902 字
2 分钟
考研数学学习记录2026-06-20
考研数学学习记录 | 2026-06-20
今日学习内容
今日共计投入3小时完成多元微分模块的强化学习，重点复习了多元函数极值、拉格朗日条件极值两大核心考点，结合配套例题梳理了两类题型的解题逻辑与易错点。
薄弱点
- 对二元函数无条件极值的判别步骤掌握不扎实，容易忽略二阶偏导数判别式的前提条件（仅当一阶偏导数均存在时才可使用该判别法）；
- 构造拉格朗日条件极值的辅助函数时，常出现漏乘约束条件的系数，或对拉格朗日乘数的赋值逻辑混淆；
- 在实际应用类极值问题中，难以快速区分无条件极值与条件极值的适用场景，且容易遗漏对驻点是否符合实际定义域的校验；
- 求解拉格朗日方程组时，变量消元技巧掌握不足，导致计算出错率较高。
AI知识点带复盘
一、二元函数无条件极值
二元函数无条件极值是考研数学高数模块的高频考点，核心解题流程如下：
- 驻点求解：分别对自变量求一阶偏导数，令，解二元方程组得到所有驻点；
- 极值判别：计算驻点处的二阶偏导数，构造判别式：
- 若且，则该驻点为极小值点；若且，则为极大值点；
- 若，则该点不是极值点；
- 若，则判别式失效，需通过极值定义或其他方式进一步判断；
- 补充注意：函数在定义域内偏导数不存在的点，也可能成为极值点，需单独进行校验。
二、拉格朗日条件极值
拉格朗日乘数法是求解带约束条件极值问题的核心工具，适配绝大多数考研条件极值题型，解题步骤如下：
- 构造辅助函数：设目标函数为，约束条件为，则构造拉格朗日函数，其中为拉格朗日乘数；
- 求解驻点：分别对求一阶偏导数并令其为0，得到方程组： L_x = f_x + \lambda\varphi_x = 0 \\ L_y = f_y + \lambda\varphi_y = 0 \\ L_\lambda = \varphi(x,y) = 0 \end{cases}$$ 解此方程组得到的$(x_0,y_0)$即为条件极值的可疑驻点；
- 极值判定：对于实际应用问题，通常可根据问题本身的实际意义直接判断该驻点为最大值或最小值；对于纯数学题型，可将约束条件代入目标函数转化为一元函数，再利用一元函数极值判别法完成判断；
- 拓展考点：当存在多个约束条件时，可引入对应数量的拉格朗日乘数，构造多变量辅助函数后按相同流程求解。
今日小结
今日完成了多元微分强化模块的核心考点复习，通过3小时的学习系统梳理了无条件极值与条件极值的解题框架，结合例题巩固了拉格朗日乘数法的应用逻辑。学习过程中暴露了计算细节与场景判断上的不足，后续将针对性选取专项习题进行训练，强化解题熟练度与正确率。
💡 碎碎念：稳步积累，持续提升。
文档内容由 AI 辅助生成
分享
如果这篇文章对你有帮助，欢迎分享给更多人！
考研数学学习记录2026-06-20
https://elysiaweb.vercel.app/posts/math/6-20/ 部分信息可能已经过时
相关文章 智能推荐