Files
MathNotesVersion2/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01-知识点盘点.md
T

179 lines
11 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
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。