高等数学——多元函数微分学

系列文章目录

• 高等数学——函数、极限和连续
• 高等数学——一元函数微分学
• 高等数学——一元函数积分学
• 高等数学——微分方程
• 高等数学——多元函数微分学
• 高等数学——二重积分

---

版权声明

本文为作者的考研数学笔记，可能这是人生最后一次全面学习数学的机会，所以通过网络的形式留存一份易保存且易回顾的资料。不存在恶意抄袭，本文内容出自以下几个地方：

• 武钟祥老师考研教材
• 武钟祥老师考研视频课
• 科学出版社十二五规划教材高等数学
• 网络
• 个人理解

其中教材内容会以

引用

的形式出现。

多元函数相关概念

多元（二元）函数的定义：设$D$是平面上的一个点集，若对每个点$P(x,y)\in D$，变量$z$按照某一对应法则$f$有一个确定的值与之对应，则称$z$为$x,y$的二元函数，记为$$z=f(x,y)$$其中点集$D$称为该函数的定义域，$x,y$称为自变量，$z$称为因变量，函数$f(x,y)$的全体所构成的集合称为函数$f$的值域，记为$f(D)$。通常情况下，二元函数在几何上表示一张空间曲面。

重极限

定义：设函数$f(x,y)$在区域$D$上有定义，点$P_0(x_0,y_0)\in D$或为$D$的边界点，如果$\forall \epsilon >0$，$\exists \delta >0$，当$P(x,y)\in D$，且$$0<\sqrt{(x-x_0{)}^2+(y-y_0{)}^2}<\delta$$时，都有$|f(x)-A|<\epsilon$成立，则称常数$A$为函数$f(x,y)$当$(x,y)\to (x_0,y_0)$时的极限，记为$$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)=A或\underset{x\to x_{0}y\to y_0}{\lim }f(x,y)=A或\underset{P\to P_0}{\lim }f(P)=A$$

注意：

• 多元函数极限存在是指$P(x,y)$以任何方式趋近于$P_0(x_0,y_0)$时，$f(x,y)$都无限接近于$A$。因此，如果$P(x,y)$以特定方式趋近于$P_0(x_0,y_0)$时，$f(x,y)$都无限接近于$A$或$P(x,y)$以任何方式趋近于$P_0(x_0,y_0)$时，$f(x,y)$都无限接近于不同的值，那么该函数的极限都不存在。

连续

定义：设函数$f(x,y)$在区域$D$上有定义，点$P_0(x_0,y_0)\in D$，如果$$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)=f(x_0,y_0)$$成立，则称函数$f(x,y)$在点$P_0(x_0,y_0)$连续，如果$f(x,y)$在区域$D$上的每个点$(x,y)$处都连续，则称函数$f(x,y)$在区域$D$上连续。
性质：

• 性质一：多元函数的和、差、积、商（分母不为零）仍为连续函数。
• 性质二：多元连续函数的复合函数也是连续函数。
• 性质三：多元初等函数在其定义区域内连续。
• 性质四（最大最小值定理）：有界闭区域$D$上的连续函数在区域$D$上必能取得最大值和最小值。
• 性质五（介值定理）：有界闭区域$D$上的连续函数在区域$D$上必能取得介于最大值和最小值之间的任何值。

偏导数

偏导数定义：设$z=f(x,y)$在点$P_0(x_0,y_0)$的某一邻域内有定义，如果$$\underset{\Delta x\to 0}{\lim }\frac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$$存在，则称这个极限值为函数$z=f(x,y)$在点$P_0(x_0,y_0)$处对$x$的偏导数，记为$$\frac{\partial z}{\partial x}{|}_{x=x_{0}y=x_0}或\frac{\partial f}{\partial x}{|}_{x=x_{0}y=x_0}或f_x^{\prime }(x_0,y_0)$$类似的，如果$$\underset{\Delta y\to 0}{\lim }\frac{f(x_0,y_0+\Delta y)-f(x_0,y_0)}{\Delta y}$$存在，则称这个极限值为函数$z=f(x,y)$在点$P_0(x_0,y_0)$处对$y$的偏导数，记为$$\frac{\partial z}{\partial y}{|}_{x=x_{0}y=x_0}或\frac{\partial f}{\partial y}{|}_{x=x_{0}y=x_0}或f_y^{\prime }(x_0,y_0)$$
高阶偏导数定义：如果$f(x,y)$在区域$D$内的偏导数$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$仍然存在偏导数，则称之为函数$f(x,y)$的二阶偏导数，常记为$$\begin{gathered} \frac{\partial }{\partial x}(\frac{\partial z}{\partial x})=\frac{{\partial }^{2}z}{\partial x^2}或f_{xx}^{\prime \prime }，\frac{\partial }{\partial y}(\frac{\partial z}{\partial x})=\frac{{\partial }^{2}z}{\partial x\partial y}或f_{xy}^{\prime \prime } \\ \frac{\partial }{\partial x}(\frac{\partial z}{\partial y})=\frac{{\partial }^{2}z}{\partial y\partial x}或f_{yx}^{\prime \prime }，\frac{\partial }{\partial y}(\frac{\partial z}{\partial y})=\frac{{\partial }^{2}z}{\partial y^2}或f_{yy}^{\prime \prime } \end{gathered}$$常称$$\frac{{\partial }^{2}z}{\partial x\partial y},\frac{{\partial }^{2}z}{\partial y\partial x}$$为混合偏导数。

定理：如果函数$f(x,y)$的两个二阶混合偏导数$\frac{{\partial }^{2}z}{\partial x\partial y},\frac{{\partial }^{2}z}{\partial y\partial x}$在区域$D$内连续，则在该区域内这两个混合偏导数一定相等。

全微分

定义：如果函数$z=f(x,y)$在$(x_0,y_0)$处的全增量$$\Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)$$可表示为$$\delta z=A\Delta x+B\Delta y+o(\rho )$$其中$A,B$与$\Delta x,\Delta y$无关，$\rho =\sqrt{(\Delta x{)}^2+(\Delta y{)}^2}$，则称函数$z=f(x,y)$在点$(x_0,y_0)$处可微，而$A\Delta x+B\Delta y$称为函数$f(x,y)$在点$(x_0,y_0)$处的全微分，记为$$dz=A\Delta x+B\Delta y$$如果$f(x,y)$在区域$D$内的每一点$(x,y)$都可微分，则称$f(x,y)$在$D$内可微。
定理（全微分存在的必要条件）：如果函数$f(x,y)$在$(x_0,y_0)$处可微，则该函数在点$(x,y)$处的偏导数$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$必定存在，且$$dz=\frac{\partial z}{\partial x}dx+\frac{\partial z}{\partial y}dy$$

定理（全微分存在的充分条件）：如果函数$f(x,y)$的偏导数$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$在点$(x_0,y_0)$ 处连续，则函数$f(x,y)$在点$(x_0,y_0)$ 处可微。

用定义判断函数$f(x,y)$在$(x_0,y_0)$处的可微性分为以下两步：

• $f_x^{\prime }(x_0,y_0)$和$f_y^{\prime }(x_0,y_0)$是否存在
• $\underset{\Delta x\to 0\Delta y\to 0}{\lim }\frac{[f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)]-[f_x^{\prime }(x_0,y_0)\Delta x+f_y^{\prime }(x_0,y_0)\Delta y]}{\sqrt{(\Delta x{)}^2+(\Delta y{)}^2}}$是否等于零

重极限的求解

求解重极限的方法如下：

• 有理运算
• 极限与无穷小的关系
• 夹逼原理
  • 不确定正负取绝对值
  • $||a|-|b||\le |a+b|\le |a|+|b|$
  • $||a|-|b||\le |a-b|\le |a|+|b|$
  • $2|ab|\le a^2+b^2$
  • $2ab\le a^2+b^2$
• 极坐标结论：$\underset{x\to 0y\to 0}{\lim }\frac{x^a{y}^b}{x^2+y^2}$，若$a+b>2$则极限为$0$。

求解极限不存在的方法：

• 沿不同路径得到的极限不同
• 极坐标结论：$\underset{x\to 0y\to 0}{\lim }\frac{x^a{y}^b}{x^2+y^2}$，若$a+b\le 2$则极限不存在。

多元函数的微分法

复合函数微分法

定义：设函数$u=u(x,y),v=v(x,y)$在点$(x,y)$处有对$x$及对$y$的偏导数，函数$z=f(u,v)$在对应点$(u,v)$处有连续偏导数，则复合函数$z=f[u(x,y),v(x,y)]$在点(x,y)处的两个偏导数存在，且有$$\frac{\partial z}{\partial x}=\frac{\partial z}{\partial u}\frac{\partial u}{\partial x}+\frac{\partial z}{\partial v}\frac{\partial v}{\partial x},\frac{\partial z}{\partial y}=\frac{\partial z}{\partial u}\frac{\partial u}{\partial y}+\frac{\partial z}{\partial v}\frac{\partial v}{\partial y}$$
全微分形式的不变性：设函数$z=f(u,v),u=u(x,y)$，及$v=v(x,y)$都有连续的一阶偏导数，则复合函数$z=f[u(x,y),v(x,y)]$的全微分$$dz=\frac{\partial z}{\partial x}dx+\frac{\partial z}{\partial y}dy+\frac{\partial z}{\partial u}du+\frac{\partial z}{\partial v}dv$$即不论把函数$z$看做自变量$x,y$的函数，还是看作中间变量$u,v$的函数，函数$z$的全微分形式都是一样的。

隐函数微分法

由方程$F(x,y)=0$确定的隐函数$y=y(x)$：若函数$F(x,y)$在点$P(x_0,y_0)$ 的某一邻域内有连续偏导数，且$F(x_0,y_0)=0,F_y^{\prime }(x_0,y_0)\ne 0$，则方程$F(x,y)=0$在点$(x_0,y_0)$的某邻域可唯一确定一个有连续导数的函数$y=f(x)$，并有$$y^{\prime }=-\frac{F_x^{\prime }}{F_y^{\prime }}$$
由方程$F(x,y,z)=0$确定的隐函数$z=z(x,y)$：若函数$F(x,y,z)$在点$P(x_0,y_0,z_0)$的某一邻域内有连续偏导数，且$F(x_0,y_0,z_0)=0,F_y^{\prime }(x_0,y_0,z_0)\ne 0$，则方程$F(x,y,z)=0$在点$(x_0,y_0,z_0)$的某邻域可唯一确定一个有连续导数的函数$z=f(x,y)$，并有$$\frac{\partial z}{\partial x}=-\frac{F_x^{\prime }}{F_z^{\prime }},\frac{\partial z}{\partial y}=-\frac{F_y^{\prime }}{F_z^{\prime }}$$

多元函数的极值与最值

无约束极值

定义：设函数$z=f(x,y)$在点$P_0(x_0,y_0)$的某邻域内有定义，若对该邻域内任意的点$P(x,y)$均有$f(x,y)\le f(x_0,y_0)$，则称$(x_0,y_0)$为$f(x,y)$的极大值点，称$f(x_0,y_0)$为$f(x,y)$的极大值。极大值和极小值点统称为极值点，极大值极小值统称为极值。
定理（极值的必要条件）：设函数$z=f(x,y)$在点$P_0(x_0,y_0)$存在偏导数，且$(x_0,y_0)$为$f(x,y)$的极值点，则$$f_x^{\prime }(x_0,y_0)=0,f_y^{\prime }(x_0,y_0)=0$$
定理（极值的充分条件）：设函数$z=f(x,y)$在点$P_0(x_0,y_0)$的某邻域内有二阶连续偏导数，且$f_x^{\prime }(x_0,y_0)=0,f_y^{\prime }(x_0,y_0)=0$，记$A=f_{xx}^{\prime \prime }(x_0,y_0),B=f_{xy}^{\prime \prime }(x_0,y_0),C=f_{yy}^{\prime \prime }(x_0,y_0)$则有以下结论：

• 若$AC-B^2>0$，则$(x_0,y_{)})$为$f(x,y)$的极值点。
  • 若$A<0$，则$(x_{)},y_{)})$为$f(x,y)$的极大值点；
  • 若$A>0$，则$(x_{)},y_{)})$为$f(x,y)$的极小值点。
• 若$AC-B^2<0$，则$(x_0,y_{)})$不为$f(x,y)$的极值点。
• 若$AC-B^2=0$，则$(x_0,y_{)})$可能为$f(x,y)$的极值点，也可能不为$f(x,y)$的极值点（此时一般用定义判断）。

求具有二阶连续偏导数的二元函数$z=f(x,y)$极值的一般步骤为：

• 求出$f(x,y)$的驻点$P_1...P_k$。
• 利用极值的充分条件判定驻点$P_i$是否是极值点。

条件极值和拉格朗日乘数法

求$z=f(x,y)$在条件$\phi (x,y)=0$下的条件极值的一般方法为：

• 构造拉格朗日函数$F(x,y,\lambda )=f(x,y)+\lambda \phi (x,y)$
• 将$F(x,y,\lambda )$分别对$x,y,\lambda$求偏导数，构造方程组$\{\begin{array}{l}{f}_x^{\prime }(x,y)+\lambda {\phi }_x^{\prime }(x,y)=0\\ f_y^{\prime }(x,y)+\lambda {\phi }_y^{\prime }(x,y)=0\\ \phi (x,y)=0\end{array}$

解出$x,y,\lambda$，则其中$(x,y)$就是函数$f(x,y)$在条件$\phi (x,y)=0$下的可能极值点。

最大值最小值

求连续函数$f(x,y)$在有界闭区域$D$上的最大值：

• 第一步：求$f(x,y)$在点$D$内部可能的极值点。
• 第二步：求$f(x,y)$在点$D$的边界上的最大最小值。
• 第三步：比较。

连续、可导、可微之间的关系

• 连续不一定可导，可导不一定连续；
• 连续不一定可微，可微一定连续；
• 可导不一定可微，可微一定可导；
• 一阶偏导数连续一定可微、可微一阶偏导数不一定连续；