一、试卷结构分析
2018年考研数学二试卷主要包括三个部分：高等数学、线性代数和概率论与数理统计。以下是各部分的具体内容和分值分布：
1. 高等数学（60分）
- 微积分（含一元函数微分学、一元函数积分学、多元函数微积分学）
- 常微分方程
- 线性微分方程组
- 常见级数
2. 线性代数（30分）
- 矩阵及其运算
- 向量空间
- 特征值与特征向量
- 线性方程组
3. 概率论与数理统计（20分）
- 随机事件及其概率
- 随机变量及其分布
- 大数定律与中心极限定理
- 参数估计
- 假设检验
二、试题分析
1. 高等数学
（1）微积分
2018年考研数学二微积分部分考查了导数、积分、级数等知识点。其中，导数部分的题目难度适中，主要考查了求导法则和求导技巧；积分部分的题目难度稍高，涉及到了定积分、不定积分和反常积分的计算；级数部分的题目难度较高，主要考查了幂级数和级数收敛性判断。
（2）常微分方程
常微分方程部分主要考查了一阶微分方程的解法、线性微分方程组的解法以及高阶微分方程的解法。题目难度适中，要求考生熟练掌握相关解法。
（3）线性微分方程组
线性微分方程组部分主要考查了线性微分方程组的解法，包括特征值与特征向量法、矩阵指数法等。题目难度适中，要求考生熟练掌握相关解法。
（4）常见级数
常见级数部分主要考查了幂级数和级数收敛性判断。题目难度较高，要求考生熟练掌握幂级数的性质和级数收敛性判断方法。
2. 线性代数
线性代数部分主要考查了矩阵运算、向量空间、特征值与特征向量以及线性方程组等内容。题目难度适中，要求考生熟练掌握线性代数的基本概念和性质。
3. 概率论与数理统计
概率论与数理统计部分主要考查了随机事件及其概率、随机变量及其分布、大数定律与中心极限定理、参数估计以及假设检验等内容。题目难度适中，要求考生熟练掌握概率论与数理统计的基本概念和性质。
三、答案解析
1. 高等数学
（1）微积分
例题1：求函数\(f(x)=x^3-3x+1\)在\(x=0\)处的导数。
解析：根据求导法则，\(f'(x)=3x^2-3\)，则\(f'(0)=-3\)。
（2）常微分方程
例题2：求解微分方程\(y'+y=0\)。
解析：设\(y=e^{-x}(C_1+x)\)，代入原方程得\(C_1=0\)，则通解为\(y=e^{-x}x\)。
（3）线性微分方程组
例题3：求解线性微分方程组\(\begin{cases}x'-2y=0\\2x'+y'=0\end{cases}\)。
解析：设\(\boldsymbol{X}=\begin{pmatrix}x\\y\end{pmatrix}\)，则\(\boldsymbol{X}'=\begin{pmatrix}2&-1\\1&2\end{pmatrix}\boldsymbol{X}\)。求解矩阵的特征值和特征向量，得特征值\(\lambda_1=\lambda_2=1\)，对应的特征向量为\(\boldsymbol{\alpha}_1=\begin{pmatrix}1\\1\end{pmatrix}\)，\(\boldsymbol{\alpha}_2=\begin{pmatrix}1\\-1\end{pmatrix}\)。则通解为\(\boldsymbol{X}=C_1\begin{pmatrix}1\\1\end{pmatrix}e^x+C_2\begin{pmatrix}1\\-1\end{pmatrix}e^{-x}\)，即\(x=C_1e^x+C_2e^{-x}\)。
（4）常见级数
例题4：判断级数\(\sum_{n=1}^\infty \frac{n^2}{3^n}\)的收敛性。
解析：利用比值审敛法，\(\lim_{n\to\infty}\frac{u_{n+1}}{u_n}=\lim_{n\to\infty}\frac{(n+1)^2}{3^{n+1}}\cdot\frac{3^n}{n^2}=\frac{1}{3}<1\)，故级数收敛。
2. 线性代数
（1）矩阵运算
例题5：计算矩阵\(\begin{pmatrix}1&2\\3&4\end{pmatrix}\)的行列式。
解析：\(|\begin{pmatrix}1&2\\3&4\end{pmatrix}|=1\cdot4-2\cdot3=-2\)。
（2）向量空间
例题6：求向量\(\boldsymbol{a}=\begin{pmatrix}1\\2\\3\end{pmatrix}\)在向量\(\boldsymbol{b}=\begin{pmatrix}1\\2\\3\end{pmatrix}\)上的投影。
解析：设\(\boldsymbol{a}\)在\(\boldsymbol{b}\)上的投影为\(\boldsymbol{\alpha}\)，则\(\boldsymbol{\alpha}=\frac{\boldsymbol{a}\cdot\boldsymbol{b}}{\boldsymbol{b}\cdot\boldsymbol{b}}\boldsymbol{b}=\frac{1\cdot1+2\cdot2+3\cdot3}{1^2+2^2+3^2}\begin{pmatrix}1\\2\\3\end{pmatrix}=\begin{pmatrix}\frac{14}{14}\\ \frac{28}{14}\\ \frac{42}{14}\end{pmatrix}=\begin{pmatrix}1\\2\\3\end{pmatrix}\)。
（3）特征值与特征向量
例题7：求矩阵\(\begin{pmatrix}2&1\\1&2\end{pmatrix}\)的特征值和特征向量。
解析：求解特征方程\(\begin{vmatrix}2-\lambda&1\\1&2-\lambda\end{vmatrix}=0\)，得\(\lambda_1=\lambda_2=1\)。对应特征向量为\(\boldsymbol{\alpha}_1=\begin{pmatrix}1\\1\end{pmatrix}\)，\(\boldsymbol{\alpha}_2=\begin{pmatrix}-1\\1\end{pmatrix}\)。
（4）线性方程组
例题8：求解线性方程组\(\begin{cases}2x+3y=6\\3x+2y=7\end{cases}\)。
解析：将方程组转化为增广矩阵\(\begin{pmatrix}2&3&6\\3&2&7\end{pmatrix}\)，进行行初等变换，得\(\begin{pmatrix}1&1&2\\0&-1&-1\end{pmatrix}\)，进而得到方程组\(\begin{cases}x+y=2\\-y=-1\end{cases}\)，解得\(x=1\)，\(y=1\)。
3. 概率论与数理统计
（1）随机事件及其概率
例题9：设\(A\)，\(B\)为两个相互独立的事件，\(P(A)=0.4\)，\(P(B)=0.6\)，求\(P(A\cap B)\)。
解析：\(P(A\cap B)=P(A)\cdot P(B)=0.4\cdot0.6=0.24\)。
（2）随机变量及其分布
例题10：设\(X\)服从\(N(0,1)\)分布，求\(P(X>1)\)。
解析：\(P(X>1)=1-P(X\leq1)=1-\Phi(1)=1-0.8413=0.1587\)。
（3）大数定律与中心极限定理
例题11：设\(X_1\)，\(X_2\)，\(\ldots\)，\(X_n\)是独立同分布的随机变量序列，且\(E(X_i)=\mu\)，\(D(X_i)=\sigma^2\)，证明大数定律成立。
解析：根据切比雪夫不等式，对于任意\(\epsilon>0\)，有\(P(|X_n-\mu|\geq\epsilon)\leq\frac{\sigma^2}{n\epsilon^2}\)。当\(n\to\infty\)时，\(P(|X_n-\mu|\geq\epsilon)\to0\)，即\(X_n\)以概率1收敛于\(\mu\)，即大数定律成立。
（4）参数估计
例题12：设总体\(X\)服从\(N(\mu,1)\)分布，从中抽取样本\(X_1\)，\(X_2\)，\(\ldots\)，\(X_n\)，求\(\mu\)的矩估计量和最大似然估计量。
解析：矩估计量：\(E(X)=\mu\)，故\(\hat{\mu}=\bar{X}\)；最大似然估计量：设样本观测值为\(x_1\)，\(x_2\)，\(\ldots\)，\(x_n\)，则似然函数\(L(x_1,x_2,\ldots,x_n)=\prod_{i=1}^n\frac{1}{\sqrt{2\pi}}\exp\left(-\frac{(x_i-\mu)^2}{2}\right)\)，对\(\mu\)求导，令导数为0，得\(\hat{\mu}=\bar{X}\)。
（5）假设检验
例题13：设总体\(X\)服从\(N(\mu,1)\)分布，从中抽取样本\(X_1\)，\(X_2\)，\(\ldots\)，\(X_n\)，检验假设\(H_0:\mu=0\)，\(H_1:\mu>0\)。
解析：设显著性水平为\(\alpha\)，则拒绝域为\(X>\frac{z_{\frac{\alpha}{2}}}{\sqrt{n}}\)。计算统计量\(Z=\frac{\bar{X}-\mu}{\frac{1}{\sqrt{n}}}\)，根据\(Z\)的取值判断是否拒绝\(H_0\)。