多元函数微分学

相关概念

• 点列极限:设$x_k$为$R^n$中一个点列,其中$x_k=(x_{k,1},x_{k,2},...x_{k,n})$,又设$a_n$为$R^n$中的一个固定点,若当$k\to \infty$时,$\rho (x_k,a)\to 0$,即$$\forall \epsilon >0,\exists M\in ,使得\forall k>M,恒有||a-x_k||<\epsilon ,$$
  则称点列$x_k$极限存在,$a$为它的极限,记作$$\underset{k\to \infty }{\lim }{x}_k=a或x_k\to a(k\to \infty ).$$
• 基本点列(Cauchy点列):$$\forall \epsilon >0,\exists M\in N,使得\forall k>M及p\in N_{+},恒有||x_{k+p}-x_k||<\epsilon$$
• 聚点:设A是$R^n$中的一个点集,$a\in R^n$,若存在A中点列$x_k,x^k!=a,(k=1,2,...,n)$使得$x_k\to a,(k\to \infty )$,则称a是A的一个聚点,A的所有聚点构成的集合称为A的导集,记作A’,集合$\overline{A}=A\bigcup A^{\prime }$称为A的闭包.若$a\in A但a\notin A^{\prime }$,则称a为A的孤立点,若$A^{\prime }\subseteq A$,则称A为闭集.
• 设$A\subseteq R^n$,若$A\subseteq A^o$,即A中的点全是A的内点,则称A为开集.
• 若存在$\delta >0$,使$U(a,\delta )\subseteq A$,则称a是A的内点,由A的所有内点构成的集称为A的内部,记作$A^o$或int A.
• 同理,若存在$\delta >0$,使$U(a,\delta )\bigcap A=\varphi$,则称a是A的外点,A的所有外点构成的集合称为A的外部.
• 若对任意$\delta >0,U(a,\delta )$中既含有A中的点,也含有A的余集$A^c$的点,则称a为A的边界点,A的所有边界点构成A的边界,记作
• 设A是$R^n$中的一个点集,如果存在一个常数M>0,使得$\forall x\in A,都有||A||<=M,$则称A是有界集,否则称为无界集.
• 有界集的几何含义是他能包含在一$R^n$的一个以原点为中心,M为半径的闭球$\overline{U}(0,M)$中.
• 有界闭集是紧集.
• 若A中任意两点x与y都能用完全属于A的有限个线段联结起来,则称A是连通集,连通的开集称为区域,区域与它的边界之并称为闭区域
• 若联结A中任意两点的线段都属于A,即若$x_1,x_2\in A,则\forall t\in [0,1],t{x}_1+(1-t)x_2\in A$,则称A是$R^n$中的凸集.
• 设$A\subseteq R^n$是一个点集, 称映射$f:A\to R$是定义在A上的一个n元数量值函数, 简称为n元函数,也可记作$$w=f(x)=f(x_1,x_2,...x_n)$$
  ,其中$x=(x_1,x_2,...x_n)\in A$称为自变量, $D(f)=A$称为$f$的定义域,$w$称为因变量.
• 一元函数微分: 对于一元函数$f:U(x_0)\subseteq R\to R$, 若存在一个线性函数$l(\Delta x)=\alpha \Delta x$, 是函数的改变量可以表示为$$f(x_0+\Delta x)-f(x_0)=\alpha \Delta x+o(\Delta x)$$,其中$\alpha$与$\Delta x$无关, $o(\Delta x)$是当$\Delta x\to 0$时关于$\Delta x$的高阶无穷小, 则称$f$在点$x_0$处可微.
• 全微分: 类似于一元函数微分定义, 可以给出二元函数全微分定义:
  设二元函数$z=f(x,y)$在点$(x_0,y_0)$的某邻域$U(x_0,y_0)$内有定义. 如果对于$(x_0+\Delta x,y_0+\Delta y)\in U(x_0,y_0)$函数$f$在$(x_0,y_0)$处的改变量
  $$\Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)$$可以表示为
  $$\Delta z=a_1\Delta x+a_2\Delta y+o(\rho )$$称$f$在$(x_0,y_0)$处可微.即
  $$dz{|}_{(x_0,y_0)}=a_1\Delta x+a_2\Delta y$$
• 全微分的几何意义: 切平面的增量.
• 方向导数: 设${x\text{x}x}_0\in {R\text{R}R}^2,l\text{l}l$是平面上一向量, 与$l\text{l}l$同向的单位向量为${e\text{e}e}_l$,二元函数f定义在${x\text{x}x}_0$的邻域内, 在$U({x\text{x}x}_0)$内让自变量$x\text{x}x$由${x\text{x}x}_0$沿与${e\text{e}e}_l$平行的直线变到${x\text{x}x}_0+t{e\text{e}e}_l$, 从而让函数值有对应的改变量$f({x\text{x}x}_0+t{e\text{e}e}_l)-f({x\text{x}x}_0)$.若$$\underset{t\to 0}{\lim }\frac{f({x\text{x}x}_0+t{e\text{e}e}_l)-f({x\text{x}x}_0)}{t}$$存在,则称此极限值为$f$在点${x\text{x}x}_0$处沿$l\text{l}l$方向的方向导数,记作$$\frac{\delta f}{\delta l\text{l}l}{|}_{{x\text{x}x}_0},或\frac{\delta f({x\text{x}x}_0)}{\delta l\text{l}l}$$
• 梯度: 设二元函数$z=f(x,y)$定义在点$(x_0,y_0)$的邻域中, 如果存在一个向量, 其方向为该函数在此点取得方向导数最大值的方向, 其模等于该函数在此点的方向导数的最大值, 则称该向量为函数$f(x,y)$在点$(x_0,y_0)$处的梯度, 记作$grad\text{grad}gradf(x_0,y_0)$.
• 多元复合函数全微分: 若$u=u(x,y)$ 和$v=v(x,y)$均在点$(x,y)$处可微,且函数$z=f(u,v)$再对应的点$(u,v)$处可微, 则复合函数$z=f[u(x,y),v(x,y)]$在点$(x,y)$处也必可微, 且其全微分为$$dz=(\frac{\delta z}{\delta u}\frac{\delta u}{\delta x}+\frac{\delta z}{\delta v}\frac{\delta v}{\delta x})dx+(\frac{\delta z}{\delta u}\frac{\delta u}{\delta y}+\frac{\delta z}{\delta v}\frac{\delta v}{\delta y})dy\partial$$
• 全导数:$$\frac{dz}{dx}=\frac{\partial z}{\partial u}\frac{du}{dx}+\frac{\partial z}{\partial v}\frac{dv}{dx}$$称为复合函数z对x的全导数.
• 隐函数: 一般的, 设有函数$F(x_1,x_2,...x_n,y)$=0, 如果存在一个n元函数$y=\phi (x\text{x}x),x\text{x}x=(x_1,x_2,...,x_n)\in \Omega \subseteq {R\text{R}R}^n$,使得将$y=\phi (x)$代入后成为恒等式$$F(x_1,...,x_n,\phi (x_1,...x_n))\equiv 0$$则称$y=\phi (x)$为$F$确定的隐函数.
• 二元函数带Lagrange余项的Taylor公式: 设二元函数$z=f(x,y)$,在点$(x_0,y_0)$附近有连续的二阶偏导数, $(x_0+\Delta x,y_0+\Delta y)\in U\text{U}U(x_0,y_0)$,则存在$\theta \in (0,1)$使得$$f(x_0+\Delta x,y_0+\Delta y)=f_x(x_0,y_0)\Delta x+f_y(x_0,y_0)\Delta y+R_1$$,其中$$R_1=\frac{1}{2!}(f_{xx}\Delta x^2+2f_{xy}\Delta x\Delta y+f_{yy}\Delta y^2{|}_{(x_0+\theta \Delta x,y_0+\theta \Delta y)}$$
• 多元函数Taylor公式: 为将二元函数泰勒公式推广到n元, 我们将二元公式写成矩阵形式.令$$\begin{gathered} {x\text{x}x}_0=(x_0,y_0{)}^T,{x\text{x}x}_0+\Delta x\text{x}x=(x_0+\Delta x,y_0+\Delta y{)}^T, \\ \nabla f(x_0,y_0)=(f_x(x_0,y_0),f_y(x_0,y_0){)}^T,\Delta x\text{x}x=(\Delta x_0,\Delta y_0{)}^T \end{gathered}$$, 则泰勒公式中的一阶导数部分可以写成梯度$\nabla f$和$\Delta x\text{x}x$的内积形式, 即$$(f_x\Delta x+f_y\Delta y){|}_{(x_0.y_0)}=<\nabla f(x_0,y_0),\Delta x\text{x}x>$$而$R_1$是关于$\Delta x,\Delta y$的一个二次型, 其系数矩阵为$$H_f({x\text{x}x}_0+\theta \Delta x\text{x}x)=\left[\begin{array}{cc}{f}_{xx}& f_{xy}\\ f_{xy}& f_{yy}\end{array}\right]{|}_{({x\text{x}x}_0+\theta \Delta x\text{x}x)}$$称为函数$f$在${x\text{x}x}_0+\theta \Delta x\text{x}x$处的Hesse矩阵, 故二次型的矩阵形式为:$$R_1=\frac{1}{2!}(\Delta x\text{x}x{)}^T{H}_f({x\text{x}x}_0+\theta \Delta x\text{x}x)\Delta x\text{x}x$$
  这样, 我们就可以将Taylor公式写成如下的矩阵形式:$$f({x\text{x}x}_0+\Delta x\text{x}x)=f({x\text{x}x}_0)+<\nabla f({x\text{x}x}_0),\Delta x\text{x}x>+\frac{1}{2!}(\Delta x\text{x}x{)}^T{H}_f({x\text{x}x}_0+\theta \Delta x\text{x}x)\Delta x\text{x}x$$
  由于${H\text{H}H}_f$的元素有$f$的二阶偏导数构成, 而$f$的所有二阶偏导数均连续, 可以证明$$(\Delta x\text{x}x{)}^T{H\text{H}H}_f({x\text{x}x}_0+\theta \Delta x\text{x}x)\Delta x\text{x}x=(\Delta x\text{x}x{)}^T{H\text{H}H}_f({x\text{x}x}_0)\Delta x\text{x}x+o(||\Delta x\text{x}x|{|}^2)$$由此得到带有Peano余项的二阶Taylor公式:$$f({x\text{x}x}_0+\Delta x\text{x}x)=f({x\text{x}x}_0)+<\nabla f({x\text{x}x}_0),\Delta x\text{x}x>+\frac{1}{2!}(\Delta x\text{x}x{)}^T{H\text{H}H}_f({x\text{x}x}_0)\Delta x\text{x}x+o(||\Delta x\text{x}x|{|}^2)$$
• 设$f(x\text{x}x)$是定义在区域$\Omega \subseteq {R\text{R}R}^n$内的n元函数, 若$f$在$\Omega$内连续, 则称$f$是$\Omega$上的$C^{(0)}$类函数, 记为$f\in C^{(0)}(\Omega )$,或$C(\Omega )$; 若$f$在$\Omega$内有连续的$m(m>=1,$m为正整数), 则称$f$是$\Omega$上的$C^{(m)}$类函数, 记作$f\in C^{(m)}(\Omega )$.
• 设n元函数$f\in C^{(2)}(U({x\text{x}x}_0)),{x\text{x}x}_0+\Delta x\text{x}x\in U({x\text{x}x}_0)$,其中, ${x\text{x}x}_0=(x_{0,1},x_{0.2},...,x_{0,n}{)}^T\in {R\text{R}R}^n,\Delta x\text{x}x=(\Delta x_1,\Delta x_2,...,\Delta x_n{)}^T$则存在$\theta \in (0,1)$使得$$f({x\text{x}x}_0+\Delta x\text{x}x)=f({x\text{x}x}_0)+\sum _{i=1}^n\frac{\partial f({x\text{x}x}_0)}{\partial x_i}\Delta x_i+R_1$$同样可写成上面的矩阵形式$$f({x\text{x}x}_0+\Delta x)=f(x_0)+<\nabla f(x_0),\Delta x>+\frac{1}{2!}(\Delta x\text{x}x{)}^T{H}_f({x\text{x}x}_0+\theta \Delta x\text{x}x)\Delta x\text{x}x$$
• 曲面参数方程: 一般的, 曲面S可以看作是平面上某一区域D在空间$O_{xyz}$的某一连续映射的像, 从而S的方程可表示为$$\begin{gathered} x=x(u,v),y=y(u,v),z=z(u,v),(u,v)\in D \\ r\text{r}r=r\text{r}r(u,v)=(x(u,v),y(u,v),z(u,v)),(u,v)\in D \end{gathered}$$称为曲面的参数方程.

相关性质

• ${\lim }_{k\to \infty }{x}_k=a$的充要条件是$$\forall i=1,2,...n,都有\underset{k\to \infty }{\lim }{x}_{k,i}=a_i$$
• 收敛点列的极限唯一
• 收敛点列必有界
• 收敛点列满足极限符合四则运算
• 收敛点列的子列同样收敛于该极限
• 有界点列必有收敛子列,$x_k$的收敛子列的极限称为$x_k$的极限点
• $x_k$是柯西点列的充要条件是$$\forall i=1,2,...,n,x_{k,i}都是柯西数列.$$
• 柯西收敛原理:
  $x_k$收敛的充要条件是$x_k$是柯西点列.
• 单点集和有限点集的导集为空集,即单点集和有限点集一定是闭集.
• $a\in A^{\prime }$充要于$\forall \epsilon >0,\mathring{U}(a,\epsilon )\bigcap A\ne \varphi$,也就说,a为A的聚点当且仅当a的任何去心邻域中都含有A的点.
• 任意多个开集的并集为开集,
• 有限多个开集的交集为开集,
• $空集\varphi 和全空间R^n$是开集.
• 任意多个闭集的交集为闭集
• 有限多个闭集的并集是闭集
• 任何凸集都是连通的,任何凸开集都是区域.
• 可微必要条件: 若$f$在$(x_0,y_0)$处可微, 则
  (1). $f$在$(x_0,y_0)$处连续.
  (2). $f$在$(x_0,y_0)$处两个偏导都存在, 且$a_1=f_x(x_0,y_0),a_2=f_y(x_0,y_0)$.
• 可微充分条件:若$f$在$(x_0,y_0)$处的两个偏导数都连续, 则$f$在$(x_0,y_0)$处可微.
• 若$f(x,y)$在点$(x_0,y_0)$可微, 则函数$f$在点$(x_0,y_0)$沿任意$pmbl$方向的方向导数均存在, 且
  $$\frac{\delta f}{l\text{l}l}{|}_{{}_{(}{x}_0,y_0)}=f_x(x_0,y_0)cos\alpha +f_y(x_0,y_0)cos\beta .$$
  其中$l\text{l}l$方向上的单位向量是${e\text{e}e}_l=(cos\alpha ,cos\beta )$, 由此可知当$f$在${x\text{x}x}_0$处可微时, $f$在${x\text{x}x}_0$处沿任意方向$l\text{l}l$的方向导数均存在.
• 设二元函数$f(x,y)$在点$(x_0,y_0)$处可微, 则$f$在该点的梯度一定存在, 且$$grad\text{grad}gradf(x_0,y_0)=f_x(x_0,y_0)i\text{i}i+f_y(x_0,y_0)j\text{j}j$$
• 当$f_{xy}$和$f_{yx}$都在点P处连续时, 则在点P出有$f_{xy}=f_{yx}$, 即二阶混合偏导数与求导次序无关.
• 一阶全微分形式的不变性:设有函数$z=f(u,v)$与函数$u=\phi (x,y),v=\varphi (x,y)$复合,则复合函数全微分为$$dz=\frac{\partial z}{\partial x}dx+\frac{\partial z}{\partial y}dy=\frac{\partial z}{\partial u}du+\frac{\partial z}{\partial v}dv$$高阶全微分不具有微分形式不变性.
• 隐函数存在定理: 如果二元函数$F(x,y)$满足:
  (1). $F(x_0,y_0)$=0;
  (2). 在点$(x_0,y_0)$的某邻域中有连续的偏导数;
  (3). $F_y(x_0,y_0)\ne 0$
  则方程$F(x,y)=0$在点$(x_0,y_0)$的某一邻域中唯一确定了一个具有连续导数的函数$y=f(x)$,它满足$y_0=f(x_0)$及$F(x,f(x_0))=0$, 且$$\frac{dy}{dx}=-\frac{F_x}{F_y}$$
• 极大值求法: 先求驻点, 再分别求驻点的海斯矩阵, 判断矩阵是否正定. 若正定, 为极小值, 若负定, 为极大值
  Hesse矩阵:$$f_{xx}(P_0)=A,f_{xy}(P_0)=B,f_{yy}(P_0)=C,$$则海森矩阵为$${H\text{H}H}_f(P_0)=\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]$$
  判断正定方法: 若$A>0,AC-B^2>0$矩阵正定, 极小值
  若$A<0,AC-B^2>0$,矩阵负定, 极大值
  若$AC-B^2<0$,$P_0$不是极值.
• 求最值方法: 求出所有驻点处, 偏导数不存在点的函数值, 再求出边界上函数的最值, 对比得出最值.
• 拉格朗日乘数法: 求条件极值时, 构造拉格朗日函数$L(x,y,\lambda )=f(x,y)+\lambda \phi (x,y)$,分别使$L_x,L_y,L_{\lambda }$等于零, 联立方程组解得极值.
• 弧长公式: $s={\int }_{\alpha }^{\beta }\sqrt{\dot{x}(t{)}^2+\dot{y}(t{)}^2}dt$, 或$s={\int }_{\alpha }^{\beta }\sqrt{[\rho (\theta ){]}^2+[{\rho }^{\prime }(\theta ){]}^2}d\theta$
• 曲线的切线及切平面: 切线: $$\frac{x-x(t_0)}{\dot{x}(t_0)}=\frac{y-y(t_0)}{\dot{y}(t_0)}=\frac{z-z(t_0)}{\dot{z}(t_0)}$$
  或者: $$\frac{x-x_0}{1}=\frac{y-y(x_0)}{\dot{y}(x_0)}=\frac{z-z(x_0)}{\dot{z}(x_0)}$$
• 曲面法向量: $$({r\text{r}r}_u\times {r\text{r}r}_v{)}_{(u_0,v_0)}=(\frac{\partial (y,z)}{\partial (u,v)},\frac{\partial (z,x)}{\partial (u,v)},\frac{\partial (x,y)}{\partial (u,v)}{)}_{(}{u}_0,v_0)=(A,B,C)$$
  若偏导数在区域内连续, 称曲面S是光滑曲面, .将x,y看作参数, 曲面参数方程:$r\text{r}r(x,y)=(x,y,z(x,y))$,
  $$\begin{gathered} {r\text{r}r}_x=(1,0,z_x)=(1,0,-\frac{F_x}{F_z}),{r\text{r}r}_y=(0,1,z_y)=(0,1,-\frac{F_y}{F_z}) \\ {r\text{r}r}_x\times {r\text{r}r}_y=(\frac{F_x}{F_z},\frac{F_y}{F_z},1) \end{gathered}$$
  切平面方程为: $$F_x(x-x_0)+F_y(y-y_0)+F_z(z-z_0)=0$$
  若曲面方程为$z=f(x,y)$,切平面方程可写成$F_x(x-x_0)+F_y(y-y_0)=z-z_0$

相关例题

1.证明$$\underset{x\to 0y\to 0}{\lim }\frac{x^{2}y}{x^2+y^2}=0$$
分析: 根据基本不等式,有$$|x||xy|<=\frac{1}{2}|x|(x^2+y^2),$$化简得$$\frac{x^{2}y}{x^2+y^2}<=\frac{1}{2}|x|<=\frac{1}{2}\sqrt{x^2+y^2}<\epsilon$$.
2. 证明$(x,y)\to (0,0),f(x,y)=(x^2+y^2)sin\sqrt{x^2+y^2}=0$
分析: 直接进行三角放缩即可.
3. 设$$f(x,y)=\{\begin{array}{l}xsin\frac{1}{y}+ysin\frac{1}{x},xy\ne 0,\\ 0,xy=0.\end{array}$$
求证${\lim }_{(x,y)\to (0,0)}f(x,y)=0$.
分析: 三角放缩, 原式<=$|x|+|y|<=2\sqrt{x^2+y^2}.$
4. 求${\lim }_{(x,y)\to (0,0)}(x^2+y^2{)}^{xy}$
分析: 将原式化为e的指数形式,即$$原式=e^{xyln(x^2+y^2)}$$,再将次数单独拿出$0<=xyln(x^2+y^2)<=\frac{1}{2}(x^2+y^2)ln(x^2+y^2),设t=x^2+y^2,进行极限运算即可$.
5. 求$$f(x)=\{\begin{array}{l}\frac{xy}{x^2+y^2},x^2+y^2\ne 0\\ 0,x^2+y^2=0\end{array}$$ 的极限.
分析: 先确定极限是否存在, 分别从$y=x,y=-x$,趋近于(0,0),发现极限不相等,故极限不存在.
6. 讨论$$\underset{(x,y)\to (0,0)}{\lim }\frac{x^{3}y+xy+x^2{y}^2}{x+y}$$的极限.
分析: 分别以$y=kx,y=a{x}^2+bx,x+y=x^3$的形式趋近于(0,0), 求得极限为0,0,-1,估极限不存在.
7. 求$$f(x,y)=\{\begin{array}{l}(x^2+y^2)sin\frac{1}{x^2+y^2},x^2+y^2\ne 0\\ 0,x^2+y^2=0.\end{array}$$的极限.
分析: 设$x=rcos\theta ,y=rsin\theta$,代入可求极限.
8. 讨论$$\begin{gathered} f(x,y)=\{\begin{array}{l} \\ \frac{xy}{\sqrt{x^2+y^2}},x^2+y^2\ne 0\\ 0,x^2+y2=0\end{array} \end{gathered}$$在$(0,0)$处的连续性,可微性.
解: 由$$|\frac{xy}{\sqrt{x^2+y^2}}-0|<=|y|<=\sqrt{x^2+y^2},$$易见$f$在(0,0)处连续, 再由偏导数的定义, 可得$$f_x(0,0)=\underset{\Delta x\to 0}{\lim }\frac{f(0+\Delta x,0)-f(0,0)}{\Delta x}=0$$
同理$f_y(0,0)=0$,故$f$在(0,0)处的两个偏导数均存在.
下面利用反证法证明$f$在点(0,0)处不可微.假定$f(x,y)$在点(0,0)处可微,则由可微的定义得
$$\Delta f=df(0,0)+o(\rho )=f_x(0,0)\Delta x+f_y(0,0)\Delta y+o(\rho )=o(\rho )$$
其中$o(\rho )$是当$\rho \to 0$时关于$\rho$得高阶无穷小. 因此,极限${\lim }_{\rho \to 0}\frac{\Delta f}{\rho }$存在且为0.但
$$\Delta f=f(0+\Delta x,0+\Delta y)-f(0,0)=\frac{\Delta x\Delta y}{\sqrt{\Delta x^2+\Delta y^2}}$$
而经过计算,极限$$\underset{\rho \to 0}{\lim }\frac{\Delta f}{\rho }=\underset{\rho \to 0}{\lim }\frac{\Delta x\Delta y}{\Delta x^2+\Delta y^2}$$不存在,故f在(0,0)处不可微.
9. 设$z=f(x,xy)$,其中$z=f(u,v)$可微,求$\frac{\partial z}{\partial x},\frac{\partial z}{\partial y}$
分析: 对多元函数进行微分时, 首先判断是否可微(若题中为直接给出可微).
10. 设$f(u,v)$可微, 求$z=f(\frac{x}{y},\frac{y}{x})$的偏导数.
分析: 可直接求偏导, 也可以运用一阶全微分形式不变性求.
11. 若$f(x,y)$满足$f(tx,ty)=t^{k}f(x,y)(k\in Z_{+})$, 则称$f(x,y)$是k次其次函数.证明:k次齐次函数满足$$x{f}_x(x,y)+y{f}_y(x,y)=kf(x,y)$$
分析: 观察到偏导系数为x和y,考虑将t看作变量, x,y看作常量, 对$f(tx,ty)=t^{k}f(x,y)(k\in Z_{+})$两边同时对t求导, 再将t=1带入即可证明.

• 关于复合函数求偏导相关计算:数学分析下p59t7,p58t29,t28,t26.

12. 设$\phi (u,v)$具有连续的一阶偏导数, 方程$\phi (cx-az,cy-bz)=0$确定了函数$z=z(x,y)$, 求$a{z}_x+b{z}_y$,其中, $a,b,c$均为常数.
    解法一: 设函数$F(x,y,z)=\phi (cx-az,cy-bz)$,则$z(x,y)$是由F确定的隐函数,$$z_x=-\frac{F_x}{F_z},z_y=-\frac{F_y}{F_z}.$$
    再利用$\phi$来求出$F_x,F_y$.(此时z看作与x,y平行的变量)
    解法二: 通过一阶全微分形式不变性, 对$\phi =0$进行全微分
    $$d\phi ={\phi }_1(cdx-adz)+{\phi }_2(cdy-bdz)=0$$
    化简可得$$dz=\frac{c{\phi }_{1}dx+c{\phi }_{2}dy}{a{\phi }_1+b{\phi }_2}$$可得出$z_x,z_y$,带入即可.
    解法三: 直接两边求x,y得偏导, 可解出$z_x,z_y$.(此时,z看作x,y的函数)
13. 设方程$xyz+\sqrt{x^2+y^2+z^2}=\sqrt{2}$确定了函数$z(x,y)$,求点$(1,0,-1)$的全微分dz.
    解法一: 利用一阶全微分形式不变性, 对给出方程两边求全微分, 再将$(1,0,-1)$代入可求出dz
    解法二: 利用求导公式, 求出$z_x,z_y$,再代入$dz=z_{x}dx+z_{y}dy$即可.