文章目录
多元函数微分学
第一节 多元函数的基本概念
一、多元函数的极限
lim ( x , y ) → ( x 0 , y 0 ) f ( x , y ) = A \lim_{(x,y) \to (x_0, y_0)}f(x,y) = A lim(x,y)→(x0,y0)f(x,y)=A
【注】
① ( x , y ) → ( x 0 , y 0 ) (x,y) \to(x_0,y_0) (x,y)→(x0,y0)是以“任意方式”。
②一元函数极限中的下述性质对多元函数仍成立
局部有界性;保号性;有理运算;极限与无穷小的关系;夹逼性
1.1 求简单重极限
【注】
-
求多元极限的常见方法:
①四则运算法则、取绝对值用夹逼准则。 f ( x ) → 0 ⇔ ∣ f ( x ) ∣ → 0 f(x) \to 0 \Leftrightarrow |f(x)| \to 0 f(x)→0⇔∣f(x)∣→0
②消去分母中极限为零的因子(有理化,等价无穷小代换)
③利用无穷小量与有界变量之积为无穷小量
-
求多元极限的初步判定(一般情况):
①上下同次,不存在
②上比下的次数高,0
③上比下的次数低, ∞ \infty ∞
1.2 判断重极限不存在
【注】
- 说明简单重极限不存在的基本方法:通常选过这点的不同路径,然后去看如果不同路径
的值都不一样,立马就断定这个极限不存在。
- 初步判定:上下同次,一般不存在。
二、多元函数的连续性
-
连续的概念
lim ( x , y ) → ( x 0 , y 0 ) f ( x , y ) = f ( x 0 , y 0 ) \lim_{(x,y) \to (x_0, y_0)}f(x,y) = f(x_0,y_0) lim(x,y)→(x0,y0)f(x,y)=f(x0,y0)
-
连续函数的性质
性质1 多元连续函数的和、差、积、商(分母不为零)仍为连续函数。
性质2 多元连续函数的复合函数也是连续函数。
性质3 多元初等函数在其定义区域内连续
性质4(最大值定理)
有界闭区域D上的连续函数在区域D上必能取得最大值与最小值
性质5(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与最小值之间的任何值
性质6(有界性)
若 f ( x , y ) f(x,y) f(x,y)在有界闭区域D上连续,则 f ( x , y ) f(x,y) f(x,y)在D上有界
【掌握】会用定义来判定一个函数在一点上的连续性。
三、偏导数
- 偏导数的定义
f x ′ ( x 0 , y 0 ) = lim Δ x → 0 f ( x 0 + Δ x , y 0 ) − f ( x 0 , y 0 ) Δ x = d d x f ( x , y 0 ) ∣ x = x 0 f'_x(x_0,y_0) = \lim_{\Delta x \to 0}{f(x_0+ \Delta x, y_0)-f(x_0,y_0) \over \Delta x} = {d \over dx}f(x,y_0)|_{x =x_0} fx′(x0,y0)=limΔx→0Δxf(x0+Δx,y0)−f(x0,y0)=dxdf(x,y0)∣x=x0
f y ′ ( x 0 , y 0 ) = lim Δ y → 0 f ( x 0 , y 0 + Δ y ) − f ( x 0 , y 0 ) Δ y = d d y f ( x 0 , y ) ∣ y = y 0 f'_y(x_0,y_0) = \lim_{ \Delta y \to 0}{f(x_0, y_0 + \Delta y) - f(x_0, y_0) \over \Delta y} = {d \over dy}f(x_0, y)|_{y = y_0} fy′(x0,y0)=limΔy→0Δyf(x0,y0+Δy)−f(x0,y0)=dydf(x0,y)∣y=y0
【注】偏导数本质上就是一元函数的导数,其中 f x ′ ( x 0 , y 0 ) f'_x(x_0,y_0) fx′(x0,y0)就是一元函数 f ( x , y 0 ) f(x,y_0) f(x,y0)在
x = x 0 x=x_0 x=x0处的导数, f y ′ ( x 0 , y 0 ) f'_y(x_0,y_0) fy′(x0,y0)就是一元函数 f ( x 0 , y ) f(x_0,y) f(x0,y)在 y = y 0 y = y_0 y=y0处的导数。
【注1】方法:先代后求
【注2】先代后求只能算一个具体点,不能证明整个偏导函数的相关问题。
例如
-
二元函数偏导数的几何意义
-
高阶偏导数
对x的二阶偏导: f x x ′ ′ ( x , y ) = ∂ 2 z ∂ x 2 = ∂ ∂ x ( ∂ z ∂ x ) f''_{xx} (x,y)= {\partial ^2z \over \partial x^2} = {\partial \over \partial x}({ \partial z \over \partial x}) fxx′′(x,y)=∂x2∂2z=∂x∂(∂x∂z)
先对x后对y的偏导数: f x y ′ ′ = ∂ 2 z ∂ x ∂ y = ∂ ∂ y ( ∂ z ∂ x ) f''_{xy} = { \partial^2z \over \partial x \partial y} = {\partial \over \partial y}({ \partial z \over \partial x}) fxy′′=∂x∂y∂2z=∂y∂(∂x∂z)
先对y后对x的偏导数: f y x ′ ′ = ∂ 2 z ∂ y ∂ x = ∂ ∂ x ( ∂ z ∂ y ) f''_{yx} = { \partial^2 z \over \partial y \partial x} = { \partial \over \partial x}({\partial z \over \partial y}) fyx′′=∂y∂x∂2z=∂x∂(∂y∂z)
对y的二阶偏导数: f y y ′ ′ ( x , y ) = ∂ 2 z ∂ y 2 = ∂ ∂ y ( ∂ z ∂ y ) f''_{yy}(x,y) = {\partial^2 z \over \partial y^2} = {\partial \over \partial y }({\partial z \over \partial y}) fyy′′(x,y)=∂y2∂2z=∂y∂(∂y∂z)
定理 如果函数 z = f ( x , y ) z = f(x,y) z=f(x,y)的两个二阶混合偏导数 ∂ 2 z ∂ x ∂ y {\partial ^2 z \over \partial x \partial y} ∂x∂y∂2z及 ∂ 2 z ∂ y ∂ x {\partial^2 z \over \partial y \partial x} ∂y∂x∂2z在区域D内连续,则在该
区域内这两个混合偏导数必定相等,即
∂
2
z
∂
x
∂
y
=
∂
2
z
∂
y
∂
x
{\partial ^2 z \over \partial x \partial y}={\partial^2 z \over \partial y \partial x}
∂x∂y∂2z=∂y∂x∂2z
【注】偏导数存在不一定保证f在那个点连续
四、全微分
4.1 定义
定义(全微分) 若 Δ z = f ( x 0 + Δ x , y 0 + Δ y ) − f ( x 0 , y 0 ) = A Δ x + B Δ y + o ( ρ ) \Delta z = f(x_0+\Delta x, y_0+ \Delta y )-f(x_0, y_0) = A \Delta x + B \Delta y + o( \rho) Δz=f(x0+Δx,y0+Δy)−f(x0,y0)=AΔx+BΔy+o(ρ),
则称函数 z = f ( x , y ) z = f(x,y) z=f(x,y)在点 ( x 0 , y 0 ) (x_0, y_0) (x0,y0)处可微, d z = A Δ x + B Δ y = A d x + B d y dz = A \Delta x + B \Delta y = Adx+Bdy dz=AΔx+BΔy=Adx+Bdy
其中:$\rho 为 动 点 到 定 点 之 间 的 距 离 , 为动点到定点之间的距离, 为动点到定点之间的距离,\rho = \sqrt{(\Delta x)^2+(\Delta y)^2}$
【注】可微定义的四种等价形式
4.2 必要条件
定理(全微分存在的必要条件) 如果函数 z = f ( x , y ) z = f(x,y) z=f(x,y)在点 ( x , y ) (x,y) (x,y)处可微,则该函数在点
(
x
,
y
)
(x,y)
(x,y)处的偏导数
∂
z
∂
x
,
∂
z
∂
y
{\partial z \over \partial x}, {\partial z \over \partial y}
∂x∂z,∂y∂z必定存在,且
d
z
=
∂
z
∂
x
d
x
+
∂
z
∂
y
d
y
dz = {\partial z \over \partial x}dx + {\partial z \over \partial y}dy
dz=∂x∂zdx+∂y∂zdy
即,
f
x
(
x
0
,
y
0
)
f_x(x_0, y_0)
fx(x0,y0)与
f
y
(
x
0
,
y
0
)
f_y(x_0,y_0)
fy(x0,y0)都存在。
4.3 充分条件
定理(全微分存在的充分条件) 如果 z = f ( x , y ) z = f(x,y) z=f(x,y)的偏导数 ∂ z ∂ x , ∂ z ∂ y {\partial z \over \partial x}, {\partial z \over \partial y} ∂x∂z,∂y∂z在点 ( x , y ) (x,y) (x,y)处连
续,则函数 z = f ( x , y ) z = f(x,y) z=f(x,y)在点 ( x , y ) (x,y) (x,y)处可微。即 f x ( x , y ) f_x(x, y) fx(x,y)与 f y ( x , y ) f_y(x,y) fy(x,y)在 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)连续。
4.4 判定
用定义判断可微性
a) f x ( x 0 , y 0 ) f_x(x_0, y_0) fx(x0,y0)与 f y ( x 0 , y 0 ) f_y(x_0,y_0) fy(x0,y0)是否都存在?
b) lim ( Δ x , Δ y ) → ( 0 , 0 ) Δ z − [ f x ( x 0 , y 0 ) Δ x + f y ( x 0 , y 0 ) Δ y ] ( Δ x ) 2 + ( Δ y ) 2 \lim_{(\Delta x , \Delta y) \to (0,0)} { \Delta z - [f_x(x_0,y_0)\Delta x + f_y(x_0,y_0)\Delta y] \over \sqrt{(\Delta x)^2+(\Delta y)^2}} lim(Δx,Δy)→(0,0)(Δx)2+(Δy)2Δz−[fx(x0,y0)Δx+fy(x0,y0)Δy]是否为零?
Δ z = f ( x 0 + Δ x , y 0 + Δ y ) − f ( x 0 , y 0 ) = A Δ x + B Δ y + o ( ρ ) \Delta z = f(x_0+\Delta x, y_0+ \Delta y )-f(x_0, y_0) = A \Delta x + B \Delta y + o( \rho) Δz=f(x0+Δx,y0+Δy)−f(x0,y0)=AΔx+BΔy+o(ρ)
4.5 连续、可偏导及可微之间的关系
【注1】
为什么多元函数可偏导推不出可微,也推不出来连续?
f x ′ ( x 0 , y 0 ) = lim Δ x → 0 f ( x 0 + Δ x , y 0 ) − f ( x 0 , y 0 ) Δ x = d d x f ( x , y 0 ) ∣ x = x 0 f'_x(x_0,y_0) = \lim_{\Delta x \to 0}{f(x_0+ \Delta x, y_0)-f(x_0,y_0) \over \Delta x} = {d \over dx}f(x,y_0)|_{x =x_0} fx′(x0,y0)=limΔx→0Δxf(x0+Δx,y0)−f(x0,y0)=dxdf(x,y0)∣x=x0
f y ′ ( x 0 , y 0 ) = lim Δ y → 0 f ( x 0 , y 0 + Δ y ) − f ( x 0 , y 0 ) Δ y = d d y f ( x 0 , y ) ∣ y = y 0 f'_y(x_0,y_0) = \lim_{ \Delta y \to 0}{f(x_0, y_0 + \Delta y) - f(x_0, y_0) \over \Delta y} = {d \over dy}f(x_0, y)|_{y = y_0} fy′(x0,y0)=limΔy→0Δyf(x0,y0+Δy)−f(x0,y0)=dydf(x0,y)∣y=y0
f x ′ ( x 0 , y 0 ) f'_x(x_0,y_0) fx′(x0,y0)只与 y = y 0 y = y_0 y=y0这条直线上的函数值有关
f y ′ ( x 0 , y 0 ) f'_y(x_0,y_0) fy′(x0,y0)只与 x = x 0 x = x_0 x=x0这条直线上的函数值有关
其他的点他们管不了,但是连续和可微,不是由这两条线上的函数值决定的。
第二节 多元函数微分法
一、复合函数的微分法
定理 设 u = u ( x , y ) , v = v ( x , y ) u = u(x,y), v = v(x,y) u=u(x,y),v=v(x,y)在点 ( x , y ) (x,y) (x,y)处有对x及对y的偏导数,函数 z = f ( u , v ) z = f(u,v) z=f(u,v)在对
应点 ( u , v ) (u,v) (u,v)处有连续偏导数,则 z = f [ u ( x , y ) , v ( x , y ) ] z = f[u(x,y), v(x,y)] z=f[u(x,y),v(x,y)]在点 ( x , y ) (x,y) (x,y)处的两个偏导数存在,且
有
∂
z
∂
x
=
∂
z
∂
u
∂
u
∂
x
+
∂
z
∂
v
∂
v
∂
x
,
∂
z
∂
y
=
∂
z
∂
u
∂
u
∂
y
+
∂
z
∂
v
∂
v
∂
y
{\partial z \over \partial x} = {\partial z \over \partial u}{ \partial u \over \partial x}+{\partial z \over \partial v}{\partial v \over \partial x}, \quad {\partial z \over \partial y} = {\partial z \over \partial u}{ \partial u \over \partial y}+{\partial z \over \partial v}{\partial v \over \partial y}
∂x∂z=∂u∂z∂x∂u+∂v∂z∂x∂v,∂y∂z=∂u∂z∂y∂u+∂v∂z∂y∂v
全微分形式的不变性
设函数 z = f ( u , v ) , v = ( x , y ) z = f(u,v), v = (x, y) z=f(u,v),v=(x,y)及 v = v ( x , y ) v = v(x,y) 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
)
]
z = f[u(x,y), v(x,y)]
z=f[u(x,y),v(x,y)]的全微分
d
z
=
∂
z
∂
x
d
x
+
∂
z
∂
y
d
y
d
z
=
∂
z
∂
u
d
u
+
∂
z
∂
v
d
v
dz = {\partial z \over \partial x}dx + {\partial z \over \partial y}dy \\dz= {\partial z \over \partial u}du + {\partial z \over \partial v }dv
dz=∂x∂zdx+∂y∂zdydz=∂u∂zdu+∂v∂zdv
即:不论把函数z看作自变量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。
【注1】多元内外层都可导,推不出来复合可导。是内层可导,外层有连续可导数,才能推
出复合可导。
【注2】对多元复合函数求导:①画变量之间树形图;②对某个变量求导,几项相加看尾巴
上几个x,就几项相加,每一项有几个因子相乘,从z到自变量几个连线就一个因子相乘。
二、隐函数微分法
(1)由方程 F ( x , y ) = 0 F(x,y)=0 F(x,y)=0确定的隐函数 y = ( x ) y = (x) y=(x)
若函数 F ( x , y ) F(x,y) F(x,y)在点 P ( x 0 , y 0 ) P(x_0,y_0) P(x0,y0)的某一领域内有连续偏导数,且 F ( x 0 , y 0 ) = 0 F(x_0,y_0) = 0 F(x0,y0)=0,
F x ′ ( x 0 , y 0 ) ≠ 0 F'_x(x_0,y_0) \neq 0 Fx′(x0,y0)=0,且方程 F ( x , y ) = 0 F(x,y)= 0 F(x,y)=0在点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0)的某领域内可唯一确定一个有连续导数的
函数
y
=
f
(
x
)
y = f(x)
y=f(x),并有
y
′
=
−
F
x
′
F
y
′
y' = - {F'_x \over F'_y}
y′=−Fy′Fx′
(2)由方程
F
(
x
,
y
,
z
)
=
0
F(x,y,z) = 0
F(x,y,z)=0确定的隐函数
z
=
z
(
x
,
y
)
z = z(x,y)
z=z(x,y)
若函数 F ( x , y , z ) F(x, y ,z) F(x,y,z)在点 P ( x 0 , y 0 , z 0 ) P(x_0, y_0, z_0) P(x0,y0,z0)的某一领域内有连续偏导数,且 F ( x 0 , y 0 , z 0 ) = 0 F(x_0,y_0,z_0)= 0 F(x0,y0,z0)=0,
$F’_z(x_0, y_0,z_0)\neq 0 , 则 方 程 ,则方程 ,则方程F(x,y,z) = 0 在 点 在点 在点(x_0, y_0, z_0)$的某领域可唯一确定一个有连续
偏导数的函数
z
=
f
(
x
,
y
)
z = f(x,y)
z=f(x,y),并有
∂
z
∂
x
=
−
F
x
′
F
z
′
,
∂
z
∂
y
=
−
F
y
′
F
z
′
{\partial z \over \partial x } = - {F'_x \over F'_z}, \quad {\partial z \over \partial y } = - {F'_y \over F'_z}
∂x∂z=−Fz′Fx′,∂y∂z=−Fz′Fy′
【注】由$F’_z(x_0, y_0,z_0)\neq 0 $,可以确定z是x,y的函数。
x,y,z三个变量,谁是另外两个变量的函数?
F对x,y,z的某个偏导不为零,如果题目已知 F y ′ ≠ 0 F'_y \neq 0 Fy′=0,则 y = y ( x , z ) y = y(x,z) y=y(x,z)
【注2】
【注3】
公式法:
∂
z
∂
x
=
−
F
x
′
F
z
′
,
∂
z
∂
y
=
−
F
y
′
F
z
′
{\partial z \over \partial x } = - {F'_x \over F'_z}, \quad {\partial z \over \partial y } = - {F'_y \over F'_z}
∂x∂z=−Fz′Fx′,∂y∂z=−Fz′Fy′
例, z + e z = x y z+e^z=xy z+ez=xy
将所有变量移到一边,变为 F ( x , y , z ) = 0 F(x,y,z) = 0 F(x,y,z)=0的形式。 z + e z − x y = 0 z+e^z-xy=0 z+ez−xy=0
求 F x ′ F'_x Fx′时,把y、z看作常数。 F x ′ = − y F_x^{'} = -y Fx′=−y
求 F z ′ F_z^{'} Fz′时,把x、y看作常数。 F z ′ = 1 + e z F_z^{'} = 1+e^z Fz′=1+ez
则 ∂ z ∂ x = − F x ′ F z ′ = y 1 + e z {\partial z \over \partial x } = - {F'_x \over F'_z}={ y \over 1+e^z} ∂x∂z=−Fz′Fx′=1+ezy
两边求导: 要把z看作x、y的函数。 ∂ z ∂ x + e z ∂ z ∂ x = y {\partial z \over \partial x } + e^z {\partial z \over \partial x }=y ∂x∂z+ez∂x∂z=y
微分形式不变性:
d z + e z d z = x d y + y d x dz +e^zdz = xdy + y dx dz+ezdz=xdy+ydx
( 1 + e z ) d z = x d y + y d x (1+e^z)dz = xdy + ydx (1+ez)dz=xdy+ydx
d z = x 1 + e z d y + y 1 + e z d x dz = {x \over 1+e^z}dy + { y \over 1+e^z}dx dz=1+ezxdy+1+ezydx
第三节 多元函数的极值和最值
一、无条件极值
定义 设函数 z = f ( x , y ) z = f(x,y) z=f(x,y)在点 P ( x 0 , y 0 ) P(x_0,y_0) P(x0,y0)的某领域内有定义,若对该领域内任意的点
P
(
x
,
y
)
P(x,y)
P(x,y)均有
f
(
x
,
y
)
≤
f
(
x
0
,
y
0
)
(
o
r
f
(
x
,
y
)
≥
f
(
x
0
,
y
0
)
)
f(x,y) \leq f(x_0, y_0)(or f(x,y) \geq f(x_0, y_0))
f(x,y)≤f(x0,y0)(orf(x,y)≥f(x0,y0))
则称 ( x 0 , y 0 ) (x_0, y_0) (x0,y0)为 f ( x , y ) f(x,y) f(x,y)的极大值点(或极小值点);称 f ( x 0 , y 0 ) f(x_0, y_0) f(x0,y0)为 f ( x , y ) f(x,y) f(x,y)的极大值(或极小值),极大值点和极小值点统称为极值点,极大值和极小值统称为极值。
定理(极值的必要条件) 设 z = f ( x , y ) z = f(x,y) z=f(x,y)在点 ( x 0 , y 0 ) (x_0, y_0) (x0,y0)存在偏导数,且 ( x 0 , y 0 ) (x_0, y_0) (x0,y0)为 f ( x , y ) f(x,y) f(x,y)的
极值点,则
f
x
′
(
x
0
,
y
0
)
=
0
,
f
y
′
(
x
0
,
y
0
)
=
0
f'_x(x_0, y_0) = 0 , \quad f'_y(x_0, y_0) = 0
fx′(x0,y0)=0,fy′(x0,y0)=0
【注】
驻点:导数为零的点。
极值点不一定是驻点。 z = ∣ x ∣ + ∣ y ∣ z = |x|+|y| z=∣x∣+∣y∣
驻点不一定是极值点。 z = x y z = xy z=xy
定理(极值的充分条件)
设 z = f ( x , y ) z = f(x,y) z=f(x,y)在点 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)的某领域内有二阶连续偏导数,又
f x ′ ( x 0 , y 0 ) , f y ′ ( x 0 , y 0 ) = 0 f'_x (x_0, y_0) , f'_y(x_0, y_0) = 0 fx′(x0,y0),fy′(x0,y0)=0
记 A = f x x ′ ′ ( x 0 , y 0 ) , B = f x y ′ ′ ( x 0 , y 0 ) , C = f y y ′ ′ ( x 0 , y 0 ) A = f''_{xx}(x_0, y_0), \quad B = f''_{xy}(x_0, y_0), \quad C = f''_{yy}(x_0, y_0) A=fxx′′(x0,y0),B=fxy′′(x0,y0),C=fyy′′(x0,y0),则
①当$AC - B^2 > 0 时 , 有 极 值 时,有极值 时,有极值\begin{cases}A> 0 , &极小值 \ A< 0 , & 极大值 \end{cases}$
②当 A C − B 2 < 0 AC- B^2 < 0 AC−B2<0时,无极值。(在内部无极值)
③当 A C − B 2 = 0 AC- B^2 = 0 AC−B2=0时,不一定(一般用定义判定)。
【注】
二元函数 z = f ( x , y ) z = f(x,y) z=f(x,y)可能取得极值的点就两种,驻点和偏导数不存在的点。
二、条件极值和拉格朗日乘数法
求 z = f ( x , y ) z = f(x,y) z=f(x,y)在条件 φ ( x , y ) = 0 \varphi (x,y) = 0 φ(x,y)=0下的条件极值的一般方法为:
①构造拉格朗日函数 F ( x , y , λ ) = f ( x , y ) + λ φ ( x , y ) F(x,y, \lambda) = f(x,y) + \lambda \varphi (x,y) F(x,y,λ)=f(x,y)+λφ(x,y)
②将 F ( x , y , λ ) F(x,y, \lambda) F(x,y,λ)分别对x,y, λ \lambda λ求偏导数,构造方程组
{ F x = f x ′ ( x , y ) + λ φ x ′ ( x , y ) = 0 F y = f y ′ ( x , y ) + λ φ y ′ ( x , y ) = 0 F λ = φ ( x , y ) = 0 \begin{cases} F_x = f'_x(x,y)+ \lambda \varphi'_x (x,y) = 0 \\[1ex] F_y = f'_y(x,y)+ \lambda \varphi'_y (x,y) = 0\\[1ex] F_{\lambda} = \varphi(x,y) = 0 \end{cases} ⎩⎪⎪⎨⎪⎪⎧Fx=fx′(x,y)+λφx′(x,y)=0Fy=fy′(x,y)+λφy′(x,y)=0Fλ=φ(x,y)=0
解出x,y及 λ \lambda λ,则其中 ( x , y ) (x,y) (x,y)就是函数 f ( x , y ) f(x,y) f(x,y)在条件 φ ( x , y ) = 0 \varphi(x,y) = 0 φ(x,y)=0下的可能极值点。
函数 f ( x , y , z ) f(x,y,z) f(x,y,z)在条件 φ ( x , y , z ) = 0 , ψ ( x , y , z ) = 0 \varphi(x,y,z) = 0, \psi(x,y,z) = 0 φ(x,y,z)=0,ψ(x,y,z)=0条件下的条件极值。
令 F ( x , y , z , λ , μ ) = f ( x , y , z ) + λ φ ( x , y , z ) + μ ψ ( x , y , z ) F(x,y,z, \lambda, \mu) = f(x,y,z) + \lambda \varphi(x,y,z)+ \mu \psi(x,y,z) F(x,y,z,λ,μ)=f(x,y,z)+λφ(x,y,z)+μψ(x,y,z)
三、最大值最小值
-
求连续函数 f ( x , y ) f(x,y) f(x,y)在有界闭区域D上的最大值最小值
①求 f ( x , y ) f(x,y) f(x,y)在D内部可能的极值点
②求 f ( x , y ) f(x,y) f(x,y)在D的边界上的最大值最小值
③比较
-
应用题
【注】是在内部可能取到的极值点。
注意点
-
多元内外层都可导,推不出来复合可导。是内层可导,外层有连续可导数,才能推出复
合可导。
-
和差的微分=微分的和差
-
d z = A d x + B d y dz = Adx+Bdy dz=Adx+Bdy
-
偏导连续就是一阶偏导是连续函数。
-
当混合偏导连续时,混合偏导相等。
-
常函数一定可微。
技巧
问题
方法
-
隐函数求导
①两边求偏导
②代公式(其余变量看作常数)
③两边求微分
-
复合和隐函数综合在一起微分问题常用的方法
①变量之间关系理清楚,然后用复合函数求导和隐函数求导直接求
②可以不去理那个变量,用微分形式不变性,给几个式子几个式子求微分,求完以后要什么留什么,不要什么就把什么东西消掉。(微分形式不变性的优势:可以不去理变量之间的关系。当你拿到一道题当复合函数和隐函数综合在一起,特别是变量之间的关系理不清楚的时候,这种方法的优越性就体现的更加明显)
-
已知全微分求原函数的方法
①凑微分
②偏积分
-
求条件最值的方法
①拉格朗如乘数法
②化条件为无条件 { y = y ( x ) 参 数 方 程 \begin{cases}y = y(x) \\ 参数方程 \end{cases} {y=y(x)参数方程
-
求一点处的偏导数和全微分
①分段函数在分界点,用定义。
②先代后求
【注1】算具体点上的二阶偏导,也可以先代后求
【注2】算三元函数的全微分,也可以先代后求
-
具体函数偏导数和全微分
①幂指函数:1)改写成e; 2)两边取对数; 3)换元 → \to →复合函数求导 → \to →链导法
【注】法3)也可以用在一元函数求导中
-
d z = P ( x , y ) d x + Q ( x , y ) d y dz = P(x,y)dx + Q(x,y)dy dz=P(x,y)dx+Q(x,y)dy
dx前面对y求偏导=dy前面对x求偏导
具体方法
1. 偏积分
【注】
①对一个偏积分,另一个看作常数。
②第一次偏积分要加 φ ( x ) \varphi(x) φ(x),第二次要加 ψ ( x ) \psi(x) ψ(x)。
③每做完一个偏积分,就要想办法把相应的x或y的函数定出来。
2. 知道全微分求函数本身
2.1 偏积分
【注】对x偏积分加y的任意函数,对y偏积分加x的任意函数。
2.2 凑微分
方法: d u ( x , y ) = A d x + B d y = d ( ) ⇒ u = ( ) + C du(x,y) = Adx + Bdy = d() \Rightarrow u = ()+C du(x,y)=Adx+Bdy=d()⇒u=()+C
d u ( x , y ) = y d x + [ ( x − 1 ) + y 2 ] d y = y d x + ( x − 1 ) d y + d ( 1 3 y 3 ) du(x,y) = ydx + [(x-1)+y^2]dy =ydx+(x-1)dy+ d({1\over 3}y^3) du(x,y)=ydx+[(x−1)+y2]dy=ydx+(x−1)dy+d(31y3)
= y d ( x − 1 ) + ( x − 1 ) d y + d ( 1 3 y 3 ) =yd(x-1)+(x-1)dy +d({1\over 3}y^3) =yd(x−1)+(x−1)dy+d(31y3)
= d ( x − 1 ) y + d ( 1 3 y 3 ) =d(x-1)y +d({1\over 3}y^3) =d(x−1)y+d(31y3)
则 u = ( x − 1 ) y + 1 3 y 3 + C u = (x-1)y+{1\over 3}y^3+C u=(x−1)y+31y3+C
【注】如果不好凑,那就分组凑。