课程总结
本课程把一元微分学的思想推广到多个变量：先建立多元函数的基本概念与极限、连续，再分别研究偏导数、全微分与方向导数，最后落到极值判定、条件极值与几何应用。回顾整个课程，主线是：从”对哪个变量求导”（偏导数）到”整体线性逼近”（全微分），再到”沿哪个方向变化最快”（梯度），最终服务于多元函数的极值与最优化。
一、课程知识体系
| 板块 | 核心内容 | 关键方法 |
|---|---|---|
| 基本概念 | 多元函数定义、定义域、极限与连续 | 区域刻画、二重极限 |
| 偏导数 | 偏导数的定义与计算、高阶偏导数 | 固定其余变量求导、链式法则 |
| 全微分 | 可微性、全微分定义与近似误差 | ，可微与偏导存在的关系 |
| 方向导数与梯度 | 沿指定方向的变化率、梯度及其意义 | 方向导数等于梯度与单位方向的点积 |
| 多元函数的极值 | 极值定义、驻点与二阶检验 | 海塞矩阵（）判别 |
| 条件极值 | 等式约束下的极值问题 | 拉格朗日乘数法 |
| 几何应用 | 切平面与法线、切线与法平面 | 由梯度直接写出切平面方程 |
| 高级专题 | 隐函数定理、海塞矩阵深入、梯度下降法 | 隐函数求导、最优化的迭代思想 |
二、偏导数、全微分与极值判定核心
多元微分的核心是”局部线性化”：全微分给出线性主部，链式法则处理复合结构，梯度刻画变化最快的方向，海塞矩阵判定极值：
| 核心公式 | 内容 | 使用要点 |
|---|---|---|
| 偏导数 | 对某变量求导时，其余变量视为常数 | |
| 全微分 | 偏导数连续则必可微，可微则偏导存在 | |
| 链式法则 | ，、： | 先画变量依赖图再逐项求导相加 |
| 方向导数与梯度 | 梯度方向是函数增长最快的方向 | |
| 极值二阶检验 | 驻点处 、、，由 的符号判别 | 时有极值， 时为鞍点 |
| 拉格朗日乘数法 | 在约束 下解 | 把约束极值转化为方程组求解 |
记忆要点：偏导存在不一定可微，但偏导连续一定可微；方向导数的最大值就是梯度的模；求无条件极值先找驻点再用 判定，求条件极值直接上拉格朗日乘数法。
三、做题方法总览
遇到多元微分问题，可按以下路径选择方法：
- 先判断问题类型：是求偏导数与全微分、判断可微性，还是求极值、条件极值，或求切平面、法线等几何量。
- 复合函数先用链式法则：理清”谁是谁的函数”，画出变量依赖图，再按路径逐项求导相加。
- 可微性问题分清层次：偏导连续推出可微，可微推出偏导存在且连续；反过来不成立，注意反例。
- 无条件极值三步走：求偏导找驻点，计算 ，用 的符号判别极大、极小或鞍点。
- 条件极值与几何问题：带约束的极值用拉格朗日乘数法构造辅助函数；曲面的切平面与法向量直接由梯度 写出。