26 KiB
📌 第八章 多元函数微分学 考研核心通关笔记(数学二版)
范围声明(数学二):本笔记严格覆盖数学二考纲——偏导数、全微分、复合函数求导、隐函数求导、极值与条件极值、最值。 不考(勿浪费时间):方向导数与梯度、空间曲线切线与法平面、曲面的切平面与法线、二元函数二阶泰勒公式、多元函数积分学中的三重/曲线/曲面积分(均为数学一内容)。
① 本章核心知识框架 (Core Concept Map)
8.1 多元函数的基本概念
多元函数:设 D 是 xOy 平面上的非空点集,若对每个点 $(x,y) \in D$,变量 z 按照某一对应法则有唯一确定的值与之对应,则称 z 是 x,y 的二元函数,记作 $z = f(x,y)$。
- 极简例子: $z = \sqrt{1 - x^2 - y^2}$,定义域 $D = {(x,y) \mid x^2 + y^2 \le 1}$(单位圆盘)
二元函数的几何意义:z = f(x,y) 表示空间中的一张曲面;$z = C$(常数)对应曲面的等高线。
- 极简例子:
z = x^2 + y^2是旋转抛物面,z = 1是圆x^2 + y^2 = 1
n 元函数:$u = f(x_1, x_2, \ldots, x_n)$,数学二只需二元。
8.2 二元函数的极限与连续
二重极限:设 f(x,y) 在点 P_0(x_0,y_0) 的去心邻域内有定义,若当 P(x,y) 以任意方式趋于 P_0 时,f(x,y) 都趋于常数 $A$,则称 A 为 f 在 P_0 处的二重极限:
\lim_{(x,y)\to(x_0,y_0)} f(x,y) = A
- 极简例子: $\displaystyle\lim_{(x,y)\to(0,0)} \frac{\sin(x^2+y^2)}{x^2+y^2} = 1$(换元
t = x^2+y^2化为一元极限)
⚠️ 核心:二重极限与路径无关。若沿两条不同路径得到不同极限(或某路径极限不存在),则二重极限不存在——这是最常用的反证武器。
二元函数连续:$\displaystyle\lim_{(x,y)\to(x_0,y_0)} f(x,y) = f(x_0, y_0)$。
- 极简例子:
f(x,y) = x^2 + y^2在全平面连续;f(x,y) = \dfrac{xy}{x^2+y^2}在(0,0)处不连续(沿y=kx极限随k变)
有界闭区域上连续函数的性质(与一元类比):有界性、最值定理、介值定理(零点定理)。数学二只需了解,常作选择题背景。
连续与偏导的关系(与一元截然不同!):
\text{偏导存在} \not\Rightarrow \text{连续},\qquad \text{连续} \not\Rightarrow \text{偏导存在}
8.3 偏导数
偏导数定义:z = f(x,y) 在 (x_0,y_0) 处对 x 的偏导数
f_x'(x_0,y_0) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x, y_0) - f(x_0, y_0)}{\Delta x}
对 y 的偏导数同理(固定 $x$,对 y 求一元导数)。
- 极简例子: $f(x,y) = x^2 \sin y$:$f_x = 2x\sin y$,
f_y = x^2 \cos y
计算口诀:对谁求导,谁当变量;其余变量一律当常数(用一元求导公式)。
分段函数在分界点处的偏导数:只能用定义(先代值再求导不成立)。
- 极简例子: $f(x,y) = \begin{cases} \dfrac{xy}{x^2+y^2}, & (x,y) \ne (0,0) \ 0, & (x,y) = (0,0) \end{cases}$:$f_x(0,0) = \lim_{\Delta x\to 0}\dfrac{f(\Delta x,0)-0}{\Delta x} = \lim_{\Delta x\to 0}\dfrac{0}{\Delta x} = 0$,同理 $f_y(0,0)=0$(但函数在
(0,0)不连续!)
8.4 高阶偏导数
二阶偏导数(4 个):
f_{xx}'' = \frac{\partial^2 f}{\partial x^2},\quad f_{xy}'' = \frac{\partial^2 f}{\partial x \partial y},\quad f_{yx}'' = \frac{\partial^2 f}{\partial y \partial x},\quad f_{yy}'' = \frac{\partial^2 f}{\partial y^2}
- 极简例子: $f = x^3 y^2$:$f_{xy} = \dfrac{\partial}{\partial y}(3x^2 y^2) = 6x^2 y$,$f_{yx} = \dfrac{\partial}{\partial x}(2x^3 y) = 6x^2 y$(相等)
混合偏导相等定理(Clairaut):若 f_{xy}'' 与 f_{yx}'' 在点 (x_0,y_0) 连续,则 $f_{xy}''(x_0,y_0) = f_{yx}''(x_0,y_0)$。
⚠️ 前提是连续!不连续时混合偏导可能不相等。考研题目默认"二阶连续偏导",可直接交换次序化简。
8.5 全微分与可微性
全增量:$\Delta z = f(x_0+\Delta x, y_0+\Delta y) - f(x_0,y_0)$。
可微定义:若
\Delta z = A\Delta x + B\Delta y + o(\rho),\qquad \rho = \sqrt{(\Delta x)^2 + (\Delta y)^2}
其中 A, B 与 \Delta x, \Delta y 无关,则称 f 在 (x_0,y_0) 处可微,线性主部 A\Delta x + B\Delta y 称为全微分,记作
dz = A\,dx + B\,dy = f_x'(x_0,y_0)\,dx + f_y'(x_0,y_0)\,dy
- 极简例子: $z = xy$:
dz = y\,dx + x\,dy
可微的判定链(数学二选择题高频):
| 关系 | 结论 |
|---|---|
可微 \Rightarrow 连续 |
✅ |
可微 \Rightarrow 偏导存在 |
✅ |
偏导存在 \not\Rightarrow 可微 |
❌(反例 f = \dfrac{xy}{\sqrt{x^2+y^2}} 在原点) |
偏导连续 \Rightarrow 可微(充分不必要) |
✅ |
连续 \not\Rightarrow 偏导存在 |
❌ |
偏导存在 \not\Rightarrow 连续 |
❌ |
用定义判定可微三步(分段函数/分界点必用):
- 先验证偏导存在(用定义求 $f_x, f_y$);
- 计算 $\Delta z - [f_x(0,0)\Delta x + f_y(0,0)\Delta y]$;
- 判断
\dfrac{\Delta z - [f_x\Delta x + f_y\Delta y]}{\rho} \xrightarrow{\rho\to0} 0是否成立。
8.6 多元复合函数求导(链式法则)⭐⭐⭐
设 $z = f(u,v)$,$u = u(x,y)$,$v = v(x,y)$,则
\frac{\partial z}{\partial x} = \frac{\partial f}{\partial u}\cdot\frac{\partial u}{\partial x} + \frac{\partial f}{\partial v}\cdot\frac{\partial v}{\partial x},\qquad \frac{\partial z}{\partial y} = \frac{\partial f}{\partial u}\cdot\frac{\partial u}{\partial y} + \frac{\partial f}{\partial v}\cdot\frac{\partial v}{\partial y}
- 极简例子: $z = e^{u}\cos v$,$u = x^2 + y^2$,$v = xy$:
\frac{\partial z}{\partial x} = e^{u}\cos v\cdot 2x - e^{u}\sin v\cdot y = 2xe^{x^2+y^2}\cos(xy) - ye^{x^2+y^2}\sin(xy)
变量关系树(万能工具):顶层 z → 中层中间变量 u, v → 底层自变量 $x, y$。
- 口诀:同一条路径相乘,不同路径相加。
全导数(中间变量是一元函数):$z = f(x, y)$,$y = y(x)$:
\frac{dz}{dx} = f_x + f_y \cdot \frac{dy}{dx} \quad \text{(注意是 } d \text{ 不是 } \partial \text{)}
- 极简例子: $z = x^2 + y^2$,$y = \ln x$:
\dfrac{dz}{dx} = 2x + 2y\cdot\dfrac{1}{x} = 2x + \dfrac{2\ln x}{x}
抽象函数复合(考研必考):$z = f(2x-y, y\sin x)$,记 $f_1', f_2'$(对第一、第二位置的偏导),f_1' 仍与 f 有完全相同的复合结构——再求导时 f_1' 也必须按链式法则继续展开(这是最大失分点)。
全微分形式不变性:无论 u, v 是自变量还是中间变量,恒有 $dz = \dfrac{\partial z}{\partial u}du + \dfrac{\partial z}{\partial v}dv$。可用于绕过链式法则直接计算。
8.7 隐函数求导
隐函数存在定理:若 F(x,y,z) 在点 P_0 附近有连续偏导,且 $F(P_0) = 0$,$F_z(P_0) \neq 0$,则方程 F(x,y,z)=0 在 P_0 附近确定隐函数 $z = z(x,y)$,且
\frac{\partial z}{\partial x} = -\frac{F_x}{F_z},\qquad \frac{\partial z}{\partial y} = -\frac{F_y}{F_z}
- 极简例子: $x^2 + y^2 + z^2 = 1$(即 $F = x^2+y^2+z^2-1 = 0$):
\dfrac{\partial z}{\partial x} = -\dfrac{2x}{2z} = -\dfrac{x}{z}
二元隐函数:$F(x,y) = 0 \Rightarrow \dfrac{dy}{dx} = -\dfrac{F_x}{F_y}$。
- 极简例子: $e^y = xy$:$F = e^y - xy$,
\dfrac{dy}{dx} = -\dfrac{-y}{e^y - x} = \dfrac{y}{e^y - x}
隐函数二阶导:两种方法——① 直接对一阶导结果继续求导(注意 z 是 x,y 的函数,求导时用链式);② 公式法(F 的二阶偏导组合)。
8.8 多元函数的极值与最值
极值概念:若 f(x,y) 在 (x_0,y_0) 某邻域内满足 $f(x,y) \le f(x_0,y_0)$(极大)或 $\ge$(极小)。
驻点:f_x = f_y = 0 的点。
极值必要条件(费马推广):可微函数取极值处必为驻点(或不可导点)。
极值充分条件(AC-B² 判别法):设 (x_0,y_0) 是驻点,记
A = f_{xx}''(x_0,y_0),\quad B = f_{xy}''(x_0,y_0),\quad C = f_{yy}''(x_0,y_0)
| 条件 | 结论 |
|---|---|
AC - B^2 > 0 且 A > 0 |
极小值 |
AC - B^2 > 0 且 A < 0 |
极大值 |
AC - B^2 < 0 |
不是极值(鞍点) |
AC - B^2 = 0 |
需另法判定(如用定义) |
- 极简例子: $f = x^2 + y^2$:驻点 $(0,0)$,$A = 2, B = 0, C = 2$,
AC-B^2 = 4 > 0且A>0→ 极小值f(0,0)=0
有界闭区域上的最值(三步):
- 求区域内部驻点,算函数值;
- 求边界上的最值(化为一元问题:参数化或拉格朗日);
- 全部候选值比较,最大者为最大值。
8.9 条件极值与拉格朗日乘数法
条件极值:在约束 \varphi(x,y) = 0 下求 f(x,y) 的极值。
拉格朗日乘数法(数学二高频大题):
- 构造拉格朗日函数 $L(x,y,\lambda) = f(x,y) + \lambda\varphi(x,y)$;
- 解方程组
\begin{cases} L_x = f_x + \lambda\varphi_x = 0 \\ L_y = f_y + \lambda\varphi_y = 0 \\ L_\lambda = \varphi(x,y) = 0 \end{cases}
- 所得驻点代入比较(或由实际背景判别极大/极小)。
- 极简例子: 求
xy在x + y = 1下的最大值:$L = xy + \lambda(x+y-1)$,得y + \lambda = 0,\ x + \lambda = 0,\ x+y=1→ $x = y = \tfrac12$,最大值为\tfrac14
💡 二元+一个约束,也可消元法:从
\varphi = 0解出y = y(x)代入f化为一元最值——但拉格朗日法更通用,考研主考拉格朗日。
② 必考题型分类索引
| # | 题型 | 核心判据 | 详细笔记 |
|---|---|---|---|
| 1 | 重极限与连续 | 路径法证不存在;\lim_{(x,y)\to(0,0)} 型换元 |
题型1_重极限与连续 |
| 2 | 偏导数与全微分概念 | 分段函数在分界点用定义;可微性三步判定 | 题型2_偏导数与全微分 |
| 3 | 多元复合函数求导 | 链式法则 + 抽象函数 f_1', f_2' 二阶偏导 |
题型3_多元复合函数求导 |
| 4 | 隐函数求导 | F(x,y,z) = 0 公式法 / 直接法 |
题型4_隐函数求导 |
| 5 | 多元函数极值与最值 | 驻点 + $AC-B^2$;区域最值三步 | 题型5_多元函数极值与最值 |
| 6 | 条件极值与拉格朗日 | 约束 $\varphi(x,y) = 0$;应用题建模 | 题型6_条件极值与拉格朗日乘数法 |
③ 高频考点与多维变换
Top 5 高频考点
| 排名 | 考点 | 考频(数二) | 典型分值 |
|---|---|---|---|
| 1 | 多元复合函数求导(抽象函数二阶偏导) | 每年必考 | 8-12 分大题 |
| 2 | 全微分与可微性判定(概念选择题) | 高频 | 4-5 分 |
| 3 | 隐函数求导(含二阶) | 高频 | 4-8 分 |
| 4 | 无条件极值(AC - B^2 判别) |
高频 | 5-10 分 |
| 5 | 条件极值(拉格朗日乘数法) | 高频(应用题) | 8-10 分 |
备考核心:抽象复合函数二阶偏导 = 数学二多元微分第一大题;概念选择题盯"可微/连续/偏导关系"。
【示例:一题多角度】
核心概念:二元函数"可微、连续、偏导存在"三者关系(与一元完全不同)。
角度一:概念选择题(判断题)
设 $f(x,y) = \begin{cases} \dfrac{xy}{x^2+y^2}, & (x,y)\ne(0,0) \ 0, & (x,y)=(0,0) \end{cases}$,则
f在(0,0)处( ) A. 连续但不可偏导 B. 可偏导但不连续 C. 可微 D. 连续且可偏导
- $f_x(0,0) = \lim_{\Delta x\to0}\dfrac{0-0}{\Delta x} = 0$,
f_y(0,0) = 0→ 可偏导 - 沿 $y = kx$:$f(x, kx) = \dfrac{kx^2}{(1+k^2)x^2} = \dfrac{k}{1+k^2}$,随
k变 → 极限不存在 → 不连续 - 答案 B。核心结论:偏导存在推不出连续!
角度二:计算题(全微分)
设
z = f(x,y) = x^2 e^y在(1, 0)处求全微分。
- $f_x = 2xe^y = 2$,$f_y = x^2 e^y = 1$(偏导连续 → 可微)
- $dz = 2,dx + 1\cdot dy = 2dx + dy$(在
(1,0)处)
启示:概念题用反例与路径法,计算题用公式;两者考查的是同一关系的两面。
【示例:一题多角度 · 抽象复合二阶偏导】
核心概念:$z = f(x^2 + y^2, xy)$,f 有二阶连续偏导,求 $\dfrac{\partial^2 z}{\partial x\partial y}$。
角度一(正确做法——f_1' 也要继续复合求导):
\frac{\partial z}{\partial x} = f_1'\cdot 2x + f_2'\cdot y
\frac{\partial^2 z}{\partial x\partial y} = \frac{\partial}{\partial y}(2x f_1' + y f_2') = 2x(f_{11}''\cdot 2y + f_{12}''\cdot x) + f_2' + y(f_{21}''\cdot 2y + f_{22}''\cdot x)
= 4xy f_{11}'' + 2x^2 f_{12}'' + f_2' + 2y^2 f_{21}'' + xy f_{22}''
由混合偏导连续 $f_{12}'' = f_{21}''$:
\boxed{\frac{\partial^2 z}{\partial x\partial y} = 4xy f_{11}'' + (2x^2 + 2y^2) f_{12}'' + f_2' + xy f_{22}''}
角度二(经典错误——f_1' 对 y 求导只算一项):
\frac{\partial^2 z}{\partial x\partial y} = 2x(f_{11}''\cdot 2y) + f_2' + y(f_{22}''\cdot x) \quad \text{❌ 漏了 } f_{12}'', f_{21}'' \text{ 项}
启示:f_1', f_2' 与原函数 f 有完全相同的复合结构——对它们再求偏导时,必须再次用链式法则展开(两项都要算)。这是全国考生最高频失分点。
④ 方法论与解题通法 (Methodology)
方法一:链式法则「变量关系树」⭐⭐⭐
flowchart TD
A[z] --> B[u]
A --> C[v]
B --> D[x]
B --> E[y]
C --> D
C --> E
- 同一条路径相乘:
z \to u \to x贡献\dfrac{\partial z}{\partial u}\cdot\dfrac{\partial u}{\partial x} - 不同路径相加:
\dfrac{\partial z}{\partial x} = \dfrac{\partial z}{\partial u}\dfrac{\partial u}{\partial x} + \dfrac{\partial z}{\partial v}\dfrac{\partial v}{\partial x}
判断依据(何时用):见到"复合函数 + 求偏导"就用树状图,先画关系、再抄公式,绝不心算。
方法二:可微性判定「三步法」⭐⭐⭐
适用:分段函数在分界点处的可微性讨论(数学二选择题大题常考)。
- 偏导存在:用定义 $f_x(0,0) = \lim_{\Delta x\to0}\dfrac{f(\Delta x,0)-f(0,0)}{\Delta x}$,同理 $f_y$;
- 作差:$\Delta z - [f_x(0,0)\Delta x + f_y(0,0)\Delta y]$;
- 极限判别:$\lim_{\rho\to0}\dfrac{\Delta z - [f_x\Delta x + f_y\Delta y]}{\rho}$,$\rho = \sqrt{\Delta x^2 + \Delta y^2}$。
- 等于
0→ 可微;否则不可微。
- 等于
常见反例积累:$f = \dfrac{xy}{\sqrt{x^2+y^2}}$(偏导存在但不连续不可微);$f = \dfrac{xy}{x^2+y^2}$(不连续,偏导存在);$f = \sqrt{\lvert xy\rvert}$(连续但不可偏导)。
方法三:无条件极值「AC-B^2 判别」⭐⭐⭐
- 解
f_x = f_y = 0得全部驻点(还要检查不可导点); - 对每个驻点算 $A = f_{xx}''$,$B = f_{xy}''$,$C = f_{yy}''$;
AC - B^2定号 → 极值类型(见 8.8 表)。
⚠️
AC - B^2 = 0时方法失效:改用定义或沿特殊路径考察函数值符号。
方法四:拉格朗日乘数法「五步模板」⭐⭐⭐
- 写目标:$f(x,y)$,写约束:$\varphi(x,y) = 0$;
- 构造:$L = f + \lambda\varphi$;
- 列方程组:$L_x = L_y = L_\lambda = 0$(3 个方程 3 个未知数);
- 解驻点(常需分类讨论
x, y, \lambda为零与否); - 比较定最值:把驻点代入 $f$,由实际背景或边界比较判极大/极小。
判断依据(何时用):题目出现"在……条件下求……极值/最值"→ 条件极值 → 拉格朗日。若约束可轻易解出
y=y(x)且目标简单,可用消元法(但步骤 2-3 更稳)。
方法五:隐函数求导「公式法 vs 直接法」
| 方法 | 适用 | 操作 |
|---|---|---|
| 公式法 | 一阶偏导 | $z_x = -\dfrac{F_x}{F_z}$,$z_y = -\dfrac{F_y}{F_z}$(先构造 $F$,再对 x,y,z 求偏导) |
| 直接法 | 二阶偏导/复杂情形 | 对方程两边直接求偏导(记住 z 是 x,y 的函数),解出 $z_x$;再对 z_x 继续求导得 z_{xx}, z_{xy} |
口诀:一阶用公式,二阶用直接(直接法不易漏链式项)。
方法六:全微分形式不变性「绕过链式」⭐⭐
若 z = f(u,v) 且 u,v 可微,则无论 u,v 是自变量还是中间变量:
dz = f_u'\,du + f_v'\,dv
用法:求复合函数偏导时,先写全微分,再对比 dx, dy 的系数直接读出偏导——避免长链式展开。
- 极简例子: $z = \sin(xy)$:
dz = \cos(xy)\cdot (y\,dx + x\,dy) = y\cos(xy)\,dx + x\cos(xy)\,dy→ 直接读出 $z_x = y\cos(xy)$,z_y = x\cos(xy)
⑤ 易错点红黑榜 (The Pitfall List)
❌ 错误 1:把"偏导存在"当"连续"(或可微)
- 错误表现:由
f_x(0,0), f_y(0,0)存在推出f在原点连续/可微 - 正确理解:多元中偏导存在推不出连续,更推不出可微;反之连续也推不出偏导存在。三者互相独立,判定必须逐个验证。
【对比示例】:
❌ f(x,y)=xy/(x²+y²) 在 (0,0) 可偏导 f_x=f_y=0 → "连续"
✅ 沿 y=kx 极限 = k/(1+k²) 随 k 变 → 极限不存在 → 不连续(可偏导但不可微)
❌ 错误 2:抽象复合函数二阶偏导漏项(最致命)
- 错误表现:$z = f(x^2+y^2, xy)$,对
\dfrac{\partial z}{\partial x} = 2x f_1' + y f_2'再求\dfrac{\partial}{\partial y}时,只对f_1'求一项、漏掉f_{12}''交叉项 - 正确理解:
f_1'仍具有与f完全相同的复合结构!对f_1'求\partial/\partial y时,两个位置都要按链式展开:$f_1'\to (f_{11}''\cdot 2y + f_{12}''\cdot x)$。
❌ 错误 3:分段函数分界点求偏导"先代值再求导"
- 错误表现:对 $f(x,y) = \begin{cases} \frac{xy}{x^2+y^2} & (x,y)\ne(0,0) \ 0 & (x,y)=(0,0)\end{cases}$,直接算
\dfrac{\partial}{\partial x}\left(\dfrac{xy}{x^2+y^2}\right)\Big|_{(0,0)} - 正确理解:分界点处偏导必须用定义(偏导是增量比的极限);先用一元法则对表达式求导只适用于"分界点之外"的点。
❌ 错误 4:隐函数公式丢负号/用错分母
- 错误表现:
F(x,y)=0求y'写成 $-\dfrac{F_y}{F_x}$(分子分母颠倒) - 正确理解:$\dfrac{dy}{dx} = -\dfrac{F_x}{F_y}$;
F(x,y,z)=0时 $\dfrac{\partial z}{\partial x} = -\dfrac{F_x}{F_z}$。谁是被求的因变量,谁在分母。
❌ 错误 5:无条件极值漏掉"不可导点"
- 错误表现:只解
f_x = f_y = 0的驻点,漏了偏导不存在的点 - 正确理解:极值点 = 驻点 ∪ 不可导点。如
f = \sqrt{x^2 + y^2}在(0,0)取极小值,但该点偏导不存在。
❌ 错误 6:AC - B^2 判别中 B 取错
- 错误表现:把
B写成f_{yx}而题目只给 $f_{xy}$,或把A, C位置搞混导致判错 - 正确理解:$A = f_{xx}$,$B = f_{xy}$,$C = f_{yy}$(混合偏导连续时 $f_{xy} = f_{yx}$,可放心使用)。
❌ 错误 7:拉格朗日乘数法解方程漏解/不会分类
- 错误表现:解
\begin{cases} x + \lambda = 0 \\ y + \lambda = 0 \\ x + y = 1 \end{cases}时直接除变量,丢x=0或y=0的解 - 正确理解:解方程组要按"是否为零"分类讨论(如
\lambda=0与 $\lambda\neq0$、x=0与 $x\neq0$),所有驻点都要保留并代入比较。
❌ 错误 8:最值问题只算内部驻点、忽略边界
- 错误表现:求
f在闭区域D上最值时,只比较内部驻点函数值 - 正确理解:有界闭区域最值 = 内部驻点值 ∪ 边界最值 ∪ 不可导点值,全部比较取最大最小。边界常用拉格朗日或参数化处理。
❌ 错误 9:混合偏导次序随意交换(条件缺失)
- 错误表现:题设只说"偏导存在"就写
f_{xy} = f_{yx} - 正确理解:交换次序需要
f_{xy}, f_{yx}连续。考研题一般明示"二阶连续偏导",此时可交换;否则需谨慎。
❌ 错误 10:可微判定中 \rho 写成 \lvert\Delta x\rvert 或 \lvert\Delta y\rvert
- 错误表现:判定
\lim_{\rho\to 0}\dfrac{\Delta z - f_x\Delta x - f_y\Delta y}{\rho}时把分母\rho写成\sqrt{\Delta x^2 + \Delta y^2}之外的形式 - 正确理解:
\rho = \sqrt{(\Delta x)^2 + (\Delta y)^2}是点(x_0+\Delta x, y_0+\Delta y)到(x_0,y_0)的距离,是二维的。
⑥ 考研导向复习策略 (Exam Strategy)
优先级与建议题量(数学二)
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|---|---|---|---|
| 多元复合函数求导(抽象二阶) | 极高 | 30道 | 数学二每年必考大题,f_1', f_2' 链式展开必须形成肌肉记忆 |
| 全微分与可微性判定 | 高 | 15道 | 概念选择题高频,反例要背熟 |
| 隐函数求导 | 高 | 15道 | 一阶公式 + 二阶直接法 |
| 无条件极值($AC-B^2$) | 高 | 15道 | 大题常考,判别流程要快 |
| 条件极值(拉格朗日) | 高 | 15道 | 应用题建模,解方程组能力 |
| 重极限与连续 | 中 | 8道 | 路径法为主,会判断不存在即可 |
| 最值(区域型) | 中 | 8道 | 内部+边界完整比较 |
跨章节连接
┌──────────────────────────────────────┐
│ 本章 (Ch08) 多元函数微分学 │
│ · 偏导/全微分/复合/隐函数 │
│ · 极值/条件极值/最值 │
└────────────────┬─────────────────────┘
│
┌───────────────┬───────────────┼───────────────┬──────────────┐
↓ ↓ ↓ ↓ ↓
Ch02 导数与微分 Ch03 中值定理 Ch04/05 积分 Ch09 二重积分 Ch07 微分方程
一元求导是基础 极值理论类比 变限积分求导 极坐标换序 隐函数与复合
链式法则推广 费马引理推广 与重极限结合 偏导是前奏 变量关系树
🔥 跨章节综合题命题模式(数学二)
模式 1:复合函数求导 + 变限积分(Ch08 → Ch05 ⭐⭐⭐)
F(x) = \displaystyle\int_0^x f(x,t)\,dt型:先换元/拆项使被积函数不含 $x$,再用"对谁求导"的链式展开;与含参积分结合是数学二难题。
模式 2:二重积分 + 偏导(Ch08 → Ch09 ⭐⭐⭐)
二重积分含参
F(x) = \iint_D f(x,y)\,dxdy的求导,或"f(t)连续,求二次积分"选择题——需用极坐标与偏导概念。
模式 3:极值 + 应用题建模(Ch08 → Ch06 ⭐⭐)
几何(距离最近点、曲面上最值)与物理(最大体积、最小表面积)应用题 = 无条件/条件极值。
模式 4:隐函数 + 微分方程(Ch08 → Ch07 ⭐)
由隐函数关系导出微分方程(对隐式关系两边求导建立方程),综合题偶见。
【终极母题推荐】(数学二)
题目:设 $z = f(2x - y, y\sin x)$,其中
f具有二阶连续偏导数,求 $\dfrac{\partial^2 z}{\partial x \partial y}$。
解析:
Step 1:一阶偏导(链式法则) 记 $u = 2x - y$,$v = y\sin x$,$f_1' = \dfrac{\partial f}{\partial u}$,$f_2' = \dfrac{\partial f}{\partial v}$:
\frac{\partial z}{\partial x} = f_1'\cdot 2 + f_2'\cdot y\cos x = 2f_1' + y\cos x\, f_2'
Step 2:对 y 再求偏导(关键:f_1', f_2' 仍是复合函数!)
\frac{\partial^2 z}{\partial x\partial y} = \frac{\partial}{\partial y}(2f_1') + \frac{\partial}{\partial y}(y\cos x\, f_2')
第一项:f_1' 对 y 求导,两个位置都要展开:
\frac{\partial f_1'}{\partial y} = f_{11}''\cdot(-1) + f_{12}''\cdot \sin x
第二项(乘法法则):
\cos x\, f_2' + y\cos x\left(f_{21}''\cdot(-1) + f_{22}''\cdot\sin x\right)
Step 3:合并(利用 $f_{12}'' = f_{21}''$)
\boxed{\frac{\partial^2 z}{\partial x\partial y} = -2f_{11}'' + (2\sin x - \cos x)f_{12}'' + \cos x\, f_2' - y\cos x\, f_{21}'' + y\cos x\sin x\, f_{22}''}
整理($f_{12}'' = f_{21}''$):
\boxed{\frac{\partial^2 z}{\partial x\partial y} = -2f_{11}'' + (2\sin x - \cos x)f_{12}'' + \cos x\cdot f_2' + y\cos x(\sin x\, f_{22}'' - f_{12}'')}
这道题浓缩了:
- 链式法则树状图(两条路径求 $\partial z/\partial x$)
f_1', f_2'再求导必须按链式二次展开(数学二最高频失分点)- 乘法法则处理
y\cos x\cdot f_2' - 混合偏导连续 →
f_{12}'' = f_{21}''化简
做完且理解透彻 → 多元复合函数求导"通关"。
⑦ 附录:速查表
一、可微性关系图(必背)
偏导连续
↓(充分)
可微 ──────→ 连续
↓(必要) ↓
偏导存在 (无箭头关系)
记忆口诀:连续最弱、偏导存在另立门户;只有"可微"是枢纽——向上够得着连续,向下要得到偏导。
二、常见反例库(概念选择题弹药)
| 函数(原点处) | 连续 | 偏导存在 | 可微 |
|---|---|---|---|
f = \dfrac{xy}{x^2+y^2} |
❌ | ✅ | ❌ |
f = \dfrac{xy}{\sqrt{x^2+y^2}} |
✅ | ✅ | ❌ |
f = \sqrt{\lvert xy\rvert} |
✅ | ❌ | ❌ |
f = x^2 + y^2 |
✅ | ✅ | ✅ |
三、拉格朗日方程组模板
求 f(x,y) 在 \varphi(x,y)=0 下的极值:
\begin{cases} f_x + \lambda\varphi_x = 0 \\ f_y + \lambda\varphi_y = 0 \\ \varphi(x,y) = 0 \end{cases}
四、常见全微分速算
z |
dz |
|---|---|
e^{xy} |
e^{xy}(y\,dx + x\,dy) |
\ln(x^2 + y^2) |
\dfrac{2(x\,dx + y\,dy)}{x^2 + y^2} |
\arctan\dfrac{y}{x} |
\dfrac{x\,dy - y\,dx}{x^2 + y^2} |
x^y |
x^y\left(\dfrac{y}{x}\,dx + \ln x\,dy\right) |