多元函数微分中的偏导、导数的一些问题

最新推荐文章于 2023-07-08 19:38:58 发布

kukumer

最新推荐文章于 2023-07-08 19:38:58 发布

阅读量3.2k

点赞数

分类专栏：高等数学

本文链接：https://blog.csdn.net/kukumer/article/details/108149746

版权

本文从人文社科的角度解释了偏导数与d的区别，通过流动性陷阱的例子说明了偏导数在传导途径中的作用。讨论了考研中偏导数与全导数的不同表达形式，包括链式求导法则和隐函数存在定理，并给出了相关题目解析，强调了在实际应用和考试中的注意事项。

摘要由CSDN通过智能技术生成

首先是区分一下偏导数 $\partial$ 和 $d$ （这里不能说全导数，全导数是一元函数中的，多元函数中没有全导数这种东西）：
这里我不从定义上来纠结，作为一名人文社科专业的学生，我们就从控制金融变量（也就是我们函数中的自变量x、y），最后达到目标变量（就是函数的最终取值）的传导途径来看。
一个比较典型的例子是流动性陷阱，一般来说我们都知道降低利率会刺激经济的增长，这个很好理解的，就比如你存钱的基本上不给利息了，贷款的时候可能银行还倒贴你利息（这个比较罕见，一般就是比0高的不多了）。
在这里降低利率是我们的控制变量x、y，而经济增长是我们最终的目的，也就是函数的值。但是我们发现当利率降低到一定程度后，人们反而不愿意消费、投资了，钱都被人们雪藏起来了，这就是因为低利率影响了人们的流动性偏好，这个时候人们认为持有现金是最好的选择（有兴趣的同学可以去翻金融学相关的文章），进一步的，这个时候经济增长的目的也就达不到了。

由此我们可以看到一个如下的传导途径：
在这里插入图片描述
如果用的d的话， $\frac{d(经济增长)}{d(利率调整)}$ 就相当于考虑了两条路径，而偏导数 $\frac{\partial经济增长}{\partial利率调整}$ 就只考虑了直接的影响，没有考虑到流动性偏好这条路径了。

最后我们讲一讲考研中不同的表达式中的偏导数和全导数：
链式求导法则中：
eg. $z=f[\phi(x,y),\psi(x,y)],u=\phi(x,y),v=\psi(x,y)$
一般情况应该是： $\frac{dz}{dx}=\frac{\partial z}{\partial u}\frac{du}{dx}+\frac{\partial z}{\partial v}\frac{dv}{dx}$

最低0.47元/天解锁文章