本系列博客汇总在这里:考研数学知识点汇总系列博客
文章目录
- 十三、多元函数微分学
- 1 多元函数偏导数和全微分的概念
- 1.1 偏导数
- 1.2 全微分
- 1.3 可微的必要条件
- 1.4 可微的充分条件
- 2 多元函数几个概念间的关系
- 3 方向导数和梯度
- 4 二元函数的泰勒公式
- 5 多元函数的极值和条件极值
- 5.1 二元函数极值
- 5.2 条件极值
- 5.2.1 一个约束条件的极值
- 5.2.2 两个约束条件的极值
- 6 复合函数微分法
- 7 隐函数求导法
十三、多元函数微分学
1 多元函数偏导数和全微分的概念
1.1 偏导数
设z=f(x,y),则偏导数定义为:
f x ′ ( x 0 , y 0 ) = lim △ x → 0 f ( x 0 + △ x , y 0 ) − f ( x 0 , y 0 ) △ x f'_x(x_0,y_0)=\lim_{△x→0}\frac{f(x_0+△x,y_0)-f(x_0,y_0)}{△x} fx′(x0,y0)=△x→0lim△xf(x0+△x,y0)−f(x0,y0)
f y ′ ( x 0 , y 0 ) = lim △ y → 0 f ( x 0 , y 0 + △ y ) − f ( x 0 , y 0 ) △ y f'_y(x_0,y_0)=\lim_{△y→0}\frac{f(x_0,y_0+△y)-f(x_0,y_0)}{△y} fy′(x0,y0)=△y→0lim△yf(x0,y0+△y)−f(x0,y0)
1.2 全微分
若 △ z = f ( x 0 + △ x , y 0 + △ y ) − f ( x 0 , y 0 ) = A △ x + B △ y + o ( ρ ) △z=f(x_0+△x,y_0+△y)-f(x_0,y_0)=A△x+B△y+o(ρ) △z=f(x0+△x,y0+△y)−f(x0,y0)=A△x+B△y+o(ρ),其中 ρ = ( △ x ) 2 + ( △ y ) 2 ρ=\sqrt{(△x)^2+(△y)^2} ρ=(△x)2+(△y)2 ,则称f(x,y)在点(x0,y0)处可微,且A△x+B△y称为z=f(x,y)在点(x0,y0)的全微分,记为dz,即dz=A△x+B△y,而且,f’x(x0,y0)=A,f’y(x0,y0)=B。
1.3 可微的必要条件
如果z=f(x,y)在点(x0,y0)可微,则在点(x0,y0)处的两个偏导数f’x(x0,y0),f’y(x0,y0)都存在,并且全微分表达式中的A,B为
A = f x ′ ( x 0 , y 0 ) , B = f y ′ ( x 0 , y 0 ) A=f'_x(x_0,y_0),B=f'_y(x_0,y_0) A=fx′(x0,y0),B=fy′(x0,y0)
1.4 可微的充分条件
- 定理
如果f(x,y)的两个偏导数f’x(x,y),f’y(x,y)在点(x0,y0)连续,则必在点(x0,y0)处可微。
2 多元函数几个概念间的关系
偏导数连续 ⇒ \Rightarrow ⇒函数可微 ⇒ { 函 数 连 续 偏 导 数 存 在 \Rightarrow\begin{cases} 函数连续 \\ 偏导数存在 \end{cases} ⇒{函数连续偏导数存在
3 方向导数和梯度
3.1 方向导数
z=f(x,y)沿l的方向导数为
∂ f ∂ l = ∂ f ∂ x cos α + ∂ f ∂ y cos β \frac{\partial{f}}{\partial{l}}=\frac{\partial{f}}{\partial{x}}\cos{α}+\frac{\partial{f}}{\partial{y}}\cos{β} ∂l∂f=∂x∂fcosα+∂y∂fcosβ
3.2 梯度
u=f(x,y,z)在P(x,y,z)的梯度为
g r a d f ( x , y , z ) = { ∂ f ∂ x , ∂ f ∂ y , ∂ f ∂ z } = ∂ f ∂ x i + ∂ f ∂ y j + ∂ f ∂ z k \mathrm{grad}f(x,y,z)=\{\frac{\partial{f}}{\partial{x}},\frac{\partial{f}}{\partial{y}},\frac{\partial{f}}{\partial{z}}\}=\frac{\partial{f}}{\partial{x}}i+\frac{\partial{f}}{\partial{y}}j+\frac{\partial{f}}{\partial{z}}k gradf(x,y,z)={∂x∂f,∂y∂f,∂z∂f}=∂x∂fi+∂y∂fj+∂z∂fk
4 二元函数的泰勒公式
设z=f(x,y)在点(x0,y0)的某一邻域内有直到三阶的连续偏导数,(x0+h,y0+k)为此邻域内任一点,则z=f(x,y)在点(x0,y0)的二阶泰勒公式为
f ( x 0 + h , y 0 + k ) = f ( x 0 , y 0 ) + ( h ∂ ∂ x + k ∂ ∂ y ) f ( x 0 , y 0 ) + 1 2 ! ( h ∂ ∂ x + k ∂ ∂ y ) 2 f ( x 0 , y 0 ) + 1 3 ! ( h ∂ ∂ x + k ∂ ∂ y ) 3 f ( x 0 + θ h , y 0 + θ k ) , ( 0 < θ < 1 ) f(x_0+h,y_0+k)=f(x_0,y_0)+(h\frac{\partial}{\partial{x}}+k\frac{\partial}{\partial{y}})f(x_0,y_0)+\frac{1}{2!}(h\frac{\partial}{\partial{x}}+k\frac{\partial}{\partial{y}})^2f(x_0,y_0)+\frac{1}{3!}(h\frac{\partial}{\partial{x}}+k\frac{\partial}{\partial{y}})^3f(x_0+θh,y_0+θk),(0<θ<1) f(x0+h,y0+k)=f(x0,y0)+(h∂x∂+k∂y∂)f(x0,y0)+2!1(h∂x∂+k∂y∂)2f(x0,y0)+3!1(h∂x∂+k∂y∂)3f(x0+θh,y0+θk),(0<θ<1)
5 多元函数的极值和条件极值
5.1 二元函数极值
-
定义
设函数z=f(x,y)在点(x0,y0)的某邻域内有定义,如果对该邻域内的任何异于(x0,y0)的点(x,y),都有不等式f(x,y)0,y0)(f(x,y)>f(x0,y0)),则称函数有极大值f(x0,y0)(极小值f(x0,y0))。极大值、极小值统称为极值,使函数取得极值的点称为极值点。
-
定理
设z=f(x,y)在点(x0,y0)取得极值,且f(x,y)在点(x0,y0)存在偏导数,则必有 f x ′ ( x 0 , y 0 ) = 0 f'_x(x_0,y_0)=0 fx′(x0,y0)=0, f y ′ ( x 0 , y 0 ) = 0 f'_y(x_0,y_0)=0 fy′(x0,y0)=0。
-
定理
设f(x,y)在点(x0,y0)具有连续二阶偏导数,并设(x0,y0)是f(x,y)的驻点,记 A = f x x ′ ′ ( x 0 , y 0 ) A=f''_{xx}(x_0,y_0) A=fxx′′(x0,y0), B = f x y ′ ′ ( x 0 , y 0 ) B=f''_{xy}(x_0,y_0) B=fxy′′(x0,y0), A = f y y ′ ′ ( x 0 , y 0 ) A=f''_{yy}(x_0,y_0) A=fyy′′(x0,y0),则
当 B 2 − A C < 0 , A > 0 B^2-AC<0,A>0 B2−AC<0,A>0时, f ( x 0 , y 0 ) f(x_0,y_0) f(x0,y0)为极小值;
当 B 2 − A C < 0 , A < 0 B^2-AC<0,A<0 B2−AC<0,A<0时, f ( x 0 , y 0 ) f(x_0,y_0) f(x0,y0)为极大值;
当 B 2 − A C > 0 B^2-AC>0 B2−AC>0时, f ( x 0 , y 0 ) f(x_0,y_0) f(x0,y0)不是极值;
当 B 2 − A C = 0 B^2-AC=0 B2−AC=0时, f ( x 0 , y 0 ) f(x_0,y_0) f(x0,y0)不能确定是否为极值;
5.2 条件极值
5.2.1 一个约束条件的极值
求z=f(x,y)在条件φ(x,y)=0下的极值。
- 构造拉格朗日函数 F ( x , y , λ ) = f ( x , y ) + λ φ ( x , y ) F(x,y,λ)=f(x,y)+λφ(x,y) F(x,y,λ)=f(x,y)+λφ(x,y);
- 将F(x,y,λ)分别对x,y,λ求偏导数,构造下列方程组:
{ F x ′ = f x ′ ( x , y ) + λ φ x ′ ( x , y ) = 0 , F y ′ = f y ′ ( x , y ) + λ φ y ′ ( x , y ) = 0 , F λ ′ = φ ( x , y ) = 0 , \begin{cases} F'_x=f'_x(x,y)+λφ'_x(x,y)=0, \\ F'_y=f'_y(x,y)+λφ'_y(x,y)=0, \\ F'_λ=φ(x,y)=0, \end{cases} ⎩⎪⎨⎪⎧Fx′=fx′(x,y)+λφx′(x,y)=0,Fy′=fy′(x,y)+λφy′(x,y)=0,Fλ′=φ(x,y)=0,
解出(x,y),这是可能极值点的坐标;
- 判定上述点是否为极值点,如果是,求出该点的函数值f(x,y)。
5.2.2 两个约束条件的极值
求u=f(x,y,z)在条件φ1(x,y,z)=0,φ2(x,y,z)=0下的极值。
- 构造拉格朗日函数 F ( x , y , z , λ , μ ) = f ( x , y , z ) + λ φ 1 ( x , y , z ) + μ φ 2 ( x , y , z ) F(x,y,z,λ,μ)=f(x,y,z)+λφ_1(x,y,z)+μφ_2(x,y,z) F(x,y,z,λ,μ)=f(x,y,z)+λφ1(x,y,z)+μφ2(x,y,z);
- 将F(x,y,z,λ,μ)分别对x,y,z,λ,μ求偏导数,构造下列方程组:
{ F x ′ = f x ′ ( x , y , z ) + λ φ 1 x ′ ( x , y , z ) + μ φ 2 x ′ ( x , y , z ) = 0 , F y ′ = f y ′ ( x , y , z ) + λ φ 1 y ′ ( x , y , z ) + μ φ 2 y ′ ( x , y , z ) = 0 , F z ′ = f z ′ ( x , y , z ) + λ φ 1 z ′ ( x , y , z ) + μ φ 2 z ′ ( x , y , z ) = 0 , F λ ′ = φ 1 ( x , y , z ) = 0 , F μ ′ = φ 2 ( x , y , z ) = 0 , \begin{cases} F'_x=f'_x(x,y,z)+λφ'_{1x}(x,y,z)+μφ'_{2x}(x,y,z)=0, \\ F'_y=f'_y(x,y,z)+λφ'_{1y}(x,y,z)+μφ'_{2y}(x,y,z)=0, \\ F'_z=f'_z(x,y,z)+λφ'_{1z}(x,y,z)+μφ'_{2z}(x,y,z)=0, \\ F'_λ=φ_1(x,y,z)=0, \\ F'_μ=φ_2(x,y,z)=0, \end{cases} ⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧Fx′=fx′(x,y,z)+λφ1x′(x,y,z)+μφ2x′(x,y,z)=0,Fy′=fy′(x,y,z)+λφ1y′(x,y,z)+μφ2y′(x,y,z)=0,Fz′=fz′(x,y,z)+λφ1z′(x,y,z)+μφ2z′(x,y,z)=0,Fλ′=φ1(x,y,z)=0,Fμ′=φ2(x,y,z)=0,
解出(x,y,z),这是可能极值点的坐标;
- 判定上述点是否为极值点,如果是,求出该点的函数值f(x,y,z)。
6 复合函数微分法
- 定理
设函数z=f(u,v)可微,u=u(x,y),v=v(x,y)具有一阶偏导数,并且它们可以构成z关于(x,y)在某区域D内的复合函数,则在D内有复合函数求导法则
∂ z ∂ x = ∂ z ∂ u ⋅ ∂ u ∂ x + ∂ z ∂ v ⋅ ∂ v ∂ x \frac{\partial{z}}{\partial{x}}=\frac{\partial{z}}{\partial{u}}·\frac{\partial{u}}{\partial{x}}+\frac{\partial{z}}{\partial{v}}·\frac{\partial{v}}{\partial{x}} ∂x∂z=∂u∂z⋅∂x∂u+∂v∂z⋅∂x∂v
∂ z ∂ y = ∂ z ∂ u ⋅ ∂ u ∂ y + ∂ z ∂ v ⋅ ∂ v ∂ y \frac{\partial{z}}{\partial{y}}=\frac{\partial{z}}{\partial{u}}·\frac{\partial{u}}{\partial{y}}+\frac{\partial{z}}{\partial{v}}·\frac{\partial{v}}{\partial{y}} ∂y∂z=∂u∂z⋅∂y∂u+∂v∂z⋅∂y∂v
7 隐函数求导法
-
定理 (二元隐函数存在定理)
设函数F(x,y,z)在点P0(x0,y0,z0)的某邻域内有连续偏导数,并且F(x0,y0,z0)=0,F’z(x0,y0,z0)≠0,则方程F(x,y,z)=0在点P0(x0,y0,z0)的某一邻域内恒能确定唯一的连续函数z=f(x,y),满足
- z 0 = f ( x 0 , y 0 ) z_0=f(x_0,y_0) z0=f(x0,y0)
- F ( x , y , f ( x , y ) ) ≡ 0 F(x,y,f(x,y))≡0 F(x,y,f(x,y))≡0
- z = f ( x , y ) z=f(x,y) z=f(x,y)具有连续偏导数,且
∂ z ∂ x = − F x ′ ( x , y , z ) F z ′ ( x , y , z ) , ∂ z ∂ y = − F y ′ ( x , y , z ) F z ′ ( x , y , z ) \frac{\partial{z}}{\partial{x}}=-\frac{F'_x(x,y,z)}{F'_z(x,y,z)}, \frac{\partial{z}}{\partial{y}}=-\frac{F'_y(x,y,z)}{F'_z(x,y,z)} ∂x∂z=−Fz′(x,y,z)Fx′(x,y,z),∂y∂z=−Fz′(x,y,z)Fy′(x,y,z)
-
定理
设函数F(x,y,u,v),G(x,y,u,v)在点P0(x0,y0,u0,v0)的某邻域内有连续偏导数,又F(x0,y0,u0,v0)=0,G(x0,y0,u0,v0)=0,且 ∣ F u ′ F v ′ G u ′ G v ′ ∣ ≠ 0 \begin{vmatrix} F'_u & F'_v \\ G'_u & G'_v \end{vmatrix}≠0 ∣∣∣∣Fu′Gu′Fv′Gv′∣∣∣∤=0,则方程组 { F ( x , y , u , v ) = 0 G ( x , y , u , v ) = 0 \begin{cases} F(x,y,u,v)=0 \\ G(x,y,u,v)=0 \end{cases} {F(x,y,u,v)=0G(x,y,u,v)=0在点P0(x0,y0,u0,v0)的某一邻域内恒能确定唯一的一组连续函数u=u(x,y),v=v(x,y),满足
- u 0 = u ( x 0 , y 0 ) , v 0 = v ( x 0 , y 0 ) u_0=u(x_0,y_0),v_0=v(x_0,y_0) u0=u(x0,y0),v0=v(x0,y0)
- F ( x , y , u ( x , y ) , v ( x , y ) ) ≡ 0 , G ( x , y , u ( x , y ) , v ( x , y ) ) ≡ 0 F(x,y,u(x,y),v(x,y))≡0,G(x,y,u(x,y),v(x,y))≡0 F(x,y,u(x,y),v(x,y))≡0,G(x,y,u(x,y),v(x,y))≡0
- u = u ( x , y ) , v = v ( x , y ) u=u(x,y),v=v(x,y) u=u(x,y),v=v(x,y)具有连续偏导数,且
∂ u ∂ x = ∣ F v ′ F x ′ G v ′ G x ′ ∣ ∣ F u ′ F v ′ G u ′ G v ′ ∣ , ∂ u ∂ y = ∣ F v ′ F y ′ G v ′ G y ′ ∣ ∣ F u ′ F v ′ G u ′ G v ′ ∣ \frac{\partial{u}}{\partial{x}}=\frac{\begin{vmatrix} F'_v & F'_x \\ G'_v & G'_x \end{vmatrix}}{\begin{vmatrix} F'_u & F'_v \\ G'_u & G'_v \end{vmatrix}},\frac{\partial{u}}{\partial{y}}=\frac{\begin{vmatrix} F'_v & F'_y \\ G'_v & G'_y \end{vmatrix}}{\begin{vmatrix} F'_u & F'_v \\ G'_u & G'_v \end{vmatrix}} ∂x∂u=∣∣∣∣Fu′Gu′Fv′Gv′∣∣∣∣∣∣∣∣Fv′Gv′Fx′Gx′∣∣∣∣,∂y∂u=∣∣∣∣Fu′Gu′Fv′Gv′∣∣∣∣∣∣∣∣Fv′Gv′Fy′Gy′∣∣∣∣
∂ v ∂ x = ∣ F x ′ F u ′ G x ′ G u ′ ∣ ∣ F u ′ F v ′ G u ′ G v ′ ∣ , ∂ v ∂ y = ∣ F y ′ F u ′ G y ′ G u ′ ∣ ∣ F u ′ F v ′ G u ′ G v ′ ∣ \frac{\partial{v}}{\partial{x}}=\frac{\begin{vmatrix} F'_x & F'_u \\ G'_x & G'_u \end{vmatrix}}{\begin{vmatrix} F'_u & F'_v \\ G'_u & G'_v \end{vmatrix}},\frac{\partial{v}}{\partial{y}}=\frac{\begin{vmatrix} F'_y & F'_u \\ G'_y & G'_u \end{vmatrix}}{\begin{vmatrix} F'_u & F'_v \\ G'_u & G'_v \end{vmatrix}} ∂x∂v=∣∣∣∣Fu′Gu′Fv′Gv′∣∣∣∣∣∣∣∣Fx′Gx′Fu′Gu′∣∣∣∣,∂y∂v=∣∣∣∣Fu′Gu′Fv′Gv′∣∣∣∣∣∣∣∣Fy′Gy′Fu′Gu′∣∣∣∣