1. 多元函数微分学到底在考什么从一元到多元的思维跃迁很多人复习到第五章会突然觉得吃力根本原因不是计算量变大而是思维模式没有跟着切换。一元函数微分学里自变量只有一个导数就是切线斜率几何意义直观物理意义明确。到了多元函数自变量从一个变成两个甚至更多导数不再是一个数而是一组数甚至是一个向量、一个矩阵。这个跨越如果不完成后面无论怎么刷题都是事倍功半。多元函数微分学在考研数学中的定位非常清晰它是连接一元微分学和后续重积分、曲线曲面积分的桥梁。这一章的核心考点集中在四个方面——偏导数与全微分的概念辨析、复合函数与隐函数的求导法则、多元函数的极值与最值问题、以及多元函数微分学的几何应用。每一块都有固定的出题套路但每一块也都有容易混淆的细节。我见过太多人把这一章当成一元微分学的简单推广结果在“可微与偏导存在的关系”这类概念题上反复栽跟头。一元函数里可导和可微是等价的但在多元函数里偏导数存在甚至所有方向导数都存在都不一定能推出可微。这个反直觉的结论是选择题的高频考点也是理解全微分本质的关键。这一章适合谁来重点攻克如果你目标分数在120分以上这一章必须做到概念清晰、计算熟练、综合题能拆解。如果你目前还在及格线附近挣扎那至少要保证偏导计算和极值判别这两类基础题型不丢分。复习全书在这一章的编排逻辑是先讲概念再讲计算但我的建议是先动手算几道偏导数再回头抠概念因为有了计算经验之后你对“为什么偏导存在不一定可微”会有更具体的感知。提示这一章的复习不要追求一遍过。第一遍把计算练熟第二遍再回头深挖概念辨析第三遍集中攻克综合应用题。三遍下来这一章才算真正拿下。2. 偏导数与全微分那些容易混淆的概念到底怎么区分2.1 偏导数存在、方向导数存在、可微三者之间的真实关系这是第五章概念题的核心战场。很多同学背了结论但不会用根本原因是没搞清楚每个概念的定义域和极限过程。偏导数存在指的是沿坐标轴方向的变化率存在。注意它只关心两个特殊方向——x轴方向和y轴方向。方向导数存在指的是沿任意给定方向的变化率存在。可微指的是函数在该点附近可以用一个线性函数很好地近似误差是距离的高阶无穷小。三者之间的关系可以这样理解可微是最强的条件它能推出方向导数存在也能推出偏导数存在方向导数存在能推出偏导数存在因为坐标轴方向也是方向但推不出可微偏导数存在连方向导数存在都推不出来。这个逻辑链条在选择题里经常被拆开来考。我个人的记忆方法是画一个同心圆最里面是可微中间是方向导数存在最外面是偏导数存在。从内向外可以推从外向内推不了。但要注意如果加上“偏导数连续”这个条件那就可以推出可微这是充分条件不是必要条件。2.2 全微分的定义式与可微判定的实操步骤全微分的定义式是Δz AΔx BΔy o(ρ)其中ρ √(Δx² Δy²)。A就是对x的偏导数B就是对y的偏导数。判定可微的标准步骤是三步走先求两个偏导数如果偏导数不存在直接不可微。如果偏导数存在计算极限 lim [Δz - f_xΔx - f_yΔy] / ρ其中ρ趋于0。如果这个极限等于0则可微否则不可微。这个极限计算是很多人的噩梦因为涉及二元极限。实操中有一个简化技巧如果函数在原点附近是分片定义的通常需要用到极坐标变换或者放缩法来验证极限是否为0。复习全书上的例题通常会给出几种典型的不可微情形比如f(x,y) |x| |y|在原点偏导不存在或者f(x,y) xy / √(x²y²)在原点偏导存在但不可微。注意考试中如果要求判定可微性一定要写出完整的极限验证过程不能只凭“偏导数连续”这个充分条件来反推。因为题目给的函数往往偏导数不连续但可能仍然可微。2.3 高阶偏导数与混合偏导数相等的条件高阶偏导数就是偏导数再求偏导。二阶偏导数有四个f_xx、f_xy、f_yx、f_yy。其中f_xy和f_yx称为混合偏导数。混合偏导数相等的条件是f_xy和f_yx都连续。这个条件在考研中经常以“验证混合偏导数是否相等”的形式出现或者以反例的形式考查“不连续时混合偏导数可能不相等”。复习全书上有一个经典反例f(x,y) xy(x²-y²)/(x²y²)当(x,y)≠(0,0)f(0,0)0。这个函数在原点处的两个混合偏导数都存在但不相等。这个反例建议亲手算一遍算完之后对“连续”这个条件的重要性会有深刻体会。3. 复合函数与隐函数求导链式法则的实战拆解3.1 多元复合函数求导的链式法则怎么画树形图复合函数求导是这一章计算题的主力。一元复合函数是链式法则多元复合函数是链式法则的推广但变量之间的关系更复杂容易漏项或搞错偏导对象。画树形图是最可靠的方法。以z f(u,v)u u(x,y)v v(x,y)为例树形图的根是z第一层是u和v第二层是x和y。从z到x的路径有两条z→u→x和z→v→x。所以∂z/∂x ∂f/∂u · ∂u/∂x ∂f/∂v · ∂v/∂x。每条路径上的偏导数相乘不同路径的结果相加。这个“路径相乘、路径相加”的口诀适用于所有复合函数求导。但要注意如果中间变量本身又是多个变量的函数树形图会更深路径会更多。复习全书上的例题通常会给出三种情形中间变量是一元函数、中间变量是多元函数、以及混合情形。每一种都要练到能快速画出树形图并写出求导公式。3.2 隐函数求导的三种情形与公式推导隐函数求导分三种情形一元隐函数F(x,y)0、二元隐函数F(x,y,z)0、以及方程组确定的隐函数。每一种都有对应的求导公式但我不建议死记公式而是理解推导过程。以F(x,y,z)0为例两边对x求偏导注意y和z都是x的函数这里假设yy(x)zz(x)得到F_x F_y · dy/dx F_z · dz/dx 0。如果只求∂z/∂x则把y看作常数得到F_x F_z · ∂z/∂x 0所以∂z/∂x -F_x / F_z。这个推导过程比死记公式更可靠因为符号容易搞混。方程组的隐函数求导是难点通常需要用到雅可比行列式。复习全书上会给出公式但考试中更常见的是直接对方程组两边求导然后解线性方程组。这种方法虽然计算量大一些但不容易出错。3.3 变量替换下的偏导数计算从直角坐标到极坐标变量替换是多元函数微分学中的一个综合应用。典型题目是已知z f(x,y)令x r cosθy r sinθ求∂z/∂r和∂z/∂θ。或者反过来已知∂z/∂r和∂z/∂θ求∂z/∂x和∂z/∂y。这类题目的关键是不要混淆自变量和中间变量。在变量替换中x和y是旧变量r和θ是新变量z通过f依赖于x和y而x和y又依赖于r和θ。所以求∂z/∂r时要用链式法则∂z/∂r ∂z/∂x · ∂x/∂r ∂z/∂y · ∂y/∂r。复习全书上有一类题目是要求把方程中的偏导数用新变量表示出来比如把x∂z/∂x y∂z/∂y用r和θ表示。这类题目需要先求出旧变量对新变量的偏导数然后代入。计算量不小但套路固定练几道就能掌握。提示变量替换的题目一定要先写清楚变量关系再动手求导。我见过太多人直接套公式结果把∂z/∂x和∂x/∂z搞反了整道题全错。4. 多元函数极值无条件极值、条件极值与最值的完整解法4.1 无条件极值的判别法AC-B²的三种情况无条件极值是多元函数微分学中最常考的题型之一。解法分两步第一步求驻点即解方程组f_x0f_y0第二步用二阶偏导数判别。判别法则是设A f_xxB f_xyC f_yy计算AC - B²。如果AC - B² 0则有极值且A 0时为极小值A 0时为极大值如果AC - B² 0则无极值如果AC - B² 0则无法判定需要进一步分析。这个判别法的推导来源于二元函数的泰勒展开。理解推导过程有助于记忆AC - B²实际上是海森矩阵的行列式正定对应极小值负定对应极大值不定对应鞍点。复习全书上的例题通常会给出几种典型函数有唯一驻点的、有多个驻点的、以及驻点处AC - B² 0需要特殊处理的。最后一种情况虽然考得少但一旦出现就是拉分题。4.2 条件极值的拉格朗日乘数法构造与求解条件极值是求函数在约束条件下的极值。标准解法是拉格朗日乘数法构造L f λg其中g0是约束条件。然后解方程组L_x0L_y0L_λ0。这个方法的难点不在构造而在解方程组。很多时候方程组是非线性的需要消元或者利用对称性。复习全书上有一类题目是求椭球面上到原点距离最大最小的点或者求曲线上的点到直线的最短距离。这类题目的方程组通常有对称性可以利用对称性简化计算。拉格朗日乘数法也可以用于多个约束条件的情形此时需要引入多个乘数。考试中两个约束条件的情况偶尔出现三个以上的几乎不考。4.3 有界闭区域上连续函数的最值问题有界闭区域上的连续函数一定存在最大值和最小值这是闭区域上连续函数的性质。求最值的步骤是先求区域内部的驻点再求边界上的最值最后比较所有候选点的函数值。边界上的最值通常转化为条件极值问题或者直接代入边界方程化为一元函数求最值。复习全书上的例题通常会给出三角形区域、圆形区域、或者由几条曲线围成的区域。每一种区域的边界处理方式不同需要分别练习。我个人的经验是先画区域图再分边界讨论。画图能帮你避免遗漏边界段也能帮你判断哪些边界段需要单独处理。比如圆形区域的边界可以用参数方程代入三角形区域的边界需要分三段讨论。5. 微分学的几何应用切线、法平面、切平面与法线5.1 空间曲线的切线与法平面空间曲线通常由参数方程给出xx(t)yy(t)zz(t)。在tt₀处的切向量是(x(t₀), y(t₀), z(t₀))。切线方程是(x-x₀)/x(t₀) (y-y₀)/y(t₀) (z-z₀)/z(t₀)。法平面方程是x(t₀)(x-x₀) y(t₀)(y-y₀) z(t₀)(z-z₀) 0。如果空间曲线由两个曲面方程给出则需要先求出切向量。方法是对方程组两边求导然后解出dy/dx和dz/dx切向量就是(1, dy/dx, dz/dx)。这种方法在复习全书上有专门的例题。5.2 曲面的切平面与法线曲面由隐函数F(x,y,z)0给出时法向量是(F_x, F_y, F_z)。切平面方程是F_x(x-x₀) F_y(y-y₀) F_z(z-z₀) 0。法线方程是(x-x₀)/F_x (y-y₀)/F_y (z-z₀)/F_z。曲面由显函数zf(x,y)给出时可以改写为F(x,y,z)f(x,y)-z0法向量是(f_x, f_y, -1)。切平面方程是f_x(x-x₀) f_y(y-y₀) - (z-z₀) 0。复习全书上有一类题目是求曲面在某点处的切平面并求该切平面与坐标轴围成的体积。这类题目计算量不大但需要细心。5.3 方向导数与梯度从几何意义到计算方向导数衡量的是函数沿某个方向的变化率。计算公式是∂f/∂l f_x cosα f_y cosβ其中cosα和cosβ是方向l的方向余弦。梯度是向量(f_x, f_y)方向导数的最大值就是梯度的模取得最大值的方向就是梯度的方向。这部分内容在考试中通常以填空题或选择题的形式出现计算量不大但概念要清晰。复习全书上会强调梯度与等值线的关系梯度方向垂直于等值线指向函数值增加最快的方向。注意方向导数的计算中方向向量必须是单位向量。如果题目给的不是单位向量要先单位化再计算。这个细节很多人容易忽略。6. 这一章复习中我踩过的坑和总结的技巧6.1 概念辨析题的常见陷阱与应对策略概念辨析题是这一章最容易丢分的地方。我总结了几种常见陷阱第一种是“偏导数存在推出可微”这是错误的第二种是“方向导数存在推出可微”也是错误的第三种是“偏导数连续是可微的充要条件”这是错误的只是充分条件。应对策略是回到定义不要凭感觉。每一道概念题都要问自己这个条件能不能推出那个结论如果不能反例是什么复习全书上给出的反例要亲手算一遍算过之后印象会深刻很多。6.2 计算题中容易出错的符号与系数问题复合函数求导和隐函数求导中符号错误是最常见的。比如∂z/∂x和∂x/∂z容易搞混f_xy和f_yx容易写反拉格朗日乘数法中的λ容易漏掉负号。我的应对方法是每一步都写清楚变量关系。在求导之前先写出变量之间的依赖关系比如z依赖于u和vu和v依赖于x和y。然后按照树形图逐步求导不要跳步。虽然写得慢一些但正确率高很多。6.3 综合应用题的拆解思路与时间分配综合应用题通常涉及多个知识点比如先求偏导数再求极值最后求最值。这类题目需要拆解成若干个小步骤每一步都确保正确最后再综合。时间分配上我建议概念题控制在5分钟以内计算题控制在10分钟以内综合题控制在15分钟以内。如果一道题超过15分钟还没有思路先跳过做完其他题再回来。考试中时间管理比死磕一道题更重要。6.4 从这一章到后续章节的衔接要点多元函数微分学是后续重积分、曲线曲面积分的基础。偏导数和全微分的概念在重积分的变量替换中会用到梯度在曲线曲面积分中会用到极值问题在应用题中会用到。复习这一章的时候要有意识地为后续章节打基础。比如变量替换的题目其实就是在为重积分的极坐标变换做准备。极值问题的拉格朗日乘数法在条件极值的应用题中会反复出现。我个人在实际复习中的体会是这一章不要孤立地学要把它放在整个高等数学的框架里理解。偏导数是导数概念的推广全微分是微分概念的推广极值是极值概念的推广。理解了推广的逻辑这一章就不难了。最后再分享一个小技巧复习全书上的例题不要只看不写。我第一遍复习的时候就是只看不写结果第二遍做的时候发现很多题还是不会。后来改成每道例题都亲手算一遍哪怕算错了也要写完整过程效果好了很多。这一章的计算量不小动手写是唯一的捷径。
1. 多元函数微分学到底在考什么从一元到多元的思维跃迁很多人复习到第五章会突然觉得吃力根本原因不是计算量变大而是思维模式没有跟着切换。一元函数微分学里自变量只有一个导数就是切线斜率几何意义直观物理意义明确。到了多元函数自变量从一个变成两个甚至更多导数不再是一个数而是一组数甚至是一个向量、一个矩阵。这个跨越如果不完成后面无论怎么刷题都是事倍功半。多元函数微分学在考研数学中的定位非常清晰它是连接一元微分学和后续重积分、曲线曲面积分的桥梁。这一章的核心考点集中在四个方面——偏导数与全微分的概念辨析、复合函数与隐函数的求导法则、多元函数的极值与最值问题、以及多元函数微分学的几何应用。每一块都有固定的出题套路但每一块也都有容易混淆的细节。我见过太多人把这一章当成一元微分学的简单推广结果在“可微与偏导存在的关系”这类概念题上反复栽跟头。一元函数里可导和可微是等价的但在多元函数里偏导数存在甚至所有方向导数都存在都不一定能推出可微。这个反直觉的结论是选择题的高频考点也是理解全微分本质的关键。这一章适合谁来重点攻克如果你目标分数在120分以上这一章必须做到概念清晰、计算熟练、综合题能拆解。如果你目前还在及格线附近挣扎那至少要保证偏导计算和极值判别这两类基础题型不丢分。复习全书在这一章的编排逻辑是先讲概念再讲计算但我的建议是先动手算几道偏导数再回头抠概念因为有了计算经验之后你对“为什么偏导存在不一定可微”会有更具体的感知。提示这一章的复习不要追求一遍过。第一遍把计算练熟第二遍再回头深挖概念辨析第三遍集中攻克综合应用题。三遍下来这一章才算真正拿下。2. 偏导数与全微分那些容易混淆的概念到底怎么区分2.1 偏导数存在、方向导数存在、可微三者之间的真实关系这是第五章概念题的核心战场。很多同学背了结论但不会用根本原因是没搞清楚每个概念的定义域和极限过程。偏导数存在指的是沿坐标轴方向的变化率存在。注意它只关心两个特殊方向——x轴方向和y轴方向。方向导数存在指的是沿任意给定方向的变化率存在。可微指的是函数在该点附近可以用一个线性函数很好地近似误差是距离的高阶无穷小。三者之间的关系可以这样理解可微是最强的条件它能推出方向导数存在也能推出偏导数存在方向导数存在能推出偏导数存在因为坐标轴方向也是方向但推不出可微偏导数存在连方向导数存在都推不出来。这个逻辑链条在选择题里经常被拆开来考。我个人的记忆方法是画一个同心圆最里面是可微中间是方向导数存在最外面是偏导数存在。从内向外可以推从外向内推不了。但要注意如果加上“偏导数连续”这个条件那就可以推出可微这是充分条件不是必要条件。2.2 全微分的定义式与可微判定的实操步骤全微分的定义式是Δz AΔx BΔy o(ρ)其中ρ √(Δx² Δy²)。A就是对x的偏导数B就是对y的偏导数。判定可微的标准步骤是三步走先求两个偏导数如果偏导数不存在直接不可微。如果偏导数存在计算极限 lim [Δz - f_xΔx - f_yΔy] / ρ其中ρ趋于0。如果这个极限等于0则可微否则不可微。这个极限计算是很多人的噩梦因为涉及二元极限。实操中有一个简化技巧如果函数在原点附近是分片定义的通常需要用到极坐标变换或者放缩法来验证极限是否为0。复习全书上的例题通常会给出几种典型的不可微情形比如f(x,y) |x| |y|在原点偏导不存在或者f(x,y) xy / √(x²y²)在原点偏导存在但不可微。注意考试中如果要求判定可微性一定要写出完整的极限验证过程不能只凭“偏导数连续”这个充分条件来反推。因为题目给的函数往往偏导数不连续但可能仍然可微。2.3 高阶偏导数与混合偏导数相等的条件高阶偏导数就是偏导数再求偏导。二阶偏导数有四个f_xx、f_xy、f_yx、f_yy。其中f_xy和f_yx称为混合偏导数。混合偏导数相等的条件是f_xy和f_yx都连续。这个条件在考研中经常以“验证混合偏导数是否相等”的形式出现或者以反例的形式考查“不连续时混合偏导数可能不相等”。复习全书上有一个经典反例f(x,y) xy(x²-y²)/(x²y²)当(x,y)≠(0,0)f(0,0)0。这个函数在原点处的两个混合偏导数都存在但不相等。这个反例建议亲手算一遍算完之后对“连续”这个条件的重要性会有深刻体会。3. 复合函数与隐函数求导链式法则的实战拆解3.1 多元复合函数求导的链式法则怎么画树形图复合函数求导是这一章计算题的主力。一元复合函数是链式法则多元复合函数是链式法则的推广但变量之间的关系更复杂容易漏项或搞错偏导对象。画树形图是最可靠的方法。以z f(u,v)u u(x,y)v v(x,y)为例树形图的根是z第一层是u和v第二层是x和y。从z到x的路径有两条z→u→x和z→v→x。所以∂z/∂x ∂f/∂u · ∂u/∂x ∂f/∂v · ∂v/∂x。每条路径上的偏导数相乘不同路径的结果相加。这个“路径相乘、路径相加”的口诀适用于所有复合函数求导。但要注意如果中间变量本身又是多个变量的函数树形图会更深路径会更多。复习全书上的例题通常会给出三种情形中间变量是一元函数、中间变量是多元函数、以及混合情形。每一种都要练到能快速画出树形图并写出求导公式。3.2 隐函数求导的三种情形与公式推导隐函数求导分三种情形一元隐函数F(x,y)0、二元隐函数F(x,y,z)0、以及方程组确定的隐函数。每一种都有对应的求导公式但我不建议死记公式而是理解推导过程。以F(x,y,z)0为例两边对x求偏导注意y和z都是x的函数这里假设yy(x)zz(x)得到F_x F_y · dy/dx F_z · dz/dx 0。如果只求∂z/∂x则把y看作常数得到F_x F_z · ∂z/∂x 0所以∂z/∂x -F_x / F_z。这个推导过程比死记公式更可靠因为符号容易搞混。方程组的隐函数求导是难点通常需要用到雅可比行列式。复习全书上会给出公式但考试中更常见的是直接对方程组两边求导然后解线性方程组。这种方法虽然计算量大一些但不容易出错。3.3 变量替换下的偏导数计算从直角坐标到极坐标变量替换是多元函数微分学中的一个综合应用。典型题目是已知z f(x,y)令x r cosθy r sinθ求∂z/∂r和∂z/∂θ。或者反过来已知∂z/∂r和∂z/∂θ求∂z/∂x和∂z/∂y。这类题目的关键是不要混淆自变量和中间变量。在变量替换中x和y是旧变量r和θ是新变量z通过f依赖于x和y而x和y又依赖于r和θ。所以求∂z/∂r时要用链式法则∂z/∂r ∂z/∂x · ∂x/∂r ∂z/∂y · ∂y/∂r。复习全书上有一类题目是要求把方程中的偏导数用新变量表示出来比如把x∂z/∂x y∂z/∂y用r和θ表示。这类题目需要先求出旧变量对新变量的偏导数然后代入。计算量不小但套路固定练几道就能掌握。提示变量替换的题目一定要先写清楚变量关系再动手求导。我见过太多人直接套公式结果把∂z/∂x和∂x/∂z搞反了整道题全错。4. 多元函数极值无条件极值、条件极值与最值的完整解法4.1 无条件极值的判别法AC-B²的三种情况无条件极值是多元函数微分学中最常考的题型之一。解法分两步第一步求驻点即解方程组f_x0f_y0第二步用二阶偏导数判别。判别法则是设A f_xxB f_xyC f_yy计算AC - B²。如果AC - B² 0则有极值且A 0时为极小值A 0时为极大值如果AC - B² 0则无极值如果AC - B² 0则无法判定需要进一步分析。这个判别法的推导来源于二元函数的泰勒展开。理解推导过程有助于记忆AC - B²实际上是海森矩阵的行列式正定对应极小值负定对应极大值不定对应鞍点。复习全书上的例题通常会给出几种典型函数有唯一驻点的、有多个驻点的、以及驻点处AC - B² 0需要特殊处理的。最后一种情况虽然考得少但一旦出现就是拉分题。4.2 条件极值的拉格朗日乘数法构造与求解条件极值是求函数在约束条件下的极值。标准解法是拉格朗日乘数法构造L f λg其中g0是约束条件。然后解方程组L_x0L_y0L_λ0。这个方法的难点不在构造而在解方程组。很多时候方程组是非线性的需要消元或者利用对称性。复习全书上有一类题目是求椭球面上到原点距离最大最小的点或者求曲线上的点到直线的最短距离。这类题目的方程组通常有对称性可以利用对称性简化计算。拉格朗日乘数法也可以用于多个约束条件的情形此时需要引入多个乘数。考试中两个约束条件的情况偶尔出现三个以上的几乎不考。4.3 有界闭区域上连续函数的最值问题有界闭区域上的连续函数一定存在最大值和最小值这是闭区域上连续函数的性质。求最值的步骤是先求区域内部的驻点再求边界上的最值最后比较所有候选点的函数值。边界上的最值通常转化为条件极值问题或者直接代入边界方程化为一元函数求最值。复习全书上的例题通常会给出三角形区域、圆形区域、或者由几条曲线围成的区域。每一种区域的边界处理方式不同需要分别练习。我个人的经验是先画区域图再分边界讨论。画图能帮你避免遗漏边界段也能帮你判断哪些边界段需要单独处理。比如圆形区域的边界可以用参数方程代入三角形区域的边界需要分三段讨论。5. 微分学的几何应用切线、法平面、切平面与法线5.1 空间曲线的切线与法平面空间曲线通常由参数方程给出xx(t)yy(t)zz(t)。在tt₀处的切向量是(x(t₀), y(t₀), z(t₀))。切线方程是(x-x₀)/x(t₀) (y-y₀)/y(t₀) (z-z₀)/z(t₀)。法平面方程是x(t₀)(x-x₀) y(t₀)(y-y₀) z(t₀)(z-z₀) 0。如果空间曲线由两个曲面方程给出则需要先求出切向量。方法是对方程组两边求导然后解出dy/dx和dz/dx切向量就是(1, dy/dx, dz/dx)。这种方法在复习全书上有专门的例题。5.2 曲面的切平面与法线曲面由隐函数F(x,y,z)0给出时法向量是(F_x, F_y, F_z)。切平面方程是F_x(x-x₀) F_y(y-y₀) F_z(z-z₀) 0。法线方程是(x-x₀)/F_x (y-y₀)/F_y (z-z₀)/F_z。曲面由显函数zf(x,y)给出时可以改写为F(x,y,z)f(x,y)-z0法向量是(f_x, f_y, -1)。切平面方程是f_x(x-x₀) f_y(y-y₀) - (z-z₀) 0。复习全书上有一类题目是求曲面在某点处的切平面并求该切平面与坐标轴围成的体积。这类题目计算量不大但需要细心。5.3 方向导数与梯度从几何意义到计算方向导数衡量的是函数沿某个方向的变化率。计算公式是∂f/∂l f_x cosα f_y cosβ其中cosα和cosβ是方向l的方向余弦。梯度是向量(f_x, f_y)方向导数的最大值就是梯度的模取得最大值的方向就是梯度的方向。这部分内容在考试中通常以填空题或选择题的形式出现计算量不大但概念要清晰。复习全书上会强调梯度与等值线的关系梯度方向垂直于等值线指向函数值增加最快的方向。注意方向导数的计算中方向向量必须是单位向量。如果题目给的不是单位向量要先单位化再计算。这个细节很多人容易忽略。6. 这一章复习中我踩过的坑和总结的技巧6.1 概念辨析题的常见陷阱与应对策略概念辨析题是这一章最容易丢分的地方。我总结了几种常见陷阱第一种是“偏导数存在推出可微”这是错误的第二种是“方向导数存在推出可微”也是错误的第三种是“偏导数连续是可微的充要条件”这是错误的只是充分条件。应对策略是回到定义不要凭感觉。每一道概念题都要问自己这个条件能不能推出那个结论如果不能反例是什么复习全书上给出的反例要亲手算一遍算过之后印象会深刻很多。6.2 计算题中容易出错的符号与系数问题复合函数求导和隐函数求导中符号错误是最常见的。比如∂z/∂x和∂x/∂z容易搞混f_xy和f_yx容易写反拉格朗日乘数法中的λ容易漏掉负号。我的应对方法是每一步都写清楚变量关系。在求导之前先写出变量之间的依赖关系比如z依赖于u和vu和v依赖于x和y。然后按照树形图逐步求导不要跳步。虽然写得慢一些但正确率高很多。6.3 综合应用题的拆解思路与时间分配综合应用题通常涉及多个知识点比如先求偏导数再求极值最后求最值。这类题目需要拆解成若干个小步骤每一步都确保正确最后再综合。时间分配上我建议概念题控制在5分钟以内计算题控制在10分钟以内综合题控制在15分钟以内。如果一道题超过15分钟还没有思路先跳过做完其他题再回来。考试中时间管理比死磕一道题更重要。6.4 从这一章到后续章节的衔接要点多元函数微分学是后续重积分、曲线曲面积分的基础。偏导数和全微分的概念在重积分的变量替换中会用到梯度在曲线曲面积分中会用到极值问题在应用题中会用到。复习这一章的时候要有意识地为后续章节打基础。比如变量替换的题目其实就是在为重积分的极坐标变换做准备。极值问题的拉格朗日乘数法在条件极值的应用题中会反复出现。我个人在实际复习中的体会是这一章不要孤立地学要把它放在整个高等数学的框架里理解。偏导数是导数概念的推广全微分是微分概念的推广极值是极值概念的推广。理解了推广的逻辑这一章就不难了。最后再分享一个小技巧复习全书上的例题不要只看不写。我第一遍复习的时候就是只看不写结果第二遍做的时候发现很多题还是不会。后来改成每道例题都亲手算一遍哪怕算错了也要写完整过程效果好了很多。这一章的计算量不小动手写是唯一的捷径。
.zip到稳定串口通信：帧结构、CRC校验与寄存器解析实战)
