每到期末，高数复习群里总会冒出同一种问题：“为什么我把累次极限都算出来等于0了，老师却说极限不存在？”或者是“这道题明明偏导数存在，为什么全微分不存在？”这些问题其实全部集中在同一片区域——多元函数微分学。今天这份DAY11复习串讲，就把平面与空间直线、二元函数的极限、偏导数、全微分这四块一次性理清楚，适合正在期末冲刺的同学，也适合准备考研数学想快速回顾基础的人。复习到第11天，前面的导数、积分基础你都已经有了，这四块内容就是把这套工具从一元推广到多元的关键一战。

很多同学复习多元微分学时，第一反应是“公式太多，记不住”。但真正的问题往往不是公式记不住，而是你不知道每个公式背后在回答什么问题。只要你搞懂了“平面方程在干什么”“偏导数到底切的是哪条线”“全微分为什么会有那个奇怪的尾巴”，所有公式都会变得顺理成章，甚至能自己推出来。这篇文章不打算给你堆一堆题，而是把每个概念的来龙去脉、考场上最容易踩的坑、以及一套可以直接照做的解题流程讲透。

1. 期末冲刺先看全局：这四块知识在整张试卷里的角色

1.1 四块内容的“前因后果”

先退一步看整体。你这一章其实在学两件大事：第一件是空间几何的解析化表达，第二件是多元函数的微分学。平面与空间直线属于前者，二元函数的极限、偏导数、全微分属于后者。它们放在一起复习，是因为几何部分提供了一套“空间直觉”，而微分部分用的是同一套“分解到坐标方向”的思路。

平面方程说什么？说一个平面可以由一个点和一根法向量完全确定。空间直线说什么？说一条直线可以由一个点和一个方向向量完全确定。这些几何对象一旦化成代数方程，后续的夹角、距离、位置关系全都变成向量运算。而偏导数和全微分，本质上是对“曲面在某一点附近像什么”的回答：偏导数回答“沿坐标轴方向怎么变化”，全微分回答“整体上能不能用平面近似”。这两件事串起来就是：空间几何帮你建立形，微分学帮你研究曲面局部性质。

1.2 考卷上的实际分布与复习优先级

从历年期末试卷看，这四块内容的分值分布非常稳定。平面与空间直线通常占10到15分，常见题型是求平面方程、判断直线与平面位置关系、算夹角或距离。二元函数极限部分一般占5到10分，选择题里考概念辨析，大题里作为某一问出现，最常见的就是“证明极限不存在”。偏导数部分占10到15分，复合函数求导、隐函数求导几乎年年必考。全微分部分占5到10分，核心是可微性判断和近似计算。

复习优先级怎么排？我建议按计算题优先、概念题其次的顺序来。偏导数和全微分是最好拿分的，因为计算流程相对固定；平面与空间直线次之，关键是向量运算不出错；最容易被扣分的是二元函数极限，因为它最考验对定义的理解，不能靠死记硬背。你复习时可以把主要时间压在第3、4、5章，第2章够用就行，不要因为画空间图形浪费时间，考试真正考的是代数运算。

2. 平面与空间直线：向量关系一眼看穿，方程就能直接写

2.1 平面方程的两张“身份证”：点法式与一般式

平面方程的核心想法其实一句话就能说清：一个平面，只要知道它过哪个点、法向量朝哪个方向，就完全确定了。

假设平面过点 (M_0(x_0,y_0,z_0))，法向量是 (n=(A,B,C))。平面上任意一点 (M(x,y,z)) 都满足向量 (\overrightarrow{M_0M}=(x-x_0,y-y_0,z-z_0)) 与法向量垂直，于是点积为0：

[ A(x-x_0)+B(y-y_0)+C(z-z_0)=0 ]

这就是点法式方程。化简一下就得到一般式 (Ax+By+Cz+D=0)。反过来，从一般式里可以直接读出法向量就是系数 ((A,B,C))。

考场上最常见的题型是“过三个点求平面方程”。做法是先用其中两个点构造两个向量，做叉积得到法向量，再任选一个点写点法式。比如已知 (P_1,P_2,P_3) 三点，取 (\vec{a}=P_2-P_1)，(\vec{b}=P_3-P_1)，法向量 (n=\vec{a}\times\vec{b})。这里的关键是叉积计算，我批改作业时最常看到的就是行列式展开时符号写错。

另一个高频题型是“求过一点且与两个已知平面都垂直的平面”。这个题的精髓是：所求平面的法向量 (n)，必须同时垂直于两个已知平面的法向量 (n_1,n_2)，所以直接取叉积 (n=n_1\times n_2) 就行。你会发现，这类题目根本不需要画图，向量关系能推理出来。

2.2 空间直线的三种表示：对称式、参数式、一般式

直线和平面地位对偶。平面用“法向量”描述，直线用“方向向量”描述。设直线过点 (M_0(x_0,y_0,z_0))，方向向量 (s=(m,n,p))，则直线上任意点满足：

[ \frac{x-x_0}{m}=\frac{y-y_0}{n}=\frac{z-z_0}{p} ]

这叫对称式方程，也叫点向式方程。它的推导逻辑和平面类似：直线上任一点与 (M_0) 的连线，始终平行于方向向量，所以对应坐标成比例。

把比例式拆开就得到参数式：

[ x=x_0+mt,\quad y=y_0+nt,\quad z=z_0+pt ]

这两个形式要会互转，考试时经常给一个对称式，让你求参数式来算交点。

直线还有一种一般式写法：把直线看作两个平面的交线。也就是两个平面方程联立。比如 (x+y+z=1) 和 (x-y=0) 联立，代表一条直线。你可能会问，为什么不直接用一个方程表示直线？因为直线在三维空间里只有一个自由度，需要两个方程来约束。反过来，已知直线的一般式，怎么求方向向量？把两个平面的法向量做叉积，得到的向量同时垂直于两个法向量，因而平行于交线，这就是直线的方向向量。这个转化方法期末必考。

2.3 位置关系判断与夹角公式：记住“法向量法则”

判断直线与平面、直线与直线的位置关系，其实不需要想象力，全看方向向量和法向量的关系。我把核心规则整理成一张表：

共面的判定方法值得单独说一句：两条直线 (L_1,L_2) 上有两点 (M_1,M_2)，方向向量 (s_1,s_2)。三条向量 (\overrightarrow{M_1M_2},s_1,s_2) 的混合积为0，说明它们共面，此时若方向向量不平行则两直线相交；混合积不为0则异面。

夹角公式也是考试常客。直线与平面的夹角 (\varphi) 满足：

[ \sin\varphi=\frac{|s\cdot n|}{|s|\cdot|n|} ]

注意这里用的是正弦而不是余弦。很多同学想当然地套余弦公式，结果白白丢分。道理很简单：直线与平面的夹角，定义为直线与其在平面上的投影直线的夹角，这个角等于方向向量与法向量夹角的余角。方向向量与法向量夹角记为 (\alpha)，则 (\varphi=90^\circ-\alpha)，所以 (\sin\varphi=\cos\alpha=|s\cdot n|/(|s||n|))。

两条直线的夹角用余弦，两个平面的夹角也用余弦：

[ \cos\theta=\frac{|s_1\cdot s_2|}{|s_1||s_2|},\qquad \cos\theta=\frac{|n_1\cdot n_2|}{|n_1||n_2|} ]

算距离时，点到平面的距离公式 (d=\frac{|Ax_0+By_0+Cz_0+D|}{\sqrt{A^2+B^2+C^2}}) 必须背熟。点到直线距离偶尔考，公式是 (\frac{|s\times \overrightarrow{M_0M_1}|}{|s|})，几何含义是用方向向量和连线向量构成的平行四边形面积除以底边长，得到高。这部分如果你所在院校考纲宽松，可以只记结论，无需死抠推导。

2.4 考场实战：一道典型平面+直线综合题

把上面的方法串起来做一道题。已知点 (P(1,2,-1))，两平面 (\pi_1:x+y-z+1=0)，(\pi_2:2x-y+z=0)，求过点 (P) 且同时垂直于两平面的平面方程。

所求平面的法向量必须同时垂直于 (\pi_1) 的法向量 (n_1=(1,1,-1)) 和 (\pi_2) 的法向量 (n_2=(2,-1,1))，于是取叉积：

[ n=n_1\times n_2= \begin{vmatrix} i & j & k\ 1 & 1 & -1\ 2 & -1 & 1 \end{vmatrix} = (1\cdot 1-(-1)\cdot(-1),\ (-1)\cdot2-1\cdot1,\ 1\cdot(-1)-1\cdot2) ]

算得 (n=(0,-3,-3))。实际计算时直接按行列式展开，第一行 (i,j,k)，第二行 (n_1)，第三行 (n_2)。(i) 分量为 (1\times1-(-1)\times(-1)=1-1=0)，(j) 分量为 (-(-1\times2-1\times1)=-(-3)=3)，注意叉积的 (j) 分量有负号，这是最容易错的地方。这里我直接写展开结果为 ((0,-3,-3))，等价于 ((0,1,1))，取简单的方向即可。

用点法式写出平面方程：

[ 0\cdot(x-1)+1\cdot(y-2)+1\cdot(z+1)=0 ]

化简得 (y+z-1=0)。这道题检验的就是叉积和点法式的熟练度，没有任何技巧。你考场上一旦开始怀疑自己叉积算错，就放慢速度重新展开一遍，这种题不值得丢分。

3. 二元函数的极限：别再用“代入试试”打发它

3.1 二重极限定义里的“任意方式”到底有多严格

二元函数极限的符号是 (\lim_{(x,y)\to(x_0,y_0)}f(x,y)=A)。它的严格定义是：任给 (\varepsilon>0)，存在 (\delta>0)，只要 (0<\sqrt{(x-x_0)^2+(y-y_0)^2}<\delta)，就有 (|f(x,y)-A|<\varepsilon)。

看起来跟一元极限很像，但关键词在“动点以任意方式趋近”。一元函数求极限，动点只能从左边或右边来，总共两条路线。二元函数完全不同：动点可以从任意方向、沿任意曲线、以任意速度趋近目标点，路线是无穷多条。你要证明极限存在，就得同时覆盖所有可能的路线，这几乎不可能直接验证，所以计算题很少让你“硬算极限”，更多是让你判断“极限不存在”。

反过来说，要证明极限不存在，只需要找到两条路线，它们的极限值不同，就够了。这是期末考最喜欢出的题型，没有之一。

3.2 判断不存在的路径法：一个反例就能否掉

来看经典例子：

[ f(x,y)=\frac{xy}{x^2+y^2},\quad (x,y)\neq(0,0) ]

沿直线 (y=kx) 趋近原点：

[ \lim_{x\to0}\frac{x\cdot kx}{x^2+k^2x^2} =\lim_{x\to0}\frac{kx^2}{(1+k^2)x^2} =\frac{k}{1+k^2} ]

当 (k=0) 时极限是0，当 (k=1) 时极限是 (\frac12)。两条路线得到不同结果，所以二重极限不存在。这个例子几乎人手一份，但真正考试时不能只背它，要理解背后的思路：取路径的核心是“让极限结果依赖于所选路径的参数”。

另一个反例更有说服力：

[ f(x,y)=\frac{x^2y}{x^4+y^2} ]

沿任何直线 (y=kx) 趋近原点，极限都是0。你如果只试直线，会误以为极限存在。但沿着抛物线 (y=x^2) 趋近：

[ \lim_{x\to0}\frac{x^2\cdot x^2}{x^4+x^4}=\frac12 ]

极限不为0。这个例子说明一个特别重要的道理：沿所有直线路径极限相同，也推不出二重极限存在。考试选择题里经常出这个陷阱，命题人就是等着你用“我试了几条直线都一样”来得出结论。

3.3 证明存在的两种主力工具：夹逼与极坐标

判断极限存在确实更难，但期末范围里常用工具就两个：夹逼准则和极坐标变换。

夹逼准则的思想是找两条“夹住”目标函数且极限都为0的边界函数。比如：

[ f(x,y)=(x^2+y^2)\sin\frac{1}{x^2+y^2} ]

因为 (|\sin(\cdot)|\le1)，所以 (|f(x,y)|\le x^2+y^2)，右边在 ((x,y)\to(0,0)) 时趋于0，由夹逼准则，左边极限为0。这就是一元的“有界函数乘以无穷小仍为无穷小”在多元里的自然推广。

极坐标变换是另一个利器。令 (x=r\cos\theta,\ y=r\sin\theta)，则 ((x,y)\to(0,0)) 等价于 (r\to0)，此时：

[ \lim_{(x,y)\to(0,0)}f(x,y) =\lim_{r\to0}f(r\cos\theta,r\sin\theta) ]

如果化简后的极限只与 (r) 有关，或者能写成 (r\cdot g(\theta)) 且 (g(\theta)) 有界，那么极限就存在。比如：

[ \frac{x^3+y^3}{x^2+y^2} =\frac{r^3(\cos^3\theta+\sin^3\theta)}{r^2} =r(\cos^3\theta+\sin^3\theta) ]

因为括号里的量在 ([-2,2]) 内有界，所以极限为0。反观前面那个 (xy/(x^2+y^2))，极坐标下变成 (\cos\theta\sin\theta)，结果依赖于 (\theta)，极限不存在。这个对比很经典：化简后如果还含有 (\theta) 且不能提取 (r) 因子，基本可以断定极限不存在。

3.4 二次极限与二重极限：每年都要纠正的误解

回到文章开头那个问题：“累次极限都等于0，为什么这个函数极限不存在？”

用同一个例子解释。(f(x,y)=xy/(x^2+y^2))，先对 (x) 后对 (y) 求极限：

[ \lim_{y\to0}\left(\lim_{x\to0}\frac{xy}{x^2+y^2}\right) =\lim_{y\to0}\frac{0}{y^2}=0 ]

先对 (y) 后对 (x)，结果同样为0。两个累次极限都存在且相等，但二重极限并不存在，因为沿不同路线得到不同值。

为什么会出现这种“矛盾”？因为累次极限是“分别先后趋近”，而二重极限要求“同时以任意方式趋近”。前者是两条特定路径上的极限过程，后者是所有路径的公共极限，两者要求强度完全不同。你记住结论：累次极限存在且相等，既不是二重极限存在的充分条件，也不是必要条件。选择题里看到“累次极限相等所以二重极限存在”，直接打叉。

4. 偏导数：从“沿坐标轴切线”到“复合函数链条”

4.1 偏导数的定义与几何意义

偏导数的定义式是：

[ f_x(x_0,y_0)=\lim_{\Delta x\to0}\frac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x} ]

同样地，(f_y(x_0,y_0)=\lim_{\Delta y\to0}\frac{f(x_0,y_0+\Delta y)-f(x_0,y_0)}{\Delta y})。

所谓“偏导”，就是先把另一个变量固定成常数，再对当前变量求导。几何上看，求 (f_x(x_0,y_0)) 相当于拿平面 (y=y_0) 去截曲面，得到一条平面曲线，然后求这条曲线在点 ((x_0,y_0,f(x_0,y_0))) 处的切线斜率。这个“截线”思维非常重要，很多同学算偏导没问题，但就是理解不了全微分，原因就是脑子里没有“曲线截曲面”的画面。

偏导存在只说明曲面沿坐标轴方向有切线。这听起来好像“很光滑”，但其实离真正的光滑差得很远。一个典型例子是马鞍面顶点，沿 (x) 方向和 (y) 方向看起来都“平缓”，但曲面在顶点处有复杂的扭曲行为。这个扭曲能不能被刻画，就得靠本章最后的全微分。

4.2 分段函数在分界点的偏导：必须回到定义

很多同学拿到分段函数，比如：

[ f(x,y)= \begin{cases} \frac{xy}{x^2+y^2},&(x,y)\neq(0,0)\ 0,&(x,y)=(0,0) \end{cases} ]

看到 ((x,y)\neq(0,0)) 的表达式优美，就直接对 (x) 求导，再把 ((0,0)) 代进去，结果得到不存在的结论甚至算出一个错误数值。为什么不行？因为导数是局部性质，而分界点的函数行为被单独定义过，偏导数只能靠定义计算：

[ f_x(0,0)=\lim_{\Delta x\to0}\frac{f(\Delta x,0)-f(0,0)}{\Delta x} =\lim_{\Delta x\to0}\frac{0-0}{\Delta x}=0 ]

同理 (f_y(0,0)=0)。所以这个函数在原点偏导存在且都为0，但它偏偏不连续——因为前面已经算出沿不同路径极限不同。于是得到一个结论：偏导存在推不出连续，连续也推不出偏导存在。这个例子放在期末选择题里，几乎年年都能拦住一批人。

凡是遇到分段点、分界点、锥顶点这类特殊点，第一反应就是用定义去算偏导，不要用求导公式。

4.3 高阶偏导与混合偏导相等条件

二阶偏导有四个：(f_{xx},f_{xy},f_{yx},f_{yy})。其中 (f_{xy}) 和 (f_{yx}) 最搞心态：一个是先对 (x) 求导再对 (y) 求导，一个是先对 (y) 求导再对 (x) 求导。

它们什么时候相等？定理说：如果 (f_{xy}) 和 (f_{yx}) 在某个邻域内都连续，那么二者相等。期末题的常规出法有两种：一是给你一个足够光滑的函数（比如多项式、指数函数混合），让你求某个二阶混合偏导，这时候通常两个顺序结果相同；二是故意放在分段函数的奇点处做文章，让你判断混合偏导是否相等，这时候连续条件通常不满足，不能想当然。

计算技巧上，我建议固定一种顺序——先对形式简单的变量求导，这样表达式会先被简化。比如 (f(x,y)=x^2\sin y+xy)，先对 (y) 求导会得到 (x^2\cos y+x)，再对 (x) 求导时反而清爽。这也正是为什么很多教材上建议：遇到混合偏导，先观察哪个变量的表达式简单，就先对这个变量求导。

4.4 链式法则：把求导写成“路线图”

多元复合函数求导是期末大题的重灾区，丢分主要原因是漏项。最稳妥的方法是画路线图。

设 (z=f(u,v))，其中 (u=u(x,y))，(v=v(x,y))。要求 (\frac{\partial z}{\partial x})，就从 (z) 出发追踪到 (x) 的所有路径：(z\to u\to x) 一条，(z\to v\to x) 一条。每条路径上导数相乘，两条路径的乘积再相加：

[ \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} ]

这个“路线图”口诀能处理任何嵌套结构，不管是三层还是五层，本质上就是每一段路径上的导数相乘，最后把所有路径加起来。

来看具体题目。设 (z=e^u\sin v)，其中 (u=xy)，(v=x+y)。求 (\frac{\partial z}{\partial x})：

[ \frac{\partial z}{\partial x} =e^u\sin v\cdot y+e^u\cos v\cdot1 =e^{xy}\left[y\sin(x+y)+\cos(x+y)\right] ]

建议你故意漏掉那个 (y) 再算一遍，就知道为什么需要路线图了。每年考场都有同学把 (\frac{\partial u}{\partial x}) 写成 (u) 本身，这是还没理解“对谁求导”的表现。

如果只有一层中间变量 (u=u(x,y))，且 (z=f(u))，公式退化为：

[ \frac{\partial z}{\partial x}=f'(u)\cdot\frac{\partial u}{\partial x} ]

这本质上还是链式法则，只是路径只有一条。

隐函数求导也常和链式法则一起考。方程 (F(x,y,z)=0) 确定 (z=z(x,y))，对 (x) 求偏导时注意 (z) 是 (x) 的函数，于是：

[ F_x+F_z\cdot\frac{\partial z}{\partial x}=0 \quad\Rightarrow\quad \frac{\partial z}{\partial x}=-\frac{F_x}{F_z} ]

那个负号尤其显眼。以 (x^2+y^2+z^2=1) 为例，对 (x) 求偏导得到 (2x+2z\cdot\frac{\partial z}{\partial x}=0)，所以 (\frac{\partial z}{\partial x}=-\frac{x}{z})。这个结论不靠背，你只要记住“等号两边同时对 (x) 求偏导，(z) 是函数不能当常量”，就能推出。

5. 全微分：可微性判断是期末的“压轴概念”

5.1 全微分的定义与“线性近似”的直觉

全微分定义如下：若在点 ((x_0,y_0)) 附近，函数的全增量可以写成：

[ \Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0) =A\Delta x+B\Delta y+o(\rho) ]

其中 (\rho=\sqrt{\Delta x^2+\Delta y^2})，则称函数在该点可微，并记：

[ \mathrm{d}z=A\Delta x+B\Delta y ]

这个公式里的 (A,B) 是什么呢？令 (\Delta y=0)，等式两边除以 (\Delta x) 取极限，左边就是 (f_x)，右边剩下 (A)。所以 (A=f_x)，同理 (B=f_y)。也就是说，只要函数可微，全微分一定写成：

[ \mathrm{d}z=f_x(x_0,y_0),\mathrm{d}x+f_y(x_0,y_0),\mathrm{d}y ]

直观地理解，可微意味着在极小范围内，曲面可以被一个平面代替，误差小到可以忽略。这个“平面”就是切平面。一元函数微分是“用直线近似曲线”，二元函数微分就是“用平面近似曲面”。为什么有的函数偏导存在却不可微？因为那个曲面在某个方向上有“扭曲”，不是简单用平面就能近似好。

5.2 连续、偏导存在、可微之间的四层关系

期末考试最喜欢在这三个概念的关系上做文章。我把核心结论列出来：

特别强调那个“偏导存在但不可微”的例子。取：

[ f(x,y)= \begin{cases} \frac{xy}{\sqrt{x^2+y^2}},&(x,y)\neq(0,0)\ 0,&(x,y)=(0,0) \end{cases} ]

在原点，(f_x(0,0)=0)，(f_y(0,0)=0)，偏导存在。验证是否可微，需要计算：

[ \frac{\Delta z-f_x\Delta x-f_y\Delta y}{\rho} =\frac{\Delta x\Delta y}{\Delta x^2+\Delta y^2} ]

前面早就见过这个结构，它沿不同方向取值不同，极限不存在。所以这个函数连续、偏导存在，但不可微。这组结论值得你反反复复看几遍，因为它们就是期末概念题的命根子。

判断路径还可以更“操作化”。大多数期末题不会让你直接验证定义，而是按以下流程：

1. 先看偏导是否存在。如果偏导不存在，直接判定不可微。
2. 再看偏导函数是否连续。如果连续，直接判定可微。
3. 如果偏导存在但不连续，回到定义用极限验证。

第三步是最麻烦的，但考试题目一般设计成偏导连续让你直接通过，或者设计成明显不可微的反例用路径法否定。真正需要完整验定义的情形并不多，可一旦遇到，你就是按这第三步走。

5.3 可微性的操作化判断流程

把上面的流程用一道完整题目跑一遍。判断：

[ f(x,y)=x^2+y^2 ]

在 ((0,0)) 处是否可微。

先算偏导。(f_x(0,0)=\lim_{\Delta x\to0}\frac{\Delta x^2}{\Delta x}=0)，(f_y(0,0)=0)。再看整个平面上的偏导函数 (f_x=2x)，(f_y=2y)，在 ((0,0)) 附近连续，所以直接判定可微，且：

[ \mathrm{d}z=0\cdot\mathrm{d}x+0\cdot\mathrm{d}y=0 ]

这个结果也很符合直觉：原点附近的曲面 (z=x^2+y^2) 像一个碗底，在碗底处局部可以用水平面近似。

再看一个需要动用定义的例子。判断：

[ f(x,y)=\sqrt{x^2+y^2} ]

在 ((0,0)) 处的偏导与可微性。这个函数就是圆锥面的顶点处。由定义：

[ f_x(0,0)=\lim_{\Delta x\to0}\frac{|\Delta x|-0}{\Delta x}=\lim_{\Delta x\to0}\frac{|\Delta x|}{\Delta x} ]

这个极限在 (\Delta x>0) 时为1，在 (\Delta x<0) 时为-1，不存在。所以偏导不存在，直接判定不可微。这个例子用来回答“连续是否推出偏导存在”的问题，再合适不过。

5.4 全微分在近似计算里的考场用法

全微分最实用的下游应用是近似计算。公式很简单：

[ f(x_0+\Delta x,y_0+\Delta y) \approx f(x_0,y_0)+f_x(x_0,y_0)\Delta x+f_y(x_0,y_0)\Delta y ]

注意这个公式成立的前提是函数在 ((x_0,y_0)) 可微，而且 (\Delta x,\Delta y) 要足够小。期末真题里特别喜欢给你一个“看起来很难算”的数，比如计算 (\sqrt{(3.02)^2+(3.99)^2}) 的近似值。

取 (f(x,y)=\sqrt{x^2+y^2})，在 ((x_0,y_0)=(3,4)) 处展开。(f(3,4)=5)，(f_x=\frac{x}{\sqrt{x^2+y^2}}=\frac35)，(f_y=\frac45)。取 (\Delta x=0.02)，(\Delta y=-0.01)：

[ \sqrt{(3.02)^2+(3.99)^2} \approx 5+\frac35\times0.02+\frac45\times(-0.01) =5+0.012-0.008=5.004 ]

整个计算只要口算就能完成。做这类题时唯一容易丢分的是忘记写“由可微性知近似成立”之类的依据，或者在计算偏导时把 ((3,4)) 代错。优先把数值算对，再补一句“误差是 (\rho) 的高阶无穷小”就齐了。

6. 考前一页纸：四块内容的常见失分点与做题次序

6.1 试卷上最容易被扣分的五个细节

第一个失分点是叉积的符号。计算法向量、方向向量时，叉积展开式的 (j) 分量负号非常醒目，我每次都提醒学生用行列式重新核对一遍。

第二个失分点是线面夹角公式里的正弦。出了考场对答案，不少人发现自己写的是余弦公式，然后懊恼不已。画个角度看方向向量与法向量的关系，就不会错。

第三个失分点是“路径法证明极限不存在”时只选了一条路径。考试要求“至少两条不同路线结果不同”才能判不存在。你只算一条路径，即使结果再明显，也不能证明存在，只能说明“沿这条路径趋向这个值”。

第四个失分点是链式法则漏项。尤其当中间变量出现三次嵌套时，路线图不画出来，极易漏掉某一条分支。我的习惯是先写“从输出到输入的所有路径”，再逐个求导，最后统一相加。

第五个失分点是可微判断缺少定义验证。流程应该是“偏导不存在→不可微；偏导连续→可微；偏导存在但不连续→用定义验证”，每一步都要写清楚依据。很多同学直接跳到最后一步，或者只写“偏导存在所以可微”，这种答案在期末判卷时基本拿不到分。

6.2 复习时间分配与自查方法

考前一天，不需要再刷大量新题。我建议把时间按题型分配：花三成时间重做偏导数和全微分的计算题，这部分是稳定拿分项；花三成时间整理平面与空间直线的向量运算步骤，重点是叉积和夹角选择；剩下四成时间反复看极限存在性判断和可微性判断的概念题，因为这些需要你“想清楚”，临时抱佛脚效率最低。

最后给你一个自测方法。不看教材，用自己的话回答下面三个问题：

1. 为什么“沿所有直线路径极限相同”不能推出二重极限存在？
2. 为什么偏导存在但函数不一定连续？
3. 为什么偏导存在且连续就能推出可微？

这三个问题如果你能在一分钟内讲清楚，多元函数微分学部分基本稳了。如果讲得磕磕绊绊，说明只是记住了公式，没有真正理解，赶紧翻回对应章节再想一遍。

我自己的经验是，期末复习最有效的动作不是抄笔记，而是“给别人讲题”。找个室友，把今天这几个考点讲给他听，讲得清楚就说明真会了，讲不清楚的地方就是你的漏洞，补上它再进考场。祝你这块内容顺利拿下，后面做多元积分也会轻松很多。