- 重点:求导公式、一元二元函数极值、泰勒公式、方向导数与梯度、拉格朗日乘数法
四、多元函数
1、多元函数偏导数
概念:在一个多变量的函数中,偏导数就是关于其中一个变量的导数而 保持其它变量恒定不变
符号记作:注意与一元函数( d f(x) / d x )符号的区别
求解思路:对某个自变量求偏导,只需将该自变量以外的所有值当常数处理求导即可。
例:
2、二元函数的极值与最值
-
二元函数的极值
原理:通过二元函数的所有自变量的一阶偏导 = 0 联立的方程组求得
步骤:① 所有自变量的一阶偏导数 = 0 联立方程组求得所有的驻点
② 对于每一个驻点(x0,y0)求出二阶偏导数(偶数次偏导数)的值 A、B、C
③ 通过AC - B^2符号和A的符号,再判定是否是极值
三元更多元函数:海森矩阵
例
-
二元函数的最值
3、拉格朗日乘数法:
1、拉格朗日乘数法作用:求等式条件约束(不等式条件约束需要加额外参量)条件下函数的极值。由于构造拉格朗日函数式添加了λ乘数,
故称之为乘数法。
2、拉格朗日乘数法本质:将条件约束函数极值 转换为 求构造的朗格朗日函数的极值(拉格朗日函数所有自变量一阶偏导 = 0)
- 拉格朗日乘数法 代数理解与几何理解
代数理解:将所有等式条件转化为 ‘xxxxx = 0’ 的形式,因此在构造拉格朗日函数时 + λ乘数倍的条件函数 == 原函数,
由此求得条件下的原函数极值问题直接就等于求解拉格朗日函数的极值。
方法:所有一阶自变量偏导 = 0求
驻点(工程中大多该驻点就是极值点)
几何理解如下:
1、当条件约束求极值是必定有原函数与条件函数相切,相切点即为极值点,该极值点的原函数的法向向量与条件函数的法向向量共线。
2、函数法向向量是:(fx , fy , fz , .....),由函数自变量的偏导数构成,与梯度计算方法相同。
3、由法向量共线必有:fx = λ φx 、 fy = λ φy 、fz = λ φz ......
- 一个约束条件
- 两个约束条件
例:
4、方向导数与梯度
1、方向导数:指的是函数沿着某一方向的导数值,它是一个标量(由所有自变量偏导数的 cos θ偏量的和),
偏导数只是特殊的方向导数
2、梯度:它是方向导数值最大的方向,他是一个矢量
2.1如果函数是一维的变量,则梯度就是切线的方向
2.2如果是大于一维的,梯度就是在这个点的法向量(二元函数法向向量求法就是求梯度向量),并指向数值更高的等值线,这就是
为什么求最小值的时候要用负梯度
3、向量的单位化(又称求夹角 cos 值): 坐标/ 模长 >>>>>>>>>>>>> (cos α,cos β ,cos γ , .....) α β γ 是
与坐标轴夹角的 余弦值
(1)方向导数
- 方向导数公式
例 :
(2)梯度
1、一元函数梯度计算方法:显函数求导:切线方向;一元函数法向向量的求解方式:隐函数分别求导
2、多元函 数梯度向量的计算方法 与 法向向量的计算方法相同(取显函数的偏导即可),方向垂直于该点方向。
3、梯度的大小 = 梯度向量的模值
- 梯度公式:
- 梯度证明:
例:
五、不定积分与定积分
不定积分:没有固定区间积分
定积分:有固定区间积分
1、不定积分
(1)不定积分的定义
(2)不定积分的性质
(3)基本的积分表
2、定积分
本质:求曲线矩形的面积
(1)定积分的定义
(2)定积分的计算方法:牛顿-莱布尼茨公式
3、二重积分的计算方法
(1)理解方法
本质:求曲面柱体的体积
(2)二重积分的性质
(3)二重积分的计算
1、先积y在积x
2、或者先积x再积y
注意:无论哪种积分方式 曲线的范围只能用一次
例1:
例2: