1} \iff (v,u) \in S_n$ より、$(v,u) \in S_n$ かつ $(v,u) \in S_n^{-1}$ となる。したがって、$(v,u) \in S_n \cap S_n^{-1} = S$。
推移律 (Transitivity): $(u,v) \in S$ かつ $(v,w) \in S$ とする。 $(u,v) \in S_n$ かつ $(v,w) \in S_n$ であるため、ある $i, j \le n$ が存在して $(u,v) \in R_i, (v,w) \in R_j$ となる。問題文の仮定より、$(u,w) \in R_{i+j}$ である。ここで $S_n$ はこれ以上要素が増加しない閉包状態 ($S_n = S_{n+1}$) であるため、$R_{i+j} \subseteq S_n$ が成り立ち、$(u,w) \in S_n$。同様に、逆関係側でも $(w,v) \in S_n$ かつ $(v,u) \in S_n$ より $(w,u) \in S_n$ となり、その逆関係である $(u,w) \in S_n^{-1}$ も成り立つ。したがって、$(u,w) \in S_n \cap S_n^{-1} = S$。

以上より、$S$ は同値関係である。

[English Translation] To prove that $S$ is an equivalence relation, we must show it satisfies the following three properties:

Reflexivity: For any $v \in V$, $(v,v) \in R_0$ by definition, and since $R_0 \subseteq S_n$, we have $(v,v) \in S_n$. By the definition of the inverse relation, $(v,v) \in S_n^{-1}$. Thus, $(v,v) \in S_n \cap S_n^{-1} = S$.

Symmetry: Assume $(u,v) \in S$. By definition, $(u,v) \in S_n$ and $(u,v) \in S_n^{-1}$. Using the definition of the inverse relation ($(u,v) \in S_n^{-1} \iff (v,u) \in S_n$), we obtain $(v,u) \in S_n$ and $(v,u) \in S_n^{-1}$. Therefore, $(v,u) \in S_n \cap S_n^{-1} = S$.

Transitivity: Assume $(u,v) \in S$ and $(v,w) \in S$. This implies $(u,v) \in S_n$ and $(v,w) \in S_n$. Thus, there exist integers $i, j \le n$ such that $(u,v) \in R_i$ and $(v,w) \in R_j$. Based on the given assumption, $(u,w) \in R_{i+j}$. Since $S_n$ is in a closed state where no new elements are added ($S_n = S_{n+1}$), $R_{i+j} \subseteq S_n$, yielding $(u,w) \in S_n$. Through the exact same logic on the inverse relations, $(w,v) \in S_n$ and $(v,u) \in S_n$ yields $(w,u) \in S_n$, which is equivalent to $(u,w) \in S_n^{-1}$. Therefore, $(u,w) \in S_n \cap S_n^{-1} = S$.

Conclusively, $S$ is an equivalence relation.

(2-4) 同値類 $[v]_S$ が表すもの

【日本語解答】 有向グラフ $G$ における、頂点 $v$ を含む 強連結成分 (Strongly Connected Component)。

[English Translation] The Strongly Connected Component (SCC) containing vertex $v$ within the directed graph $G$.

UTokyo IST Terminology Collection (2005-2025)

Sat, 25 Apr 2026 19:15:00 GMT

University of Tokyo IST Terminology Collection (2005-2025)

[!TIP] 名词解释是创造情报学笔试（第3问/第4问）中的必考题。本文汇总了过去 20 年间出现的所有题目，并提供了中日英三语对照的标准答案。点击题目可跳转至详细解答。

1. 复习索引与分类

📂 领域分类索引

<details> <summary><b>1. 算法与数据结构 (Algorithms & Data Structures)</b></summary>

Merge sort / Radix sort / Heap sort
Dynamic programming / Divide and conquer / Branch-and-bound
Hash table / B-tree / Finite automaton
A* search / MinMax algorithm / Shortest path </details>

<details> <summary><b>2. 计算机系统与架构 (Systems & Arch)</b></summary>

Virtual memory / Program counter / TLB
Pipeline hazard / Superscalar / SIMD
FPGA / RISC vs CISC / Out-of-order execution </details>

<details> <summary><b>3. 人工智能与机器学习 (AI & ML)</b></summary>

Transformer / Deep Learning / Perceptron
Bayesian networks / SVM / Random forest
Hidden Markov model / RNN </details>

<details> <summary><b>4. 机器人与控制理论 (Robotics & Control)</b></summary>

ZMP (Zero Moment Point) / Inverse kinematics
SLAM / Kalman filter / PID control
Passive Walking / Brushless motor </details>

2. 高频考点分析 (Top Frequency)

名词 (Term)	出现年份	频次
公开键密码 (Public-key Cryptography)	2018, 2017, 2012, 2005	4
ZMP (Zero Moment Point)	2023, 2016, 2013	3
贝叶斯网络 (Bayesian Networks)	2024, 2013	2

4. 历年题目完整列表 (2005-2025)

2025.08 実施 (第3問)

マージソート / Merge sort
ガベージコレクション / Garbage collection
トランスフォーマー / Transformer
仮想メモリ / Virtual memory
プログラムカウンタ / Program counter
浮動小数点数の丸め誤差 / Rounding error in floating point numbers
ブラシレスモータ / Brushless motor
モンテカルロ積分 / Monte Carlo integration

2024.08 実施 (第3問)

基数ソート / Radix sort
プログラミング言語における左辺値と右辺値 / L-value and R-value in programming languages
モデル検査 / Model checking
準ニュートン法 / Quasi-Newton method
ベイジアンネットワーク / Bayesian networks
マーチングキューブ法 / Marching cubes method
光学式距離センサの種類（少なくとも2つ）とその原理 / Types of optical distance sensors (at least two) and their principles
暗号学的ハッシュ関数 / Cryptographic hash function

2023.08 実施 (第3問)

動的計画法 / Dynamic programming
ゼロモーメントポイント (ZMP) / Zero Moment Point (ZMP)
BNF (バッカス・ナウア記法またはバッカス記法) / BNF (Backus-Naur Form or Backus Normal Form)
広域ネットワークにおける透過キャッシュ / Transparent cache in wide area networks
自動運転システムにおける動的マップ / Dynamic map in self-driving car system
スレッドレベル並列投機実行 / Thread-level parallel speculative execution
手続き型モデリング / Procedural modeling
k近傍法 / k-nearest neighbor algorithm

2022.08 実施 (第3問)

ハッシュテーブル / Hash table
プロセスとスレッド / Process and Thread
CSMA/CD
ラウス・フルビッツの安定判別法 / Routh-Hurwitz stability criterion
ランダムフォレスト / Random forest
関数型プログラミング / Functional programming
フリップフロップ / Flip-flop
SLAM (自己位置推定と環境地図作成の同時実行) / SLAM (Simultaneous localization and mapping)

2021.08 実施 (第3問)

セルオートマトン / Cellular automaton
クロック周波数 / Clock frequency
サロゲートデータ法 / The method of surrogate data
疑似逆行列 / Pseudo-inverse matrix
リカレントニューラルネットワーク (RNN) / Recurrent neural network
カルバック・ライブラー情報量 (KLダイバージェンス) / Kullback-Leibler divergence
ホモグラフィ変換 / Homography transformation
受動歩行 / Passive Walking

2019.08 実施 (第3問)

セマフォ / Semaphore
A 探索アルゴリズム* / A* search algorithm
FPGA
バッファオーバフロー / Buffer overflow
LR 構文解析 / LR parsing
IPv4 と IPv6 / IPv4 and IPv6
ステッピングモータ / Stepping motor
パーセプトロン / Perceptron

2018.08 実施 (第3問)

逆運動学 / Inverse kinematics
隠れマルコフモデル / Hidden Markov model
ミニマックス法 / MinMax algorithm
NP 完全問題 / NP complete problem
レイトレーシング / Ray tracing
SIMD (Single Instruction Multiple Data)
値渡しと参照渡し / Call by value and call by reference
公開鍵暗号 / Public-key cryptography

2017.08 実施 (第3問)

パイプラインハザード / Pipeline hazard
レジスタリネーミング / Register renaming
カルマンフィルタ / Kalman filter
正規文法と正規言語 / Regular grammar and regular languages
公開鍵暗号と認証局 / Public key cryptography and certification authority
巡回セールスマン問題 / Traveling salesman problem
分割統治法 / Divide and conquer method
ベクトル量子化 / Vector quantization

2016.08 実施 (第3問)

ウェーブレット変換 / Wavelet transformation
ケプストラム / Cepstrum
深層学習 / Deep Learning
ゼロモーメントポイント (ZMP) / Zero Moment Point (ZMP)
SSL (Secure Socket Layer)
標的型メール攻撃 / Targeted e-mail attack
ハフ変換 / Hough transform
プログラミングにおけるラムダ式 / Lambda expression in computer programming

2015.08 実施 (第4問)

運動学と逆運動学 / Kinematics and Inverse Kinematics
力制御の具体的な実現方法（ブロック図を用いて説明せよ） / Concrete implementation method of force control
不変特徴量 / Invariant features
バックプロパゲーション（誤差逆伝播法） / Backpropagation
自己相関関数とパワースペクトル / Autocorrelation function and power spectrum
同期回路と非同期回路 / Synchronous circuits and asynchronous circuits
ネットワークセキュリティープロトコルの例（１つ） / Example of a network security protocol
リアルタイム性 / Real-time capability

2014.08 実施 (第4問)

スーパースカラ / Superscalar
クロスサイトスクリプティング / Cross-site scripting
サポートベクターマシン / Support Vector Machine
ひずみゲージ / Strain gauge
半加算器 / Half adder
実行時コンパイラ (Just-in-time compiler) / Just-in-time compiler
PWM (pulse width modulation) 制御 / PWM (pulse width modulation) control
オプティカルフロー / Optical flow

2013.08 実施 (第4問)

tf-idf
ZMP (Zero Moment Point)
分散ハッシュ / Distributed hash
最短経路問題 / Shortest path problem
ベイジアンネットワーク / Bayesian network
キャリー・ルック・アヘッド / Carry look-ahead
クロージャ(閉包) / Closure
有限オートマトン / Finite automaton

2012.08 実施 (第4問)

NP 完全性 / NP-complete
末尾再帰 / Tail recursion
ステップ応答と伝達関数 / Step response and transfer function
離散コサイン変換(DCT) / Discrete Cosine Transform, DCT
公開鍵暗号 / Public-key cryptosystem
DNS (Domain Name Service)
TLB (Translation Lookaside Buffer)
LL(1)構文解析 / LL(1) parsing

2011.08 実施 (第4問)

フィードバック制御とフィードフォワード制御 / Feedback control and feedforward control
カルマンフィルタ / Kalman filter
画像処理に於けるエッジ抽出法 / Edge detection methods in image processing
モンテカルロ法 / Monte Carlo method
ニューラルネットワークの学習方法 / Learning methods of neural networks
パイプラインハザード / Pipeline hazards
マイクロプログラム制御 / Microprogram (microcode) control
クライアントサーバーシステムと P2P システムの利害得失 / Merits and demerits of client-server systems and P2P systems

2010.08 実施 (第4問)

高階関数 / Higher-order functions
PKI
インターネットにおける AS 番号 / AS numbers within the Internet
移動ロボットにおける自己位置認識と地図構築のための技術 / Technologies for localization and mapping in a mobile robot
多関節ロボットにおけるリンク機構の表現方法 / Representation of link mechanism in an articulated robot
一般化逆行列または擬似逆行列 / Generalized inverse matrix or pseudo-inverse matrix
H^∞ 制御 / H^∞ control
主成分分析 / Principal component analysis

2009.08 実施 (第4問)

ベイズの定理 / Bayes' Theorem
決定木の学習法 / Learning method for decision trees
スペクトル拡散通信の原理と応用例 / Spread-spectrum telecommunications and its applications
関係データベースにおける正規化 / Normalization in relational databases
チューリングマシン / Turing machine
スヌープキャッシュ / Snoop cache
Unicode
ユーザ認証もしくは個人識別について，あわせて3種類の方法とその比較 / Three user authentication or personal identification techniques and a comparative analysis

2008.08 実施 (第4問)

サーボ系における位置フィードバックとトルクフィードバック / Position feedback and torque feedback in a servo system
近接覚センサーの原理 (1 種類でよい) / Principle of proximity sensing
計測における不確かさ (uncertainty) / Uncertainty in measurement
隠れマルコフモデル / Hidden Markov models
グリッド・コンピューティング / Grid computing
フィッシング (phishing) / Phishing
プログラミングにおけるリフレクション / Reflection in programming
参照透明性 / Referential transparency

2007.08 実施 (第4問)

分割統治法 (divide and conquer algorithm) / Divide and conquer method
B 木 (B-tree) / B-tree
ナイキスト周波数 / Nyquist frequency
インパルス応答とステップ応答とその関係 / Impulse response and step response and their relationship
ベクトル量子化 / Vector quantization
アウトオブオーダ (out-of-order) 実行 / Out-of-order execution
正規文法と正規言語 / Regular grammar and regular language
Web システムにおける CGI (Common Gateway Interface) / CGI (Common Gateway Interface) in Web systems

2006.08 実施 (第4問)

標本化定理（サンプリング定理） / The sampling theorem
RISC 型と CISC 型プロセッサ / RISC and CISC processors
インターネット・トランスポート層プロトコルの TCP と UDP / TCP and UDP as transport-layer protocols in the Internet
ヒープソートのデータ構造 / The data structure used for heap sort
関数型プログラミング言語の特徴 / Features of functional programming languages
分枝限定法 / Branch-and-bound algorithm
自然言語の形態素 / Morpheme in natural languages
同次座標系 / Homogeneous coordinate system

2005.08 実施 (第4問)

関係データベースにおける結合 (join) 演算 / “Join” operation in relational databases
OS やプログラムにおけるプロセスとスレッドの違い / The difference between “process” and “thread” in operating systems or programs
文脈自由文法 / Context-free grammar
コンピュータグラフィックス (CG) におけるグロー (Gouraud) シェーディングとフォン (Phone) シェーディング / “Gouraud shading” and “Phone shading” in computer graphics (CG)
Web で標準的に使用される GIF と JPEG の画像符号化法 / Image coding schemes “GIF” and “JPEG” universally used in the WWW
公開鍵暗号を用いたディジタル署名法 / Digital Signature method using the public-key encryption
意味ネットワークによる知識表現法とその特徴 / Knowledge representation using the “Semantic Network”, and its feature
PID 制御と，P, I, D 各要素の制御における役割 / “PID control”, and the roles of its components: “P”, “I” and “D”

5. 标准答案汇总 (Trilingual Reference Answers)

📂 1. 算法与基础 (Algorithms & DS)

<a id="merge-sort"></a>Merge sort (归并排序)

CN: 稳定排序，采用分治法，时间复杂度 $O(n \log n)$。
JP: 分割統治法による安定ソート。計算量は $O(n \log n)$。
EN: Stable divide-and-conquer sorting, $O(n \log n)$ complexity.

<a id="dynamic-programming"></a>Dynamic programming (动态规划)

CN: 将复杂问题分解为重叠子问题，利用记忆化提高效率。
JP: 重複する部分問題の解を記録し、効率的に解く手法。
EN: Solving problems by breaking into overlapping subproblems.

📂 2. 系统与架构 (Systems & Arch)

<a id="virtual-memory"></a>Virtual memory (虚拟内存)

CN: 将硬盘映射为内存空间，扩展内存容量并隔离进程。
JP: 物理メモリ以上の空間を仮想的に提供する技術。
EN: Technique using disk space as an extension of RAM.

<a id="pipeline-hazard"></a>Pipeline hazard (流水线冒险)

CN: 流水线指令冲突（结构、数据、控制冒险）。
JP: 命令パイプラインの実行が妨げられる現象。
EN: Situations preventing the next instruction from executing.

📂 3. 人工智能与控制 (AI & Robotics)

<a id="transformer"></a>Transformer (变换器)

CN: 基于自注意力机制的神经网络，支持并行处理序列。
JP: 自己注意機構を用いた、並列処理可能なニューラルネット。
EN: Self-attention based architecture for sequence processing.

<a id="zmp"></a>ZMP (Zero Moment Point)

CN: 机器人足底压力中心，水平力矩为零的点，用于判断稳定。
JP: 慣性力と重力の水平モーメントがゼロになる床反力作用点。
EN: Point where total horizontal moment is zero, for stability.

<a id="slam"></a>SLAM

CN: 即时定位与地图构建。
JP: 自己位置推定と環境地図作成を同時に行う技術。
EN: Simultaneous Localization and Mapping.

📂 4. 信息安全 (Security)

<a id="public-key-cryptography"></a>Public-key cryptography (公开键密码)

CN: 非对称加密，公钥加密私钥解密，用于解决密钥配送问题。
JP: 公開鍵と秘密鍵を用いる暗号。鍵配送問題を解決する。
EN: Asymmetric encryption using a pair of public/private keys.

[!NOTE] 本博文目前已完整包含 2005-2025 的所有试题索引。三语解答部分持续更新中，旨在覆盖所有 160+ 个专业词条。

Graduate Exam Exercise: Determinant of Matrix B and Cross Product

Mon, 06 Apr 2026 23:30:00 GMT

Determinant of Matrix B and Cross Product: Graduate Exam Exercises

[!NOTE] 这是一个关于线性代数中外积（向量积）与矩阵乘法关系的经典题目。本笔记整理自《演习大学院问题》，用于复习线性代数中的伴随矩阵与外积的基础性质。

1. 题目翻译与核心要点

题目大意： 对于任意 $3 \times 3$ 矩阵 $A$，证明存在唯一的 $3 \times 3$ 矩阵 $B$，使得对于任意行向量 $x, y$，满足： $$(xA) \times (yA) = (x \times y)B$$ 此外，若 $\det(A) = a$，求 $\det(B)$ 的值。（注：$\times$ 表示外积/向量积）。

2. 证明 B 的存在性与唯一性

存在性证明

我们利用外积的坐标表示和行列式的性质。设 $A$ 的行向量分别为 $a_1, a_2, a_3$。则 $xA$ 可以表示为 $x$ 的分量与 $A$ 的行向量的线性组合： $$xA = x_1 a_1 + x_2 a_2 + x_3 a_3$$ 同理，$yA = y_1 a_1 + y_2 a_2 + y_3 a_3$。

根据外积的分配律： $$(xA) \times (yA) = \sum_{i,j=1}^{3} (x_i y_j)(a_i \times a_j)$$

由于 $a_i \times a_i = 0$ 且 $a_i \times a_j = -(a_j \times a_i)$，上式可整理为： $$(xA) \times (yA) = (x_1 y_2 - x_2 y_1)(a_1 \times a_2) + (x_2 y_3 - x_3 y_2)(a_2 \times a_3) + (x_3 y_1 - x_1 y_3)(a_3 \times a_1)$$

观察 $x \times y$ 的定义： $$x \times y = (x_2 y_3 - x_3 y_2, x_3 y_1 - x_1 y_3, x_1 y_2 - x_2 y_1)$$

令 $z = x \times y = (z_1, z_2, z_3)$。带入上面的展开式得到： $$(xA) \times (yA) = z_1(a_2 \times a_3) + z_2(a_3 \times a_1) + z_3(a_1 \times a_2)$$

这恰好是一个行向量乘以一个矩阵的形式。若定义矩阵 $B$ 的三行分别为：

第 1 行: $a_2 \times a_3$
第 2 行: $a_3 \times a_1$
第 3 行: $a_1 \times a_2$

则显然成立 $(xA) \times (yA) = (x \times y)B$。存在性得证。（补充说明：这个 $B$ 其实就是 $A$ 的 伴随矩阵 $\text{adj}(A)$ 的转置，即余子矩阵）。

唯一性证明

假设存在两个矩阵 $B$ 和 $B'$ 满足条件。则对于任意 $x, y$： $$(x \times y)B = (x \times y)B' \implies (x \times y)(B - B') = 0$$

由于 $x, y$ 是任意的，其外积 $x \times y$ 可以取遍 $\mathbb{R}^3$ 中的任何向量。令 $z = x \times y$，若 $z(B - B') = 0$ 对所有 $z$ 成立，则必有 $B - B' = O$（零矩阵），即 $B = B'$。唯一性得证。

3. 计算 B 的行列式

已知 $\det(A) = a$。根据上面的构造，$B$ 的行向量是 $A$ 的行向量的交叉积。这与伴随矩阵 $\text{adj}(A)$ 有极其紧密的联系。

由线性代数恒等式： $$A \cdot (\text{adj}(A)) = \det(A) \cdot I = aI$$

而我们构造的 $B$ 实际上满足 $B = (\text{adj}(A))^T$（或在某些定义下直接就是伴随矩阵）。已知性质：$\det(\text{adj}(A)) = (\det A)^{n-1}$。对于 $3 \times 3$ 矩阵（$n=3$）： $$\det(B) = \det((\text{adj}(A))^T) = \det(\text{adj}(A)) = a^{3-1} = a^2$$

结论： $$\det(B) = a^2$$

总结

矩阵 B 的构造: $B$ 的行向量由 $A$ 的行向量两两外积组成。
本质关系: $B$ 是 $A$ 的余子矩阵（Cofactor Matrix）。
行列式: $B$ 的行列式等于 $A$ 的行列式的平方。

Automata and Theory of Computation Learning Notes

Wed, 01 Apr 2026 20:20:00 GMT

Automata and Theory of Computation Learning Notes: Long-term Accumulation

[!NOTE] 本笔记旨在长期记录计算理论的学习过程，结构按照 Chomsky 谱系及计算复杂性逐步扩展。参考资源：哈工大形式语言与自动机。

1. 有限自动机与正规语言 (Finite Automata & Regular Languages)

1.1 形式定义与转移逻辑

有限自动机通常由五元组 $M = (Q, \Sigma, \delta, q_0, F)$ 定义：

$Q$：状态的有限集合 (Finite set of states)
$\Sigma$：输入字母表 (Input alphabet)
$\delta$：转移函数 (Transition function)
$q_0 \in Q$：初始状态 (Start state)
$F \subseteq Q$：接受状态集合 (Set of accept states)

转移函数 $\delta$ 的核心差异：

类型	映射方式	数学描述	物理比喻
DFA	状态 $\times$ 字符 $\rightarrow$ 状态	$\delta: Q \times \Sigma \rightarrow Q$	单行道：每个输入必有且只有一个去向
NFA	状态 $\times$ 字符 $\rightarrow$ 状态集	$\delta: Q \times \Sigma \rightarrow \mathcal{P}(Q)$	分身术：可并行探索多个路径或走向死胡同

$\epsilon$-闭包 (Epsilon-Closure)：状态 $q$ 的 $\epsilon$-闭包 $E(q)$ 是指从 $q$ 开始，仅通过空串 $\epsilon$ 可达到状态集合。

1.2 正规表达式 (Regular Expressions, RE)

正规表达式是描述正规语言的代数方法。

设计逻辑：约束条件的表达 在设计 RE 时，需重点考虑如何通过局部结构的限制来表达全局约束。
- 案例：不含连续 00 的 01 串 一个非常“精彩”且简洁的等价形式是：$(1+01)^*(0+\epsilon)$。
  - 「护卫者」逻辑 (Bodyguard Logic)：在这个表达式中，每一个 0 的后面都紧跟着一个 1 作为它的“护卫”，从而杜绝了 00 出现的可能。末尾的 (0+\epsilon) 则允许字符串以一个孤立的 0 结尾。
  - 另一种形式：$1^(011^)^*(0+\epsilon)$。这种形式则强调了以 1 开头，后续跟随着“0 + 至少一个 1”的组合。
Kleene 定理与状态消除法：
- 任何 FA 都有等价的 RE。
- 状态消除法：通过递归公式 $R_{ij}^{(k)} = R_{ij}^{(k-1)} \cup R_{ik}^{(k-1)}(R_{kk}^{(k-1)})^*R_{kj}^{(k-1)}$ 将自动机转换为 RE。这代表从 $i$ 到 $j$ 且中间状态编号不超过 $k$ 的路径集合。

1.3 证明方法：数学归纳法 (Mathematical Induction)

在自动机理论中，常对字符串长度 $n = |w|$ 使用归纳法：

基础步骤：验证 $n=0$（即 $w = \epsilon$）时命题成立。
归纳假设：假设对于长度为 $k$ 的字符串 $w$ 命题成立。
递推步骤：考虑字符串 $wa$（$|wa| = k+1$），利用转移函数 $\hat{\delta}(q, wa) = \delta(\hat{\delta}(q, w), a)$ 进行证明。

1.4 NFA 到 DFA 的转换：子集构造法 (Subset Construction)

核心思想：将 NFA 的所有可能状态组合看作 DFA 的一个新状态。
状态爆炸：若 NFA 有 $N$ 个状态，转换后的 DFA 最多可能有 $2^N$ 个状态。

1.5 构造方法：Thompson 构造法 (RE to NFA)

Thompson 构造法是一种将正规表达式映射为等效 NFA 的系统方法。其核心在于递归地将子表达式通过 $\epsilon$ 转移连接：

并集 (Union, $R+S$)：创建一个新的开始和接受状态，通过 $\epsilon$ 转移连接到 $R$ 和 $S$ 的 NFA，形成“并行”结构。
连接 (Concatenation, $RS$)：将 $R$ 的接受状态与 $S$ 的起始状态直接相连或通过 $\epsilon$ 转移相连，形成“串行”结构。
闭包 (Kleene Star, $R^*$)：
1. 从 $R$ 的接受状态连回其起始状态（重复执行）。
2. 增加一个新的起始状态和接受状态，通过 $\epsilon$ 转移直接相连（匹配空串 $\epsilon$）。

1.6 泵引理 (Pumping Lemma) —— 正规性的试金石

核心直觉：鸽巢原理 (Pigeonhole Principle) 若一个 DFA 有 $n$ 个状态，而读取的字符串长度 $|w| \geq n$，则根据鸽巢原理，路径中必然存在重复的状态，即形成了一个“环”。
形式化条件：若 $L$ 是正规语言，则存在常数 $n$（泵长度），使得任何 $w \in L$ 且 $|w| \geq n$ 均可拆分为 $w = xyz$，满足：
1. $|xy| \leq n$（环出现在前 $n$ 个状态内）
2. $y \neq \epsilon$（环不能为空）
3. $\forall k \geq 0, xy^k z \in L$（环可以被任意次“泵入”）

2. 课程体系参考 (Curriculum Overview)

参考哈工大《形式语言与自动机》课程体系，目前已覆盖 2.1 - 2.5 章节： <div align="center">

</div>

3. 实战练习 (Practice Problems)

3.1 证明语言非正规性 (Using Pumping Lemma)

题目 1：证明 $L = {0^i 1^i \mid i \geq 0}$ 不是正规语言。

反证法步骤：
1. 假设 $L$ 是正规语言，其泵长度为 $n$。
2. 选定字符串 $w = 0^n 1^n$。显然 $w \in L$ 且 $|w| = 2n \geq n$。
3. 拆分 $w = xyz$。由条件 $|xy| \leq n$ 可知，$y$ 必然全由 0 组成。
4. 令 $k=0$（抽去环）或 $k=2$（增加环）。此时 $xy^2z = 0^{n+|y|} 1^n$。
5. 由于 $|y| > 0$，故 $n+|y| \neq n$，导致 $xy^k z \notin L$，产生矛盾。
6. 结论：$L$ 不是正规语言。

题目 2：证明 $L = {0^i 1^j \mid i > j}$ 不是正规语言。

关键策略：Pumping Down ($k=0$)
1. 取 $w = 0^{n+1} 1^n \in L$。
2. 根据 $|xy| \leq n$，$y$ 仍在 $0$ 的区域内。
3. 若抽出 $y$（即 $k=0$），得到 $xz = 0^{n+1-|y|} 1^n$。
4. 由于 $|y| \geq 1$，则 $n+1-|y| \leq n$，即 $0$ 的数量不再大于 $1$。
5. 矛盾：$xz \notin L$。

题目 3：证明 $L = {a^3 b^n c^{n-3} \mid n \geq 3}$ 不是正规语言。

多维约束分析：
1. 取 $w = a^3 b^n c^{n-3}$。
2. 由于 $|xy| \leq n$，$y$ 可能全由 $a$ 组成，或全是 $b$，或两者的混合。
3. Case 1 ($y = a^m$)：Pump $y$ 会改变起始 $a$ 的固定数量（必须为 3）。
4. Case 2 ($y = b^m$)：Pump $y$ 会打破 $n_c = n_b - 3$ 的数量平衡。
5. Case 3 ($y$ 为混合, $y = a^r b^s$)：Pump $y$（例如 $k=2$）会导致 $a$ 与 $b$ 交错出现（形成诸如 $a^3 b \dots a^r b^s \dots$ 的模式），直接破坏了语言要求的“全 $a$ 在前，全 $b$ 在后，全 $c$ 在末尾”的固定字符顺序。
6. 结论：无论 $y$ 落在哪里，通过 Pump ($k=0$ 或 $k \geq 2$) 均可推导出矛盾。

3.2 映射分类应用 (Set Theory)

类型	日本语	形象类比 (旅馆房间)	定义特征
Injective	単射 (たんしゃ)	每个客人都有独立房间，不拼房	一对一，无重叠映射
Surjective	全射 (ぜんしゃ)	旅馆所有房间都住满了人	陪域 = 值域
Bijective	全单射	每个房间刚好住一个人，且住满	既是单射也是全射

单射 (Injection)：客房服务。每个客人对应一个不同房间，但不一定住满。
满射 (Surjection)：所有房间都住满了人，但可能有房间住了多个人。
全单射 (Bijection)：完美的匹配，每个人都有独立房间且刚好住满。

4. 后续学习路线 (Upcoming Topics)

根据目前的对话进度，下一步将深入以下核心模块：

Myhill-Nerode 定理：通过等价关系（$\equiv_L$）对字符串进行分类，是判定正规性与进行最小化的理论基石。
DFA 状态数最小化 (Minimization)：将冗余状态合并，得到处理特定语言的最简机。
上下文无关语法 (Context-Free Grammars, CFG)：由 Chomsky 谱系的第 3 类转向第 2 类，研究比正规语言表达能力更强的语言。

5. 备考建议 (Japanese Exam Tips)

鸽巢原理：日本考研面试或笔试常考 Pumping Lemma 的本质，请记住其关键词 「鳩の巣原理」 (はとのすげんり)。
写像的严谨性：描述 $\delta$ 时，注意区分 $Q$ 还是 $\mathcal{P}(Q)$，这决定了 DFA 还是 NFA。

整理自：Gemini 自动机学习规划对话 (针对日本大学院考试)

Linear Algebra Learning Notes: Specialized for Japanese Graduate Entrance Exams

Wed, 01 Apr 2026 14:35:00 GMT

Linear Algebra Learning Notes: Specialized for Japanese Graduate Entrance Exams

1. 核心概念复习：列空间 (Column Space) 与零空间 (Nullspace)

1.1 零空间 $N(A)$ 的本质

数学定义：满足 $Ax = 0$ 的所有解 $x$ 的集合。
几何本质：矩阵列向量的线性组合等于零向量。例如，若 $x = [1, 1, 1]^T$ 在 $N(A)$ 中，则表示 $1 \cdot c_1 + 1 \cdot c_2 + 1 \cdot c_3 = 0$，即列向量线性相关。
子空间性质：零空间对数乘 and 加法封闭，是一个真正的向量子空间。

1.2 列空间 $C(A)$ 与秩 (Rank)

数学定义：矩阵所有列向量的线性组合构成的空间。
秩 $r$：主元 (pivots) 的个数，代表列空间中独立向量的数量。
几何形状：
- $r=1$：穿过原点的直线。
- $r=2$：穿过原点的平面。
- $r=n$：充满整个 $n$ 维空间。

2. 黄金法则：秩-零化度定理 (Rank-Nullity Theorem)

对于一个 $m \times n$ 的矩阵 $A$： $$\text{矩阵总列数 } n = \text{列空间维度 } r + \text{零空间维度 } (n-r)$$

物理意义：输入信息被分流，维度为 $r$ 的信息转化为非零输出，维度为 $n-r$ 的信息被“抹除”进入零空间。

3. 实战练习与证明破局

3.1 基础训练：列向量关系判定

题目：若 $x = [1, 1, 1]^T$ 在 3x3 矩阵 $A$ 的零空间 $N(A)$ 中，列向量 $c_1, c_2, c_3$ 有何关系？

解析：由 $Ax=0$ 可知， $1 \cdot c_1 + 1 \cdot c_2 + 1 \cdot c_3 = 0$。这说明列向量线性相关，矩阵为奇异矩阵。

3.2 难点攻克：含参矩阵分析

题目：给定 $A = \begin{bmatrix} 1 & 1 & 1 \ 1 & 2 & 4 \ 1 & 3 & a \end{bmatrix}$，求 $a$ 为何值时 $N(A)$ 存在非零向量？

关键点：高斯消元后，若要存在非零解（即存在自由变量），必须出现全零行。计算得出 $a=7$。
结论：当 $a=7$ 时，零空间向量为 $x = [1, -2, 1]^T$，对应列空间 $C(A)$ 是一个由前两列张成的 2D 平面。

3.3 抽象矩阵证明思路

题目：证明若 $A^2 = 0$，则 $C(A) \subseteq N(A)$。

翻译机制：
1. 若 $y \in C(A)$，则存在 $x$ 使得 $y = Ax$。
2. 要证 $y \in N(A)$，只需证 $Ay = 0$。
3. 带入得 $A(Ax) = A^2x = 0x = 0$。
结论延伸：由于 $C(A) \subseteq N(A)$，则维度满足 $r \le n-r$，即 $r \le n/2$。

4. 终极版：$Ax = b$ 的完整解结构

4.1 通解公式

$$x = x_p + x_n$$

$x_p$ (Particular Solution)：特解，将解平移到正确位置。令所有自由变量为 0 即可快速求得。
$x_n$ (Nullspace Solution)：零空间通解，代表解的延展方向。

4.2 案例演示：Gauss-Jordan 消元实操

针对以下方程组： $$\begin{bmatrix} 1 & 2 & 1 \ 2 & 4 & 0 \ 3 & 6 & 1 \end{bmatrix} \begin{bmatrix} x_1 \ x_2 \ x_3 \end{bmatrix} = \begin{bmatrix} 2 \ 2 \ 4 \end{bmatrix}$$

通过初等行变换化为 最简行阶梯形 (RREF)： $$\begin{bmatrix} 1 & 2 & 0 & | & 1 \ 0 & 0 & 1 & | & 1 \ 0 & 0 & 0 & | & 0 \end{bmatrix}$$

完整解： $$x = \begin{bmatrix} 1 \ 0 \ 1 \end{bmatrix} + c \begin{bmatrix} -2 \ 1 \ 0 \end{bmatrix}$$

手写过程参考

</div>

5. 解的结构预言：四种命运

通过 $r$ (秩)、$m$ (行/方程数)、$n$ (列/未知数) 的关系直接断定解的性质：

形态	关系	几何/解的特征	解的数量
满秩方阵	$r = m = n$	最完美形态，存在逆矩阵	唯一解
满列秩	$r = n < m$	瘦高型，无自由变量	0 或 1 个解
满行秩	$r = m < n$	矮胖型，无全零行，必有解	无数个解
秩亏缺	$r < m$ 且 $r < n$	残缺型，行列都不满	0 或无数个解

备考技巧：在考试中看到 $3 \times 5$ 矩阵，由于 $r \le 3 < 5$，立刻可知存在自由变量，该方程组绝对不可能有“唯一解”。

线性代数进阶复习笔记：从谱理论到 SVD

核心哲学： 所有的矩阵分解，本质上都是在寻找一套最能简化物理规律的“尺子（基底）”。

👑 一、核心矩阵结构及其谱性质 (Spectral Properties)

这部分是线性代数的“面相学”。通过矩阵的形状，直接判定其最深刻的代数与物理基因。

矩阵类型	定义 / 判定条件	特征值 ($\lambda$) 性质	特征向量 ($x$) 性质	物理/几何意义
对称矩阵 (Symmetric)	$A = A^T$	必为实数 ($\lambda \in \mathbb{R}$)	不同特征值的特征向量必正交	完美的坐标轴拉伸，无旋转
正定矩阵 (Positive Definite)	$x^T Ax > 0$ (对 $\forall x \neq 0$)	全部大于 0 ($\lambda > 0$)	构成 $\mathbb{R}^n$ 的正交基	能量永远为正，存在全局唯一极小值 (碗底)
正交矩阵 (Orthogonal)	$Q^T Q = I$	模长绝对为 1 ($\lambda = \pm 1$)	——	保长变换 (纯旋转或翻转)，$Q^{-1}=Q^T$
反对称矩阵 (Skew-Symmetric)	$A^T = -A$	纯虚数或 0 ($\lambda = i\omega$)	属于正规矩阵族，特征向量正交	能量守恒，系统做无衰减的纯周期震荡
三角矩阵 (Triangular)	左下/右上全为 0	主对角线上的元素	——	连乘路线被阻断，方程直接降维解耦

🌟 谱定理 (Spectral Theorem)： > 任何实对称矩阵 $A$ 都可以被正交对角化为 $A = Q \Lambda Q^T$。

🪜 二、矩阵分解的阶梯 (Hierarchy of Matrix Factorizations)

1. 对角化 (Diagonalization)

公式： $A = S \Lambda S^{-1}$
前提： 必须拥有 $n$ 个线性无关的特征向量。
本质： 在特征基底视角下，错综复杂的空间变换被完美解耦为 $n$ 个独立方向的纯缩放。

2. 若尔当标准型 (Jordan Form)

公式： $A = M J M^{-1}$
适用： 所有的方阵（包括特征向量缺失的残疾/退化矩阵）。
结构： $J$ 是由若尔当块组成的准对角阵。
终极判决： 一个若尔当块，不论尺寸多大，永远只能提供 1 个特征向量。若尔当块的数量 = 系统中真实独立特征向量的数量。

3. 奇异值分解 (Singular Value Decomposition, SVD)

公式： $A = U \Sigma V^T$
适用： 任意 $m \times n$ 矩阵，线性代数最普适的终极解药。
代数构造：
- $V$ 是 $A^T A$ 的标准化特征向量矩阵（属于原空间的完美正交基）。
- $U$ 是 $AA^T$ 的标准化特征向量矩阵（属于目标空间的完美正交基）。
- $\Sigma$ 的对角线元素 $\sigma_i = \sqrt{\lambda_i(A^T A)}$，代表拉伸的绝对倍数。
几何意义： 任何复杂的变形 $A$，都等价于：旋转 ($V^T$) $\to$ 独立拉伸 ($\Sigma$) $\to$ 再旋转 ($U$)。

📐 三、心算秒杀捷径 (Cheat Codes)

在考场上，这些法则是绕过复杂一元高次方程的利器。

生死的绑定：迹与行列式
- 迹 (Trace) = 主对角线之和 = $\sum \lambda_i$
- 行列式 (Det) = $\prod \lambda_i$
常量对角对称矩阵 $\begin{bmatrix} a & b \ b & a \end{bmatrix}$
- 特征值直接秒杀：$\lambda_1 = a+b, \quad \lambda_2 = a-b$
- 特征向量永恒锁定：$\begin{bmatrix} 1 \ 1 \end{bmatrix}$ 和 $\begin{bmatrix} -1 \ 1 \end{bmatrix}$
秩为 1 的矩阵 (Rank = 1)
- 所有行/列成比例。
- 特征值：有且仅有 1 个非零特征值（刚好等于 Trace），其余全部为 0。

🌐 四、线性变换与物理时空观

1. 线性变换的判别

真正的线性变换必须满足叠加原理：$T(cv + dw) = cT(v) + dT(w)$

致命法则： $T(0)$ 必须等于 $0$。原点偏移（如平移 $T(v) = v + v_0$）绝不是线性变换。

2. 基底锁定全宇宙

如果想知道一个线性变换对全宇宙任意点 $v$ 的效果，不需要全场追踪。
只需要追踪基底的落点（例如 $T(v_1), T(v_2) \dots$）。
矩阵 $A$ 就是这本记录册！ 矩阵的每一列，就是空间基础网格（基向量）被变换后落下的坐标。

3. 预测未来：常微分方程组

系统方程： $\frac{du}{dt} = Au$
时间演化公式： $u(t) = e^{At}u(0)$
特征值解耦降维打击： $e^{At} = S e^{\Lambda t} S^{-1}$
通过特征值看透系统宿命：
- 实部 $< 0$：能量衰减，系统归于死寂。
- 实部 $> 0$：能量爆炸，系统发散崩溃。
- 纯虚数 ($a=0, b \neq 0$)：能量守恒，永无止境的周期性震荡。

典型例题：基于谱信息（特征值与特征向量）的矩阵属性判定

【题目描述】 已知某 $3 \times 3$ 矩阵 $A$ 的特征值分别为： $\lambda_1 = 0, \quad \lambda_2 = c, \quad \lambda_3 = 2$

其对应的特征向量分别为： $x_1 = \begin{bmatrix} 1 \ 1 \ 1 \end{bmatrix}, \quad x_2 = \begin{bmatrix} 1 \ -1 \ 0 \end{bmatrix}, \quad x_3 = \begin{bmatrix} 1 \ 1 \ -2 \end{bmatrix}$

请根据以上信息，回答下列问题并给出严格的代数理由：

(a) 矩阵 $A$ 是否可对角化 (Diagonalizable)？变量 $c$ 需要满足什么条件？
(b) 矩阵 $A$ 是否为对称矩阵 (Symmetric)？变量 $c$ 需要满足什么条件？
(c) 矩阵 $A$ 是否为正定矩阵 (Positive definite)？
(d) 矩阵 $A$ 是否为马尔可夫矩阵 (Markov matrix)？
(e) 令 $P = \frac{1}{2}A$，矩阵 $P$ 是否为投影矩阵 (Projection matrix)？变量 $c$ 需要满足什么条件？

【思路剖析（隐藏的阵眼）】 在动笔做题前，观察给定的三个特征向量，计算它们的内积（点积）：

$x_1^T x_2 = 1\times1 + 1\times(-1) + 1\times0 = 0$
$x_1^T x_3 = 1\times1 + 1\times1 + 1\times(-2) = 0$
$x_2^T x_3 = 1\times1 + (-1)\times1 + 0\times(-2) = 0$

结论：三个特征向量两两正交。 这是一个极其强大的隐藏条件，也是解答后续问题的核心依据。

【详细解答】

(a) 矩阵 $A$ 是否可对角化？

结论： 是。对任意实数或复数 $c$ 均成立。
理由： 矩阵 $A$ 的三个特征向量 $x_1, x_2, x_3$ 互相正交，因此它们必定线性无关。一个 $3 \times 3$ 矩阵只要拥有 3 个线性无关的特征向量，即可构成可逆的特征向量矩阵 $S$，从而满足 $A = S\Lambda S^{-1}$，故必然可对角化。即便 $c=0$ 或 $c=2$ 导致特征值存在重根，正交性依然保证了特征向量的线性无关性。

(b) 矩阵 $A$ 是否为对称矩阵？

结论： 是。要求 $c$ 必须为实数 ($c \in \mathbb{R}$)。
理由： 根据谱定理 (Spectral Theorem)，一个矩阵是对称矩阵当且仅当它拥有完备的正交特征向量组，且所有特征值均为实数。已知特征向量已经正交，因此只要未知特征值 $c$ 是实数，矩阵 $A$ 就必定是对称矩阵。

(c) 矩阵 $A$ 是否为正定矩阵？

结论： 否 (No)。
理由： 正定矩阵的定义要求系统能量绝对为正，在特征值上的反映是所有的特征值必须严格大于 0 ($\lambda_i > 0$)。已知第一特征值 $\lambda_1 = 0$，不满足严格大于 0 的条件。（注：若限制 $c \ge 0$，该矩阵可被称为“半正定矩阵” Positive Semi-Definite）。

(d) 矩阵 $A$ 是否为马尔可夫矩阵？

结论： 否 (No)。
理由： 马尔可夫矩阵描述的是概率转移，系统的总概率保持不变，因此其最大特征值必须严格等于 1。已知该矩阵存在特征值 $\lambda_3 = 2 > 1$，这意味着系统状态的模长会随时间呈指数级爆炸，因此绝对不可能是马尔可夫矩阵。

(e) $P = \frac{1}{2}A$ 是否为投影矩阵？

结论： 是。要求 $c = 0$ 或 $c = 2$。
理由： 投影矩阵的几何性质决定了“投影两次等于投影一次”，即必须满足 $P^2 = P$。代入特征值方程可知 $\lambda^2 = \lambda$，解得投影矩阵的特征值只能是 $0$ 或 $1$。由于 $P = \frac{1}{2}A$，根据线性代数法则，矩阵 $P$ 的特征值为矩阵 $A$ 特征值的一半，即： $$\lambda_{P1} = 0, \quad \lambda_{P2} = \frac{c}{2}, \quad \lambda_{P3} = 1$$ 为了使 $P$ 满足投影矩阵的条件，未知的特征值 $\frac{c}{2}$ 必须等于 $0$ 或 $1$。解得：$c = 0$ 或 $c = 2$。

【考点总结】

对角化的充要条件： 拥有 $n$ 个线性无关的特征向量（与特征值是否重复/有无重根无关）。
谱定理逆用： 正交特征向量组 + 纯实数特征值 $\iff$ 对称矩阵。
正定性判定： 全体特征值 $\lambda > 0$（有一票否决制）。
投影矩阵特征： 特征值被死死锁定在集合 ${0, 1}$ 中。

SVD分解过程

我们选这个稍微有点不对称的矩阵： $$A = \begin{bmatrix} 3 & 0 \ 4 & 5 \end{bmatrix}$$

目标是求出：$A = U \Sigma V^T$。

第一步：找原空间的基底与拉伸量（求 $V$ 和 $\Sigma$）

因为直接处理 $A$ 很难，我们构造对称矩阵 $A^T A$。

1. 算 $A^T A$ $$A^T A = \begin{bmatrix} 3 & 4 \ 0 & 5 \end{bmatrix} \begin{bmatrix} 3 & 0 \ 4 & 5 \end{bmatrix} = \begin{bmatrix} 3\times3+4\times4 & 3\times0+4\times5 \ 0\times3+5\times4 & 0\times0+5\times5 \end{bmatrix} = \begin{bmatrix} 25 & 20 \ 20 & 25 \end{bmatrix}$$

2. 找特征值（决定 $\Sigma$） 出现了一个对角线数字相同的常量对称矩阵！立刻触发我们的**“心算秒杀法则”**：

第一特征值：$\lambda_1 = a + b = 25 + 20 = 45$
第二特征值：$\lambda_2 = a - b = 25 - 20 = 5$

因为奇异值是特征值的平方根（$\sigma_i = \sqrt{\lambda_i}$），所以：

$\sigma_1 = \sqrt{45} = 3\sqrt{5}$
$\sigma_2 = \sqrt{5}$

直接写出奇异值矩阵（从大到小排）： $$\Sigma = \begin{bmatrix} 3\sqrt{5} & 0 \ 0 & \sqrt{5} \end{bmatrix}$$

3. 找特征向量（决定 $V$） 继续触发秒杀法则！这种矩阵的特征向量永远死死绑定在 $45^\circ$ 和 $135^\circ$ 方向。

我们面对的矩阵是 $M = \begin{bmatrix} 25 & 20 \ 20 & 25 \end{bmatrix}$。我们已经算出了两个特征值：$\lambda_1 = 45, \lambda_2 = 5$。现在我们要通过求解特征方程 $(M - \lambda I)x = 0$，找出它们对应的标准化特征向量 $v_1$ 和 $v_2$。

第一轮求解：代入 $\lambda_1 = 45$

1. 构造 $(M - \lambda I)$ 矩阵： 把主对角线上的数字减去 $45$： $$M - 45I = \begin{bmatrix} 25 - 45 & 20 \ 20 & 25 - 45 \end{bmatrix} = \begin{bmatrix} -20 & 20 \ 20 & -20 \end{bmatrix}$$

2. 解齐次线性方程组 $(M - 45I)x = 0$： $$\begin{bmatrix} -20 & 20 \ 20 & -20 \end{bmatrix} \begin{bmatrix} x_1 \ x_2 \end{bmatrix} = \begin{bmatrix} 0 \ 0 \end{bmatrix}$$ 展开得到两个方程：

$-20x_1 + 20x_2 = 0$
$20x_1 - 20x_2 = 0$

可以看出，这两行表达的是同一个意思（这就是特征值使矩阵退化的必然结果）。化简后得到： $$x_1 = x_2$$ 为了取最简单的整数解，我们令 $x_1 = 1, x_2 = 1$。得到基础特征向量：$v_{base1} = \begin{bmatrix} 1 \ 1 \end{bmatrix}$

3. 标准化（极其关键！SVD 要求向量长度必须为 1）：

算长度：$|v_{base1}| = \sqrt{1^2 + 1^2} = \sqrt{2}$
缩放向量：将原向量除以长度。 $$v_1 = \begin{bmatrix} 1/\sqrt{2} \ 1/\sqrt{2} \end{bmatrix}$$

第二轮求解：代入 $\lambda_2 = 5$

1. 构造 $(M - \lambda I)$ 矩阵： 把主对角线上的数字减去 $5$： $$M - 5I = \begin{bmatrix} 25 - 5 & 20 \ 20 & 25 - 5 \end{bmatrix} = \begin{bmatrix} 20 & 20 \ 20 & 20 \end{bmatrix}$$

2. 解方程组 $(M - 5I)x = 0$： $$\begin{bmatrix} 20 & 20 \ 20 & 20 \end{bmatrix} \begin{bmatrix} x_1 \ x_2 \end{bmatrix} = \begin{bmatrix} 0 \ 0 \end{bmatrix}$$ 两行完全一样：$20x_1 + 20x_2 = 0$。化简后得到： $$x_1 = -x_2$$ 取最简单的一组整数解，令 $x_1 = -1, x_2 = 1$。（当然你选 $1$ 和 $-1$ 也完全可以）。得到基础特征向量：$v_{base2} = \begin{bmatrix} -1 \ 1 \end{bmatrix}$

3. 标准化：

算长度：$|v_{base2}| = \sqrt{(-1)^2 + 1^2} = \sqrt{2}$
缩放向量： $$v_2 = \begin{bmatrix} -1/\sqrt{2} \ 1/\sqrt{2} \end{bmatrix}$$

拼装矩阵 $V^T$

最后，把算出来的 $v_1$ 和 $v_2$ 按照列拼成正交矩阵 $V = \begin{bmatrix} \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{2}} \ \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{bmatrix}$。

因为 SVD 公式 $A=U\Sigma V^T$ 里需要的是转置矩阵 $V^T$，我们把它的行和列对调一下： $$V^T = \begin{bmatrix} \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \ -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{bmatrix}$$

为了满足正交矩阵长度为 $1$ 的要求，我们直接写出标准化后的特征向量：

对应 $\lambda_1 = 45$ 的向量：$v_1 = \begin{bmatrix} 1/\sqrt{2} \ 1/\sqrt{2} \end{bmatrix}$
对应 $\lambda_2 = 5$ 的向量：$v_2 = \begin{bmatrix} -1/\sqrt{2} \ 1/\sqrt{2} \end{bmatrix}$

把它们拼成右奇异矩阵 $V$。在公式中我们需要的是 $V^T$（按行排布）： $$V^T = \begin{bmatrix} 1/\sqrt{2} & 1/\sqrt{2} \ -1/\sqrt{2} & 1/\sqrt{2} \end{bmatrix}$$

第二步：找目标空间的基底（求 $U$）

千万记住 Strang 教授在黑板上极其用力的 "Instead" 法则！ 绝对不要去算 $A A^T$ 的特征向量，那样容易出现正负号断裂！我们要用 SVD 的灵魂公式直接强推：$u_i = \frac{A v_i}{\sigma_i}$。

1. 求 $u_1$： $$u_1 = \frac{1}{3\sqrt{5}} \begin{bmatrix} 3 & 0 \ 4 & 5 \end{bmatrix} \begin{bmatrix} 1/\sqrt{2} \ 1/\sqrt{2} \end{bmatrix}$$ 先算矩阵乘法： $$= \frac{1}{3\sqrt{5}} \begin{bmatrix} \frac{3}{\sqrt{2}} \ \frac{9}{\sqrt{2}} \end{bmatrix}$$ 把外面的分母乘进去（注意 $3\sqrt{5} \times \sqrt{2} = 3\sqrt{10}$）： $$u_1 = \begin{bmatrix} \frac{3}{3\sqrt{10}} \ \frac{9}{3\sqrt{10}} \end{bmatrix} = \mathbf{\begin{bmatrix} 1/\sqrt{10} \ 3/\sqrt{10} \end{bmatrix}}$$

2. 求 $u_2$： $$u_2 = \frac{1}{\sqrt{5}} \begin{bmatrix} 3 & 0 \ 4 & 5 \end{bmatrix} \begin{bmatrix} -1/\sqrt{2} \ 1/\sqrt{2} \end{bmatrix}$$ 先算矩阵乘法： $$= \frac{1}{\sqrt{5}} \begin{bmatrix} -\frac{3}{\sqrt{2}} \ \frac{1}{\sqrt{2}} \end{bmatrix}$$ 把外面的分母乘进去（$\sqrt{5} \times \sqrt{2} = \sqrt{10}$）： $$u_2 = \mathbf{\begin{bmatrix} -3/\sqrt{10} \ 1/\sqrt{10} \end{bmatrix}}$$

将 $u_1$ 和 $u_2$ 拼起来，这就是绝对安全的左奇异矩阵 $U$： $$U = \begin{bmatrix} \frac{1}{\sqrt{10}} & -\frac{3}{\sqrt{10}} \ \frac{3}{\sqrt{10}} & \frac{1}{\sqrt{10}} \end{bmatrix}$$

(口算验证：$U$ 的两列点积是不是 $0$？ $\frac{1\times(-3)}{10} + \frac{3\times1}{10} = 0$。长度是不是 $1$？ $\frac{1^2+3^2}{10} = \frac{10}{10} = 1$。完美正交！)

第三步：大满贯拼装

现在，我们将三个矩阵组合在一起，见证代数的极致对称美：

$$A = \underbrace{\begin{bmatrix} \frac{1}{\sqrt{10}} & -\frac{3}{\sqrt{10}} \ \frac{3}{\sqrt{10}} & \frac{1}{\sqrt{10}} \end{bmatrix}}{U} \underbrace{\begin{bmatrix} 3\sqrt{5} & 0 \ 0 & \sqrt{5} \end{bmatrix}}{\Sigma} \underbrace{\begin{bmatrix} \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \ -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{2}} \end{bmatrix}}_{V^T}$$

東京大学新領域創成科学研究科メディカル情報生命専攻 2025年8月実施問題7

Author

KardeniaPoyu

Description

行列 $A = \begin{pmatrix} 1 & 1 \ 1 & 0 \end{pmatrix}$ について、以下の問いに答えよ。

(1) $A$ の固有値、固有ベクトルを求めよ。
(2) $\lim_{n \to \infty} A^n \begin{pmatrix} x \ y \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix}$ を満たす、非ゼロの $\begin{pmatrix} x \ y \end{pmatrix}$ を求めよ。

$m \times n$ 実行列 $A$、$l \times n$ 実行列 $B$ に対して、$A \boldsymbol{x} = \boldsymbol{0}$ を満たすベクトル $\boldsymbol{x}$ は必ず $B \boldsymbol{x} = \boldsymbol{0}$ を満たすとき、以下の二つを示せ。

(3) $\text{rank } A \ge \text{rank } B$
(4) $B = CA$ を満たす $l \times m$ 実行列 $C$ が存在する。

Kai

(1)

行列 $A$ の固有値を $\lambda$ とすると、特性方程式は次のように表される。

$$ \begin{aligned} \det(A - \lambda I) &= \begin{vmatrix} 1 - \lambda & 1 \ 1 & -\lambda \end{vmatrix} \ &= -\lambda(1 - \lambda) - 1 \ &= \lambda^2 - \lambda - 1 = 0 \end{aligned} $$

これを解くと、固有値は $\lambda = \frac{1 \pm \sqrt{5}}{2}$ となる。

次に、それぞれの固有値に対する固有ベクトルを求める。 $\lambda_1 = \frac{1 + \sqrt{5}}{2}, \lambda_2 = \frac{1 - \sqrt{5}}{2}$ とおく。

$\lambda_1 = \frac{1 + \sqrt{5}}{2}$ のとき $(A - \lambda_1 I)\boldsymbol{v} = \boldsymbol{0}$ より、

$$ \begin{pmatrix} 1 - \frac{1 + \sqrt{5}}{2} & 1 \ 1 & -\frac{1 + \sqrt{5}}{2} \end{pmatrix} \begin{pmatrix} v_1 \ v_2 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix} $$

$$ \begin{pmatrix} \frac{1 - \sqrt{5}}{2} & 1 \ 1 & -\frac{1 + \sqrt{5}}{2} \end{pmatrix} \begin{pmatrix} v_1 \ v_2 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix} $$

よって、$v_1 - \frac{1 + \sqrt{5}}{2} v_2 = 0$ が得られる。したがって、対応する固有ベクトルは $c_1 \begin{pmatrix} \frac{1 + \sqrt{5}}{2} \ 1 \end{pmatrix} \quad (c_1 \neq 0)$ となる。

$\lambda_2 = \frac{1 - \sqrt{5}}{2}$ のとき $(A - \lambda_2 I)\boldsymbol{v} = \boldsymbol{0}$ より、

$$ \begin{pmatrix} 1 - \frac{1 - \sqrt{5}}{2} & 1 \ 1 & -\frac{1 - \sqrt{5}}{2} \end{pmatrix} \begin{pmatrix} v_1 \ v_2 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix} $$

$$ \begin{pmatrix} \frac{1 + \sqrt{5}}{2} & 1 \ 1 & -\frac{1 - \sqrt{5}}{2} \end{pmatrix} \begin{pmatrix} v_1 \ v_2 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix} $$

よって、$v_1 - \frac{1 - \sqrt{5}}{2} v_2 = 0$ が得られる。したがって、対応する固有ベクトルは $c_2 \begin{pmatrix} \frac{1 - \sqrt{5}}{2} \ 1 \end{pmatrix} \quad (c_2 \neq 0)$ となる。

以上より、固有値と固有ベクトルは以下の通りである。

固有値 $\frac{1 + \sqrt{5}}{2}$ に対する固有ベクトル: $c_1 \begin{pmatrix} \frac{1 + \sqrt{5}}{2} \ 1 \end{pmatrix} \quad (c_1 \neq 0)$
固有値 $\frac{1 - \sqrt{5}}{2}$ に対する固有ベクトル: $c_2 \begin{pmatrix} \frac{1 - \sqrt{5}}{2} \ 1 \end{pmatrix} \quad (c_2 \neq 0)$

(2)

(1) で求めた固有ベクトル $\boldsymbol{v}_1 = \begin{pmatrix} \frac{1 + \sqrt{5}}{2} \ 1 \end{pmatrix}, \boldsymbol{v}_2 = \begin{pmatrix} \frac{1 - \sqrt{5}}{2} \ 1 \end{pmatrix}$ は一次独立であるため、これらを基底として $\begin{pmatrix} x \ y \end{pmatrix}$ を表すことができる。実数 $\alpha, \beta$ を用いて、

$$ \begin{pmatrix} x \ y \end{pmatrix} = \alpha \boldsymbol{v}_1 + \beta \boldsymbol{v}_2 $$

と表すとする。このとき、$A^n \begin{pmatrix} x \ y \end{pmatrix}$ は次のように計算できる。

$$ \begin{aligned} A^n \begin{pmatrix} x \ y \end{pmatrix} &= A^n (\alpha \boldsymbol{v}_1 + \beta \boldsymbol{v}_2) \ &= \alpha A^n \boldsymbol{v}_1 + \beta A^n \boldsymbol{v}_2 \ &= \alpha \lambda_1^n \boldsymbol{v}_1 + \beta \lambda_2^n \boldsymbol{v}_2 \end{aligned} $$

ここで、$n \to \infty$ の極限を考える。 $\lambda_1 = \frac{1 + \sqrt{5}}{2} \approx 1.618 > 1$ であるため、$\lambda_1^n$ は発散する。一方、$\lambda_2 = \frac{1 - \sqrt{5}}{2} \approx -0.618$ であり、$|\lambda_2| < 1$ であるため、$\lambda_2^n \to 0 \quad (n \to \infty)$ となる。

したがって、$\lim_{n \to \infty} A^n \begin{pmatrix} x \ y \end{pmatrix} = \begin{pmatrix} 0 \ 0 \end{pmatrix}$ が成り立つためには、発散する項の係数 $\alpha$ が $0$ でなければならない。

$\alpha = 0$ のとき、

$$ \begin{pmatrix} x \ y \end{pmatrix} = \beta \boldsymbol{v}_2 = \beta \begin{pmatrix} \frac{1 - \sqrt{5}}{2} \ 1 \end{pmatrix} $$

となる。$\begin{pmatrix} x \ y \end{pmatrix}$ は非ゼロであるため、$\beta \neq 0$ である。よって、求める非ゼロのベクトル $\begin{pmatrix} x \ y \end{pmatrix}$ は、

$$ c \begin{pmatrix} \frac{1 - \sqrt{5}}{2} \ 1 \end{pmatrix} \quad (c \neq 0) $$

である。

(3)

$A$ を $m \times n$ 行列、$B$ を $l \times n$ 行列とする。仮定より、$A\boldsymbol{x} = \boldsymbol{0}$ を満たすベクトル $\boldsymbol{x}$ は必ず $B\boldsymbol{x} = \boldsymbol{0}$ を満たす。すなわち、行列 $A$ の核 (Null space) を $\ker(A)$、行列 $B$ の核を $\ker(B)$ とすると、

$$ \ker(A) \subseteq \ker(B) $$

が成り立つ。これより、それぞれの核の次元 (Nullity) について以下の不等式が成り立つ。

$$ \dim(\ker(A)) \le \dim(\ker(B)) $$

ここで、次元定理 (Rank-Nullity Theorem) より、任意の $k \times n$ 行列 $M$ について、

$$ \text{rank}(M) + \dim(\ker(M)) = n $$

が成り立つ。行列 $A$ と $B$ はともに $n$ 列の行列であるため、

$$ \text{rank}(A) + \dim(\ker(A)) = n $$ $$ \text{rank}(B) + \dim(\ker(B)) = n $$

となる。これらを変形して不等式に代入すると、

$$ n - \text{rank}(A) \le n - \text{rank}(B) \implies \text{rank}(A) \ge \text{rank}(B) $$ が示された。

English:

Let $A$ be an $m \times n$ matrix and $B$ be an $l \times n$ matrix. By assumption, any vector $\boldsymbol{x}$ satisfying $A\boldsymbol{x} = \boldsymbol{0}$ also satisfies $B\boldsymbol{x} = \boldsymbol{0}$. That is, if we denote the null space (kernel) of $A$ and $B$ as $\ker(A)$ and $\ker(B)$ respectively, then:

$$\ker(A) \subseteq \ker(B)$$

This implies the following inequality for the dimensions of the kernels (nullities):

$$\dim(\ker(A)) \le \dim(\ker(B))$$

From the Rank-Nullity Theorem, for any $k \times n$ matrix $M$:

$$\text{rank}(M) + \dim(\ker(M)) = n$$ Since matrices $A$ and $B$ both have $n$ columns, we have: $$ \begin{aligned} \text{rank}(A) + \dim(\ker(A)) &= n \ \text{rank}(B) + \dim(\ker(B)) &= n \end{aligned} $$ Substituting these into the inequality:

$$n - \text{rank}(A) \le n - \text{rank}(B) \implies \text{rank}(A) \ge \text{rank}(B)$$

This completes the proof.

(4)

仮定より $\ker(A) \subseteq \ker(B)$ である。任意の部分空間 $V$ について、その直交補空間を $V^\perp$ と表す。包含関係の直交補空間をとると、包含関係が逆転するため、

$$ \ker(B)^\perp \subseteq \ker(A)^\perp $$

が成り立つ。任意の行列について、その核の直交補空間は行空間 (Row space) と一致する。すなわち、行列 $M$ の行空間を $R(M)$ とすると、$\ker(M)^\perp = R(M)$ である。これを用いると、上の包含関係は次のように表せる。

$$ R(B) \subseteq R(A) $$

これは、行列 $B$ のすべての行ベクトルが、行列 $A$ の行ベクトルの線形結合として表せることを意味する。行列 $A$ の $j$ 番目の行ベクトルを $\boldsymbol{a}_j^T \quad (j=1, \dots, m)$ とし、行列 $B$ の $i$ 番目の行ベクトルを $\boldsymbol{b}i^T \quad (i=1, \dots, l)$ とすると、任意の $i$ について、あるスカラー $c{ij}$ が存在して、

$$ \boldsymbol{b}i^T = \sum{j=1}^{m} c_{ij} \boldsymbol{a}_j^T $$

と表せる。ここで、$c_{ij}$ を $(i, j)$ 成分に持つ $l \times m$ 行列を $C$ と定義する。このとき、行列の積 $CA$ の第 $i$ 行は $\sum_{j=1}^{m} c_{ij} \boldsymbol{a}_j^T$ となり、これは $\boldsymbol{b}_i^T$ に等しい。よって、$B = CA$ が成り立つ。以上より、$B = CA$ を満たす $l \times m$ 実行列 $C$ が存在することが示された。

English:

For any subspace $V$, let $V^\perp$ denote its orthogonal complement. Taking the orthogonal complement of both sides reverses the inclusion relation:

$$\ker(B)^\perp \subseteq \ker(A)^\perp$$

For any matrix, the orthogonal complement of its null space is its row space. That is, if $R(M)$ is the row space of matrix $M$, then $\ker(M)^\perp = R(M)$. Thus, the inclusion can be rewritten as:

$$R(B) \subseteq R(A)$$

This means every row vector of matrix $B$ can be expressed as a linear combination of the row vectors of matrix $A$. Let $\boldsymbol{a}_j^T \quad (j=1, \dots, m)$ be the $j$-th row vector of $A$, and $\boldsymbol{b}_i^T \quad (i=1, \dots, l)$ be the $i$-th row vector of $B$.

$$\boldsymbol{b}i^T = \sum{j=1}^{m} c_{ij} \boldsymbol{a}_j^T$$

Define an $l \times m$ matrix $C$ where the $(i, j)$-th entry is $c_{ij}$. Then, the $i$-th row of the product $CA$ is $\sum_{j=1}^{m} c_{ij} \boldsymbol{a}_j^T$, which equals $\boldsymbol{b}_i^T$. Therefore, $B = CA$ holds.

This proves that there exists an $l \times m$ real matrix $C$ satisfying $B = CA$.

Summary

次元定理 (Rank-Nullity Theorem): $\text{rank}(A) + \dim(\ker A) = n$ （即：$\text{秩} + \text{零空间维度} = \text{总列数}$）。
题目条件翻译成数学语言。

最小二乘法

Question

Find the least squares solution $\hat{\boldsymbol{x}}$ for the system $A\boldsymbol{x} = \boldsymbol{b}$, where: $$A = \begin{bmatrix} 1 & 0 \ 1 & 1 \ 1 & 2 \end{bmatrix}, \quad \boldsymbol{b} = \begin{bmatrix} 3 \ 4 \ 1 \end{bmatrix}$$

Solution

面对 $Ax = b$ 无解的绝境，线性代数给出的终极拯救方案就是正规方程 (Normal Equations)：在等式两边同时左乘矩阵的转置 $A^T$，强行把方程变成有解的形态：

$$A^T A \hat{x} = A^T b$$

我们把这道题的数据代进去，一步一步把它算穿：

第一步：准备好弹药 ($A$, $A^T$, $b$)

已知我们的原矩阵 $A$ 和目标向量 $b$： $$A = \begin{bmatrix} 1 & 0 \ 1 & 1 \ 1 & 2 \end{bmatrix}, \quad b = \begin{bmatrix} 3 \ 4 \ 1 \end{bmatrix}$$

首先，写出 $A$ 的转置 $A^T$（把列变成行）： $$A^T = \begin{bmatrix} 1 & 1 & 1 \ 0 & 1 & 2 \end{bmatrix}$$

第二步：组装对称正定方阵 ($A^T A$)

这是最神奇的一步！无论 $A$ 原本有多么高瘦不规则，乘以自己的转置后，必定会生出一个完美的、可逆的对称方阵。 $$A^T A = \begin{bmatrix} 1 & 1 & 1 \ 0 & 1 & 2 \end{bmatrix} \begin{bmatrix} 1 & 0 \ 1 & 1 \ 1 & 2 \end{bmatrix}$$

第一行乘第一列：$1\times1 + 1\times1 + 1\times1 = \mathbf{3}$
第一行乘第二列：$1\times0 + 1\times1 + 1\times2 = \mathbf{3}$
第二行乘第一列：$0\times1 + 1\times1 + 2\times1 = \mathbf{3}$
第二行乘第二列：$0\times0 + 1\times1 + 2\times2 = \mathbf{5}$

所以，$$A^T A = \begin{bmatrix} 3 & 3 \ 3 & 5 \end{bmatrix}$$ (看到了吗？主对角线两侧都是 3，完美的对称矩阵！)

第三步：转化目标向量 ($A^T b$)

对目标 $b$ 进行同样的降维打击： $$A^T b = \begin{bmatrix} 1 & 1 & 1 \ 0 & 1 & 2 \end{bmatrix} \begin{bmatrix} 3 \ 4 \ 1 \end{bmatrix}$$

第一行乘 $b$：$1\times3 + 1\times4 + 1\times1 = \mathbf{8}$
第二行乘 $b$：$0\times3 + 1\times4 + 2\times1 = \mathbf{6}$

所以，$$A^T b = \begin{bmatrix} 8 \ 6 \end{bmatrix}$$

第四步：解救 $\hat{x}$ (求解正规方程)

现在，原本那个无解的 $3 \times 2$ 绝境，被我们完美转化成了一个极其标准的 $2 \times 2$ 线性方程组： $$\begin{bmatrix} 3 & 3 \ 3 & 5 \end{bmatrix} \begin{bmatrix} \hat{C} \ \hat{D} \end{bmatrix} = \begin{bmatrix} 8 \ 6 \end{bmatrix}$$

解这个方程简直易如反掌。我们求 $A^T A$ 的逆矩阵： $2 \times 2$ 矩阵的行列式：$3 \times 5 - 3 \times 3 = 15 - 9 = \mathbf{6}$。利用口诀“主对角互换，副对角变号，除以行列式”： $$(A^T A)^{-1} = \frac{1}{6} \begin{bmatrix} 5 & -3 \ -3 & 3 \end{bmatrix}$$

把逆矩阵乘到右边去，彻底解放 $\hat{x}$： $$\hat{x} = \frac{1}{6} \begin{bmatrix} 5 & -3 \ -3 & 3 \end{bmatrix} \begin{bmatrix} 8 \ 6 \end{bmatrix}$$

$$= \frac{1}{6} \begin{bmatrix} 5\times8 + (-3)\times6 \ (-3)\times8 + 3\times6 \end{bmatrix} = \frac{1}{6} \begin{bmatrix} 40 - 18 \ -24 + 18 \end{bmatrix} = \frac{1}{6} \begin{bmatrix} 22 \ -6 \end{bmatrix}$$

化简这个分数： $$\hat{x} = \begin{bmatrix} 22/6 \ -6/6 \end{bmatrix} = \begin{bmatrix} 11/3 \ -1 \end{bmatrix}$$

💡 灵魂拷问：为什么要左乘 $A^T$？

这个看似流氓的“两边同乘 $A^T$”操作，绝不仅仅是为了凑出一个方阵，它的背后有着极其严密的几何物理意义。

我们复习一下刚刚讲的投影：

投影的本质是寻找列空间里离 $b$ 最近的点 $p$。
既然最近，那么产生的误差向量 $e = b - p$ 必须绝对垂直于列空间 $C(A)$。
垂直于列空间的向量，归谁管？归四个基本子空间里的**“左零空间 $N(A^T)$”**管！

这意味着，误差 $e$ 掉进了 $A^T$ 的零空间，所以： $$A^T e = 0$$

把 $e = b - A\hat{x}$ 代进去： $$A^T (b - A\hat{x}) = 0$$ 把括号拆开，移项： $$A^T A \hat{x} = A^T b$$

既然已经算出了最优解 $\hat{x} = \begin{bmatrix} 11/3 \ -1 \end{bmatrix}$，求投影 $p$ 的过程，本质上就是把这个“配方”带回到原始矩阵 $A$ 的仓库里去“抓药”。

1. 核心公式：投影就是列的线性组合

在最小二乘法中，投影向量 $p$ 的定义极其简单： $$p = A\hat{x}$$

这个公式的物理意义是：由于目标 $b$ 不在列空间里，我们退而求其次，寻找列空间中离 $b$ 最近的点。而 $\hat{x}$ 恰恰告诉了我们：“你应该用多少份的第一列和多少份的第二列，才能拼凑出这个最近的点。”

2. 具体的代数推导

我们将矩阵 $A = \begin{bmatrix} 1 & 0 \ 1 & 1 \ 1 & 2 \end{bmatrix}$ 和算出的 $\hat{x} = \begin{bmatrix} 11/3 \ -1 \end{bmatrix}$ 代入：

$$p = \begin{bmatrix} 1 & 0 \ 1 & 1 \ 1 & 2 \end{bmatrix} \begin{bmatrix} 11/3 \ -1 \end{bmatrix}$$

按照矩阵乘法（或者更直观的“列组合”视角）展开： $$p = \frac{11}{3} \begin{bmatrix} 1 \ 1 \ 1 \end{bmatrix} + (-1) \begin{bmatrix} 0 \ 1 \ 2 \end{bmatrix}$$

逐行计算：

第一行： $1 \times \frac{11}{3} + 0 \times (-1) = \mathbf{11/3}$
第二行： $1 \times \frac{11}{3} + 1 \times (-1) = \frac{11}{3} - \frac{3}{3} = \mathbf{8/3}$
第三行： $1 \times \frac{11}{3} + 2 \times (-1) = \frac{11}{3} - \frac{6}{3} = \mathbf{5/3}$

所以，投影向量为： $$p = \begin{bmatrix} 11/3 \ 8/3 \ 5/3 \end{bmatrix}$$

3. 为什么这个 $p$ 很重要？

这个 $p$ 就是你在统计学里寻找的那条“最佳拟合直线”在数据点上的预估值。

当 $t=0$ 时，直线预测值是 $11/3$。
当 $t=1$ 时，直线预测值是 $8/3$。
当 $t=2$ 时，直线预测值是 $5/3$。

如果你把这些预测值跟原始的观测值 $b = \begin{bmatrix} 3 \ 4 \ 1 \end{bmatrix}$ 做对比，你会发现它们之间存在垂直的误差。

总结

求投影 $p$ 的第一步是解出 $\hat{x}$，第二步就是简单的乘法 $p = A\hat{x}$。这个 $p$ 是列空间中对 $b$ 的最佳近似。如果你想进一步验证，可以计算 $e = b - p$，你会发现 $e$ 与 $A$ 的每一列都正交，这说明你的投影找得严丝合缝。

東京大学新領域創成科学研究科メディカル情報生命専攻 2026年1月実施問題7

Description

以下の問いに答えよ。

(1) 行列 $A = \begin{pmatrix} 2 & -1 & -1 \ -1 & 2 & -1 \ -1 & -1 & 2 \end{pmatrix}$ の固有値を求めよ。

(2) 行列 $A$ の固有空間の基底を求めよ。

(3) $P^T AP$ が対角行列になるような直交行列 $P$ を求めよ。

(4) $\boldsymbol{x} = (x_1, x_2, x_3)^T$ を三次元実ベクトルとする。$f(\boldsymbol{x}) = \boldsymbol{x}^T A \boldsymbol{x}$ の最小値を与える最適解的集合は、三次元空間における直線になっている。この直線を表す方程式を示せ。

(5) 実数の成分からなる対称正方行列に対して、すべての固有値が異なるならば、すべての固有ベクトルは相互に直交することを証明せよ。

Kai

(1) 固有値の算出

行列 $A$ の固有方程式 $|\lambda I - A| = 0$ を解く。

$$|\lambda I - A| = \begin{vmatrix} \lambda - 2 & 1 & 1 \ 1 & \lambda - 2 & 1 \ 1 & 1 & \lambda - 2 \end{vmatrix}$$ 各列を第1列に加えると、

$$ \begin{aligned} |\lambda I - A| &= \begin{vmatrix} \lambda & 1 & 1 \ \lambda & \lambda - 2 & 1 \ \lambda & 1 & \lambda - 2 \end{vmatrix} \ &= \lambda \begin{vmatrix} 1 & 1 & 1 \ 1 & \lambda - 2 & 1 \ 1 & 1 & \lambda - 2 \end{vmatrix} \end{aligned} $$

第2行および第3行から第1行を引くと、

$$ \begin{aligned} &= \lambda \begin{vmatrix} 1 & 1 & 1 \ 0 & \lambda - 3 & 0 \ 0 & 0 & \lambda - 3 \end{vmatrix} \ &= \lambda (\lambda - 3)^2 = 0 \end{aligned} $$

ゆえに、行列 $A$ の固有値は $\lambda = 0, 3$（$3$ は2重根） である。

（別解：サラスの公式による展開）

$$ \begin{aligned} |\lambda I - A| &= \begin{vmatrix} \lambda - 2 & 1 & 1 \ 1 & \lambda - 2 & 1 \ 1 & 1 & \lambda - 2 \end{vmatrix} \ &= (\lambda - 2)^3 + (1 \cdot 1 \cdot 1) + (1 \cdot 1 \cdot 1) - (\lambda - 2) \cdot 1 \cdot 1 - 1 \cdot 1 \cdot (\lambda - 2) - 1 \cdot (\lambda - 2) \cdot 1 \ &= (\lambda^3 - 6\lambda^2 + 12\lambda - 8) + 2 - 3(\lambda - 2) \ &= \lambda^3 - 6\lambda^2 + 12\lambda - 6 - 3\lambda + 6 \ &= \lambda^3 - 6\lambda^2 + 9\lambda \ &= \lambda(\lambda^2 - 6\lambda + 9) \ &= \lambda(\lambda - 3)^2 \end{aligned} $$

(2) 固有空間の基底

固有値 $\lambda$ に属する固有空間 $W(\lambda)$ は、方程式 $(\lambda I - A)\boldsymbol{x} = \boldsymbol{0}$ の解空間である。

① $\lambda = 0$ のとき

$$ \begin{aligned} (\lambda I - A)\boldsymbol{x} = \begin{pmatrix} -2 & 1 & 1 \ 1 & -2 & 1 \ 1 & 1 & -2 \end{pmatrix} \begin{pmatrix} x_1 \ x_2 \ x_3 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \ 0 \end{pmatrix} \end{aligned} $$

行基本変形により $x_1 - x_2 = 0$ かつ $x_2 - x_3 = 0$ を得る。すなわち $x_1 = x_2 = x_3$。したがって、$W(0)$ の基底は以下の通りとなる。

$$ \begin{aligned} \left{ \begin{pmatrix} 1 \ 1 \ 1 \end{pmatrix} \right} \end{aligned} $$

② $\lambda = 3$ のとき

$$ \begin{aligned} (3I - A)\boldsymbol{x} = \begin{pmatrix} 1 & 1 & 1 \ 1 & 1 & 1 \ 1 & 1 & 1 \end{pmatrix} \begin{pmatrix} x_1 \ x_2 \ x_3 \end{pmatrix} = \begin{pmatrix} 0 \ 0 \ 0 \end{pmatrix} \end{aligned} $$

これは $x_1 + x_2 + x_3 = 0$ と同値である。$x_2 = s, x_3 = t$ とおくと $x_1 = -s - t$ となる。したがって、$W(3)$ の基底は以下の通りとなる。

$$ \begin{aligned} \left{ \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix}, \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} \right} \end{aligned} $$

(3) 直交行列による対角化

実対称行列は直交行列によって対角化可能である。各固有空間における正規直交基底を構成する。

$W(0)$ の正規直交基底: $\boldsymbol{v}_1 = (1, 1, 1)^T$ を正規化すると、

$$ \boldsymbol{u}_1 = \frac{1}{\sqrt{3}} \begin{pmatrix} 1 \ 1 \ 1 \end{pmatrix} $$

となる。
$W(3)$ の正規直交基底: $\boldsymbol{v}_2 = (-1, 1, 0)^T, \boldsymbol{v}_3 = (-1, 0, 1)^T$ とし、グラム・シュミットの直交化法を用いる。まず $\boldsymbol{v}_2$ を正規化すると、

$$ \boldsymbol{u}_2 = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} $$

となる。次に $\boldsymbol{v}_3$ の $\boldsymbol{u}_2$ に対する直交成分 $\boldsymbol{v}_3'$ を求めると、

$$ \begin{aligned} \boldsymbol{v}_3' &= \boldsymbol{v}_3 - (\boldsymbol{v}_3 \cdot \boldsymbol{u}_2)\boldsymbol{u}_2 \ &= \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} - \frac{1}{2}\begin{pmatrix} -1 \ 1 \ 0 \end{pmatrix} = \begin{pmatrix} -1/2 \ -1/2 \ 1 \end{pmatrix} \end{aligned} $$

これを正規化すると、

$$ \boldsymbol{u}_3 = \frac{1}{\sqrt{6}} \begin{pmatrix} -1 \ -1 \ 2 \end{pmatrix} $$

を得る。

以上より、求める直交行列 $P$ は以下の通りである。

$$ P = (\boldsymbol{u}_1 \quad \boldsymbol{u}_2 \quad \boldsymbol{u}_3) = \begin{pmatrix} \frac{1}{\sqrt{3}} & -\frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} \ \frac{1}{\sqrt{3}} & \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} \ \frac{1}{\sqrt{3}} & 0 & \frac{2}{\sqrt{6}} \end{pmatrix} $$

(4) 二次形式の最小値と直線の方程式

直交行列 $P$ を用いて $\boldsymbol{x} = P\boldsymbol{y}$ （$\boldsymbol{y} = (y_1, y_2, y_3)^T$）と変数変換を行うと、二次形式 $f(\boldsymbol{x})$ は以下のように対角化される。

$$ \begin{aligned} f(\boldsymbol{x}) &= \boldsymbol{y}^T (P^T A P) \boldsymbol{y} \ &= 0y_1^2 + 3y_2^2 + 3y_3^2 \end{aligned} $$

$y_1, y_2, y_3$ は実数であるため、$f(\boldsymbol{x}) = 3y_2^2 + 3y_3^2 \geq 0$ が成り立つ。したがって、$f(\boldsymbol{x})$ の最小値は $0$ であり、条件は $y_2 = y_3 = 0$ である。このとき、

$$ \boldsymbol{x} = P \begin{pmatrix} y_1 \ 0 \ 0 \end{pmatrix} = y_1 \boldsymbol{u}_1 = \frac{y_1}{\sqrt{3}} \begin{pmatrix} 1 \ 1 \ 1 \end{pmatrix} $$

これは固有空間 $W(0)$ に属する任意のベクトルを表す。よって、最適解の集合がなす直線の方程式は $x_1 = x_2 = x_3$ である。

English:

By applying the orthogonal transformation $\boldsymbol{x} = P\boldsymbol{y}$ using the matrix $P$ from (3), the quadratic form $f(\boldsymbol{x})$ is diagonalized as:

$$ \begin{aligned} f(\boldsymbol{x}) &= \boldsymbol{y}^T (P^T A P) \boldsymbol{y} \ &= 0y_1^2 + 3y_2^2 + 3y_3^2 \end{aligned} $$

Since $y_i \in \mathbb{R}$, $f(\boldsymbol{x}) \geq 0$ holds. The minimum value $0$ is achieved when $y_2 = y_3 = 0$, which implies $\boldsymbol{x}$ is any multiple of the eigenvector $\boldsymbol{u}_1$:

$$ \boldsymbol{x} = P \begin{pmatrix} y_1 \ 0 \ 0 \end{pmatrix} = y_1 \boldsymbol{u}_1 = \frac{y_1}{\sqrt{3}} \begin{pmatrix} 1 \ 1 \ 1 \end{pmatrix} $$

Thus, the set of optimal solutions is the line $x_1 = x_2 = x_3$.

(5) 【証明】相異なる固有値に属する固有ベクトルの直交性

実対称行列 $A$ ($A^T = A$) の相異なる固有値を $\lambda_1, \lambda_2$、対応する固有ベクトルを $\boldsymbol{x}_1, \boldsymbol{x}_2$ とする。

$$ \begin{aligned} A \boldsymbol{x}_1 &= \lambda_1 \boldsymbol{x}_1 \quad \dots (i) \ A \boldsymbol{x}_2 &= \lambda_2 \boldsymbol{x}_2 \quad \dots (ii) \end{aligned} $$

式 $(i)$ の両辺を転置すると、$\boldsymbol{x}_1^T A^T = \lambda_1 \boldsymbol{x}_1^T$ となる。$A^T = A$ より、

$$ \begin{aligned} \boldsymbol{x}_1^T A = \lambda_1 \boldsymbol{x}_1^T \end{aligned} $$

この両辺に右から $\boldsymbol{x}_2$ を掛けると、

$$ \begin{aligned} \boldsymbol{x}_1^T A \boldsymbol{x}_2 = \lambda_1 \boldsymbol{x}_1^T \boldsymbol{x}_2 \quad \dots (iii) \end{aligned} $$

一方、式 $(iii)$ の左辺に式 $(ii)$ を代入すると、

$$ \begin{aligned} \boldsymbol{x}_1^T (A \boldsymbol{x}_2) = \boldsymbol{x}_1^T (\lambda_2 \boldsymbol{x}_2) = \lambda_2 \boldsymbol{x}_1^T \boldsymbol{x}_2 \quad \dots (iv) \end{aligned} $$

式 $(iii)$ と $(iv)$ より、

$$ \begin{aligned} (\lambda_1 - \lambda_2) \boldsymbol{x}_1^T \boldsymbol{x}_2 = 0 \end{aligned} $$

$\lambda_1 \neq \lambda_2$ より $\lambda_1 - \lambda_2 \neq 0$ であるから、

$$ \begin{aligned} \boldsymbol{x}_1^T \boldsymbol{x}_2 = 0 \end{aligned} $$

が成り立つ。これは $\boldsymbol{x}_1$ と $\boldsymbol{x}_2$ が直交することを意味する。（証明終）

English:

Let $\lambda_1, \lambda_2$ be distinct eigenvalues of a real symmetric matrix $A$, with eigenvectors $\boldsymbol{x}_1, \boldsymbol{x}_2$. $$ \begin{aligned} A\boldsymbol{x}_1 &= \lambda_1 \boldsymbol{x}_1 \quad \dots (i) \ A\boldsymbol{x}_2 &= \lambda_2 \boldsymbol{x}_2 \quad \dots (ii) \end{aligned} $$ Taking the transpose of (i) and using $A^T = A$, we have $\boldsymbol{x}_1^T A = \lambda_1 \boldsymbol{x}_1^T$. Multiplying by $\boldsymbol{x}_2$ from the right yields:

$$ \begin{aligned} \boldsymbol{x}_1^T A \boldsymbol{x}_2 = \lambda_1 \boldsymbol{x}_1^T \boldsymbol{x}_2 \quad \dots (iii) \end{aligned} $$

Simultaneously, from (ii), we have:

$$ \begin{aligned} \boldsymbol{x}_1^T A \boldsymbol{x}_2 = \lambda_2 \boldsymbol{x}_1^T \boldsymbol{x}_2 \quad \dots (iv) \end{aligned} $$

From (iii) and (iv), it follows that:

$$ \begin{aligned} (\lambda_1 - \lambda_2) \boldsymbol{x}_1^T \boldsymbol{x}_2 = 0 \end{aligned} $$

Since $\lambda_1 \neq \lambda_2$, we must have:

$$ \begin{aligned} \boldsymbol{x}_1^T \boldsymbol{x}_2 = 0 \end{aligned} $$

proving orthogonality. (Q.E.D.)

東京大学新領域創成科学研究科メディカル情報生命専攻 2025年1月実施問題7

Description

長さ $1$ の $3$ 次元実縦ベクトル $\boldsymbol{u} \in \mathbb{R}^3$ ($|\boldsymbol{u}| = \sqrt{\boldsymbol{u}^T \boldsymbol{u}} = 1$) に対し、$3 \times 3$ 実行列 $R_u \in \mathbb{R}^{3 \times 3}$ を $R_u = I - 2\boldsymbol{u}\boldsymbol{u}^T$ と定義する。ここで、$I \in \mathbb{R}^{3 \times 3}$ は $3 \times 3$ 単位行列、$\boldsymbol{u}^T$ は $\boldsymbol{u}$ の転置を表す。以下の問に数学的導出も含め答えよ。

(1) 任意のベクトル $\boldsymbol{x} \in \mathbb{R}^3$ に対し、$\boldsymbol{y} = R_u \boldsymbol{x}$ と置くとき、ベクトル $\boldsymbol{x} - \boldsymbol{y}$ はある実数 $a \in \mathbb{R}$ を用いて $\boldsymbol{x} - \boldsymbol{y} = a\boldsymbol{u}$ と書けることを示せ。

(2) $\boldsymbol{y}$ と $\boldsymbol{x}$ の長さは等しい ($|\boldsymbol{y}| = |\boldsymbol{x}|$) ことを示せ。

(3) ベクトル $\boldsymbol{x} = (x_1, x_2, x_3)^T \in \mathbb{R}^3$ が $1$ つ与えられているとする。$\boldsymbol{y} = R_u \boldsymbol{x}$ がある実数 $b \in \mathbb{R}$ を用いて $\boldsymbol{y} = (b, 0, 0)^T$ の形になるような $\boldsymbol{u}$ を全て求めよ。

(4) ベクトル $\boldsymbol{x} = (x_1, x_2, x_3)^T \in \mathbb{R}^3$ が $1$ つ与えられているとする。$\boldsymbol{y} = R_u \boldsymbol{x}$ がある実数 $c \in \mathbb{R}$ を用いて $\boldsymbol{y} = (x_1, c, 0)^T$ の形になるような $\boldsymbol{u}$ を全て求めよ。

(5) $A = \begin{pmatrix} 0 & 1 & 0 \ 0 & 0 & 1 \ 1 & 0 & 1 \end{pmatrix} \in \mathbb{R}^{3 \times 3}$ とする。$B = R_u R_v A$ がある実数 $d, e, f, g, h, i \in \mathbb{R}$ を用いて $B = \begin{pmatrix} d & e & f \ 0 & g & h \ 0 & 0 & i \end{pmatrix}$ の形になるような、長さ $1$ のベクトルの組 $(\boldsymbol{u}, \boldsymbol{v})$ を $1$ つ求めよ。またこのときの $B$ を答えよ。

Kai

(1)

定義より、$\boldsymbol{y} = R_u\boldsymbol{x} = (I - 2\boldsymbol{u}\boldsymbol{u}^T)\boldsymbol{x} = \boldsymbol{x} - 2\boldsymbol{u}(\boldsymbol{u}^T\boldsymbol{x})$ である。これを移項すると、 $$ \boldsymbol{x} - \boldsymbol{y} = 2(\boldsymbol{u}^T\boldsymbol{x})\boldsymbol{u} $$ となる。ここで、$\boldsymbol{u}^T\boldsymbol{x}$ はベクトルの内積であり、実数のスカラー値である。したがって、$a = 2\boldsymbol{u}^T\boldsymbol{x} \in \mathbb{R}$ とおけば、 $$ \boldsymbol{x} - \boldsymbol{y} = a\boldsymbol{u} $$ と書けることが示された。

English:

By definition, $\boldsymbol{y} = R_u\boldsymbol{x} = (I - 2\boldsymbol{u}\boldsymbol{u}^T)\boldsymbol{x} = \boldsymbol{x} - 2\boldsymbol{u}(\boldsymbol{u}^T\boldsymbol{x})$. Rearranging this equation yields: $$ \boldsymbol{x} - \boldsymbol{y} = 2(\boldsymbol{u}^T\boldsymbol{x})\boldsymbol{u} $$ Here, $\boldsymbol{u}^T\boldsymbol{x}$ is the inner product of two vectors, which evaluates to a real scalar. Therefore, by letting $a = 2\boldsymbol{u}^T\boldsymbol{x} \in \mathbb{R}$, we can express this as: $$ \boldsymbol{x} - \boldsymbol{y} = a\boldsymbol{u} $$ This completes the proof.

(2)

$|\boldsymbol{y}|^2 = \boldsymbol{y}^T \boldsymbol{y} = (R_u \boldsymbol{x})^T (R_u \boldsymbol{x}) = \boldsymbol{x}^T R_u^T R_u \boldsymbol{x}$ を計算する。まず、$R_u$ の転置は $R_u^T = (I - 2\boldsymbol{u}\boldsymbol{u}^T)^T = I - 2\boldsymbol{u}\boldsymbol{u}^T = R_u$ であり、$R_u$ は対称行列である。次に、$R_u^T R_u = R_u^2$ を計算すると、 $$ \begin{aligned} R_u^2 &= (I - 2\boldsymbol{u}\boldsymbol{u}^T)(I - 2\boldsymbol{u}\boldsymbol{u}^T) \ &= I - 4\boldsymbol{u}\boldsymbol{u}^T + 4\boldsymbol{u}(\boldsymbol{u}^T\boldsymbol{u})\boldsymbol{u}^T \end{aligned} $$ 仮定より $|\boldsymbol{u}| = 1$、すなわち $\boldsymbol{u}^T\boldsymbol{u} = 1$ であるため、 $$ R_u^2 = I - 4\boldsymbol{u}\boldsymbol{u}^T + 4\boldsymbol{u}(1)\boldsymbol{u}^T = I $$ となり、$R_u$ は直交行列であることがわかる。ゆえに、$|\boldsymbol{y}|^2 = \boldsymbol{x}^T I \boldsymbol{x} = \boldsymbol{x}^T \boldsymbol{x} = |\boldsymbol{x}|^2$ となる。ノルムは非負であるため、$|\boldsymbol{y}| = |\boldsymbol{x}|$ が示された。

English:

Calculate $|\boldsymbol{y}|^2 = \boldsymbol{y}^T \boldsymbol{y} = (R_u \boldsymbol{x})^T (R_u \boldsymbol{x}) = \boldsymbol{x}^T R_u^T R_u \boldsymbol{x}$. First, note that $R_u^T = (I - 2\boldsymbol{u}\boldsymbol{u}^T)^T = I - 2\boldsymbol{u}\boldsymbol{u}^T = R_u$, meaning $R_u$ is a symmetric matrix. Next, we calculate $R_u^T R_u = R_u^2$: $$ \begin{aligned} R_u^2 &= (I - 2\boldsymbol{u}\boldsymbol{u}^T)(I - 2\boldsymbol{u}\boldsymbol{u}^T) \ &= I - 4\boldsymbol{u}\boldsymbol{u}^T + 4\boldsymbol{u}(\boldsymbol{u}^T\boldsymbol{u})\boldsymbol{u}^T \end{aligned} $$ By assumption, $|\boldsymbol{u}| = 1$, which means $\boldsymbol{u}^T\boldsymbol{u} = 1$. Thus: $$ R_u^2 = I - 4\boldsymbol{u}\boldsymbol{u}^T + 4\boldsymbol{u}(1)\boldsymbol{u}^T = I $$ This shows $R_u$ is an orthogonal matrix. Therefore, $|\boldsymbol{y}|^2 = \boldsymbol{x}^T I \boldsymbol{x} = \boldsymbol{x}^T \boldsymbol{x} = |\boldsymbol{x}|^2$. Since norms are non-negative, it follows that $|\boldsymbol{y}| = |\boldsymbol{x}|$.

(3)

(2) より $|\boldsymbol{y}| = |\boldsymbol{x}|$ であるため、$\boldsymbol{y} = (b, 0, 0)^T$ ならば $b^2 = |\boldsymbol{x}|^2$、すなわち $b = \pm |\boldsymbol{x}|$ である。 (1) より $\boldsymbol{x} - \boldsymbol{y} = a\boldsymbol{u}$ であり、$\boldsymbol{u}$ は長さ 1 のベクトルであるため、$\boldsymbol{x} - \boldsymbol{y} \neq \boldsymbol{0}$ のとき、$\boldsymbol{u}$ は $\boldsymbol{x} - \boldsymbol{y}$ と平行な単位ベクトルとなる。すなわち、$\boldsymbol{u} = \pm \frac{\boldsymbol{x} - \boldsymbol{y}}{|\boldsymbol{x} - \boldsymbol{y}|}$ である。以下の3つの場合に分けて求める。

(i) $\boldsymbol{x} \neq \pm |\boldsymbol{x}| (1, 0, 0)^T$ の場合： $\boldsymbol{x} - \boldsymbol{y} \neq \boldsymbol{0}$ となるため、公式に代入して、 $$ \boldsymbol{u} = \pm \frac{\boldsymbol{x} \mp |\boldsymbol{x}| (1, 0, 0)^T}{|\boldsymbol{x} \mp |\boldsymbol{x}| (1, 0, 0)^T|} \quad (\text{複号任意}) $$

(ii) $\boldsymbol{x} = k (1, 0, 0)^T \ (k \neq 0)$ の場合：

$b = k$ のとき、$\boldsymbol{y} = \boldsymbol{x}$ となる。このとき $R_u \boldsymbol{x} = \boldsymbol{x} \implies 2\boldsymbol{u}(\boldsymbol{u}^T \boldsymbol{x}) = \boldsymbol{0} \implies \boldsymbol{u}^T \boldsymbol{x} = 0$。ゆえに $u_1 = 0$ を満たす任意の単位ベクトル $\boldsymbol{u} = (0, u_2, u_3)^T$（ただし $u_2^2 + u_3^2 = 1$）。
$b = -k$ のとき、$\boldsymbol{x} - \boldsymbol{y} = 2k (1, 0, 0)^T \neq \boldsymbol{0}$ となるため、$\boldsymbol{u} = \pm (1, 0, 0)^T$。

(iii) $\boldsymbol{x} = \boldsymbol{0}$ の場合： $b = 0$ となり、$\boldsymbol{y} = \boldsymbol{0}$。$R_u \boldsymbol{0} = \boldsymbol{0}$ は常に成り立つため、任意の単位ベクトル $\boldsymbol{u}$ が解となる。

English:

From (2), $|\boldsymbol{y}| = |\boldsymbol{x}|$. If $\boldsymbol{y} = (b, 0, 0)^T$, then $b^2 = |\boldsymbol{x}|^2$, which implies $b = \pm |\boldsymbol{x}|$. From (1), $\boldsymbol{x} - \boldsymbol{y} = a\boldsymbol{u}$. Since $\boldsymbol{u}$ is a unit vector, when $\boldsymbol{x} - \boldsymbol{y} \neq \boldsymbol{0}$, $\boldsymbol{u}$ must be a unit vector parallel to $\boldsymbol{x} - \boldsymbol{y}$. Thus, $\boldsymbol{u} = \pm \frac{\boldsymbol{x} - \boldsymbol{y}}{|\boldsymbol{x} - \boldsymbol{y}|}$. We find all solutions by considering three cases:

(i) If $\boldsymbol{x} \neq \pm |\boldsymbol{x}| (1, 0, 0)^T$: Here, $\boldsymbol{x} - \boldsymbol{y} \neq \boldsymbol{0}$. Substituting $\boldsymbol{y}$, we get: $$ \boldsymbol{u} = \pm \frac{\boldsymbol{x} \mp |\boldsymbol{x}| (1, 0, 0)^T}{|\boldsymbol{x} \mp |\boldsymbol{x}| (1, 0, 0)^T|} \quad (\text{signs are independent}) $$

(ii) If $\boldsymbol{x} = k (1, 0, 0)^T$ for $k \neq 0$:

For $b = k$, we have $\boldsymbol{y} = \boldsymbol{x}$. This gives $R_u \boldsymbol{x} = \boldsymbol{x} \implies 2\boldsymbol{u}(\boldsymbol{u}^T \boldsymbol{x}) = \boldsymbol{0} \implies \boldsymbol{u}^T \boldsymbol{x} = 0$. Hence, any unit vector with $u_1 = 0$ is a solution: $\boldsymbol{u} = (0, u_2, u_3)^T$ (where $u_2^2 + u_3^2 = 1$).
For $b = -k$, we have $\boldsymbol{x} - \boldsymbol{y} = 2k (1, 0, 0)^T \neq \boldsymbol{0}$. Hence, $\boldsymbol{u} = \pm (1, 0, 0)^T$.

(iii) If $\boldsymbol{x} = \boldsymbol{0}$: Here $b = 0$ and $\boldsymbol{y} = \boldsymbol{0}$. Since $R_u \boldsymbol{0} = \boldsymbol{0}$ holds trivially, any unit vector $\boldsymbol{u}$ is a solution.

(4)

$\boldsymbol{y} = (x_1, c, 0)^T$ とする。(1) より、 $$ \boldsymbol{x} - \boldsymbol{y} = \begin{pmatrix} 0 \ x_2 - c \ x_3 \end{pmatrix} = a\boldsymbol{u} $$ である。これにより、$\boldsymbol{u}$ の第1成分は $u_1 = 0$ でなければならない。また $|\boldsymbol{y}| = |\boldsymbol{x}|$ より、$x_1^2 + c^2 = x_1^2 + x_2^2 + x_3^2$ となるため、$c = \pm \sqrt{x_2^2 + x_3^2}$ である。

(i) $\boldsymbol{x} - \boldsymbol{y} \neq \boldsymbol{0}$ の場合（すなわち $c \neq x_2$ または $x_3 \neq 0$）： $\boldsymbol{u}$ は $\boldsymbol{x} - \boldsymbol{y}$ を正規化したものになるため、 $$ \boldsymbol{u} = \pm \frac{\boldsymbol{x} - \boldsymbol{y}}{|\boldsymbol{x} - \boldsymbol{y}|} = \pm \frac{1}{\sqrt{(x_2 - c)^2 + x_3^2}} \begin{pmatrix} 0 \ x_2 - c \ x_3 \end{pmatrix} $$ （ただし $c = \pm \sqrt{x_2^2 + x_3^2}$）。

(ii) $\boldsymbol{x} - \boldsymbol{y} = \boldsymbol{0}$ の場合（すなわち $x_3 = 0$ かつ $c = x_2$）： $\boldsymbol{x} = \boldsymbol{y} = (x_1, x_2, 0)^T$ となる。(3) と同様に $R_u \boldsymbol{x} = \boldsymbol{x} \implies \boldsymbol{u}^T\boldsymbol{x} = 0 \implies x_1 u_1 + x_2 u_2 = 0$。これと $|\boldsymbol{u}| = 1$ を満たす任意の単位ベクトル $\boldsymbol{u}$ が解となる。

English:

Let $\boldsymbol{y} = (x_1, c, 0)^T$. From (1), we have: $$ \boldsymbol{x} - \boldsymbol{y} = \begin{pmatrix} 0 \ x_2 - c \ x_3 \end{pmatrix} = a\boldsymbol{u} $$ This implies that the first component of $\boldsymbol{u}$ must be $u_1 = 0$. Additionally, from $|\boldsymbol{y}| = |\boldsymbol{x}|$, we get $x_1^2 + c^2 = x_1^2 + x_2^2 + x_3^2$, which gives $c = \pm \sqrt{x_2^2 + x_3^2}$.

(i) If $\boldsymbol{x} - \boldsymbol{y} \neq \boldsymbol{0}$ (i.e., $c \neq x_2$ or $x_3 \neq 0$): $\boldsymbol{u}$ is obtained by normalizing $\boldsymbol{x} - \boldsymbol{y}$: $$ \boldsymbol{u} = \pm \frac{\boldsymbol{x} - \boldsymbol{y}}{|\boldsymbol{x} - \boldsymbol{y}|} = \pm \frac{1}{\sqrt{(x_2 - c)^2 + x_3^2}} \begin{pmatrix} 0 \ x_2 - c \ x_3 \end{pmatrix} $$ (where $c = \pm \sqrt{x_2^2 + x_3^2}$).

(ii) If $\boldsymbol{x} - \boldsymbol{y} = \boldsymbol{0}$ (i.e., $x_3 = 0$ and $c = x_2$): Here $\boldsymbol{x} = \boldsymbol{y} = (x_1, x_2, 0)^T$. Similar to (3), $R_u \boldsymbol{x} = \boldsymbol{x} \implies \boldsymbol{u}^T\boldsymbol{x} = 0 \implies x_1 u_1 + x_2 u_2 = 0$. Any unit vector $\boldsymbol{u}$ satisfying this equation and $|\boldsymbol{u}| = 1$ is a solution.

(5)

この問題は、ハウスホルダー変換を用いて行列 $A$ の QR分解を行うプロセスに相当する。

ステップ1：行列 $A$ の第1列目を変換する $\boldsymbol{v}$ を求める $A$ の第1列 $\boldsymbol{a}_1 = (0, 0, 1)^T$ を、(3) の結果を利用して $(d, 0, 0)^T$ の形に変換する。 $|\boldsymbol{a}_1| = 1$ より $d = 1$ と選ぶと、$\boldsymbol{y}_1 = (1, 0, 0)^T$ となる。公式より、 $$ \boldsymbol{v} = \frac{\boldsymbol{a}_1 - \boldsymbol{y}_1}{|\boldsymbol{a}_1 - \boldsymbol{y}_1|} = \frac{1}{\sqrt{(-1)^2 + 0^2 + 1^2}} \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} $$ このとき、$R_v$ を計算すると以下のようになる（これは1行目と3行目を入れ替える置換行列となる）。 $$ R_v = I - 2\boldsymbol{v}\boldsymbol{v}^T = \begin{pmatrix} 0 & 0 & 1 \ 0 & 1 & 0 \ 1 & 0 & 0 \end{pmatrix} $$ $$ R_v A = \begin{pmatrix} 0 & 0 & 1 \ 0 & 1 & 0 \ 1 & 0 & 0 \end{pmatrix} \begin{pmatrix} 0 & 1 & 0 \ 0 & 0 & 1 \ 1 & 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & 0 & 1 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} $$

ステップ2：$R_v A$ の第2列目を変換する $\boldsymbol{u}$ を求める $R_v A$ の第2列 $\boldsymbol{a}_2^{(1)} = (0, 0, 1)^T$ を、第1成分を変えずに $(0, g, 0)^T$ の形に変換する。これは (4) に対応する。 $\boldsymbol{x} = (0, 0, 1)^T$ とし、$g = 1$ と選ぶと $\boldsymbol{y}_2 = (0, 1, 0)^T$ となる。公式より、 $$ \boldsymbol{u} = \frac{\boldsymbol{x} - \boldsymbol{y}_2}{|\boldsymbol{x} - \boldsymbol{y}_2|} = \frac{1}{\sqrt{0^2 + (-1)^2 + 1^2}} \begin{pmatrix} 0 \ -1 \ 1 \end{pmatrix} = \frac{1}{\sqrt{2}} \begin{pmatrix} 0 \ -1 \ 1 \end{pmatrix} $$ このとき、$R_u$ を計算すると以下のようになる（これは2行目と3行目を入れ替える置換行列となる）。 $$ R_u = I - 2\boldsymbol{u}\boldsymbol{u}^T = \begin{pmatrix} 1 & 0 & 0 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} $$ 最後に $B = R_u (R_v A)$ を計算する。 $$ B = \begin{pmatrix} 1 & 0 & 0 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} \begin{pmatrix} 1 & 0 & 1 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} = \begin{pmatrix} 1 & 0 & 1 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix} $$ これは指定された上三角行列の形を満たしている。

解答：

$\boldsymbol{v} = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix}$
$\boldsymbol{u} = \frac{1}{\sqrt{2}} \begin{pmatrix} 0 \ -1 \ 1 \end{pmatrix}$
$B = \begin{pmatrix} 1 & 0 & 1 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix}$

English:

This problem corresponds to the process of QR decomposition of matrix $A$ using Householder transformations.

Step 1: Find $\boldsymbol{v}$ to transform the first column of $A$ We transform the first column of $A$, $\boldsymbol{a}_1 = (0, 0, 1)^T$, into the form $(d, 0, 0)^T$ using the method from (3). Since $|\boldsymbol{a}_1| = 1$, we can choose $d = 1$, giving $\boldsymbol{y}_1 = (1, 0, 0)^T$. Using the formula: $$ \boldsymbol{v} = \frac{\boldsymbol{a}_1 - \boldsymbol{y}_1}{|\boldsymbol{a}_1 - \boldsymbol{y}_1|} = \frac{1}{\sqrt{(-1)^2 + 0^2 + 1^2}} \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix} $$ Calculating $R_v$, we get a permutation matrix that swaps the 1st and 3rd rows: $$ R_v = I - 2\boldsymbol{v}\boldsymbol{v}^T = \begin{pmatrix} 0 & 0 & 1 \ 0 & 1 & 0 \ 1 & 0 & 0 \end{pmatrix} $$ $$ R_v A = \begin{pmatrix} 0 & 0 & 1 \ 0 & 1 & 0 \ 1 & 0 & 0 \end{pmatrix} \begin{pmatrix} 0 & 1 & 0 \ 0 & 0 & 1 \ 1 & 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & 0 & 1 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} $$

Step 2: Find $\boldsymbol{u}$ to transform the second column of $R_v A$ Next, we transform the second column of $R_v A$, which is $\boldsymbol{a}_2^{(1)} = (0, 0, 1)^T$, into $(0, g, 0)^T$ without changing the first component, using the method from (4). Here $\boldsymbol{x} = (0, 0, 1)^T$. Choosing $g = 1$ gives $\boldsymbol{y}_2 = (0, 1, 0)^T$. Using the formula: $$ \boldsymbol{u} = \frac{\boldsymbol{x} - \boldsymbol{y}_2}{|\boldsymbol{x} - \boldsymbol{y}_2|} = \frac{1}{\sqrt{0^2 + (-1)^2 + 1^2}} \begin{pmatrix} 0 \ -1 \ 1 \end{pmatrix} = \frac{1}{\sqrt{2}} \begin{pmatrix} 0 \ -1 \ 1 \end{pmatrix} $$ Calculating $R_u$, we get another permutation matrix that swaps the 2nd and 3rd rows: $$ R_u = I - 2\boldsymbol{u}\boldsymbol{u}^T = \begin{pmatrix} 1 & 0 & 0 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} $$ Finally, we calculate $B = R_u (R_v A)$: $$ B = \begin{pmatrix} 1 & 0 & 0 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} \begin{pmatrix} 1 & 0 & 1 \ 0 & 0 & 1 \ 0 & 1 & 0 \end{pmatrix} = \begin{pmatrix} 1 & 0 & 1 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix} $$ This is exactly in the desired upper triangular form.

Final Answer:

$\boldsymbol{v} = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \ 0 \ 1 \end{pmatrix}$
$\boldsymbol{u} = \frac{1}{\sqrt{2}} \begin{pmatrix} 0 \ -1 \ 1 \end{pmatrix}$
$B = \begin{pmatrix} 1 & 0 & 1 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix}$

東京大学新領域創成科学研究科メディカル情報生命専攻 2024年8月実施問題7

Description

以下で $\mathbb{R}^{n \times m}$ は $n$ 行 $m$ 列实数値行列の集合を表すものとする。正則行列 $A \in \mathbb{R}^{n \times n}$ の特異値分解は以下で与えられる ($n \ge 2$)。

$$ A = U \Sigma V^T $$

ここで、$U \in \mathbb{R}^{n \times n}, V \in \mathbb{R}^{n \times n}$ は $U^T U = I_n, V^T V = I_n$ をみたし、$\Sigma = \text{diag}(\sigma_1, \dots, \sigma_n) \in \mathbb{R}^{n \times n}$ は対角行列でその対角成分は $\sigma_1 \ge \dots \ge \sigma_n > 0$ を満たす。ただし、$M^T$ は行列 $M$ の転置を表し、$I_m \in \mathbb{R}^{m \times m}$ は単位行列である。

$A$ のランク $r$ 近似 $\hat{A}$ を以下で定義する ($1 \le r < n$)。

$$ \hat{A} = \hat{U} \hat{\Sigma} \hat{V}^T $$

ここで、$\hat{U} \in \mathbb{R}^{n \times r}, \hat{V} \in \mathbb{R}^{n \times r}$ は $U, V$ の最初の $r$ 列からなる行列であり、$\hat{\Sigma} = \text{diag}(\sigma_1, \dots, \sigma_r) \in \mathbb{R}^{r \times r}$ である。$\hat{A}$ は以下の最適化问题の一つの解 $X$ を与えることが知られている。

$$ \min_{X} |A - X|^2 \quad \text{subject to } X \in \mathbb{R}^{n \times n}, \text{rank}(X) = r $$

ただし、$|M|^2 = \text{trace}(M^T M) = \sum_{i,j} (M_{ij})^2$ である。以下の問いに導出も含めて答えよ。

(1) $\hat{A}^T \hat{A}, \hat{A} \hat{A}^T$ の特異値分解を求めよ。

(2) $\hat{A}^+ = \hat{V} \hat{\Sigma}^{-1} \hat{U}^T$ とするとき、$A \hat{A}^+ A = \hat{A}$ を示せ。

(3) 次の最適化問題の解を求めよ。

$$ \min_{X} |A - XX^T A|^2 \quad \text{subject to } X \in \mathbb{R}^{n \times r}, X^T X = I_r $$

(4) 次の最適化問題の解を求めよ。

$$ \max_{X} \text{trace}(X^T A A^T X) \quad \text{subject to } X \in \mathbb{R}^{n \times r}, X^T X = I_r $$

(5) $B \in \mathbb{R}^{n \times n}, C \in \mathbb{R}^{n \times n}$ を用いて $A = BC$ と書けるとする。次の最適化問題の解を求めよ。

$$ \min_{X} |BC - BXC|^2 \quad \text{subject to } X \in \mathbb{R}^{n \times n}, \text{rank}(X) = r $$

Kai

(1)

定義より、$\hat{A} = \hat{U}\hat{\Sigma}\hat{V}^T$ であり、$\hat{U}^T\hat{U} = I_r$、$\hat{V}^T\hat{V} = I_r$ を満たす。

まず、$\hat{A}^T\hat{A}$ について計算する。 $$ \hat{A}^T\hat{A} = (\hat{U}\hat{\Sigma}\hat{V}^T)^T (\hat{U}\hat{\Sigma}\hat{V}^T) = \hat{V}\hat{\Sigma}^T\hat{U}^T \hat{U}\hat{\Sigma}\hat{V}^T $$ $\hat{\Sigma}$ は対角行列であるため $\hat{\Sigma}^T = \hat{\Sigma}$ であり、$\hat{U}^T\hat{U} = I_r$ より、 $$ \hat{A}^T\hat{A} = \hat{V}\hat{\Sigma} I_r \hat{\Sigma}\hat{V}^T = \hat{V}\hat{\Sigma}^2\hat{V}^T $$ これが $\hat{A}^T\hat{A}$ のコンパクト特異値分解（あるいは固有値分解）の形である。$n \times n$ 行列としての完全な特異値分解で表すと、直交行列 $V$ を用いて以下のようになる。 $$ \hat{A}^T\hat{A} = V \begin{pmatrix} \hat{\Sigma}^2 & 0 \ 0 & 0 \end{pmatrix} V^T $$

同様に、$\hat{A}\hat{A}^T$ について計算する。 $$ \hat{A}\hat{A}^T = (\hat{U}\hat{\Sigma}\hat{V}^T) (\hat{U}\hat{\Sigma}\hat{V}^T)^T = \hat{U}\hat{\Sigma}\hat{V}^T \hat{V}\hat{\Sigma}\hat{U}^T $$ $\hat{V}^T\hat{V} = I_r$ より、 $$ \hat{A}\hat{A}^T = \hat{U}\hat{\Sigma} I_r \hat{\Sigma}\hat{U}^T = \hat{U}\hat{\Sigma}^2\hat{U}^T $$ 完全な特異値分解で表すと、直交行列 $U$ を用いて以下のようになる。 $$ \hat{A}\hat{A}^T = U \begin{pmatrix} \hat{\Sigma}^2 & 0 \ 0 & 0 \end{pmatrix} U^T $$

English: By definition, $\hat{A} = \hat{U}\hat{\Sigma}\hat{V}^T$, satisfying $\hat{U}^T\hat{U} = I_r$ and $\hat{V}^T\hat{V} = I_r$.

First, we calculate $\hat{A}^T\hat{A}$: $$ \hat{A}^T\hat{A} = (\hat{U}\hat{\Sigma}\hat{V}^T)^T (\hat{U}\hat{\Sigma}\hat{V}^T) = \hat{V}\hat{\Sigma}^T\hat{U}^T \hat{U}\hat{\Sigma}\hat{V}^T $$ Since $\hat{\Sigma}$ is a diagonal matrix, $\hat{\Sigma}^T = \hat{\Sigma}$. Using $\hat{U}^T\hat{U} = I_r$, we have: $$ \hat{A}^T\hat{A} = \hat{V}\hat{\Sigma} I_r \hat{\Sigma}\hat{V}^T = \hat{V}\hat{\Sigma}^2\hat{V}^T $$ This is the compact SVD (or eigenvalue decomposition) of $\hat{A}^T\hat{A}$. As a full SVD for an $n \times n$ matrix using the orthogonal matrix $V$, it is written as: $$ \hat{A}^T\hat{A} = V \begin{pmatrix} \hat{\Sigma}^2 & 0 \ 0 & 0 \end{pmatrix} V^T $$

Similarly, calculating $\hat{A}\hat{A}^T$: $$ \hat{A}\hat{A}^T = (\hat{U}\hat{\Sigma}\hat{V}^T) (\hat{U}\hat{\Sigma}\hat{V}^T)^T = \hat{U}\hat{\Sigma}\hat{V}^T \hat{V}\hat{\Sigma}\hat{U}^T $$ Using $\hat{V}^T\hat{V} = I_r$, we have: $$ \hat{A}\hat{A}^T = \hat{U}\hat{\Sigma} I_r \hat{\Sigma}\hat{U}^T = \hat{U}\hat{\Sigma}^2\hat{U}^T $$ As a full SVD using the orthogonal matrix $U$, it is written as: $$ \hat{A}\hat{A}^T = U \begin{pmatrix} \hat{\Sigma}^2 & 0 \ 0 & 0 \end{pmatrix} U^T $$

(2)

$\hat{A} = \hat{U}\hat{\Sigma}\hat{V}^T$ および $\hat{A}^+ = \hat{V}\hat{\Sigma}^{-1}\hat{U}^T$ を左辺に代入して計算する。

$$ \begin{aligned} \hat{A}\hat{A}^+\hat{A} &= (\hat{U}\hat{\Sigma}\hat{V}^T) (\hat{V}\hat{\Sigma}^{-1}\hat{U}^T) (\hat{U}\hat{\Sigma}\hat{V}^T) \ &= \hat{U}\hat{\Sigma} (\hat{V}^T\hat{V}) \hat{\Sigma}^{-1} (\hat{U}^T\hat{U}) \hat{\Sigma}\hat{V}^T \end{aligned} $$

$\hat{V}^T\hat{V} = I_r$ および $\hat{U}^T\hat{U} = I_r$ であるため、

$$ \begin{aligned} \hat{A}\hat{A}^+\hat{A} &= \hat{U}\hat{\Sigma} I_r \hat{\Sigma}^{-1} I_r \hat{\Sigma}\hat{V}^T \ &= \hat{U} (\hat{\Sigma}\hat{\Sigma}^{-1}\hat{\Sigma}) \hat{V}^T \ &= \hat{U}\hat{\Sigma}\hat{V}^T \ &= \hat{A} \end{aligned} $$ 以上より、$\hat{A}\hat{A}^+\hat{A} = \hat{A}$ が示された。

English: Substitute $\hat{A} = \hat{U}\hat{\Sigma}\hat{V}^T$ and $\hat{A}^+ = \hat{V}\hat{\Sigma}^{-1}\hat{U}^T$ into the left side:

Since $\hat{V}^T\hat{V} = I_r$ and $\hat{U}^T\hat{U} = I_r$:

$$ \begin{aligned} \hat{A}\hat{A}^+\hat{A} &= \hat{U}\hat{\Sigma} I_r \hat{\Sigma}^{-1} I_r \hat{\Sigma}\hat{V}^T \ &= \hat{U} (\hat{\Sigma}\hat{\Sigma}^{-1}\hat{\Sigma}) \hat{V}^T \ &= \hat{U}\hat{\Sigma}\hat{V}^T \ &= \hat{A} \end{aligned} $$ Thus, $\hat{A}\hat{A}^+\hat{A} = \hat{A}$ is proven.

(3)

$P = XX^T$ とおくと、$X^TX = I_r$ であるため $P$ は階数 $r$ の直交射影行列である。目標は $|A - PA|^2$ を最小化することである。$PA$ は行列 $A$ の列空間を $X$ が張る $r$ 次元部分空間に射影したものであり、$\text{rank}(PA) \le r$ である。

エッカート・ヤング・ミルスキーの定理（Eckart-Young-Mirsky Theorem）より、$\text{rank}(Y) \le r$ を満たす行列 $Y$ の中で $|A - Y|^2$ を最小化するものは $Y = \hat{A} = \hat{U}\hat{\Sigma}\hat{V}^T$ である。したがって、$XX^TA = \hat{A}$ を満たす $X$ を見つければよい。

行列 $A = U\Sigma V^T$ に対して $\hat{U}\hat{U}^T A$ を計算すると、 $$ \hat{U}\hat{U}^T A = \hat{U}\hat{U}^T (\hat{U}\hat{\Sigma}\hat{V}^T + \tilde{U}\tilde{\Sigma}\tilde{V}^T) = \hat{U}\hat{\Sigma}\hat{V}^T = \hat{A} $$ となる（$\tilde{U}$ は $U$ の $r+1$ から $n$ 列目）。よって、$X$ の列ベクトルが $\hat{U}$ の列ベクトルと同じ空間を張ればよい。解は、任意の直交行列 $Q \in \mathbb{R}^{r \times r}$（$Q^TQ = I_r$）を用いて以下のように表される。解: $X = \hat{U}Q$ （最も基本的な解は $X = \hat{U}$）

English: Let $P = XX^T$. Since $X^TX = I_r$, $P$ is an orthogonal projection matrix of rank $r$. The objective is to minimize $|A - PA|^2$. $PA$ is the projection of the column space of $A$ onto the $r$-dimensional subspace spanned by $X$, ensuring $\text{rank}(PA) \le r$.

By the Eckart-Young-Mirsky Theorem, the matrix $Y$ that minimizes $|A - Y|^2$ subject to $\text{rank}(Y) \le r$ is $Y = \hat{A} = \hat{U}\hat{\Sigma}\hat{V}^T$. Thus, we need to find $X$ such that $XX^TA = \hat{A}$.

Calculating $\hat{U}\hat{U}^T A$ for $A = U\Sigma V^T$, we get: $$ \hat{U}\hat{U}^T A = \hat{U}\hat{U}^T (\hat{U}\hat{\Sigma}\hat{V}^T + \tilde{U}\tilde{\Sigma}\tilde{V}^T) = \hat{U}\hat{\Sigma}\hat{V}^T = \hat{A} $$ (where $\tilde{U}$ represents columns $r+1$ to $n$ of $U$). Therefore, the column space of $X$ must span the same space as the columns of $\hat{U}$. The solution, using any orthogonal matrix $Q \in \mathbb{R}^{r \times r}$ ($Q^TQ = I_r$), is expressed as: Solution: $X = \hat{U}Q$ (The most basic solution is $X = \hat{U}$)

(4)

$AA^T = (U\Sigma V^T)(V\Sigma U^T) = U\Sigma^2 U^T$ であり、これは固有値 $\sigma_1^2 \ge \sigma_2^2 \ge \dots \ge \sigma_n^2$ を持つ対称行列である。最適化問題は $\max_X \text{trace}(X^T AA^T X)$ subject to $X^TX = I_r$ となる。

Ky Fanの定理（またはRayleigh-Ritzの定理の拡張）より、正規直交系を列に持つ行列 $X$ に対する $\text{trace}(X^T M X)$ の最大値は、対称行列 $M$ の上位 $r$ 個の固有値の和（この場合は $\sum_{i=1}^r \sigma_i^2$）に等しい。この最大値は、$X$ の列ベクトルが $M$ の上位 $r$ 個の固有値に対応する固有空間（主部分空間）を張るときに達成される。

$AA^T$ の上位 $r$ 個の固有値に対応する固有ベクトルは、行列 $U$ の最初の $r$ 列、すなわち $\hat{U}$ である。したがって、$X$ は $\hat{U}$ と同じ空間を張る正規直交行列であればよい。解: $X = \hat{U}Q$ （$Q \in \mathbb{R}^{r \times r}$ は任意の直交行列）

English: $AA^T = (U\Sigma V^T)(V\Sigma U^T) = U\Sigma^2 U^T$, which is a symmetric matrix with eigenvalues $\sigma_1^2 \ge \sigma_2^2 \ge \dots \ge \sigma_n^2$. The optimization problem is $\max_X \text{trace}(X^T AA^T X)$ subject to $X^TX = I_r$.

By Ky Fan's Theorem (or the extended Rayleigh-Ritz theorem), the maximum of $\text{trace}(X^T M X)$ for an orthonormal matrix $X$ is the sum of the $r$ largest eigenvalues of the symmetric matrix $M$ (in this case, $\sum_{i=1}^r \sigma_i^2$). This maximum is achieved when the column vectors of $X$ span the eigenspace (principal subspace) corresponding to the $r$ largest eigenvalues of $M$.

The eigenvectors corresponding to the $r$ largest eigenvalues of $AA^T$ are the first $r$ columns of $U$, which is $\hat{U}$. Therefore, $X$ must be an orthonormal matrix spanning the same space as $\hat{U}$. Solution: $X = \hat{U}Q$ (where $Q \in \mathbb{R}^{r \times r}$ is an arbitrary orthogonal matrix)

(5)

正則行列 $A$ が $A = BC$ と表されるため、$B \in \mathbb{R}^{n \times n}$ および $C \in \mathbb{R}^{n \times n}$ も正則行列（逆行列を持つ）である。最適化する目的関数は $|A - BXC|^2$ である。

$Y = BXC$ と定義する。$B, C$ が正則であるため、任意の行列 $X$ に対して $\text{rank}(Y) = \text{rank}(X)$ が成り立つ。したがって、条件 $\text{rank}(X) = r$ は $\text{rank}(Y) = r$ と同値になる。問題は以下のように書き換えられる。 $$ \min_Y |A - Y|^2 \quad \text{subject to} \quad \text{rank}(Y) = r $$

エッカート・ヤング・ミルスキーの定理より、この最適化問題の解は $Y = \hat{A}$ である。元の変数 $X$ に戻すと、$BXC = \hat{A}$ を満たす $X$ が求める解となる。 $B, C$ は正則であるため、両辺に左から $B^{-1}$、右から $C^{-1}$ を掛ける。解: $X = B^{-1}\hat{A}C^{-1}$

English: Since the regular (invertible) matrix $A$ is written as $A = BC$, the matrices $B \in \mathbb{R}^{n \times n}$ and $C \in \mathbb{R}^{n \times n}$ must also be regular (invertible). The objective function to be optimized is $|A - BXC|^2$.

Let $Y = BXC$. Because $B$ and $C$ are invertible, $\text{rank}(Y) = \text{rank}(X)$ holds for any matrix $X$. Therefore, the condition $\text{rank}(X) = r$ is completely equivalent to $\text{rank}(Y) = r$. The problem can be rewritten as: $$ \min_Y |A - Y|^2 \quad \text{subject to} \quad \text{rank}(Y) = r $$

By the Eckart-Young-Mirsky Theorem, the solution to this optimization problem is $Y = \hat{A}$. Reverting to the original variable $X$, the desired solution satisfies $BXC = \hat{A}$. Since $B$ and $C$ are invertible, we multiply by $B^{-1}$ on the left and $C^{-1}$ on the right. Solution: $X = B^{-1}\hat{A}C^{-1}$

TOEFL Collocations Handbook (Master Edition)

Fri, 20 Mar 2026 23:25:00 GMT

🎯 必背核心：语料四至七短语汇总

🏛️ 语料四：北京游学记 (Travel & Experience)

核心搭配	释义	原文用法示例
advanced public transportation system	先进的公共交通系统	Beijing has a very advanced public transportation system.
historic sites / business districts	历史古迹 / 商业街区	... visit historic sites, business districts and ...
valuable experience	宝贵的经历 / 经验	... what I really like about Beijing is the valuable experience.
famous landmarks	著名地标	... seeing some famous landmarks in person...
stories and traditions	历史与传统	... understand about the stories and traditions behind them.

🌆 语料五：大都市的魅力 (Urban Energy & Connection)

核心搭配	释义	原文用法示例
feel energized	感到精力充沛	Cities often makes me feel energized.
lively atmosphere	活泼/热闹的氛围	There's always something happening, which creates a lively atmosphere.
build relationships	建立关系	They provide opportunities to meet people and build relationships.
friends from diverse backgrounds	多元背景的朋友	... allowed me to make friends from diverse backgrounds.
interesting and fulfilling	有趣且充实	... makes daily life more interesting and fulfilling.

📈 语料六：个人与职业成长 (Growth & Achievement)

核心搭配	释义	原文用法示例
personal and professional growth	个人与职业成长	offer more opportunities for personal and professional growth.
explore different careers	探索不同职业	People can explore different careers and their own interests.
develop new skills	培养新技能	... helps people develop new skills and achieve career goals.
sense of achievement	成就感	... city life often provides a stronger sense of achievement.
challenge themselves	挑战自我	... encourage young people to challenge themselves.

🌳 语料七：城市公园与环境 (Health & Environment)

核心搭配	释义	原文用法示例
improving public health	改善公共健康	Parks are really essential for improving public health.
reduce stress	减轻压力	... run or relax after work, which helps reduce stress.
beneficial for environmental protection	有益于环境保护	Parks are beneficial for environmental protection.
improve air quality	改善空气质量	Green spaces can help improve air quality.
reduce industrial pollution	减少工业污染	... improve air quality and reduce industrial pollution.

🌍 万全拓展：12个万能理由配套短语汇总 (按理由分类)

当您需要在脑中自主组装句子、针对特定角度展开理由时，可以直接调用以下与其对应的黄金短语：

分类 (Category)	核心搭配 (Expression)	释义 (Definition)	来源位置 (Source)
1. 方便 (Convenience)	fits easily into schedule	轻松融入日程	`0041` [理由 1]
	save time and effort	省时省力	`0041` [理由 1 拓展]
	advanced transportation	先进的交通系统	`0041` [语料 4]
2. 效率 (Efficiency)	boosts my productivity	提升效率/生产力	`0041` [理由 2]
	streamlines my daily routine	精简日常	`0041` [理由 2]
	utilizing digital platforms	利用数字化平台	`0041` [语料 1]
3. 经济 (Economy)	cost-effective option	高性价比的选择	`0041` [理由 3]
	very budget-friendly	划算的、省钱的	`0041` [理由 3]
4. 发展 (Development)	crucial for future development	对未来发展至关重要	`0041` [理由 4]
	gain a competitive edge	获得竞争优势	`0041` [理由 4]
	acquire practical skills	掌握实用技能	`0041` [理由 4 拓展]
5. 安全 (Safety)	ensure a safe environment	确保安全的环境	`0041` [理由 5]
	peace of mind	踏实、心安	`0041` [理由 5]
6. 环保 (Environment)	eco-friendly approach	环保的做法	`0041` [理由 6]
	raise environmental awareness	提高环保意识	`0041` [理由 6]
	reduce carbon footprint	减少碳足迹	`0041` [理由 6 拓展]
7. 社交 (Social)	expand my social circle	扩大社交圈	`0041` [理由 7]
	meet from diverse backgrounds	结识多元背景的人	`0041` [理由 7]
8. 经验 (Experience)	valuable experience	宝贵的经历/经验	`0041` [理由 8 / 语料 4]
	broaden my horizons	开阔眼界	`0041` [理由 8]
	step out of my comfort zone	走出舒适圈	`0041` [理由 8 拓展]
9. 乐趣 (Enjoyment)	brings me pure joy	带给我纯粹的快乐	`0041` [理由 9]
	escape from the daily grind	逃离日常琐碎日常	`0041` [理由 9]
10. 成就 (Achievement)	sense of accomplishment	成就感	`0041` [理由 10 / 语料 6]
	builds my confidence	建立自信	`0041` [理由 10]
11. 情感 (Emotion)	caters to my emotional needs	满足情感需求	`0041` [理由 11]
	recharge my batteries	重获活力/充电	`0041` [理由 11]
12. 健康 (Health)	essential for staying fit	保持健康至关重要	`0041` [理由 12]
	keep body and mind in shape	保持身心良好状态	`0041` [理由 12]
	an excellent means to promote physical health	促进身体健康的绝佳手段	`0041` [理由 12 拓展]

♻️ 专项补充：环保专题 (Corpora 8-11)

核心搭配	释义	来源位置	笔记原文示范 (Context)
fosters a sense of responsibility	培养责任感	`0041` [语料 9]	It fosters a sense of responsibility.
place a heavy burden on...	给...增加沉重负担	`0041` [语料 10]	... can place a burden on residents.
streamlines processes	精简/优化流程	`0041` [语料 11]	... effectively streamlines processes.

🛡️ 专项补充：数字隐私与安全 (Digital Privacy & Security)

📊 1. 数据透明与管理效率 (Transparency & Efficiency)

核心搭配	释义	原文用法示例
data collection transparency	数据收集透明度	Data collection transparency significantly enhances government...
enhance management efficiency	提高管理效率	... significantly enhances government management efficiency while ...
build user trust	建立用户信任	... efficiency while building user trust.
foster confidence in...	培养对……的信心	... it fosters confidence in digital platforms.
reduce communication costs	降低沟通成本	Moreover, such transparency reduces communication costs.
clear data usage policies	明确的数据使用政策	For instance, clear data usage policies minimize time spent...
minimize time spent doing sth	将做某事的时间降至最低	... minimize time spent by users debating privacy concerns ...
enable efficient public discourse	促进高效的公共讨论	... debating privacy concerns, enabling more efficient public discourse.

📱 2. App体验与成本效益 (Cost-effectiveness)

核心搭配	释义	原文用法示例
prefer to do sth	更倾向于做某事	I would prefer to use a free app that collects my data ...
cost-effective	性价比高 / 划算	... because it is cost-effective and creates long-term benefits.
reduce daily expenses	减少日常开支	... First, it helps me reduce daily expenses for app usage ...
highly efficient	高效的	... making it highly efficient.
implement measures to do sth	采取措施做某事	... the app can implement measures to enhance the user experience ...
enhance the user experience	提升用户体验	... can implement measures to enhance the user experience ...
personalized features	个性化功能	... such as personalized features that improve daily life.

🛡️ 3. 个人信息安全与预防 (Safety & Safeguards)

核心搭配	释义	原文用法示例
ensure info security	确保信息安全	I ensure my personal information security mainly through ...
meticulously monitor	细心 / 严密监控	... I meticulously monitor my personal email inbox every day.
detect suspicious or spam emails	发现可疑 or 垃圾邮件	If I detect any suspicious or spam emails, I ...
promptly delete	及时删除	... I promptly delete them and carefully analyze ...
prevent future breaches	防止未来的泄漏	... analyze how they might have obtained my address to prevent future breaches.
extremely cautious about...	对……极其谨慎	... I am extremely cautious about sharing sensitive details ...
avoid disclosing sth	避免透露某事	I avoid disclosing it unless absolutely necessary ...
minimize the risk of...	将……的风险降至最低	... disclose it unless absolutely necessary to minimize the risk of ...
unsolicited contact / data leaks	未经请求的骚扰 / 数据泄露	... minimize the risk of unsolicited contact or data leaks.

⚖️ 4. 法规政策与经济权衡 (Regulations & Economy)

核心搭配	释义	原文用法示例
impose stricter privacy laws	实施更严格的隐私法律	I don't believe governments will impose significantly stricter digital privacy laws ...
due to economic concerns	出于经济方面的考虑	... primarily due to economic concerns and potential impacts ...
implement and enforce regulations	实施和执行法规	... implementing and enforcing such regulations would be extremely costly.
extremely costly	成本极高	... enforcing such regulations would be extremely costly.
need vast resources to do sth	需要大量资源做某事	Governments would need vast resources to monitor how ...
collect and handle user data	收集和处理 user data	... how companies like social media apps collect and handle user data.
stifle innovation / hinder growth	扼杀创新 / 阻碍增长	... could stifle innovation and hinder economic growth.
overly restrictive privacy measures	过度限制性的隐私措施	... overly restrictive privacy measures might paradoxically reduce ...
paradoxically reduce engagement	相反/自相矛盾地降低参与度	... measures might paradoxically reduce user engagement.
limited in doing sth	在做某事方面受限	... if apps are limited in personalizing content based on minimal data ...
weaken the emotional connection	削弱情感连接	... potentially weakening the emotional connection users feel ...
balance A cautiously against B	在A和B之间谨慎权衡	... foresee governments balancing it cautiously against these ...
economic and practical challenges	经济和实际挑战	... against these economic and practical challenges.

🧠 个人生词与微型表达积累 (Vocabulary & Notes)

核心搭配 / 单词	释义 / 音标	补充说明 / 语法点
potential impact	潜在影响
significantly	显著地
impose laws	实施法律
economic concerns	经济考虑
enrich life	丰富生活
implement and enforce regulations	实施和执行法规
be extremely costly	成本极高
vast amounts of / a vast amount of	大量的...	(原句 a vast amounts of 建议修正为二者之一)
monitor companies	监控公司
financial burden	经济负担
stifle	压制 `/ˈstʌɪfl/`
stifle innovation	扼杀创新
hinder	阻碍 `/ˈhɪndə/`
hinder economic growth	阻碍经济增长
overly restrictive	过度限制的
measures	措施、手段、标准
paradoxically reduce user engagement	自相矛盾地降低用户参与度
be limited in doing sth.	在做某事上受限
personalize content	个性化内容
based on	基于
become less relevant or enjoyable	相关性降低或趣味性减少
balancing it cautiously against	谨慎权衡
practical challenges	实际挑战
significantly enhance	显著增强
utilize	利用
optimize	优化
foster confidence	培养信心
minimize time spent	最省时间
I would prefer to do sth.	更倾向于做某事
it helps me reduce daily expenses	减少日常开支
by analyzing sth.	通过分析某物
personalized features that improve daily life	改善日常生活的个性化功能
mainly through two practices	通过两种做法
detect any suspicious or spam emails	发现可疑或垃圾邮件
promptly	及时地
be cautious about	对……谨慎
share details	分享细节
especially when...	尤其是当……
register	注册
unfamiliar websites or apps	不熟悉的网站或app
avoid doing sth.	避免做某事
unless absolutely necessary	除非绝对必要	(配合 avoid disclosing 使用)
to minimize the risk	降到最低风险
solicit	请求 `/səˈlɪsɪt/`
unsolicited contact	未经请求的骚扰	(un- 后缀表示“未经要求的”)
profound influence	深刻的影响	💡 高频搭配：<br>· have a profound influence on... (对……产生深刻影响)
guarantee a basic standard of living	保障基本生活水平	💡 常用于政府责任、社会福利的话题
impose an additional financial burden	增加额外的经济负担	💡 常用于讨论政策施行、企业投资或个人开支的弊端/反方论点
force individuals to step out of their comfort zones	迫使人们走出舒适圈	💡 万能理由 8 (经验/成长) 的黄金拓展句型，用于讨论挑战、新环境、学习新技能等话题
be immersed in	沉浸于 / 专心于	💡 常用于讨论学习环境（语言环境）、文化体验或深度专注的工作状态
triumph over adversity	战胜逆境 / 挑战	💡 万能理由 10 (成就感) 的高阶表达，描述通过努力克服重重困难并获得成功的经历

🔬 听力与阅读：学科核心词汇 (Academic Discipline Vocabulary)

单词 (Word)	释义 (Definition)	记忆技巧 / 说明 (Notes)
multifaceted	/ˌmʌltiˈfæsɪtɪd/ <br> adj. 多层面的，多元的	multi- (很多) + facet (面).<br>例：a multifaceted problem
ergonomic	/ˌɜːrɡəˈnɑːmɪk/ <br> adj. 人体工程学的	erg- (工作) + nomos (法/律).<br>例：ergonomic furniture
ethnographic	/ˌeθnəˈɡræfɪk/ <br> adj. 人种学的 / 民族志学的	ethno- (种族) + -graph (写/记录).
epidemiological	/ˌepɪˌdiːmiəˈlɑːdʒɪkl/ <br> adj. 流行病学的	epidemic (流行病) + -ology (学科).
auditoriums	/ˌɔːdɪˈtɔːriəmz/ <br> n. 礼堂 / 观众席	aud- (听). `auditorium` 的复数形式.
botanical	/bəˈtænɪkl/ <br> adj. 植物(学)的	botany (植物学) + -ical.<br>例：botanical garden (植物园)
as he indicated	正如他指出的	💡 综合任务（听力/阅读）黄金引述语。<br>例：As he indicated in the lecture, the data supports...
in favor of	赞成，支持；有利于	💡 高频立场词：用于替换 support / back 表达对玩法的支持。<br>例：argue in favor of the policy (辩论支持该政策)
enroll in	注册，加入，选修	💡 替代 take / attend (描述选课/参加项目)。<br>例：enroll in a history course (选修一门历史课)
encounter an emergency	遇到紧急情况	💡 高频叙事/书信词：用于解释迟交、请假、缺席原因。<br>例：He missed the exam because he encountered an emergency. (由于遇到紧急情况错过了考试。)
have previously decided	此前已决定	💡 表达计划变化/对比：常用于综合任务阅读，引出转折。<br>例：The school had previously decided to expand the gym, but... (校方此前已决定扩建体育馆，但是……)
assess	/əˈses/ <br> v. 评估，估量	💡 高频搭配：<br>· assess the impact / risk (评估影响/风险)<br>· assess feasibility (评估可行性)<br>📝 派生词： `assessment` (n. 评估)<br>🔍 替换词： evaluate, estimate
nuance	/ˈnjuːɑːns/ <br> n. 细微差别，微妙之处	💡 高频搭配：<br>· capture / appreciate the nuances (捕捉/理解微妙细节)<br>📝 地道句型：<br>· The lecture reveals critical nuances that the reading misses. (讲座揭示了关键细节)<br>🔍 替换词： subtlety, distinction
disturb	/dɪˈstɜːrb/ <br> v. 打扰，扰乱，打断	💡 高频搭配：<br>· disturb the peace (打扰安宁)<br>· disturb the ecological balance (扰乱生态平衡)<br>📝 派生词： `disturbance` (n. 骚乱/扰乱)<br>🔍 替换词： interrupt, interfere
consensus	/kənˈsensəs/ <br> n. 共识，一致意见	💡 高频搭配：<br>· reach a consensus (达成共识)<br>· scientific consensus (科学共识)<br>📝 地道句型：<br>· The general consensus is that... (普遍共识是……)<br>🔍 替换词： agreement, accord
discrepancy	/dɪˈskrepənsi/ <br> n. 差异，不一致，不符	💡 高频搭配：<br>· discrepancy between A and B (A与B之间的差异)<br>· reconcile the discrepancy (消除/调和不一致)<br>🔍 近义词： gap, inconsistency
property	/ˈprɒpəti/ <br> n. 财产，资产；房产；<br>特性，属性	💡 高频搭配：<br>· private property (私有财产)<br>· physical properties (物理性质/属性)<br>· commercial property (商业地产)<br>🔍 近义词： possession, asset; characteristic, attribute

💡 Instructor 推荐表达积累 (Instructor's Advice)

📈 替代表达与描述 (Advanced Replacements)

核心搭配 / 短语	释义 / 说明	原文用法示例 / 替换建议
Beyond typical levels	超出了典型水平	The waiting time has increased beyond typical levels.
Exceeding the norm	超出了常规	The crowd is exceeding the norm for a Tuesday.
significantly more important	显著重要	💡 高级替换：提升 `important` 表达丰富度
considerably more convenient	相当便利	💡 高级替换：提升 `convenient` 表达丰富度
far more difficult / <br>substantially harder	困难得多	💡 高级替换：提升 `difficult / hard`
increasingly common	越来越普遍	描述某种趋势或现象的万能搭配
Furthermore, Consequently, <br>As a result	逻辑连词	💡 避坑替换：尝试替换常用的 `because`, `also`
compromise	妥协、让步
governance capacity	治理能力	用于政府、管理类题目
allocate funds wisely	明智地分配资金	用于政府、企业投资类题目
consistency is key	持之以恒是关键	💡 用于讨论习惯养成、长期目标或学习进步的核心原则
on a regular basis	定期地 / 经常地	💡 高阶替换 Regularly
yield substantial long-term dividends	产生实质性的长期红利 / 回报	💡 描述坚持某项活动（如锻炼、读书、储蓄）带来的深远益处
reduces decision fatigue	减少决策疲劳	💡 解释「制定常规 (routine)」为何能提高效率（减少在琐事上的纠结）
mitigate the risk of burning out	降低精疲力竭的风险	💡 讨论工作生活平衡、定期休息或运动时使用的地道表达
transform quantitative change into a qualitative leap	实现从量变到质变的飞跃	💡 极其高级的表达，用于描述通过长期积累最终取得突破性进步
far outweigh	远远超过	💡 权衡利弊时的万能句型。例：The benefits far outweigh the drawbacks.
crucial, vital	至关重要 / 必不可少	💡 高级替换：替换 `very important`
substantial, massive, profound	巨大的 / 深刻的	💡 高级替换：替换 `very big`
outstanding, remarkable, exquisite	杰出的 / 精美的	💡 高级替换：替换 `very good`

💬 满分范文积累：社交媒体利弊 (Social Media)

📄 高分语料原文 (Full Response)

On balance, I would argue that social media has been broadly beneficial for society, primarily because it has transformed how information circulates and how communities mobilize. That said, its psychological costs are becoming harder to ignore, particularly when algorithm-driven content amplifies comparison and emotional dependency. Ultimately, its value depends less on the technology itself and more on the boundaries users establish when engaging with it.

📊 核心搭配提取 (Extracted Collocations)

核心搭配	释义	语境说明 / 托福应用
On balance	总的来看 / 考虑周全后	绝佳的总结性开头。例：On balance, the advantages outweigh...
broadly beneficial	大体上有益的	避免使用 basic 词汇 (good)
transform how sth circulates	改变……的传播方式	circulate 常用于描述信息、血液、空气循环
communities mobilize	社群动员 / 集结	描述社交工具正面/群体性作用的高级表达
That said	话虽如此 / 尽管如此	极好用的转折词 (= However)
psychological costs	心理代价 / 负面影响	替换 negative factors
harder to ignore	难以忽视	比 simply important 更有说服力
algorithm-driven content	算法驱动的内容	描述当代社交媒体必背的专有名词
amplify comparison	放大攀比	描述心理健康、焦虑问题时的杀手级搭配
emotional dependency	情感依赖	描述成瘾、沉迷 (addiction)
depend less on A and more on B	取决于 B 而非 A	对比句型，展示逻辑的严密和全面性。
establish boundaries	建立界限 / 规则	指在时间、内容上的自我克制，控制沉迷
engage with sth	与……互动 / 使用	描述“使用科技/产品”的万能替代词

💡 极速复习指南：

4-7 置顶层：冲刺的首选弹药库。
12 理由映射层：根据题目提炼出论点（如问你为什么喜欢这个经历），在脑中迅速调取对应理由格中的金句或短语，像搭积木一样迅速组装句子，杜绝模板化的生硬感。

TOEFL Reading Review

Fri, 13 Mar 2026 19:19:00 GMT

错题复盘 (Wrong Question Review)

题目内容：Fill in the missing letters in the paragraph

Tropical rainforests are some of the most diverse ecosystems on Earth, hosting millions of plant and animal species. These forests are located near the equator, where warm temperatures and high rainfall create ideal conditions for life. The dense canopy of trees blocks much of the sunliight, allowing only limited light to reach the forest floor. This unique environment supports a wide range of organisms, from tiny insects to large mammals. However, deforestation and climate change pose significant threats to the survival of these vital ecosystems.

错误分析 (Error Analysis)

序号	错误输入 (My Answer)	正确内容 (Correct Answer)	单词 (Full Word)	状态
1	`ngest`	`cated`	located	❌ 错误
2	`未作答`	`uator`	equator	❌ 漏答
3	`未作答`	`rm`	warm	❌ 漏答
4	`el`	`gh`	high	❌ 错误
5	`eate`	`eate`	create	✅ 正确
6	`ack`	`ees`	trees	❌ 错误
7	`ight`	`ight`	sunlight	✅ 正确
8	`to`	`ly`	only	❌ 错误
9	`未作答`	`ach`	reach	❌ 漏答
10	`ows`	`oor`	floor	❌ 错误

错词整理 (Wrong Words / Vocabulary)

单词 (Word)	释义 (Definition)	记忆点/例句 (Context/Notes)
located	/loʊˈkeɪtɪd/ adj. 坐落于...的	lo + cated. These forests are located near the equator.
equator	/ɪˈkweɪtər/ n. 赤道	eq + uator. 地理核心词汇。
create	/kriˈeɪt/ v. 创造，造成	cr + eate. Rainfall create ideal conditions for life.
canopy	/ˈkænəpi/ n. 顶蓬；林冠	题干词：The dense canopy of trees.
deforestation	/ˌdiːˌfɔːrɪˈsteɪʃn/ n. 采伐森林	题干词：Deforestation poses threats.
ecosystem	/ˈiːkoʊsɪstəm/ n. 生态系统	题干词：Diverse ecosystems.
organism	/ˈɔːrɡənɪzəm/ n. 生物，有机体	题干词：A wide range of organisms.
mammal	/ˈmæml/ n. 哺乳动物	题干词：Large mammals.
survival	/səˈvaɪvl/ n. 幸存，生存	题干词：Survival of these vital ecosystems.

📊 专项复盘：城市化 (Urbanization)

题目内容：填词练习 (Text Completion)

Urbanization is a process in which an increasing number of people move from rural areas to cities. This shift is often driven by the promise of better job opportunities, improved infrastructure, and access to education and healthcare. However, rapid urbanization can also lead to challenges such as overcrowding, traffic congestion, and environmental pollution. Governments must carefully plan urban development to ensure sustainable growth and maintain a high quality of life for residents. Despite its challenges, urbanization has been a key factor in economic development and cultural exchange throughout history.

错误分析 (Error Analysis)

序号	错误输入 (My Answer)	正确内容 (Correct Answer)	单词 (Full Word)	状态
4	`cess`	`mise`	promise	❌ 错误
5	`ake`	`ter`	better	❌ 错误
6	`ortinities`	`ortunities`	opportunities	❌ 拼写错误
7	`astruction`	`astructure`	infrastructure	❌ 错误

错词整理 (Vocabulary & Context)

单词 (Word)	释义 (Definition)	一词多义 / 记忆点 (Notes)
promise	n. 承诺；潜质，核心优点，吸引力	💡 一词多义：这里指“极有希望的前景，能带给人的吸引力”。<br>例：the promise of better job opportunities.<br>记忆：pro- (向前) + mise (送) -> 展现出好的一面。
infrastructure	n. 基础设施	infra- (在下面/基础) + structure (结构) -> 基础架构。<br>例：improved infrastructure.
opportunities	n. 机会	拼写易错：ort-u-nities，注意是 `u` 不是 `i`。<br>例：job opportunities.

📊 专项复盘：古生物学 (Paleontology)

题目内容：填词练习 (Text Completion)

Paleontology is the scientific study that deals with the history of life through the analysis of fossil records. This field involves examining fossils—remains of organisms preserved in rock—to understand how ancient life-forms evolved and adapted to their surroundings. Paleontologists also use fossils to learn about ancient environmental conditions. Finding marine fossils in landlocked areas, for example, suggests that these regions were very likely underwater once upon a time.

填词记录 (Completion Record)

序号	完整单词 (Full Word)	提示字母 (Prefix)	填入部分 (Missing)
1	field	`fi`	`eld`
2	examining	`exam`	`ining`
3	remains	`rem`	`ains`
4	organisms	`orga`	`nisms`
5	in	`i`	`n`
6	to	`t`	`o`
7	how	`h`	`ow`
8	life	`li`	`fe`
9	evolved	`evo`	`lved`
10	adapted	`ada`	`pted`

核心词汇整理 (Vocabulary & Context)

单词 (Word)	释义 (Definition)	记忆点/例句 (Context/Notes)
paleontology	古生物学	paleo- (古老的) + onto- (存在) + -logy (学科)。
fossil	化石	题干词：Analysis of fossil records.
organism	有机体，生物	题干词：Remains of organisms.
evolve	进化，发展	evo`lved`. Life-forms evolved and adapted.
adapt	适应；改编	ada`pted`. Adapted to their surroundings.
marine	海洋的	Finding marine fossils.
landlocked	内陆的，被陆地包围的	In landlocked areas. 指远离海洋。

📊 专项复盘：宇宙学 (Cosmology)

题目内容：填词练习 (Text Completion)

The study of the universe is called cosmology. The scope of this field is extremely large, encompassing everything from the smallest particles to vast galaxies. One intriguing hypothesis in cosmology is the Big Bang Theory, according to which the universe began approximately 13.8 billion years ago from an infinitely dense point. Cosmologists also study dark matter and dark energy. They observe cosmic microwave background radiation, the faint glow left over from the Big Bang, to gather information about the universe in its early days.

填词记录 (Completion Record)

序号	完整单词 (Full Word)	提示字母 (Prefix)	填入部分 (Missing)
1	the	`T`	`he`
2	of	`o`	`f`
3	field	`fi`	`eld`
4	extremely	`extr`	`emely`
5	encompassing	`encomp`	`assing`
6	from	`fr`	`om`
7	smallest	`smal`	`lest`
8	to	`t`	`o`
9	one	`O`	`ne`
10	hypothesis	`hypo`	`thesis`

核心词汇整理 (Vocabulary & Context)

单词 (Word)	释义 (Definition)	记忆点/例句 (Context/Notes)
cosmology	宇宙学	cosmo- (宇宙) + -logy (学科)。
encompass	包含，包围	en- (使) + compass (范围) -> 包含。
particle	粒子，微粒	Everything from the smallest particles.
hypothesis	假设，假说	hypo- (在...下) + thesis (论题) -> 基础论点。
infinitely	无限地	infinite (无限) + -ly. Infinitely dense point.
radiation	辐射	Cosmic microwave background radiation.

📊 专项复盘：气候与地理 (Climate & Geography)

题目内容：填词练习 (Text Completion)

Climate varies significantly across different regions of the world because it is affected by many factors. These include the amount of sunlight and distance from the ocean. Some places are very warm with very little rain, like deserts. Others may have a cold climate with lots of snow, like the Arctic. Yet others experience mild climates and four distinct seasons. Understanding climate can help us prepare for different weather conditions.

填词记录 (Completion Record)

序号	完整单词 (Full Word)	提示字母 (Prefix)	填入部分 (Missing)
1	include	`inc`	`lude`
2	amount	`amo`	`unt`
3	sunlight	`sun`	`light`
4	distance	`dist`	`ance`
5	the	`t`	`he`
6	places	`pla`	`ces`
7	very	`ve`	`ry`
8	with	`wi`	`th`
9	little	`lit`	`tle`
10	like	`li`	`ke`

核心词汇整理 (Vocabulary & Context)

单词 (Word)	释义 (Definition)	记忆点/例句 (Context/Notes)
significantly	/sɪɡˈnɪfɪkəntli/ adv. 显著地	Climate varies significantly.
distance	/ˈdɪstəns/ n. 距离	distance from the ocean. (离海距离)
distinct	/dɪˈstɪŋkt/ adj. 明显的，截然不同的	four distinct seasons. (四季分明)
prepare for	- 为...做准备	prepare for different weather conditions.

📊 专项复盘：工业革命 (Industrial Revolution)

题目内容：填词练习 (Text Completion)

The Industrial Revolution was a defining era in human history, sparking lasting changes in economies and daily life. It reshaped economies worldwide, shifting production from manual labor to mechanized systems, which boosted efficiency and output. Cities expanded rapidly as rural populations moved to industrial centers seeking work. Advancements in transportation and communication accelerated progress, laying the foundation for modern society. These innovations improved access to goods, increased productivity, and connected people across long distances, driving global development in ways that shaped the future.

填词记录 (Completion Record)

序号	完整单词 (Full Word)	提示字母 (Prefix)	填入部分 (Missing)
1	reshaped	`resh`	`aped`
2	worldwide	`world`	`wide`
3	production	`produc`	`tion`
4	manual	`man`	`ual`
5	mechanized	`mechani`	`zed`
6	boosted	`boost`	`ed`
7	and	`a`	`nd`
8	cities	`Cit`	`ies`
9	rapidly	`rap`	`idly`
10	rural	`ru`	`ral`

核心词汇整理 (Vocabulary & Context)

单词 (Word)	释义 (Definition)	记忆点/例句 (Context/Notes)
defining era	- 具有里程碑意义的时代	The Industrial Revolution was a defining era.
mechanized	/ˈmekənaɪzd/ adj. 机械化的	manual labor -> mechanized systems.
rural	/ˈrʊrəl/ adj. 农村的，乡下的	rural populations (农村人口)
accelerate	/əkˈseləreɪt/ v. 加速	accelerated progress.
foundation	/faʊnˈdeɪʃn/ n. 基础	laying the foundation for modern society.

TOEFL Writing Templates

Wed, 11 Mar 2026 10:15:00 GMT

满分作文摘抄 (Full-score Essay Excerpt)

Dear Sir or Madam,
亲爱的先生或女士，

My name is Li Hua, and I am a student at City University. I am writing to inquire about arranging a group visit to your museum for our Cultural Studies course. This trip is an important part of our studies because it will help us understand local history and traditions better. Our group includes 25 students, and we plan to visit within the next three weeks.
我叫李华，是城市大学的学生。我写信是想咨询贵馆是否可以安排我们文化研究课程的集体参观活动。这次参观是我们学习的重要组成部分，因为它将帮助我们更好地了解当地的历史和传统。我们一行25名学生，计划在未来三周内参观。

I would appreciate it if you could provide information about several details. First, could you let me know the available time slots for group tours? We prefer weekday visits between 9:00 AM and 2:00 PM. Second, please tell us if guided tours are offered. If yes, what languages are available? Also, is there any extra cost for this service? Third, we hope to learn about group discounts. Are there special rates for student groups? Please include the entrance fee per person.
如果您能提供以下信息，我们将不胜感激。首先，请问团体参观的时间段有哪些？我们希望在工作日上午9点至下午2点之间参观。其次，请问是否提供导览服务？如果提供，有哪些语言可供选择？这项服务是否需要额外付费？第三，我们希望了解团体折扣信息。学生团体是否有优惠票价？请提供每人门票价格。

Could you assist us in organizing this visit? We are flexible with dates and would like to know the steps to book a tour. For example, should we fill out a form or send a list of names? Your help will make this trip successful for our course.
您能否协助我们安排这次参观？我们的日期比较灵活，想了解一下预订参观的具体步骤。例如，我们需要填写表格还是发送一份名单？您的帮助将使这次参观对我们课程的顺利开展大有裨益。

Thank you for your time and consideration. I look forward to your reply.
感谢您抽出时间阅读并考虑我的请求。期待您的回复。

Sincerely, 真挚地，
Li Hua 李华

满分作文摘抄 2 (Full-score Essay Excerpt 2)

While Discussant 2 rightly emphasizes immediate financial relief for displaced workers, I firmly align with Discussant 1’s advocacy for free job training as the superior long-term solution. Simply providing cash subsidies risks creating dependency without addressing root causes. Consider my uncle, an auto factory technician laid off due to automation. After government-funded AI maintenance training, he secured a higher-paying position within months. This illustrates how targeted skill development converts unemployment into opportunity. Moreover, training programs should actively collaborate with industries to predict labor demands—like preparing workers for renewable energy sectors. Although direct aid offers temporary comfort, equipping citizens with adaptable skills fuels economic mobility and reduces recurring welfare costs. Ultimately, investing in human capital yields sustainable dividends for both individuals and society. 虽然讨论者2强调为失业工人提供即时经济援助的观点是正确的，但我完全赞同讨论者1的主张，即提供免费职业培训才是更优的长期解决方案。仅仅提供现金补贴可能会造成依赖性，而无法解决根本原因。以我的叔叔为例，他是一名汽车厂技工，因自动化而失业。在接受政府资助的人工智能维护培训后，几个月内他就找到了一份薪水更高的工作。这说明有针对性的技能发展如何将失业转化为机遇。此外，培训项目应积极与行业合作，预测劳动力需求——例如为可再生能源行业培养工人。虽然直接援助能带来暂时的缓解，但让公民掌握适应性强的技能才能促进经济流动性，并降低持续的福利支出。最终，投资人力资本将为个人和社会带来可持续的回报。

满分作文摘抄 3 (Full-score Essay Excerpt 3)

Dear Mr. Hodge, 亲爱的霍奇先生：

I hope this email finds you well. Thank you for inquiring about my three-night stay at the Springfield Hotel. I was quite satisfied with its great location near hiking trails, which made my outdoor trips convenient. Besides, although I am a foodie and have tasted many well-cooked vegetables, the hotel restaurant impressed me, especially with its various delicious vegan options that suited my diet well.
希望这封邮件收件时您一切安好。感谢您询问我在斯普林菲尔德酒店三晚住宿的情况。我对酒店靠近徒步路线的优越地理位置非常满意，这让我的户外旅行变得十分便利。此外，尽管我是一个美食家，品尝过许多烹饪精良的蔬菜，但酒店餐厅还是给我留下了深刻印象，尤其是其丰富的素食选择非常符合我的饮食习惯。

However, I have encountered a problem while staying at the hotel these days. The heater in my room made loud noises at night, disturbing my sleep. I hope this feedback is helpful in improving the hotel service.
然而，这几天在酒店住宿期间，我遇到了一个问题。我房间里的暖气片在晚间发出很大的噪音，干扰了我的睡眠。希望这个反馈对提升酒店服务有所帮助。

Despite this minor issue, I would love to return for another stay for hiking, as the overall experience was pleasant.
尽管有这个小问题，但由于整体体验非常愉快，我仍然很愿意再次光临时为了徒步而入住。

Thank you for your attention to this matter. I look forward to your reply.
感谢您对此事的关注。期待您的回复。

Best regards,
此致，

Alfonso
安东尼奥（Alfonso）

满分作文摘抄 4 (Full-score Essay Excerpt 4)

To: Broadcasting Station Manager
Subject: Concern about Broadcasting Volume Levels
致：广播站站长
主题：关于广播音量的担忧

Dear Broadcasting Station Manager,
亲爱的广播站站长：

I hope you are doing well. I am writing to express my concern about the high volume levels of the campus broadcasting station. Recently, the music and announcements have been played at a very loud volume, which is causing serious problems for many students. This issue affects the campus environment negatively because it creates distractions and interruptions, especially for those studying in dormitories near the speakers.
我希望您一切都好。我写信是为了表达我对校园广播站音量过高的担忧。最近，音乐和通知的播放音量非常大，给许多学生造成了严重的问题。这个问题对校园环境产生了负面影响，因为它造成了分心和干扰，尤其是对于那些在扬声器附近的宿舍里学习的学生。

The high volume disrupts the peaceful atmosphere needed for learning and relaxation. For example, during exam weeks, students in dormitories like Smith Hall find it difficult to concentrate on their studies. The loud announcements and music can be heard clearly inside their rooms, making it hard to focus on important tasks. Additionally, early morning broadcasts often wake students up earlier than planned, leading to tiredness and reduced productivity. Another instance occurred last Friday afternoon when the music played during study hours was so intense that several students reported being unable to complete their assignments due to the noise.
高音量破坏了学习和放松所需的宁静氛围。例如，在考试周期间，史密斯楼（Smith Hall）等宿舍的学生发现很难集中精力学习。巨大的通知声和音乐声在他们的房间里清晰可见，使得他们很难专注于重要的任务。此外，清晨的广播经常让学生比计划的时间起得更早，导致疲劳和工作效率下降。另一个例子发生在周五下午，在学习时间播放的音乐非常强烈，以至于几名学生反映由于噪音太大而无法完成作业。

Therefore, I kindly request that you take action to adjust the volume levels. It would be greatly appreciated if you could lower the volume to a reasonable level, particularly during peak study times and in areas close to dormitories. This change would help create a better learning environment for everyone on campus.
因此，我恳请您采取行动调整音量水平。如果您能将音量降低到一个合理的水平，特别是在学习高峰时段和靠近宿舍的区域，我们将不胜感激。这一改变将有助于为校园里的每一个人创造一个更好的学习环境。

Thank you for your attention to this matter. I look forward to your response.
感谢您对此事的关注。期待您的回复。

Sincerely, 真挚地，
[Your Name]

满分作文摘抄 5 (Full-score Essay Excerpt 5)

To: Dormitory Manager
Subject: Urgent Concern Regarding Water Quality in Dormitory Dispenser
致：宿舍管理员
主题：关于宿舍饮水机水质的紧急担忧

Dear Mr. Johnson,
亲爱的约翰逊先生：

I am writing to you as the elected student representative of Maple Hall. Over the past week, multiple residents have reported a disturbing issue with the water dispenser on the third floor. Specifically, the water emitted from the machine has developed a strong, unpleasant smell resembling rotten eggs. This odor is noticeable both when drinking the water directly and when using it for cooking.
我作为枫树楼（Maple Hall）选出的学生代表写信给您。在过去的一周里，多位居民反映了三楼饮水机存在一个令人不安的问题。具体来说，机器里流出的水散发出一股强烈的、令人不快的类似臭鸡蛋的气味。无论直接饮用还是用于烹饪，这种气味都十分明显。

The situation has caused significant concern among students. Many worry that the smelly water may contain harmful bacteria or chemicals, posing potential health risks such as stomach illnesses. Additionally, some international students have expressed anxiety because they rely entirely on this dispenser for drinking water, as tap water here is not considered safe. The fear of dehydration is becoming a real problem, especially during exam season when students spend long hours in the dormitory.
这种情况引起了学生们的极大担忧。许多人担心有异味的水可能含有有害细菌或化学物质，构成潜在的健康风险，如肠胃疾病。此外，由于不认为这里的自来水是安全的，一些国际学生表达了焦虑，因为他们完全依赖这台饮水机饮水。脱水的恐惧正在成为一个现实问题，尤其是在考试季，学生们需要在宿舍度过很长时间。

To resolve this effectively, I propose a three-step action plan:
为了有效解决这一问题，我提出一个三步行动计划：

First, arrange for an immediate water quality test by campus maintenance staff to identify contamination sources.
首先，安排校园维修人员立即进行水质检测，以确定污染源。

Second, if the issue stems from equipment, schedule a thorough cleaning of the dispenser’s internal tank and pipe system, which may have accumulated sediment.
其次，如果问题源于设备，安排对饮水机内部水箱和管道系统进行彻底清洗，这些地方可能积聚了沉淀物。

Finally, should the problem persist after cleaning, consider replacing the filtration cartridges or the entire unit.
最后，如果在清洗后问题仍然存在，考虑更换过滤芯或整个装置。

We would greatly appreciate your prompt attention to this matter. Please inform us of any actions taken via email or the dormitory bulletin board. Thank you for your dedication to our living environment.
我们将非常感激您对此事的及时关注。请通过电子邮件或宿舍公告栏告知我们已采取的任何行动。感谢您对我们居住环境的奉献。

Sincerely, 真挚地，
Alex Chen 亚历克斯·陈 (Alex Chen)
Student Representative, Maple Hall 学生代表，枫树楼 (Maple Hall)

满分作文摘抄 6 (Full-score Essay Excerpt 6)

While I acknowledge Discussant 1's concern about fairness in pure performance-based grading, I firmly side with Discussant 2 that effort should be incorporated into assessment. Education fundamentally aims to cultivate growth mindsets, not merely rank static abilities. Last semester, I tutored a student who initially scored poorly in algebra but documented daily practice in a learning journal. Though his final exam ranked average, I highlighted his 40% progress rate in evaluations. This recognition ignited his motivation to eventually master calculus—proof that effort-based feedback creates sustainable academic growth. When teachers reward perseverance, students internalize the value of process over innate talent, which aligns with Dweck's research on resilience development. Consequently, a balanced approach better serves educational equity by acknowledging diverse learning trajectories.
虽然我承认讨论者1对纯基于表现的评分公平性的担忧，但我坚定地支持讨论者2的观点，即应将努力程度纳入评估中。教育的根本目的是培养成长型思维，而不仅仅是给固化的能力排名。上学期，我辅导了一名学生，他起初代数成绩很差，但在学习日志中记录了每日练习。尽管他的期末考试成绩排在中等水平，但在评估中，我着重强调了他40%的进步率。这种认可激发了他的动力，使他最终掌握了微积分——这证明基于努力程度的反馈能带来可持续的学业成长。当老师奖励坚持不懈时，学生会将“过程重于先天才能”的价值观内化，这与德韦克（Dweck）关于韧性发展的研究相吻合。因此，通过承认不同的学习轨迹，一个平衡的方法能更好地服务于教育公平。

满分作文摘抄 7 (Full-score Essay Excerpt 7)

To: Samantha Subject: Need Your Expertise to Solve Team Project Challenge

Hi Samantha,

I hope you are doing well. I am writing to discuss our student research group project on technology trends, which is a key assignment for this semester. The project's success is important for our academic progress, and we need all members to contribute effectively to meet the deadlines.

Currently, our team is facing a significant challenge: a crucial milestone has been delayed due to unexpected issues in data collection. We have encountered difficulties in gathering reliable information, which is preventing us from advancing to the next stage. This delay is causing stress and hindering our overall progress, as we cannot complete the analysis without sufficient data.

I believe your expertise in data analysis could provide valuable insight to resolve this problem. Specifically, you might help by reviewing our data collection methods, suggesting alternative sources, or improving how we organize the information. Your skills could identify errors and offer solutions to speed up the process, which would greatly benefit the entire team.

To move forward, I request your collaboration on this matter. Could we schedule a meeting to discuss the details? I propose meeting this week—perhaps on Thursday afternoon—to brainstorm ideas. Your involvement would be highly appreciated and could make a real difference.

Thank you for considering this request. Your support would help us overcome this obstacle and achieve our project goals.

Best regards, [Your Name]

满分作文摘抄 8 (Full-score Essay Excerpt 8)

To: Alex
Subject: Thank You for Helping During My Illness

Hi Alex,
你好，亚历克斯，

I hope you are doing well. I am writing this email to express my sincere gratitude for your kind help in taking care of my dog, Max, while I was ill last week. As you know, I was bedridden with a severe flu and completely unable to manage daily tasks, including feeding and walking Max. Your generous offer to assist was incredibly thoughtful and came at a time when I felt overwhelmed.
希望你一切都好。我写这封信是为了表达我最真挚的谢意，感谢你在上周我生病期间对我的狗Max的悉心照顾。如你所知，我因重流感卧床不起，完全无法处理日常事务，包括喂养和遛Max。你慷慨提出提供帮助，真是太贴心了，而且正好在我感到手足无措的时候到来。

During my illness, I was constantly worried about Max's well-being, but your support made a tremendous difference. Knowing he was in your capable hands gave me immense peace of mind and allowed me to focus entirely on my recovery without added stress. Thanks to your attentive care—ensuring Max was fed, exercised, and happy—he remained healthy, and I recovered faster. Your effort not only helped Max but also lifted my spirits during a difficult period.
在我生病期间，我一直担心Max的状况，但你的支持发挥了巨大的作用。得知他在你可靠的照料下，让我感到无比安心，从而能全身心地投入康复，没有额外压力。多亏了你细心的照顾——确保Max吃饱、得到运动且开心——他保持了健康，我也康复得更快了。你的付出不仅帮了Max，也在那段艰难时期提振了我的精神。

I truly appreciate your kindness and would love to show my appreciation. Could I treat you to dinner at your favorite restaurant this weekend? Alternatively, if there's anything I can assist you with, such as helping with a project or running errands, please let me know. I am eager to return the favor and value our friendship deeply.
我真的很感激你的善良，并希望能借此表达我的谢意。这周末我能请你在你最喜欢的餐厅吃顿饭吗？或者，如果有什么我可以帮到你的，比如协助某个项目或跑跑腿，请告诉我。我非常想回报你的好意，并珍视我们的友谊。

Thank you again for your wonderful support. It meant the world to me.
再次感谢你极佳的支持。这对我有重要的意义。

Best regards,
祝好，

[Your Name]

满分作文摘抄 9 (Full-score Essay Excerpt 9)

To: Community Center Organizer
Subject: Feedback on Gardening Workshop
致：社区中心组织者
主题：关于园艺工坊的反馈

Dear Community Center Organizer,
亲爱的社区中心组织者：

I hope you are doing well. I am writing to share my thoughts on the gardening workshop I attended last week, which focused on eco-friendly practices and boosting garden productivity. Overall, I found the session highly valuable and enjoyable. The instructors explained key techniques clearly, such as composting and water conservation, and I learned practical ways to make my garden more sustainable. This experience has already inspired me to apply these methods at home, and I appreciate the community center's effort in organizing such a useful event.
希望您一切都好。我写信是想分享我对上周参加的园艺工坊的想法，该工坊专注于环保实践和提高花园生产力。总的来说，我认为这次课程非常有价值且令人愉快。讲师们清楚地讲解了堆肥和节水等关键技术，我学到了让花园更具可持续性的实用方法。这次经历已经激励我在家应用这些方法，我很感谢社区中心组织如此有用的活动。

However, I feel a few areas could be enhanced for future workshops. First, the time felt too short for some topics; we rushed through advanced planting strategies, leaving little room for questions. Second, while the basics were covered well, I wished for more depth on specific issues like pest control without chemicals. Lastly, the workshop lacked hands-on activities—most of it was lecture-based, which made it less engaging for participants who learn better by doing.
然而，我觉得未来的工坊还可在几个方面提升。首先，对于某些主题来说，时间似乎太短了；我们匆匆带过了先进的种植策略，几乎没有留下提问的时间。其次，虽然基础知识讲得很好，但我希望在特定问题上能有更多的深度，比如不用化学制剂的病虫害防治。最后，工坊缺乏动手实践活动——大部分是讲座形式，这使得对于那些通过实践学习效果更好的参与者来说，参与感较低。

To improve these aspects, I suggest extending the workshop duration by an hour to allow thorough discussions and Q&A sessions. Adding practical segments, such as a group planting exercise or a demonstration garden tour, would boost interactivity. Also, providing take-home resources like printed guides or online links would help us review the content. These changes could make future sessions even more effective and enjoyable.
为了改善这些方面，我建议将工坊的时间延长一个小时，以便进行充分的讨论和问答环节。增加实践环节，如小组种植练习或示范花园参观，将有助于提升互动性。此外，提供可带回家的资源，如打印的指南或在线链接，将帮助我们温习内容。这些变化可以让未来的课程更加有效和令人愉快。

Thank you for your hard work in bringing residents together. I look forward to attending more workshops and seeing these ideas implemented.
感谢您在召集居民方面所付出的努力。我期待着参加更多的工坊，并看到这些想法得以实施。

Best regards,
顺祝商祺，

[Your Name]
[您的名字]

满分作文摘抄 10 (Full-score Essay Excerpt 10)

I agree with the positions of both Kelly and Claire that available urban land should be allocated for practical infrastructure and commercial development rather than traditional parks.
我同意凯利（Kelly）和克莱尔（Claire）的观点，即应该将可用的城市土地分配给实用的基础设施和商业开发，而不是传统的公园。

First, from a land-use efficiency perspective, commercial developments like shopping centers generate substantial tax revenue. In a crowded metropolis, land is a scarce and expensive resource. By utilizing this land for business, the government can collect significant taxes, which can then be reinvested into essential public services such as road repairs or public education. In contrast, parks often require high maintenance costs without providing any direct financial income which can place a burden on the city's budget.
首先，从土地利用效率的角度来看，像购物中心这样的商业开发可以产生大量的税收。在拥挤的大都市中，土地是一种稀缺且昂贵的资源。通过将这些土地用于商业，政府可以增加大笔税收，这些税收可以重新投入到诸如道路维修或公共教育等基本公共服务中。相比之下，公园通常需要高昂的维护成本，却不提供任何直接的经济收入，这可能会给城市预算造成负担。

Second, regarding public livelihoods, using land for manufacturing or retail provides vital employment opportunities. Building a new factory or a large commercial complex creates thousands of jobs for local residents, from construction workers to office staff. Consequently, prioritizing job-creating projects directly improves the living standards of the population and strengthens the local economy.
其次，从民生角度来看，将土地用于制造业或零售业可以提供至关重要的就业机会。建造新工厂或大型商业综合体能为当地居民创造数以千计的就业岗位，涵盖了从建筑工人到办公室职员的各行各业。因此，优先发展能创造就业的项目，可以直接提高居民的生活水平并增强地方经济。

In conclusion, because of the financial benefits and the creation of jobs, commercial and industrial uses represent a more responsible way to utilize urban space.
总而言之，鉴于其带来得经济效益和就业机会，商业和工业用途是更为负责任的城市空间利用方式。

满分作文摘抄 11 (Full-score Essay Excerpt 11)

To: Harry
Subject: Invitation to Biology Study Session
致：哈里 (Harry)
主题：生物学学习小组邀请函

Hi Harry,
你好，哈里：

I hope this email finds you well. I'm writing to invite you to a small group study session I'm organizing for our upcoming biology midterm exam. Since the exam covers a wide range of complex topics, I thought it would be helpful for us to review key concepts together this Thursday.
希望你一切都好。我写信是想邀请你参加我正在组织的针对即将到来的生物学期中考试的小组学习会。由于考试涵盖了广泛且复杂的主题，我认为这周四我们一起复习核心概念会很有帮助。

The main reason I'm reaching out is that your participation would be incredibly valuable to our group. During lectures, I've noticed how clearly you explain challenging ideas like cellular respiration and DNA replication. Your ability to break down complicated processes into understandable steps would greatly benefit everyone. For instance, many of us struggle with interpreting the diagrams in Chapter 7, and your insights could make those sections much clearer.
我联系你的主要原因是，你的参与对我们小组来说将是非常宝贵的。在课上，我注意到你能非常清楚地解释诸如细胞呼吸和DNA复制等具有挑战性的概念。你将复杂过程分解为易于理解的步骤的能力，将使每个人受益匪浅。例如，我们中许多人很难理解第7章中的图表，而你的见解可以使这些部分变得清晰得多。

We'd be delighted if you could join us this Thursday at 3:00 PM in the Science Library Study Room B. The session will last about two hours, and we'll be reviewing chapters 5 through 8. Please let me know if this time works for you—we're happy to adjust slightly if needed.
如果你能在这周四下午3:00加入我们的科学图书馆B学习室，我们将不胜感激。学习会将持续大约两个小时，我们将复习第5章到第8章。请告诉我这个时间是否合适——如果需要，我们也很乐意进行微调。

Looking forward to your response!
期待你的回复！

Best regards,
祝好，

[Your Name]
[您的名字]

满分作文摘抄 12 (Full-score Essay Excerpt 12)

Dear Mr. Harris,
亲爱的哈里斯先生：

I am writing to express my deepest gratitude for organizing the incredible concert by [Your Favorite Band's Name] at the [Local Venue Name] this past Saturday evening. As a long-time devoted fan of the band, I was thrilled to finally have the opportunity to see them perform live in our city, and the entire event was an absolute triumph, thanks undoubtedly to your team's meticulous planning and execution.
我写这封信是为了对他上周六晚上在[当地场馆名称]组织的[你最喜欢的乐队名称]那场精彩绝伦的音乐会表达我最深切的谢意。作为该乐队的资深铁粉，我非常激动终于有机会在我们的城市看到他们的现场表演，而整个活动的举办圆满成功，这无疑归功于您团队周密的计划和执行。

Firstly, please accept my sincere thanks for bringing such a phenomenal act to our local community. I know that coordinating an event of this scale involves immense effort, and your success in creating such a seamless and enjoyable experience for all attendees is truly commendable. From the efficient entry process to the overall ambiance, it was evident that a great deal of care and professionalism went into the organization.
首先，请接受我诚挚的谢意，感谢您将如此顶级的表演带到我们的社区。我知道协调这种规模的活动需要付出巨大努力，而您成功地为所有观众创造了如此流畅且愉快的体验，这确实值得赞扬。从高效的入场流程到整体的氛围营造，很明显在组织过程中倾注了大量的心思和专业精神。

What I enjoyed most about the concert was, without a doubt, the electrifying atmosphere during the band's performance of their classic hit, "[Specific Song Name]". The moment the first chords rang out, the entire venue erupted with energy. The sound quality was impeccable, allowing every instrument and vocal nuance to be heard with perfect clarity. Furthermore, the lead singer’s engagement with the audience, sharing anecdotes between songs, created an unforgettable sense of intimacy and connection that transcended a typical large-scale performance. This combination of superb audio engineering and genuine artist-audience interaction made for a truly magical and immersive experience that I will cherish for a long time.
在音乐会中，我最享受的部分无疑是乐队演奏经典名曲《[具体歌曲名称]》时那令人心潮澎湃的氛围。当第一个和弦响起时，整个会场瞬间沸腾。音质无可挑剔，让每种乐器的音色和人声的细微差别都听得清清楚楚。此外，主唱与观众的互动、在歌曲间分享趣闻轶事，营造出一种难忘的亲密感和联系感，超越了典型的大型表演。精湛的音响工程与真实的艺术家与观众互动的结合，造就了一段我将珍藏许久的真正奇妙且沉浸式的体验。

While the event was nearly flawless, I would like to offer one constructive suggestion for future events of a similar nature. The lines for merchandise were exceptionally long throughout the intermission and after the show, leading to a significant wait time. Perhaps for future concerts, considering an additional merchandise booth at the rear of the venue or implementing a pre-order system for local pickup could help alleviate the congestion and improve the overall experience for those wishing to purchase memorabilia.
虽然这次活动近乎完美，但我想针对未来的类似活动提出一条建设性的建议。在幕间休息以及演出结束后，周边商品的排队队伍异常长，导致了很长的等待时间。或许在未来的音乐会中，考虑在场馆后方增设一个周边摊位，或者实行本地自提的预订系统，有助于缓解拥堵，并提升那些希望购买纪念品观众的整体体验。

Once again, thank you for a memorable night. Your work in enriching our local cultural scene is greatly appreciated, and I eagerly look forward to the next event you organize.
再次感谢您带来的难忘夜晚。非常感谢您在丰富我们当地文化生活方面所做的工作，我也热切期待着您组织的下一次活动。

Sincerely, 真挚地，
[Your Name]

写作模板 (Writing Templates)

1. 邮件写作模板 (Email Template)

Dear,
I hope you are doing well. My name is [Your Name], I am writing to contact you because.../regarding...

（However, I experienced a problem while using...) (I am afraid that...)

Would it be possible...（for you to do sth.)

(Could you please let me know if...)

Moreover... （ it would be great if you could...)

请求咨询类：Could you please reply to me at your earilest convenience? （Thank you very much for taking the time to help me with this）, I look forward to your reply.(As always I appreciate your help.) 

通知说明类：Please feel free to contact me if you have any questions.  I look forward to your reply.

感谢类：Without your help, I couldn't have.. I really appreciate your kindness and patience. Wish you all the best.


Best regards,
Li Hua

2. 学术写作模板 (Academic Template)

Kuchina presents a compelling argument + (in favor of / against) + (the idea that...) / (doing sth.) 

Admittedly, .... as she indicated.

However, considering..., I am inclined to prioritize...

In my view...

This is because...

..., serving as a... not only but also,

For example, [时间] & [地点] & [人物] & [起因] & [经过] & [结果]

(Some people might argue that ... but they overlook the fact that...)

Therefore, I firmly believe that...

TOEFL Words Collection

Tue, 10 Mar 2026 00:00:14 GMT

1. 学术研究与逻辑表达 (Academic & Logic)

这些词汇常出现在论文阅读和写作中，用于描述研究特征、逻辑推断及跨学科交流。

单词	音标	释义
cognition	/kɒɡˈnɪʃn/	认识，认知
deduce	/dɪˈdjuːs/	推断
interdisciplinary	-	跨学科的
thematic	-	主题的
discourse	-	话语，论述，演讲
whereas	/wəˈraz/	然而，尽管（对比关系）
stratify	-	使分层
snapshot	-	快照，简况
passage	/ˈpasɪdʒ/	段落
ratio	-	比率
whereby	/weəˈbʌɪ/	凭此，借以
streamline	/ˈstriːmlʌɪn/	精简，使效率更高
counterpart	/ˈkaʊntəpɑːt/	相对的人或物；地位（或功能）相当的人或物
corroborate	/kəˈrɒbəreɪt/	证实，确证（观点、理论等）
perpetuate	/pəˈpetʃʊeɪt/	使持续，使永久，保持（坏事、名声等）
negate	/nɪˈɡeɪt/	否定，取消，使无效
transmission	/trænzˈmɪʃn/	传播，传送；（汽车）变速箱
implied	/ɪmˈplaɪd/	隐含的，暗指的
explicit	/ɪkˈsplɪsɪt/	明确的，清楚的，显式的
linguistic	/lɪŋˈɡwɪstɪk/	语言的，语言学的
derivative	/dɪˈrɪvətɪv/	衍生的，派生的；衍生物，衍生品
mitigate	/ˈmɪtɪɡeɪt/	缓解，减轻，缓和（痛苦、风险等）
underlying	/ˌʌndəˈlaɪɪŋ/	潜在的，基础的，根本的
speculate	/ˈspekjuleɪt/	推测，猜测；投机
refine	/rɪˈfaɪn/	精炼，完善，提炼
misinterpretation	/ˌmɪsɪnˌtɜːprɪˈteɪʃn/	误解，误读，曲解
leverage	/ˈliːvərɪdʒ/	杠杆（作用）；利用（优势、资源等）
discipline	/ˈdɪsəplɪn/	学科；纪律；训练
drive	/draɪv/	v. 驱动，推动；促使。<br>💡 一词多义：常用于“驱动”某种反应或进程。<br>例：drive reactions (驱动/引发反应)
emphasize	/ˈemfəsaɪz/	v. 强调，重视。<br>❌ 大避坑：及物动词，后面直接加宾语，不接 `on`！<br>✅ 正确例：emphasize the importance<br>💡 替代搭配（名词）：place / put emphasis on sth.
nuance	/ˈnjuːɑːns/	n. 细微差别，微妙之处。<br>💡 托福高分搭配： capture / appreciate the nuances (捕捉/理解微妙细节)<br>📝 写作 / 口语地道句型：<br>· The lecture reveals critical nuances that the reading misses. (讲座揭示了阅读里遗漏的关键细节/差别。)<br>· To fully understand the topic, we must consider its nuances rather than oversimplifying it. (要全面理解，需考虑其微妙差异，而非简单化。)
interpret	/ɪnˈtɜːrprɪt/	v. 解释，解读；口译。<br>💡 学术高频表示“解读数据/结果/见解”。<br>例：interpret data (解读数据)；interpret findings (解释研究发现)
regarding	/rɪˈɡɑːrdɪŋ/	prep. 关于，至于。<br>💡 高级替换：替换 about。常用于信件/模板开头。<br>例：regarding your inquiry (关于您的咨询)
submission	/səbˈmɪʃn/	n. 提交（物），呈递；屈服。<br>💡 学术常用：提交论文/作业。<br>例：online submission (线上提交)；deadline for submission (提交截至日期)
intensity	/ɪnˈtensəti/	n. 强度，烈度；强烈，剧烈。<br>💡 高频搭配：<br>· intensity of light / sound (光/音强)<br>· labor intensity (劳动强度)
skew	/skjuː/	v. 倾斜，偏斜；使歪斜/有偏差。<br>💡 学术高频：偏差数据/结果。<br>例：skew the results (使结果产生偏差)
discrepancy	/dɪˈskrepənsi/	n. 差异，不一致，不符。<br>💡 学术高频：描述数据、声明或账目间矛盾。<br>例：a discrepancy between two reports (报告间不一致)
complication	/ˌkɒmplɪˈkeɪʃn/	n. 并发症；使情况复杂化的因素/纠葛。<br>💡 高频用法：<br>· medical complication (医学并发症)<br>· add a complication (增加复杂性)
be caused by	-	由……引起。<br>💡 学术高阶替换：<br>· be attributed to (归因于)<br>· stem from / result from (源于 / 导致)<br>· be induced by (由……诱发)
incorporate	/ɪnˈkɔːrpəreɪt/	v. 包含，合并，将……纳入。<br>💡 高频搭配：<br>· incorporate A into B (将A纳入B)<br>· incorporate feedback (采纳/包含反馈)<br>· incorporate new features (包含新功能/特征)
alleviate	/əˈliːvieɪt/	v. 减轻，缓和，缓解。<br>💡 高级替换：替换 reduce / ease。<br>例：alleviate the initial burden (减轻初始负担)
curriculum	/kəˈrɪkjələm/	n. 全部课程，课程大纲/体系。<br>💡 学术高频：<br>· core curriculum (核心课程)<br>· extracurricular activities (课外活动)
bias	/ˈbaɪəs/	n. 偏见，偏向
prevalent	/ˈprevələnt/	adj. 普遍的，盛行的，流行的
meticulous	/məˈtɪkjələs/	adj. 极为周密的，细致入微的
execution	/ˌeksɪˈkjuːʃn/	n. 执行，实施；履行
commendable	/kəˈmendəbl/	adj. 值得赞扬的，可钦佩的

2. 自然科学、地理与环境 (Science & Environment)

涉及物理性质、地理方位及人类活动对环境影响的专业词汇。

单词	音标	释义
latitude	-	纬度
longitude	-	经度
isotope	-	同位素
anthropogenic	/ˌanθrəpə(ʊ)ˈdʒɛnɪk/	人为的（尤指对环境）
anthropology	-	人类学
trajectory	-	轨迹，走向
deposition	-	沉积
orbit	-	轨道
cylinder	-	圆柱体
fracture	-	断裂
cyclic	-	循环的
fluctuate	-	波动
tropics	/ˈtrɒpɪks/	热带地区
albedo	/alˈbiːdəʊ/	反照率
squid	/skwɪd/	鱿鱼，乌贼
jellyfish	/ˈdʒɛlɪfɪʃ/	水母
enzyme	/ˈɛnzʌɪm/	酶
catalyze	/ˈkat(ə)lʌɪz/	催化
bioluminescence	/ˌbʌɪəʊˌluːmɪˈnɛsns/	生物发光
magnetic	/maɡˈnɛtɪk/	磁的，有吸引力的
migratory	/ˈmʌɪɡrət(ə)ri/	迁徙的，流浪的
digestive	/dʌɪˈdʒɛstɪv,dɪˈdʒɛstɪv/	消化的
motion	/ˈməʊʃn/	运动，移动
fatigue	/fəˈtiːɡ/	疲劳，劳累
mutualistic	/ˌmjuːtʃʊəˈlɪstɪk/	互利共生的
commensalistic	/kəˌmɛnsəˈlɪstɪk/	偏利共生的
parasitic	/ˌparəˈsɪtɪk/	寄生的
pollination	/ˌpɒləˈneɪʃən/	授粉
pollen	/ˈpɒlən/	花粉
filter	/ˈfɪltə/	过滤，滤纸；透（过）
dating	/ˈdeɪtɪŋ/	n. 测定……的年代，定年。<br>💡 一词多义/科学高频：并非“约会”，指测定古物/地质年龄。<br>例：radiocarbon dating (放射性碳测年)
peroxide	/pəˈrɒksaɪd/	n. 过氧化物；双氧水。<br>例：hydrogen peroxide (过氧化氢 / 双氧水)
dye	/daɪ/	n. 染料；v. 给……染色。<br>例：natural dye (天然染料)
depletion	/dɪˈpliːʃn/	n. 消耗，枯竭。<br>💡 高频搭配：<br>· ozone depletion (臭氧消耗)<br>· resource depletion (资源枯竭)
degradation	/ˌdeɡrəˈdeɪʃn/	n. 恶化，退化，降解。<br>💡 环境高频：<br>· environmental degradation (环境恶化)<br>· biodegradation (生物降解)
tropical	/ˈtrɒpɪkl/	adj. 热带的
subtropical	/ˌsʌbˈtrɒpɪkl/	adj. 亚热带的
pigment	/ˈpɪɡmənt/	n. 色素，颜料

3. 社会、法律与市政 (Society & Law)

描述政府职能、契约精神及法律程序的规范词汇。

单词	音标	释义
municipal	/mjʊˈnɪsɪpl/	市政的
charter	/ˈtʃɑːtə/	宪章
revocation	/ˌrɛvəˈkeɪʃn/	撤销，废除
waiver	/ˈweɪvə/	放弃，弃权书
adherence	-	依从性，坚持
adherence to	-	遵守
accordance	-	一致，符合
in accordance with	-	依照
in compliance with	-	按照、依照、符合
intellectual	-	知识分子
ritualistic	/ˌrɪtʃʊəˈlɪstɪk/	仪式性的
property	/ˈprɒpəti/	财产，房地产；（事物的）属性，特性
mobility	/məʊˈbɪlɪti/	流动性（如社会、物质流动）
meritocracy	/ˌmerɪˈtɒkrəsi/	精英政体，贤能管理
demographics	/ˌdeməˈɡræfɪks/	人口统计数据，人群特征
inclusivity	/ˌɪnkluːˈsɪvəti/	包容性，包容度
transaction	/trænˈzækʃn/	交易，业务，买卖
commodity	/kəˈmɒdəti/	商品，日用品
obligation	/ˌɒblɪˈɡeɪʃn/	义务，责任
hedge	/hedʒ/	树篱；防备（风险），套期保值，对冲
integrity	/ɪnˈteɡrəti/	诚实，正直；完整性
disparity	/dɪˈspærəti/	差异，不一致，不均衡 (💡 拼写易错写为 dispairity)
displace	/dɪsˈpleɪs/	v. 置换，转移；迫使……离开/替换。<br>💡 社会学高频：用于描述因自动化/灾害导致的人口迁移/失业。<br>例：displaced workers (失业/被取代的工人)
fiscal revenue	/ˈfɪskl ˈrevənjuː/	n. 财政收入。<br>💡 政府/经济类高频：<br>· boost fiscal revenue (提升财政收入)<br>· generate fiscal revenue (创造财政收入)
reimbursement	/ˌriːɪmˈbɜːrsmənt/	n. 报销，退款，偿还。<br>💡 工作/听力高频：<br>· claim reimbursement (要求报销)<br>· travel reimbursement (差旅报销)
standard of living	/ˈstændərd əv ˈlɪvɪŋ/	n. 生活水平，生活标准。<br>💡 高频搭配：<br>· guarantee a basic standard of living (保障基本生活水平)
burden	/ˈbɜːrdn/	n. 负担，重担；v. 给（某人）造成负担。<br>💡 高频搭配：<br>· impose an additional financial burden (on) (（对……）增加额外的经济负担)<br>· ease / alleviate the burden (减轻负担)
commendable	/kəˈmendəbl/	adj. 值得赞扬的，可钦佩的
consistency	/kənˈsɪstənsi/	n. 一致性，连贯性
discipline	/ˈdɪsəplɪn/	n. 自律，纪律；学科
regimen	/ˈredʒɪmən/	n. 生活规则，养生法。<br>例：a regular exercise regimen
proficiency	/prəˈfɪʃnsi/	n. 精通，熟练
democracy	/dɪˈmɒkrəsi/	n. 民主，民主制度
governance	/ˈɡʌvənəns/	n. 治理，管理机制
ritual	/ˈrɪtʃuəl/	n. 仪式，典礼；惯例行为
congestion	/kənˈdʒestʃən/	n. 拥挤，堵塞。<br>💡 高频搭配：<br>· traffic congestion (交通拥堵)<br>· alleviate the congestion (缓解拥堵)
memorabilia	/ˌmemərəˈbɪliə/	n. 纪念品，收藏品

4. 描述性形容词与副词 (Descriptors)

用于增强表达丰富度、描述事物状态或吸引力的词汇。

单词	音标	释义
compelling	-	引人注目的，极具说服力的
persuasive	/pərˈsweɪsɪv/	有说服力的，劝诱的
convincing	/kənˈvɪnsɪŋ/	令人信服的，有说服力的
unparalleled	/ʌnˈparəlɛld/	无与伦比的
seamless	-	无缝的，连续流畅的
vulnerable	/ˈvʌln(ə)rəbl/	易受伤害的
prominent	-	著名的，杰出的
intrinsic	-	固有的，本质的
hedonistic	-	享乐主义的
crucial	-	至关重要的。<br>💡 高级替换：替换 `very important`
stimulate	-	刺激，启发
sedentary	/ˈsɛd(ə)nt(ə)ri/	久坐的
startle	/ˈstɑːtl/	惊吓，使吓一跳
intuitive	/ɪnˈtjuːɪtɪv/	直观的，直觉的
immense	/ɪˈmɛns/	巨大的，广大的
surge	/səːdʒ/	猛增，汹涌
deter	/dɪˈtəː/	威慑，阻止
hard-wired	/ˌhɑːdˈwʌɪəd/	天生的，固有的（尤指基本行为模式）
keen	/kiːn/	渴望的，热切的；敏锐的
advertent	/ədˈvəːt(ə)nt/	留意的，故意的
inadvertently	/ˌɪnədˈvəːt(ə)ntli/	不经意地，非故意地
flourish	/ˈflʌrɪʃ/	繁荣，兴旺；挥舞
spontaneous	/spɒnˈteɪniəs/	自发的，自然产生的
expressive	/ɪkˈsprɛsɪv/	富有表现力的
profound	/prəˈfaʊnd/	深刻的，极大的，渊博的。<br>💡 高频搭配：<br>· profound influence (深刻的影响)<br>· have a profound influence on (对……有深刻影响)
affluent	/ˈæfluənt/	富裕的，富足的
chronological	/ˌkrɒnəˈlɒdʒɪkl/	按时间顺序的
intertwine	/ˌɪntəˈtwaɪn/	（使）交织，纠缠，缠绕
amplify	/ˈæmplɪfaɪ/	放大，增强（声音、信号、影响等）
amply	/ˈæmpli/	充足地，广大地
magnify	/ˈmæɡnɪfaɪ/	放大，扩大；夸大
volatile	/ˈvɒlətaɪl/	易挥发的；不稳定的，反复无常的
thought-provoking	/θɔːt prəˈvoʊkɪŋ/	引发思考的，发人深省的
evocative	/ɪˈvɒkətɪv/	引起共鸣的，唤起回忆的
a feast for the eyes	-	大饱眼福，一张视觉盛宴 (💡 常用 idiom)
be deeply moved by	-	被……深深打动 / 感动
portable	/ˈpɔːrtəbl/	adj. 便携式的，手提的。<br>💡 描述电子设备、工具的万能词。<br>例：portable electronic devices
immensely	/ɪˈmensli/	adv. 极大地，非常。<br>💡 提升 `very / extremely` 表达丰富度。<br>例：immensely popular / helpful
admiration	/ˌædməˈreɪʃn/	n. 钦佩，赞赏，羡慕。<br>💡 常用于表达态度。<br>例：express admiration for
vital	/ˈvaɪtl/	adj. 至关重要的，必不可少的。<br>💡 高级替换：替换 `very important`
substantial	/səbˈstænʃl/	adj. 巨大的，大量的。<br>💡 高级替换：替换 `very big`
massive	/ˈmæsɪv/	adj. 巨大的，厚重的。<br>💡 高级替换：替换 `very big`
outstanding	/aʊtˈstændɪŋ/	adj. 杰出的，显著的。<br>💡 高级替换：替换 `very good`
remarkable	/rɪˈmɑːrkəbl/	adj. 卓越的，非凡的。<br>💡 高级替换：替换 `very good`
exquisite	/ɪkˈskwɪzɪt/	adj. 精美的，细腻的。<br>💡 高级替换：替换 `very good`
triumph	/ˈtraɪʌmf/	n. 巨大的胜利，杰出的成就；v. 打败，战胜。<br>💡 高频词汇：<br>· a great triumph (巨大的胜利)<br>· triumph over adversity (战胜逆境/挑战)
plain	/pleɪn/	adj. 朴素的，简单的；清晰的，明显的；n. 平原。<br>💡 高频搭配：<br>· make it plain that (明确表示)<br>· in plain sight (在众目睽睽之下)
intricate	/ˈɪntrɪkət/	adj. 错综复杂的，复杂精细 of的
phenomenal	/fəˈnɒmɪnl/	adj. 非凡的，杰出的，精彩绝伦的
electrifying	/ɪˈlektrɪfaɪɪŋ/	adj. 令人心潮澎湃的，使人兴奋的
persistent	/pəˈsɪstənt/	adj. 坚持不懈的，执着的
impeccable	/ɪmˈpekəbl/	adj. 无可挑剔的，完美的
flawless	/ˈflɔːləs/	adj. 完美的，无瑕疵的

6. 人文、艺术与文学 (Humanities & Arts)

涉及演艺、绘画、写作等创作领域的专业表达。

单词	音标	释义
venue	/ˈvɛnjuː/	地点，场馆
epicenter	/ˈɛpɪsɛntə/	中心，震中
forefront	/ˈfɔːfrʌnt/	最前沿
brushstroke	/ˈbrʌʃstrəʊk/	笔触
playwright	/ˈpleɪraɪt/	剧作家
improvise	/ˈɪmprəvaɪz/	即兴创作，临时凑合
improvisation	/ˌɪmprəviˈzeɪʃn/	即兴创作（名词）
genealogy	/ˌdʒiːniˈælədʒi/	家谱学，系谱学
plot	/plɒt/	情节；阴谋；画图，绘制（图表）
appealing layout	-	吸引人的布局 / 版面设计。<br>💡 可用于描述书籍、网页、海报设计等。
cartography	/kɑːˈtɒɡrəfi/	n. 地图制作（学），制图
Romans	/ˈrəʊmənz/	n. 古罗马人
Greeks	/ɡriːks/	n. 古希腊人

5. 日常生活、职业与短语 (Daily & Misc)

extracurricular - 课外活动
plasterer /ˈplɑːst(ə)rə/ - 泥水匠
dairy - 奶制品 (注意区分 diary)
scrape /skreɪp/ - 刮
banging /ˈbaŋɪŋ/ - 砰砰作响
flaw /flɔː/ - 缺点，瑕疵
steer - 转向，引导塑造发展方向
up in the air - 悬而未决、不稳定、无法预测
ambience /ˈambiən(t)s,ˈɒmbiɒn(t)s,ˈɒ̃biɒ̃s/ - 环境
heading toward - 朝着...方向发展，走向（某个趋势）
attracting mates, deterring predators, or luring prey - 吸引配偶、威慑捕食者或引诱猎物
wrap /rap/ - 包装，覆盖，包裹
wrap up / wrap something up - 圆满完成，结束（会议、工作等）；将某物包起来
be keen on - 热衷于，喜爱
feed on - 以...为食，吃
revolutionize /ˌrevəˈluːʃənaɪz/ - 彻底变革，使发生革命性剧变
manufacture /ˌmænjuˈfæktʃə/ - （大量）制造，生产
session /ˈseʃn/ - 会议，（会）期，一段时间（用于特定活动）
flagship /ˈflæɡʃɪp/ - 旗舰，最卓越的（产品、服务等）
complimentary /ˌkɒmplɪˈmentri/ - 免费赠送的；赞赏的
concierge /kɒnˈsjeəʒ/ - （酒店等）礼宾员，门房
cab /kæb/ - 出租车，车厢
lounge /laʊndʒ/ - 休息厅，休息室；懒洋洋地躺着
phone case - 手机壳
hectare /ˈhekteə/ - 公顷（面积单位，等于10,000平方米）
trap /træp/ - 陷阱；（动）捕捉，设陷阱；（科学常考）留住，吸收（如热量）
dormitory (或 dorm) - 宿舍
sign-up booth - 报名摊位 / 注册处
be thrilled to do sth. - 非常高兴 / 兴奋做某事 (💡 替代 happy / excited)
auditorium - 礼堂 / 观众席
faculty - n. [总称] 全体教职员工；（大学的）系，院，科
cover one's shift - 替（某人）值班 / 顶班 (例：Can you cover my shift?)
expedited shipping - 加急配送 / 快递 (例：Choose expedited shipping for faster delivery.)
accept an invitation - 接受邀请 (💡 地阶说明： 相比于 agree to this invitation 为更官方和常用的搭配。例：I am delighted to accept your invitation.)
step out of one's comfort zone - 走出舒适圈 (💡 高频搭配：force individuals to step out of their comfort zones 迫使人们走出舒适圈)
be immersed in - 沉浸于，深陷于 (💡 高频搭配：be immersed in a foreign language environment 沉浸在外语环境中)
strain /streɪn/ - n. 压力，心理负担；拉伤，扭伤；（动植物的）品系，品种
light refreshments - 简单茶点，小吃
glimpse /ɡlɪmps/ - n./v. 一瞥，短暂的感受 (catch a glimpse of)
semi-monthly - adj./adv. 半月一次的（地）；n. 半月刊
cherish /ˈtʃerɪʃ/ - v. 珍爱，怀抱（希望等），珍藏（记忆）
enrich the cultural scene - 丰富文化活动/景观
on a regular basis - 定期地，经常地 (💡 替代 regularly)
stay on track - 保持进度，不掉队，在正轨上
second nature - 第二天性，习惯成自然
decision fatigue - 决策疲劳
mitigate the risk of - 降低……的风险
burn out - 筋疲力尽，耗尽体力
peak condition - 巅峰状态，最佳状态
repetitive practice - 重复练习
quantitative change into a qualitative leap - 量变到质变
cater to one's emotional needs - 满足某人的情感需求
far outweigh - 远超，大大超过
on balance - 总的来说，权衡之下
yield substantial long-term dividends - 产生实质性的长期红利 / 回报

复习要点笔记 (Takeaways)

词根关联：anthropogenic（人为的）与 anthropology（人类学）共享词根 anthro- (人)。
易混淆词：注意 dairy（奶制品）与 diary（日记）的拼写差异。
地道习语：up in the air 常用于口语或非正式写作，形容计划或决定尚未敲定。

TOEFL Speaking Templates

Sat, 07 Mar 2026 00:00:14 GMT

Templates memo. Cover is not related.

语料一：数字化工具 (Digital Tools) —— 纯享背诵版

I definitely agree with this idea, mainly because utilizing digital platforms offers a great deal of convenience and significantly enhances our efficiency.

First, it provides unparalleled convenience. With just a few clicks, we can access a vast amount of information anytime and anywhere, without being restricted by physical locations. For example, when I want to learn a new skill, I don’t need a physical coach. I can simply watch tutorial videos on my phone during my commute, which turns my fragmented time into productive learning.

Second, it is highly efficient and cost-effective. Compared to traditional methods, digital tools save us both time and money. For instance, instead of spending hours in a library, I can use a search engine to find the exact data I need in seconds. Plus, most of these online resources are much cheaper than printed ones.

(So overall, I believe adopting these modern tools is the most practical way to improve our quality of life.)

语料二：户外活动与身心健康 (Outdoor Activities) —— 纯享背诵版

I’m a strong advocate for engaging in outdoor activities, as it’s essential for both our physical health and emotional well-being.

First, it is the best way to reduce stress and stay fit. Spending time in nature helps us clear our minds and recharge our energy after a long day. For example, when I feel overwhelmed by my busy schedule, I usually go for a jog in a nearby park. The fresh air and green scenery immediately make me feel more relaxed and positive.

Second, it provides a great opportunity for social interaction. Many outdoor activities allow us to build stronger bonds with our friends and improve our communication skills. For instance, participating in a hiking group not only helps me meet people with similar interests but also gives me a sense of achievement.

(So overall, prioritizing outdoor space and activities is vital for a balanced and happy life.)

语料三：团队合作与个人成长 (Teamwork) —— 纯享背诵版

I firmly believe that collaboration is much more effective than working alone, because it offers diverse perspectives and fosters a sense of achievement.

First, teamwork significantly improves our efficiency. By sharing the workload and brainstorming together, we can solve complex problems much faster. For example, when I worked on a group project last semester, we assigned tasks based on each person's strengths. This not only saved a lot of time but also ensured the high quality of our final work.

Second, it is a valuable experience for personal growth. Interacting with teammates helps us polish our communication skills and learn how to handle different opinions. For instance, even if we have disagreements, the process of reaching a consensus is a great way to broaden our horizons.

(So overall, I think the benefits of teamwork far outweigh those of working individually.)

语料四：游览北京 (Traveling in Beijing)

The last time I visited a city I didn't live in was when I travelled to Beijing.

First, the main reason I travelled there was convenience. Beijing has a very advanced public transportation system that makes travelling very easy. For example, I could use public transportation to visit historic sites, business districts and shopping areas without worrying about traffic jam and long travel times.

Second, what I really like about Beijing is the valuable experience. Visiting Beijing allowed me to learn more about history and culture. For instance, seeing some famous landmarks in person help me better understand about the stories and traditions behind them.

语料五：城市反应 (Reactions to Cities)

Personally I usually have a mixed but mostly positive reaction to cities.

First, cities often makes me feel energized. There's always something happening, which creates a lively atmosphere. For example, when I walk through busy streets I see people walking, socializing, and enjoying different activities. That energy motivates me to be more active and productive.

Second, cities help me feel more emotionally connected. They provide opportunities to meet people and build relationships. For instance, living in the city has allowed me to make friends from diverse backgrounds, which makes daily life more interesting and fulfilling.

So overall, cities affect me positively because they provide energy and emotional connection.

语料六：城市生活感悟 (Reflections on City Life)

I agree that people who live in cities generally lead more interesting lives.

First, cities offer more opportunities for both personal and professional growth. People can explore different careers and their own interests. For example, cities usually have more companies, universities and professional training programs, which helps people develop new skills and achieve their career goals.

Second, city life often provides a stronger sense of achievement. Living in a competitive environment can encourge young people to challenge themselves. For instance, successfully building a career or managing a busy lifestyle in the city can makes young people feel more pound of their accomplishments.

语料七：城市公园建设 (Urban Parks)

I believe that cities should create more parks in urban areas.

First, parks are really essential for improving public health. They encourage people to exercise and spend more time outdoors. For example, having nearby parks makes it easier for local residents to walk, run or relax after work, which helps reduce stress and improve overall health.

Second, parks are beneficial for environmental protection. Green spaces can help improve air quality and reduce industrial pollution. For instance, trees, plants and parks can absorb carbon dioxide and provide cleaner air for people living in the city.

So overall, creating more parks can improve both public health and the environment in cities.

语料八：垃圾分类习惯与重要性 (Waste Sorting & Importance)

I believe that sorting waste is highly important, and my family manages it diligently in our daily life.

First, sorting waste provides great environmental benefits and helps reduce our carbon footprint. For example, we separate plastic and paper from regular trash, which helps cities recycle materials more effectively and reduces landfill waste.

Second, it is essential for raising environmental awareness. When families participate, it teaches everyone about sustainable living. For instance, doing this daily makes my younger brother realize that even small actions can protect our planet.

语料九：个人分类 vs 设施处理 (Individual vs Facility)

I prefer a system where individuals are responsible for sorting waste, mainly because it raises awareness and saves costs.

First, individual sorting is highly cost-effective and budget-friendly for cities. It reduces the financial burden on local governments. For example, sorting at home speeds up the recycling process and reduces expensive garbage disposal fees.

Second, it fosters a sense of responsibility. When people participate directly, they become more mindful of their consumption. For instance, seeing how much plastic is thrown away makes us more likely to use reusable bags instead of disposal ones.

语料十：强制分类法律的利弊 (Mandatory Laws Pros & Cons)

Personally, I believe mandatory waste sorting laws have both clear advantages and disadvantages.

Advantages (利)： Such laws significantly boost efficiency by forcing participation. It ensures a cleaner environment. For example, in many cities, fines for mixing trash successfully reduced waste pile-ups.

Disadvantages (弊)： However, it can place a heavy burden on residents, causing inconvenience. For instance, busy people might find it difficult to follow complex sorting rules, leading to stress or reduced daily efficiency.

语料十一：人工智能与机器人的未来 (AI & Robotics)

I definitely believe cities will implement more advanced technology, such as AI and robotics, in waste sorting processes.

First, advanced technology significantly boosts efficiency and streamlines processes. Robots can sort items much faster than humans. For example, AI-powered cameras can identify recyclables in seconds, saving hours of manual labor.

Second, it ensures a safer environment for workers. Sorting waste can be hazardous. For instance, using robotics eliminates exposure to toxic items and guarantees peace of mind for everyone.

语料十二：探索周边与休闲乐趣 (Local Exploration & Enjoyment)

I firmly believe that exploring nearby places and having self-guided discovery resources is highly beneficial for students.

First, it brings me pure joy and serves as a great escape from my daily routine. When I explore a new neighborhood just to see what I can find, it caters to my emotional needs. For example, last weekend I spontaneously followed a suggested walking route and discovered a beautiful hidden park. This relaxing experience effectively helped me reduce stress and recharged my batteries.

Second, it is a valuable experience that forces individuals to step out of their comfort zones. Instead of staying in the dorm, going to an unfamiliar local town encourages us to talk to residents and learn about their culture. For instance, interacting with locals makes me feel much more emotionally connected to the community and deeply satisfied with my university life.

语料十三：规律性、自律与长期益处 (Regularity & Discipline)

适用问题： “Do you think it is important to exercise regularly?” 或 “Do you prefer to have a regular study schedule?”

I definitely agree with this idea, mainly because maintaining consistency effectively boosts my productivity and yields substantial long-term dividends.

First, a regular regimen helps cultivate self-discipline. When an activity becomes a daily routine, it turns into second nature, which effectively reduces decision fatigue and enhances our efficiency. For example, it helps me stay focused and keeps me on track, ensuring I am not overwhelmed by a busy schedule. This is a highly efficient and cost-effective way to manage my fragmented time.

Second, it is essential for staying fit and keeping both my body and mind in shape. Regularity helps regulate our biological clock, which mitigates the risk of burning out and ensures we remain in peak condition. For instance, through repetitive practice, we can transform quantitative change into a qualitative leap, helping us acquire practical skills and achieve proficiency. This provides a valuable experience and gives me a great sense of accomplishment.

On balance, I believe incorporating a regular schedule into my daily routine caters to my emotional needs. The benefits of regularity far outweigh those of doing things individually or occasionally.

口语12个万能理由模板

1. 方便 (Convenience)

核心金句：It provides great convenience and fits easily into my schedule.
(它极具便利性，能轻松融入我的日程。)
拓展搭配：save time and effort (省时省力) / get things done faster (快速完成)

2. 效率 (Efficiency)

核心金句：It effectively boosts my productivity and streamlines my daily routine.
(它有效提升我的效率，并精简我的日常。)
拓展搭配：complete tasks in less time (缩短用时) / stay focused and active (保持专注)

3. 经济 (Economy)

核心金句：It’s a cost-effective option and very budget-friendly for a student.
(这是一个性价比极高的选择，对学生非常划算。)
拓展搭配：save a substantial amount of money (节省大笔钱) / allocate budget wisely (合理分配预算)

4. 发展 (Development/Long-term benefit)

核心金句：It’s crucial for my future development and gives me a competitive edge.
(它对我的未来发展至关重要，并能赋予我竞争优势。)
拓展搭配：broaden my horizons (开阔眼界) / acquire practical skills (掌握实用技能)

5. 安全 (Safety)

核心金句：It ensures a safe environment and gives me peace of mind.
(它能确保安全的环境，让我感到踏实。)
拓展搭配：strictly regulated (严格监管) / prevent potential risks (防范风险)

6. 环保 (Environmental protection)

核心金句：It’s an eco-friendly approach that helps raise environmental awareness.
(这是一种环保的做法，有助于提高环保意识。)
拓展搭配：reduce carbon footprint (减少碳足迹) / sustainable lifestyle (可持续生活方式)

7. 社交 (Social/Communication)

核心金句：It helps me expand my social circle and meet people from diverse backgrounds.
(它能帮我扩大社交圈，结识来自不同背景的人。)
拓展搭配：build relationships (建立关系) / foster a sense of belonging (培养归属感)

8. 经验 (Experience)

核心金句：It’s a valuable experience that broadens my horizons in many ways.
(这是一次能从多方面开阔我眼界的宝贵经历。)
拓展搭配：step out of my comfort zone (走出舒适圈) / learn about local traditions (了解当地文化/传统)

9. 乐趣 (Fun/Enjoyment)

核心金句：It brings me pure joy and serves as a great escape from daily items.
(它带给我纯粹的快乐，是逃离日常琐碎的好方法。)
拓展搭配：feel genuinely happy and excited (真心感到快乐) / full of excitement (充满刺激/乐趣)

10. 成就 (Achievement)

核心金句：It gives me a great sense of accomplishment and builds my confidence.
(它带给我极大的成就感，并树立我的自信。)
拓展搭配：hard work pays off (付出有回报) / prove my personal value (证明个人价值)

11. 情感 (Emotion/Well-being)

核心金句：It caters to my emotional needs and helps me reduce stress.
(它满足我的情感需求，并能帮我缓解压力。)
拓展搭配：recharge my batteries (重获活力) / feel energized and relaxed (感到精力充沛且放松)

12. 健康 (Health)

核心金句：It’s essential for staying fit and keeping both my body and mind in shape.
(它对于保持健康、让身心处于良好状态至关重要。)
拓展搭配：prevent burning out (防止筋疲力尽) / maintain a balanced life (保持平衡的生活)

computer architecture (21) CPU

Sun, 14 Dec 2025 00:00:14 GMT

本章总览
- CPU的功能和结构
- 指令执行过程
- 数据通路的功能和基础结构
- 控制器的功能和工作原理
- 指令流水线

回忆过去，我们知道CPU由运算器和控制器两大部件组成。

其中，运算器主要负责对数据进行处理，也就是算术运算和逻辑运算。

控制器由①CU ②IR ③PC，三个部分组成。

除此之外也有其他一些重要的寄存器。

在控制单元的指挥之下，CPU会执行一系列的指令序列。

每一条指令的执行分为①取指令②分析指令③执行指令，这样的三个部分。

:::note CPU工作的过程，就是执行一条条指令的过程。 :::

CPU的功能和结构

CPU的功能

运算器的基本结构

控制器的基本结构

CPU的基本结构

指令执行过程

指令周期

指令周期的数据流-取指周期

指令周期的数据流-间址周期

指令周期的数据流-中断周期

本节回顾

数据通路-单总线结构

一条指令的执行，指令周期会被划分为不同的阶段。

在不同的阶段有可能数据的流向是不一样的，大致分为：

寄存器与寄存器之间的数据流通。
寄存器与主存之间的数据流通。
寄存器与算术逻辑单元（ALU）之间的数据流通。

在这个图当中，我们采用的是CPU内部单总线的方式。所有的寄存器之间交换数据，都是通过CPU的内部总线来完成的，意味着同一时间只允许两个部件之间进行数据交换。它们对总线的使用是独占式的。

CPU内部单总线方式

1.寄存器之间的数据传送

2.主存与CPU之间的数据传送

3.执行算术或逻辑运算

如果采用单总线的结构，在执行算术或逻辑运算时，必须先把其中的一个操作数放到暂存寄存器。

本节回顾

日本語 JLPT N2 メモ（１１）

Sat, 08 Nov 2025 00:01:55 GMT

🎧 JLPT N2 聴解練習ノート：車が売れなくなっている理由

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=823279701&p=86" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

📺 場面描写

テレビで男の人が話しています。

🗣️ 会話原文

男：車（くるま）が売（う）れなくなっていると言（い）われています。
買（か）わない人（ひと）に聞（き）いてみると、
「電車（でんしゃ）や自転車（じてんしゃ）で十分（じゅうぶん）だから」
とか、「ガソリン代（だい）や駐車場代（ちゅうしゃじょうだい）などがかかるから」
という答（こた）えが返（かえ）ってきます。

また、「高（たか）くて買（か）えない」という人もいます。

一方（いっぽう）、田舎（いなか）によく行（い）く人は車（くるま）の方（ほう）が便利（べんり）なので乗（の）っているようですし、
人数（にんずう）の多（おお）い家族（かぞく）は出（で）かけるとき電車（でんしゃ）より安（やす）く済（す）みます。

しかし、**子供（こども）が減（へ）っている日本（にほん）**では、
車（くるま）はこれからますます売（う）れなくなるかもしれません。

❓ 問題

男の人は何について話していますか。

1️⃣ 公共交通機関（こうきょうこうつうきかん）のサービス
2️⃣ 車（くるま）の長所（ちょうしょ）と短所（たんしょ）
3️⃣ 車（くるま）が売（う）れない理由（りゆう） ✅（正解）

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
売れなくなる	卖不动、销量下降	車が売れなくなっている。
電車（でんしゃ）	电车	電車で十分だ。
自転車（じてんしゃ）	自行车	自転車で十分だ。
ガソリン代（だい）	油费	ガソリン代が高い。
駐車場代（ちゅうしゃじょうだい）	停车费	駐車場代もかかる。
一方（いっぽう）	另一方面	一方、田舎では車が便利だ。
〜ようです	看起来好像	乗っているようです。
安く済む（やすくすむ）	花得更少、省钱	家族で出かけるときは安く済む。
子供が減っている	孩子减少	少子化の表現。
〜かもしれません	也许、可能	売れなくなるかもしれません。

💬 逐句精講（日中对照）

車が売れなくなっていると言われています。
👉 据说汽车卖得越来越少了。

買わない人に聞いてみると、「電車や自転車で十分だから」という答えが返ってきます。
👉 询问不买车的人，他们回答“电车或自行车就足够了”。

また、「高くて買えない」という人もいます。
👉 还有人说“太贵买不起”。

一方、田舎によく行く人は車の方が便利なので乗っているようです。
👉 另一方面，经常去乡下的人因为更方便而使用汽车。

人数の多い家族は出かけるとき電車より安く済みます。
👉 家庭成员多的家庭，出门开车比坐电车便宜。

子供が減っている日本では、車はこれからますます売れなくなるかもしれません。
👉 在孩子越来越少的日本，汽车今后可能会更卖不动。

🪶 好词好句积累（N2常考表达）

日文	中文意思	语法说明
〜と言われています	据说…	一般用于客观陈述。
〜てみる	试着…	聞いてみる：试着问问。
〜から	因为…	理由表达。
一方（いっぽう）	另一方面	对比句型。
〜ようです	看起来好像…	表示说话人推测。
〜かもしれません	也许…	表示不确定推测。

🧠 まとめ（要点整理）

📍 日本で車が売れなくなっている理由：

電車や自転車で十分
ガソリン代・駐車場代が高い
車が高くて買えない
子供が減っている（少子化）

📍 一方で車が必要な人も：

田舎へ行く人
家族の人数が多い人

📍 結論：社会の変化により、車の需要が減少している。

✏️ 听力应试提示：
题干中看到「車」「売れない」「理由」这类关键词，就可判断是选「車が売れない理由」而非对比题或交通服务题。

🎧 JLPT N2 聴解練習ノート：100円ショップの歴史

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=823282725&p=87" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

📺 場面描写

テレビで女の人が話しています。

🗣️ 会話原文

女：100円（ひゃくえん）ショップに行（い）ったことがない人（ひと）はいないんじゃないでしょうか。
100円（ひゃくえん）で日常（にちじょう）に必要（ひつよう）なものがほとんど買（か）えるので、多（おお）くの人（ひと）に利用（りよう）されています。

実（じつ）は100円（ひゃくえん）ショップの始（はじ）まりは**江戸時代（えどじだい）からで、最初（さいしょ）は食（た）べ物（もの）などが決（き）まった値段（ねだん）**で売（う）られていました。

そして、昭和（しょうわ）の初（はじ）めの不景気（ふけいき）をきっかけに、今（いま）のように日用品（にちようひん）を扱（あつか）う店（みせ）が出（で）てきましたが、当時（とうじ）はデパートやスーパーなどで時々販売（はんばい）する移動式（いどうしき）のものが中心（ちゅうしん）でした。

それが、**90年代（ねんだい）**に再（ふたた）び景気（けいき）が悪（わる）くなったときから、今（いま）のような店（みせ）が次々（つぎつぎ）と作（つく）られるようになったのです。

外国（がいこく）にも100円（ひゃくえん）ショップのような**店（みせ）**はありますが、**品物（しなもの）の種類（しゅるい）や値段（ねだん）は国（くに）によって様々（さまざま）**なようです。

❓ 問題

女の人は何について話していますか。

1️⃣ 100円ショップの歴史 ✅（正解）
2️⃣ 100円ショップが人気の理由
3️⃣ 外国の100円ショップ

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
日常（にちじょう）	日常、平常	日常生活に必要なもの。
必要（ひつよう）な	必要的	必要なものを買う。
利用（りよう）される	被使用	多くの人に利用されています。
始まり（はじまり）	起源、开始	100円ショップの始まりは江戸時代から。
不景気（ふけいき）	不景气、经济衰退	不景気をきっかけに生まれた。
扱う（あつかう）	经营、处理	日用品を扱う店。
移動式（いどうしき）	移动式	移動式の販売スタイル。
次々（つぎつぎ）と	一个接一个	次々と作られるようになった。
様々（さまざま）	各种各样	国によって様々だ。
〜ようです	好像、似乎	様々なようです（推测）。

💬 逐句精講（日中对照）

100円ショップに行ったことがない人はいないんじゃないでしょうか。
👉 大概没有没去过百元店的人吧。（表达“几乎所有人都去过”的语气）

100円で日常に必要なものがほとんど買えるので、多くの人に利用されています。
👉 因为100日元就能买到日常所需的几乎所有东西，所以被很多人使用。

始まりは江戸時代からで、食べ物などが決まった値段で売られていました。
👉 起源于江户时代，当时食物等以固定价格出售。

昭和の初めの不景気をきっかけに、今のような日用品を扱う店が出てきました。
👉 以昭和初期的经济不景气为契机，开始出现如今这类销售日用品的店铺。

90年代に再び景気が悪くなったときから、今のような店が次々と作られるようになりました。
👉 从90年代经济再次低迷起，这类店铺开始接连出现。

外国にも100円ショップのような店はありますが、品物の種類や値段は国によって様々なようです。
👉 外国也有类似的店铺，但商品种类和价格因国家而异。

🪶 好词好句积累（N2常考表达）

表达	中文意思	说明
〜んじゃないでしょうか	难道不是…吧	表推测或委婉断定，语气柔和。
〜をきっかけに	以…为契机	表示“因为某契机导致变化”。
〜ようになった	变得可以… / 开始…	状态或行为的变化。
〜によって様々だ	因…而不同	表达差异原因。
〜されています	被…（尊敬/被动）	常用于说明被广泛使用或接受。

🧠 まとめ（要点整理）

📍 100円ショップの発展の流れ：

江戸時代：固定价格的销售开始
昭和初期：经济不景气 → 经营日用品的店出现
1990年代：再次不景气 → 现代百元店快速发展

📍 現在の特徴：

100円で日常品が買える
多くの人に利用されている
海外にも似たような店があるが、種類や値段は国によって異なる

📍 結論：
👉 女の人は「100円ショップの歴史」について話している。

✏️ 听力应试提示：
关键词包括「江戸時代」「昭和」「90年代」等时间变化词，说明是讲“发展历史”，因此正确答案是 ① 100円ショップの歴史。

🎧 JLPT N2 聴解練習ノート：風力発電（ふうりょくはつでん）の課題と注目

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=823282733&p=88" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

📺 場面描写

エネルギー問題（もんだい）の勉強会（べんきょうかい）で男（おとこ）の人（ひと）が話（はな）しています。

🗣️ 会話原文

男（おとこ）：
最近（さいきん）、**風力発電（ふうりょくはつでん）が注目（ちゅうもく）**されています。
**風力発電（ふうりょくはつでん）**というのは、風（かぜ）を利用（りよう）して風車（ふうしゃ）を回（まわ）して電気（でんき）を作（つく）る発電（はつでん）システムのことです。

自然（しぜん）の力（ちから）を利用（りよう）できるので、**エネルギーを使（つか）わない発電（はつでん）**として期待（きたい）されていますが、問題（もんだい）も少（すく）なくありません。

風車（ふうしゃ）の近（ちか）くに住（す）む人（ひと）の中（なか）には、**その音（おと）に悩（なや）まされて体（からだ）の調子（ちょうし）が悪（わる）くなる人（ひと）**が出（で）てきました。
また、**鳥（とり）が風車（ふうしゃ）にぶつかる事故（じこ）**も起（お）きています。

今後（こんご）は、これらを1つ（ひとつ）ずつ解決（かいけつ）していく必要（ひつよう）があるでしょう。
今日（きょう）は、これらについて具体（ぐたい）的（てき）に話（はな）し合（あ）っていきましょう。

❓ 問題

今日（きょう）の勉強会（べんきょうかい）のテーマはなんですか。

1️⃣ 風力発電（ふうりょくはつでん）の仕組（しくみ）
2️⃣ 風力発電（ふうりょくはつでん）の長所（ちょうしょ）
3️⃣ 風力発電（ふうりょくはつでん）の短所（たんしょ） ✅（正解）

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
風力発電（ふうりょくはつでん）	风力发电	利用风的力量发电。
注目（ちゅうもく）される	受到关注	最近、風力発電が注目されています。
利用（りよう）する	利用、使用	自然の力を利用できる。
〜として	作为…	エネルギーを使わない発電として期待される。
少なくない（すくなくない）	不少、相当多	問題も少なくありません（表达“问题不少”）。
悩まされる（なやまされる）	被困扰	騒音に悩まされる人がいる。
調子（ちょうし）が悪くなる	身体状况变差	体の調子が悪くなる。
ぶつかる	撞上、碰到	鳥が風車にぶつかる。
今後（こんご）	今后、将来	今後の課題として残る。
解決（かいけつ）していく必要がある	需要逐一解决	一つずつ解決していく必要がある。

💬 逐句精講（日中对照）

最近、風力発電が注目されています。
👉 最近，风力发电受到了关注。
📘「〜が注目されています」＝“正在被关注”“成为热点”。

自然の力を利用できるので、エネルギーを使わない発電として期待されています。
👉 因为可以利用自然的力量，被期待成为不消耗能源的发电方式。

風車の近くに住む人には、その音に悩まされて体の調子が悪くなる人もいる。
👉 住在风车附近的人中，有人因噪音而身体不适。
📘「〜に悩まされる」＝“被…困扰”“受…折磨”。

鳥が風車にぶつかる事故も起きています。
👉 也发生过鸟撞上风车的事故。
📘「〜事故が起きる」＝“发生事故”。

今後はこれらを1つずつ解決していく必要があるでしょう。
👉 今后有必要逐一解决这些问题。

🪶 好词好句积累（N2常考表达）

表达	中文意思	说明
〜が注目されています	正受到关注	常用于说明热门话题。
〜として期待される	被期待为…	表示社会期待或技术应用价值。
〜も少なくない	不少的…	正式、书面表达。
〜に悩まされる	被…困扰	听力和阅读中常见被动表达。
〜必要がある	有必要…	用于提出今后的对策。

🧠 まとめ（要点整理）

📍 主題（テーマ）：風力発電の課題（短所）
📍 内容構成：

自然エネルギーとして注目されている
しかし、問題点もある（音、健康、鳥の事故）
今後は解決が必要

📍 結論：
👉 今日の勉強会のテーマは「風力発電の短所（たんしょ）」。

✏️ 听力应试提示：
题干出现「〜について話しています」或「〜のテーマはなんですか」时，要抓住关键词：

「注目されている」「期待されている」→ 长所话题
「問題」「悩まされる」「事故」「解決」→ 短所话题（本题） ✅

🎧 JLPT N2 聴解練習ノート：無水鍋（むすいなべ）の長所

🏬 場面描写

デパートで店員（てんいん）が話（はな）しています。

🗣️ 会話原文

女（おんな）：
えー、これ、普通（ふつう）の深鍋（ふかなべ）と同（おな）じに見（み）えますね。
実（じつ）は無水鍋（むすいなべ）といって使（つか）い方（かた）が違（ちが）うんです。

無水（むすい）、つまり水（みず）がないということから分（わ）かるように、野菜（やさい）をゆでるときに水（みず）がほとんど要（い）りません。
無水鍋（むすいなべ）は、洗（あら）ったときの水気（みずけ）だけでゆでることができ、
お湯（ゆ）を沸（わ）かす時間（じかん）が必要（ひつよう）ないので、
深鍋（ふかなべ）の3分の1以下（いか）の時間（じかん）でゆでられます。

ガス代（だい）・電気代（でんきだい）・水道代（すいどうだい）も節約（せつやく）できます。
そのうえ、栄養（えいよう）も水（みず）に溶（と）けないで野菜（やさい）に残（のこ）ったまま。

健康（けんこう）にも地球（ちきゅう）にも、そしてお財布（さいふ）にも優（やさ）しい無水鍋（むすいなべ）なんです。

❓ 問題

店員（てんいん）は何について説明（せつめい）していますか。

1️⃣ 深鍋（ふかなべ）の長所（ちょうしょ）
2️⃣ 深鍋（ふかなべ）の短所（たんしょ）
3️⃣ 無水鍋（むすいなべ）の長所（ちょうしょ） ✅（正解）
4️⃣ 無水鍋（むすいなべ）の短所（たんしょ）

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
無水鍋（むすいなべ）	无水锅	用极少量水烹饪的锅具。
水気（みずけ）	水分、水汽	洗ったときの水気だけで調理できる。
沸かす（わかす）	煮沸、烧开	お湯を沸かす時間がいらない。
節約（せつやく）	节约	ガス代を節約する。
溶ける（とける）	溶解	栄養が水に溶けない。
残ったまま	保留、保持	栄養が残ったまま。
優しい（やさしい）	温和、友善、环保	地球にもお財布にも優しい。
〜ように	表示说明理由或方式	水がないということから分かるように。

💬 逐句精講（日中对照）

普通の深鍋と同じに見えますね。
👉 看起来和普通的深锅一样呢。

実は無水鍋といって使い方が違うんです。
👉 实际上叫作“无水锅”，使用方法不同。

野菜をゆでるときに水がほとんど要りません。
👉 煮蔬菜时几乎不需要加水。

洗ったときの水気だけでゆでることができます。
👉 只用清洗蔬菜时残留的水分就能煮熟。

深鍋の3分の1以下の時間でゆでられます。
👉 煮的时间不到普通深锅的三分之一。

ガス代や電気代、水道代も節約できます。
👉 能节省燃气、电费和水费。

栄養も水に溶けないで野菜に残ったままなんですね。
👉 营养不会溶解在水中，而是保留在蔬菜中。

健康にも地球にもお財布にも優しい無水鍋です。
👉 对健康、地球环境以及钱包都友好的无水锅。

🪶 好词好句积累（N2常考表达）

表达	中文意思	说明
〜ように分かる	从…可以看出	无水＝没有水→可以看出不用加水。
〜だけで	仅凭…	水気だけでゆでられる。
〜の3分の1以下で	不到三分之一	表比例比较。
〜にも優しい	对…友好	环保类话题常用表达。
そのうえ	而且、更进一步	用于递进说明优点。

🧠 まとめ（要点整理）

📍 無水鍋の特徴（とくちょう）

水をほとんど使わない（＝無水）
調理時間が短い
光熱費・水道代を節約できる
栄養が逃げない
健康・環境・経済的にも優しい

📍 対比（たいひ）

見た目は深鍋と同じだが、使い方と効果が違う。

📍 結論
👉 店員は「無水鍋の長所（ちょうしょ）」について説明している。

✏️ 听力应试提示：
听到“〜がいりません”“〜を節約できます”“〜にも優しい”等关键词时，通常表示长所（优点）。
因此正确答案是 ③ 無水鍋の長所（ちょうしょ）。

日本語 JLPT N2 メモ（１０）

Sat, 08 Nov 2025 00:00:50 GMT

🎧 JLPT N2 聴解練習ノート：ぶりの呼び方の変化

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=823245779&p=81"" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

📺 場面描写

テレビで女の人が話しています。

🗣️ 会話原文

女：秋においしい魚といえば、「ぶり」が「さんま」や「さけ」と並んで有名です。
ほかにも「いなだ」や「はまち」が秋においしい魚としてよく挙げられますが、
実はこの「いなだ」も「はまち」も「ぶり」と同じ魚です。

「ぶり」は、成長段階によって呼び方が変わるのです。
関東では若いときが「いなだ」、そして「わらさ」、それから「ぶり」になり、
関西では「はまち」、「めじろ」、そして「ぶり」の順に大きくなります。

最近では関西の呼び方である「はまち」が広く知られるようになりましたが、
「ぶり」と別の魚だと思っている人もいるようです。

❓ 問題

女の人は何について話していますか。

1️⃣ ぶりという魚の種類
2️⃣ ぶりの呼び方の変化 ✅（正解）
3️⃣ ぶりの成長の地域性

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
～といえば	说到……	秋といえば紅葉ですね。→ 说到秋天，就想到红叶。
並んで有名（ならんで）	齐名、并列著名	京都と奈良は歴史の町として並んで有名です。
～として挙げられる	被列为……	東京は世界の大都市として挙げられる。
実は（じつは）	其实、事实上	実は、彼は医者なんです。
成長段階（せいちょうだんかい）	成长阶段	成長段階によって名前が違います。
～によって	依据……、根据……	人によって考え方が違う。
～ようになりました	变得……（状态变化）	最近、日本語が話せるようになりました。
～ようです	好像……（推测/传闻）	雨が降るようです。
別の（べつの）	另外的、不同的	別の方法を試してみましょう。

💬 逐句精讲（日中对照）

秋においしい魚といえば、「ぶり」が「さんま」や「さけ」と並んで有名です。
👉 说到秋天好吃的鱼，“鰤鱼（ぶり）”与秋刀鱼、鲑鱼齐名。
📘「～といえば」= 说到……；「並んで有名」= 并列著名。

ほかにも「いなだ」や「はまち」が秋においしい魚としてよく挙げられますが、実は…
👉 此外，“いなだ”和“はまち”也常被列为秋季美味的鱼，其实……
📘「～として挙げられる」常用于“被举例、被提到”语境。

「ぶり」は、成長段階によって呼び方が変わるのです。
👉 “ぶり”会根据生长阶段改变称呼。
📘「～によって」表示“根据”；「のです」表示说明、解释语气。

関東では若いときが「いなだ」、そして「わらさ」、それから「ぶり」になり…
👉 在关东地区，小的时候叫“いなだ”，长大后叫“わらさ”，最后叫“ぶり”。

関西では「はまち」、「めじろ」、そして「ぶり」の順に大きくなります。
👉 在关西则依次为“はまち”“めじろ”“ぶり”。
📘「順に」= “按顺序”。

最近では関西の呼び方である「はまち」が広く知られるようになりましたが…
👉 最近关西的叫法“はまち”变得广为人知。
📘「～ようになりました」= 状态变化（从不会→会，从不知→知）。

「ぶり」と別の魚だと思っている人もいるようです。
👉 好像还有人以为“はまち”和“ぶり”是不同的鱼。
📘「～ようです」表推测语气；「～と思っている人もいる」= “也有人这样认为”。

🪶 好词好句积累（N2常考表达）

日文	中文意思	语法说明
秋においしい魚といえば、ぶりが有名です。	说到秋天的美味鱼，就要提“鰤鱼”。	といえば：提到……
ぶりは成長段階によって呼び方が変わる。	鰤鱼会随着成长阶段改变名字。	によって：根据……
はまちが広く知られるようになりました。	“はまち”逐渐被人熟知。	ようになる：状态变化
別の魚だと思っている人もいる。	也有人以为是不同的鱼。	～と思っている：表示主观认知

🧠 まとめ（要点整理）

📍 女の人は「ぶり」という魚の呼び方の変化について説明している。
📍 地域差（関東・関西）＋成長段階（幼鱼→成鱼）是关键。

関東： いなだ → わらさ → ぶり
関西： はまち → めじろ → ぶり

🟢 出題焦点：

「～によって」的用法
「～ようになりました」表示变化
主题听力题识别（“何について話していますか”）

✏️ N2听力备考建议：
这类题常考“说明性听力”——关键是抓住话题中心词（ぶり・呼び方・地域・成長）
听到「～によって」「～ようです」等表达，要立刻联想到原因或变化类说明。

🎧 JLPT N2 聴解練習ノート：ペットホテルとペットシッターの違い

📺 場面描写

テレビで男の人が話しています。

🗣️ 会話原文

男：出張（しゅっちょう）や旅行（りょこう）などで家（いえ）を留守（るす）にするとき、かわいいペットの世話（せわ）をどうしますか。
そんなときに気軽（きがる）に利用（りよう）できるのがペットホテルです。

ペットホテルは飼い主（かいぬし）がペットを店（みせ）まで連（つ）れていって、
そこで面倒（めんどう）を見（み）てもらうので、子供（こども）を預（あず）ける保育所（ほいくしょ）のようなものです。
散歩（さんぽ）や餌（えさ）の心配（しんぱい）もなく安心（あんしん）して預（あず）けられます。

しかし、ペットによっては環境（かんきょう）が変（か）わってストレスを感（かん）じ、
元気（げんき）がなくなってしまうこともあります。

そのようなペットには、ペットシッターが便利（べんり）です。
ペットシッターは、ベビーシッターが赤ちゃんのうちに来（き）て面倒（めんどう）を見（み）てくれるように、
自宅（じたく）まで来（き）て、散歩（さんぽ）に連（つ）れていってくれたり、餌（えさ）をやってくれたりするので、
ペットにとってはストレスが少（すく）なくて済（す）みます。

❓ 問題

男の人は何について話していますか。

1️⃣ ペットと赤ちゃんを世話する所の共通点
2️⃣ 子供とペットの世話をする所の種類
3️⃣ ペットホテルとペットシッターの違い ✅（正解）

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
出張（しゅっちょう）	出差	出張のために東京へ行きます。
留守（るす）	不在、外出	家を留守にする。→ 不在家
世話（せわ）をする	照顾、照料	猫の世話をしています。
気軽（きがる）に	轻松地、随意地	気軽に質問してください。
飼い主（かいぬし）	宠物主人	飼い主が犬を散歩させる。
面倒を見てもらう	请别人照顾	子供を保育園で面倒を見てもらう。
～ようなもの	类似……的东西	この店はカフェのようなものです。
預ける（あずける）	寄放、托付	銀行にお金を預ける。
～によって	根据、由于	人によって考え方が違う。
環境が変わる	环境变化	新しい環境に慣れるのは大変です。
～てしまう	表遗憾、完全动作	財布を忘れてしまいました。
～ように	像……那样	日本語が話せるように練習しています。
～たり～たりする	举例动作	映画を見たり本を読んだりする。
～にとって	对……来说	これは私にとって大切な思い出です。
～て済む	只需……就能了结、不必……	少しの努力で済みます。

💬 逐句精講（日中对照）

出張や旅行などで家を留守にするとき、かわいいペットの世話をどうしますか。
👉 出差或旅行不在家的时候，你会怎么照顾心爱的宠物呢？
📘「家を留守にする」= 不在家；「～などで」= 由于……等原因。

そんなときに気軽に利用できるのがペットホテルです。
👉 这时候可以轻松使用的就是“宠物酒店”。
📘「気軽に」表示“轻松地、不拘束地”。

ペットホテルは飼い主がペットを店まで連れていって、そこで面倒を見てもらうので…
👉 宠物酒店是指主人把宠物带到店里，由那里的工作人员照顾。

子供を預ける保育所のようなものです。
👉 就像把孩子寄托在保育园一样。
📘「～のようなものです」：表示比喻，“就像……一样”。

しかし、ペットによっては環境が変わってストレスを感じ…
👉 但是，根据宠物的不同，有的因为环境改变而感到压力。
📘「～によっては」：根据不同情况……

そのようなペットには、ペットシッターが便利です。
👉 对于那样的宠物来说，“上门宠物看护”更方便。

ペットシッターは、ベビーシッターが赤ちゃんのうちに来て面倒を見てくれるように…
👉 宠物看护就像保姆上门照顾婴儿那样，会上门照顾宠物。

ペットにとってはストレスが少なくて済みます。
👉 对宠物来说，压力会少很多。
📘「～て済む」：只需……即可；「少なくて

🎧 JLPT N2 聴解練習ノート：電話の料金の払い方の変化

📺 場面描写

テレビで女の人が話しています。

🗣️ 会話原文

女：**携帯電話（けいたいでんわ）が登場（とうじょう）する前（まえ）**は、電話（でんわ）といえば主（おも）に家（いえ）や会社（かいしゃ）などの決（き）まった場所（ばしょ）からかける固定電話（こていでんわ）のことでした。

携帯電話（けいたいでんわ）も固定電話（こていでんわ）も、後払（あとばら）いで使（つか）った人（ひと）が後（あと）から使（つか）った分（ぶん）だけお金（かね）を払（はら）いますよね。

今（いま）ではこの方法（ほうほう）が当（あ）たり前（まえ）のように思（おも）われています。

しかし、電話（でんわ）をかける前（まえ）にお金（かね）を払（はら）うのが当（あ）たり前（まえ）の時代（じだい）もありました。

電話（でんわ）が使（つか）われ始（はじ）めた頃（ころ）は、電話機（でんわき）はとても高（たか）く、普通（ふつう）の人（ひと）には買（か）うことができないものでした。

そこで、駅（えき）やホテル、公共施設（こうきょうしせつ）など多（おお）くの人（ひと）が出入（でい）りする場所（ばしょ）に公衆電話（こうしゅうでんわ）を置（お）き、
お金（かね）を払（はら）って利用（りよう）できるようにしたのです。

今（いま）でも公衆電話（こうしゅうでんわ）のほとんどは先払（さきばら）いで、
10円玉（じゅうえんだま）を入（い）れてかけるタイプのものや、テレホンカードが使（つか）えるものがあります。

❓ 問題

女の人は何について話していますか。

1️⃣ 電話の種類
2️⃣ 電話の歴史
3️⃣ 電話の料金の払（はら）い方 ✅（正解）

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
携帯電話（けいたいでんわ）	手机、移动电话	携帯電話を使って友達に電話する。
固定電話（こていでんわ）	固定电话	固定電話を家に設置する。
後払（あとばらい）	事后付款	携帯電話は後払いで利用する。
先払（さきばらい）	预付费	公衆電話は先払いのものもある。
登場（とうじょう）する	登场、出现	携帯電話が登場する前の話。
決まった場所（きまったばしょ）	固定场所	電話は家や会社など決まった場所からかけるものだった。
公衆電話（こうしゅうでんわ）	公用电话	駅やホテルに公衆電話が置いてある。
出入りする（でいりする）	出入	多くの人が出入りする場所。
〜ようにする	做某事以达到某目的	お金を払って利用できるようにした。
〜は〜のように思われている	被认为……	この方法が当たり前のように思われている。

💬 逐句精講（日中对照）

携帯電話が登場する前は、電話といえば主に家や会社などの決まった場所からかける固定電話のことでした。
👉 手机出现之前，说到电话，主要是指从家里或公司等固定场所打的固定电话。

携帯電話も固定電話も、後払いで使った人が後から使った分だけお金を払いますよね。
👉 手机和固定电话都是后付费，使用多少就支付多少。

今ではこの方法が当たり前のように思われています。
👉 现在，这种方式已经被认为是理所当然了。

しかし、電話をかける前にお金を払うのが当たり前の時代もありました。
👉 但是，也有一个打电话前就需要付费的时代。

電話が使われ始めた頃は、電話機はとても高く、普通の人には買うことができないものでした。
👉 电话刚开始使用时，电话机非常贵，一般人买不起。

そこで、駅やホテル、公共施設など多くの人が出入りする場所に公衆電話を置き、お金を払って利用できるようにしたのです。
👉 因此，在车站、酒店、公共设施等人流量大的地方设置了公用电话，可以付费使用。

今でも公衆電話のほとんどは先払いで、10円玉を入れてかけるタイプのものや、テレホンカードが使えるものがあります。
👉 现在，大部分公用电话仍是预付费类型，有的投10日元硬币，有的可以用电话卡。

🪶 好词好句积累（N2常考表达）

日文	中文意思	语法说明
登場する	出现	携帯電話が登場する前
後払いで使う	后付费使用	後払いで料金を支払う
先払いで使う	预付费使用	先払いの公衆電話
決まった場所	固定场所	決まった場所から電話をかける
多くの人が出入りする場所	人流量大的地方	出入りする：进出、出入

🧠 まとめ（要点整理）

📍 女の人は「電話の料金の払（はら）い方の変化」について話している。
📍 固定電話・携帯電話ともに 後払い が一般的
📍 かつては 先払い が普通で、公衆電話が設置された
📍 理解要点：听题时抓住「〜前」「〜時代」「〜ようにした」「〜ように思われている」这些历史或变化关键词

✏️ 听力应试提示：
历史变化题或说明文题，关键是抓住时间顺序 + 对比词（前は〜、しかし〜、今では〜）。

🎧 JLPT N2 聴解練習ノート：お茶の種類と作り方の違い

📺 場面描写

男の人がお茶について話しています。

🗣️ 会話原文

男：紅茶（こうちゃ）、ウーロン茶（うーろんちゃ）、緑茶（りょくちゃ）、この3種類（しゅるい）のお茶（おちゃ）は色（いろ）も味（あじ）も香（かお）りもそれぞれ違（ちが）います。

なぜこんな違（ちが）いがあるかというと、それは作（つく）り方（かた）が違（ちが）うからなんです。

紅茶（こうちゃ）と緑茶（りょくちゃ）とでは作（つく）り方（かた）が全（まった）く違（ちが）います。

ウーロン茶（うーろんちゃ）はどちらかというと紅茶（こうちゃ）に近（ちか）いですが、やはり紅茶（こうちゃ）とは違（ちが）う作（つく）り方（かた）をします。

色（いろ）も味（あじ）も香（かお）りも違（ちが）うから、紅茶（こうちゃ）は紅茶（こうちゃ）の木（き）、緑茶（りょくちゃ）は緑茶（りょくちゃ）の木（き）、というように、木（き）の種類（しゅるい）が違（ちが）うと思（おも）う人（ひと）もいるかもしれませんが、

実（じつ）はすべて同（おな）じ種類（しゅるい）のお茶（おちゃ）の葉（は）から作（つく）られるのです。

作（つく）り方（かた）の違（ちが）いによって同（おな）じ葉（は）からいろいろな味（あじ）わいが楽（たの）しめるなんて、**不思議（ふしぎ）**ですね。

❓ 問題

男の人はお茶について、どう言っていますか。

1️⃣ 紅茶、緑茶、ウーロン茶は同じ木の葉から作られる ✅（正解）
2️⃣ 紅茶とウーロン茶は同じ木の葉を使うが、緑茶は違う
3️⃣ 木の種類によって、お茶の種類は違う

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
紅茶（こうちゃ）	红茶	朝は紅茶を飲む。
緑茶（りょくちゃ）	绿茶	日本では緑茶がよく飲まれる。
ウーロン茶（うーろんちゃ）	乌龙茶	ウーロン茶は中国のお茶です。
作り方（つくりかた）	做法、制作方法	茶の作り方が違うと味も違う。
不思議（ふしぎ）	不可思议、神奇	同じ葉から色々な味が楽しめるのは不思議だ。
〜と思う	认为、以为	木の種類が違うと思う人もいる。
〜から作られる	由…制作	このお茶は同じ葉から作られる。
それぞれ	各自、分别	色も味も香りもそれぞれ違う。
近い（ちかい）	接近	ウーロン茶は紅茶に近い味。

💬 逐句精講（日中对照）

紅茶、ウーロン茶、緑茶、この3種類のお茶は色も味も香りもそれぞれ違います。
👉 红茶、乌龙茶、绿茶，这三种茶的颜色、味道和香气都不同。

なぜこんな違いがあるかというと、それは作り方が違うからなんです。
👉 为什么会有这样的不同呢？那是因为制作方法不同。

ウーロン茶はどちらかというと紅茶に近いですが、やはり紅茶とは違う作り方をします。
👉 乌龙茶更接近红茶，但制作方法仍然不同。

紅茶は紅茶の木、緑茶は緑茶の木、というように、木の種類が違うと思う人もいるかもしれませんが、実はすべて同じ種類のお茶の葉から作られるのです。
👉 有些人可能会认为红茶用红茶树，绿茶用绿茶树，树的种类不同，但实际上，它们都是由同一种茶叶制作的。

作り方の違いによって同じ葉からいろいろな味わいが楽しめるなんて、不思議ですね。
👉 通过不同的制作方法，用同一片茶叶就能享受各种味道，真是不可思议啊。

🪶 好词好句积累（N2常考表达）

日文	中文意思	语法说明
それぞれ違う	各自不同	色も味も香りもそれぞれ違う
〜かというと	说到…的话	なぜ違いがあるかというと
〜から作られる	由…制成	同じ葉から作られる
〜と思う	认为	木の種類が違うと思う
不思議（ふしぎ）	不可思议	作り方で同じ葉から色々な味が楽しめるのは不思議

🧠 まとめ（要点整理）

📍 男の人は「紅茶・緑茶・ウーロン茶の違いは作り方の違いによる」と説明している
📍 見た目や香り、味の違いは、木の種類の違いではない
📍 同じ葉から色々な味が楽しめることを不思議だと表現している

✏️ 听力应试提示：
关键是抓住「作り方が違う」「同じ葉」「色・味・香りの違い」といった对比词，说明原因类问题 N2 经常考。

🎧 JLPT N2 聴解練習ノート：植物の移動方法と動物の利用

📺 場面描写

テレビで女の人が話しています。

🗣️ 会話原文

女：動物（どうぶつ）は自分（じぶん）で動（うご）いて生活（せいかつ）の場所（ばしょ）を変（か）えることができますが、植物（しょくぶつ）はそれができません。

でも、自分で動けない植物も、親（おや）から離れて生活（せいかつ）の範囲（はんい）を広（ひろ）げるために、様々（さまざま）な移動方法（いどうほうほう）を身（み）につけています。

種（たね）が割れて、遠（とお）くへ飛（と）ぶなど自分の力だけで動くものもあれば、たんぽぽのように風（かぜ）の力を利用して、遠くに飛ばされ、親の植物から数百（すうひゃく）メートルも離れたところで成長（せいちょう）するものもあります。

また、そばを通った動物（どうぶつ）にくっついて、遠くに運んでもらうとか、甘（あま）い実（み）をつけて、食べられ、ふんとしてまき散（ち）らしてもらうなど、動物を利用して移動するものもあります。

❓ 問題

女の人は何について話していますか。

1️⃣ 植物が動物と違う点
2️⃣ 植物が育つ範囲
3️⃣ 植物が移動する方法
4️⃣ 植物が動物を利用する方法

🧩 N2 重要語彙・文法

語彙・文法	意味	解説・例文
動物（どうぶつ）	动物	動物は自分で動ける。
植物（しょくぶつ）	植物	植物は自分で動けない。
生活の場所（せいかつのばしょ）	生活环境、生活场所	動物は生活の場所を変えられる。
範囲（はんい）	范围	成長の範囲を広げる。
種（たね）	种子	種が遠くに飛ぶ。
風の力（かぜのちから）	风力	風の力を利用して飛ばされる。
動物を利用する（どうぶつをりようする）	利用动物	甘い実で動物を利用して移動する。
〜してもらう	请别人做…（受益表达）	遠くに運んでもらう。
様々（さまざま）	各种各样	様々な移動方法がある。

💬 逐句精講（日中对照）

動物は自分で動いて生活の場所を変えることができますが、植物はそれができません。
👉 动物可以自己移动改变生活环境，但植物不能。

自分で動けない植物も、親から離れて生活の範囲を広げるために、様々な移動方法を身につけています。
👉 即使不能自己移动的植物，也会掌握各种移动方法，以扩大远离母株的生活范围。

種が割れて、遠くへ飛ぶなど自分の力だけで動くものもあれば、たんぽぽのように風の力を利用して遠くに飛ばされるものもあります。
👉 有的植物通过种子裂开自行移动，有的像蒲公英那样利用风力被吹到远处。

そばを通った動物にくっついて、遠くに運んでもらうとか、甘い実をつけて食べられ、ふんとしてまき散らしてもらうなど、動物を利用して移動するものもあります。
👉 也有植物通过附着在动物身上被带走，或者长出甜果实被吃后随粪便散布，利用动物进行移动。

🪶 好词好句积累（N2常考表达）

日文	中文意思	语法说明
〜ことができます	可以…	動物は自分で動いて生活の場所を変えることができます。
〜ために	为了…	生活の範囲を広げるために様々な移動方法を身につける。
〜もあれば	有…也有…	自分の力だけで動くものもあれば、風の力を利用するものもある。
〜してもらう	请别人帮忙	遠くに運んでもらう。
様々（さまざま）	各种各样	様々な方法がある。

🧠 まとめ（要点整理）

📍 植物は自分で動けないが、種子や果実を利用して遠くに広がる方法を持っている
📍 風や動物を利用して移動する植物もある
📍 「動物を利用して移動する」という表現は、N2听力中考察植物行为时常考

✏️ 听力应试提示：
关键词抓住「動けない」「移動方法」「風の力」「動物を利用」就能快速理解答案。

日本語 JLPT N2 メモ（９）

Mon, 03 Nov 2025 00:00:50 GMT

🏢 日本語聴解ノート：新人社員研修の変更点

🎧 会話本文

女：こないだ会議で決まった、今年の新人社員研修の案、見る？
男：へえ、場所は……ああ、富士合宿所、懐かしいねえ。僕たちも行ったね。
女：それから、この研修後のバーベキュー・パーティーも懐かしいでしょ？
男：ああ、ゲームの企画を任されて、張り切ったなあ。でも、あれのおかげで同期の人たちと仲良くなれたし、貴重な体験だったよな。あれ？１週間もやるの？
女：そう。期間が２日延びたの。
男：ふーん、でも、内容は同じなんだね。
女：うん。敬語とか連絡のこととか、丁寧に指導しないと、結局仕事を始めてから時間がかかるからって。

🎯 質問

今年変更になった点は何ですか。

✅ 正解：研修の期間が２日延びたこと。

🧩 語彙整理（词汇积累）

単語	読み方	意味	例文
会議	かいぎ	会议	会議で新しい案が決まった。
新人社員	しんじんしゃいん	新员工	新人社員の研修が始まる。
案	あん	方案、计划	来年の計画案を見せてください。
合宿所	がっしゅくじょ	集训宿舍	富士合宿所で練習した。
懐かしい	なつかしい	怀念的	学生時代が懐かしい。
任される	まかされる	被委托、被交付	大事な仕事を任された。
張り切る	はりきる	干劲十足	明日の試合に張り切っている。
同期	どうき	同期、同届生	同期の仲間と飲みに行く。
貴重な	きちょうな	宝贵的	貴重な経験をした。
期間	きかん	期间	研修の期間は一週間です。
延びる	のびる	延长	会議が延びた。
内容	ないよう	内容	内容は変わっていない。
敬語	けいご	敬语	敬語の使い方を学ぶ。
連絡	れんらく	联系	明日は早く連絡してください。
指導	しどう	指导	新入社員を丁寧に指導する。
結局	けっきょく	最终、结果	結局、彼が勝った。

🧠 文法解説（语法重点）

🟩 1. 「〜ても、〜」

表示即使…也…

🔹例文：
　・内容は同じなんだね。 → 即使延长时间，内容仍然相同。
　・雨が降っても行きます。

🟩 2. 「〜ように」

表示“为了…而…”

🔹例文：
　・丁寧に指導しないと、仕事を始めてから時間がかかるからって。
　・失敗しないように練習する。

🟩 3. 「〜おかげで」

表示“多亏了…”（正面原因）

🔹例文：
　・あれのおかげで同期の人たちと仲良くなれた。
　・先生のおかげで日本語が上手になった。

🟩 4. 「〜こと」

名词化（用于说明理由或内容）

🔹例文：
　・連絡のこととか、敬語のこととか → “关于联络、敬语等事情”
　・健康のことを考える。

💬 要点まとめ

見出し	内容
🔹 変更点	研修の期間が２日延びた（長くなった）
🔹 内容	同じ（変わっていない）
🔹 理由	敬語・連絡などを丁寧に指導するため
🔹 雰囲気	懐かしい・思い出話が中心

🪄 例文応用練習

研修の**（　　）**が２日延びた。
　👉 答：期間
ゲームの企画を**（　　）**。
　👉 答：任された
あの経験**（　　）**同期と仲良くなれた。
　👉 答：のおかげで
内容は変わって**（　　）**。
　👉 答：いない
敬語を丁寧に**（　　）**する。
　👉 答：指導

🗝️ 聴解ポイント

男性が「１週間もやるの？」と驚く → 去年より長くなった。
女性回答：「そう。期間が２日延びたの。」→ 唯一的变化。
内容、場所、活动都未改变。

🎯 结论：研修の期間が２日延びた。

💼 日本語聴解ノート：会社での遅刻と連絡マナー

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=810052975&p=66" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

🎧 会話本文

男：また遅刻だよ、田中君。先週もだったのに。
女：新しく入った人、まだ来てないの？朝、起きられないから？
男：いや、どっちも電車の事故なんだけど。
女：事故なら、しょうがないじゃない。
男：まあね。それは別にいいんだよ。でも、大事な会議に遅れるとか、そういうことはちゃんと電話で連絡してほしいよ。
女：え？どういうこと？
男：いつもメールで済ませるんだ。こっちがいつ読むかわからないし、それじゃ困るよ、まったく。先週なんか、メール見たの、会議が終わってからだよ。今日ももしかしたら遅れそうだと思って、僕がメールを見たからよかったけど。連絡が遅い。

🎯 質問

男の人はどうして怒っていますか。

✅ 正解：遅れるときに電話ではなくメールで連絡するから。

🧩 語彙整理（词汇积累）

単語	読み方	意味	例文
遅刻	ちこく	迟到	会議に遅刻してしまった。
電車の事故	でんしゃのじこ	电车事故	電車の事故で遅れた。
しょうがない	——	没办法	天気だからしょうがない。
別に〜ない	べつに〜ない	并不（特别）…	別に怒ってないよ。
大事な	だいじな	重要的	大事な書類を忘れた。
連絡	れんらく	联系、通知	遅れるときは連絡してください。
済ませる	すませる	了结、草草应付	メールで済ませる。
困る	こまる	困扰、麻烦	時間に遅れて困った。
まったく	——	真是的（感叹、抱怨）	まったく、信じられない！
会議	かいぎ	会议	会議が終わってから連絡した。
遅い	おそい	慢的、迟的	連絡が遅いです。

🧠 文法解説（语法重点）

🟩 1. 「〜のに」

表示转折：“明明……却……”

🔹例文：
　・先週もだったのに。（上周也迟到了呢。）
　➡ 含有不满或责备语气。
他例：
　・こんなに勉強したのに、試験に落ちた。

🟩 2. 「〜しょうがない」

表示“没办法”、“无可奈何”

🔹例文：
　・事故なら、しょうがないじゃない。
　➡ 表示“那也没办法嘛”。
他例：
　・雨が強くてしょうがない。

🟩 3. 「〜で済ませる」

表示“用……解决/应付”

🔹例文：
　・メールで済ませるんだ。
　➡ 指用邮件草草应付联络，语气带不满。
他例：
　・昼ご飯をパンで済ませた。

🟩 4. 「〜てほしい」

表示“希望对方做某事”

🔹例文：
　・電話で連絡してほしい。
　➡ 希望对方打电话来通知。
他例：
　・もっと早く来てほしい。

🟩 5. 「〜からよかった」

表示“幸好……（所以没出问题）”

🔹例文：
　・僕がメールを見たからよかったけど。
　➡ 幸好我看到了邮件。
他例：
　・傘を持ってきたからよかった。

💬 要点まとめ

項目	内容
🔹 遅刻の理由	電車の事故（しかたがない）
🔹 男の人が怒っている理由	メールで連絡して、電話をしないから
🔹 問題点	メールはすぐ読まれないこともある
🔹 正しい対応	電話で直接連絡するべき

🪄 例文応用練習

事故なら（　　）じゃない。
　👉 答：しょうがない
大事な会議に遅れるときは、（　　）で連絡してください。
　👉 答：電話
メールで（　　）んだ。
　👉 答：済ませる
こっちがいつ読むかわからないし、それじゃ（　　）よ。
　👉 答：困る
今日も、僕がメールを見た（　　）よかったけど。
　👉 答：から

🗝️ 聴解ポイント

「事故ならしょうがない」→ 遅刻原因不是问题。
「電話で連絡してほしい」→ 男性关注的是沟通方式。
「メール見たの、会議が終わってからだよ」→ 邮件太迟才被看到。

🎯 結論：男の人は、遅刻したときにメールだけで連絡することに怒っている。

🧺 日本語聴解ノート：片づけと「物を捨てられない」心理

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=810053159&p=67" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

🎧 会話本文

女：「もう要らない物、使わない物は早く処分して身の回りをすっきりしたらどう？」なんてよく人に言われます。家の中にたくさん物があってごちゃごちゃしているからでしょう。

でも、わたしは物が捨てられないんです。それぞれみんなそのときは気に入って買った物だし、１つ１つに思い出がありますからね。いつかは使うかもしれないと思っても、結局使わないのはわかってるんですけど。

🎯 質問

女の人はどうして物を処分できないと言っていますか。

✅ 正解：思い出があるから、捨てられない。

🧩 語彙整理（词汇积累）

単語	読み方	意味	例文
要らない	いらない	不需要的	要らない物は捨てましょう。
使わない	つかわない	不使用的	もう使わない服を処分した。
処分する	しょぶんする	处理、丢弃	古い本を処分する。
身の回り	みのまわり	身边、生活周围	身の回りの物を整理する。
すっきりする	——	整洁、爽快	部屋がすっきりした。
ごちゃごちゃする	——	杂乱、乱七八糟	部屋がごちゃごちゃしている。
気に入る	きにいる	中意、喜欢	この服が気に入った。
思い出	おもいで	回忆	学生時代の思い出。
結局	けっきょく	最终、结果	結局、行かないことにした。
〜かもしれない	——	也许、可能	明日は雨かもしれない。

🧠 文法解説（语法重点）

🟩 1. 「〜なんてよく人に言われます」

表示“经常被人说……”，“被别人这么讲”。

🔹例文：
　・「早く処分したらどう？」なんてよく人に言われます。
　➡ 表示常被人劝“快点丢东西”。
他例：
　・「勉強しなさい」なんてよく母に言われる。

🟩 2. 「〜そのときは気に入って買った物」

“那时候喜欢才买的东西”——说明感情上的依恋。

语气上表达“不能轻易舍弃”。
他例：
　・気に入って買った服だから、捨てたくない。

🟩 3. 「〜かもしれないと思っても」

表示“虽然想着也许会……但……”

🔹例文：
　・いつかは使うかもしれないと思っても、結局使わない。
　➡ 虽然想着“总有一天会用上”，结果根本没用。
他例：
　・雨が降るかもしれないと思って傘を持っていった。

🟩 4. 「〜けど」

逆接连接词：“虽然……但是……”

🔹例文：
　・使わないのはわかってるけど、捨てられない。
　➡ 虽然知道不会用，但舍不得扔。

💬 要点まとめ

項目	内容
🔹 人に言われること	「早く処分してすっきりしたら？」
🔹 女の人の問題	物が捨てられない（ごちゃごちゃしている）
🔹 理由	買ったとき気に入っていて、それぞれに思い出がある
🔹 心理状態	分かっていても感情上放不下

🪄 例文応用練習

家の中が（　　）している。
　👉 答：ごちゃごちゃ
気に入って（　　）物だし、思い出があるから捨てられない。
　👉 答：買った
いつかは使う（　　）と思っても、結局使わない。
　👉 答：かもしれない
（　　）使わないのはわかってるけど、捨てられない。
　👉 答：結局
家を（　　）して、身の回りをすっきりしたい。
　👉 答：片づけ

🧭 聴解ポイント

「家の中にたくさん物があってごちゃごちゃしている」→ 说明别人劝她整理。
「気に入って買った」「思い出があります」→ 说明情感上的原因。
「使わないのはわかってるけど」→ 自己也明白，但放不下。

🎯 結論：女の人は、思い出があるから物を処分できない。

日本語 JLPT N2 メモ（８）

Wed, 15 Oct 2025 00:00:50 GMT

🏫 日本語聴解ノート：遠足の予定と天気の案内

🎧 会話本文

女：えーと、あしたの遠足ですが、ちょっとお天気が心配ですね。
雨がやんだら、予定通り出発しますので、8時までに校庭に集合してください。
今のようにたくさん雨が降っている場合は中止ですので、いつもの時間に登校してください。
そのときは授業がありますから、教科書を忘れないように。
それから、朝、天気を見ても、遠足が行くかどうか判断が難しく、はっきりしない場合は、朝7時にメールで連絡しますので、家で待っていてください。
学校には直接電話をかけたりしないでください。いいですか。

🎯 質問

遠足に行くかどうかはっきりしないときはどうしますか。

✅ 正解：朝7時のメールを家で待つ。

🧩 語彙整理（词汇积累）

単語	読み方	意味	例文
遠足	えんそく	郊游、远足	明日は遠足で山に行きます。
天気	てんき	天气	今日の天気はどうですか。
心配	しんぱい	担心、不安	明日の天気が心配です。
雨がやむ	あめがやむ	雨停	雨がやんだら出かけましょう。
予定通り	よていどおり	按计划、如期	予定通り会議を行います。
出発する	しゅっぱつする	出发	午前8時に出発します。
校庭	こうてい	校园操场	校庭に集合してください。
集合する	しゅうごうする	集合	みんなで駅に集合しましょう。
中止	ちゅうし	取消、中止	雨のため、試合は中止になった。
登校	とうこう	上学、到校	毎朝7時に登校します。
判断	はんだん	判断、判定	行くかどうか判断が難しい。
連絡	れんらく	联系	メールで連絡します。
忘れないように	わすれないように	别忘了，要记得	宿題を忘れないようにしましょう。
電話をかける	でんわをかける	打电话	学校に電話をかけないでください。

🧠 文法解説（语法重点）

🟩 1. 「〜たら」

表示“如果…的话”。

🔹構文：動詞た形＋ら
🔹意味：假定条件（若〜则〜）
🔹例文：
　・雨がやんだら、出発します。→ 如果雨停了，就出发。
　・時間があったら、遊びに行きます。

🟩 2. 「〜場合（ばあい）は」

表示“在…的情况下”。

🔹構文：名詞＋の場合（は） / 動詞普通形＋場合（は）
🔹例文：
　・雨が降っている場合は、中止です。
　・参加できない場合は、先生に連絡してください。

🟩 3. 「〜ように」

表示目的、劝告、或希望。

🔹例文：
　・教科書を忘れないように。 → 别忘记课本。
　・風邪をひかないように気をつけてください。

🟩 4. 「〜かどうか」

表示“是否…”。

🔹構文：動詞普通形＋かどうか
🔹例文：
　・遠足が行くかどうか → 是否出发去远足
　・分かるかどうか確認してください。

🟩 5. 「〜たりしないでください」

用于劝告，表示“请不要…（或那样的事情）”。

🔹例文：
　・学校に電話をかけたりしないでください。
　→ 请不要打电话到学校。
　・遅刻したりしないでください。

💬 要点まとめ

見出し	内容
🎯 行動	雨がやんだら出発、続いて雨なら中止
🌦 はっきりしない場合	朝7時のメールを待つ（家で）
🧾 持ち物	教科書を忘れないように
📞 注意点	学校に直接電話をしない
🧠 文法	〜たら / 〜場合 / 〜ように / 〜かどうか / 〜たりしないでください

🪄 例文応用練習

雨が（　　）ら、遠足は中止です。
　👉 答：降った
出発する（　　）は、8時までに集合してください。
　👉 答：場合
宿題を（　　）ように気をつけてください。
　👉 答：忘れない
明日行く（　　）か、まだ分かりません。
　👉 答：かどうか
先生に電話を（　　）しないでください。
　👉 答：かけたり

🧩 学びメモ

「〜たら」与「〜場合」都能表示条件，但「〜たら」更口语、「〜場合」更正式。
「〜ように」常见于提醒、叮嘱句式，非常自然。
「〜かどうか」= “是否”，常用于不确定的判断表达。
「〜たりしないでください」是礼貌但明确的劝阻方式。
注意日语老师讲话的结构：先说明天气情况 → 决定规则 → 紧急联络方式 → 注意事项，这类结构在听力题中很常见。

⚓ 日本語聴解ノート：船の丸い窓

🎧 会話本文

女：船の中って面白いですね。なんで窓が丸いんですか。
男：これはですね、いろんな長所がありますが、なんといっても重要なのは割れにくいことです。
船はいつも揺れていて、縦、横、斜め、いろいろな方向から力がかかるんですが、四角い窓は斜めからの力に弱いので、丸い形にしています。
また、こうすると、いろいろな方向が見やすいんです。
女：へえ、そうなんですね。見た目もかわいいですよね。
男：はい、丸い窓が好きだとおっしゃる方も多いです。
それから、船の窓は特別な道具で掃除をするんですが、丸い方が手入れが楽ですね。

🎯 質問

船の窓の形が丸い一番の理由は何だと言っていますか。

✅ 正解：割れにくいから。

🧩 語彙整理（词汇积累）

単語	読み方	意味	例文
窓	まど	窗户	部屋の窓を開けてください。
丸い	まるい	圆的	このテーブルは丸いです。
割れにくい	われにくい	不易破裂	丈夫なガラスは割れにくい。
船	ふね	船	夏休みに船に乗ります。
揺れる	ゆれる	摇晃、晃动	船が強く揺れています。
縦揺れ	たてゆれ	纵向晃动	地震で縦揺れがありました。
横揺れ	よこゆれ	横向晃动	台風で船が横揺れしている。
力がかかる	ちからがかかる	受到力量作用	窓に強い力がかかっています。
斜め	ななめ	斜的、倾斜	斜めから光が入る。
見やすい	みやすい	容易看、好看	この字は見やすいですね。
手入れ	ていれ	保养、打理	車の手入れをします。
道具	どうぐ	工具、用具	掃除の道具を揃える。
見た目	みため	外观、样子	この料理は見た目もきれいですね。

🧠 文法解説（语法重点）

🟩 1. 「〜がかかる」

表示“受到…作用/影响”。

🔹例文：
　・力がかかる → 受到力的作用
　・この部品には強い圧力がかかります。

🟩 2. 「〜に弱い／〜に強い」

表示“对…弱/强”。

🔹例文：
　・四角い窓は斜めからの力に弱い。
　・鉄は酸に強いです。

🟩 3. 「〜と…」

表示条件或结果，类似“这样…就…”。

🔹例文：
　・こうすると、いろいろな方向が見やすい。
　・ボタンを押すと、電気がつきます。

🟩 4. 「〜と言う／〜だとおっしゃる」

引用他人的话或表达尊敬。

🔹例文：
　・丸い窓が好きだとおっしゃる方も多いです。
　・先生は行くと言っていました。

🟩 5. 「〜ほうが…」

表示比较或建议，“…会更…”。

🔹例文：
　・丸い方が手入れが楽ですね。
　・窓は大きい方が見やすいです。

💬 要点まとめ

見出し	内容
🔹 丸い理由	割れにくいから
🔹 安全面	船は揺れるので、丸い窓は力に強い
🔹 見やすさ	丸いといろんな方向が見やすい
🔹 手入れ	丸い方が掃除が楽
🔹 文法・表現	〜がかかる / 〜に弱い / 〜と… / 〜だとおっしゃる / 〜ほうが…

🪄 例文応用練習

このグラスは丈夫で割れ（　　）。
　👉 答：にくい
四角い窓は斜めからの力に**（　　）**。
　👉 答：弱い
ボタンを押すと、電気が（　　）。
　👉 答：つきます
丸い窓の方が手入れが（　　）。
　👉 答：楽
先生は行くと（　　）いました。
　👉 答：おっしゃる

🏃 日本語聴解ノート：速く走るコツ

<iframe width="100%" height="468" src="//player.bilibili.com/player.html?isOutside=true&aid=259686874&bvid=BV1za411d7Yu&cid=810050409&p=64" crolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

🎧 会話本文

女：先生、速く走るには腕を速く振るといいって聞いたんですが、本当ですか。
男：ええ、腕を意識して速く振れば、スピードが出ます。
女：腕を意識するんですね。
男：ええ。でも、それよりもっと大切なのが、足です。
速く走りたいと思うと、何度も小さく足を動かしてしまう人が多いようですが、できるだけ大きく、足を広げるように意識してください。
女：なるほど。スタートが苦手な場合にいいやり方はありますか。
男：走り始める時は、体を前に倒せば、足が自然に前に出ます。
それから、ゴール前でスピードが落ちやすい人は、ゴールよりも遠くを見て走るといいんですね。

🎯 質問

速く走るためには何が最も大切だと言っていますか。

✅ 正解：足の使い方（足を大きく広げて動かすこと）。

🧩 語彙整理（词汇积累）

単語	読み方	意味	例文
速く走る	はやくはしる	快跑	100メートルを速く走る。
腕を振る	うでをふる	摆手	ランニングで腕を大きく振る。
意識する	いしきする	注意、意识	呼吸を意識する。
足	あし	脚	足が疲れた。
小さく動かす	ちいさくうごかす	小幅移动	足を小さく動かして走る。
大きく動かす	おおきくうごかす	大幅移动	腕を大きく動かして泳ぐ。
スタート	すたーと	起跑、开始	スタートの合図で走る。
倒す	たおす	倾斜、倒下	体を前に倒す。
自然に	しぜんに	自然地	足が自然に前に出る。
ゴール前	ごーるまえ	冲刺前	ゴール前でスピードを上げる。
落ちやすい	おちやすい	容易降低、变慢	力が落ちやすい時間帯。

🧠 文法解説（语法重点）

🟩 1. 「〜より〜が大切／重要」

表示比较，“比…更重要”。

🔹例文：
　・それよりもっと大切なのが、足です。
　・勉強より健康が大切です。

🟩 2. 「〜ようにする」

表示努力或注意去做某事。

🔹例文：
　・できるだけ大きく、足を広げるように意識してください。
　・忘れないようにメモを取る。

🟩 3. 「〜ば〜」条件句

表示如果…就…

🔹例文：
　・体を前に倒せば、足が自然に前に出ます。
　・雨が降れば、遠足は中止です。

🟩 4. 「〜と〜」

表示结果或效果

🔹例文：
　・腕を速く振ると、スピードが出ます。
　・ゴールよりも遠くを見て走ると、スピードが落ちにくい。

🟩 5. 「〜てしまう」

表示动作完成或遗憾

🔹例文：
　・何度も小さく足を動かしてしまう人が多い。
　・宿題を忘れてしまった。

💬 要点まとめ

見出し	内容
🔹 最も大切	足の使い方（大きく広げて動かす）
🔹 腕の役割	腕を速く振るとスピードが出るが、足ほど重要ではない
🔹 スタートのコツ	体を前に倒すと自然に足が前に出る
🔹 ゴール前のコツ	遠くを見て走るとスピードが落ちにくい
🔹 文法・表現	〜より〜が大切 / 〜ようにする / 〜ば〜 / 〜と〜 / 〜てしまう

🪄 例文応用練習

腕を速く振る**（　　）**、スピードが出ます。
　👉 答：と
足を大きく広げる**（　　）**意識してください。
　👉 答：ように
体を前に倒せ**（　　）**足が自然に前に出ます。
　👉 答：ば
小さく足を動かして**（　　）**人が多い。
　👉 答：しまう
勉強より健康が（　　）です。
　👉 答：大切

computer architecture (20) CISCとRISC

Tue, 14 Oct 2025 00:00:15 GMT

指令系统总览
- 指令格式
- 指令寻址方式
- CISC和RISC

CISC和RISC

CISC和RISC是指令系统的两种设计方向。

:::tip 乘法指令可以访存，一定是CISC。

因为RISC只能通过Load/Store访问主存。 :::

因此CISC只需要较少的寄存器，比如乘法指令会直接把需要相乘的数取到某一个寄存器，紧接着就完成乘法操作，不会过多地占用寄存器。

而对于RISC，不论是加减乘除什么运算，一定需要一条指令先把数据从主存读入某一个寄存器，然后再进行运算操作。

目标代码可以类比成C语言库函数和简单语法的关系。CISC使用库函数（微程序），若微程序设计不好或不适用，则效率不高。而RISC则只使用简单语法，因此效率会很高。

控制方式将在第五章中学习，微程序控制效率比组合逻辑低。

最后，由于CISC中各种指令执行时间相差较大，因此指令流水线的实现会比较困难。而RISC中所有指令几乎都在一个周期内完成，因此可以很方便地实现指令流水线，使得CPU整体效率得到质的飞跃，RISC当中指令流水线都是必须实现的。

computer architecture (19) 関数呼び出しの機械語

Tue, 14 Oct 2025 00:00:14 GMT

call 和 return 指令

我们知道当函数运行的时候，系统会为它分配一片内存区域，这片区域被称为函数调用栈。

顾名思义，这片内存区域会用于实现函数调用。

这篇博客中我们将探讨汇编语言视角中是如何实现函数调用的。

让我们把目光聚焦于call和add这两个函数。

这两个函数所对应的x86汇编语言如图。

:::note 在汇编语言中，通常用标号去标记一个函数的开始。 :::

由于 call 和 return 指令都会使得程序的执行流发生改变，因此这两条指令肯定会影响PC寄存器的值。

要保证IP的值过得去，也回得来。首先会把IP寄存器里的旧址压栈保存，然后才会根据标号指明的位置进行无条件转移，让IP寄存器转移到被调用函数的第一条指令。当被调用函数执行完后，return 指令会从栈顶的位置取出刚才保存的这个IP旧址，把这个值写回IP寄存器。

不过，函数调用的时候通常会传入参数。同时，一个函数返回的时候，可能会有一个返回值。

显然 call 和 return 指令不可以直接带参数，也不可以直接带返回值。

那么参数和返回值是如何被传递的呢？

另外，如何访问栈帧里面的数据？

每一个栈帧里面到底包含哪些内容呢？

此外，为何这个图的栈要倒过来画？

如何调用栈帧

本节回答两个问题：

栈为什么倒过来了？
如何访问栈帧里的数据？

栈为什么倒过来了？

对于一个32位的操作系统来说，系统会为每一个进程分配4GB的虚拟地址空间，也就是虚拟内存。

地址的范围从0000 0000一直到FFFF FFFF，总共4GB。

高地址的这1GB属于操作系统的内核区，低地址的3GB可以由用户进程使用。

函数调用栈的栈底在C000 0000这个地址，而栈顶是在地址变小的这个方向。

因此大多数教材在画函数调用栈的时候会把栈底画在上方，因为上面是高地址方向。

在3GB的函数调用栈中，还会划分其他的区域用于存储不同数据。

怎么用汇编语言指令在操作栈里的数据？

如何访问栈帧里的数据？

标记栈帧范围：EBP、ESP寄存器

我们知道在x86中有这样的常规寄存器，其中EBP和ESP这两个寄存器和我们的函数调用栈息息相关。

EBP寄存器用于存储栈帧基指针，也就是指向当前正在运行的这个函数的栈帧的底部。

ESP寄存器用于存储栈帧顶指针，也就是指向当前正在运行的这个函数的栈帧的顶部。

:::warning 注意：在一个CPU内部只有一个EBP和一个ESP。 :::

两者中间的部分即为当前正在执行函数的栈帧范围。

:::note x86系统中，默认以4字节为栈的操作单位。 :::

当 add 函数执行完后，ebp和esp就做了相应的修改，分别指向 caller 函数的顶部4字节和底部4字节。

这两个寄存器里面存储的本质是2个内存地址。

那怎么用汇编语言指令结合这两个内存地址对栈里的数据进行读或者写呢？

访问栈帧数据：push、pop 指令

以下五条指令演示了 push 和 pop 的执行过程。

① esp-4，eax的数据211压栈。

② esp-4，立即数985压栈。

③ esp-4，[ebp+8]里面的数据666复制一份压栈。

④ 栈顶元素666出栈，数据复制到eax。

⑤ 栈顶元素985出栈，数据复制到[ebp+8]。

push 和 pop 指令只能对栈顶位置进行读或写，使得当我们想要访问栈的其他位置时恨不方便。

有没有更灵活的方法可以让我们访问到栈的其他位置呢？

访问栈帧数据：mov 指令

可以使用加法指令 add 或减法指令 sub 对esp里的地址值进行修改，这是被允许的。

总结

如何切换栈帧

enter 指令

当函数执行完毕后，我们需要改变ebp和esp的位置，让其重新指回上一层函数的栈帧。

如图所示，call 指令执行函数的第一步，将IP内的值压栈保存。

由于IP的作用相当于PC，存储的就是下一条语句的地址，因此IP旧值就是返回的地址。

到函数后，执行 push ebp，把ebp寄存器里的值压到栈顶。

ebp此时指向的地址是A00F 0030，所以执行这条指令的效果就是把这个地址信息压栈保存到栈顶的位置。

接下来执行 mov ebp, esp，把esp寄存器里的值复制到ebp寄存器中。

也就是让ebp寄存器指向esp寄存器当前所指的地址A00F 0010。

可以看到，这两条指令更新了ebp和esp的指向。而这两条指令就等价于 enter 指令。

:::note jmp + 标号，程序的执行流就会转移到这个标号所指明的位置。 :::

当 add 函数 return 返回之前，如何恢复esp和ebp的值呢？

leave 指令

mov esp, ebp后，esp会和ebp同时指向当前栈帧的底部。

此时pop ebp，会把esp所指元素出栈，该元素A00F 0030也就是上一层函数的基址。

栈顶元素的值会被复制到ebp，也就是会让ebp的值等于A00F 0010，让ebp指针重新指回了caller函数的栈帧底部。

同时esp+4，指向A00F 0014。

:::note pop ebp的意思是弹出esp内容并把内容送到ebp中。 :::

:::note 每个栈帧底部，用于保存上一层函数栈帧的基址。 :::

leave 指令是每个函数ret前的“例行处理”，与 enter相互对照。

ret 指令

ret 指令会从函数的栈帧顶部（esp所指的位置）找到IP寄存器的旧值，取出并写到IP寄存器中。

也就是让程序的执行流回到 call 指令的后面。

总结

函数调用的机器级表示

一个函数栈帧包含哪些内容

汇编代码实战

注意 mov 指令不能同时在主存里面进行，因此要先mov [ebp-8], 80，再mov eax, [ebp-8]。

在 call 指令前，将调用参数写入栈帧顶部区域。

通常把返回值写到eax寄存器当中。

在 ret 指令前，将函数返回值写入eax寄存器。

总结

拓展：

假设在发生函数调用时，调用者有一些运算结果被存在某一些寄存器当中。当函数调用发生时，被调用者有可能会使用到这些寄存器，也就有可能把调用者的中间结果覆盖掉，导致数据的丢失。

如果有必要的话，应该在发起函数调用之前，就把所需要的寄存器值压栈保存，在函数调用返回之后再把寄存器的值从栈恢复到寄存器。

因此会把部分寄存器的值储存在栈帧的未使用区和调用参数之间。

因此具体情况具体分析，完整图如下。

函数调用机器级代码思维导图

computer architecture (18) 選択とループの機械語

Sat, 11 Oct 2025 00:00:14 GMT

选择语句的机器级表示

怎么使用汇编语言来实现选择语句，也就是if-else这种分支结构的程序呢？

我们知道，指令是存储在主存里面的。

CPU会一条一条取出这些指令并执行，而CPU内部有一个比较特别的寄存器，叫做程序计数器（PC）。

这个寄存器的作用是会指向下一条即将执行的指令所存储的地址。

在x86处理器中，PC通常被称为IP（Instruction Pointer）。

但是选择语句并不像PC自动+1+1那样一条条往下进行的，可能会跳过某些语句，转而执行后面的这些语句。

这是C语言的视角。

那么在汇编语言的视角中如何实现这种程序执行流的跳转呢？

这就需要用到转移类的指令。

无条件转移指令——jmp

如果用jmp指令，意味着程序员必须要知道接下来跳转的指令放到内存里面之后，是被存储在什么地址。

然而这是非常困难的，如果只使用这三种方法来写jmp指令的话。

因此为了解决这个问题，可以使用这样的方式来书写jmp指令。

也就是用“标号”的方式实现跳转。

类似于C语言里面的goto语句，只要执行这条指令，PC是一定会跳转的，不用判断任何条件。

条件转移指令——jxxx

显然，无条件转移指令无法用于实现我们熟悉的if else语句。

因此需要使用cmp指令来配合条件转移指令。

示例：选择语句的机器级表示

可以看出，是先写else里面的内容，再写if里面的内容，与C语言相反。

也可以把jg变成jle，即通过命题取反的形式，达到先if后else的效果。

写汇编语言代码时，一般会以函数名作为“标号”，标注该函数指令的起始地址。

图中的f1指的就是这个函数，也就是第一条指令，函数的起始地址。

扩展：cmp指令的底层原理

cmp的本质就是进行了一个减法，然后条件转移指令再根据减法所产生的标志位，去判断是否满足这条指令所对应的条件，以此去判断是否发生转移。

CPU执行jne的本质就是在PSW中看一下ZF标志位是否等于0。

循环语句的机器级表示

用条件转移指令实现循环

用条件转移指令其实就可以实现循环。注意四个步骤。

用loop 指令实现循环

ecx的一个特殊功能就是作为循环计数器，所以不可以用eax，ebx这些其他的寄存器来代替ecx。

loop指令默认指定了对ecx进行减减--。

因此如果要使用loop指令，肯定需要配合着使用ecx这个寄存器，用ecx里的值来判断是否还需要继续循环。

computer architecture (17) x86 AT&T v.s. Intel

Sat, 11 Oct 2025 00:00:10 GMT

上一篇博客中我们学习了x86的Intel格式，这篇我们来看看AT&T格式有什么不同。

最大的不同：d和s的位置相反！

比例因子意味着结构体的存储大小，变址意味着结构体的索引index，以此可以找到某个结构体中的某个变量。

:::tip 看到 $，%，小括号 ( )，这些符号时应该想到这是AT&T格式。 :::

computer architecture (16) x86

Sat, 11 Oct 2025 00:00:09 GMT

x86汇编语言指令基础
- mov 指令
- 算术运算指令
- 逻辑运算指令
- 其他指令

我们知道指令由两个部分构成：操作码 + 地址码 。

其中，操作码说明了要对数据进行什么处理，而地址码说明了数据存在什么地方。

数据在哪儿？无非就三个来源：

在寄存器里，则在指令中给出“寄存器名”。
在主存里。则在指令中给出“主存地址”。
在指令里，则直接在指令中给出要操作的数（立即数）。

以 mov 指令为例

下面以 mov 指令为例来探讨。

图中所有用蓝色标注的都是寄存器，用紫色标注的是立即数，用绿色标注的外面还打了中括号[]表示一个内存地址，内存地址的红色前缀指明了内存的读写长度，也就是要读写几个字节。

:::note 内存地址通常是16进制表示的，因此结尾是"h"。

当汇编语言中出现中括号时，通常表示的是一个内存地址。

中括号的前边会指明此次要读或者要写的长度。

长度只有可能出现图中的这三种情况（dword,word,byte）。

d(double)word = 32bit word = 16bit byte = 8bit :::

x86架构CPU有哪些寄存器

那怎么判断某一串字母指的是寄存器呢？

答案是：以e开头的单词通常就是寄存器。

一般来说，寄存器的使用都会涉及32bit，但通用寄存器比较灵活，可以使用更少的比特，16bit或8bit。

move ax, bx就是把bx里面的数据复制到ax当中。

更常见的还是直接使用32个比特。

知识回顾

知道数据在哪儿后，接下来我们讨论数据应该怎么处理。

算术运算指令

在除法指令中，s指的是除数，而被除数会被提前放到edx和eax两个寄存器当中。所以除法指令的被除数其实采用了隐含寻址。

可以看出，左边的目的操作数d不能是常数，因为我们要把得到的结果存放到左边操作数所在的位置。

edx:eax的意思是连起来存放拓展为64位的被除数。

另外，在x86中不允许两个操作数都同时来自主存。因此两个操作数要么同时来自于寄存器，要么一个在寄存器，一个在主存。

目的是为了保证每条指令不访问太多次主存。因为访问主存的次数越多，这条指令的执行速度会越慢。

逻辑运算指令

同样，左边的操作数d不能是常数。

回顾之前的知识，对于CPU的内部控制单元（CU）会依次执行这些指令，当CU确定这条指令所对应的功能后，就会给算术逻辑单元（ALU）发送与这条指令相对应的控制信号，d和s两个操作数就会被分别送到ALU的两个输入端。现在，CU又给ALU发来了和运算相关的控制信号，ALU就会把运算的结果从输出端输出。

这就是执行一条指令的原理。

其他指令

mov 已学过，剩下两种指令之后讲到分支循环和函数调用后学习。

日本語 JLPT N2 メモ（７）

Sun, 05 Oct 2025 00:00:50 GMT

🗣️ 日本語聴解ノート：スピーチで大切なこと

🎧 会話本文

女：スピーチは、聞いている人にとってわかりやすいことが大切です。そのためには、少し易しい言葉を選んだほうがいいですね。
話すときは、大切なところはゆっくり話して、発音などにもできるだけ気をつけたほうがいいです。
でも、全体的にゆっくり話す必要はありません。不自然になると気持ちが伝わりにくくなりますからね。
そして、聞いている人の顔を見ながら話します。
このような話し方ももちろん大切ですが、スピーチで一番大切なのは、やはり話の面白さだと思います。
中身がよければ、きちんと評価されます。

🎯 問題

スピーチで最も大切なことは何だと言っていますか。

✅ 正解：話の内容（中身）が面白いこと。

🧩 語彙整理（単語积累）

単語	読み方	意味	例文
聞いている人	きいているひと	听众、听话的人	聞いている人の反応を見ながら話します。
わかりやすい	わかりやすい	容易理解的、清楚的	わかりやすい説明をしてください。
易しい	やさしい	简单的、容易的	易しい日本語で書かれたニュースサイト。
～たほうがいい		建议“最好～”	もっと勉強したほうがいいです。
発音	はつおん	发音	日本語の発音は英語と違います。
～などにも		“甚至连～也”、“也要注意～”	文法や発音などにも気をつけましょう。
できるだけ		尽量、尽可能	できるだけ早く来てください。
～にくい		难以～（动词接续）	この字は読みにくいです。
不自然	ふしぜん	不自然、不自然的状态	不自然な日本語の表現。
伝わりにくい	つたわりにくい	难以传达、难被理解	気持ちが伝わりにくくなります。
～ながら		一边～一边～	音楽を聞きながら勉強します。
～ような		像～那样的	あなたのような人に会いたい。
～と思います		表示说话人的看法	これはいい方法だと思います。
中身	なかみ	内容、实质	中身のあるスピーチをしましょう。
評価される	ひょうかされる	被评价、受到评价	成績だけで評価される社会。

🧠 文法解説（语法重点）

🟩 1. 「～たほうがいい」

表示忠告或建议，“最好～”

🔹構文：動詞た形＋ほうがいい
🔹例文：
　・早く寝たほうがいいです。→ 最好早点睡。
　・少し易しい言葉を選んだほうがいいですね。→ 最好选择简单一点的词语。

🟩 2. 「～にくい」＋「～くなる」

「にくい」表示“难以～”，「～くなる」表示“变得～”。
组合后 ～にくくなる 表示“变得难以……”。

🔹例文：

気持ちが伝わりにくくなります。
　→ 心情就变得难以传达。
　（= 因为说得太慢或太不自然，导致感情传达得更困难。）

🔹构造解释：

伝わる（传达） → 伝わりにくい（难以传达） → 伝わりにくくなる（变得难以传达）

🟩 3. 「～ながら」

表示同时进行的两个动作。

🔹構文：動詞ます形去ます＋ながら
🔹例文：
　・聞いている人の顔を見ながら話します。→ 一边看着听众的脸，一边讲话。

🟩 4. 「～ような」

用来修饰名词，表示“像～那样的”。

🔹構文：普通形＋ような＋名詞
🔹例文：
　・このような話し方。→ 像这样的说话方式。
　・君のような学生。→ 像你这样的学生。

🟩 5. 「～と思います」

表示说话人的主观想法或意见。

🔹構文：普通形＋と思います
🔹例文：
　・話の面白さが一番大切だと思います。→ 我认为内容的有趣最重要。

💬 要点まとめ

見出し	内容
🎯 テーマ	スピーチで一番大切なのは「話の面白さ」
🗣 ポイント	言葉はわかりやすく・自然に・顔を見ながら話す
📘 文法	～たほうがいい・～にくくなる・～ながら・～ような・～と思います
🧾 単語	わかりやすい・発音・中身・不自然・伝わりにくい・評価される等

🪄 例文応用練習

この資料は少し（　　）書いたほうがいいですね。
　👉 答：易しく（简单一点）
話し方が（　　）と、気持ちが伝わりにくくなります。
　👉 答：不自然だ
（　　）話しながら、相手の顔を見てください。
　👉 答：スピーチを

🧩 学びメモ

スピーチでは 内容の面白さ > 話し方
「～にくくなる」是表达变化的常见结构，表示“变得难以～”
传达感情时，自然的语速与语气 比慢速更重要
文法面重点记住：「～たほうがいい」「～にくくなる」「～ながら」等

🗣️ 日本語聴解ノート：電話で遅れる理由

🎧 会話本文

女：もしもし、松下さん？水野だけど。
男：ああ、水野さん？
女：悪いんだけど、今日のクラブのミーティング、ちょっと遅れそうなの。
男：あ、電車が止まってるんだってね。さっき、鈴木さんからも電話があったよ。
女：あ、そうなの？こっちは大丈夫そうだけど。それがね、今、アルバイトが終わったところなんだ。友達が病気になっちゃって、今日は授業が休みだったから代わりに引き受けたんだけど、そしたら、予定よりも長引いちゃって。
男：そうなんだ。
女：うん。着くまでに 30 分くらいはかかりそうだから、悪いんだけど、ほかの人に伝えてくれるかな。
男：わかった。じゃ、気をつけてね。

🎯 問題

女の人はどうして遅れると言っていますか。

✅ 正解：アルバイトの代わりを引き受けたため、予定より長引いているから。

🧩 語彙整理（単語积累）

単語	読み方	意味	例文
遅れる	おくれる	迟到	電車が遅れて学校に遅れた。
ミーティング		会议	クラブのミーティングに参加する。
電車が止まる	でんしゃがとまる	电车停运	強風で電車が止まった。
アルバイト		打工	大学の傍ら、アルバイトをしている。
代わりに引き受ける	かわりにひきうける	替别人承担、代替做某事	友達のシフトを代わりに引き受けた。
長引く	ながびく	拖长、延长	会議が予定より長引いた。
〜そう		看起来…、似乎…	雨が降りそうです。
悪いんだけど	わるいんだけど	抱歉，但…	悪いんだけど、少し遅れる。
伝える	つたえる	告诉、传达	他の人に伝えておいてください。
気をつける	きをつける	小心、注意	道路で気をつけてください。
〜ちゃう / 〜ちゃって		口语化，表示动作完成或遗憾	遅れちゃった。 / 忘れちゃった。
〜ところ		刚刚～的时刻	今、アルバイトが終わったところ。
〜よりも		比…更	予定よりも長引いた。
〜くらい		大约	30分くらいかかる。

🧠 文法解説（语法重点）

🟩 1. 「〜そう」

表示推测或看起来的样子。

🔹構文：形容词/动词ます形去ます + そう
🔹例文：
　・雨が降りそうです。→ 看起来要下雨。
　・30分くらいかかりそう。→ 似乎要花大约30分钟。

🟩 2. 「〜ちゃう / 〜ちゃって」

是「〜てしまう」的口语缩略，表示动作完成或带有遗憾感。

🔹例文：
　・病気になっちゃって → 生病了（带有抱歉或意外感）
　・忘れちゃった → 忘记了（带有遗憾或轻松语气）

🟩 3. 「〜ところ」

表示动作的时间点或阶段。

🔹例文：
　・今、アルバイトが終わったところ。→ 刚刚打工结束。
　・今、食べようとしているところ。→ 正准备吃。

🟩 4. 「〜よりも」

用于比较，表示比…更…。

🔹例文：
　・予定よりも長引いた。→ 比原计划拖长了。
　・去年よりも寒い。→ 比去年冷。

🟩 5. 「〜てくれる / 〜てあげる」

表示动作为别人做或给别人做。

🔹例文：
　・他の人に伝えてくれるかな。→ 可以告诉其他人吗？
　・手伝ってくれてありがとう。→ 谢谢你帮我。

💬 要点まとめ

見出し	内容
🎯 遅れる理由	アルバイトの代わりを引き受けたため、予定より長引いた
🗣 ポイント	丁寧な説明で理由を伝える、30分くらいかかることを予告
📘 文法	〜そう / 〜ちゃう / 〜ところ / 〜よりも / 〜てくれる
🧾 単語	遅れる・伝える・長引く・アルバイト・代わりに引き受ける・気をつける

🪄 例文応用練習

今日は少し遅れ（　　）かもしれません。
　👉 答：そう
予定よりも時間が（　　）。
　👉 答：長引いた
友達の代わりに、宿題を（　　）。
　👉 答：引き受けた
荷物を運んでくれる？（　　）
　👉 答：くれる

🧩 学びメモ

「〜ちゃう」は口语化形式，学习日常对话必备
解释迟到时，要说明具体原因+时间大约
「〜よりも」和「〜くらい」常用于时间、数量比较
电话对话中，语气可以用「悪いんだけど」表达礼貌又口语化

くさり（鎖）メモ创作过程小记

Tue, 30 Sep 2025 00:00:50 GMT

くさり（鎖）创作过程

好久不见，最近很久没更新博客，主要在复习C#准备参加Gamejam，所以就没有学新的东西，不过心情实在一般（备考过猛反噬了hh），所以开始重拾乐理了。

我花了大概两天的时间从构思到完成这部曲子。第一天完成了这篇曲子的人声旋律、副歌以及作词，第二天则完成了全部的编曲。

您也可以通过网易云音乐倾听这首歌的人声版或纯音乐版，网址如下：

以下是我的一些创作经历。

🎤 人声

首先我选择了 C作为主音，C Major，音高为C5，没什么特别的原因，只是因为我喜欢容易演唱的流行旋律。
在创作前我回顾了自己的大学生涯，以及即将踏上的未知的日本留学之旅，心中有非常多的感情。
因此在作曲中比起单纯的旋律，我同时考虑的是 旋律与作词是否搭配。

低地で生まれた
それは僕のせいじゃないだろう
なぜ毎日「出身」という名の鎖に
縛られて生きているのか

这是一直萦绕在我心中的打不开的结，因此几乎是脱口而出。

出生在中国的人，在世界中到处流浪讨生活。那不敢提及的出身，像一道枷锁一样，留学之后会改变掉吗？我不知道。而留学的结局，能获得的仅仅是发达国家的人天生就有的事物。多么悲伤的事情。

副歌之前的主歌部分几乎在十几分钟内写成，节奏比较慢，每个小节会停顿4拍。我想表达的是：

因为自己的 中国出身，未来可能遭遇的困难
在困难中曾经历过的迷茫
以及未来这些因素会如何影响我

副歌部分我花了很久思考。tsuina（voicebank）的音色是我喜欢的日本甜妹感，因此我希望曲子整体呈现 流行摇滚的日系风格，旋律几乎都控制在前五个音内。所幸得到了一个能听的旋律（尽管很短，而且只能容纳四个字），同时跟我希望表达的感情基调很搭配，读起来也朗朗上口。

为了使整体不那么单调,我加入了两个高音部分（副歌的变体）作为情绪的爆发点,这种突然的三连续高音以及颤音,是我在听歌中一直比较喜欢的部分,因此使用了进去。同时我也对重音做了自然化处理，使得tsuina的机械音不会太刺耳。

原本在高音之中伴奏全部消失是会留下一个比较空灵的结尾,不过如果这样结束我觉得有点可惜,因此又加上了一段比较好听的第三种副歌变体来丰富听感,这也是这首歌的主题,因此放在结尾是一个直接的提示主题的方法。

“在这个世界上，我到底该怎么办才好呢？”——这是歌曲核心的疑问。希望这首充满力量感的歌，也能成为您面对困境时的一点动力。

我希望表达的是，像我这样的中国人该如何在世界上生存下去。

🎸 和弦与编曲

整首歌的吉他和弦走向：

Gmaj → Em → Dmaj → Cmaj/E

这是一个非常典型且流行的走向，广泛出现在 流行音乐、电音、R&B 等风格中，能够营造 流畅、带动力且略带忧郁 的氛围。
同时，它也能确保 Vocaloid 的人声旋律与和弦在调性上的一致性。

当主旋律中的 C5 (Do) 出现在 Cmaj (I) 和弦上时，能获得最大的稳定感
而当 Gmaj (V) 出现时，旋律会产生强烈的推动力

功能对照表

和弦	C 调中的功能	作用
Gmaj	V (属和弦)	强烈导向 C (I)，为旋律创造紧张感
Em	iii (中音小和弦)	柔和的色彩，与 C 调的主音功能相近
Dmaj	V/V (二级属和弦)	导向 G (V) 的桥梁，增加和声推动力
Cmaj	I (主和弦)	稳定、放松，旋律的主音 C 在此获得完全的稳定

由于使用了 离调和弦 (II = V/V) 的卡农和弦变体，整体和声更具推动力和色彩。

在副歌部分，我加入了另外一把吉他，专门演奏和弦的根音。
两个吉他叠加在一起，形成了一个还不错的协同效果。

节奏与低音

低音部分：我选择了 Bassdrum 和 Drampad 敲击和弦根音，让前奏不那么单调。
中段部分：我让 Tom drum 持续敲击 C 和弦，营造出 递进的节奏感，推动情绪层层上升。

另外，为了使旋律不那么单调以及过渡自然，我使用了非常多的弦乐作为人声的补充，音色非常优雅，同时大部分来源于主旋律做出的一些变化，强化了主旋律的记忆点。

比如这段弦乐其实就源自于B段中“なぜ毎日”这一句的低音变调，使用三连音增加了跃动感。

🎚️ 混音

我没有进行过多的混音，因为这是一首快速做成的曲子，我希望它保留着它原本的样子。

🎬 结语

或许未来某一天，我会把它做得更完整。
尽管现在只是个半成品，但也能获得一些倾听的乐趣。

无论如何，九月已经结束。
感谢为自己深爱的事物勇敢追求的自己。

最后附上中日翻译对照版本的歌词。

低地で生まれた
生在洼地

それは僕のせじゃないでしょうか
那不是我的错吧

なぜ毎日「出身」という名前の鎖に
为何每日被名为“出身”的锁链

縛れて生きるのか
被束缚着活着呢

飛行機で動いた
飞机发动起来

これが僕らの希望でしょうか
这是我们的希望吗

なぜ毎回 希望という呼べる物探して
为何每回 寻找着可以称之为希望的东西

呼ばれて生きるのか
被呼唤着活着呢

そだな、生きて
是啊，要活下去

そだね、生きれる
是吧，能活下去

鎖に縛れて
被锁链束缚着

自由に抱きしめて
一边拥抱自由

鎖に縛れて
被锁链束缚着的

涙で染まる日々
是用泪水浸染的往日

飛行機で動いた
飞机发动起来

これが僕らの希望でしょうか
这是我们的希望吗

なぜ毎回希望という呼べる物探して
为何每回寻找着可以称之为希望的东西

呼ばれて生きるのか
被呼唤着活着呢

そだな、生きて
是啊，要活下去

そだね、生きれる
是吧，能活下去

鎖に縛れて
被锁链束缚着

自由に抱きしめて
一边拥抱自由

鎖に縛れて
被锁链束缚着的

涙で染まる日々
是用泪水浸染的往日

あの日々
那些往日

忘れない
我忘不掉

涙に染まる日々
被泪水浸染的往日

鎖に縛れて
被锁链束缚着

自由に抱きしめて
一边拥抱自由

鎖に縛れて
被锁链束缚着的

涙に染まる日々
是被泪水浸染的往日

この世界どうすればいいんだろうか
在这个世界上我到底该怎么办才好呢？

日本語 JLPT N2 メモ（６）

Sat, 27 Sep 2025 00:00:50 GMT

聴解練習（スクリプト）

場面：講演会で医者が話しています。
問：どんなとき、痛いところを冷やしたほうがいいと言っていますか。

原文（日文）

女：体のどこかに痛みを感じた場合、そこを冷やすべきか温めるべきかという質問をよく受けます。
簡単に言うと、急性は冷やし、慢性は温めればいいのです。

急性というのは、例えば、変な歩き方をして足をひねったり、急に腰が痛くなって動けなくなったりしたような場合です。
このようなときは氷などで冷やしてください。

でも、転んですりむいたようなときは、冷やす必要はありません。

また、急な痛みがなくなった後、また痛みを感じるとか、動けるけれども痛みが続くというようなものは急性ではありませんから、おふろに入るなどとして温めるのが効果的です。

中文逐句翻译

女：当身体某个部位感到疼痛时，经常有人问我，是应该冰敷还是热敷。
简单来说，急性疼痛要冷敷，慢性疼痛要热敷。

所谓“急性”，例如，走路姿势不对扭到了脚，或者突然腰痛得动不了了。
这种情况下请用冰等冷敷。

但是，如果是摔倒擦伤这种情况，就不需要冷敷。

另外，如果急性的疼痛已经消失，但又感觉到疼痛，或者虽然能动但疼痛持续的，这就不是急性的疼痛了，所以用洗澡等方式热敷会更有效。

質問（理解チェック）

どんなとき、痛いところを冷やしたほうがいいと言っていますか。

日本語：足をひねったり、急に腰が痛くなって動けなくなったりしたとき。
中文：在扭伤脚、突然腰痛到无法行动等“急性疼痛”的时候。

豊富語彙リスト

講演会（こうえんかい）：讲演会，演讲会
痛み（いたみ）：疼痛
冷やす（ひやす）：冷敷，使变凉
温める（あたためる）：加热，热敷
急性（きゅうせい）：急性的
慢性（まんせい）：慢性的
足をひねる：扭到脚
腰（こし）：腰
動けない（うごけない）：动不了
氷（こおり）：冰
すりむく：擦破皮
必要（ひつよう）：必要，需要
効果的（こうかてき）：有效的
おふろに入る：泡澡，洗澡

文法・表現メモ

〜べき：应该……。例：冷やすべきか温めるべきか＝该冷敷还是该热敷。
簡単に言うと：简单来说。
〜たり〜たりする：表示列举。例：足をひねったり、腰が痛くなったり＝扭脚啦、腰痛啦。
〜ような場合：表示举例说明。例：動けなくなったような場合＝像动不了了这种情况。
〜なくなる：表示状态消失。例：痛みがなくなった＝疼痛消失。
〜続く（つづく）：持续。例：痛みが続く＝疼痛持续。
〜から：表示原因。例：急性ではありませんから＝因为不是急性。

聴解練習（スクリプト）

場面：店員と女の人が傘を見ながら話しています。
問：女の人はどんな傘が欲しいと言っていますか。

原文（日文）

男：いらっしゃいませ。どんな傘をお探しですか。
女：あ、折りたたみです。
男：じゃ、こちらはいかがでしょうか。軽いですよ。しかも、これ、ワンタッチで開いたり閉じたりできるんです。このボタン、押してみてください。
女：わあ、ほんとだ。便利ですね。でも、かなり細いですね。
男：ええ、軽くするために、骨を細くしてあるんです。
女：あのー、うちの会社の近く、ビルの間の風がとても強いんです。この間もそれで傘の骨が折れてしまったんで、風が強くても折れにくいのがいいんですけど。
男：ああ、じゃ、こちらはどうでしょう。普通のものより骨の数が多いんです。
女：あ、ほんとですね。これなら大丈夫そうですね。

中文逐句翻译

男：欢迎光临。您在找什么样的伞呢？
女：啊，我想要折叠伞。
男：那么这把怎么样？很轻哦。而且，这个可以一键开合。请按一下这个按钮。
女：哇，真的耶。很方便呢。不过，好像很细呢。
男：是的，为了减轻重量，伞骨做得很细。
女：嗯……我们公司附近楼宇之间的风特别大。前些天我的伞骨就被风吹断了，所以我想要那种即使风大也不容易折断的伞。
男：啊，那这把怎么样？比普通伞的伞骨数量要多。
女：啊，真的呢。这把看起来应该没问题。

質問（理解チェック）

女の人はどんな傘が欲しいと言っていますか。

日本語：風が強くても折れにくい傘。
中文：即使风大也不容易折断的伞。

豊富語彙リスト

折りたたみ傘（おりたたみがさ）：折叠伞
軽い（かるい）：轻的
ワンタッチ：一键式（英语 one-touch）
開いたり閉じたりする（ひらいたりとじたりする）：打开或关闭
ボタン：按钮
便利（べんり）：方便
骨（ほね）：伞骨、骨架
折れる（おれる）：折断
風が強い（かぜがつよい）：风大
折れにくい（おれにくい）：不容易折断的
数（かず）：数量
普通（ふつう）：普通、一般

文法・表現メモ

いらっしゃいませ：商店招呼语，“欢迎光临”。
〜はいかがでしょうか：礼貌提议，“要不要看看这个”。
〜たり〜たりする：列举动作。例：開いたり閉じたりする＝打开、关闭。
〜ために：为了……。例：軽くするために＝为了让它变轻。
〜ても〜にくい：即使……也不容易……。例：風が強くても折れにくい＝即使风大也不容易折断。
〜そうですね：推测或印象，“看起来好像”。

聴解練習（スクリプト）

場面：親子イベントで男の人が話しています。
問：この会の目的は何ですか。

原文（日文）

男：ようこそ親子チャレンジへ。これから半年間、毎月この親子交流会でいろんなことに挑戦してもらいます。この親子チャレンジでは、いつもは学校の成績で評価されがちな子供たちに、自分を信じる力を持たせることを目指しています。頑張ることで目標を達成し、その満足感を通じて、やればできるんだと感じてほしいと思っています。毎回、親子で話しながら料理をしたり、遊び道具を作ったり、ゲームをしたりします。できあがったものは記念に持って帰ってください。

中文逐句翻译

男：欢迎来到“亲子挑战”活动。从现在开始的半年里，我们将每个月在这个亲子交流会上挑战各种事情。
在这个亲子挑战中，我们的目标是让那些平时总是通过学校成绩来被评价的孩子们，能够拥有相信自己的力量。
通过努力实现目标，并从满足感中体会到“原来我也能做到”。
每一次活动中，大家会一边交流一边和父母一起做菜、制作玩具、玩游戏。
完成的作品可以作为纪念带回家。

質問（理解チェック）

この会の目的は何ですか。

日本語：子供たちに自分を信じる力を持たせること。
中文：让孩子们培养相信自己的力量。

豊富語彙リスト

親子（おやこ）：父母和子女
交流会（こうりゅうかい）：交流会
挑戦する（ちょうせんする）：挑战
評価されがち（ひょうかされがち）：容易被评价、经常被评判
自分を信じる力（じぶんをしんじるちから）：相信自己的力量
目指す（めざす）：以……为目标
目標を達成する（もくひょうをたっせいする）：达成目标
満足感（まんぞくかん）：满足感
やればできる：只要做就能做到
遊び道具（あそびどうぐ）：玩具、玩耍的工具
記念（きねん）：纪念
できあがった：动词できあがる（出来上がる）的过去式，完成了、做好了/（饮食）做好了，可以上桌了/（人）喝醉了（口语里也用）

文法・表現メモ

〜てもらいます：请对方来做某事（这里指参与者来挑战活动）。
〜がち：表示“往往……，容易……”的倾向。例：評価されがち＝容易被评价。
〜させる：使役形，表示“让……做”。例：力を持たせる＝让他们拥有力量。
〜を通じて（つうじて）：通过……。例：満足感を通じて＝通过满足感。
〜たり〜たりする：列举多个活动。例：料理をしたり、遊び道具を作ったりする。

聴解練習（スクリプト）

場面：学生が先生に相談しています。
問：学生はどうして勉強を続けたいと言っていますか。

原文（日文）

女：先生、卒業後の進路のことで相談があるんですが……。実は、大学に残ってもう少し勉強を続けてもいいかなと思い始めています。
男：どうしたんだ。ヤスダ薬品じゃ不満なのか。
女：いえ、あの会社は歴史も長いし、いいと思うんですが。
男：あそこなら、君が今まで勉強してきた知識が活かせるんじゃないかな。
女：はあ。でも、急にこれくらいの知識でやっていけるかなって心配になってきたんです。
男：大丈夫だと思うよ。それに大学院での勉強も簡単じゃないからね。
女：はい、それはわかってるんですが、もっと専門知識を身につけてからのほうが、仕事も面白くなるんじゃないかとも思いました……。

中文逐句翻译

女：老师，我想和您商量一下毕业后的去向问题……。其实，我在想是否可以留在大学再多学习一段时间。
男：怎么了？你对安田药品公司不满意吗？
女：不是的，那家公司历史悠久，我也觉得挺好的。
男：在那里，你应该能发挥出至今为止学到的知识吧。
女：是的，但是我突然开始担心，以我现在的知识水平能不能应付得来。
男：我觉得没问题啊。而且，研究生的学习也不轻松哦。
女：嗯，我明白这一点，不过我觉得如果能掌握更多专业知识，工作也会变得更有趣吧……。

質問（理解チェック）

学生はどうして勉強を続けたいと言っていますか。

日本語：もっと専門知識を身につけて、仕事を面白くしたいから。
中文：因为想掌握更多的专业知识，让工作变得更有趣。

語彙リスト（重点+中级語彙）

単語	读音	意味（中文）
進路	しんろ	升学或就业的去向、道路
残る	のこる	留下、停留
勉強を続ける	べんきょうをつづける	继续学习
不満	ふまん	不满、不满意
活かせる	いかせる	发挥、活用
知識	ちしき	知识
心配になる	しんぱいになる	变得担心
専門知識	せんもんちしき	专业知识
身につける	みにつける	掌握、学会
面白い（仕事が〜）	おもしろい	有趣、有意思
思い始める	おもいはじめる	开始这样想
〜ほうがいい	～がいい	表示“……会更好”

文法・表現メモ

〜てもいいかなと思い始めています
表示“开始觉得是不是可以……”，语气柔和地表达自己的想法。
例：留学してもいいかなと思い始めています。（开始觉得也许可以去留学。）
〜んですが
用于引出话题或委婉表达自己的情况。
例：相談があるんですが（我有点事想咨询）。
〜んじゃないかな
表示推测或委婉意见，相当于“是不是……呢”。
例：彼ならできるんじゃないかな。（他应该能做到吧。）
〜てからのほうが〜
表示“在……之后再……会更好”。
例：もう少し練習してからのほうが上手にできる。（再练习一会儿会更好。）

要点まとめ（总结）

学生原本打算进入ヤスダ薬品工作。
但她担心“以现在的知识能否胜任工作”。
她认为“掌握更多専門知識（专业知识）”后，工作会更有趣。
因此想“留在大学继续学习”，也就是“升学读大学院”。

新版演習微分積分（１）

Fri, 26 Sep 2025 00:00:58 GMT

このメモは本の６－８ページを参照しています。

無限級数の収束性と p 級数の判定法

1. 基本性質：級数が収束すると項は 0 に近づく

無限級数

$$ \sum_{n=1}^\infty a_n = S $$

が収束するとする。部分和

$$ S_N = \sum_{n=1}^N a_n $$

が極限 $S$ に収束する場合、

$$ a_n = S_n - S_{n-1} \to S - S = 0 $$

結論：級数が収束する場合、項 $a_n$ は 0 に近づく。

注意：逆は成り立たない。例えば調和級数 $\sum 1/n$ は項が 0 に近づくが、級数は発散する。

2. 調和級数

調和級数：

$$ \sum_{n=1}^\infty \frac{1}{n} $$

は代表的な発散級数である。
積分比較法により証明できる：

$$ \sum_{n=1}^N \frac{1}{n} \ge \int_1^N \frac{1}{x},dx = \ln N \to \infty $$

3. Cauchy の収束判定法

級数 $\sum a_n$ が収束するのは次の条件と同値である：

任意の $\varepsilon > 0$ に対し、ある $N$ が存在して、全ての $m>n>N$ に対して

$$ |a_{n+1} + a_{n+2} + \cdots + a_m| < \varepsilon $$

が成り立つ。

部分和列 ${S_n}$ が Cauchy 列であること ⇔ 収束。

4. 比較判定法

正の単調列 $a_n, b_n$ が存在して、十分大きな $n$ に対して

$$ 0 \le a_n \le b_n $$

が成り立つ場合：

$\sum b_n$ が収束するなら $\sum a_n$ も収束
$\sum a_n$ が発散するなら $\sum b_n$ も発散

5. p 級数

p 級数は

$$ \sum_{n=1}^\infty \frac{1}{n^p}, \quad p\in \mathbb{R} $$

で定義される。

結論：

$$ \sum_{n=1}^\infty \frac{1}{n^p} \text{ は収束 } \iff p>1 $$

$$ \sum_{n=1}^\infty \frac{1}{n^p} \text{ は発散 } \iff 0<p\le 1 $$

5.1 積分判定法による証明

関数 $f(x) = x^{-p}$ は $[1,\infty)$ 上で連続、単調減少、非負である。積分判定法により：

$$ \sum_{n=1}^\infty f(n) \text{ は } \int_1^\infty f(x),dx \text{ と同じ収束性を持つ} $$

(1) $p>1$ の場合

$$ \int_1^\infty \frac{1}{x^p} , dx = \lim_{t\to\infty} \frac{x^{1-p}}{1-p}\Big|1^t = \lim{t\to\infty} \frac{t^{1-p}-1}{1-p} = \frac{1}{p-1} < \infty $$

収束

(2) $p=1$ の場合

$$ \int_1^\infty \frac{1}{x},dx = \lim_{t\to\infty} \ln t = \infty $$

発散（調和級数）

(3) $p<1$ の場合

$$ \int_1^\infty \frac{1}{x^p},dx = \lim_{t\to\infty} \frac{t^{1-p}-1}{1-p} = \infty $$

発散

5.2 Cauchy 圧縮検証

正の単調減少列 $a_n$ に対して

$$ \sum_{n=1}^\infty a_n \text{ は } \sum_{k=0}^\infty 2^k a_{2^k} \text{ と同じ収束性を持つ} $$

$p$ 級数の場合 $a_n = n^{-p}$ とすると：

$$ \sum_{k=0}^\infty 2^k a_{2^k} = \sum_{k=0}^\infty 2^k \cdot (2^k)^{-p} = \sum_{k=0}^\infty 2^{k(1-p)} $$

これは等比級数で、公比 $r = 2^{1-p}$：

$p>1$ のとき $r<1$ → 収束
$p \le 1$ のとき $r \ge 1$ → 発散

積分法と同じ結論

6. まとめ

項が 0 に近づくことは収束の必要条件
調和級数は項が 0 でも発散
Cauchy 判定法は級数の根本的判定
比較判定法は既知級数との比較で便利
p 級数は $p>1$ で収束、それ以外は発散

日本語 JLPT N2 メモ（５）

Fri, 26 Sep 2025 00:00:50 GMT

聴解練習（スクリプト）

場面：女の人と男の人が話しています。
問：女の人はどうして怒っていますか。

原文（日文）

女：昨日、電車で嫌なこと、あったの。

男：あ、若い人に席を譲られたとか。

女：失礼ね。そんな年じゃありません。

男：じゃ、何？何かとられたの？財布とか。

女：よくわかったわね。実は、傘なの。手すりのところに掛けておいたんだけど。

男：ああ、そう。昨日は夜まで降ってたから、帰るとき濡れたでしょう。

女：それは大丈夫だったんだけど。わたしの傘の代わりに、ビニール傘が置いてあってね。

男：ふーん。それなら、間違えられたんじゃない？

女：そうかな。駅の人に聞いてみようかな。あーあ。

中文逐句翻译（中日对照）

女：昨天在电车上发生了让我不爽的事。
男：啊，是被年轻人让座了吗（你被让座了之类的）？
女：失礼了。又不是那个年纪（暗指自己不需要被让座）。
男：那是什么？被偷了什么吗？钱包之类的？
女：你真会猜啊。其实是伞。原本挂在扶手那边的。
男：啊，是这样。昨天一直下到晚上，回家的时候应该被淋湿了吧。
女：那个没关系。但我的伞不见了，取而代之放着一把透明（塑料）伞。
男：嗯——那可能是被误拿了吧？
女：是吗。我想去问问车站的人看看。唉——

要点（答题线索）

关键句：「わたしの傘の代わりに、ビニール傘が置いてあってね。」
→ 表示她的伞不见了、现场出现了别人的（塑料）伞。
女的是在表达不满／生气的原因是伞被拿走或被换成别人的伞，而不是座位或钱包问题。
最后女方打算去駅の人に聞いてみようかな（询问车站工作人员），显示确实是失物/误取问题。

豊富語彙リスト（重点＋中級）

嫌なこと（いやなこと）：不愉快的事、不爽的事
譲る（ゆずる）：让（座位等）
譲られる：被让（被动）
失礼（しつれい）：失礼，冒犯（也可表达“不好意思/太过分”）
そんな年じゃありません：不是（看起来）到需要被让座的年纪（礼貌拒绝被认为年纪大）
取られる / とられた：被拿走、被取走（被动）
財布（さいふ）：钱包
実は（じつは）：其实、说来其实
傘（かさ）：伞
手すり（てすり）：扶手、栏杆（常见放伞的地方）
掛けておく（かけておく）：挂着放着（表示放好某物以便暂时置放）
濡れる（ぬれる）：被淋湿、潮湿
代わりに（かわりに）：代替、反而……（在此为“代替”的意思）
ビニール傘（びにーるがさ）：透明塑料伞（常见的一次性或廉价伞）
置いてある（おいてある）：放着（状态，表示某物被放在那儿）
間違える（まちがえる）／間違えられた：弄错／被误拿（被动）
駅の人（えきのひと）：车站工作人员（问询失物处）
聞いてみる（きいてみる）：试着问问看（带有尝试意味的表达）
あーあ：哎呀、唉（表示无奈或失望）

文法・表現メモ（出题常考点）

～ておく（掛けておいた）
表示事先做了某事以为将来之用／放置的状态。例：傘を手すりに掛けておいた。
～の代わりに
表示“代替/反而”。例：わたしの傘の代わりにビニール傘が置いてあってね。
被动用法（られる / れる）
日常会话中用于表示不愉快的事情发生在说话人身上（被动受害）。例：傘が取られた（被拿走）。
～かな 用于表示犹豫或自言自语的推测（例：聞いてみようかな）。
口语缩略：頑張らなきゃ / 行ってこよ（現句中无，但常见）——熟悉这些口语形式有助于听力理解。

参考答え（短答）

女の人は怒っている理由：

日本語：自分の傘がなくなっていて（代わりにビニール傘が置いてあった）から。
中文：因为她发现自己的伞不见了，取而代之放着一把塑料伞（怀疑被拿走或误拿）。

聞き取りのコツ（試験対策）

找“被动/受害”相关词（取られた、なくなった、置いてあった、代わりに）通常是“发生了不愉快的事”的信号。
留意短句的情绪词（嫌、失礼、あーあ），判断说话人的情绪方向（生气、失望、无奈）。
回答常以核心名词（傘／財布／席）或行为（取られた／譲られた）为关键词，从选项排除错误项。
最后的一句常透露后续行动（聞いてみようかな），可以确认事件性质（失物/被盗/误拿等）。

聴解練習（スクリプト）

場面：男の人と女の人が新聞を見ながら話しています。
問：男の人はどうして喜んでいますか。

原文（日文）

女：あれ、山田さん、なんだか嬉しそうですね。何かあったんですか。
男：まあ、ちょっとね。これ、見て。
女：今日の新聞ですか。あ、好きだって言ってたサッカーチーム、勝ったんですか。
男：うん、まあ、今回の勝ちは予想してたよ。そこじゃなくて、ほら、ここ、見てよ。
女：へえ、いい写真ですね。あれ、この優秀作品って、山田さんのじゃないですか。
男：なかなかいいだろ？実は前から趣味で撮ってたんだけど、賞がもらえるなんてね。
女：うわあ、すごいですね。おめでとうございます！ぱっと見たとき、この隣の記事のノーベル賞の鈴木先生とお知り合いなのかなと思っちゃいましたよ。
男：まさか。そんなすごい知り合い、いないよ。

中文逐句翻译（中日对照）

女：哎呀，山田先生，看起来好像很高兴啊。发生什么事了吗？
男：嗯，有点小事。你看这个。
女：今天的报纸吗？啊，是不是你喜欢的足球队赢了？
男：嗯，这次的胜利我早就预料到了。不在这里啦，看这边。
女：哇，是张很棒的照片呢。咦，这个优秀作品，不就是山田先生你的吗？
男：不错吧？其实我一直把摄影当兴趣，没想到居然能获奖呢。
女：哇，太厉害了！恭喜你！我刚看到的时候，还以为你是和旁边报道的诺贝尔奖得主铃木老师认识呢。
男：哪里啊，我可没有那么厉害的朋友。

質問（理解チェック）

男の人はどうして喜んでいますか。

日本語：自分の撮った写真が新聞で「優秀作品」として紹介され、賞をもらったから。
中文：因为他发现自己拍的照片在报纸上被评为“优秀作品”，还获得了奖。

豊富語彙リスト（重点+中级）

嬉しそう（うれしそう）：看起来高兴
新聞（しんぶん）：报纸
勝つ（かつ）：赢，获胜
予想する（よそうする）：预测，预料
優秀作品（ゆうしゅうさくひん）：优秀作品
趣味（しゅみ）：兴趣，爱好
賞（しょう）：奖项
ぱっと見たとき：乍一看，第一眼看
お知り合い（おしりあい）：熟人
まさか：哪里啊（表示意外或否定）
実は（じつは）：其实
すごい：厉害的，棒的

文法・表現メモ（出題常考点）

〜そう：表示从外观判断对方的情绪或状态。例：嬉しそう＝看起来很高兴
〜じゃないですか：表示确认或惊讶，相当于“这不是……吗？”
なかなか + 形容詞：表示相当不错，带有得意或赞许。
まさか：表示惊讶或否定。例：まさか！＝不会吧！
実は〜：引入真实情况或转折。例：実は前から趣味で撮ってた＝其实我一直把它当兴趣拍
ぱっと見たとき：口语表达，“乍一看”“第一眼看到”

聴解練習（スクリプト）

場面：男の人と女の人が話しています。
問：女の人はどうしてこのなべを買いたくないのですか。

原文（日文）

男：このなべ、変わった形してるね。三角のぼうみたいなのが付いていて、面白いね。
女：どうやって料理するんだろう。使い方、難しいのかな。
男：料理の本が付いてるよ。手軽にできるって。
女：あ、ほんとだね。でも、こんな感じの料理だったら、今うちにある圧力なべで代用できそう。値段も安くないね。
男：今なら３割引きだって。
女：毎日使うなら高くないけど、その時の思いつきで買っても、結局使わないで眠らせちゃうこと多いよ、うち。
男：ほんと、そうだなあ。うちには調理器具多いね。
女：そうでしょう。これ以上あってもね。どこに置くの？この変わった形のなべ...

中文逐句翻译

男：这个锅形状真特别啊，像是装了个三角棒，挺有意思的。
女：这要怎么做菜呢？用法会不会很难啊。
男：有配料理书哦。说是可以很轻松地做。
女：啊，真的呢。不过，这样的料理的话，用我们家现有的高压锅就能替代吧。而且价格也不便宜呢。
男：现在的话，打七折呢。
女：如果每天都用的话倒也不算贵，但像这样一时冲动买的，最后不用放在那里睡大觉的情况我们家可不少。
男：确实啊。我们家已经有好多厨具了。
女：是吧。再多也没用了。这种奇怪形状的锅，放哪儿啊……

質問（理解チェック）

女の人はどうしてこのなべを買いたくないのですか。

日本語：すでに家に調理器具が多く、圧力なべで代用できるし、結局使わなくなるから。
中文：因为家里已经有很多厨具了，用现有的高压锅就能代替，而且冲动买的话大概率不会用上。

豊富語彙リスト

なべ（鍋）：锅
変わった（かわった）：奇特的，特别的
形（かたち）：形状
三角（さんかく）：三角形
ぼう（棒）：棒子
ふた：盖
付く（つく）：附带，配有
面白い（おもしろい）：有趣的，有意思的
料理（りょうり）：料理，烹饪
使い方（つかいかた）：使用方法
手軽（てがる）：简单，轻松
圧力なべ（あつりょくなべ）：高压锅
代用する（だいようする）：代替，替代
値段（ねだん）：价格
３割引き（さんわりびき）：七折，打三折优惠
思いつき（おもいつき）：一时的想法，灵机一动
眠らせる（ねむらせる）：放着不用，闲置
調理器具（ちょうりきぐ）：厨具，烹饪器具
これ以上（これいじょう）：再多，超过这个数量

文法・表現メモ

〜みたい：表示比喻，相当于“像……一样”。例：三角のぼうみたいなの＝像三角棒一样的东西。
〜そうだ（伝聞）：听说，转述。ここでは「手軽にできるって」＝说是可以轻松做。
〜そう（推量）：看起来……。例：使い方、難しいのかな＝用法会不会很难啊（带推测）。
〜ちゃう：口语，表示“〜てしまう”，常含有“不希望发生但发生了”的意味。例：眠らせちゃう＝结果让它闲置不用。
〜でしょう：表示确认或强调。女の人：そうでしょう＝是吧。
これ以上〜ても：即使再……也。例：これ以上あってもね＝再多也没用了。

聴解練習（スクリプト）

場面：ペットショップで女の人と男の人が話しています。
問：男の人はどうして犬を飼えないと考えていますか。

原文（日文）

女：ねえ、見て。この犬かわいしね。飼ってみない？あ、でも、13万円だって。高いね。
男：お金より、世話が大変だよ。ご飯やったり、散歩させたり...まあ、そこが犬を飼う楽しみなんだけどね。散歩は僕にもいい運動になるし。
女：そうでしょう？かわいいよね。
男：今は小さくてかわいいけど、この種類は１年もしないうちに、体重30キロくらいになるからなあ。
女：ふーん。じゃ、庭がないと無理かなあ。
男：まあ、うちの中でも飼えないことはないけど...。あ、でも、大事なこと忘れてたよ。うちは泊まりで出かけること多いからさ。

中文逐句翻译

女：嘿，你看，这只狗好可爱啊。想不想养呢？啊，不过，要13万日元呢，好贵啊。
男：比起钱，照顾起来才麻烦呢。喂饭、带去散步……嗯，不过这也是养狗的乐趣啦。散步对我来说也是很好的运动。
女：是吧？很可爱吧。
男：现在虽然小又可爱，但这种品种不到一年，体重大概就会到30公斤。
女：哦，那没有院子的话就不行了吗？
男：嗯，在家里也不是不能养……啊，不过，我忘了最重要的事情。我们家经常出去住几天呢。

質問（理解チェック）

男の人はどうして犬を飼えないと考えていますか。

日本語：世話が大変で、体が大きくなるし、泊まりで出かけることも多いから。
中文：因为照顾狗很麻烦，狗长大后体型很大，而且他们家经常出门住宿。

豊富語彙リスト

ペットショップ：宠物店
飼う（かう）：饲养，养
世話（せわ）：照顾，照料
ご飯をやる：喂饭
散歩させる（さんぽさせる）：带去散步
種類（しゅるい）：种类
体重（たいじゅう）：体重
庭（にわ）：庭院
無理（むり）：不可能，办不到
泊まり（とまり）：住宿，过夜
大事（だいじ）：重要的
忘れる（わすれる）：忘记
かわいい：可爱
高い（たかい）：贵的，高的
運動（うんどう）：运动

文法・表現メモ

〜より：比起……。例：お金より、世話が大変＝比钱更麻烦的是照顾。
〜たり〜たりする：列举动作或状态。例：ご飯やったり、散歩させたり＝喂饭、带去散步等等。
〜ても：即使……也……。例：飼えないことはない＝也不是不能养。
〜し：列举原因。例：散歩は僕にもいい運動になるし＝散步对我也是好运动。
〜うちに：在……期间。例：１年もしないうちに＝不到一年之内。
〜から：表示原因。例：泊まりで出かけること多いから＝因为经常出去住宿。

computer architecture (15) データアドレッシング

Fri, 26 Sep 2025 00:00:09 GMT

数据寻址
- 顺序寻址
- 跳跃寻址

在之前的学习中，我们知道JMP指令会让CPU把PC（程序计数器）的值改为7，意味着接下来要执行的指令存放在主存地址为7的这个地方。

对于JMP这个指令来说，它的地址码所指向的就是真实的一个地址。

还能发现，这段代码是从主存地址为0的这个单元开始往后存储的，刚好JMP指令想要跳转到的那一条指令的地址就是7这个地址。

所以把PC的值直接改为7，并不会导致这个程序的运行错误。但是我们知道计算机的主存同一时刻可能存在很多个程序正在并发地运行，意味着我们不可能保证当前我们要运行的这个程序一定可以从地址为0的这个地方开始存储。

所以假设我们要运行的这段程序是从主存地址为100的地方开始存储，对于JMP这个指令来说，它的地址码的含义就会出现错误。

如果我们依然是按照之前的那种解释方式来解读这个地址码的真实含义的话，那CPU执行到这条指令的时候，意味着跳转到地址为7的地方运行指令，这显然是错误的。

那么对于这个例子，我们应该如何解读这个地址码7的含义呢？

可以这么来看，由于我们的代码起始地址是100，这个7我们可以看为基于这个起始地址往后的一个偏移量。

也就是这个地址的含义应该是100+7=107。

:::note 对于一条指令所包含的地址码，我们不能简单粗暴地认为这个地址码指向的就是一个真实的地址。

有的情况下，我们需要改变对这个地址码的解读方式。 :::

那如果是3应该如何解读呢？由于PC会在指令结束后自动+1，从PC所指的地址往后偏移3个单位。

:::note 这两种寻址方式都是以某个地址作为起点，形式地址视为“偏移量”。 :::

数据码的解读方式可能有很多种，我们如何区分一条指令的地址码应该用什么方式解读呢？

通常来说，可以在地址码的前边加上这样的几个比特位，用来标识地址码采用的寻址方式。

求出操作数的真实地址，称为有效地址（EA），指令里包含的形式地址，用单独的一个A来表示。

直接寻址

间接寻址

寄存器间接寻址

隐含寻址

立即寻址

:::warning 注意区分立即寻址和直接寻址。

直接寻址是直接去找这个形式地址所指明的主存单元。 :::

知识回顾

:::warning 本表格的访存次数排除了取指令所需要的那一次缓存操作。 :::

偏移寻址

:::note 不同偏移选址的区别在于偏移的“起点”不一样。 :::

基址寻址

变址寻址

:::note 变址寄存器里的值是可以采用指令的方式修改的，这和基址寄存器不一样。 :::

基址&变址复合寻址

相对寻址

:::note 基址寻址中说的浮动，是在内存中的浮动。而相对寻址中说的浮动，指的是一段代码在程序内部的浮动。 :::

知识回顾

硬件如何实现”数“的比较

堆栈寻址

:::note 在主存中划出一片区域用于堆栈，称为软堆栈，pop和push操作都要进行一次访存。而上面这种采用寄存器实现的硬堆栈不需要进行访存。 :::

知识回顾

computer architecture (14) 命令アドレッシング

Sun, 21 Sep 2025 00:00:09 GMT

指令寻址
- 顺序寻址
- 跳跃寻址

:::note 指令寻址，是下一条欲执行指令的地址，始终由程序计数器PC给出。 :::

顺序寻址

改变条件，假设主存按字节编址。

:::note (PC)加的"1"理解为1个指令字长。 :::

跳跃寻址

JMP（Jump）：无条件转移指令。

:::note JMP，Call这些指令属于转移类指令，会改变程序的执行流。

换言之，会直接修改PC的值。 :::

知识回顾

computer architecture (13) 命令の基本形式

Fri, 19 Sep 2025 00:00:24 GMT

指令格式
- 操作码、地址码的概念
- 根据地址码数目不同分类
- 根据指令长度分类
- 根据操作码的长度不同分类
- 根据操作类型分类

:::note 这一章主要探讨控制器相关的指令如何设计。 :::

指令-按地址码数目分类

零地址指令

一地址指令

二、三地址指令

四地址指令

指令-按指令长度分类

指令长度指是机器字长的多少倍。

指令-按操作码长度分类

指令-按操作类型分类

知识回顾

扩展操作码指令格式

:::note 编码部分可以和哈夫曼树“前缀编码”进行对比学习。 :::

:::warning 短的操作码不能是长的操作码的前缀，否则在译码阶段容易出现歧义 :::

computer architecture (12) キャッシュの書き込み方式

Fri, 19 Sep 2025 00:00:09 GMT

Cache写策略
- 写命中（全写法和写回法）
- 写不命中（写分配法和非写分配法）

:::note 为何不讨论读命中、读不命中的情况？

读操作不会导致Cache和主存的数据不一致 :::

写命中

写回法

全写法（写直通法）

写不命中

写分配法

搭配写回法使用。

非写分配法

搭配全写法使用。

多级Cache

知识回顾

computer architecture (11) キャッシュ置換アルゴリズム

Fri, 19 Sep 2025 00:00:08 GMT

替换算法
- 随机算法（RAND）
- 先进先出算法（FIFO）
- 近期最少使用（LRU）
- 最近不经常使用（LFU）

随机算法（RAND）

先进先出算法（FIFO）

近期最少使用算法（LRU）

:::warning Cache命中时，只需要比命中行低的计数器+1，其余不变。

好处是保证了计数器只需n位。 :::

最不经常使用算法（LFU）

知识回顾

computer architecture (10) キャッシュ・メモリと主記憶のマッピング方式

Fri, 19 Sep 2025 00:00:06 GMT

Cache-主存映射方式
- Cache中存储的信息
- 全相联映射
- 直接映射
- 组相联映射

全相联映射（随意放）

直接映射（只能放固定位置）

优化：根据位置=主存块号%Cache总块数，能保存在0号Cache块的数据，对应的主存块的地址末三位也一定是000，因此不需要保存，其他位同理。

组相连映射（可放到特定分组）

知识回顾

computer architecture (9) Cacheの基本原則

Fri, 19 Sep 2025 00:00:04 GMT

:::note 复习：基于程序的局部性原理，增加Cache层缓和CPU和主存之间的速度矛盾。 :::

Cache的基本原理
- Cache的工作原理
- 局部性原理
- 性能分析
- 有待解决的问题

Cache的工作原理

:::note 实际上，Cache被集成在CPU内部，用SRAM实现，速度快，成本高。 :::

局部性原理

程序的局部性原理解释。

性能分析

对于CPU想要的数据，如果直接能在Cache中找到，就被称为Cache命中，与之对应的指标叫命中率H，相对的也有缺失（未命中率）M。

因此可以得到Cache-主存系统的平均访问时间为：

$$ t = Ht_c + (1 - H)(t_c + t_m) $$

（这是CPU先访问Cache，若未命中再访问主存时的公式。）

或 $$ t = Ht_c + (1 - H)t_m $$

（这是CPU同时访问Cache和主存的公式。）

:::warning 也就是说，CPU的访问方式的不同（什么时候访问主存）会导致性能有一点区别，请注意审题。 :::

有待解决的问题

主存与Cache之间以“块”为单位进行数据交换。

主存地址可拆分为（主存块号，块内地址）的形式。

对于4MB的主存，会发现若按1KB分块，块内地址刚好有10位，被分为4096块，刚好有12位来表示块号。

:::note 每次被访问的主存块，一定会被立即调入Cache :::

有待解决的问题：

如何区分Cache与主存的数据块对应关系 -- Cache和主存的映射方式
Cache很小，主存很大。如果Cache满了怎么办？ -- 替换算法
CPU修改了Cache中的数据副本，如何确保主存中数据母本的一致性？ -- Cache写策略

知识回顾

日本語 JLPT N2 メモ（４）

Thu, 18 Sep 2025 00:00:50 GMT

37:05　問題5から始めましょう。

JLPT 听力精讲｜第1番

🎧 原文（会話・中日対照）

男1（上司）
うちが運営している南ショッピングセンターなんですが、週末のランチタイムになるとフードコートが混雑して席が空くのを待ってる人がたくさんいるんですよね。何かいい案はありませんか？
我们运营的南购物中心啊，到了周末午餐时间，餐饮广场就会非常拥挤，有很多人在等空座位。有些什么好办法吗？

女
フードコートの横にイベントスペースがありますよね。何も置いていないし、ああそこに座席を作れたらいいんですが…。
餐饮广场旁边不是有个活动空间吗？那里什么都没放，如果能在那里加座位就好了……

男1
そうなんですが、定期的に使用する予定が入っているからちょっと難しいですよね。
是啊，不过那个地方定期有安排使用，所以有点困难。

男2
食事が終わった後ゆっくり座ってる方も多く、それが混雑の一因になっています。だから食べ終わった人に声をかけて席を空けてもらうのはどうですか。
很多人吃完饭还悠闲地坐着，这也是造成拥挤的原因之一。所以，要不要提醒吃完的人让座呢？

女
お客様を追い出すようにするのはちょっと…。
像是在赶客人一样，这样不太好吧……

男1
それにお客様が多い中、スタッフが声をかけて回るのは無理がありますね。
而且在人多的情况下，让员工一个个去提醒也不现实。

男2
じゃあ、早く、例えば30分以内に席を空けてくれたお客様に次回使える割引券をお渡しするのはどうですか？食事は前払いだからレシートに買った時間が書いてありますよね。出る時、スタッフにそれを見せて券を受け取ってもらうようにするとか…。
那这样吧，如果客人早点让座，比如30分钟内，就给他们一张下次可用的优惠券怎么样？反正用餐是提前付款的，收据上有时间，离开时出示给工作人员就能领取优惠券……

男1
あー、お客様も積極的に席を空けてくれそうですね。今のスタッフの人数では対応が難しそうですが…。
啊~ 这样客人可能会主动腾出座位。不过以目前员工人数来看，可能还是不好操作……

女
やっぱり席を増やすのが優先だと思います。今の広さのままでももう少し席を追加できるんじゃないでしょうか？
我觉得还是优先增加座位比较好。以现有空间，也许还能再多放一些座位吧？

男2
席と席の間が狭くなってしまいますよね。
不过这样座位间距就会变窄啊。

男1
うーん、そうですね。スタッフを増やすことにして、お客様に進んで席を空けていただけるような方法を試してみましょう。その結果を見て、席を増やした方がいいか検討しましょうか。
嗯，也是呢。那就决定增加员工，先尝试让客人自愿腾出座位吧。之后再根据结果考虑是否增加座位。

❓ 問題

混雑解消のために、まず何をすることにしましたか？
（为了解决拥挤问题，首先决定做什么？）

イベントスペースに座席を作る
食べ終わった客に席を空けてもらうよう声をかける
早く席を空けた客に割引券を配る
フードコートの中の座席を増やす

📝 語彙・表現

運営（うんえい）する：运营，经营
混雑（こんざつ）：拥挤
案（あん）：主意，提案
定期的（ていきてき）：定期的
一因（いちいん）：原因之一
声をかける：打招呼；提醒
追い出す（おいだす）：赶走
無理がある：不合理，勉强
割引券（わりびきけん）：打折券
前払い（まえばらい）：预付款，提前支付
積極的（せっきょくてき）：积极主动
〜っぱなし：放任不管（例：電気をつけっぱなし＝灯开着不关）
検討（けんとう）する：研究，考虑
間（あいだ）が狭い：空间变窄
進んで（すすんで）：主动地，自愿地

📖 文法解析

〜のはどうですか
提议、建议表达，“要不要……”。

例：食べ終わった人に声をかけて席を空けてもらうのはどうですか。
（要不要提醒吃完的人让座？）

〜んじゃないでしょうか
委婉地表达推测或意见，避免太直接。

例：もう少し席を追加できるんじゃないでしょうか。
（是不是还能再加一些座位呢？）

〜ことにする
表示说话人做出的决定。

例：スタッフを増やすことにして…。
（决定增加员工……）

〜一因になっている
表示成为某个结果的原因之一。

例：混雑の一因になっています。
（这是造成拥挤的一个原因。）

🎯 選択肢解析

1 イベントスペースに座席を作る → ❌ 有使用计划，不可行。
2 食べ終わった客に声をかける → ❌ 女员工觉得“像赶人”，被否决。
3 早く席を空けた客に割引券を配る → ✅ 男2提出方案，上司最后同意“先尝试这种方法”。
4 フードコートの座席を増やす → ❌ 只说“今后再検討”，不是马上做。

✅ 正解

3. 早く席を空けた客に割引券を配る

JLPT 聴解練習 2番市の健康イベント

会話原文 & 翻訳（中日対照）

女1:
市民健康イベントにお越しいただきありがとうございます。館内には四つの会場がございます。
翻訳:
感谢大家前来参加市民健康活动。馆内一共有四个会场。

女1:
第一会場では体力測定を実施しております。どなたにでもできる簡単なテストでご自分の体力年齢を測定することができます。
翻訳:
第一会场正在进行体力测定。通过任何人都能完成的简单测试，可以测出自己的体力年龄。

女1:
第二会場では健康づくりに役立つ体操を紹介しております。職場や家庭で簡単にできるものから、ちょっと難しめのものまでご自分の体力に合わせて運動していただけます。ぜひ体験してみてください。
翻訳:
第二会场介绍有助于健康的体操。从在工作场所或家庭中能简单完成的动作，到稍微难一些的动作，都可以根据自己的体力来锻炼。请务必体验一下。

女1:
第三会場では健康な食生活をテーマに毎日の献立や調理法を講師が紹介します。栄養が偏りがちな方におすすめです。
翻訳:
第三会场的主题是健康饮食，讲师会介绍每日食谱和烹饪方法。推荐给营养容易失衡的人。

女1:
第四会場では健康に関する悩みや相談に個別にお答えします。1時から4時まで医師がおりますのでこの機会をご利用ください。
翻訳:
第四会场可以针对健康相关的烦恼和咨询进行个别解答。从1点到4点有医生在场，请利用这个机会。

男:
へー、いろんなのがあるんだね。時間がない時に会社でもできる運動を教えてもらおうかな。最近運動してないし。
翻訳:
哎——，有好多种类啊。要不要请他们教一些在公司里、没时间时也能做的运动呢？最近我都没怎么运动。

女2:
うん、いいんじゃない？スポーツジムに行く時間もとれないもんね。通勤途中や仕事中でも体を動かせたらいいよね。
翻訳:
嗯，这不错吧？反正你也抽不出时间去健身房。如果能在通勤途中或工作中活动身体就好了。

男:
うん、まずは今どれくらい体力があるか測ってもらおう。頑張らなきゃって気になるし。
翻訳:
嗯，那就先测一下自己现在的体力吧。这样也会有种“得加油才行”的感觉。

女2:
そう、私はやっぱり毎日の献立かな？一度食事を見直したいと思ってたの。
翻訳:
是啊，我还是想从每天的食谱开始吧？我一直想着要重新审视一下饮食。

男:
それより最近ぐっすり眠れないって言ってなかった？お医者さんに相談してみたら？
翻訳:
不过，你不是说最近睡得不沉吗？要不要去问一下医生？

女2:
あ、そうだね。そっち先に行ってこよ。
翻訳:
啊，对哦。那我先去那边看看吧。

語彙リスト（重点 + 中等）

お越しいただき（おこしいただき） = 来ていただき（敬語，光临、到来）
館内（かんない） = 馆内，建筑内部
体力測定（たいりょくそくてい） = 体力测定
実施する（じっしする） = 实施、执行
体力年齢（たいりょくねんれい） = 体力年龄
役立つ（やくだつ） = 有用，有帮助
体操（たいそう） = 体操、锻炼
職場（しょくば） = 工作场所
家庭（かてい） = 家庭
難しめ（むずかしめ） = 稍微难一些（「め」表示倾向/程度）
合わせる（あわせる） = 配合、调整
体験（たいけん） = 体验
献立（こんだて） = 菜单，食谱
調理法（ちょうりほう） = 烹饪方法
栄養（えいよう） = 营养
偏りがち（かたよりがち） = 容易偏颇、倾向于失衡
悩み（なやみ） = 烦恼
相談（そうだん） = 咨询
個別に（こべつに） = 个别地、一对一
医師（いし） = 医生（书面用语）
この機会をご利用ください = 请利用这个机会（常用礼貌表达）
通勤途中（つうきんとちゅう） = 上下班途中
頑張らなきゃ（がんばらなきゃ） = 必须加油（口语，=頑張らなければ）
見直す（みなおす） = 重新审视、重新考虑
ぐっすり眠る（ぐっすりねむる） = 熟睡

文法・表現ポイント

～ていただく → 敬语形式，表示请对方做某事（例: お越しいただき = 请您光临）。
～がち → 表示倾向、容易（例: 栄養が偏りがち = 容易营养失衡）。
～め → 表示程度、倾向（例: 難しめ = 稍微难一点）。
～てもらう / ～てもらおう → 表示让别人为自己做某事（例: 測ってもらおう = 让别人帮我测量）。
～なきゃ → 「～なければ」的口语省略形，表示“必须”。

質問と答え

質問1: 男の人はまずどの会場に行くと言ってますか？
👉 第一会場（体力測定）

質問2: 女の人はまずどの会場に行くと言ってますか？
👉 第四会場（医師の相談コーナー）

computer architecture (8) ソリッドステートドライブSSD

Thu, 18 Sep 2025 00:00:04 GMT

:::note 其中，读写性能特性和磨损均衡技术，这两个部分是操作系统明确指明要求掌握的。 :::

固态硬盘SSD
- 原理
- 组成
- 读写功能特性
- 与机械硬盘相比的特点
- 磨损均衡技术

原理

固态硬盘原理基于闪存技术，如U盘。

组成，读写功能特性和与机械硬盘相比的特点

每一块闪存芯片内部由若干个数据块组成，块大小为16KB-512KB，块又可拆分成页，页大小为512B-4KB。

系统对固态硬盘的读写以页为单位，每次要读（写），系统通过I/O总线指明要写的逻辑块号是多少。

闪存芯片组的块可对应为磁盘的磁道，页可对应为磁盘的扇区。

以块为单位进行擦除，擦干净之后，其中的每一页才可以再次写入数据。

这会导致其他页的数据也跟着消失，因此仅仅如此是不合理的。

固态硬盘的处理方式是：把其他块的数据先复制到另一块对应的位置，再把想写入的新数据写到这个地方，接着把原来的块擦除。

为了使地址的映射关系依然保持正确，在数据迁移之后，闪存翻译层会把逻辑块号映射到新的位置，原有的映射舍弃。

所以，对于固态硬盘来说，一个逻辑地址实际对应的物理位置有可能会变，只不过闪存翻译层会把映射关系修正。

磨损均衡技术

如果一个块被擦除的次数太多了，把其中的数据迁移到其他被擦除的次数较少的地方，以提高使用寿命，这就是磨损均衡技术中的动态磨损均衡。

磨损均衡技术也会在后台监控哪些块被读了多少次，把读多写少的数据迁移到较老的数据块里，让较新的块承担更多写操作任务，被称为静态磨损均衡。

知识回顾

computer architecture (7) ディスク

Thu, 18 Sep 2025 00:00:03 GMT

:::note 这一部分和操作系统第四章后半部分有较多重合，请结合学习。

其中，计组主要考察的是硬件特性，OS主要考察的是对磁盘的管理。如：调度算法。 :::

外部存储器
- 磁盘存储器（Key：磁盘存取时间的计算）
- 固态硬盘（SSD）

外存储器

当磁带划过磁头下方时，磁头就可以一比特比特地往里面写入数据，读数据也类似，只是一个通过读线圈，一个通过写线圈。

每次只能读（写）一比特！

基于该原理我们知道，读和写这两个动作是不可以同时进行的。

因此我们需要一个专门的串行并行电路将数据转化成8bit。

磁盘存储器

磁盘设备的组成

可以看到，左边的驱动轴会有一个马达，带动着磁盘往某一个方向旋转。

盘片表层会一圈圈地涂上磁性材质。

所以当我们想要读取某一圈的磁性材质里面的数据，需要移动移动臂到对应的那一圈磁性材质上。

又由于驱动轴会带动盘片旋转，使得这一圈的磁性材质从磁头臂的下方划过，磁头臂的头上会有一个读/写磁头，用来读取二进制的0和1。

以上是磁盘的其中一面。

磁盘的另一面（背面）会有一个电路板，这些电路板其实就是磁盘的控制器。

我们可以把正面称为“机械部分”，背面称为“电子部分”。

通过磁盘控制器（电子部分）才可以和主机交换数据。

接下来我们把磁盘的结构细化。刚刚所谓的盘面的圈状的，每一圈磁性材料就叫磁道。

:::warning 主机每一次对磁盘进行读（写）操作，都是以扇区为单位的。

比如我需要读取一个扇区，就可以读取这个磁道的如图位置，让这一小段划过磁头的下方。 :::

为了方便主机对磁盘数据的读写，因此需要把磁道划分成一个个更小的扇区，以扇区为单位对磁盘进行读（写）操作。

由于有多个盘面，因此所有的这些盘面相对位置相同的磁道组成了一个柱面，当我们说柱面号的时候，其实就是在指明某一条磁道。

另外，在一个磁盘的盘片上，可以在它的正面和反面都涂上一圈圈的磁性材质。实际使用时经常会有这样的结构，一个磁头臂中有上面和下面两个读写磁头，最上面没有是造一个单向的不太划算的成本原因。

磁盘的性能指标

重点注意平均存取时间。 :::important 平均存取时间 = 寻道时间 + 旋转延迟时间 + 传输时间 :::

磁盘地址和工作过程

由于读和写只能一比特一比特地进行，因此对于磁盘的控制器来说，一定是需要添加一个串型转并型的变换电路。

主机给磁盘发送的数据可能是并行发送的，一次传入多个比特位。

当这些数据写入磁盘的时候，需要把并行的数据用串行的方式一比特一比特地写入。

读出也是一样，通过读写磁头读出数据后，一比特一比特（串行）方式读出，给系统总线发送的数据也许需要并行的发送，因此需要串行转并行的变换电路。

磁盘阵列

RAID0：无冗余和无校验的磁盘阵列。类似“低位交叉编址的多体存储器”。 :::note 无冗余和无校验，意外着扇区损坏时无法恢复数据，或检验数据是否发生跳变（0变1，1变0等）。 ::: RAID1：有冗余有校验，镜像磁盘阵列。

RAID2：采用纠错的海明码的磁盘阵列，可纠正一位错误，发现两位错误。 RAID3，4，5就不做具体介绍了，只需知道从上至下可靠性会越来越高，越安全，且相对于RAID1冗余信息较少。重点区分RAID0，RAID1。

知识回顾

日本語 JLPT N2 メモ（３）

Wed, 17 Sep 2025 00:00:50 GMT

21:00　問題３から始めましょう。

JLPT N2 听力解析：第1题

原文

場面：会社の人事部の会議で、部長が話しています。

部長：えー、今年度は 実務経験（じつむけいけん） のある方の 採用（さいよう） を 大幅（おおはば） に増やす予定ですが、応募者数がかなり多いので、しっかり 選考（せんこう） してください。
面接では、専門的（せんもんてき） な知識や経験の有無はもちろんのこと、いろいろな環境に、柔軟（じゅうなん） に 対応（たいおう） できる力があるかを見てください。
それから、応募者がわが社での活躍をどのようにイメージできているかという点も見てください。

設問：部長は何について話していますか？

重难词汇

実務経験（じつむけいけん）：实际业务经验，实务经验
採用（さいよう）：录用、招聘
大幅に（おおはばに）：大幅度地
応募者（おうぼしゃ）：应聘者，申请人
選考（せんこう）：筛选，选拔
専門的（せんもんてき）：专业的
柔軟（じゅうなん）に対応（たいおう）：灵活应对
活躍（かつやく）：活跃、发挥作用

语法・表达解析

～はもちろんのこと
表示“不仅……，当然还有……”。这里说明不仅要看知识经验，还要看应变能力。
～かを見てください
典型的间接疑问句结构，用于指示“请确认是否……”。
どのようにイメージできているか
表示“如何设想/想象”。关注的是应聘者对未来在公司活跃的具体构想。

选项解析

採用の面接で重視すること ✅ 正解
→ 部长反复强调“面试时要看什么”，说明重视点。
今年の応募者の特徴 ❌
→ 只提到“応募者数が多い”，没有说明特点。
採用人数を増やした理由 ❌
→ 只说“今年度は増やす予定”，但没解释原因。
入社後の新入社員の活躍 ❌
→ 提到“活躍をイメージできているか”，但这是面试中确认的点，而非入社后的实际活跃。

答案

👉 1. 採用の面接で重視すること

JLPT N2 听力解析：第2题

原文

場面：ラジオで女の人が話しています。

女：健康にいいといわれるハチミツは、古くから人々に愛されてきました。
西洋では、2000年以前の書物（しょもつ）に、当時の人がハチミツを食べていた記録（きろく）を見ることができます。
また、西洋のある神話（しんわ）の中にも、ハチミツの作り方を教えたとされる神様が登場します。
日本では、8世紀の書物にハチミツに関する記録がありますが、ハチミツは長い間一部の人しか口にできない貴重（きちょう）なものでした。
明治になると、育（そだ）てやすいとされる西洋ミツバチという種類の蜂が輸入（ゆにゅう）され、ハチミツが採（と）りやすくなったことで、一般の人の間でも一気に 普及（ふきゅう） したのです。

設問：女の人は、何について話していますか？

重难词汇

書物（しょもつ）：书籍，文献
記録（きろく）：记录
神話（しんわ）：神话
貴重（きちょう）：珍贵，宝贵
育てやすい（そだてやすい）：容易饲养，容易养殖
輸入（ゆにゅう）：进口
普及（ふきゅう）：普及，传播开

语法・表达解析

～といわれる
表示“被称为……”，常用于介绍普遍看法。例：健康にいいといわれる。
～とされる
表示“被认为……”。语气比「いわれる」更正式。例：神様が登場するとされる。
一気に（いっきに）
表示“短时间内迅速地”。这里说明蜂蜜在明治时期迅速普及。

选项解析

ハチミツをテーマにした物語 ❌
→ 虽然提到“神話”，但不是在讲故事，而是介绍历史资料。
ハチミツに含（ふく）まれる栄養（えいよう） ❌
→ 没有涉及营养成分，只讲了历史。
ハチミツの採（と）り方 ❌
→ 并没有解释具体的采集方法，只提到“採りやすくなった”。
食料（しょくりょう）としてのハチミツの歴史（れきし） ✅ 正解
→ 从古代西方到日本，再到明治时期的普及，内容一直围绕“蜂蜜的历史”。

答案

👉 4. 食料としてのハチミツの歴史

JLPT N2 听力解析：第3题

原文

場面：テレビでアナウンサーの男の人と、絵本の出版社の人が話しています。

アナウンサー：今日は、子供向けの本の出版社、さくら出版の山田さんにお話を伺います。最近、自分のために絵本を購入する大人が増えているそうですね。

山田：はい。絵本は子供でも分かるシンプルな言葉で書かれていますが、大人が読んでも心に響くものがあるようです。あたたかなイラストや、心には、疲れた心をリラックスさせる効果があるという声が聞かれます。

アナウンサー：なるほど、ページ数も少なく、短時間で読めるというのも、忙しい大人にとっては手に取りやすい理由の一つなのかもしれませんね。

山田：ええ。以前は、絵本というと、子供に読んで聞かせるものと思われがちでしたが、大人でも十分に楽しめるんだと感じています。

設問：出版社の人は、何について話していますか？

:::note

「あるようです」在这个句子中表示一种推测或观察，带有一种不太确定的语气，意思是“似乎有”或“看起来有”。它传达了一种基于观察或感觉的判断，而不是确凿的事实。

在这个语境中，句子的意思是： “绘本是用孩子们也能理解的简单语言写成的，但即使大人读了，似乎也能感受到一些触动人心的东西。”

“あるようです”在这里起到了一种柔和的表达作用，表明作者观察到或听说大人读绘本时会有共鸣，但没有以绝对肯定的方式断言。如果想更自然地翻译成中文，可以是“似乎”“看起来”或“好像”等表达方式，具体取决于上下文的语气。

:::

重难词汇

伺（うかが）う：请教，聆听（自谦语）
シンプル：simple，简单
心に響く（ひびく）：触动心灵，引起共鸣
まっすぐ届く：直击心灵，直接传达
リラックスさせる：让人放松
がち：助动词，接在动词连用形后，表示“往往”“容易”“有……倾向”的意思。「思われがち」：容易被认为，常常被认为。
～と思われがち：容易被认为……，常常会被误解为……
メリット：merit，优点

语法・表达解析

～がち
接在动词词干后，表示“往往……”“容易……”。例：思われがち＝容易被认为。
～という声が聞かれます
表示“有（这样）的意见/声音”。是一种客观引述，常用于说明普遍看法。
～の一つなのかもしれません
委婉地推测，表示“可能是其中的一个原因”。

选项解析

大人にとっての絵本の魅力 ✅ 正解
→ 强调了大人也能感受到絵本的治愈、放松、共鸣等效果。
大人に描かれる絵本のテーマ ❌
→ 并没有讨论“主题”，只是讲效果与魅力。
親子で絵本を読むことのメリット ❌
→ 没有提到亲子阅读的好处。
絵本が子供に与える影響 ❌
→ 没有提到对孩子的影响，而是集中在大人。

答案

👉 1. 大人にとっての絵本の魅力

JLPT N2 听力解析：第4题

原文

場面：講演会で、映画監督が話しています。

監督：僕は子供のころから将来、映画製作の仕事がしたくて、自分なりに様々（さまざま）な映画のストーリー展開（てんかい）を研究（けんきゅう）し、今のスタイルに行きつきました。
僕がオリジナル映画の構成（こうせい）を考えるときは、３つの要素（ようそ）で物語（ものがたり）を展開させます。
まず最初に、問題（もんだい）の提示（ていじ）。つまり、何か困（こま）ったことが起きたりして、解決すべきことを示します。
そして、主人公が問題解決に向かう中で、予想外（よそうがい）の展開があって、最終的に問題が解決する。
その過程で、主人公を成長（せいちょう）させるんです。恋愛ものでも、歴史ものでも、それは共通していますね。

設問：映画監督は、何について話していますか？

重难词汇

映画製作（えいがせいさく）：电影制作
様々（さまざま）：各种各样
ストーリー展開（てんかい）：故事发展、剧情推进
研究（けんきゅう）：研究、钻研
スタイル：风格、样式
構成（こうせい）：结构、构成
要素（ようそ）：要素、元素、构成成分
物語（ものがたり）：故事、叙事作品
提示（ていじ）：提示、提出
困（こま）ったこと：困难的事、麻烦事
予想外（よそうがい）：意料之外、出乎意料
過程（かてい）：过程
成長（せいちょう）：成长、发展
共通（きょうつう）：共通、共有、一致

语法・表达解析

自分なりに～
表示“以自己的方式……”。例：自分なりに研究した＝以自己独特的方式研究。
～に行きつきました
意为“最终到达/得出……”。常用于描述经过过程后形成的结果。
～させます（使役形）
主语使别人做某事。例：主人公を成長させる＝让主人公成长。
～でも～でも
表示列举多个事例，强调“无论哪种情况都相同”。例：恋愛ものでも歴史ものでも共通しています。

选项解析

最近の映画研究の傾向 ❌
→ 没有提及“最近的研究趋势”，而是讲自己的方式。
自分の映画におけるストーリーの組み立て方 ✅ 正解
→ 详细说明了自己设计剧情的三步：问题提示 → 意外展开 → 问题解决并促使成长。
人気のある映画の共通点 ❌
→ 没有提到“受欢迎的电影”的特点，而是讲自己作品的风格。
映画製作に対する姿勢の変化 ❌
→ 没有谈到态度变化，只说从小想做电影，一直延续。

答案

👉 2. 自分の映画におけるストーリーの組み立て方

JLPT N2 听力解析：第5题

原文

場面：会社で、社長と女の社員が話しています。

社長：本田さん、ここ数年、会社の 規模（きぼ）が大きくなったわけでもないのに、電気代（でんきだい） の支払いが増える一方（いっぽう） なんですよね。

女：そうですね。これまで照明（しょうめい） や 電気製品（でんきせいひん） を 省エネタイプ に替えてきましたが…。以前 検討（けんとう） していた、太陽光発電（たいようこうはつでん） を始めてみましょうか。

社長：うーん、その前に、社員全員に無駄（むだ） をもっとなくすことを考えてもらいたいんです。会議室の電気を つけっぱなしにしないとか、一つ階を移動する程度ならできるだけ 階段（かいだん） を使うとか、あとは時々 冷房（れいぼう） の 設定温度（せっていおんど） が低すぎるときがありますよね。みんなで 意識（いしき） してやっていかないといけないんですよ。

女：そうですね。そのように 社内連絡（しゃないれんらく） で伝えます。

設問：社長が言いたいことは何ですか？

重难词汇

規模（きぼ）：规模，范围
電気代（でんきだい）：电费
一方（いっぽう）：表示“不断地～”“越来越～”
照明（しょうめい）：照明，灯光
電気製品（でんきせいひん）：电器产品
省エネタイプ：节能型（省エネルギーの略）
検討（けんとう）：讨论，考虑
太陽光発電（たいようこうはつでん）：太阳能发电
無駄（むだ）：浪费
なくす：动词，表示“消除”、“去除”、“使...消失”。
つけっぱなし：一直开着，开了没关（放置不管的状态）
階段（かいだん）：楼梯
冷房（れいぼう）：冷气，空调制冷
設定温度（せっていおんど）：设定温度
意識（いしき）する：有意识地注意
社内連絡（しゃないれんらく）：公司内部通知

语法・表达解析

～わけでもない
表示“并不是～（但却出现了某种结果）”。例：規模が大きくなったわけでもないのに…。
～一方だ
表示“不断地～、越来越～”。常用于负面变化。例：電気代が増える一方だ。
～てもらいたい
表达希望别人做某事。例：社員全員に考えてもらいたい。
～とか～とか
用于举例，暗示还有其他同类事项。
～ないといけない
表示“必须～”。

选项解析

社員一人一人に電気を節約してほしい ✅ 正解
→ 社长重点强调“大家要有意识，避免浪费”，是对全体员工的要求。
電気製品を省エネのものにしたい ❌
→ 女员工提到“已经换成省エネタイプ”，不是社长的主要诉求。
日光で発電する機械を使いたい ❌
→ 女员工提议太阳能，但社长并没有采纳，而是强调先节约。
会社の設備を長く大切に使ってほしい ❌
→ 并没有提到“延长设备寿命”。

聞き取りポイントまとめ

問題：电费增加 → 并非规模扩大导致
対策案：员工 → 省エネ电器 → 太阳能发电
社長の結論：先从全员节约用电做起（关灯、用楼梯、空调温度控制）

答案

👉 1. 社員一人一人に電気を節約してほしい

computer architecture (6) メインメモリとCPU間の接続

Wed, 17 Sep 2025 00:00:03 GMT

主存储器与CPU的连接
- 单块存储芯片与CPU的连接
- 多块存储芯片与CPU的连接
- 关于译码器知识的补充

之前我们说过，我们应该尽可能地保持数据总线的宽度和主存的存储字长一致，以便更好发挥性能。若数据总线宽度 > 存储芯片字长怎么办？答案是用到位扩展。 :::note 通过多块存储芯片的合理连接，我们可以让整个主存的存储字长扩展为和数据总线宽度一致。 :::

存储器芯片的输入输出信号

:::note 存储芯片当中各种输入信号和输出信号常用的英文缩写，如果有横线说明低电平有效，没横线说明高电平有效。 :::

如果此时我们已经买到了一块8Kx1位的存储芯片，应该如何和CPU连接呢？

增加主存的存储字长-位扩展

8K对应的二进制应该是2^13，所以需要13根地址线来表示这8K个地址。

因此这块存储芯片对外暴露出的地址线的引脚是A0~A13，共13条。

WE头上无横线，说明高电平有效，此时CPU才往里面写数据。而低电平时，表示CPU从中读数据。同样，CPU也会有一个金属引脚来发送读写控制信号。（通过控制总线）

虽然CPU可以通过数据总线同时读或者写8bit的数据，由于存储芯片的限制，每次只能通过数据总线传送1bit，也就是数据总线的传输能力利用得很不充分。

CS，片选信号，头上无横线说明高电平有效，同样一根。

此时每次只能读或写一位的数据，主存的存储字长为1bit。

给主存再加上一块相同型号的存储芯片，由该线路可同时工作。存储字长拓展为了2位。

同样添加同类型的六块芯片，得到这样的连接，这样方式就称为位扩展。

增加主存的存储字数-字扩展

假设现在的存储芯片字长为8位，数据的宽度和CPU能够处理的宽度完美匹配，则不需要进行位扩展。因为数据总线的能力已经被使用到极致了。

同样，由于有8K个存储单元，需要有13位的地址信息。

接下来再给片选信号加一个高电平，存储芯片即可正常工作。

我们发现，CPU还有三个地址位的信息没有被利用到（即A13~A15）。

这个CPU的MAR本来是有16位，i.e. 拥有2^16的寻址能力，我们却只利用了13位，没有完全发挥。

同样我们按位扩展的思路，试试看能不能解决问题。

把低位的13根地址线也连到这块芯片上，第二块芯片的数据同样通过数据总线传送给CPU，读写控制信号也连起来，再给它一个高电平信号。

现在，当CPU给出一个全为0的地址后，这个地址会同时传给左边和右边，而由于此时这两块芯片的片选信号都是1，都在工作。因此这两块芯片的0号存储单元的8个比特的信息都会顺着数据总线传给CPU，导致数据总线冲突。

如何解决这个问题，关键在于片选信号的使用。

改造这个电路，把A13的地址信息连到左边这块芯片，A14连到右边这块芯片。

由于片选信号是高电平有效，因此当A13和A14分别为1和0的时候，意味着左边的片选信号有效，而右边无效。

这种情况下，CPU提供的13号地址只会读取左边这块芯片对应存储单元的8bit的数据。

换种情况，A13为0，A14为1，则右边被选中，左边不工作。此时CPU提供的低13位地址，指明了右边芯片的存储单元。

现在问题已经解决了（？），但是事情并没有这么简单......

如果此时我们给A13，A14输入的都是1，两块芯片都会被选中，那就又出现了之前的问题：两边会同时读或者同时写数据。

因此，我们只能允许A13，A14的情况为下表格情况：

A13	A14	State
0	0	NO ❌
0	1	Yes ✅
1	0	Yes ✅
1	1	NO ❌

也就是说，这个存储器中00开头和11开头的地址不能使用，所以这种连线方法有待改进，我们称为线选法（Which means we have to choose a special address to be a chip select signal），如果CPU有n条多余的地址线，采用这种方法只能有n个片选信号。

如果继续改造，A13流向右边的电路中加一个非门，即可做到A13为1时，左边为1，右边为0，反之亦然。 :::note 画非门前面要有一个小圆圈。

因此如果片选线是低电平有效，画图时在芯片的头上也画一个小圆圈。 :::

可以发现，改造之后，整个主存的地址空间是连续的。而这个改造的小电路可以看作是一个1-2译码器，也就是我们输入一位的地址信息，这个地址信息会呈现出2^1种不同的状态，会被译码器分别翻译为要么上面这条线高电平，要么下面这条线高电平。

顺着这个思路往下优化，使用译码器处理CPU的高位地址部分，这种方法称为译码器片选法，如果CPU给出n位的地址信息，通过译码器的翻译，可以得到2^n个片选信号。

输入3个信号（代表地址）得到8个地址，让其中一个地址得到高电平信号的译码器，叫做3-8译码器。

类似地，也可以有2-4译码器等。 :::note 也可以逆过来编号。 :::

主存容量扩展-字位同时扩展

结合了字扩展和位扩展，通常考察存储芯片的选择。

知识回顾

补充：译码器

译码器的两种画法如图，注意芯片和译码器的配套。

实际当中CPU和主存是这么配合工作的：由于译码器需要多个“使能”才能工作，CPU通过MREQ（Memory Request）控制“使能”，以此控制片选信号的生效时间，以此来读出存储芯片中的数据。

先送出地址信号，包括低13位，和高3位。由于是电信号有可能不稳定，因此需要等一段时间电流稳定之后再发出储存请求信号MERQ，让译码器的某一个选通线有效（如Y4），从而保证当一块存储芯片被选通时，其接收到的地址信号（电信号）一定是稳定的。

这就是译码器使能端的作用。

74LS138这个型号的译码器芯片就如图所示。

:::tip 请与RAM的读写周期这个图像结合起来理解。

第一行表示CPU的MERQ，第二行表示存储单元的CS，第三行表示数据总线

灰色表示没有数据输出。

斜坡表示低电平时期。

既有往上又有往下的斜坡表示输出的数据可能为0，1，有很多0和1。 :::

computer architecture (5) デュアルポートRAMとマルチモジュールメモリ

Tue, 16 Sep 2025 00:00:03 GMT

提升主存速度
- 双端口RAM
- 多模块存储器
- 实际应用

回顾存取周期的概念，如果有多个CPU需要访问，但是上一个CPU还在恢复时间，怎么办？

主存恢复时间太长，又怎么办？

这是这一小节我们要解决的两个问题。

答案是第一个问题使用双端口RAM解决，第二个问题使用多模块存储器解决。

双端口RAM

:::warning 两个端口不能同时对同一地址进行写或一个写一个读。

解决方法：通过控制电路实现暂时关闭一个端口。 :::

多体并行存储器

地址分为体号和体内地址，不同交叉编址时二者顺序不同。 :::note 设每个存储体存取周期为r，存取时间为r，假设T=4r

连续取n个存储字，耗时T+(n-1)r

宏观上读写一个字的时间接近r :::

从这个例子可以看出，低位交叉编址在n→∞时，性能几乎是高位交叉的四倍。

为什么要探讨“连续访问”情况？

因为实际应用中很多数据就是放在地址连续的内存单元中，如数组，程序代码。

结论：采用“流水线”的方式并行存取（宏观上并行，微观上串行）。

:::important 存取周期为T，存取时间为r，应保证模块数m >= T / r. :::

给定一个地址x，确定它属于第几个存储体的方法：

体号
将二进制地址对体的数量进行取余

知识回顾

:::important 很多ROM芯片虽然名字是“Read-Only”，但很多ROM也可以“写”，即EPROM，闪存，SSD。

闪存的写速度一般比读速度更慢，因为写入前要先擦除。

RAM芯片是易失性的，ROM是非易失性的。

很多ROM也具有“随机存取”的特性，意味着速度快慢不受地址的影响。 :::

computer architecture (4) ROM

Tue, 16 Sep 2025 00:00:01 GMT

ROM
- MROM
- PROM
- EPROM
- 闪存
- SSD

由于开机的时候主存里面完全没有数据，CPU需要从主板上面的一块ROM芯片上读取开机所需指令，需要用到BIOS芯片，它存储了自举装入程序，属于ROM，负责引导装入操作系统（开机）。

我们重装电脑时用的那个蓝色程序就是BIOS程序。

:::note 虽然BIOS芯片通常在主板上，但是逻辑上把它看作是主存的一部分。也就是说，当我们提到主存的时候，除了内存条之外，还应加上BIOS芯片。 :::

通常CPU会给RAM和ROM进行统一编址，即主存中RAM的地址会延续ROM的地址。

知识回顾

:::important 很多ROM芯片虽然名字是“Read-Only”，但很多ROM也可以“写”，即EPROM，闪存，SSD。

闪存的写速度一般比读速度更慢，因为写入前要先擦除。

RAM芯片是易失性的，ROM是非易失性的。

很多ROM也具有“随机存取”的特性，意味着速度快慢不受地址的影响。 :::

computer architecture (3) メインメモリの基本構造

Tue, 16 Sep 2025 00:00:00 GMT

主存储器的基本组成
- 半导体元件的原理
- 存储芯片的基本原理
- 如何实现不同的寻址方式

基本的半导体元件的原理

读写二进制的原理

在第一章我们说过一个主存储器，逻辑上可以分为三部分：

存储体
MAR（地址存储器）
MDR（数据存储器）

这三个部件会在时序控制逻辑下有条不紊地相互配合着工作。

:::note 一个存储体由多个存储元构成。 :::

为什么叫作半导体元件？因为不是导体，也不是绝缘体。在满足一定的电压条件下，这个绝缘体可以变成导体。

MOS管就是一种典型的半导体元件。输出电压（或可理解为高电平信号的1），电容内的电荷就会顺着导线往外流，最终在导线端检测到信号（无信号则说明存储的是0）。

这便是读出一个二进制的原理，需要用到一个MOS管和一个电容。

再来看写入一个二进制的原理。

我们从导线端加一个5V的高电平，同时给MOS管也加一个5V的高电平。

接通之后，意味着电容上端也有了5V的电压。而下边这个金属板由于是接地，所以是0V。那只要电容的两块金属板之间有了这种电压差，就会导致电容内电荷开始移动，于是这个电容就会存储一些电荷，也就是存储了二进制的1。

接下来我们再让这个MOS管断开，这样电容里的电荷是不是就跑不出去了。

存储单元和存储体

如果我们把多个存储元进行科学合理的连接，那么我们就一次性读出或写入多个二进制的数据。

比如说现在上面这一排存储元，他们存储的二进制信息分别是这样的一些值。

1，0，1，0，0，0，1，1

注意这张图里有一条红色的线，连接了每一个存储元的MOS管。如果给这条线加一个5V的高电平，意味着所有的MOS管都可以导通。

导通之后，电容里存储的电荷就可以顺着这条线从绿色的线往外导出。

也就是说，我们只需要检测绿色的线，就可以判断每一条线所对应的是0还是1，如果有电流，意味着是1，无电流则是0。

那么这样的一整行，就是所谓的存储单元，也就是一个存储字。

而多个存储单元就构造成了存储体，又叫存储矩阵。

那么我们一次可以读出的这些二进制位就是一个存储字。

在这个例子中，存储字长为8bit，因为一行总共有8个存储元。显然对于由n个存储元的存储单元构成的存储体，存储字长为n bit。

由于接的MOS管都是一根线，如果要接通，那么8个存储单元会一并被接通，也就可以同时被读出或者写入。

请再次注意，字节和存储字的区别。

:::note 一个字节(Byte)必定有1Byte = 8bit，而一个存储字等于多少个比特，具体得看存储体的结构。 :::

存储器芯片的基本原理

译码器

如何根据地址来决定我们要读或者要写哪个存储字呢？

这涉及到译码器的使用。

译码器的作用：在给出n个地址后，这些地址会对应2^n个存储单元。译码器会根据地址寄存器MAR里给出的这些地址，把它们转变成某一条选通线的高电平信号。

比如，此时CPU给MAR送过来的地址的3个0，翻译成十进制对应十进制的0。

那么译码器会把第0根字选择线给一个高电平的输出，这样第一个存储字所对应的存储元件都会被选通，就可以读出和写入数据了。

总之，每一个地址会对应译码器的一条输出线，0号，1号，2号...以此类推。总共有2^3个地址，也就是8个地址，因此译码器的输出端总共会有八条线。

经过译码器的处理，一个地址信号会被转化成译码器的某一条输出线的高电平信号，再通过数据线（位线）把每一位的二进制信息传送到MDR当中。接下来CPU会通过数据总线，从MDR当中取走这一整个字的数据。

数据总线（宽度 = 存储字长）存储体总容量 = 存储单元个数 * 存储字长

这就是给出地址之后通过译码器选中某一个字的原理。

控制电路

继续完善这个存储芯片的构成，增加一个控制电路，用于控制译码器MAR和MDR。

比如，CPU通过地址总线把地址送到MAR当中，但是由于我们使用的是电信号来传送这些二进制数据，而电信号难免会有不稳定的情况。因此当MAR里面的这个电信号稳定之前，这个地址信息是不能送到译码器当中的。

这就是控制电路的一个作用，只有MAR稳定之后，它才会打开译码器的开关，让译码器来翻译这个地址，然后给出相应的输出信号。

同样的，当数据输出的时候，只有输出的电信号稳定之后，控制电路才会认为此时的输出是正确无误的。所以它也要控制MDR在什么时候给数据总线送出数据。

片选线

另一方面，存储芯片还需要对外提供一些线路，一个叫片选线，通常用CS（Chip Select，芯片选择信号）或CE（Chip Enable，芯片使能信号）上面加一个杠来表示片选线的电信号。

头上划杠的意思，就是当这个电信号是低电平的时候有效。

当给出低电平的时候，就说明这个芯片的总开关是被我们接通的，也就是可以工作的。

读写控制线

除了片选线，控制电路还需要对外提供读控制线和写控制线，有的地方也会把读控制线分成两条线。

WE的意思是允许写，上面画一条横杠的意思就是说当这个写控制线的信号WE是低电平的时候，表示此时这个芯片正在进行的是写操作，也就是要把MDR里保存的这些数据输入到各个电容当中。

同样的，当需要读出数据的时候，给读控制线OE电信号，让它变为低电平，控制电路就知道我们要进行一个读操作，而不是一个写操作了。

这是第一种设计方法。还有一种常见的设计方法是可以把读写控制线合二为一，用一根线来表示此时要写还是读。

这种情况下，当输入一个低电平，表示写，输入一个高电平，表示读。

:::note 在题目当中会给出具体是哪一种设计方法。当采用不同的设计方法，芯片的引脚数目也是不同的。 :::

那么到目前为止，我们就得到了一块存储芯片的完整构造。

封装

把内部细节屏蔽掉，进行封装，那么逻辑上可以把存储器芯片的内部分成三大部分：

存储矩阵
译码驱动
读写电路

译码驱动包括译码器和驱动器，译码器上文已提及，驱动器的作用是把电信号放大，保证译码器输出的高电平信号稳定，有效，可靠。

读写线路包括了上文给出的红色，绿色的线还有控制电路。

比如，内存条中的黑色块状，其实就是一个个存储芯片。

当只想读取存储芯片的指定地址的数据，就需要让这块存储芯片的片选线信号有效（也就是CS给一个低电平），而其他电选线的信号都给一个高电平，这就是片选线的作用。

补充，每一块存储芯片都会暴露出金属引脚，用来接收地址信号等。常考根据芯片的参数信息判断芯片的引脚数目至少应该是多少，请根据以下方法判断：

每个地址线对应一个引脚。
每个数据线对应一个引脚。
片选线对应一个引脚。
读写控制线对应一个或两个引脚。
题目给出的供电引脚，接地引脚等。

若给出n位地址，地址线需要有n条，对应2^n个存储单元，再根据公式：芯片总容量=存储单元个数x存储字长，乘上存储字长。

另外，一块存储芯片需要通地址线接受来自外界的地址信息（通常由CPU从地址总线传过来），还需要通过数据线进行数据的传输，除此之外，还需要片选线的电信号来确定这块芯片此时是否可用，也需要提供读写控制线（可能为1条或2条）

寻址

在图中，一个小方格表示一个字节（8bit）的信息，一行为一个存储字，也就是说这块存储芯片它的字长是4个字节。

假设总容量是1K个字节，i.e. 256个字，共256行。

每个字节会对应一个地址，共对应1k个地址。

那么地址线就应该有10根，因为2^10 = 1KB.

那么地址的二进制就应该从00 0000 0000 → 11 1111 1111，i.e. 0→1023.

若我们希望按字寻址，由于1个字占4个字节，因此把4个字节的地址合并，看作是1个字。当指明读的具体是哪个字的时候，只需要把字地址进行算术左移两位，就可以把字地址转换成与之对应的字节地址。

比如读1号字，也就是第二行的这个字1，将其二进制算术左移两位，也就是在末尾添2个0，得到100，对应十进制应该是4.

那么我们就得到了1号字的起始字节的地址。

按字节寻址，按半字寻址和按双字寻址也是类似原理。

知识回顾

日本語 JLPT N2 メモ（２）

Mon, 15 Sep 2025 00:00:00 GMT

📘 使役形 & 被动形

1️⃣ 使役形（しえきけい）

① 构成规则

一类动词（五段动词）：
書く → 書かせる
飲む → 飲ませる
二类动词（一段动词）：
食べる → 食べさせる
見る → 見させる
三类动词（不规则动词）：
する → させる
来る（くる） → 来させる

② 意味与用法

让/使某人做某事
- 例：先生は学生に本を読ませた。
  - 译：老师让学生读书。
允许（许可）某人做某事（常与「〜てもらう」区分）
- 例：両親は私を海外に行かせてくれた。
  - 译：父母允许我去海外。

③ 特殊情况

一些自动词 + 使役 → 表示“让某人处于某种状态”
- 例：部屋を寒くさせた。
  - 译：让房间变冷。

💡 小贴士

「〜てもらう」侧重于“得到许可”；「〜させてもらう」更礼貌，常用于表达请求许可。
注意「使役被动形」→ 被迫做某事（见下文）。

2️⃣ 被动形（受身形・うけみけい）

① 构成规则

一类动词（五段动词）：
書く → 書かれる
読む → 読まれる
二类动词（一段动词）：
食べる → 食べられる
見る → 見られる
三类动词（不规则动词）：
する → される
来る → 来られる

② 意味与用法

一般被动（动作的承受者）
- 例：犬に手を噛まれた。
  - 译：手被狗咬了。
受害被动（被迫、不好的结果）
- 例：雨に降られて、服が濡れてしまった。
  - 译：被雨淋了，衣服湿掉了。
尊敬被动（敬语用法）
- 例：先生が来られました。
  - 译：老师来了。（敬语表达）

💡 小贴士

被动形有三种主要用法：单纯被动 / 受害被动 / 尊敬被动。
判断标准：
- 中性语境 → 普通被动
- 负面影响 → 受害被动
- 对上级/尊敬对象 → 尊敬被动

3️⃣ 使役被动形（しえきうけみけい）

① 构成

在使役形基础上再变为被动形。

書かせる → 書かされる（书写标准，口语也常说「書かせられる」）
行かせる → 行かされる

② 意义

被迫做某事

例：私は先生に宿題をやらされました。
- 译：我被老师逼着做作业。

4️⃣ 对比总结

语法	形式	主要含义	例句
使役形	〜せる / させる	让、使、允许	母は子どもに野菜を食べさせた。<br>妈妈让孩子吃蔬菜。
被动形	〜られる / される	被、受到影响	友達に笑われた。<br>被朋友嘲笑了。
使役被动形	〜させられる	被迫做	学生は先生に立たされる。<br>学生被老师强迫站着。

5️⃣ 常见错误提醒

❌ 食べる → 食べせる（错误！）
✅ 正确是「食べさせる」
❌ 来る → 来せる（错误！）
✅ 正确是「来させる」
❌ 尊敬被动乱用（比如说“本を読まれた” → 听起来像是“您读了书”，不能随便用）

📘 日语听力笔记 — 陸上競技の大会インタビュー

🔊 原文（そのまま）

陸上競技の大会で、アナウンサーが選手にインタビューしています。選手はどうして今日、勝つことができたと言っていますか？

アナウンサー：女子5000メートル優勝の酒井選手です。おめでとうございます。今日の試合、ご自身で振り返っていかがでしたか？

選手：そうですね。最後はきつかったんですけど、**思い切ってスピードを上げて、それが効いたんだと思います。**もっと早い段階で前に出て、自分のペースを維持できればよかったんですけど、**今回の試合は風が強かったので、スピードを落とさずにいる自信がなくて…。**それで、途中まではほかの選手についていきました。次の試合では、早めに先頭を取りに行きたいです。

❓ 問題

選手はどうして今日、勝つことができたと言っていますか？
（選手が勝てた理由を日本語でまとめてください。）

📌 要点（まとめ）

選手の自己評価：最後に思い切って速度を上げたことが効いて勝てたと考えている。
背景事情：風が強くて序盤から自分のペースを維持する自信がなかったため、途中までは他の選手に付いていった。
次の目標：次は早めに先頭を取りに行きたい。

🔑 重難語彙・表現

思い切って（おもいきって）：思い切って、勇気を出して（大胆に）
ご自身（ごじしん）： “您自己”，是「自分」的敬语表达
振り返って（ふりかえって）：「振り返る」的て形，意思是“回顾”、“回想”
いかがでしたか？：「どうでしたか？」的礼貌/敬语表达，意思是“感觉怎么样？”、“如何？”
きつかった：这个词有多种意思，但在这里是形容词「きつい」的过去式。根据上下文，它有**“吃力、费劲、难受”**的意思。这句话的意思是：“最后阶段很吃力/很辛苦。” 在其他语境中，「きつい」还可以表示：衣服或鞋子太紧、太小：この靴はちょっときつい。（这双鞋有点紧。）性格严厉、苛刻：あの先生はなかなかきつい。（那位老师相当严厉。）工作或日程很紧、很密集：今日のスケジュールはきつい。（今天的日程排得很满。）
スピードを上げる：速度を上げる
〜が効く（きく）：（対策・行動が）効果を発揮する
段階（だんかい）：ステージ、段階
自分のペースを維持する：自分のリズム・速度を保つ
自信（じしん）がない：自信がない、確信が持てない
〜についていく：（先行者に）ついていく、追従する
早めに；是一个形容动词，名词形式是「早め」。在这里，它以「早めに」的形式出现，是一个副词性短语，表示“早一些，趁早”。
先頭（せんとう）を取る：先頭に立つ、リードする

🔤 重要文法・言い回しの解説

「最後はきつかったんですけど」
- 「〜んですけど」：説明・事情を示す柔らかい言い方（話し言葉）。ここは「きつかった」という事実の導入。
「思い切ってスピードを上げて、それが効いたんだと思います。」
- 思い切って：勇気を出して実行したことを強調。
- それが効いた：その行動（スピードアップ）が「効果を出した」。
- 〜んだと思います：話者の推測・説明（控えめな断定）。
「自分のペースを維持できればよかったんですけど」
- 〜ばよかった（ここは可能形＋ばよかったの省略形）で過去の後悔・希望を表す。
「スピードを落とさずにいる自信がなくて…」
- 落とさずにいる：速度を下げない状態を保つこと。「〜ずに」是「〜ないで」的文语表达，表示“不...地”。
- 〜自信がなくて：能力・確信の欠如を理由にし、その後の行動（他選手についていく）につながる。
「それで、途中まではほかの選手についていきました。」
- それで：理由→結果の接続。
「早めに先頭を取りに行きたいです。」
- 〜に行く（取りに行く）：ある行為をしに行く（ここは「リードを取りに行く」＝積極的に先頭を奪う意志）。

🔁 逐句翻訳（日本語 → 中文）

アナウンサー： 女子5000メートル優勝の酒井選手です。おめでとうございます。今日の試合、ご自身で振り返っていかがでしたか？
→ 田赛/播报：这是女子5000米冠军酒井选手。恭喜你。请问您回顾今天的比赛有什么感想？
選手： そうですね。最後はきつかったんですけど、思い切ってスピードを上げて、それが効いたんだと思います。
→ 嗯……最后确实很辛苦，但我鼓起勇气加速了，我想正是那一步起了作用（奏效）。
選手： もっと早い段階で前に出て、自分のペースを維持できればよかったんですけど、今回の試合は風が強かったので、スピードを落とさずにいる自信がなくて…。
→ 其实要是在更早的阶段就冲到前面并保持自己的节奏就好了，但这场比赛风很大，我没有能保持不减速的信心（所以没这样做）。
選手： それで、途中まではほかの選手についていきました。
→ 所以，我直到中途都是跟着其他选手跑的。
選手： 次の試合では、早めに先頭を取りに行きたいです。
→ 下一场比赛的话，我想早点争取到领头的位置。

✅ 模范答案（短く・試験向け）

日本語（要点）：
「最後に思い切ってスピードを上げたことが効いたと言っています。」
中文（翻译）：
「选手说最后鼓起勇气加速了，那一举动产生了效果，所以（因此）能赢。」

🎧 聞き取りのコツ（試験対策）

注目ワード：思い切って / スピードを上げて / それが効いた / 風が強かった / ついていった / 先頭を取りに行きたい
- 这些短语常直接点出原因或结果，听力题目常以此作为答案依据。
接続詞に注意：「それで」「けど」「ので」などが理由・対比を示す。
推測表現：〜んだと思います は「自分の判断・説明」を示す。回答の根拠になる表現。

✍️ 追加練習（任意）

上の模範答案を 別の言い方（例：「勝因は、最後のスパートだ」など）で日本語に直してみてください。
「風が強かったので…」の文を使って、自分が同じ状況だったらどう戦略を変えるか短く答えてみましょう（日本語で1〜2文）。

📘 日语听力笔记勉強会

問題

大学で、女の子の学生と男の子の学生が、国際協力の勉強会について話しています。
男の学生は勉強会でよくなかったことは何だと言っていますか？

原文（会話）

女：加藤君、今日の勉強会お疲れ様。進行役、どうだった？
男：参加者の反応、よかったと思うよ。いつもは論文を読みあうのが中心で、卒業した先輩を講師に呼ぶのは初めてだったけど、海外ボランティアのいろんな話が聞けたし、うまくいったんじゃない？
女：そうだね。講師は一人じゃなくて、何人か呼んだほうがよかったかな？
男：いや、一人の先輩の話だからこそ、じっくり話が聞けたんだと思うよ。
女：借りた教室が広すぎて、意見交換がしにくくなるかなって心配だったんだけど。
男：そんなことなかったよ。質問もたくさん出たし。
男：うーん、始める時間にもう少し余裕をもって参加できる設定にしたほうがよかったと思うよ。授業が延びたとかで遅れてくる人もいたから。
女：確かに。
男：いつもは事前に論文に目を通さなきゃいけないけど、今回は参加者の負担もなくて、たまにはそれもいいかなって。
女：そうだね。

答え

開始時間に余裕がなかったこと。

授業が延びて、遅れてくる人がいたため。

語彙・表現

国際協力（こくさいきょうりょく）: 国际合作
進行役（しんこうやく）：主持人，负责流程的人
論文：论文。
読み合う；（复合动词）互相读、一起读
講師（こうし）: 讲师、特邀嘉宾
じっくり：慢慢地，仔细地。例：じっくり考える（仔细思考）。
意見交換（いけんこうかん）：意见交流。
〜かなって心配だった：担心是否……。例：雨が降るかなって心配だった。
余裕をもって（よゆうをもって）：从容地，留有余地。例：余裕をもって準備する。
授業が延びた（のびた）：课程延长了。
目を通す（めをとおす）: 惯用语，表示“浏览、过目”。

文法・構文

〜たほうがいい：「最好……」的建议表达。
- 始める時間に余裕をもって設定したほうがよかった。
- （最好把开始时间安排得宽松一些 → 表示后悔/反思）
〜だからこそ：「正因为……才……」的强调用法。
- 一人の先輩の話だからこそ、じっくり聞けた。
〜んじゃない？（口语）：表示推测或征求对方认同，类似「不是……吗？」
- うまくいったんじゃない？（不是挺顺利的吗？）

ポイントまとめ

よかった点
- 講師が一人 → じっくり話を聞けた
- 教室が広い → 問題なかった、質問も多く出た
- 論文を読まずに済んだ → 参加者の負担が軽かった
悪かった点（正答）
- 開始時間に余裕がなく、遅れてくる人がいた

computer architecture (2) ストレージシステム

Mon, 15 Sep 2025 00:00:00 GMT

存储系统基本概念
- 存储器的层次结构
- 存储器的分类（从不同角度）
- 存储器的性能指标

存储器的层次结构

虽然主存读写速度相对辅存较快，但远远还比不上CPU，因此CPU会复制一份数据到Cache中。

举例：

当你使用微信视频聊天时，显然微信中有关视频聊天的那部分代码是会被频繁调用的。由于Cache是更靠近上层的存储层，那么CPU访问Cache里面的视频聊天代码就比访问主存要快很多。这样就可以保证视频聊天过程更加流畅。因此这就是Cache的作用。

:::note 添加Cache主要是为了缓解主存与CPU之间的速度矛盾。 :::

寄存器相关内容在第二章，如ACC。

虚拟存储系统，解决了主存容量不够的问题。

:::note 层次化结构中，越上层速度越快，容量越小，造价越高。 :::

存储器的分类

按存储介质分：

半导体存储器（主存，Cache）
磁表面存储器（磁盘，磁带）
光存储器（光盘，dvd，vcd）

按存取方式分：

之前我们说过其实所有的存储器都分为一个个的存储单元，每个存储单元会有各自的地址编号。

RAM：读写时间与存储单元物理位置无关。
SAM：读写时间与存储单元物理位置有关。（磁条要划过那一段读写磁头）
DAM：先直接把磁头移动到信息所在区域，然后等待磁头划过。

其中，2和3又可归为串行访问存储器。

注意：相联存储器与下面三种的区别，前者可以通过指明内容去查找存储位置，后者则是通过指定地址来访问。

按信息的可更改性分：

按信息的可保存性分：

存储器的性能指标

:::tip 注意区分存取时间和存取周期。

公式：存取周期 = 存取时间 + 恢复时间

注意主存带宽的定义，以及大B（字节）和小b（位）的区别。 :::

知识回顾

computer architecture (1) SRAMとDRAM

Sun, 14 Sep 2025 00:00:00 GMT

DRAM和SRAM
- 存储元件不同导致的特性差异
- DRAM的刷新
- DRAM的地址线复用技术

:::note

DRAM 是 Dynamic Random Access Memory 的缩写，中文称为动态随机存取存储器。

SRAM 是 Static Random Access Memory 的缩写，中文称为静态随机存取存储器。

DRAM 通常用于计算机的主存，因为它成本低、集成度高。

SRAM 则用于 CPU 的高速缓存（Cache），因为它速度快。

DRAM和SRAM的对比是计算机组成原理课程中的一个高频考点。 :::

栅极电容:

mos管接通之后，如果是1，电容放电，从数据线上产生电流信号。

mos管接通之后，如果是0，电容不放电，从数据线上不产生电流信号。

若存储1，意味着电容上会存储一些电荷，接通mos管读出的过程中就意味着电容释放掉，从而导致信息从1变为0。

这意味着电容放电信息被破坏，是破坏性读出，读出后应有重写操作，也称”再生“，因此读写速度更慢。

而右边为稳态，是非破坏性读出，无需重写，因此读写速度更快。

总结：DRAM用三级电容来存储0和1，需要1个mos管。

双稳态触发器:

为什么叫双稳态？因为触发器这个存储源呈现出两种稳定的状态：

第一种稳态： A点高电平，B点低电平，规定对应写入的是1。

第二种稳态： B点高电平，A点低电平，规定对应写入的是0。

:::warning 以上是对于写入而言，下面我们来看读出。 :::

显然，对于左边，读出数据的数据线只有一根。

而右边需要两根数据线来读出0或1的状态。

对于右，给字选择线施加电压，若存储源存储0，BL为低电平信号，右边的BLX则不会输出任何电信号，反之亦然。

根本判断依据：哪条线输出了低电平信号。

价格：

左边1个mos管，右边6个mos管，显然右边集成度低（因为逻辑元件更多，体积更大），功耗大（电路更复杂），成本更贵。

:::note 两种存储元的特性区别，也造成了SRAM和DRAM的区别。 :::

特征	SRAM (静态RAM)	DRAM (动态RAM)
存储信息	双稳态触发器	栅极电容
破坏性读出	非	是
读出后需要重写	不用	需要
运行速度	快	慢
集成度	低	高
发热量	大	小
存储成本	高	低
易失性存储器	易失 (断电后信息消失)	易失 (断电后信息消失)
需要“刷新”	不需要	需要
行地址发送	同时送	分两次送

总结

SRAM 速度快，常用于 CPU 缓存。它使用触发器存储数据，不需要刷新，但成本高、集成度低、功耗大。 DRAM 速度慢，但成本低、集成度高、功耗小，常用于 主内存。它使用电容存储数据，需要定期刷新才能保持信息。

:::tip 注意区分破坏性读出和易失性。 :::

那什么是刷新呢？

高中我们学过，如果不管电容内的电荷，电荷会慢慢流失，就会导致电容内存储的信息出现误差（由1→0）。

事实上，电容器内的电荷只能维持2ms，即使不断电，2ms后信息也会消失。

而双稳态触发器比较好，只要不断电（从VDD这根线供），触发器的状态就不会变，也就是保存的0和1是不会消失的。

那左边这种情况如何解决呢？

这就要用到“刷新”的概念了。

2ms内给电容刷新一次，也就是给电容充电，即可保证信息不流失。

为什么要用二维的存储器？因为这样会让选通线的数量更少，使电路变得简单清晰。

只要给出一个行地址，那么行地址译码器便会选中一整行的存储单元。

而我们的每次刷新操作，就会刷新一整行。

那怎么刷新呢？

会有一个专门的刷新电路来支持。

刷新电路会直接读出一整行的存储信息，然后重新写入，也就是重新给电容充电。

那我们刷新一整行，其实本质上就是进行了一次读操作，所以它的耗时和1个读/写周期相同。

为了让地址线更简单，DRAM常常采用地址线复用技术。

i.e. 把行地址，列地址分前后两次进行传输，对于n个芯片只需采用n/2条地址线。

好处：使地址线更少，芯片引脚更少。

对于SRAM这种容量较小的芯片，通常我们同时把行列地址送过去就可以了。

:::note 当考察DRAM芯片的引脚数量时，和地址线对应的引脚数目应该减半。 :::

另外，“刷新”由存储器独立完成，不需要CPU控制。

最后补充，DRAM芯片现在已经过时了，现在的主存通常采用SDRAM芯片，如DDR3，DDR4。

SRAMとDRAMの比較

特徴	SRAM (スタティックRAM)	DRAM (ダイナミックRAM)
情報記憶方式	フリップフロップ	コンデンサ
破壊読み出し	なし	あり
読み出し後の書き換え	不要	必要
動作速度	速い	遅い
集積度	低い	高い
発熱量	多い	少ない
記憶コスト	高い	低い
揮発性メモリ	揮発性 (電源を切ると情報が消える)	揮発性 (電源を切ると情報が消える)
「リフレッシュ」	不要	必要
アドレス送信	同時に送信	2回に分けて送信

まとめ

SRAM は高速で、主に CPUキャッシュ に使われます。フリップフロップでデータを保持するため、リフレッシュは不要ですが、コストが高く、集積度が低く、消費電力も大きいです。 DRAM は速度は劣りますが、コストが低く、集積度が高く、消費電力が少ないため、メインメモリ として広く使われています。コンデンサでデータを保持するため、情報が消えないように定期的なリフレッシュが必要です。

日本語 JLPT N2 メモ（１）

Sun, 14 Sep 2025 00:00:00 GMT

📘 ことではない vs ことはない

1️⃣ ことではない

含义

不是……的事 / 不代表…… / 不应该……
否定某事物的性质、本质、因果关系。

句型

示例

勉強できなかったからといって、将来が決まることではない。
→ 没学好并不代表未来就被决定了。
ミスをしたからといって、責められることではない。
→ 犯错了也不是必须被责备的事情。

2️⃣ ことはない

常见含义①：不必要 / 没必要

👉 表示不必做某事，常用于劝告或安慰。

句型

示例

そんなに心配することはない。
→ 没必要那么担心。
急いで行くことはないよ、まだ時間があるから。
→ 不必急着去，还有时间。

含义②：不是不可以 / 并非完全没有可能性

👉 否定再否定，语气接近「ないこともない」「ないわけではない」。
👉 用于强调“不是绝对不可能”。

示例

お金さえあれば、家を買うことはない。
→ 不是说完全买不起房子（有钱的话还是能买的）。
彼に頼めば助けてくれることはない。
→ 不是说他绝对不会帮忙（有可能会帮）。

✅ 区别总结

表达	含义	常见场景
ことではない	不是……的事 / 不代表……	否定本质或性质，逻辑说明
ことはない①	不必要 / 没必要	劝告、安慰
ことはない②	不是不可以 / 并非绝对不可能	表可能性，接近「ないこともない」

📝 一句话记忆法

「ことではない」→ 性质否定（不是本质如此）
「ことはない①」→ 不必要（90%情况用法）
「ことはない②」→ 不是不可以（少见，强调可能性）

N2听力解析

对话 1：プレゼン資料の作り方

原文

ラジオで女の人が話しています。女の人はプレゼンテーションの資料を作る時、どんなことに気をつけてほしいと言っていますか？

私は企業でプレゼンの研修をしていますが、プレゼンの資料を作るのは難しいですよね。
資料を作る時は 大きめの文字にするとか、内容は簡潔な言葉で示すべきだ とよく言われますが、まずは 聞き手の立場に意識を向けましょう。
同じ商品のプレゼンでも 社内と営業先では相手にとって必要な情報が異なるはずです。
話す内容を忘れないように ポイントを書いたメモを作っておく人もいますが、その際にも 相手の立場に立った視点を欠かすことはできません。

🔑 重难词汇

資料（しりょう） → 资料、材料
簡潔（かんけつ） → 简洁
聞き手（ききて） → 听众
立場（たちば） → 立场、角度
営業先（えいぎょうさき） → 客户、销售对象
異なる（ことなる） → 不同
〜はず → 理应如此、推测
欠かす（かかす） → 缺少

🔑 语法要点

〜時（とき） → 表示动作或状态发生的时间
〜べきだ → 应当做某事
〜ましょう → 提议、劝说
〜でも → 即使…也…
〜はずです → 根据常识或推测理应如此
〜ないように → 为了不…
〜ことはできません → 不能…

🔹 逐句翻译

我在企业里做演讲培训，但制作演示资料真的很难啊。
制作资料时，人们常说 要用大一点的字体、用简洁的语言来表达，但首先应该 关注听众的立场。
即使是同一个商品的演讲，在公司内部和对客户的演讲，听众需要的信息应该是不同的。
有些人会 写下要点的备忘录以免忘记讲的内容，但即使那样，也不能缺少 站在对方立场的视角。

🔹 会话常用表达

〜べきだ → 应该做某事
〜ましょう → 提议“我们来……”
〜のと同じだ → 和……一样
〜ないように → 为了不……
〜ことはできません → 不能……

对话 2：晚餐选择（外食 vs 家里做）

原文

女：あー、おなかすいた。今日はどこかで食べて帰ろうか。疲れたし……。
男：うーん、そうだなぁ……。
女：週ぐらい外食でもいいんじゃない？カレーなんかどうかしら。何か辛いのが食べたいな。
男：カレーなら缶詰のカレーがあっただろう？あれとサラダがあれば、店で食べたのと同じだよ。
女：たしかにあの缶詰は、味は抜群だよね。でも、今から帰って準備したくないなあ。じゃ、カレーやめて、ピザでもとる？あ、そうだ。新しいピザのお店が近所にできてたよね。あそこ、行ってみる？
男：辛いものが食べたいんだろ？サラダは野菜を切るだけだし、僕がやろうか。7時半からいい番組があるんだ。
女：ほんと？お願いしていい？

🔑 重难词汇

夕方（ゆうかた） → 傍晚
おなかすいた → 肚子饿了（口语）
〜し → 并列/理由
外食（がいしょく） → 在外面吃饭
〜でもいいんじゃない？ → 提议语气
〜なんかどうかしら → 随意推荐
缶詰（かんずめ） → 罐头
抜群（ばつぐん） → 出众、超赞
〜たくない → 不想做
〜んだろ？ → 带确认语气
近所（きんじょ） → 邻里，附近
〜だけだし → 只是…而已
〜てあげようか / やろうか → 要不要我来做
番組（ばんぐみ） → 节目

🔑 语法要点

〜て帰ろうか → 提议做某事
〜でもいいんじゃない？ → 委婉提议
〜なんかどうかしら → 推荐或征求意见
〜のと同じだ → 和……一样
〜たくない → 不想做某事
〜んだろ？ → 口语确认语气
〜てみる → 尝试做
できてた → 「できる」的过去完成形式口语化（出来了/开张了）

🔹 逐句翻译

女：啊，肚子饿了。今天要不要在外面吃完再回去呢？好累啊……。
男：嗯，也是啊……。
女：这周左右在外面吃也可以吧？咖喱怎么样？想吃点辣的东西。
男：要是想吃咖喱，家里不是有罐头咖喱吗？有那个再加点沙拉，就跟在店里吃的一样了。
女：确实那个罐头咖喱味道超赞。但我不想现在回去准备啊。那，不吃咖喱了，叫个披萨怎么样？啊，对了，附近不是新开了一家披萨店吗？要不要去那看看？
男：你不是想吃辣的吗？沙拉只是切一下蔬菜而已，我来做吧。7点半有个不错的节目。
女：真的？可以拜托你吗？

🔹 常用会话表达

〜て帰ろうか → 提议“做完…再回去吧”
〜でもいいんじゃない？ → “……也可以吧”
〜なんかどうかしら → “……怎么样呢”
〜たくない → “不想做……”
〜てみる → “去尝试……/去试试……”
〜んだろ？ → “你不是……吗？”（口语确认）

对话 3 ：家具制作の魅力

原文

ラジオで俳優が話しています。俳優は、家具を作るのどんなところに魅力を感じるいっていますか？

私は最近、棚とか椅子とか、趣味でいろいろな家具を作っています。
近頃は手ごろな値段で買える店も多いですが、自分が本当に欲しい家具って、なかなかないんですよね。
その点、自分で作れば考えた通りのデザインで作れるでしょう？
頭に浮かんだアイデアを、自分の手で家具として完成させていくっていう過程が、たまらないんです。
仕事があるので集中して一気に作ることは難しいし、うまくできないとストレスになることもあるんですけど、やっぱり楽しいですね。

🔑 重难词汇

棚（たな） → 架子
椅子（いす） → 椅子
趣味（しゅみ） → 爱好、兴趣
近頃（ちかごろ） → 最近、近来
手ごろな値段 → 合理的价格、价格适中
なかなかない → 不容易找到、很少有
その点 → 从这一点来看
通り（とおり） → 照……、按照……
浮かぶ（うかぶ） → 浮现、想起
過程（かてい） → 过程
たまらない → 忍不住、非常想要/非常喜欢
一気に（いっきに） → 一口气、一次性
うまくできない → 做不好
やっぱり → 果然、还是

🔑 语法要点

〜とか〜とか → 列举示例，不完全列举（棚とか椅子とか）
〜って → 口语中表示主题或强调（自分が本当に欲しい家具って…）
〜でしょう？ → 期待对方同意，口语疑问语气
〜ていく → 表示动作从现在开始并持续发展（完成させていく）
〜こともある → 有时会…
〜んです / 〜んですけど → 解释原因或背景，口语中常用

🔹 逐句翻译

我最近用兴趣爱好制作各种家具，比如架子、椅子之类的。
近来有很多价格合理可以买到的店，但真正想要的家具很难找到。
从这一点来看，如果自己做的话，就能按照想法设计制作了，对吧？
把浮现在脑中的创意，用自己的双手把它完成为家具的过程，是最让人着迷的。
因为有工作，所以要集中一次性完成很难，而且做不好也会有压力，不过还是很有乐趣。

🔹 会话/表达总结

〜とか〜とか → 列举示例
〜って → 强调主题，口语常用
〜でしょう？ → 期待对方认同
〜ていく → 表示动作推进
〜こともある → 有时会…
〜んです / 〜んですけど → 解释原因/背景

✨ 听力重点

俳優觉得制作家具的魅力在于：
1. 可以做出自己想要的设计
2. 把脑中的创意变为实际作品的过程非常吸引人
3. 尽管有时很难或会有压力，但依然很有乐趣

语法：Aなら / Bほど / Cさえ / Dばかり

练习题

水泳教室に通い始めたころは、怖くて水に顔をつけること（　）できなかったが、今では泳ぐのが大好きだ。

正解：さえ
解析：这里表示连把脸浸入水中都做不到，强调极端举例。
完整句：

水泳教室に通い始めたころは、怖くて水に顔をつけることさえできなかったが、今では泳ぐのが大好きだ。
- 译：刚开始上游泳班的时候，连把脸浸入水中都做不到，但现在非常喜欢游泳。

1️⃣ 〜さえ

① N+(で)さえ / N助詞+さえ

意思：连……都……（表示极端的例子）

例1：この問題は子どもでさえ解ける。
- 译：这道题连孩子都能解。
例2：これは他人にさえ言えない秘密だ。
- 译：这是连别人都不能说的秘密。

② 〜さえ〜ば / 〜さえ〜たら

意思：只要……就……

例：お金さえあれば幸せになれるとは限らない。
- 译：并不是只要有钱就能幸福。

💡 小贴士：

さえ强调条件或例子极端、典型

用在**强调“连最基本的也……”或“只要……””**的场合

2️⃣ 〜なら

意思：如果……的话（用于承接对方话题，提出自己的意见、想法、建议）

例 A：来週からベトナム語を勉強し始めますよ。
- 译：下周开始要学越南语了哦。
例 B：ベトナム語を勉強するなら、この辞書を使うことを勧めたい。
- 译：如果是学越南语的话，我推荐你用这本词典。

💡 小贴士：

常用于对话中，提出建议或意见

可理解为“承接前文条件，提出自己的想法”

3️⃣ 〜ほど

① 表示后项达到前项某种程度

例：足が歩けなくなるほど高いです。
- 译：高得让人走不了路。

② 表示比较（后接否定）

例：日本は中国ほど広くない。
- 译：日本没有中国那么大。

③ 前接数量词，表示大致数量

例：修理には一週間ほどかかります。
- 译：修理大约需要一周。

④ 〜ほど〜はない

意思：没有比……更……
例：雨の日に本を読むほど楽しいことはない。
- 译：没有比在雨天看书更快乐的事情了。

⑤ （〜ば）〜ほど

意思：越……就越……
例：年を（取れば）取るほど体が弱くなる。
- 译：年纪越大，身体就越弱。

💡 小贴士：

ほど用法多样，要根据语境理解

可表示程度、比较、数量或“越……越……”

4️⃣ 〜ばかり

① 带有轻微责备或不满的语气

例1：弟はカップラーメンばかり食べている。
- 译：弟弟总是在吃杯面。
例2：祖父は最近怒ってばかりいる。
- 译：爷爷最近总是生气。

② 常用“あと〜ばかり”形式

意思：只剩下……
例：料理もできたし、あとは食べるばかりだ。
- 译：菜也做好了，接下来只剩下吃了。

③ 表示动作刚刚完成不久

例：置いたばかりなのに、テレビが壊れてしまった。
- 译：明明刚刚才放好，电视就坏了。

④ 表示大致的程度、数量

例：一時間ばかり待ってください。
- 译：请等大约一个小时。

💡 小贴士：

ばかり 可表示责备、不满、剩余动作或数量

要结合上下文理解语气和含义

语法：まず / つい / たとえ / 今に

练习题

この作業はかなり大変なので、一日で終わらせるのは（　）無理だろう。

选项：

つい

まず

たとえ

今に

✅ 正解：まず

解析：这里表示推测或判断，“恐怕不可能一天完成这个工作”，符合 まず〜だろう 的用法。

1️⃣ まず

用法

表示推断（积极/消极）

意思：大概，恐怕
表达形式：まず〜だろう
例1：まず成功するだろう。
- 译：大概会成功吧。
例2：まずだめだろう。
- 译：恐怕不行。

+ 否定

意思：几乎不 / 不……
例：まず助からない。
- 译：几乎没有生还的可能。

💡 小贴士：常用于口语或书面语中的推测，语气偏客观。

2️⃣ つい〜てしまう

意思：不留神/不经意间……（通常带轻微后悔或意外）

例：おしゃべりが楽しくて、つい遅くなってしまった。
- 译：聊天太开心了，不小心就晚了。

💡 小贴士：

强调无意识发生的动作，多用于日常口语和叙述。
可带有感情色彩：后悔、意外、尴尬等。

3️⃣ たとえ〜（としても / とも / としたところで）

意思：即便 / 不管……也……（让步表达）

例1：たとえ雨が降っても行く。
- 译：即便下雨也要去。
例2：たとえ君のやったことが正しいとしても、人の悪口を言うべきではない。
- 译：即便你做的是对的，也不该说别人的坏话。
例3：たとえ今さら走ったところで、間に合わない。
- 译：即使现在才跑，也赶不上。
例4：たとえどんなところに住もうとも、家族がいればいい。
- 译：不管住在哪儿，有家人在就好。
例5：たとえそんなことは言わずとも知れたことだ。
- 译：即便不说，也能明白。

💡 小贴士：

常搭配としても / とも / としたところで使用
强调前项即使成立，后项也不改变结果

4️⃣ 今に

用法

即将，就要

例：今に燃えだすぞ。
- 译：马上就要燃起来了。

早晚，总有一天

例：今にまた会えるよ。
- 译：早晚会再见面的。

至今，直到现在

例：今に名人と伝えられている。
- 译：至今仍被传为名人。

💡 小贴士：

今に用于口语和书面语
根据语境可以表示时间即将发生、迟早会发生或一直持续到现在

📌 总结

语法	主要意思	常用例句	小贴士
まず	推测，大概 / 几乎不	まず成功するだろう / まず助からない	表示积极或消极推测
つい〜てしまう	不留神、不经意间…	つい遅くなってしまった	强调无意识动作，带后悔或意外
たとえ〜	即便 / 不管……也……	たとえ雨が降っても行く	常与としても/とも/としたところで搭配使用
今に	即将、早晚、至今	今に燃えだす / 今にまた会える / 今に名人と伝えられている	根据语境灵活理解时间含义

TOEIC試験の振り返りまとめ

Sat, 13 Sep 2025 00:00:01 GMT

最近、TOEICを受けてきました。目標は900点ですが、あと一歩のところです！

今回、日本でのTOEIC受験と中国での受験を比べてみると、やっぱり環境の違いかな。私は北外（北京外国語大学）で受けたのですが、隣の席の人のページをめくる音がとても気になりました。左側の大人の方は、通常ならリスニングが終わったらすぐ次の問題に進むのですが、彼は次の問題が始まる直前にページをめくるので、けっこう大きな音が出てしまいました😇

また、監督の女性（学生のように見えました）が、ずっと自分の前でスマホを触っていて、少し気になりました。監督員は本来スマホを使ってはいけないはずですが…😵

こういう環境の中でも集中力を保つことが大事ですね。次回はもっと落ち着いて、しっかり点を取りたいと思います。

My first Blog 最初のブログ

Sat, 13 Sep 2025 00:00:00 GMT

Front-matter of Posts

Finally, I created my very first blog website. As graduation approaches, I realized that I have fallen behind many of my peers, and it feels like I haven’t left behind many memorable things from my university life—whether in learning or in daily life. From today on, I hope to build the habit of blogging, both to push myself to study and to leave something I can look back on.

I’m still a beginner in programming, so if there are any mistakes in my blog, please feel free to reach out to me. And of course, if you just want to make friends, you are more than welcome as well.

In any case, this marks a new beginning for me.

Please note that my blog and my connections are based on the following languages.

Language	preference
`English`	currently the main language of my blog , as it is smoother for me to communicate before my Japanese proficiency improves further
`日本語`	I am doing my best to learn Japanese, and I hope to make it the language I use most in my daily life
`简体中文`	my native language

Anyway, Let's GO. I would say this is the only code that I have really commended so I am really a noob in CS now, but I will grow and learn more.

---
Hello, world.
---

Kuchina 's Blog

Unity 客户端开发 100 问：基于真实项目的八股与高频核心面试题全解

游戏客户端开发面试全景指南：八股核心、真实大厂面经与项目实战

Author

📌 导读与复习方法论

目录索引

一、 C++ 核心底层机制（每场必考）

1. 多态（静态多态 vs 动态多态、虚函数、虚函数表 vtable、虚指针 vptr）

2. 智能指针（unique_ptr, shared_ptr, weak_ptr）与多线程引用计数

3. 析构函数深度剖析（为什么基类析构必须是 virtual？内存泄漏？继承下的调用顺序？）

4. C++ 内存布局与栈溢出（Stack Overflow）成因

5. 指针（Pointer）与引用（Reference）的底层区别

6. 源代码到可执行文件的完整流程

7. Lambda 表达式底层原理与使用避坑

8. 继承下的内存布局与菱形继承（虚继承、vbptr、虚基类表）

9. new / delete 与 malloc / free 的区别、placement new、new int vs new int()

10. vector vs list 深度对比（局部性、Cache Line、扩容与迭代器失效）

11. unordered_map vs map 差异与哈希冲突解决

12. 模板（Template）原理：为什么声明和定义不能分开在 .h 和 .cpp？

13. static 与 const 的多维用法

14. i++ vs ++i、左值与右值、移动语义与完美转发

15. C++ 四种类型转换 cast 详解

二、 计算机网络高频核心

16. TCP 与 UDP 的本质区别与游戏网络选型

17. 深入理解 TCP 三次握手与四次挥手

18. 可靠 UDP（KCP、ENet）原理：为什么能解决 TCP 队头阻塞？

19. 游戏同步架构：帧同步（Lockstep） vs 状态同步（State Synchronization）

三、 操作系统与并发机制

20. 进程、线程与协程的本质差异

21. 线程同步原语对比：互斥锁（Mutex）、自旋锁（Spinlock）、条件变量与原子操作（Atomic）

22. 死锁（Deadlock）的四个必要条件与预防排查

23. 内存碎片（Memory Fragmentation）与内存池（Memory Pool）设计

四、 计算机图形学与 Shader 核心

24. 现代 GPU 渲染管线（Graphics Pipeline）全流程

25. 判断点 $P$ 是否在三角形 $\triangle ABC$ 内部的三种经典数学算法

26. 抗锯齿技术（Anti-Aliasing）全景对比与优劣分析

27. 前向渲染（Forward Rendering） vs 延迟渲染（Deferred Shading）

28. 阴影技术：Shadow Map 原理与 PCF 软阴影滤波

29. Early-Z 早期深度测试原理与失效时机

30. 法线贴图（Normal Map）为什么呈现偏蓝色？

五、 高频口撕与手撕算法专题

31. 判断链表是否有环，并找到入环节点（快慢指针与严格数学证明）

32. Top-K 问题：无序数组找前 K 小 / 前 K 大（堆 vs 快速选择 QuickSelect）

33. A* 寻路算法完整流程与最优性证明

34. 线程安全单例模式（C++ 双重检查锁定 DCL 与 Magic Static）

六、 Unity 引擎与 C# 核心机制

35. C# 值类型 vs 引用类型、装箱/拆箱与 GC 优化

36. Unity 资源管理：AssetBundle 与 Addressables 深度机制

37. Unity 四大合批技术条件与 UI 合批打断判定

七、 Unreal Engine (UE) 核心机制与架构

38. UE 反射系统（UHT、UProperty、UFunction）底层原理

39. UE Gameplay 框架核心分层

40. 大地图流式加载技术（World Partition 与 World Composition）

八、 真实大厂面经深度复盘（按公司实战真题）

🏢 米哈游（Gameplay / 引擎方向）

🏢 腾讯（IEG / 光子 / 天美 / 腾娱）

🏢 网易雷火

🏢 库洛游戏 & 点点互动

九、 个人简历项目深度拆解与实战攻关

🎮 项目一：《WoodMan》（3D 第一人称 AI 追逐，恐怖解谜，巨人 Mini Game 冠军）

Q1: 视线感知系统（PlayerVisionDetector）屏幕坐标与视锥体映射算法

Q2: 动态 SAN 值系统与 HDRP Volume / AudioMixer 联动

🧩 项目二：《DotTrack》（3D 网格连线益智，Mengya Game Jam 2026）

Q1: 鞋带公式（Shoelace Formula）多边形面积与连线闭环算法

🤖 前沿跨界：中科院自动化所大模型强化学习实习与游戏融合

Osaka University IST Graduate Entrance Exam (2019)

大阪大学 情報科学研究科 情報工学 2019年度 必須問題＆選択問題

Author

1 【必須問題】アルゴリズムとプログラミング

Description

(1)

(2)

(3)

(4)

(4-1)

(4-2)

(5)

Kai

(1)

(2)

9. `new` / `delete` 与 `malloc` / `free` 的区别、`placement new`、`new int` vs `new int()`

10. `vector` vs `list` 深度对比（局部性、Cache Line、扩容与迭代器失效）

11. `unordered_map` vs `map` 差异与哈希冲突解决

12. 模板（Template）原理：为什么声明和定义不能分开在 `.h` 和 `.cpp`？

13. `static` 与 `const` 的多维用法

14. `i++` vs `++i`、左值与右值、移动语义与完美转发

二、计算机网络高频核心

三、操作系统与并发机制

四、计算机图形学与 Shader 核心

五、高频口撕与手撕算法专题

八、真实大厂面经深度复盘（按公司实战真题）

九、个人简历项目深度拆解与实战攻关

大阪大学情報科学研究科情報工学 2019年度必須問題＆選択問題