数学分析笔记14：多元函数微分学

偏导数与全微分

偏导数与全微分的概念

现在，我们把导数和微分的概念，推广到多元函数的情形。只不过，在二维以上，函数的方向十分复杂，绝不只有左导数和右导数两个方向。然而，我们可以先对某个变元求导数，称为偏导数。

定义14.1(偏导数) $f(x_1,x_2,\cdots ,x_n)$在$(x_1^0,\cdots ,x_n^0)$的某个邻域上有定义，如果对第$i(1\le i\le n)$的变元，极限
$$\underset{\Delta x_i\to 0}{\lim }\frac{f(x_1^0,\cdots ,x_{i-1}^0,x_i,x_{i+1}^0,\cdots ,x_n^0)-f(x_1^0,\cdots ,x_n^0)}{\Delta x_i}$$存在，称该极限为$f(x_1,\cdots ,x_n)$在$(x_1^0,\cdots ,x_n^0)$处对$x_i$的偏导数，\记为$\frac{\partial f(x_1^0,\cdots ,x_n^0)}{\partial x_i}$或$f_i(x_1^0,\cdots ,x_n^0)$

如果$f(x_1,\cdots ,x_n)$在某个开集$E$上每个点对所有变元的偏导数都存在，那么，对各个变元的偏导数，都是这个开集上的一个$n$元函数，同样可以讨论极限、连续性的等概念。
我们再一元函数上还有微分的概念，在一元函数上，全微分定义成某点的"切线"，在二元函数上，全微分就应该是某点的切平面，在三维以上，就是切“超平面”，只不过，这时我们没有几何直观可以参考。
一维上的直线可以表为$y=a+bx$
二维上的平面可表为$y=a+b_{1}x+b_{2}x$
推广到$n$维上，超平面可表为$y=a+{\sum }_{k=1}^n{b}_k{x}_k$
所谓全微分，就是在函数在某点附近，可以用一个超平面近似，即：
$$f(x)=f(x_0)+\sum _{k=1}^n{b}_k\Delta x_k+o(||\Delta x||)$$

定义14.2(全微分) $f(x_1,\cdots ,x_n)$在$x_0=(x_1^0,\cdots ,x_n^0)$的某个邻域上有定义，如果$f(x_1,\cdots ,x_n)$可表为
$$f(x_1,\cdots ,x_n)=f(x_1^0,\cdots ,x_n^0)+\sum _{k=1}^n{A}_k(x_k-x_k^0)+o(||x-x_0||)$$其中$A_1,\cdots ,A_n$和$\Delta x=x-x_0$无关，则称$f(x)$在$x_0$处可微，超平面${\sum }_{k=1}^n{A}_{k}d{x}_k$称为$f(x)$在$x_0$处的全微分，记为$df={\sum }_{k=1}^n{A}_{k}d{x}_k$

定理14.1(可微的必要条件) $f(x_1,\cdots ,x_n)$在$x_0=(x_1^0,\cdots ,x_n^0)$的某个邻域上有定义，$f(x_1,\cdots ,x_n)$在$x_0=(x_1^0,\cdots ,x_n^0)$上可微，则$f$在$x_0=(x_1^0,\cdots ,x_n^0)$对各变元可求偏导，并且：
$$df=\sum _{k=1}^n{f}_k(x_1^0,\cdots ,x_n^0)d{x}_k$$

这由全微分的定义可以直接验证。其次，容易验证可微必连续。但就算n元函数在某点对各变元可求偏导且连续，也不一定可微。

例14.1 $$f(x,y)=\{\begin{array}{ll}\frac{xy}{\sqrt{x^2+y^2}}& x^2+y^2>0\\ 0& x=0,y=0\end{array}$$在$f(x,y)$在$(0,0)$处连续且对各变元可求偏导，然而：$$\underset{(x,y)\to (0,0)}{\lim }\frac{f(x,y)}{\sqrt{x^2+y^2}}=\underset{(x,y)\to (0,0)}{\lim }\frac{xy}{x^2+y^2}$$极限不存在，因此，$f(x,y)$在$(0,0)$点不可微

那么，满足何种条件能够可微呢？下面我们给出一个充分条件：

定理14.2(可微的充分条件) $f(x_1,\cdots ,x_n)$在$x_0=(x_1^0,\cdots ,x_n^0)$的某个邻域上有定义且对各变元可求偏导，并且各偏导在$x_0$处连续，则$f(x_1,\cdots ,x_n)$在$x_0$处可微

证：
$$\begin{gathered} f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)=f(x_1,\cdots ,x_n)- \\ f(x_1^0,\cdots ,x_n^0)+\sum _{k=1}^{n-1}(-f(x_1^0,\cdots ,x_k^0,x_{k+1},\cdots ,x_n)+f(x_1^0,\cdots ,x_k^0,x_{k+1},\cdots ,x_n)) \\ =\sum _{k=1}^n[f(x_1^0,\cdots ,x_{k-1}^0,x_k,x_{k+1},\cdots ,x_n)-f(x_1^0,\cdots ,x_k^0,x_{k+1},\cdots ,x_n)] \end{gathered}$$ 由拉格朗日中值定理，存在${\xi }_k$介于$x_k$和$x_k^0$之间$$\begin{gathered} f(x_1,\cdots ,x_n)=f(x_1^0,\cdots ,x_n^0)+\sum _{k=1}^n{f}_k(x_1^0,\cdots ,x_{k-1}^0,{\xi }_k,x_{k+1},\cdots ,x_n)\Delta x_k \\ =\sum _{k=1}^n{f}_k(x_1^0,\cdots ,x_n^0)\Delta x_k+\sum _{k=1}^n[f_k(x_1^0,\cdots ,x_{k-1}^0,{\xi }_k,x_{k+1},\cdots ,x_n)-f_k(x_1^0,\cdots ,x_n^0)]\Delta x_k \end{gathered}$$考察余项：$$\begin{gathered} \frac{f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)-{\sum }_{k=1}^n{f}_k(x_1^0,\cdots ,x_n^0)\Delta x_k}{\sqrt{{\sum }_{k=1}^n{\Delta }^2{x}_k}} \\ =\sum _{k=1}^n[f_k(x_1^0,\cdots ,x_{k-1}^0,{\xi }_k,x_{k+1},\cdots ,x_n)-f_k(x_1^0,\cdots ,x_n^0)]\frac{\Delta x_k}{\sqrt{{\sum }_{i=1}^n{\Delta }^2{x}_i}} \end{gathered}$$$$|\frac{\Delta x_k}{\sqrt{{\sum }_{i=1}^n{\Delta }^2{x}_i}}|\le 1$$因此：$$\begin{gathered} |\frac{f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)-{\sum }_{k=1}^n{f}_k(x_1^0,\cdots ,x_n^0)\Delta x_k}{\sqrt{{\sum }_{k=1}^n{\Delta }^2{x}_k}}| \\ \le \sum _{k=1}^n|f_k(x_1^0,\cdots ,x_{k-1}^0,{\xi }_k,x_{k+1},\cdots ,x_n)-f_k(x_1^0,\cdots ,x_n^0)| \end{gathered}$$再由偏导数的连续性，就有$$\underset{(x_1,\cdots ,x_n)\to (x_1^0,\cdots ,x_n^0)}{\lim }|\frac{f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)-{\sum }_{k=1}^n{f}_k(x_1^0,\cdots ,x_n^0)\Delta x_k}{\sqrt{{\sum }_{k=1}^n{\Delta }^2{x}_k}}|=0$$因此，$f(x_1,\cdots ,x_n)$在$(x_1^0,\cdots ,x_n^0)$处可微

我们把偏导数连续称为连续可微。这样，可微、可导和连续性的关系可以概括为：
(1)连续可微一定可微
(2)可微一定可求偏导数
(3)可微一定连续
(4)连续不一定可求偏导
(5)可求偏导不一定可微

多元函数微分法则

为了给出多元情形下的求导和微分法则，我们首先给出向量值函数的全微分概念

定义14.3 $g(x_1,x_2,\cdots ,x_n)=(g_1(x_1,\cdots ,x_n),\cdots ,g_m(x_1,\cdots ,x_n))$是$n$元$m$维向量值函数，在$(x_1^0,\cdots ,x_n^0)$附近有定义，如果存在与$(x_1,\cdots ,x_n)$无关，仅与$(x_1^0,\cdots ,x_n^0)$有关的$m$行$n$列矩阵$A$，记$\Delta x=(x_1-x_1^0,\cdots ,x_n-x_n^0{)}^T$，使得$$\left[\begin{array}{c}{g}_1(x_1,\cdots ,x_n)-g_1(x_1^0,\cdots ,x_n^0)\\ \cdots \\ g_m(x_1,\cdots ,x_n)-g_m(x_1^0,\cdots ,x_n^0)\end{array}\right]=A\Delta x+\left[\begin{array}{c}{o}_1(||\Delta x||)\\ \cdots \\ o_m(||\Delta x||)\end{array}\right]$$则称向量值函数$g$在$(x_1^0,\cdots ,x_n^0)$处可微，矩阵$A$称为$g$在$(x_1^0,\cdots ,x_n^0)$处的Frechet导数。$Adx$称为$g$在$(x_1^0,\cdots ,x_n^0)$处的全微分。

实际上，由定义容易得出，如果向量值函数在$(x_1^0,\cdots ,x_n^0)$处可微的充要条件是每个分量函数都在$(x_1^0,\cdots ,x_n^0)$处可微，并且，Frechet导数就等于：
$$\left[\begin{array}{ccc}\frac{\partial g_1(x_1^0,\cdots ,x_n^0)}{\partial x_1}& \cdots & \frac{\partial g_1(x_1^0,\cdots ,x_n^0)}{\partial x_n}\\ \cdots & \cdots & \cdots \\ \frac{\partial g_m(x_1^0,\cdots ,x_n^0)}{\partial x_1}& \cdots & \frac{\partial g_m(x_1^0,\cdots ,x_n^0)}{\partial x_n}\end{array}\right]$$为了方便，我们把Frechet导数记为$g^{\prime }(x_0)$，对$n$元函数来说，Frechet导数就是$n$维的行向量。实际上，Frechet导数就是一元导数的的一个推广，Frechet可导就等价于可微，在这层意义下，可微和可导是等价的。

定理14.3(线性性质) $g_1,g_2$是$n$元$m$维向量值函数并且都在$(x_1^0,\cdots ,x_n^0)$处可微，则
（1）$g_1+g_2$在$(x_1^0,\cdots ,x_n^0)$处可微，并且
$$g_1^{\prime }(x_1^0,\cdots ,x_n^0)+g_2^{\prime }(x_1^0,\cdots ,x_n^0)=(g_1+g_2{)}^{\prime }(x_1^0,\cdots ,x_n^0)$$（2）$c$是任意实数，$c{g}_1$在$(x_1^0,\cdots ,x_n^0)$处可微，并且
$$c{g}_1^{\prime }(x_1^0,\cdots ,x_n^0)=(c{g}_1{)}^{\prime }(x_1^0,\cdots ,x_n^0)$$

这两个性质按照Frechet导数的定义是显然的。

定理14.4 $g$是$n$元$m$维向量值函数，并且在$(x_1^0,\cdots ,x_n^0)$处可微，$f$是$n$元函数，并且在$(x_1^0,\cdots ,x_n^0)$处可微，则$F=g(x_1,\cdots ,x_n)f(x_1,\cdots ,x_n)$在$(x_1^0,\cdots ,x_n^0)$处可微，并且
$$F^{\prime }(x_1^0,\cdots ,x_n^0)=g(x_1^0,\cdots ,x_n^0)f^{\prime }(x_1^0,\cdots ,x_n^0)+g^{\prime }(x_1^0,\cdots ,x_n^0)f(x_1^0,\cdots ,x_n^0)$$

在理解定理14.4时，需要注意的是$fg$是$n$元$m$维向量值函数，其Frechet导数是$m$行$n$列矩阵，等式右边第一项中：$g$是$m$行的列向量，$f^{\prime }$是$n$列的行向量，而第二项是一个数乘的形式。通过定理14.4，多元导数就和一元导数在乘法运算法则上统一起来了。下面证明定理14.4

证：
首先$$\begin{gathered} g(x_1,\cdots ,x_n)f(x_1,\cdots ,x_n)-g(x_1^0,\cdots ,x_n^0)f(x_1^0,\cdots ,x_n^0) \\ =g(x_1,\cdots ,x_n)f(x_1,\cdots ,x_n)-g(x_1^0,\cdots ,x_n^0)f(x_1,\cdots ,x_n) \\ +g(x_1^0,\cdots ,x_n^0)f(x_1,\cdots ,x_n)-g(x_1^0,\cdots ,x_n^0)f(x_1^0,\cdots ,x_n^0) \end{gathered}$$其次，由可微性，就有$$g(x_1,\cdots ,x_n)-g(x_1^0,\cdots ,x_n^0)=g^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_1(||\Delta x||)$$$$f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)=f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_2(||\Delta x||)$$再令$$\begin{gathered} h(x_1,\cdots ,x_n)=f(x_1,\cdots ,x_n)o_1(||\Delta x||) \\ +[f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)]\Delta x+g(x_1^0,\cdots ,x_n^0)o_2(||\Delta x||) \end{gathered}$$由于$$|\frac{\Delta x_k}{||\Delta x||}|\le 1$$再由$f(x_1,\cdots ,x_n)$
在$(x_1^0,\cdots ,x_n^0)$处的连续性，就有$$\underset{||\Delta x||\to 0}{\lim }\frac{[f(x_1,\cdots ,x_n)-f(x_1^0,\cdots ,x_n^0)]\Delta x}{||\Delta x||}=0$$因此$$\underset{||\Delta x||\to 0}{\lim }\frac{h(x_1,\cdots ,x_n)}{||\Delta x||}=0$$而$$\begin{gathered} F(x_1,\cdots ,x_n)-F(x_1^0,\cdots ,x_n^0)=[g(x_1^0,\cdots ,x_n^0)f^{\prime }(x_1^0,\cdots ,x_n^0) \\ +g^{\prime }(x_1^0,\cdots ,x_n^0)f(x_1^0,\cdots ,x_n^0)]\Delta x+h(x_1,\cdots ,x_n) \end{gathered}$$

接下来我们给出多元下的复合函数求导法则：

定理14.5 $f$是$n$元$m$维向量函数，在$(x_1^0,\cdots ,x_n^0)$处可导，$(y_1^0,\cdots ,y_m^0)=f(x_1^0,\cdots ,x_n^0)$,$g$是$m$元$k$维向量函数，在$(y_1^0,\cdots ,y_m^0)$处可导，则$f(g(x_1,\cdots ,x_n))$在$(x_1^0,\cdots ,x_n^0)$处可导，并且
$$(g(f(x_1^0,\cdots ,x_n^0)){)}^{\prime }=g^{\prime }(f(x_1^0,\cdots ,x_n^0))f^{\prime }(x_1^0,\cdots ,x_n^0)$$

证：
$g$在$(y_1^0,\cdots ,y_m^0)$可微，则$$\begin{gathered} g(y_1,\cdots ,y_m)-g(y_1^0,\cdots ,y_m^0)= \\ {g}^{\prime }(y_1^0,\cdots ,y_m^0)\Delta y+o_1(||\Delta y||)\text{\hspace{1em}(1)} \end{gathered}$$再由$f$在$(x_1^0,\cdots ,x_n^0)$处可微，则$$f(x_1,\cdots ,x_n)-(y_1^0,\cdots ,y_m^0)=f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_2(||\Delta x||)\text{\hspace{1em}(2)}$$而$$\frac{||f(x_1,\cdots ,x_n)-(y_1,\cdots ,y_m)||}{||\Delta x||}=||\frac{f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_2(||\Delta x||)}{||\Delta x||}||$$由范数的性质，有$$||\frac{f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_2(||\Delta x||)}{||\Delta x||}||\le ||\frac{f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x}{||\Delta x||}||+||\frac{o_2(||\Delta x||)}{||\Delta x||}||$$而$$\underset{||\Delta x||\to 0}{\lim }\frac{o_2(||\Delta x||)}{||\Delta x||}=0$$同时设$f_{ij}(x_1^0,\cdots ,x_n^0)$是$f$的第$i$个分量对第$j$个变元的偏导数，则$$f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x=\left[\begin{array}{c}{\sum }_{i=1}^n{f}_{1i}(x_1^0,\cdots ,x_n^0)\Delta x_i\\ \cdots \\ {\sum }_{i=1}^n{f}_{mi}(x_1^0,\cdots ,x_n^0)\Delta x_i\end{array}\right]$$对任意的$1\le i\le m$，都要$$|\sum _{j-1}^n{f}_{ij}(x_1^0,\cdots ,x_n^0)\Delta x_j|\le \sqrt{\sum _{j=1}^n{f}_{ij}^2(x_1^0,\cdots ,x_n^0)}||\Delta x||$$因此$$||f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x||\le \sqrt{\sum _{i=1}^m\sum _{j=1}^n{f}_{ij}^2(x_1^0,\cdots ,x_n^0)}||\Delta x||$$$$||\frac{f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x}{||\Delta x||}||\le \sqrt{\sum _{i=1}^m\sum _{j=1}^n{f}_{ij}^2(x_1^0,\cdots ,x_n^0)}$$因此，$||\frac{f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_2(||\Delta x||)}{||\Delta x||}||$局部有界，因此$$\underset{||\Delta x||\to 0}{\lim }||\frac{f^{\prime }(x_1^0,\cdots ,x_n^0)\Delta x+o_2(||\Delta x||)}{||\Delta x||}||=0$$再将(2)代入(1)就可以证得结论

考虑向量函数和多元函数复合的情形：$g(y_1,\cdots ,y_m)$是$m$元函数，$f(x_1,\cdots ,x_n)$是$n$元$m$维向量函数，$g$在$f(x_1^0,\cdots ,x_n^0)$处可微，$f$在$(x_1^0,\cdots ,x_n^0)$处可微，那么$g(f(x_1,\cdots ,x_n))$在$(x_1^0,\cdots ,x_n^0)$处可微。
我们记$h=g(f)$，设$f=(f_1,\cdots ,f_m)$，应用复合函数求导法则，就有：$$\frac{\partial h(x_1^0,\cdots ,x_n^0)}{\partial x_i}=\sum _{j=1}^m\frac{\partial f_j(x_1^0,\cdots ,x_n^0)}{\partial x_i}\frac{\partial g(y_1^0,\cdots ,y_m^0)}{\partial y_j}$$这称为多元函数求导的链式法则

高阶偏导数与高阶全微分

高阶偏导就是偏导的偏导，只不过，在高维情形下，由求偏导次序可否交换的问题。以二元函数为例，$f(x,y)$的二阶偏导有四个：
$\frac{{\partial }^{2}f}{\partial x^2}$表示对$x$求两次偏导，$\frac{{\partial }^{2}f}{\partial x\partial y}$表示先对$x$求偏导，再对$y$求偏导，其他两个也可以类似写出。
问题在于$\frac{{\partial }^{2}f}{\partial x\partial y}=\frac{{\partial }^{2}f}{\partial y\partial x}$是否成立？下面我们证明：在高阶偏导数连续的条件下，偏导次序是可以交换的。

定理14.6 $f(x,y)$在$(x_0,y_0)$的某个邻域上可求二阶偏导数，并且$\frac{{\partial }^{2}f}{\partial x\partial y},\frac{{\partial }^{2}f}{\partial y\partial x}$都在$(x_0,y_0)$处连续，则$\frac{{\partial }^{2}f(x_0,y_0)}{\partial x\partial y}=\frac{{\partial }^{2}f(x_0,y_0)}{\partial y\partial x}$

证：
首先$$\frac{[f(x,y)-f(x,y_0)]-[f(x_0,y)-f(x_0,y_0)]}{(x-x_0)(y-y_0)}=\frac{[f(x,y)-f(x_0,y)]-[f(x,y_0)-f(x_0,y_0)]}{(x-x_0)(y-y_0)}$$由拉格朗日中值定理，存在$(0,1)$之间的正实数${\theta }_1$和${\theta }_2$$$\begin{gathered} \frac{[f(x,y)-f(x,y_0)]-[f(x_0,y)-f(x_0,y_0)]}{(x-x_0)(y-y_0)} \\ =\frac{f_x(x_0+{\theta }_1(x-x_0),y)-f_x(x_0+{\theta }_1(x-x_0),y_0)}{y-y_0} \\ =f_{xy}(x_0+{\theta }_1(x-x_0),y_0+{\theta }_2(y-y_0)) \end{gathered}$$$$h(x,y)=\frac{[f(x,y)-f(x,y_0)]-[f(x_0,y)-f(x_0,y_0)]}{(x-x_0)(y-y_0)}$$$h(x,y)$的全面极限和两个累次极限存在，相等，这样就可以证得偏导次序可交换

我们假设二元函数在$(x_0,y_0)$的某个邻域上各阶偏导数都存在，那么，各阶偏导数都在$(x_0,y_0)$处连续（因为连续可微），考察函数：$h(t)=f(x_0+t,y_0+t)$，则$h(t)$在$t=0$处的各阶偏导数：
$$h^{(k)}(0)=\sum _{i=0}^k{C}_k^i\frac{{\partial }^{k}f(x_0,y_0)}{\partial x^i\partial y^{(k-i)}}$$这就和二项式定理类似，其他高阶导数的求法，大多用到数学归纳法，这里不再赘述。

方向导数

在一元情况下，导数有左导数和右导数，而在多元情形下，由于方向远远不止两个，但我们还是可以定义出方向导数。
方向向量就定义为$d=(d_1,\cdots ,d_n)$，其中$\sqrt{{\sum }_{k=1}^n{d}_k^2}=1$，$d$就称为方向向量。方向导数就定义为极限：
$$\frac{\partial f(x)}{\partial d}=\underset{t\to 0^{+}}{\lim }\frac{f(x+td)-f(x)}{t}$$方向导数该如何计算呢？如果$f(x)$在$f(x_0)$处可微，那么
$$f(x_0+td)-f(x_0)=t{f}^{\prime }(x_0)d^T+o(t)$$这样
$$\frac{\partial f(x_0)}{\partial d}=f^{\prime }(x_0)d^T$$实际上就是偏导按照方向进行加权。

高维泰勒公式

高维泰勒公式，就是$f(x_0+t(x-x_0))$在$0$处的泰勒公式，再令$t=1$，高维泰勒公式形式比较复杂，在三阶以上很难写出一般的形式。不过，我们这里给出零阶，一阶，二阶的泰勒公式的形式，在多元函数极值判断中起到重要的作用。我们称矩阵$$H_f(x_0)=\left[\begin{array}{cccc}{f}_{11}(x_0)& f_{12}(x_0)& \cdots & f_{1n}(x_0)\\ f_{21}(x_0)& f_{22}(x_0)& \cdots & f_{2n}(x_0)\\ \cdots & \cdots & \cdots & \cdots \\ f_{n1}(x_0)& f_{n2}(x_0)& \cdots & f_{nn}(x_0)\end{array}\right]$$为$f$的海色矩阵，海色矩阵在多元函数情形下，起到二阶导数的作用。令$x=(x_1,\cdots ,x_n),x_0=(x_1^0,\cdots ,x_n^0)$，令$g(t)=f(x_0+t(x-x_0))$，由复合函数求导法则，则$$\begin{gathered} g^{\prime }(t)=\sum _{i=1}^n(x_i-x_i^0)f_i^{\prime }(x_0+t(x-x_0)) \\ {g}^{\prime \prime }(t)=\sum _{i=1}^n\sum _{j=1}^n(x_i-x_i^0)(x_j-x_j^0)f_{ij}^{\prime \prime }(x_0+t(x-x_0)) \end{gathered}$$则$g(t)$的零阶麦克劳林公式为$$g(t)-g(0)=\sum _{i=1}^n(x_i-x_i^0)f_i^{\prime }(x_0+\xi (x-x_0))t$$其中$\xi \in (0,t)$，令$t=1$，有$$f(x)-f(x_0)=\sum _{i=1}^n{f}_i^{\prime }(x_0+\xi (x-x_0))(x_i-x_i^0)$$其中$\xi \in (0,1)$，可以看出$x^{\prime }=x_0+\xi (x-x_0)$是连接$x_0$和$x$的线段上的一点，也就是说，如果$f$连续可微，则对任意的$x_1,x_2$，存在连接$x_1,x_2$连段上的一点$x_3$，使得$$f(x_1)-f(x_2)=\sum _{i=1}^n{f}_i^{\prime }(x_3)(x_i^1-x_i^2)$$这就是$n$维空间上的拉格朗日中值定理，同样可以写出一阶的泰勒公式$$f(x)-f(x_0)=\sum _{i=1}^n{f}_i^{\prime }(x_0)(x_i-x_i^0)+\frac{1}{2}(x-x_0{)}^T{H}_f(x_0+\xi (x-x_0))(x-x_0)$$二阶泰勒公式为
$$f(x)=f(x_0)+f^{\prime }(x_0)(x-x_0)+\frac{1}{2}(x-x_0{)}^T{H}_f(x_0)(x-x_0)+o((x-x_0{)}^T(x-x_0))$$

隐函数存在定理

单个方程情形

现在，我们来讨论多元微分学最重要的定理之一，隐函数存在定理。实际上，函数，可由显方程给出，即：
$$y=f(x_1,\cdots ,x_n)$$然而，更多情况下，函数并没有以上明确的表达式，而是通常以方程的形式给出
$$F(y,x_1,\cdots ,x_n)=0$$这种形式给出的函数，我们称为隐函数，并且，很多情况下，我们根本无法从隐函数方程反解出一个函数出来，那么，我们怎么确认是否存在一个函数，满足以上方程呢？隐函数存在定理，就是要回答上面的问题。首先我们需要理清概念，何谓隐含函数：对$n+1$元函数$F(x_1,\cdots ,x_n,y)$，方程$F(x_1,\cdots ,x_n,y)=0$确定一个隐函数$y=f(x_1,\cdots ,x_n)$的含义的是对定义域$E\subset R^n$上的点$x\in E$，都有$$F(x,f(x))=0$$首先要弄清楚的问题是函数$f$是否存在，其次是否唯一。举一例说明：
$$x^2+y^2=1$$在定义域$[-1,1]$上确实存在隐函数$y=\sqrt{1-x^2}$和$y=-\sqrt{1-x^2}$可见，隐函数虽然存在，但是不唯一，两个隐函数的区别在于其值域。可见，在隐函数的问题上，不仅要指定在哪个定义域范围内存在隐函数，$\underline{还要确定因变量的范围}$，否则隐函数可能不唯一。
我们先假设隐函数存在，并且，$F$对各个变元可求连续偏导，并且隐函数也对各个变元可求连续的偏导数，我们就想到，直接对方程两边求导：
$$\frac{\partial y}{\partial x_i}{F}_y^{\prime }+F_i^{\prime }=0$$只要$F_y^{\prime }\ne 0$，就可以求出$\frac{\partial y}{\partial x_i}$。隐函数存在定理将表明，只要$F_y^{\prime }\ne 0$，在很小的一个局部，隐函数是存在的，并且确定的隐函数还是连续可微的。接下来我们用的范数是$|(x_1,x_2,\cdots ,x_n)|=\underset{1\le i\le n}{\max }|x_i|$，容易验证这是一个范数，这个范数的好处是，由其诱导的距离产生的邻域是一个方体，即对任意的$x_0=(x_1^{(0)},\cdots ,x_n^{(0)})$，则 B ( x 0 , δ ) = { ( x 1 , ⋯   , x n ) : ∣ x i − x i ( 0 ) ∣ < δ , i = 1 , ⋯   , n } B(x_0,\delta)=\{(x_1,\cdots,x_n):|x_i-x_i^{(0)}|<\delta,i=1,\cdots,n\} B(x0​,δ)={(x1​,⋯,xn​):∣xi​−xi(0)​∣<δ,i=1,⋯,n}由此，如果我们将$x_0=(x_0^{\prime },x_0^{\prime \prime })$，其中$x_0^{\prime }=(x_1^{(0)},\cdots ,x_m^{(0)})$。则$$B(x_0,\delta )=B(x_0^{\prime },\delta )\times B(x_0^{\prime \prime },\delta )$$这比较方便我们书写证明的过程

定理14.7(隐函数存在定理1) $F(x_1,\cdots ,x_n,y)$是某个开集$G$上的连续可微函数，并且$(x_1^0,\cdots ,x_n^0,y^0)\in G$，同时满足：
(1)$F(x_1^0,\cdots ,x_n^0,y_0)=0$
(2)$F_y(x_1^0,\cdots ,x_n^0,y_0)\ne 0$
则存在$(x_1^0,\cdots ,x_n^0)$的邻域$B_1$，$y_0$的邻域$B$，$B_1\times B\subset G$，存在定义在$B_1$上的唯一的$n$元连续可微函数$y=f(x_1,\cdots ,x_n)$，满足：
(1)$f(x_1,\cdots ,x_n)\in B\forall (x_1,\cdots ,x_n)\in B_1$
(2)$y_0=f(x_1^0,\cdots ,x_n^0)$
(3)$F(x_1,\cdots ,x_n,f(x_1,\cdots ,x_n))=0\forall (x_1,\cdots ,x_n)\in B_1$
(4)$y$在$B_1$上连续可微，并且
$$\frac{\partial y}{\partial x_k}=-\frac{F_{x_k}^{\prime }}{F_y^{\prime }}$$

证：
这里假设$F_y^{\prime }(x_1^0,\cdots ,x_n^0,y_0)>0$，而$F_y^{\prime }(x_1^0,\cdots ,x_n^0,y_0)<0$的证明是类似的。
$\underline{第一步}$：我们要证明隐函数的存在性：
由偏导的连续性，存在$\delta >0$，当$(x,y)\in B((x_0,y_0),\delta )\subset G$时
$$F_y^{\prime }(x_1,\cdots ,x_n,y)>0$$当$(x,y)\in B((x_0,y_0),\delta )$时，$F(x_1,\cdots ,x_n,y)$作为$y$的一元函数在$(y_0-\delta ,y_0+\delta )$上严格单调上升。
于是，有$$\{\begin{array}{l}F(x_1^0,\cdots ,x_n^0,y_0+\frac{\delta }{2})>0\\ F(x_1^0,\cdots ,x_n^0,y_0-\frac{\delta }{2})<0\end{array}$$由函数的连续性，存在$0<{\delta }_2<\frac{\delta }{2}$，$(x,y)\in B((x_0,y_0+\frac{\delta }{2}),{\delta }_2)$时，就有
$$F(x_1,\cdots ,x_n,y)>0$$并且对任意的$(x,y)\in B((x_0,y_0+\frac{\delta }{2}),{\delta }_2)$，就有$$\begin{array}{rl}& d((x,y),(x_0,y_0))\\ \le & d((x,y),(x_0,y_0+\frac{\delta }{2}))+d((x_0,y_0+\frac{\delta }{2}),(x_0,y_0))<{\delta }_2+\frac{\delta }{2}<\delta \end{array}$$即$B((x_0,y_0+\frac{\delta }{2}),{\delta }_2)\subset B((x_0,y_0),\delta )$，只要$x\in B((x_0,y_0-\frac{\delta }{2}),{\delta }_2)$，就有$$F(x_1,\cdots ,x_n,y)<0$$同理，$B((x_0,y_0-\frac{\delta }{2}),{\delta }_2)\subset B((x_0,y_0),\delta )$。只要$x\in B(x_0,{\delta }_2)$，就有$$\{\begin{array}{l}F(x_1,\cdots ,x_n,y_0+\frac{\delta }{2})>0\\ F(x_1,\cdots ,x_n,y_0-\frac{\delta }{2})<0\end{array}$$并且，当$y_0-\frac{\delta }{2}\le y\le y_0+\frac{\delta }{2}$时
$$d((x,y),(x_0,y_0))<\delta$$$F(x_1,\cdots ,x_n,y)$作为$y$的一元函数，在$[y_0-\frac{\delta }{2},y_0+\frac{\delta }{2}]$上连续，由介值定理，存在$f(x_1,\cdots ,x_n)\in (y_0-\frac{\delta }{2},y_0+\frac{\delta }{2})$
$$F(x_1,\cdots ,x_n,f(x_1,\cdots ,x_n))=0$$并且$(x_1,x_2,\cdots ,x_n,f(x_1,\cdots ,x_n))\in B((x_0,y_0),\delta )$，这就证得了隐函数的存在性，令$B=B(y_0,\delta )$,$B_1=B(x_0,{\delta }_2)$，则$f$满足：
(1)$f(x_0)=y_0$
(2)$F(x,f(x))=0,f(x)\in B,\forall x\in B_1$
并且这个函数$f$是唯一的，假设存在定义在$B_1=B(x_0,{\delta }_2)$上的函数$g$，也满足：
（1）$g(x_0)=y_0$
（2）$F(x,g(x))=0,g(x)\in B,\forall x\in B_1$
则对任意的$x\in B_1$，那么由于$F(x,y)$作为$y$的一元函数在$(y_0-\delta ,y_0+\delta )$上严格单调上升，如果$g(x)>f(x)$，那么，$F(x,f(x))=0<F(x,g(x))$，矛盾，因此$g(x)\le f(x)$，同理可证$g(x)\ge f(x)$，因此$f(x)=g(x)$，这证明了隐函数的唯一性，同时$B_1\times B\subset B((x_0,y_0),\delta )\subset G$。
$\underline{第二步}$：证明$f$在$B_1$上是连续的。对任意的$x\in B_2$，令${\epsilon }_0=\delta -|f(x)-y_0|$，对任意的$\epsilon >0$，不妨设$\epsilon <{\epsilon }_0$，此时，$f(x)+\epsilon <f(x)+\delta -|f(x)-y_0|\le y_0+\delta$，$f(x)-\epsilon >f(x)-\delta +|f(x)-y_0|\ge y_0-\delta$。由于$F(x,y)$作为$y$的一元函数在$(f(x)-\epsilon ,f(x)+\epsilon )$上严格单调上升，从而$$\{\begin{array}{l}F(x,f(x)-\epsilon )<0\\ F(x,f(x)+\epsilon )>0\end{array}$$由$F$的连续性， 存在${\delta }_3>0$，${\delta }_3<\min (\delta -d((x_0,y_0),(x,f(x)-\epsilon )),\delta -d((x_0,y_0),(x,f(x)+\epsilon )),{\delta }_2-d(x,x_0))$，当$(x^{\prime },y^{\prime })\in B((x,f(x)-\epsilon ),{\delta }_3)$时$$\begin{gathered} d(x^{\prime },x_0)\le d(x^{\prime },x)+d(x,x_0)<{\delta }_2 \\ |y^{\prime }-y_0|\le |y^{\prime }-f(x)+\epsilon |+|f(x)-\epsilon -y_0|<\delta \end{gathered}$$有$$F(x,y)<0$$当$(x^{\prime },y^{\prime })\in B((x,f(x)+\epsilon ),{\delta }_3)$时$$\begin{gathered} d(x^{\prime },x_0)\le d(x^{\prime },x)+d(x,x_0)<{\delta }_2 \\ |y^{\prime }-y_0|\le |y^{\prime }-f(x)-\epsilon |+|f(x)+\epsilon -y_0|<\delta \end{gathered}$$有$$F(x,y)>0$$则当$d(x^{\prime },x)<{\delta }_3$时，有$$\begin{gathered} F(x^{\prime },f(x)+\epsilon )>0 \\ F(x^{\prime },f(x)-\epsilon )<0 \end{gathered}$$从而由介值定理， 存在$y^{\prime }\in (f(x)-\epsilon ,f(x)+\epsilon )$，满足$$F(x^{\prime },y^{\prime })=0$$再由隐函数的唯一性，$y^{\prime }=f(x^{\prime })$，从而$$|f(x^{\prime })-f(x)|<\epsilon$$$\underline{第三步}：$证明$y=f(x)$是连续可微的。
对任意的$x\in B_1$，对$k=1,\cdots ,n$，对任意的$0<\Delta x_k<{\delta }_2-d(x,x_0)$，则令$x^{\prime }=(x_1,\cdots ,x_{k-1},x_k+\Delta x_k,x_{k+1},x_n)$，则$$d(x^{\prime },x_0)\le d(x^{\prime },x)+d(x,x_0)=\Delta x_k+d(x,x_0)<{\delta }_2$$则存在$\xi \in (0,1)$，令$x^{\prime \prime }=(x_1,\cdots ,x_{k-1},x_k+\xi \Delta x_k,x_{k+1},\cdots ,x_n)$，使得$$F(x^{\prime },f(x^{\prime }))-F(x,f(x))=F_{x_k}^{\prime }(x^{\prime \prime })\Delta x_k+F_y^{\prime }(x^{\prime \prime })[f(x^{\prime })-f(x)]=0$$则$$\frac{f(x^{\prime })-f(x)}{\Delta x_k}=-\frac{F_{x_k}^{\prime }(x^{\prime \prime })}{F_y^{\prime }(x^{\prime \prime })}$$当$\Delta x_k\to 0$时，$x^{\prime \prime }\to x$，从而有$$\underset{\Delta x_k\to 0}{\lim }\frac{f(x^{\prime })-f(x)}{\Delta x_k}=-\underset{\Delta x_k\to 0}{\lim }\frac{F_{x_k}^{\prime }(x^{\prime \prime })}{F_y^{\prime }(x^{\prime \prime })}=-\frac{F_{x_k}^{\prime }(x)}{F_y^{\prime }(x)}$$因此$$f_{x_k}^{\prime }(x)=-\frac{F_{x_k}^{\prime }(x)}{F_y^{\prime }(x)}$$由于$F_{x_k}^{\prime },F_y^{\prime }$都是连续的，因此$f_{x_k}^{\prime }(x)$是连续的，从而$f(x)$是连续可微。

也就是说，只要对$y$的偏导数不为0，那么，就算我们从代数上无法反解出隐函数，也可以确认隐函数一定是存在的，并且还是连续可微的，那么我们上面求隐函数偏导的做法是合理的。

方程组情形

很多情况下，我们面对的是一个隐函数组：$$\{\begin{array}{l}{F}_1(x_1,\cdots ,x_n,y_1,\cdots ,y_m)=0\\ F_2(x_1,\cdots ,x_n,y_1,\cdots ,y_m)=0\\ \cdots \\ F_m(x_1,\cdots ,x_n,y_1,\cdots ,y_m)=0\end{array}\text{\hspace{1em}(5)}$$我们要求以上隐函数组能够确认一个隐向量函数$$\{\begin{array}{l}{y}_1=f_1(x_1,\cdots ,x_n)\\ y_2=f_2(x_1,\cdots ,x_n)\\ \cdots \\ y_m=f_m(x_1,\cdots ,x_n)\end{array}\text{\hspace{1em}(6)}$$满足什么条件的情况下，可以做到这一点呢？不妨假设$F_1,\cdots ,F_m$在某个邻域上是连续可微的，可以确认一个隐函数组，并且每个分量函数都是连续可微的。那么求解隐函数组对各个分量的偏导数呢？以求解对$x_1$的偏导数为例：
将(6)代入(5)，(5)的每个方程都对$x_1$求偏导，就有$$\{\begin{array}{l}\frac{\partial F_1}{\partial y_1}\frac{\partial y_1}{\partial x_1}+\frac{\partial F_1}{\partial y_2}\frac{\partial y_2}{\partial x_1}+\cdots +\frac{\partial F_1}{\partial y_m}\frac{\partial y_m}{\partial x_1}=-\frac{\partial F_1}{\partial x_1}\\ \frac{\partial F_2}{\partial y_1}\frac{\partial y_1}{\partial x_1}+\frac{\partial F_2}{\partial y_2}\frac{\partial y_2}{\partial x_1}+\cdots +\frac{\partial F_2}{\partial y_m}\frac{\partial y_m}{\partial x_1}=-\frac{\partial F_2}{\partial x_1}\\ \cdots \\ \frac{\partial F_m}{\partial y_1}\frac{\partial y_1}{\partial x_1}+\frac{\partial F_m}{\partial y_2}\frac{\partial y_2}{\partial x_1}+\cdots +\frac{\partial F_m}{\partial y_m}\frac{\partial y_m}{\partial x_1}=-\frac{\partial F_m}{\partial x_1}\end{array}\text{\hspace{1em}(7)}$$不难看出，(7)是关于$(\frac{\partial y_1}{\partial x_1},\cdots ,\frac{\partial y_m}{\partial x_1})$的齐次线性方程组，只要矩阵
$$J=\left[\begin{array}{cccc}\frac{\partial F_1}{\partial y_1}& \frac{\partial F_1}{\partial y_2}& \cdots & \frac{\partial F_1}{\partial y_m}\\ \frac{\partial F_2}{\partial y_1}& \frac{\partial F_2}{\partial y_2}& \cdots & \frac{\partial F_2}{\partial y_m}\\ \cdots & \cdots & \cdots & \cdots \\ \frac{\partial F_m}{\partial y_1}& \frac{\partial F_m}{\partial y_2}& \cdots & \frac{\partial F_m}{\partial y_m}\end{array}\right]$$可逆，就可以反解出偏导数，可逆的充要条件是其行列式不为0，记
$$\frac{\partial (F_1,\cdots ,F_m)}{\partial (y_1,\cdots ,y_m)}=\det \left[\begin{array}{cccc}\frac{\partial F_1}{\partial y_1}& \frac{\partial F_1}{\partial y_2}& \cdots & \frac{\partial F_1}{\partial y_m}\\ \frac{\partial F_2}{\partial y_1}& \frac{\partial F_2}{\partial y_2}& \cdots & \frac{\partial F_2}{\partial y_m}\\ \cdots & \cdots & \cdots & \cdots \\ \frac{\partial F_m}{\partial y_1}& \frac{\partial F_m}{\partial y_2}& \cdots & \frac{\partial F_m}{\partial y_m}\end{array}\right]$$

定理14.8(隐函数存在定理2) $F(x,y)=(F_1(x,y),\cdots ,F_m(x,y))$是$R^{n+m}$上的开集$G$上的连续可微向量函数，其中$x\in R^n,y\in R^m$，$(x_0,y_0)\in G$，$x_0=(x_1^0,\cdots ,x_n^0),y_0=(y_1^0,\cdots ,y_m^0)$，满足：
(1)$F(x_0,y_0)=0$
(2)$\frac{\partial (F_1,\cdots ,F_m)}{\partial (y_1,\cdots ,y_m)}(x_0,y_0)\ne 0$
则存在$x_0$的邻域$B_1$及$y_0$的邻域$B_2$，$B_1\times B_2\subset G$，存在惟一的$B_1$上的连续可微的$n$元$m$维向量函数$f=(f_1,\cdots ,f_m)$，满足：
(1)$\forall x\in B_1$，$(x,f(x))\in B_2$，$F(x,f(x))=0$
(2)$f(x_0)=y_0$
(3)$\forall x\in B_1,\frac{\partial (F_1,\cdots ,F_m)}{\partial (y_1,\cdots ,y_m)}(x,f(x))\ne 0$，同时，令$$D(x,y)=\left[\begin{array}{cccc}\frac{\partial F_1}{\partial y_1}(x,y)& \frac{\partial F_1}{\partial y_2}(x,y)& \cdots & \frac{\partial F_1}{\partial y_m}(x,y)\\ \frac{\partial F_2}{\partial y_1}(x,y)& \frac{\partial F_2}{\partial y_2}(x,y)& \cdots & \frac{\partial F_2}{\partial y_m}(x,y)\\ \cdots & \cdots & & \cdots \\ \frac{\partial F_m}{\partial y_1}(x,y)& \frac{\partial F_m}{\partial y_2}(x,y)& \cdots & \frac{\partial F_m}{\partial y_m}(x,y)\end{array}\right]$$$$A(x,y)=\left[\begin{array}{cccc}\frac{\partial F_1}{\partial x_1}(x,y)& \frac{\partial F_1}{\partial x_2}(x,y)& \cdots & \frac{\partial F_1}{\partial x_n}(x,y)\\ \frac{\partial F_2}{\partial x_1}(x,y)& \frac{\partial F_2}{\partial x_2}(x,y)& \cdots & \frac{\partial F_2}{\partial x_n}(x,y)\\ \cdots & \cdots & & \cdots \\ \frac{\partial F_m}{\partial x_1}(x,y)& \frac{\partial F_m}{\partial x_2}(x,y)& \cdots & \frac{\partial F_m}{\partial x_n}(x,y)\end{array}\right]$$则$$f^{\prime }(x)=-D^{-1}(x,f(x))A(x,f(x))$$

证：对隐函数组方程的个数进行归纳。在$m=1$时结论是成立的，假设对$k$个方程确定的隐函数组，隐函数存在定理2也成立。
①对$k+1$个方程确定的隐函数组$$F(x,y)=(F_1(x,y),\cdots ,F_{k+1}(x,y))=0$$其中$x=(x_1,\cdots ,x_n),y=(y_1,\cdots ,y_k,y_{k+1})$，$F(x,y)$是$R^{n+k+1}$的开集$G$上的连续可微映射，对$x_0=(x_1^0,\cdots ,x_n^0),y_0=(y_1^0,y_2^0,\cdots ,y_{k+1}^0)$，$(x_0,y_0)\in G$，有
(1)$F(x_0,y_0)=0$
(2)$\frac{\partial (F_1,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{k+1})}(x_0,y_0)\ne 0$
存在${\delta }_1>0$，当$(x,y)\in B((x_0,y_0),{\delta }_1)\subset G$时，有$\frac{\partial (F_1,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{k+1})}(x,y)\ne 0$，对行列式$\det D(x_0,y_0)=\frac{\partial (F_1,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{k+1})}(x_0,y_0)$按第一行展开，就有$$\begin{array}{rl}& \det D(x_0,y_0)\\ =& \sum _{i=1}^{k+1}(-1{)}^{i+1}\frac{\partial F_1}{\partial x_i}(x_0,y_0)\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{i-1},y_{i+1},\cdots ,y_{k+1})}(x_0,y_0)\end{array}$$则以上和式至少有一项非零，不失一般性，设$\frac{\partial F_1}{\partial x_1}(x_0,y_0)\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_2,\cdots ,y_{k+1})}(x_0,y_0)\ne 0$（否则调整$y_1,\cdots ,y_m$的顺序即可），则$\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_2,\cdots ,y_{k+1})}(x_0,y_0)\ne 0$，同时，$F(x_0,y_0)=0$，由归纳假设：
令$y_0^{\prime }=(y_2^0,\cdots ,y_{k+1}^0)$，$x_0^{\prime }=(x_1^0,\cdots ,x_n^0,y_1^0)$，存在$x_0^{\prime }$的某个邻域$B_1=B(x_0^{\prime },{\delta }_2)$以及$y_0^{\prime }$的某个邻域$B_2=B(y_0^{\prime },{\delta }_3)$，$B_1\times B_2\subset G$，存在惟一的$B_1$上连续可微的$n+1$元$k$维向量函数$\phi (x,y_1)=({\phi }_2(x,y_1),\cdots ,{\phi }_{k+1}(x,y_1))$。
(1)$\forall (x,y_1)\in B_1,F_i(x,y_1,\phi (x,y_1))=0,i=2.\cdots ,k+1,\phi (x,y_1)\in B_2$
(2)$\phi (x_0^{\prime })=y_0^{\prime }$
(3)$\forall (x,y_1)\in B_1$，$\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_2,\cdots ,y_{k+1})}(x,y_1,\varphi (x,y_1))\ne 0$，同时，令$$D^{\prime }(x,y)=\left[\begin{array}{ccc}\frac{\partial F_2}{\partial y_2}(x,y)& \cdots & \frac{\partial F_2}{\partial y_{k+1}}(x,y)\\ \cdots & & \cdots \\ \frac{\partial F_{k+1}}{\partial y_2}(x,y)& \cdots & \frac{\partial F_{k+1}}{\partial y_{k+1}}(x,y)\end{array}\right]$$$$A^{\prime }(x,y)=\left[\begin{array}{ccccc}\frac{\partial F_2}{\partial x_1}(x,y)& \frac{\partial F_2}{\partial x_2}(x,y)& \cdots & \frac{\partial F_2}{\partial x_n}(x,y)& \frac{\partial F_2}{\partial y_1}(x,y)\\ \frac{\partial F_3}{\partial x_1}(x,y)& \frac{\partial F_3}{\partial x_2}(x,y)& \cdots & \frac{\partial F_3}{\partial x_n}(x,y)& \frac{\partial F_3}{\partial y_1}(x,y)\\ \cdots & \cdots & & \cdots & \cdots \\ \frac{\partial F_{k+1}}{\partial x_1}(x,y)& \frac{\partial F_{k+1}}{\partial x_2}(x,y)& \cdots & \frac{\partial F_{k+1}}{\partial x_n}(x,y)& \frac{\partial F_{k+1}}{\partial y_1}(x,y)\end{array}\right]$$就有$${\phi }^{\prime }=-D^{\prime }(x,y_1,\phi (x,y_1))A^{\prime }(x,y_1,\phi (x,y_1))$$这里规定${\delta }_2<{\delta }_1,{\delta }_3<{\delta }_1$，这由连续性是可以取到的。
②我们要指出在$B_1\times B_2$上，方程$$F(x,y)=0\text{\hspace{1em}(I)}$$和方程$$\{\begin{array}{l}{F}_1(x,y)=0\\ y_2={\phi }_2(x,y_1)\\ \cdots \\ y_{k+1}={\phi }_{k+1}(x,y_1)\end{array}\text{\hspace{1em}(II)}$$是等价的。这是因为首先满足方程$(II)$自然就满足方程$(I)$，其次，如果满足$(x,y)$方程$(I)$，并且$(x,y_1)\in B_1,(y_2,\cdots ,y_{k+1})\in B_2$，则一定满足$F_1(x,y)=0$，其次还满足方程组$F_i(x,y)=0,i=2,\cdots ,k+1$。由于$(x,y_1)\in B_1,(y_2,\cdots ,y_{k+1})\in B_2$，再由$\phi$的唯一性，就一定有$$y_i={\phi }_i(x,y_1),i=2,\cdots ,k+1$$这就说明了$(I)$和$(II)$是等价的。
③当$(x,y_1)\in B_1$时，令$G(x,y_1)=F_1(x,y_1,\phi (x,y_1))$，此时，由归纳假设，$(x,y_1,\phi (x,y_1))\in B((x_0,y_0),{\delta }_1)$，则$$\frac{\partial g}{\partial y_1}(x_0^{\prime })=\frac{\partial F_1}{\partial y_1}(x_0,y_0)+\sum _{i=2}^{k+1}\frac{\partial {\phi }_i}{\partial y_1}(x_0^{\prime })\frac{\partial F_1}{\partial y_i}(x_0,y_0)$$同时$g(x_0^{\prime },\phi (x_0^{\prime }))=F_1(x_0,y_0)=0$，现在我们来计算$\frac{\partial g}{\partial y_1}(x_0^{\prime })$。由归纳假设，$b=(\frac{\partial {\phi }_2}{\partial y_1}(x_0^{\prime }),\cdots ,\frac{\partial {\phi }_{k+1}}{\partial y_1}(x_0^{\prime }){)}^T,a=(\frac{\partial F_2}{\partial y_1}(x_0,y_0),\cdots ,\frac{\partial F_{k+1}}{\partial y_1}(x_0,y_0){)}^T$，则有以下方程组成立$$D^{\prime }(x_0,y_0)b=-a$$由克拉默法则，对$i=2,\cdots ,k+1$，有$$\frac{\partial {\phi }_i}{\partial y_1}(x_0^{\prime })=\frac{(-1{)}^{i+1}\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{i-1},y_{i+1},\cdots ,y_{k+1})}(x_0,y_0)}{\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_2,\cdots ,y_{k+1})}(x_0,y_0)}$$则$$\begin{array}{rl}& \frac{\partial g}{\partial y_1}(x_0^{\prime })=\frac{{\sum }_{i=1}^{k+1}(-1{)}^{i+1}\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{i-1},y_{i+1},\cdots ,y_{k+1})}(x_0,y_0)}{\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_2,\cdots ,y_{k+1})}(x_0,y_0)}\\ =& \frac{\frac{\partial (F_1,\cdots ,F_{k+1})}{\partial (y_1,\cdots ,y_{k+1})}(x_0,y_0)}{\frac{\partial (F_2,\cdots ,F_{k+1})}{\partial (y_2,\cdots ,y_{k+1})}(x_0,y_0)}\ne 0\end{array}$$④由隐函数存在定理1，存在$x_0$的邻域$B_3=B(x_0,{\delta }_4)$及$y_0$的邻域$B_4=B(y_0,{\delta }_5)$，存在唯一的定义在$B_3$上的$n$元连续可微函数$y_1={\phi }_1(x_1,\cdots ,x_n)$，满足：
(1)$\forall x\in B_3,g(x,{\phi }_1(x))=F_1(x,{\phi }_1(x),\phi (x,{\phi }_1(x)))=0,{\phi }_1(x)\in B_4$
(2)${\phi }_1(x_0)=y_1^0$
(3)$\frac{\partial {\phi }_1}{\partial x_i}(x)=-\frac{\frac{\partial g}{\partial x_i}(x,{\phi }_1(x))}{\frac{\partial g}{\partial y_1}(x,{\phi }_1(x))}$,$i=1,\cdots ,n,\forall x\in B_3$
这里不妨设${\delta }_4<{\delta }_2,{\delta }_5<\min ({\delta }_2,{\delta }_3)$（由连续性是可以取到的）
⑤这里要指出的是，在$B_3\times B_4\subset B_1\times B_2$上，方程组$(II)$和方程组$$\{\begin{array}{l}{y}_1={\phi }_1(x)\\ y_2={\phi }_2(x,y_1)\\ \cdots \\ y_{k+1}={\phi }_{k+1}(x,y_1)\end{array}\text{\hspace{1em}(III)}$$是等价的，这说明在$B_3\times B_4$上，$(III)$和$(I)$是等价的。
⑥对$x\in B_3$，$(x,{\phi }_1(x))\in B_1$，令$$\{\begin{array}{l}{f}_1(x)={\phi }_1(x)\\ f_2(x)={\phi }_2(x,{\phi }_1(x))\\ \cdots \\ f_{k+1}(x)={\phi }_{k+1}(x,{\phi }_1(x))\end{array}$$$f(x)=(f_1(x),\cdots ,f_{k+1}(x))$在$B_3$上有定义且由构造$f(x)$是连续可微的，同时$$\{\begin{array}{l}{f}_1(x_0)={\phi }_1(x_0)=y_1^0\\ f_2(x_0)={\phi }_2(x_0^{\prime })=y_2^0\\ \cdots \\ f_{k+1}(x)={\phi }_{k+1}(x_0^{\prime })=y_{k+1}^0\end{array}$$并且对任意的$x\in B_3$，都有$$\{\begin{array}{l}{F}_1(x,f(x))=g(x,{\phi }_1(x))=0\\ F_2(x,f(x))=F_2(x,{\phi }_1(x),\phi (x,{\phi }_1(x))=0\\ \cdots \\ F_{k+1}(x,f(x))=F_{k+1}(x,{\phi }_1(x),\phi (x,{\phi }_1(x))=0\end{array}$$此时$f(x)\in B_5=B(y_0,\min ({\delta }_3,{\delta }_4))<{\delta }_1$，$B_3\times B_5\subset B_1\subset G$，偏导数只要左右两边求偏导，即可证得导数应当满足的方程组，并且由于$(I)$和$(III)$是等价的，$f$还是唯一的。由数学归纳法，定理14.8成立。

逆映射定理

为了阐述逆映射定理，首先要理解$\underline{微分同胚}$和$\underline{局部微分同胚}$的概念，首先要理解何谓同胚。
$X\subset R^n,Y\subset R^m$，$\varphi :X\to Y$是$n$元$m$维向量函数
(1)如果$\forall x_1,x_2\in X$，$\varphi (x_1)\ne \varphi (x_2)$，则称$\varphi$是单射
(2)如果$\varphi (X)=Y$，则称$\varphi$为满射
如果$\varphi$既是单射，又是满射，那么，存在逆映射$\phi :Y\to X$，该逆映射同时满足：
(1) $\varphi (\phi (y))=y\forall y\in Y$
(2)$\phi (\varphi (x))=x\forall x\in X$
如果$\varphi$是连续的，$\phi$也是连续的，则称$\varphi$是$X$到$Y$上的同胚映射，如果$\varphi$是连续可微的，$\phi$也是连续可微的，则称$\varphi$是$X$到$Y$的微分同胚映射。那么何谓局部微分同胚呢？$\Omega \subset R^n$是开集，$Y\subset R^m$，$\varphi :\Omega \to Y$，对$x_0\in \Omega$，如果存在包含$x_0$的一个开集$G_1\subset \Omega$，以及包含$y_0$的一个开集$G_2\subset Y$，使得$\varphi$是$G_1$到$G_2$的微分同胚映射，则称$\varphi$在$x_0$处局部微分同胚。于是，我们可以给出逆映射定理。

定理14.9 $\varphi :\Omega \to R^n$是开集$\Omega \subset R^n$上的连续可微映射，$x_0\in \Omega$，如果$\det D\varphi (x_0)\ne 0$，则$\varphi$在$x_0$处局部微分同胚

我们先来整理定理的结论：所谓$\varphi$在$x_0$处微分同胚，有两层含义：
(1)$\varphi$在包含$x_0$的某个开集$G_1(G_1\subset \Omega )$上存在逆映射
(2)$\varphi (G_1)$也是开集，并且$\varphi ,{\varphi }^{-1}$都是连续可微的

因此，我们只需要证明这两点即可，而证明第二点用到的就是隐函数存在定理。

证：
令$F_i(x,y)=y_i-{\phi }_i(x)(i=1,\cdots ,n)$，令$F(x,y)=(F_1(x,y),\cdots ,F_n(x,y))$，$y_0=\phi (x_0)$，有$F(x_0,y_0)=0$，同时$$\frac{\partial (F_1,\cdots ,F_n)}{\partial (x_1,\cdots ,x_n)}(x_0,y_0)=\det D\phi (x_0)\ne 0$$由定理14.8，存在$y_0$的邻域$B_1=B(y_0,{\delta }_1)$及$x_0$的邻域$B_2=B(x_0,{\delta }_2)\subset G$，存在唯一的定义在$B_1$的连续可微的$n$元$n$维向量函数$x=\varphi (y)$，满足：
(1)$\forall y\in B_{1}F(\varphi (y),y)=0,\varphi (y)\in B_2$
(2)$\varphi (y_0)=x_0$
(3)$D\varphi (y)=D^{-1}\phi (\varphi (y))\forall y\in B_1$
令 S = { x ∈ B 2 : φ ( x ) ∈ B 1 } S=\{x\in B_2:\varphi(x)\in B_1\} S={x∈B2​:φ(x)∈B1​}，下面证明$S$是一个开集，对任意的$x\in S$，$B_2$是开集，存在${\delta }_3>0$，有$$B(x,{\delta }_3)\subset B_2$$$\phi (x)\in B_1$，由$B_1$是开集，存在${\delta }_4>0$，有$$B(\phi (x),{\delta }_4)\subset B_1$$再由$\phi$的连续性，存在${\delta }_5<{\delta }_3$，满足：当$x^{\prime }\in B(x,{\delta }_5)$时，都有$$\phi (x^{\prime })\in B(\phi (x),{\delta }_4)$$因此$$B(x,{\delta }_5)\subset S$$从而$S$是开集，同时$\phi (S)=B_1$，$\phi$是$S$到$B_1$的连续可微映射，由$\varphi$的唯一性，$\phi$是单射，同时，$\varphi$是$\phi$的逆映射，由隐函数存在定理，两者均连续可微，因此，$\phi$在$x_0$处局部微分同胚。

定理14.10 $\phi :R^n\to R^n$是开集$G$上的连续可微映射，并且$\det D\phi (x)\ne 0\forall x\in G$，则$\phi$将$G$的任意开子集映成开集

证：
对任意的开集$\Omega \subset G$，对任意的$x\in \Omega$，存在包含$x$的开集${\Omega }_x\subset \Omega$，使得$\phi$是${\Omega }_x$到$\phi ({\Omega }_x)$的微分同胚映射，$\phi ({\Omega }_x)$是开集。由于$$\Omega =\bigcup _{x\in \Omega }{\Omega }_x$$因此$$\phi (\Omega )=\bigcup _{x\in \Omega }\phi ({\Omega }_x)$$由于开集的任意并是开集，因此，$\phi (\Omega )$是开集。

虽然向量函数的Jocobi矩阵起到了导数的作用，在一维情形下，如果连续可微，且导数在开区间上不为0，就可以推出函数是严格单调的，从而存在逆映射，但在高维空间上并非如此。

例14.2 雅克比行列式为0推不出单射$$\phi (x,y):\{\begin{array}{l}u=x^2-y^2\\ v=2xy\end{array}$$ Ω = R 2 / { ( 0 , 0 ) } \Omega=R^2/\{(0,0)\} Ω=R2/{(0,0)}，则$\phi$在$\Omega$上的雅克比行列式恒不为0$$\det D\phi (x,y)=4(x^2+y^2)>0\forall (x,y)\ne (0,0)$$但$\phi (x,y)=\phi (-x,-y)$，从而$\phi (x,y)$在$\Omega$上不是单射。