高等数学-多元函数微分法

1,多元函数的概念

1.1 函数是数集到数集的映射,多元函数是 n 维 空 间 R n 上 的 点 集 D 到 一 维 空 间 R 上 的 映 射 。 n维空间R^n上的点集D到一维空间R上的映射。 nRnDR

1.2 多元函数极限和连续性的定义方法与一元函数类似(判断多元函数极限是否存在的技巧:从y=kx的方向去趋近;分别从y=x和y=-x两个方向去趋近)。

1.3 有界性与最大值最小值定理。在有界闭区域D上的多元连续函数,必定在D 上有界,且能取得它的最大值和最小值。

1.4 介值定理。在有界闭区域D上的多元连续函数必取得介于最大值和最小值之间的任何值。

1.5 一致连续性定理。在有界闭区域D上的多元连续函数必定在D上一直连续。

2,偏导数

2.1 在求偏导数时,一定要先固定坐标系统,哪些是自变量要搞清楚。如果以x,y,z为自变量的函数,求对x的偏导数时将y和z看成常量即可。

2.2 偏导数的几何意义是与曲线在某点的切线,或曲面在某个方向的切线联系在一起的。

2.3 如 果 函 数 z = f ( x , y ) 的 两 个 二 阶 混 合 偏 导 数 ∂ 2 z ∂ y ∂ x 及 如果函数z=f(x,y)的两个二阶混合偏导数\frac{\partial^2z}{\partial y\partial x}及 z=f(x,y)yx2z ∂ 2 z ∂ x ∂ y 在 区 域 D 内 连 续 , 那 么 在 该 区 域 内 这 两 个 二 阶 \frac{\partial^2z}{\partial x\partial y}在区域D内连续,那么在该区域内这两个二阶 xy2zD
混 合 偏 导 数 必 相 等 。 混合偏导数必相等。 反之,相等推不出连续。

3,全微分

3.1 定义:设函数z=f(x,y)在点(x, y)的某邻域内有定义,如果函数在点(x, y)的全增量
Δ z = f ( x + Δ x , y + Δ y ) − f ( x , y ) \Delta z=f(x+\Delta x, y+\Delta y)-f(x, y) Δz=f(x+Δx,y+Δy)f(x,y)可表示为
Δ z = A Δ x + B Δ y + o ( ρ ) \Delta z=A\Delta x+B\Delta y+o(\rho) Δz=AΔx+BΔy+o(ρ)
其中A、B不依赖于 Δ x 、 Δ y 而 仅 与 x 、 y 有 关 , 则 称 函 数 z = f ( x , y ) 在 点 f ( x , y ) 可 微 分 , 而 A Δ x + B Δ y 称 为 函 数 z = f ( x , y ) 在 点 ( x , y ) 的 全 微 分 , 记 作 d z , 即 d z = A Δ x + B Δ y 。 \Delta x、\Delta y而仅与x、y有关,则称函数z=f(x,y)在点f(x,y)可微分,而A\Delta x+B\Delta y称为函数z=f(x,y)在点(x,y)的全微分,记作dz,即dz=A\Delta x+B\Delta y。 ΔxΔyxyz=f(x,y)f(x,y)AΔx+BΔyz=f(x,y)(x,y)dzdz=AΔx+BΔy

3.2 全微分进一步可以写成偏导数的形式: d z = ∂ z ∂ x Δ x + ∂ z ∂ y Δ y dz=\frac{\partial z}{\partial x}\Delta x+\frac{\partial z}{\partial y}\Delta y dz=xzΔx+yzΔy。函数在点(x,y)处可微分可以推出函数在该点的偏导数都存在,推不出来各偏导数连续。

3.3 如果函数在点(x,y)处各偏导数连续,则函数在该点可微分。

4,隐函数求导法则

4.1 x和y两个未知数
高等数学-多元函数微分法_第1张图片
4.2 x,y和z三个未知数
高等数学-多元函数微分法_第2张图片
4.3 两个方程的情形
高等数学-多元函数微分法_第3张图片
高等数学-多元函数微分法_第4张图片

5,一元向量值函数

5.1 一 元 向 量 值 函 数 是 一 维 空 间 R 上 的 点 D 到 n 维 空 间 R n 的 映 射 。 一元向量值函数是一维空间R上的点D到n维空间R^n的映射。 RDnRn一元向量值函数是普通一元函数的推广。

5.2 将一维点集投射到三维空间中,可以表示如下:
在 R 3 中 , 若 向 量 值 函 数 f ⃗ ( t ) , t ∈ D 的 三 个 分 量 函 数 分 别 为 f 1 ( t ) , f 2 ( t ) , f 3 ( t ) , t ∈ D , 则 向 量 值 函 数 f ⃗ 可 表 示 为 f ⃗ ( t ) = f 1 ( t ) i ⃗ + f 2 ( t ) j ⃗ + f 3 ( t ) k ⃗ , t ∈ D . 在R^3中,若向量值函数\vec f(t),t\in D的三个分量函数分别为f_1(t),f_2(t),f_3(t),t\in D,则向量值函数\vec f可表示为\vec f(t)=f_1(t)\vec i+f_2(t)\vec j+f_3(t)\vec k,t\in D. R3f (t),tDf1(t),f2(t),f3(t),tDf f (t)=f1(t)i +f2(t)j +f3(t)k ,tD.

5.3 两向量垂直代表它们的数量积为0,两向量平行则它们的坐标成正比。

6,方向导数与梯度

6.1 方向导数
在这里插入图片描述
高等数学-多元函数微分法_第5张图片
6.2 梯度一个向量。方向导数是一个数值。
高等数学-多元函数微分法_第6张图片

7,多元函数的极值

7.1 必要条件
设 函 数 z = f ( x , y ) 在 点 ( x 0 , y 0 ) 具 有 偏 导 数 , 且 在 点 ( x 0 , y 0 ) 处 设函数z=f(x,y)在点(x_0,y_0)具有偏导数,且在点(x_0,y_0)处 z=f(x,y)x0,y0(x0,y0)
有 极 值 , 则 有 f x ( x 0 , y 0 ) = 0 , f y ( x 0 , y 0 ) = 0. 有极值,则有f_x(x_0,y_0)=0,f_y(x_0,y_0)=0. fx(x0,y0)=0,fy(x0,y0)=0.

7.2 充分条件
高等数学-多元函数微分法_第7张图片
在这里插入图片描述

8,拉格朗日乘数法

9,二元函数的泰勒公式

高等数学-多元函数微分法_第8张图片
高等数学-多元函数微分法_第9张图片
高等数学-多元函数微分法_第10张图片

你可能感兴趣的:(微积分)