无理数的识别：
判断一个数是不是无理数，关键就看它能不能写出无限不循环小数，而把无理数写成无限不循环小数，不但麻烦，而且还是我们利用现有知识无法解决的难题。
初中常见的无理数有三种类型：
（1）含根号且开方开不尽的方根，但切不可认为带根号的数都是无理数；
（2）化简后含π的式子；
（3）不循环的无限小数。
掌握常见无理数的类型有助于识别无理数。

无理数的历史：
毕达哥拉斯（Pythagqras,约公元前885年至公元前400年间）是古希腊的大数学家。他证明许多重要的定理，包括后来以他的名字命名的毕达哥拉斯定理（勾股弦定理），即直角三角形两直角边为边长的正方形的面积之和等于以斜边为边长的正方形的面积。毕达哥拉斯将数学知识运用得纯熟之后，觉得不能只满足于用来算题解题，于是他试着从数学领域扩大到哲学，用数的观点去解释一下世界。经过一番刻苦实践，他提出“凡物皆数”的观点，数的元素就是万物的元素，世界是由数组成的，世界上的一切没有不可以用数来表示的，数本身就是世界的秩序。在他死后大约200年，他的门徒们把这种理论加以研究发展，形成了一个强大的毕达哥拉斯学派。
公元前500年，古希腊毕达哥拉斯（Pythagoras）学派的弟子希伯索斯（Hippasus）发现了一个惊人的事实，一个正方形的对角线与其一边的长度是不可公度的（若正方形的边长为1，则对角线的长不是一个有理数），这一不可公度性与毕氏学派的“万物皆数”（指有理数）的哲理大相径庭。这一发现使该学派领导人惶恐，认为这将动摇他们在学术界的统治地位，于是极力封锁该真理的流传，希伯索斯被迫流亡他乡，不幸的是，在一条海船上还是遇到毕氏门徒，于是希伯索斯被残忍地扔进了大海。
希伯索斯的发现，第一次向人们揭示了有理数系的缺陷，证明了它不能同连续的无限直线等同看待，有理数并没有布满数轴上的点，在数轴上存在着不能用有理数表示的“孔隙”。而这种“孔隙”经后人证明简直多得“不可胜数”。于是，古希腊人把有理数视为连续衔接的那种算术连续统的设想彻底地破灭了。不可公度量的发现连同芝诺悖论一同被称为数学史上的第一次数学危机，对以后2000多年数学的发展产生了深远的影响，促使人们从依靠直觉、经验而转向依靠证明，推动了公理几何学和逻辑学的发展，并且孕育了微积分思想萌芽。
不可约的本质是什么？长期以来众说纷纭，得不到正确的解释，两个不可通约的比值也一直认为是不可理喻的数。15世纪意大利著名画家达.芬奇称之为“无理的数”，17世纪德国天文学家开普勒称之为“不可名状”的数。
然而真理毕竟是淹没不了的，毕氏学派抹杀真理才是“无理”。人们为了纪念希伯索斯这位为真理而献身的可敬学者，就把不可通约的量取名“无理数”——这就是无理数的由来。

正比例函数性质：
定义域
R（实数集）

值域
R（实数集）

奇偶性
奇函数

单调性
当k>0时，图像位于第一、三象限，从左往右，y随x的增大而增大（单调递增），为增函数；
当k<0时，图像位于第二、四象限，从左往右，y随x的增大而减小（单调递减），为减函数。

周期性
不是周期函数。

对称性
对称点：关于原点成中心对称
对称轴：自身所在直线；自身所在直线的垂直平分线

平均数、中位数和众数异同：
一、相同点
平均数、中位数和众数这三个统计量的相同之处主要表现在：都是来描述数据集中趋势的统计量；都可用来反映数据的一般水平；都可用来作为一组数据的代表。

二、不同点
它们之间的区别，主要表现在以下方面。
1、定义不同
平均数：一组数据的总和除以这组数据个数所得到的商叫这组数据的平均数。
中位数：将一组数据按大小顺序排列，处在最中间位置的一个数叫做这组数据的中位数 。
众数：在一组数据中出现次数最多的数叫做这组数据的众数。

2、求法不同
平均数：用所有数据相加的总和除以数据的个数,需要计算才得求出。
中位数：将数据按照从小到大或从大到小的顺序排列，如果数据个数是奇数，则处于最中间位置的数就是这组数据的中位数；如果数据的个数是偶数，则中间两个数据的平均数是这组数据的中位数。它的求出不需或只需简单的计算。
众数：一组数据中出现次数最多的那个数，不必计算就可求出。

3、个数不同
在一组数据中，平均数和中位数都具有惟一性，但众数有时不具有惟一性。在一组数据中，可能不止一个众数，也可能没有众数。

4、呈现不同
平均数：是一个“虚拟”的数，是通过计算得到的，它不是数据中的原始数据。
中位数：是一个不完全“虚拟”的数。当一组数据有奇数个时，它就是该组数据排序后最中间的那个数据，是这组数据中真实存在的一个数据；但在数据个数为偶数的情况下，中位数是最中间两个数据的平均数，它不一定与这组数据中的某个数据相等，此时的中位数就是一个虚拟的数。
众  数：是一组数据中的原数据 ，它是真实存在的。

5、代表不同
平均数：反映了一组数据的平均大小，常用来一代表数据的总体 “平均水平”。
中位数：像一条分界线，将数据分成前半部分和后半部分，因此用来代表一组数据的“中等水平”。
众数：反映了出现次数最多的数据，用来代表一组数据的“多数水平”。
这三个统计量虽反映有所不同，但都可表示数据的集中趋势，都可作为数据一般水平的代表。

6、特点不同
平均数：与每一个数据都有关,其中任何数据的变动都会相应引起平均数的变动。主要缺点是易受极端值的影响，这里的极端值是指偏大或偏小数，当出现偏大数时，平均数将会被抬高，当出现偏小数时，平均数会降低。
中位数：与数据的排列位置有关，某些数据的变动对它没有影响；它是一组数据中间位置上的代表值，不受数据极端值的影响。
众数：与数据出现的次数有关，着眼于对各数据出现的频率的考察，其大小只与这组数据中的部分数据有关，不受极端值的影响,其缺点是具有不惟一性，一组数据中可能会有一个众数，也可能会有多个或没有 。

7、作用不同
平均数：是统计中最常用的数据代表值，比较可靠和稳定，因为它与每一个数据都有关，反映出来的信息最充分。平均数既可以描述一组数据本身的整体平均情况，也可以用来作为不同组数据比较的一个标准。因此，它在生活中应用最广泛，比如我们经常所说的平均成绩、平均身高、平均体重等。
中位数：作为一组数据的代表，可靠性比较差，因为它只利用了部分数据。但当一组数据的个别数据偏大或偏小时，用中位数来描述该组数据的集中趋势就比较合适。
众数：作为一组数据的代表，可靠性也比较差，因为它也只利用了部分数据。。在一组数据中，如果个别数据有很大的变动，且某个数据出现的次数最多，此时用该数据（即众数）表示这组数据的“集中趋势”就比较适合。

圆锥：
以直角三角形的一条直角边所在直线为旋转轴，其余两边旋转形成的面所围成的东西叫做圆锥体。该直角边叫圆锥的轴。

圆锥的组成构件：
①圆锥的高：圆锥的顶点到圆锥的底面圆心之间的距离叫做圆锥的高；
②圆锥的母线：圆锥的侧面展开形成的扇形的半径、底面圆周上点到顶点的距离。
③圆锥的侧面积：将圆锥的侧面沿母线展开，是一个扇形,这个扇形的弧长等于圆锥底面的周长,而扇形的半径等于圆锥的母线的长。
圆锥的侧面积就是弧长为圆锥底面的周长×母线/2；没展开时是一个曲面。
④圆锥有一个底面、一个侧面、一个顶点、一条高、无数条母线，且底面展开图为一圆形侧面展开图是扇形。
⑤圆锥侧面展开是一个扇形，已知扇形面积为二分之一rl。所以圆锥侧面积为二分之一母线长×弧长（即底面周长）。
另外，母线长等于底面圆直径的圆锥，展开的扇形就是半圆。
所有圆锥展开的扇形角度等于（底面直径÷母线）×180度。

圆锥的计算：
设圆锥底面圆的半径为r，母线长为l，n为圆心角度数
则圆锥的侧面积：，
圆锥的全面积：S=S_侧+S_底=，
圆锥的体积：V=Sh=·πr2h
底面周长（C）=2πr=（nπl）/
h=根号（l²-r²）