第6章：多元函数微分学（下）

第六章：多元函数微分学（下）

第三节：多元复合函数的求导法则

基本概念

1. 隐函数求导中的一些题意理解：如果题中说一个由另一个确定，则说明这两个是同一个函数，如果两个表达式没有特别说明，就不是同一个表达式，例如：
   1. 已知$F(x,y,z)=0,$一阶连续可偏导，$z=f(x^2+y^2)$连续可导，求$\frac{dz}{dx}$（这道题，因为没有特殊说明，所以$F(x,y,z)=0和z=f(x^2+y^2)$​不是一个表达式，如果使用公式法，就要按照case3来处理）
   2. 设$f(u,v)$可微，$z=z(x,y)$由$(x+1)z-y^2=x^{2}f(x-z,y)$确定，求$dz{|}_{(0,1)}$（这道题，有说明一个是由另一个确定，所以$z=z(x,y)$和$(x+1)z-y^2=x^{2}f(x-z,y)$是一个函数）

重要公式

1. 二元函数的反问问题：$z=f(x,y)\underset{对x积分}{\overset{对x求导}{\leftrightarrows }}\frac{\partial z}{\partial x}=f_x^{{}^{\prime }}(x,y)\underset{对y积分}{\overset{对y求导}{\leftrightarrows }}\frac{{\partial }^{2}z}{\partial xy}=f_{xy}^{{}^{\prime \prime }}(x,y)$
   1. $\frac{\partial z}{\partial x}=g(x,y)\Rightarrow z(x,y)=\int g(x,y)dx+\phi (y)$
   2. $\frac{{\partial }^{2}z}{\partial xy}=g(x,y)\Rightarrow z(x,y)=\int (\int g(x,y)dx+\phi (y))dy$

重要性质

1. 多元复合函数求导的链式法则

   1. 一元复合函数：$y=f(u),u=\phi (x)$

   2. 求导法则：$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}$

   3. 微分法则：$dy=f^{{}^{\prime }}(u)du=f^{{}^{\prime }}(u)\phi (x)dx$

   4. 定理一：若函数$\{\begin{array}{l}u=\phi (t)\\ v=\psi (t)\end{array}$在点$t$可导，$z=f(u,v)$在点$(u,v)$处偏导连续，则复合函数$z=f[\varphi (t),\psi (t)]$在点$t$可导，且$\frac{dz}{dt}=\frac{\partial z}{\partial u}\cdot \frac{\partial u}{\partial t}+\frac{\partial z}{\partial v}\cdot \frac{\partial v}{\partial t}$，这里的$f$是一个一元函数，只有导数，没有偏导。

   5. 定理二：$z=f(u,v)$可微$\{\begin{array}{l}u=\phi (x,y)\\ v=\psi (x,y)\end{array}$可偏导，则$\{\begin{array}{l}\frac{\partial z}{\partial x}=\frac{\partial f}{\partial u}\cdot \frac{\partial u}{\partial x}+\frac{\partial f}{\partial v}\cdot \frac{\partial v}{\partial x}=f_1^{{}^{\prime }}\cdot {\phi }_1^{{}^{\prime }}+f_2^{{}^{\prime }}\cdot {\psi }_1^{{}^{\prime }}\\ \frac{\partial z}{\partial y}=\frac{\partial f}{\partial u}\cdot \frac{\partial u}{\partial y}+\frac{\partial f}{\partial v}\cdot \frac{\partial v}{\partial y}=f_1^{{}^{\prime }}\cdot {\phi }_2^{{}^{\prime }}+f_2^{{}^{\prime }}\cdot {\psi }_2^{{}^{\prime }}\end{array}$

   6. 定理三：设$z=f(u,v,x)$可偏导，$\{\begin{array}{l}u=\phi (x,y)\\ v=\psi (x,y)\end{array}$可偏导，则：$\{\begin{array}{l}\frac{\partial z}{\partial x}=\frac{\partial f}{\partial u}\cdot \frac{\partial u}{\partial x}+\frac{\partial f}{\partial v}\cdot \frac{\partial v}{\partial x}+\frac{\partial f}{\partial x}\\ \frac{\partial z}{\partial y}=\frac{\partial f}{\partial u}\cdot \frac{\partial u}{\partial y}+\frac{\partial f}{\partial v}\cdot \frac{\partial v}{\partial y}\end{array}$，这里的$f$是一个二元函数，没有导数只有偏导

      1. 注意$\frac{\partial z}{\partial x}和\frac{\partial f}{\partial x}$不同$\frac{\partial z}{\partial x}$是复合函数对$x$的偏导数，$\frac{\partial f}{\partial x}$把$f(u,v,x)$中$u,v$看做常量，对$x$​求偏导。

   7. 定理四：设$z=f(u),u=\rho (x,y)$可偏导，则$\{\begin{array}{l}\frac{\partial z}{\partial x}=\frac{\partial z}{\partial u}\cdot \frac{\partial u}{\partial x}=f^{{}^{\prime }}(u){\rho }_1^{{}^{\prime }}\\ \frac{\partial z}{\partial y}=\frac{\partial z}{\partial u}\cdot \frac{\partial u}{\partial y}=f^{{}^{\prime }}(u){\rho }_2^{{}^{\prime }}\end{array}$

2. 隐函数或者隐函数组求偏导：变量个数 $- $方程个数 $=$ 自变量个数

   1. 公式法：对于$F_x^{{}^{\prime }}$，公式法把$F_x^{{}^{\prime }}$中所有的变量都看成自变量

      1. case1：$F(x,y)=0,求\frac{dy}{dx}$：$\frac{dy}{dx}=-\frac{F_x^{{}^{\prime }}}{F_y^{{}^{\prime }}}$

         1. 使用条件

            1. 函数$F(x,y)$在点$P(x_0,y_0)$的某一邻域内具有连续偏导
            2. 有定义：$F(x_0,y_0)=0$
            3. $F_y^{{}^{\prime }}(x_0,y_0)\ne 0$​

         2. 公式证明：$F(x,f(x))=0\to F_1^{{}^{\prime }}+F_2^{{}^{\prime }}\frac{dy}{dx}=0\to \frac{dy}{dx}=-\frac{F_1^{{}^{\prime }}}{F_2^{{}^{\prime }}}$

      2. case2：$F(x,y,z)=0,F(x,y,z)$一阶连续可偏导求$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$：$\frac{\partial z}{\partial x}=-\frac{F_x^{{}^{\prime }}}{F_z^{{}^{\prime }}},\frac{\partial z}{\partial y}=-\frac{F_y^{{}^{\prime }}}{F_z^{{}^{\prime }}}$

         1. 使用条件：

            1. 在点$P(x_0,y_0,z_0)$的某邻域内具有连续偏导数
            2. 有定义：$F(x_0,y_0,z_0)=0$
            3. $F_x^{{}^{\prime }}(x_0,y_0,z_0)\ne 0$

         2. 公式证明：$F(x,y,z(x,y))=0\to \{\begin{array}{ll}{F}_x^{{}^{\prime }}+F_z^{{}^{\prime }}\frac{\partial z}{\partial x}=0,& 两边对x求导\\ F_y^{{}^{\prime }}+F_y^{{}^{\prime }}\frac{\partial z}{\partial y}=0,& 两边对y求导\end{array}$

      3. case3：$\{\begin{array}{l}F(x,y,z)=0\\ G(x,y,z)=0\end{array},F,G$，一阶连续可偏导，求$\frac{dy}{dx},\frac{dz}{dx}$​：$\{\begin{array}{l}{F}_x^{{}^{\prime }}+F_y^{{}^{\prime }}\cdot \frac{dy}{dx}+F_z^{{}^{\prime }}\cdot \frac{dz}{dx}=0\\ G_x^{{}^{\prime }}+G_y^{{}^{\prime }}\cdot \frac{dy}{dx}+G_z^{{}^{\prime }}\cdot \frac{dz}{dx}=0\end{array}$

   2. 求导法：

      1. 求导法是公式法的起源，公式法就是使用求导法证明的。

      2. 求导法需要满足条件：在$F(...)=0$中，$F$的因变量偏导在求导点$(x_0,y_0,...)$处不等于$0$​

      3. 求导步骤：两边对$x$求导，碰到$z$对$z$求导，再乘以$\frac{dz}{dx}$或$\frac{\partial z}{\partial x}$

   3. 微分法：case4：$\{\begin{array}{l}F(x,y,u,v)=0\\ G(x,y,u,v)=0\end{array},F,G$一阶连续可偏导，求$\frac{du}{dx},\frac{dv}{dx},\frac{du}{dy},\frac{dv}{dy}$

      1. 使用条件：
         1. 函数$F(x,y,u,v),G(x,y,u,v)$满足在点$P(x_0,y_0,u_0,v_0)$的某邻域内具有连续偏导数
         2. 有定义：$F(x_0,y_0,u_0,v_0)=0,G(x_0,y_0,u_0,v_0)=0$
         3. $J{|}_P=\frac{\partial (F,G)}{\partial (u,v)}{|}_P\ne 0$
      2. 方法：
         1. 两边求微分，把所有的变量都当成自变量，对于$F(x+\frac{z}{y},y+\frac{z}{x})=0$，两边微分得$F_1^{{}^{\prime }}d(x+\frac{z}{y})+F_2^{{}^{\prime }}d(y+\frac{z}{x})=0$
         2. 化简：例如：$d(x+\frac{z}{y})=dx+\frac{ydz-zdy}{y^2}$
         3. 凑微分表达式，例如：$dz=\frac{\partial z}{\partial x}dx+\frac{\partial z}{\partial y}dy$
         4. $若dz=\phi (x,y)dx+\psi (x,y)dy$，则$\frac{\partial z}{\partial x}=\phi (x,y),\frac{\partial z}{\partial x}=\psi (x,y)$

解题思路

1. 多元符合函数求偏导：

   1. 方法：
      1. 显函数求偏导：对$x$求偏导把$y$当常数，对$y$求偏导把$x$当常数
      2. 隐函数求偏导：
         1. step1：根据方程个数和自变量个数，绘制自变量关系图，中间变量个数$ = $方程个数，关系图不止一种画法，一定要结合题干画图。
         2. step2：根据自变量关系图和链式法则求偏导，然后解方程组。
   2. 例题：
      1. $设z=x^y+y^x$,求$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$(只需要算一个$x$，同理得就可以求出$y$的了)
      2. 设$z=(x^2+y^2{)}^{xy},求\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$(指对化)
      3. 设$z=e^{u+v^2}$,其中$\{\begin{array}{l}u=lnt\\ v=sint\end{array}$，求$\frac{dz}{dt}$
      4. 设$z=e^{u+v}$,其中$\{\begin{array}{l}u=xy\\ v=\frac{y}{x}\end{array}$,求$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$
      5. 设$z=f(x+y,xy,x),$其中$f$二阶连续可偏导，求$\frac{{\partial }^{2}z}{\partial x^2}$
      6. 设$f(u)$具有二阶连续导数，且$g(x,y)=xf(\frac{y}{x})+yf(\frac{x}{y}),证明x^2\frac{{\partial }^{2}g}{\partial x^2}-y^2\frac{{\partial }^{2}g}{\partial y^2}=0$(可以使用对称性)​
      7. 已知$F(x,y,z)=0,$一阶连续可偏导，$z=f(x^2+y^2)$连续可导，求$\frac{dz}{dx}$
      8. 设$x^2+y^2+z^2-4z=0，求\frac{{\partial }^{2}z}{\partial x^2}$
      9. 设$f(u,v)$可微，$z=z(x,y)$由$(x+1)z-y^2=x^{2}f(x-z,y)$确定，求$dz{|}_{(0,1)}$
      10. 设$y=y(x)$由方程$siny+e^x-xy-1=0$确定，求$\frac{dy}{dx}{|}_{x=0}$
      11. 设$u=f(x,y,z)$一阶连续可偏导，又$z=z(x,y)$由$x{e}^x+y{e}^y=z{e}^z$确定，求$du$
      12. $z=f(\sqrt{x^2+y^2})$二阶连续可导，且$\frac{{\partial }^{2}z}{\partial x^2}+\frac{{\partial }^{2}z}{\partial y^2}=0$，令$u=\sqrt{x^2+y^2}$，求$z=f(u)$
      13. $z=f(x,y)$二阶连续可偏导，求$a$使在$\{\begin{array}{l}u=x-2y\\ v=x+ay\end{array}$下把$6\frac{{\partial }^{2}z}{\partial x^2}+\frac{{\partial }^{2}z}{\partial x\partial y}-\frac{{\partial }^{2}z}{\partial y^2}=0$，化为$\frac{{\partial }^{2}z}{\partial u\partial v}=0$
      14. $z=z(x,y)$满足$\frac{\partial z}{\partial x}+\frac{\partial z}{\partial y}=0$在变换$w=x^2+y^2+z^2$及$\{\begin{array}{l}x=u+v\\ y=u-v\end{array}$，把$\frac{\partial z}{\partial x}+\frac{\partial z}{\partial y}=0$化为$w$关于$u,v$的方程。(tip：这道题的自变量关系图有很多种画法，$z=z(w,u,v,x,y)$，题目中给出三个式子，去掉三个自变量，剩下的就是最终自变量，关键是去掉哪三个，题目中给条件$\frac{\partial z}{\partial x}+\frac{\partial z}{\partial y}=0$，让求$w$关于$u,v$的关系，所以$x,y$做自变量，$w,u,v$做中间变量。根据这三点绘制自变量关系图)
      15. $z=f(x,y)$，满足$x^2\frac{\partial z}{\partial x}+y^2\frac{\partial z}{\partial y}=z^2$，在$\{\begin{array}{l}u=x\\ v=\frac{1}{y}-\frac{1}{x}\\ w=\frac{1}{z}-\frac{1}{x}\end{array}$，确定新的函数$w=w(u,v)$，求变换后的形式。

2. 求偏导的反问问题（多元函数不定积分）

   1. 问题描述：给偏导求原函数

   2. 求解模型：

      1. 积分法：$z=f(x,y)\underset{对x积分}{\overset{对x求导}{\leftrightarrows }}\frac{\partial z}{\partial x}=f_x^{{}^{\prime }}(x,y)\underset{对y积分}{\overset{对y求导}{\leftrightarrows }}\frac{{\partial }^{2}z}{\partial xy}=f_{xy}^{{}^{\prime \prime }}(x,y)$
      2. 凑微分法：$df(x,y)=P(x,y)dx+Q(x,y)dy=u(x,y)dv(x,y)+v(x,y)du(x,y)=duv$
      3. 微分方程法：$\frac{\partial z}{\partial x}+P(x)z=0\Rightarrow z=C(y)e^{-\int P(x)dx}$

   3. 求解步骤：

      1. 积分法：
         1. 从高阶偏导入手，先导后积分，后导先积分
         2. 且对$x$积分是要加上$\phi (y)$，因为对$x$求导时，把$y$当成常数，所以积分时补的$C$是一个关于$y$的数，记为$\phi (y)$，同理对$y$积分补上$\psi (x)$
      2. 凑微分法：
         1. 凑：$df(x,y)=P(x,y)dx+Q(x,y)dy=u(x,y)dv(x,y)+v(x,y)du(x,y)=duv$
         2. 得到$f(x,y)=uv+C$

   4. 例题：

      1. 设$z=f(x,y)$满足$\frac{{\partial }^{2}z}{\partial x\partial y}=x+y,f_x^{{}^{\prime }}(x,0)=2x,f(0,y)=y求f(x,y)$
      2. 设$z=f(x,y)$满足$f(x,1)=0$，$f_y^{{}^{\prime }}(x,0)=sinx$，$f_{yy}^{{}^{\prime \prime }}=2x$，求$f(x,y)$
      3. 设$z=f(x,y)$满足$f(x,1)=0$，$f(0,y)=y^2$，$f_{yx}^{{}^{\prime \prime }}=2x$，求$f(x,y)$。(tip：知道$f(0,y)=y^2$可知$f_y^{’}(0,y)=2y$)
      4. $df(x,y)=y{e}^{y}dx+x(1+y)e^{y}dy$，且$f(0,0)=0$，求$f(x,y)$
      5. $z=f(x,y)$，$f(0,\frac{\pi }{2})=1$，$f_x^{{}^{\prime }}(x,y)=-f(x,y)$且$\underset{h\to 0}{\lim }[\frac{f(0,y+h)}{f(0,y)}{]}^{\frac{1}{h}}=e^{coty}$，求$f(x,y)$。

第四节：多元函数极限及其求法

条件极限引例：已知地形图$z=f(x,y)$，求地形的峰顶

基本概念

1. 多元函数极值：定义：若函数$z=f(x,y)$在点$(x_0,y_0)$的某邻域内有$f(x,y)<f(x_0,y_0)(或f(x,y)>f(x_0,y_0))$​则称函数在该点取得极大值（极小值），极大值和极小值，统称为极值，使函数取得极值的点为极值点，例如：$z=x^2+y^2$在点$(0,0)$​​有极小值。

   1. 定义的表达式

      1. $(x_0,y_0)$取得极大值满足：$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)<f(x_0,y_0)$
      2. $(x_0,y_0)$取得极小值满足：$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)>f(x_0,y_0)$

   2. 定义的应用：给极限问极值，使用保号性

      1. $z=f(x,y)$在$(0,0)$处连续，且$\underset{(x,y)\to (0,0)}{\lim }\frac{f(x,y)-1}{1-cos\sqrt{x^2+y^2}}=2$，问$f(x,y)$在点$(0,0)$​​处是否取得极值（使用保号性）

重要公式

1. 常用不等式

   1. $a_1+a_2+...+a_n\ge n\sqrt[n]{a_1{a}_2...a_n}$
   2. $a^2+b^2\ge 2ab$
   3. $a^3+b^3+c^3\ge 3abc$
   4. 辅助角公式不等式：$-\sqrt{a^2+b^2}\le asinA+bcosA\le \sqrt{a^2+b^2}$

2. 四大均值不等式：调和平均数 $\le$ 几何平均数 $\le $ 算术平均数 $\le$平方平均数

   不等式	表达式	意义
   调和平均数	$\frac{1}{\frac{1}{a_1}+\frac{1}{a_2}+...+\frac{1}{a_n}}$	单价的均值，有三种铅笔，单价分别是$a_1,a_2,a_3$，则购买金额固定，平均单价为$\frac{1}{\frac{1}{a_1}+\frac{1}{a_2}+\frac{1}{a_3}}$
   几何平均数	$\sqrt[n]{a_1{a}_2...a_n}$	增益率的平均值。
   算数平均数	$\frac{a_1+a_2+...+a_n}{n}$	数据集平均值。
   平方平均数	$\sqrt{\frac{a_1^2+a_2^2+...+a_n^n}{n}}$	平均值+数据集稳定性。

重要性质

1. 定理一（必要条件）：若函数$z=f(x,y)$在点$f(x_0,y_0)$存在偏导数，且在该点取得极值，则有$f_x^{{}^{\prime }}(x_0,y_0)=0,f_y^{{}^{\prime }}(x_0,y_0)=0$

2. 定理二（充要条件）：若函数$z=f(x,y)$在点$(x_0,y_0)$的某邻域内具有一阶和二阶连续偏导数，且$f_x^{{}^{\prime }}(x_0,y_0)=0,f_y^{{}^{\prime }}(x_0,y_0)=0$，令$A=f_{xx}^{{}^{\prime \prime }}(x_0,y_0),B=f_{xy}^{{}^{\prime \prime }}(x_0,y_0),C=f_{yy}^{{}^{\prime \prime }}(x_0,y_0)$则：

   1. 当$AC-B^2>0$时，具有极值，$A<0$时取得极大值：$A>0$时取得极小值
   2. 当$AC-B^2<0$时，没有极值
   3. 当$AC-B^2=0$​时，判别式失效，不确定，需要另行讨论，如果判别法失效需要使用极值定义来判断。
      1. 定义法证明$(x_0,y_0)$是极值点：保号性，证明$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)>f(x_0,y_0)$恒成立。
      2. 定义法证明$(x_0,y_0)$不是极值点：找两个特殊路径，例如$y=kx或y=x^2$，如果两个特殊路径，求$\underset{x\to x_0}{\lim }f(y,x)$，如果极限不相等，则说明不是极值点。

3. 最值应用问题：

   1. 依据：函数$f$在闭区间上连续 $⟶$ 函数$f$在闭区间上可达到最值
   2. 最值的可疑点：驻点，定义域边界点
   3. 如果区间内部最值存在，且只有一个极值点$P$时，则极值等于最值

解题思路

1. 非条件极值：

   1. 方法：

      1. 必要条件：$f_x^{{}^{\prime }}(x_0,y_0)=0$且$f_y^{{}^{\prime }}(x_0,y_0)=0$
      2. 充要条件：判别式法，如果判别式法失效，就用定法法判断。

   2. 例题：

      1. 求二元函数$f(x,y)=x^2(2+y^2)+ylny$的极值

      2. 设$f(x,y)$在点$(0,0)$的某邻域内连续，且满足$\underset{(x,y)\to (0,0)}{\lim }\frac{f(x,y)-f(0,0)}{x^2+1-co{s}^{2}y}=-3$，则函数$f(x,y)$在点$(0,0)$上（）

         A.取到极大值，B. 取到极小值，C.不取极值，D.无法确定是否取到极值。

      3. 已知函数$f(x,y)$在点$(0,0)$的某邻域内连续，且满足$\underset{(x,y)\to (0,0)}{\lim }\frac{f(x,y)-xy}{(x^2+y^2{)}^2}=1$，则（）（tip：答案：A，这道题比较难，方法是举特例，就令$f(x,y)=(x^2+y^2{)}^2+xy$，常规方法是使用脱帽法，把极限号去掉：$f(x,y)=(x^2+y^2{)}^2+xy+O[(x^2+y^2{)}^2]$，然后使用判别式法计算。）

         A.点$(0,0)$不是$f(x,y)$的极值点，B.点$(0,0)$是$f(x,y)$的极大值点。

         C.点$(0,0)$是$f(x,y)$的极大值点。D. 无法判断是否是极值点。

      4. 设函数$z=z(x,y)$是由方程$2x^2+2y^2+z^2+8xz-z+8=0$确定，求$z=z(x,y)$的极值。

2. 条件极值：

   1. 极值问题：

      1. 无条件极值：对自变量只有定义域限制
      2. 条件极值：对自变量除了定义限制外，还有其他条件限制

   2. 条件极值常见类型

      1. 求$z=f(x,y)$在$\phi (x,y)=0$，（本质：一个自变量）下的极值（最值）
      2. 求$u=f(x,y,z)$在$\phi (x,y,z)=0,\psi (x,y,z)=0$（本质：一个自变量极值）下的极值（最值）
      3. 求$u=f(x,y,z)在\phi (x,y,z)=0$，（本质：两个自变量）下的极值（最值）

   3. 条件极值求法：

      1. 带入法

         1. 适用场景：把条件带入后，要求极值的函数变得简单。
         2. 方法：把条件表达式带入求解表达式中，消去一个自变量，并且消去一个条件条件表达式
         3. 例题：
            1. 求函数$z=\frac{x^2}{4}+20x+\frac{y^2}{2}+6y+10$在$x+y=5$​下的最值

      2. 拉格朗日乘数法

         1. 使用场景：使用带入法比较困难，或者无法使用参数法。

         2. case1：在条件$\phi (x,y)=0$下，求函数$z=f(x,y)$的极值

            1. 引入拉格朗日函数：$F=f(x,y)+\lambda \phi (x,y)\to 变成三元函数，自变量是x,y,\lambda$
            2. 解方程组：$\{\begin{array}{l}{F}_x^{{}^{\prime }}=f_x^{{}^{\prime }}+\lambda {\phi }_x^{{}^{\prime }}=0\\ F_y^{{}^{\prime }}=f_y^{{}^{\prime }}+\lambda {\phi }_y^{{}^{\prime }}=0\\ F_{\lambda }^{{}^{\prime }}=\phi (x,y)=0\end{array}$

         3. case2：在条件$\phi (x,y,z)=0,\psi (x,y,z)=0$下，求函数$u=f(x,y,z)$的极值

            1. 设$F=f(x,y,z)+\lambda \phi (x,y,z)+\mu \psi (x,y,z)$
            2. 解方程组：$\{\begin{array}{l}{F}_x^{’}=f_x^{{}^{\prime }}+\lambda {\phi }_x^{{}^{\prime }}+\mu {\psi }_x^{{}^{\prime }}=0\\ F_y^{’}=f_y^{{}^{\prime }}+\lambda {\phi }_y^{{}^{\prime }}+\mu {\psi }_y^{{}^{\prime }}=0\\ F_z^{’}=f_z^{{}^{\prime }}+\lambda {\phi }_z^{{}^{\prime }}+\mu {\psi }_z^{{}^{\prime }}=0\\ F_{\lambda }^{{}^{\prime }}=\phi (x,y,z)=0\\ F_{\mu }^{{}^{\prime }}=\psi (x,y,z)=0\end{array}$

         4. 难点：方程组的求解方法，如果是齐次式，比较好求，但是大多数都不是齐次式，所以下面是两个中非齐次式的方程组的求解方法

            1. 我们有方程组
               $$F_x^{{}^{\prime }}=f_x^{{}^{\prime }}+\lambda {\phi }_x^{{}^{\prime }}=0\text{\hspace{1em}(1)}$$
               $$F_y^{{}^{\prime }}=f_y^{{}^{\prime }}+\lambda {\phi }_y^{{}^{\prime }}=0\text{\hspace{1em}(2)}$$
               $$F_{\lambda }^{{}^{\prime }}=\phi (x,y)=0\text{\hspace{1em}(3)}$$

            2. 我们主要的思想是通过$(1)$式和$(2)$式求出$x,y$的关系，然后带入$(3)$式中，所以有两个方法，可以通过$(1),(2)$两式得出$x,y$的关系

               1. 消去$\lambda$：
                  1. 当$\lambda =0$时，求解出$x,y$的关系，带入$(3)$​式中是否成立，成立就是一个解
                     1. 如果得到的关系式类似于是$24x^2+7xy-6y^2=0$这种形式的，可以把$x或y$的其中一个当常数，解一元二次方程，解一元二次方程有两种方法，十字交叉法，公式法：$x=\frac{-b\pm \sqrt{b^2-4ac}}{2a}$
                  2. 当$\lambda \ne 0$时，有$\{\begin{array}{l}{f}_x^{{}^{\prime }}=-\lambda {\phi }_x^{{}^{\prime }}\\ f_y^{{}^{\prime }}=-\lambda {\phi }_y^{{}^{\prime }}\end{array}$，两式相除可以消去$\lambda$​，得出$x,y$关系式
               2. 求$\lambda$
                  1. $(1)-(2)$得出$\lambda =\xi (x,y)$，然后把$\lambda$随便带入$(1)或(2)$式，得出$x,y$的关系

         5. 例题：

            1. $z=x^2+y^2在x^2+xy+y^2=1$​,下的最值​
            2. 求$u=xy+3yz$在$x^2+y^2+z^2=10$条件下的最最大值和最小值。
            3. 求$u=x^2+y^2+z^2$在$\frac{x}{a}+\frac{y}{b}+\frac{z}{c}=1$上的最小值（这个也可以使用几何意义，等讲到空间几何时候可能会好做一点）。
            4. $x^2+4y^2=4$上求一点，使其到$2x+3y-6=0$上的距离最短。

      3. 参数法：

         1. 使用场景：条件方程可以很容易的写成参数方程形式。
         2. 在条件$\phi (x,y)=0$下，求函数$z=f(x,y)$的极值$\stackrel{\phi (x,y)=0\Rightarrow x=x(t),y=y(t)}{⟶}$求一元函数$z=f(x(t),y(t))$的无条件极值问题。
         3. 注意点：
            1. 参数法适用场景：条件为一个：圆，椭圆，星形线。
            2. 要注意$t$​的范围。
         4. 例题：
            1. 求$z=x^2-2xy-y^2$，在$x^2+y^2=4$​下的最值。

      4. 不等式法（不通用）

         1. 常用不等式
            1. $a_1+a_2+...+a_n\ge n\sqrt[n]{a_1{a}_2...a_n}$
            2. $a^2+b^2\ge 2ab$
         2. 例题：
            1. 设$x,y,z>0$，求$f(x,y,z)=xy{z}^3$在$x^2+y^2+z^2=5R^2(R为正常数)$下的最大值（tip：$x^2+y^2+\frac{1}{3}{z}^2+\frac{1}{3}{z}^2+\frac{1}{3}{z}^2\ge 5\sqrt[5]{\frac{x^2{y}^2{z}^6}{3\times 3\times 3}}$​）
            2. 设$x,y,z>0$，求$f(x,y,z)=\frac{1}{xyz}$在$\frac{x^2}{4}+\frac{y^2}{4}+\frac{z^2}{9}=1$的最小值。（tip：可以先求$xyz$的极大值，就可求出$\frac{1}{xyz}$的极小值）

3. 求有界闭区间上的最值

   1. 回忆：一元函数的有界区间最值 $=\{\begin{array}{l}(a,b)内极值点\\ 端点a,b\end{array}$
   2. $z=f(x,y)$在有界闭域$D:\rho (x,y)=0$上的最值$=\{\begin{array}{l}D内极值点\\ D边界（条件极值）\end{array}$
   3. 求解步骤
      1. $D内$，求$\{\begin{array}{l}\frac{\partial z}{\partial x}=0\\ \frac{\partial z}{\partial y}=0\end{array}\Rightarrow (x_i,y_i)$都是可疑，如果让求最值，不用使用判别式。
      2. $D边界$，求$z=f(x,y)$在$\rho (x,y)=0$条件下的最值（先求条件极值，然后比较）
      3. 例题：
         1. 求$z=x^2+2y^2-2x^2{y}^2$在区域$D:x^2+y^2\le 1$上的最小值和最大值。