1. 为什么多元函数微分学是考研数学的分水岭如果你问一个考过研的人数学一和数学三的复习过程中哪个章节最容易让人产生“我是不是不适合学数学”的念头十有八九会得到同一个答案多元函数微分学。这个章节在复习全书里通常安排在第五章前面刚啃完一元函数微分学和中值定理好不容易建立起一点信心翻到这一章偏导数、全微分、方向导数、梯度、拉格朗日乘数法、泰勒公式一口气全砸过来很多人当场就懵了。我当年第一次做这一章的时候一道求复合函数二阶偏导数的题算了整整两页草稿纸最后答案还是错的。后来复盘才发现问题根本不在计算能力上而是对“链式法则在多元情形下到底怎么展开”这件事没有真正理解。多元函数微分学的核心难点从来不是公式本身有多复杂而是变量之间的关系变得隐蔽了——一元函数里 y 依赖 x 就是一条线多元函数里 z 依赖 u、vu 和 v 又各自依赖 x、y这种网状依赖关系如果不在脑子里画清楚公式背得再熟也是白搭。这篇文章想做的事情很具体把复习全书第五章涉及的核心考点、常见题型、计算技巧和踩坑经验系统性地梳理一遍。不管你是刚开始复习这一章还是已经做过一遍但正确率始终上不去下面这些内容应该都能帮你省下不少走弯路的时间。我会尽量把每个知识点背后的“为什么”讲清楚因为这一章最忌讳的就是死记公式——公式太多了记不住的但理解了变量关系之后很多公式其实可以现场推出来。2. 章节核心知识框架与复习优先级2.1 复习全书第五章的知识地图复习全书第五章的内容编排大致遵循这样一条主线从多元函数的基本概念出发先建立偏导数和全微分的定义然后讨论复合函数和隐函数的求导法则接着是极值和条件极值问题最后落到方向导数、梯度和泰勒公式这些进阶内容。这条线看起来清晰但实际复习的时候很容易在中间某个环节卡住导致后面的内容全部受影响。我把这一章的核心考点按照考试出现频率和难度做了一个分级方便你分配时间考点模块考试频率难度建议复习优先级偏导数与全微分定义高频中等最高复合函数链式法则极高频中等偏难最高隐函数求导含方程组高频难高无条件极值与最值高频中等高条件极值与拉格朗日乘数法高频中等高方向导数与梯度中频中等中多元泰勒公式低频难中低变量代换化简方程中频难中这张表不是让你跳过低频考点而是告诉你如果时间有限先把最高优先级的部分吃透再逐步扩展。多元函数微分学有一个特点——前面的概念是后面方法的基础偏导数定义没搞懂链式法则一定出错链式法则不熟练隐函数求导和变量代换就无从下手。所以复习顺序建议严格按照知识依赖关系来不要跳着看。2.2 这一章和一元函数微分学的本质区别很多人复习这一章的时候会觉得“不就是把导数换成偏导数吗”这种想法是最大的陷阱。一元函数微分学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。这个区别不是理论上的细枝末节它直接决定了你做题时能不能用全微分公式。具体来说一元函数中导数存在意味着函数在该点光滑、连续、可以用切线近似。多元函数中偏导数存在只说明沿坐标轴方向的变化率存在但函数在该点可能根本不连续更谈不上用切平面近似。可微的条件要强得多不仅偏导数存在而且函数在该点的增量与全微分的差必须是比距离高阶的无穷小。这个知识点在选择题里出现的频率很高常见的套路是给你一个分段函数问在原点处偏导数是否存在、是否连续、是否可微。做这类题必须严格按照定义一步步验证不能凭直觉判断。我后面会专门用一节来讲这类题的标准化解法。2.3 复习时间分配建议根据我的经验这一章从零基础到能稳定做对真题大概需要三到四周的时间每天投入两到三小时。具体分配可以这样安排第一周集中攻克偏导数定义、全微分概念和复合函数求导这部分是地基第二周搞隐函数求导和极值问题同时开始做课后习题第三周处理方向导数、梯度和泰勒公式并开始接触真题第四周查漏补缺把错题重新做一遍。需要提醒的是这一章的计算量普遍偏大尤其是隐函数方程组求导和拉格朗日乘数法一道题写半页纸是常态。平时练习的时候一定要动手算到底不要觉得“思路对了就行”。考场上时间紧张计算速度直接决定你能不能做完。3. 偏导数与全微分概念辨析与计算要点3.1 偏导数的定义与常见陷阱偏导数的定义看起来很简单对 x 求偏导时把 y 看作常数对 x 求导。但考试中真正考察的往往不是这种直接求导而是用定义判断某点处的偏导数是否存在。这类题的标准做法是写出极限表达式然后验证极限是否存在。举个例子考虑函数 f(x,y) 在原点附近定义为 xy/(x²y²)原点处补充定义为0。问在原点处对 x 的偏导数是否存在。按照定义需要计算当 y0 时f(x,0)/x 在 x 趋于0时的极限。代入 y0 得到 f(x,0)0所以极限为0偏导数存在且等于0。但如果你进一步验证可微性会发现这个函数在原点甚至不连续因为沿 yx 方向趋近原点时函数值趋于1/2不等于 f(0,0)0。这个例子说明一个关键点偏导数存在是一个非常弱的条件。做题时如果题目问的是“偏导数是否存在”就老老实实用定义算极限如果问的是“是否可微”就必须验证全微分的定义式不能只看偏导数。注意很多同学在判断可微性时习惯先求偏导数然后直接写全微分表达式再验证差值是否为高阶无穷小。这个流程本身没错但前提是偏导数必须存在。如果偏导数都不存在可微性直接否定不需要再往下算。3.2 全微分的判定与计算全微分的判定是这一章的另一个高频考点。函数 zf(x,y) 在点 (x₀,y₀) 处可微的充要条件是偏导数在该点存在且函数增量减去偏导数线性主部的差是距离的高阶无穷小。用数学语言表达就是Δz - (f_x·Δx f_y·Δy) o(√(Δx²Δy²))实际做题时验证这个极限往往比较繁琐。有一个更实用的充分条件如果偏导数在該点附近存在且在該点连续则函数在該点可微。这个条件在大多数题目中都能用因为题目给的函数通常都是初等函数偏导数在其定义域内连续。但要注意这个条件是充分的不是必要的。有些函数偏导数不连续但仍然可微。考试中如果遇到需要判断可微性的选择题优先尝试用“偏导数连续”这个充分条件如果偏导数明显不连续再回到定义去验证。计算全微分本身比较简单就是 dz f_x dx f_y dy。但有一类题会反过来考已知全微分表达式求原函数。这类题本质上是找势函数方法是对一个偏导数积分然后利用另一个偏导数确定常数项。我在后面会给出具体的操作步骤。3.3 偏导数存在、连续、可微的关系梳理这三个概念之间的关系是选择题的常客我把它整理成一张表方便对比记忆关系是否成立反例方向可微 → 偏导数存在成立无偏导数存在 → 可微不成立偏导数存在但不连续可微 → 连续成立无连续 → 偏导数存在不成立绝对值型函数在尖点处偏导数连续 → 可微成立无可微 → 偏导数连续不成立存在可微但偏导不连续的函数这张表建议默写下来。考试中遇到“下列命题正确的是”这类题直接对照表格排除比现场推导快得多。4. 复合函数与隐函数求导链式法则的实战应用4.1 复合函数求导的变量关系图法复合函数求导是这一章最容易出错的地方没有之一。出错的原因通常不是不会公式而是没搞清楚变量之间的依赖关系。我强烈推荐一个方法每次做题前先画变量关系图。比如 z f(u,v)u u(x,y)v v(x,y)要求 ∂z/∂x。画图的方式是z 在顶端u 和 v 在中间x 和 y 在底端。从 z 到 x 有几条路径两条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”的口诀看起来简单但在多层复合的情况下非常管用。比如 z f(u,v,w)u u(x,y)v v(x)w w(y)要求 ∂z/∂x。画图后可以看到从 z 到 x 有两条路径z→u→x 和 z→v→x。注意 w 不依赖 x所以 z→w 这条路径到不了 x不参与 ∂z/∂x 的计算。结果就是 f_u·∂u/∂x f_v·dv/dx。实操心得画变量关系图的时候用不同颜色的笔标注每条路径可以避免遗漏或重复。我当年考试的时候就在草稿纸上画图虽然花了几秒钟但比事后检查省时间得多。4.2 二阶偏导数的计算技巧复合函数的二阶偏导数才是真正的难点。以一阶偏导数 f_u 为例它仍然是 u 和 v 的函数而 u 和 v 又是 x 和 y 的函数。所以对 f_u 再求 x 的偏导数时必须再次使用链式法则。这里有一个容易犯的错误很多人会把 f_u 当作常数处理直接对 u 求 x 的偏导数。正确的做法是f_u 本身是一个复合函数它的变量是 u 和 v所以 ∂(f_u)/∂x f_uu·∂u/∂x f_uv·∂v/∂x。这个展开式看起来复杂但只要变量关系图清晰一步步写下来不会出错。我建议在做二阶偏导数题时先把所有一阶偏导数写成“关于中间变量的函数”的形式然后再统一对自变量求导。这样思路清晰不容易漏项。另外如果题目中 f 具有二阶连续偏导数那么 f_uv f_vu这个性质可以用来简化计算或验证结果。4.3 隐函数求导的三种方法对比隐函数求导有三种常用方法直接求导法、公式法、全微分法。每种方法各有适用场景我做一个对比方法适用场景优点缺点直接求导法方程形式简单直观不易出错计算量大公式法单个方程速度快需要记公式符号容易搞混全微分法方程组或复杂方程形式统一不易漏项需要熟练掌握微分运算公式法的核心公式是对于 F(x,y,z)0 确定的隐函数 zz(x,y)有 ∂z/∂x -F_x/F_z∂z/∂y -F_y/F_z。这个公式的推导其实很简单对 F(x,y,z)0 两边求全微分得到 F_x dx F_y dy F_z dz 0解出 dz 的表达式即可。理解了推导过程就不容易记错符号。对于方程组确定的隐函数比如两个方程确定两个隐函数公式法就不太够用了这时候全微分法或者直接求导法更合适。具体操作是对每个方程两边求全微分然后解线性方程组得到所需的偏导数。这个过程和线性代数里解方程组是一样的只是变量变成了微分。4.4 变量代换化简偏微分方程变量代换是这一章综合性最强的题型通常出现在大题中。题目会给出一个偏微分方程要求通过变量代换将其化简。这类题的难点在于代换后的新变量是什么旧变量怎么用新变量表示链式法则怎么展开标准做法是先写出新变量和旧变量的关系然后利用链式法则把旧变量下的偏导数用新变量下的偏导数表示。比如令 u xyv x-y则 ∂z/∂x ∂z/∂u·∂u/∂x ∂z/∂v·∂v/∂x z_u z_v。类似地可以求出 ∂z/∂y z_u - z_v。然后代入原方程整理后得到关于 u 和 v 的新方程。这类题的计算量很大但思路是固定的。我建议在做这类题时先把所有需要的一阶和二阶偏导数都用新变量表示出来列一个清单然后再代入原方程。不要边算边代入那样容易乱。5. 极值问题与拉格朗日乘数法从理论到操作5.1 无条件极值的判定流程无条件极值问题的标准流程是先求偏导数令它们等于零解出驻点然后计算二阶偏导数用海森矩阵判断驻点的性质。具体来说设 A f_xxB f_xyC f_yy则判别式为 AC - B²。如果 AC - B² 0 且 A 0驻点是极小值点如果 AC - B² 0 且 A 0驻点是极大值点如果 AC - B² 0驻点不是极值点如果 AC - B² 0需要进一步判断通常用定义或泰勒展开。这个流程本身不复杂但实际操作中有两个坑。第一个坑是驻点可能解不出来因为方程组可能是非线性的。这时候需要观察方程的结构尝试消元或利用对称性。第二个坑是边界上的最值容易被忽略。如果题目求的是闭区域上的最值除了内部驻点还必须检查边界上的情况。注意很多同学做最值题时只求了驻点就下结论这是不完整的。闭区域上的连续函数一定存在最大值和最小值它们可能在内部驻点取到也可能在边界上取到。边界上的问题通常可以转化为条件极值或直接代入边界方程化为一元函数求最值。5.2 拉格朗日乘数法的标准操作步骤条件极值问题用拉格朗日乘数法解决步骤是固定的写出目标函数 f(x,y,z) 和约束条件 g(x,y,z)0构造拉格朗日函数 L f λg对每个变量和 λ 求偏导令其为零得到方程组解方程组得到候选点比较候选点的函数值确定最大值或最小值。这个流程看起来机械但解方程组那一步往往是难点。我的经验是先观察方程组的对称性如果 x 和 y 对称往往可以假设 xy 来简化。另外很多题目中 λ 可以通过消元消掉不需要求出具体值。对于多个约束条件的情况拉格朗日函数变成 L f λg μh方程组多一个方程但解法思路完全一样。考试中两个约束条件的情况比较少见但复习时不能完全跳过。5.3 条件极值的实际应用题型条件极值在应用题中出现的频率很高常见的场景包括求体积最大、表面积最小、距离最短、成本最低等。这类题的难点通常不在数学方法上而在如何把实际问题转化为数学模型。我举一个典型的例子用铁皮做一个体积固定的长方体水箱问长宽高各为多少时用料最省。目标函数是表面积 S 2(xy yz xz)约束条件是体积 V xyz 常数。用拉格朗日乘数法可以解出 x y z即正方体时用料最省。这类题的解题关键是先明确目标函数和约束条件不要急着列方程。有时候目标函数需要根据题目描述自己构造比如“用料最省”对应的是表面积最小“利润最大”对应的是收入减成本。把这一步想清楚了后面的计算就是常规操作。6. 方向导数、梯度与多元泰勒公式6.1 方向导数的计算与几何意义方向导数衡量的是函数沿某个特定方向的变化率。计算公式是∂f/∂l f_x·cosα f_y·cosβ其中 (cosα, cosβ) 是方向 l 的单位向量。这个公式只对可微函数成立如果函数不可微方向导数必须用定义计算。方向导数的几何意义是在函数图像上沿方向 l 走一个单位距离函数值变化多少。梯度的几何意义是函数值增长最快的方向其模长等于最大方向导数的值。这两个概念经常一起考常见题型是给出函数和方向求方向导数或梯度。实操心得计算方向导数时一定要先把方向向量单位化。我见过太多人直接代入方向向量的分量忘记除以模长结果整道题全错。这个细节看似简单但考场上紧张的时候真的容易忘。6.2 梯度与等值线的关系梯度有一个重要性质它垂直于等值线或等值面。这个性质在几何和物理中有广泛应用考试中也经常考察。比如给出一个曲面方程要求在某点处的法向量其实就是求该点处的梯度。理解梯度与等值线的关系可以帮助你快速判断一些选择题。比如问“函数在哪个方向变化最快”答案就是梯度方向“在哪个方向变化率为零”答案就是与梯度垂直的方向。这些结论不需要现场推导理解了几何意义就能直接选。6.3 多元泰勒公式的展开技巧多元泰勒公式是这一章理论性最强的内容考试中出现频率不高但一旦出现就是难题。二元函数在点 (x₀,y₀) 处的泰勒展开式为f(x₀h, y₀k) f(x₀,y₀) (h∂/∂x k∂/∂y)f (1/2!)(h∂/∂x k∂/∂y)²f ...其中 (h∂/∂x k∂/∂y) 是一个算子作用在 f 上表示求相应阶数的偏导数组合。这个公式看起来吓人但实际展开时只需要按二项式定理展开算子然后逐项计算偏导数即可。考试中泰勒公式通常用于证明不等式或求极限。比如证明某个函数在原点附近有某种性质可以用泰勒展开到二阶或三阶然后分析余项的符号。这类题的关键是确定展开到几阶——通常展开到第一个非零项即可。7. 常见问题与排查技巧实录7.1 链式法则展开时漏项怎么办漏项是复合函数求导中最常见的问题。排查的方法是画完变量关系图后数一数从因变量到自变量有几条路径。每条路径对应一项路径数就是项数。如果算出来的项数和路径数对不上一定有问题。另一个容易漏项的地方是二阶偏导数。一阶偏导数 f_u 仍然是复合函数对它求导时必须再次使用链式法则。很多人在这里只对 u 求导忘了 f_u 还依赖 v。记住一个原则只要是对复合函数求导就要检查中间变量的个数每个中间变量都要参与链式法则。7.2 隐函数求导符号搞混的解决方案隐函数求导的符号问题主要出现在公式法上。∂z/∂x -F_x/F_z 这个公式分子是 F 对 x 的偏导数分母是 F 对 z 的偏导数前面有一个负号。记不住的时候可以现场推导对 F(x,y,z)0 求全微分F_x dx F_y dy F_z dz 0解出 dz -(F_x/F_z)dx - (F_y/F_z)dy所以 ∂z/∂x -F_x/F_z。推导一遍只需要十几秒比记错公式强。对于方程组的情形建议用全微分法而不是公式法。全微分法不需要记公式只需要对每个方程求全微分然后解线性方程组。虽然计算量大一点但符号不容易错。7.3 拉格朗日乘数法解不出方程的应对策略拉格朗日乘数法的方程组有时候很难解这时候可以尝试以下策略先观察方程组的对称性如果变量对称尝试假设它们相等把 λ 当作参数从某些方程中解出变量用 λ 表示再代入其他方程如果方程组中有乘积项尝试相除消元对于应用题往往可以根据实际意义排除一些解。我遇到过一道题方程组是三个非线性方程直接解很困难。后来发现如果把前两个方程相除可以消掉 λ 并得到 x 和 y 的关系然后代入第三个方程就迎刃而解了。这个技巧在条件极值题中非常实用。7.4 常见错误速查表错误类型典型表现纠正方法链式法则漏项复合函数求导项数不对画变量关系图数路径方向导数忘单位化直接代入方向向量分量先除以模长可微性判断错误偏导数存在就认为可微验证全微分定义式极值判别式符号搞反AC-B² 的正负判断错误记住 A0 极小A0 极大隐函数符号错误公式法负号遗漏现场推导全微分边界最值遗漏只求驻点不看边界闭区域问题必须检查边界这张表建议在做题前快速过一遍尤其是考试前。很多错误不是不会而是粗心提前提醒自己可以避免不少丢分。8. 从复习全书到真题的过渡建议复习全书上的题目和真题之间有一定的差距。全书上的题偏重知识点的覆盖和计算训练真题则更注重综合性和灵活性。我的建议是全书做完一遍之后不要急着做真题先把错题重新做一遍确保每个知识点都真正掌握了。做真题的时候注意总结出题规律。多元函数微分学在真题中通常以一道大题加一道小题的形式出现大题往往是复合函数求导或条件极值小题则是概念辨析或方向导数。大题的步骤分很重要即使最后结果算错了关键步骤写对了也能拿到大部分分数。所以平时练习时一定要写清楚每一步的依据不要跳步。还有一点这一章的公式很多但真正需要死记硬背的其实不多。大部分公式都可以从基本定义推导出来。复习到后期尝试合上书自己推导一遍链式法则、隐函数求导公式和拉格朗日乘数法的方程组如果能顺利推出来说明你是真的理解了。我个人在实际操作中的体会是多元函数微分学这一章花在理解变量关系上的时间远比花在计算上的时间值得。计算能力可以通过反复练习提高但变量关系搞不清楚练再多也是重复犯错。每次做题前花三十秒画个变量关系图看起来慢实际上是最快的路径。