179 lines
11 KiB
Markdown
179 lines
11 KiB
Markdown
---
|
||
tags: [数学一, 模拟卷, 复盘专项, 多元函数, 概率论, 数理统计, 知识点盘点]
|
||
专题: 复盘专项 · 第一次模拟遗忘点 · 知识点盘点
|
||
日期: 2026-10-30
|
||
状态: 知识点盘点(§1—§6 地图 + §0.4 题级对照),覆盖对照见 01b,配套 6 个点分册共 16 题
|
||
关联笔记: ["[[README]]", "[[10-速查卡]]"]
|
||
---
|
||
|
||
# 复盘专项 · 第一次模拟遗忘点 · 知识点盘点
|
||
|
||
「第一次模拟」十个选择题里,**第 3 题(多元函数可微/偏导/方向导数关系)、第 8 题(条件分布下协方差计算)、第 10 题(假设检验拒绝域)完全忘了**,填空 **第 13 题(方向导数计算)** 也忘了。本盘点把这几处的全部考点摊开当字典查,配套 6 个点分册共 16 题(知识点带题、题带完整解)。
|
||
|
||
六个点的核心记忆锚:
|
||
|
||
- **点 1(多元函数关系)**:偏导连续 ⟹ 可微;**偏导存在、方向导数全存在都推不出可微**——忘就忘在这几条"推不出"上。
|
||
- **点 2(方向导数)**:方向导数 = 梯度 $\cdot$ **单位**方向;最大 $=|\nabla f|$ 沿梯度方向。
|
||
- **点 3(全微分与链式)**:$df$ 的系数就是偏导;复合函数不能直接"换变量"。
|
||
- **点 4(条件分布)**:$E(XY)=E[X\cdot E(Y\mid X)]$——条件分布题的总开关。
|
||
- **点 5(协方差)**:$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$;不独立时 $D(X\pm Y)$ 有交叉项。
|
||
- **点 6(假设检验)**:拒绝域三看(单双侧 → 方向 → 分布自由度);$\alpha$ 与 $\beta$ 此消彼长。
|
||
|
||
## 0 导航(四张表)
|
||
|
||
### 0.1 按遗忘优先级排(时间紧就照这个顺序)
|
||
|
||
| 优先 | 点 | 原题锚点 | 题量 | 文件 |
|
||
|---|---|---|---|---|
|
||
| 1 | 多元函数定义关系 | 原卷第 3 题(完全忘了) | 3 | `02` |
|
||
| 2 | 条件分布与协方差 | 原卷第 8 题(完全忘了) | 3 | `05` |
|
||
| 3 | 假设检验拒绝域 | 原卷第 10 题(完全忘了) | 3 | `07` |
|
||
| 4 | 方向导数与梯度 | 原卷第 13 题(填空,忘了) | 3 | `03` |
|
||
| 5 | 全微分与链式法则 | 同章易考(顺带补) | 2 | `04` |
|
||
| 6 | 协方差与方差联动 | 同章易考(顺带补) | 2 | `06` |
|
||
|
||
### 0.2 依赖链(也就是建议的阅读顺序)
|
||
|
||
`02` 多元函数关系 → `03` 方向导数与梯度 → `04` 全微分与链式 → `05` 条件分布与协方差 → `06` 协方差与方差联动 → `07` 假设检验。**前三个点是多元函数一条链**(关系判断 → 计算工具 → 全微分),后三个点是概率统计一条链(条件分布 → 协方差 → 检验)。两条链互不依赖,可按遗忘轻重跳。
|
||
|
||
### 0.3 符号约定
|
||
|
||
| 记号 | 含义 |
|
||
| ------------------------- | ------------------------------------- |
|
||
| $f_x,f_y$ | 对 $x,y$ 的偏导;$f_{xy}$ 混合偏导 |
|
||
| $\Delta z$ | 全增量 $f(x+\Delta x,y+\Delta y)-f(x,y)$ |
|
||
| $\rho$ | $\sqrt{\Delta x^2+\Delta y^2}$ |
|
||
| $\nabla f$ | 梯度 $(f_x,f_y,f_z)$ |
|
||
| $\boldsymbol e$ | 单位方向向量 |
|
||
| $E(Y\mid X)$ | 条件期望($X$ 的函数) |
|
||
| $\operatorname{Cov}(X,Y)$ | 协方差 |
|
||
| $\rho_{XY}$ | 相关系数 |
|
||
| $\alpha,\beta$ | 第Ⅰ类、第Ⅱ类错误概率 |
|
||
|
||
### 0.4 知识点与练习文件对照(按知识点粒度)
|
||
|
||
<!-- AUTO:KP -->
|
||
| 盘点章节(知识点) | 对应题目 |
|
||
|---|---|
|
||
| §1.1 连续与偏导存在 | [点 1 题 1](02-点1-多元函数定义关系.md#user-content-题-1--11连续偏导两件事) |
|
||
| §1.2 可微与方向导数 | [点 1 题 2](02-点1-多元函数定义关系.md#user-content-题-2--12定义法判可微) |
|
||
| §1.3 四组关系与判定武器 | [点 1 题 3](02-点1-多元函数定义关系.md#user-content-题-3--13四性质综合辨析) |
|
||
| §2.1 方向导数公式与单位化 | [点 2 题 1](03-点2-方向导数与梯度.md#user-content-题-1--21方向导数三步走)、[点 2 题 2](03-点2-方向导数与梯度.md#user-content-题-2--21方向向量必须单位化) |
|
||
| §2.2 梯度与最值 | [点 2 题 3](03-点2-方向导数与梯度.md#user-content-题-3--22梯度的方向与最值) |
|
||
| §3.1 全微分 | [点 3 题 1](04-点3-全微分与链式法则.md#user-content-题-1--31全微分系数即偏导) |
|
||
| §3.2 链式法则 | [点 3 题 2](04-点3-全微分与链式法则.md#user-content-题-2--32复合函数链式恒等式) |
|
||
| §4.1 重期望公式 | [点 4 题 1](05-点4-条件分布与协方差.md#user-content-题-1--41重期望求无条件矩) |
|
||
| §4.2 $E(XY)$ 的展开 | [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) |
|
||
| §4.3 条件二阶矩与方差 | [点 4 题 3](05-点4-条件分布与协方差.md#user-content-题-3--43协方差相关系数综合) |
|
||
| §5.1 协方差定义与性质 | [点 5 题 1](06-点5-协方差与方差联动.md#user-content-题-1--51联合分布直算协方差) |
|
||
| §5.2 方差联动 | [点 5 题 2](06-点5-协方差与方差联动.md#user-content-题-2--52方差联动与相关系数) |
|
||
| §6.1 三看定拒绝域 | [点 6 题 1](07-点6-假设检验拒绝域.md#user-content-题-1--61双侧t检验拒绝域)、[点 6 题 2](07-点6-假设检验拒绝域.md#user-content-题-2--61数值判定与结论) |
|
||
| §6.2 两类错误 | [点 6 题 3](07-点6-假设检验拒绝域.md#user-content-题-3--62两类错误与拒绝域综合) |
|
||
|
||
## 1 多元函数:连续 / 偏导存在 / 可微 / 方向导数(对应原卷第 3 题)
|
||
|
||
### 1.1 连续与偏导存在
|
||
|
||
**连续**:$\lim\limits_{(x,y)\to(x_0,y_0)}f(x,y)=f(x_0,y_0)$——**沿任意路径**趋近极限存在且等于函数值(必须"任意路径",一条路径不够)。
|
||
|
||
**偏导**:$f_x(x_0,y_0)=\lim\limits_{\Delta x\to0}\dfrac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$,$f_y$ 同理——**只沿坐标轴方向**的差商极限。
|
||
|
||
**两者无关**:偏导存在 ⟹ 连续**是假的**。反例 $f=\dfrac{xy}{x^2+y^2}$(原点补 0):$f_x(0,0)=f_y(0,0)=0$(沿坐标轴恒为 0),但沿 $y=x$ 趋近时 $f\to\dfrac12\ne0$,不连续。
|
||
|
||
### 1.2 可微与方向导数
|
||
|
||
**可微**:若全增量 $\Delta z=f_x\Delta x+f_y\Delta y+o(\rho)$,则 $f$ 在点可微——全增量能写成"线性主部 + 高阶无穷小"。
|
||
|
||
**方向导数**:$\dfrac{\partial f}{\partial\boldsymbol e}=\lim\limits_{t\to0}\dfrac{f(x_0+t\cos\theta,y_0+t\sin\theta)-f(x_0,y_0)}{t}$——沿**射线**的差商极限。可微时 $\dfrac{\partial f}{\partial\boldsymbol e}=f_x\cos\theta+f_y\sin\theta$。
|
||
|
||
**两者无关之二**:方向导数全存在 ⟹ 可微**是假的**。反例 $f=\dfrac{x^2y^2}{(x^2+y^2)^{3/2}}$(原点补 0):沿任意方向 $(\cos\theta,\sin\theta)$ 方向导数 $=\cos^2\theta\sin^2\theta$ 都存在,但可微则方向导数必为 $f_x\cos\theta+f_y\sin\theta=0$,取 $\theta=\dfrac\pi4$ 得 $\dfrac14\ne0$,矛盾 ⟹ 不可微。
|
||
|
||
### 1.3 四组关系与判定武器(必背)
|
||
|
||
| 关系 | 结论 | 反例 / 说明 |
|
||
|---|---|---|
|
||
| 偏导连续 ⟹ 可微 | **√ 充分条件** | $f_x,f_y$ 某邻域存在且在该点连续 |
|
||
| 可微 ⟹ 连续、偏导存在 | √ | 可微是最强条件 |
|
||
| 偏导存在 ⟹ 连续 | ✗ | $f=\dfrac{xy}{x^2+y^2}$ |
|
||
| 方向导数全存在 ⟹ 可微 | ✗ | $f=\dfrac{x^2y^2}{(x^2+y^2)^{3/2}}$ |
|
||
| 偏导存在 ⟹ 方向导数存在 | ✗ | 偏导只是两条坐标轴方向 |
|
||
| $f_{xy}=f_{yx}$ | **需混合偏导连续** | 只"存在"不够 |
|
||
|
||
**判定武器**:①偏导连续 ⟹ 可微(直接用);②定义法检验 $\dfrac{\Delta z-f_x\Delta x-f_y\Delta y}{\rho}\to0$;③**可微则方向导数 $=f_x\cos\theta+f_y\sin\theta$**——沿某方向算出来不等,立即判不可微。
|
||
|
||
## 2 方向导数与梯度(对应原卷第 13 题)
|
||
|
||
### 2.1 方向导数公式与单位化
|
||
|
||
可微时,沿单位方向 $\boldsymbol e=(e_1,e_2,e_3)$:
|
||
|
||
$$\frac{\partial f}{\partial\boldsymbol e}=\nabla f\cdot\boldsymbol e=f_xe_1+f_ye_2+f_ze_3.$$
|
||
|
||
**坑(唯一分岔点)**:方向向量**必须先单位化**。给 $\boldsymbol l=(3,-4)$ 要用 $\left(\dfrac35,-\dfrac45\right)$,模 5 不能省。三步:梯度 → 单位化 → 点乘。
|
||
|
||
### 2.2 梯度与最值
|
||
|
||
$\nabla f=(f_x,f_y,f_z)$。**方向导数最大值 $=|\nabla f|$**(沿梯度方向),最小值 $=-|\nabla f|$(沿负梯度方向);方向导数为 0 ⟺ 方向与梯度正交。
|
||
|
||
## 3 全微分与链式法则(同章易考)
|
||
|
||
### 3.1 全微分
|
||
|
||
可微时 $df=f_x\,\mathrm dx+f_y\,\mathrm dy$($dz=z_x\mathrm dx+z_y\mathrm dy$)。**$df$ 的系数恰好是偏导**——"已知 $df$ 求偏导""已知沿坐标轴方向的方向导数求 $df$"是高频小题(沿 $(1,0)$ 方向的方向导数 $=f_x$)。
|
||
|
||
### 3.2 链式法则
|
||
|
||
$z=f(u,v)$,$u=u(x,y)$,$v=v(x,y)$:
|
||
|
||
$$z_x=f_u\cdot u_x+f_v\cdot v_x,\qquad z_y=f_u\cdot u_y+f_v\cdot v_y.$$
|
||
|
||
$f(x^2+y^2)$ 型(一元函数复合二元):$z_x=2x\,f'(x^2+y^2)$,$z_y=2y\,f'(x^2+y^2)$——**不能**直接"换变量"。
|
||
|
||
## 4 条件分布与重期望(对应原卷第 8 题)
|
||
|
||
### 4.1 重期望公式
|
||
|
||
$$E(Y)=E\big[E(Y\mid X)\big],\qquad E\big[g(X,Y)\big]=E\Big[E\big(g(X,Y)\mid X\big)\Big].$$
|
||
|
||
条件分布给出 $E(Y\mid X=x)$($U(0,x)$ 是 $\dfrac x2$;$U(0,x^2)$ 是 $\dfrac{x^2}2$),外层再对 $X$ 取期望。
|
||
|
||
### 4.2 $E(XY)$ 的展开
|
||
|
||
$$E(XY)=E\big[X\cdot E(Y\mid X)\big].$$
|
||
|
||
**$X$ 提到条件期望外面**是条件分布题的总开关;$E(XY)=EX\cdot EY$ 只在独立时成立,这里 $Y$ 由 $X$ 决定,**绝不能拆**。
|
||
|
||
### 4.3 条件二阶矩与方差
|
||
|
||
$$E(Y^2)=E\big[E(Y^2\mid X)\big],\qquad DY=E(Y^2)-(EY)^2.$$
|
||
|
||
$Y\mid X\sim U(0,x)$ 时 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$。算 $\rho_{XY}$ 要 $\sqrt{DX}\sqrt{DY}$,二阶矩同样走重期望。
|
||
|
||
## 5 协方差与相关系数(同章易考)
|
||
|
||
### 5.1 协方差定义与性质
|
||
|
||
$$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY.$$
|
||
|
||
性质:对称;$Cov(X,c)=0$;$Cov(aX+b,Y)=aCov(X,Y)$;$Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y)$;$Cov(X,X)=DX$。$\rho_{XY}=\dfrac{Cov}{\sqrt{DX}\sqrt{DY}}$,$|\rho|\le1$ 只描述**线性**相关。
|
||
|
||
### 5.2 方差联动
|
||
|
||
$$D(X\pm Y)=DX+DY\pm 2\operatorname{Cov}(X,Y).$$
|
||
|
||
**不独立必有交叉项**:$D(X+Y)$ 是 $+2Cov$,$D(X-Y)$ 是 $-2Cov$。独立 ⟹ 不相关($E(XY)=EXEY$);不相关 ⇏ 独立。
|
||
|
||
## 6 假设检验:拒绝域(对应原卷第 10 题)
|
||
|
||
### 6.1 三看定拒绝域
|
||
|
||
| 看 | 规则 | 例($\sigma^2$ 未知,单总体均值) |
|
||
|---|---|---|
|
||
| 单/双侧 | $H_1$ 含 $\ne$ ⟹ 双侧,用 $\alpha/2$;$H_1$ 含 $>$ 或 $<$ ⟹ 单侧,用 $\alpha$ | 双侧:$\lvert T\rvert>t_{\alpha/2}(n-1)$ |
|
||
| 方向 | $H_1:\mu>\mu_0$ ⟹ 右尾 $T>t_\alpha$;$H_1:\mu<\mu_0$ ⟹ 左尾 $T<-t_\alpha$ | 右侧:$T>t_\alpha(n-1)$ |
|
||
| 分布 | $\sigma^2$ 未知用 $t(n-1)$;已知用 $z$ | $T=\dfrac{\bar X-\mu_0}{S/\sqrt n}$ |
|
||
|
||
### 6.2 两类错误
|
||
|
||
$H_0$ 真却拒绝 $=$ 第Ⅰ类错误,概率 $\le\alpha$;$H_0$ 假却接受 $=$ 第Ⅱ类错误,概率 $\beta$。**$\alpha$ 与 $\beta$ 此消彼长**;样本量 $n$ 增大,两者都减小。
|