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。 n维空间Rn上的点集D到一维空间R上的映射。
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
如果函数z=f(x,y)的两个二阶混合偏导数∂y∂x∂2z及
∂
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
∂x∂y∂2z在区域D内连续,那么在该区域内这两个二阶
混
合
偏
导
数
必
相
等
。
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。
Δx、Δy而仅与x、y有关,则称函数z=f(x,y)在点f(x,y)可微分,而AΔx+BΔy称为函数z=f(x,y)在点(x,y)的全微分,记作dz,即dz=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=∂x∂zΔx+∂y∂zΔy。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
4.2 x,y和z三个未知数
4.3 两个方程的情形
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。 一元向量值函数是一维空间R上的点D到n维空间Rn的映射。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.
在R3中,若向量值函数f(t),t∈D的三个分量函数分别为f1(t),f2(t),f3(t),t∈D,则向量值函数f可表示为f(t)=f1(t)i+f2(t)j+f3(t)k,t∈D.
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
6.2 梯度一个向量。方向导数是一个数值。
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
设函数z=f(x,y)在点(x0,y0)具有偏导数,且在点(x0,y0)处
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.
有极值,则有fx(x0,y0)=0,fy(x0,y0)=0.
7.2 充分条件
8,拉格朗日乘数法
9,二元函数的泰勒公式