数学分析 多元函数微分学(第17章)

一.可微性
1.可微性与全微分:

2.偏导数:




3.可微性条件

对一元函数,可微和可导是等价的;但对多元函数,即使偏导数都存在,该函数也不一定可微

(1)可微的必要条件:

定理17.1:若二元函数$f$在其定义域内1点$(x_0,y_0)$处可微,则$f$在该点处关于每个自变量的偏导数都存在,且(1)式中的$$A=f_x(x_0,y_0),B=f_y(x_0,y_0)$$因此,函数$f$在点$(x_0,y_0)$处的全微分(2)可唯一地表示为$$df{|}_{(x_0,y_0)}=f_x(x_0,y_0)\cdot \Delta x+f_y(x_0,y_0)\cdot \Delta y$$与一元函数的情况相同,由于自变量的增量等于自变量的微分,即$$\Delta x=dx,\Delta y=dy$$故$f$在点$(x_0,y_0)$处的全微分又可写为$$dz=f_x(x_0,y_0)dx+f_y(x_0,y_0)dy$$
若函数$f$在区域$D$上每1点$(x,y)$都可微,则称函数$f$在区域$D$上可微,且$f$在$D$上的全微分为$$df(x,y)=f_x(x,y)dx+f_y(x,y)dy(8)$$

(2)可微的充分条件:

定理17.2:若函数$z=f(x,y)$的偏导数在点$(x_0,y_0)$的某邻域内存在,且$f_x$与$f_y$在点$(x_0,y_0)$处连续,则函数$f$在点$(x_0,y_0)$处可微

(3)中值公式:

定理17.2证明过程中出现的(9)式,是二元函数的1个中值公式,可概括为下述定理:
定理17.3:设函数$f$在点$(x_0,y_0)$的某邻域内存在偏导数,若$(x,y)$属于该邻域,则$\exists \xi =x_0+{\theta }_1(x-x_0)$和$\eta =y_0+{\theta }_2(y-y_0)(0<{\theta }_1,{\theta }_2<1)$,使得$$f(x,y)-f(x_0,y_0)=f_x(\xi ,y)(x-x_0)+f_y(x_0,\eta )(y-y_0)(12)$$

4.可微性的几何意义及应用
(1)切平面:

(2)切平面的存在性:

定理17.4:曲面$z=f(x,y)$在点$P(x_0,y_0,f(x_0,y_0))$处存在不平行于$z$轴的切平面$\Pi$的充要条件是:函数$f$在点$P_0(x_0,y_0)$处可微

(3)法线:

(4)全微分的几何意义:

二.复合函数微分法
1.复合函数求导法则
(1)复合函数:

(2)链式法则:

定理17.5:若函数$x=\phi (s,t),y=\psi (s,t)$在点$(s,t)\in D$处可微,函数$z=f(x,y)$在点$(x,y)=(\phi (s,t),\psi (s,t))$处可微,则复合函数$$z=f(\phi (s,t),\psi (s,t))$$在点$(s,t)$处可微,且它关于$s,t$的偏导数分别为:$$\begin{array}{c}\frac{\partial z}{\partial s}{|}_{(s,t)}=\frac{\partial z}{\partial x}{|}_{(x,y)}\frac{\partial x}{\partial s}{|}_{(s,t)}+\frac{\partial z}{\partial y}{|}_{(x,y)}\frac{\partial y}{\partial s}{|}_{(s,t)}\\ \frac{\partial z}{\partial t}{|}_{(s,t)}=\frac{\partial z}{\partial x}{|}_{(x,y)}\frac{\partial x}{\partial t}{|}_{(s,t)}+\frac{\partial z}{\partial y}{|}_{(x,y)}\frac{\partial y}{\partial t}{|}_{(s,t)}\end{array}(4)$$

注意事项:

2.复合函数的全微分:

三.方向导数与梯度
1.方向导数:

2.方向导数与偏导数的关系:

定理17.6:若函数$f$在点$P_0(x_0,y_0,z_0)$处可微,则$f$在点$P_0$处沿任一方向$l$的方向导数都存在,且$$f_l(P_0)=f_x(P_0)cos\alpha +f_y(P_0)cos\beta +f_z(P_0)cos\gamma (1)$$其中$cos\alpha ,cos\beta ,cos\gamma$为方向$l$的方向余弦

3.方向导数的存在性:



4.梯度:

四.泰勒公式与极限问题
1.高阶偏导数
(1)定义:

(2)混合偏导数相等(累次极限次序可交换)的条件:

定理17.7:若$f_{xy}(x_0,y_0),f_{yx}(x_0,y_0)$都在点$(x_0,y_0)$处连续,则$$f_{xy}(x_0,y_0)=f_{yx}(x_0,y_0)(3)$$

(3)复合函数的高阶偏导数:


2.中值定理与泰勒公式
(1)凸区域:


(2)中值定理:

定理17.8:设二元函数$f$在凸区域$D\subset R^2$上可微,则对$\forall 2$点$P(a,b),Q(a+h,b+k)\in D,\exists \theta \in R(0<\theta <1)$,使得$$\begin{gathered} f(a+h,b+k)-f(a,b) \\ =f_x(a+\theta h,b+\theta k)h+f_y(a+\theta h,b+\theta k)k(8) \end{gathered}$$


注意:若$P,Q$为矩形闭域$D$边界上的点,这些点不是内点$(\notin intD)$,这些点处不能全微分,即不可微,故定理不成立

推论:若函数$f$在区域$D$上存在偏导数,且$$f_x=f_y\equiv 0$$则$f$在$D$上为常量函数

(3)泰勒定理:

定理17.9:若函数$f$在点$P_0(x_0,y_0)$的某邻域$U(P_0)$上有直到$n+1$阶的连续偏导数,则对$U(P_0)$上任1点$(x_0+h,y_0+k),\exists$相应的$\theta \in (0,1)$,使得$$\begin{gathered} f(x_0+h,y_0+k)=f(x_0,y_0) \\ +(h\frac{\partial }{\partial x}+k\frac{\partial }{\partial y})f(x_0,y_0) \\ +\frac{1}{2!}(h\frac{\partial }{\partial x}+k\frac{\partial }{\partial y}{)}^{2}f(x_0,y_0) \\ +... \\ +\frac{1}{n!}(h\frac{\partial }{\partial x}+k\frac{\partial }{\partial y}{)}^{n}f(x_0,y_0) \\ +\frac{1}{(n+1)!}(h\frac{\partial }{\partial x}+k\frac{\partial }{\partial y}{)}^{n+1}f(x_0+\theta h,y_0+\theta k) \\ (11) \end{gathered}$$(11)式称为二元函数$f$在点$P_0$处的$n$阶泰勒公式,其中$$(h\frac{\partial }{\partial x}+k\frac{\partial }{\partial y}{)}^{m}f(x_0,y_0)=\sum _{i=0}^m{C}_m^i\frac{{\partial }^m}{\partial x^i{y}^{m-i}}{h}^i{k}^{m-i}$$

3.极值问题
(1)极值与极值点:

(2)极值必要条件:

定理17.10:若函数$f$在点$P_0(x_0,y_0)$处存在偏导数,且在$P_0$取得极值,则有$$f_x(x_0,y_0)=f_y(x_0,y_0)=0(16)$$

(3)海塞矩阵(Hesse Matrix)与极值充分条件:

注:①海塞矩阵的一般形式见第23章

定理17.11:设二元函数$f$在点$P_0(x_0,y_0)$的某邻域$U(P_0)$上具有二阶连续偏导数,且$P_0$是$f$的稳定点,则当$H_f(P_0)$是正定矩阵时,$f$在$P_0$取得极小值;当$H_f(P_0)$是负定矩阵时,$f$在点$P_0$取得极大值;当$H_f(P_0)$是不定矩阵时,$f$在$P_0$不取极值

(4)极值的应用:

求最值:

如果属于区域的界点成一曲线$F(x,y)=0$,求$f$在此曲线上的最值通常需要用到条件极值方法来解决;如果该曲线有显式方程$y=\phi (x)$,则上述问题归结为求$g(x)=f(x,\phi (x))$的极值

最小二乘法: