1.5多元函数微分学

---

考研数学一：多元函数微分学考点全解析

引言

多元函数微分学是考研数学一的核心内容，涉及极限、偏导数、隐函数、极值与条件极值等核心概念。本文系统梳理5大考点，结合公式速查与实战技巧，助你高效攻克多元微分学！

---

考点一：多元微分的概念

1️⃣ 多元函数求极限

方法：

1. 一元函数极限法：固定其他变量，转化为单变量极限。
2. 特殊路径法：沿不同路径（如 $y=kx$）趋近，若极限不同则极限不存在。
3. 夹逼准则：通过不等式放缩证明极限为0。

示例：
求 ${\lim }_{(x,y)\to (0,0)}\frac{x^{2}y}{x^4+y^2}$

---

2️⃣ 偏导数

定义：
$$f_x(x_0,y_0)=\underset{\Delta x\to 0}{\lim }\frac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$$
关键点：偏导数存在 ≠ 连续。

---

3️⃣ 全微分

可微定义： 设函数 $z=f(x,y)$ 在点 $(x_0,y_0)$ 的某邻域内有定义。若存在线性映射 $A\Delta x+B\Delta y$，使得
$$\Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)=A\Delta x+B\Delta y+o\left(\sqrt{(\Delta x{)}^2+(\Delta y{)}^2}\right),$$
则称 $f(x,y)$ 在 $(x_0,y_0)$ 处可微，并称 $dz=A\Delta x+B\Delta y$ 为全微分。
其中，$A=f_x(x_0,y_0)$，$B=f_y(x_0,y_0)$，且极限
$$\underset{(\Delta x,\Delta y)\to (0,0)}{\lim }\frac{\Delta z-(A\Delta x+B\Delta y)}{\sqrt{(\Delta x{)}^2+(\Delta y{)}^2}}=0.$$

---

4️⃣ 偏导数连续、可微、连续的关系

条件	结论
偏导数连续	必可微
可微	必连续
偏导数存在但非连续	不一定可微

---

考点二：多元复合函数求偏导

1️⃣ 链式法则

公式：
$$\frac{\partial z}{\partial x}=\frac{\partial z}{\partial u}\cdot \frac{\partial u}{\partial x}+\frac{\partial z}{\partial v}\cdot \frac{\partial v}{\partial x}$$
示例：
设 $z=e^u\sin v$，$u=xy$，$v=x+y$，则
$$\frac{\partial z}{\partial x}=e^{xy}(y\sin (x+y)+\cos (x+y))$$

2️⃣ 特例法

技巧：将抽象函数具体化为简单形式（如 $f(u,v)=u^2+v^2$），再求导。

---

考点三：多元隐函数求偏导

1️⃣ 隐函数存在定理

条件：
若 $F(x_0,y_0,z_0)=0$ 且 $\frac{\partial F}{\partial z}(x_0,y_0,z_0)\ne 0$，则存在隐函数 $z=f(x,y)$。

求导方法：

1. 直接求导：对方程两边同时对 $x$ 求导，解出 $\frac{\partial z}{\partial x}$。
2. 公式法：
   $$\frac{\partial z}{\partial x}=-\frac{F_x}{F_z},\frac{\partial z}{\partial y}=-\frac{F_y}{F_z}$$
3. 全微分法：对 $F(x,y,z)=0$ 求全微分，解出 $dz$。

示例：
已知 $x^2+y^2+z^2=1$，求 $\frac{\partial z}{\partial x}$
解：公式法得 $\frac{\partial z}{\partial x}=-\frac{x}{z}$。

---

考点四：多元函数求极值

1️⃣ 驻点与判别

步骤：

1. 解方程组 $\{\begin{array}{l}{f}_x=0\\ f_y=0\end{array}$ 得驻点。
2. 计算二阶导数矩阵（Hessian矩阵）：
   $$H=\left[\begin{array}{cc}{f}_{xx}& f_{xy}\\ f_{yx}& f_{yy}\end{array}\right]$$
3. 判别式 $AC-B^2$：

• $AC-B^2>0$ 且 $A>0$ → 极小值
• $AC-B^2>0$ 且 $A<0$ → 极大值
• $AC-B^2<0$ → 鞍点（非极值点）
• $AC-B^2=0$ → 需用极值定义判断

示例：
求 $f(x,y)=x^3+y^3-3xy$ 的极值
解：驻点为 $(0,0)$ 和 $(1,1)$，$(1,1)$ 处 $AC-B^2=6\times 6-0=36>0$ 且 $A=6>0$，故为极小值点。

---

考点五：多元函数条件极值

1️⃣ 多元函数求条件极值

(1) 代入法

适用场景：约束条件可显式解出一个变量。
步骤：

1. 从约束条件 $\phi (x,y)=0$ 中解出 $y=g(x)$（或 $x=h(y)$）。
2. 将 $y=g(x)$ 代入目标函数 $f(x,y)$，转化为单变量函数 $f(x,g(x))$。
3. 求导并解方程 $f^{\prime }(x)=0$。

(2) 拉格朗日乘数法

适用场景：约束条件无法显式解出变量。
公式：构造拉格朗日函数
$$L(x,y,\lambda )=f(x,y)-\lambda \phi (x,y)$$
求解步骤：

1. 对 $L$ 分别求偏导并令其为零：
   $$\{\begin{array}{l}{L}_x=f_x-\lambda {\phi }_x=0\\ L_y=f_y-\lambda {\phi }_y=0\\ L_{\lambda }=-\phi (x,y)=0\end{array}$$
2. 解方程组得到候选点 $(x,y,\lambda )$，剔除 $\lambda =0$ 的无效解。

2️⃣ 多元函数求最值

(1) 开区域极值

步骤：

1. 求驻点：解方程组 $f_x=0,f_y=0$。
2. 计算二阶导数矩阵（Hessian矩阵）：
   $$H=\left[\begin{array}{cc}{f}_{xx}& f_{xy}\\ f_{yx}& f_{yy}\end{array}\right]$$
3. 判别式 $AC-B^2$：
   • $AC-B^2>0$ 且 $A>0$ → 极小值
   • $AC-B^2>0$ 且 $A<0$ → 极大值
   • $AC-B^2<0$ → 鞍点

(2) 边界极值

方法：

1. 代入法：将边界方程代入目标函数，转化为无约束极值问题。
2. 拉格朗日乘数法：将边界条件作为约束，构造拉格朗日函数。

(3) 综合最值比较

步骤：

1. 求开区域内所有驻点、不可导点的函数值。
2. 求边界上所有条件驻点、不可导点的函数值。
3. 比较所有候选值，确定全局最大值和最小值。

⚠️ 实战注意事项

1. 目标函数化简：

2. 边界处理技巧：

3. 多解情况验证：

---

公式速查表

类型	关键公式
全微分	$dz=\frac{\partial f}{\partial x}dx+\frac{\partial f}{\partial y}dy$
隐函数求导	$\frac{\partial z}{\partial x}=-\frac{F_x}{F_z}$
拉格朗日乘数法	构造 $L=f-\lambda \phi$
Hessian矩阵判别	$AC-B^2$

---

实战技巧

1. 链式法则优先：复合函数求导时，优先画出变量关系图。
2. 隐函数求导技巧：利用全微分形式不变性简化计算。
3. 极值判别步骤：先求驻点，再计算Hessian矩阵，注意边界条件。

---

总结：多元微分学的核心在于熟练运用链式法则、隐函数定理和极值判别法。结合几何意义与实际问题，提升综合解题能力！ 🚀

评论区互动：如笔者有误，欢迎留言交流！ 💬