高等数学 · 第五章

多元函数微分学

偏导数、全微分、向量值函数与极值

多元函数微分学

点集、极限与连续

平面点集可分为内点、边界点和聚点。二元函数 z=f(x,y)z=f(x,y) 的图形通常是空间曲面。lim⁡(x,y)→(x0,y0)f(x,y)=A\lim_{(x,y)\to(x_0,y_0)}f(x,y)=A 要求沿任意路径都趋于 AA。连续定义与一元类似。初等函数在定义开区域内连续;有界闭区域上的连续函数有界并能取得最大值和最小值。

易错 两条路径极限不同则极限不存在。沿所有直线极限相同,仍可能沿抛物线不同。

偏导数

fx(x0,y0)=lim⁡h→0f(x0+h,y0)−f(x0,y0)h.f_x(x_0,y_0)=\lim_{h\to 0}\frac{f(x_0+h,y_0)-f(x_0,y_0)}{h}.

几何上,fxf_x 是曲面与 y=y0y=y_0 的交线在该点的切线斜率。

高阶偏导:若 fxyf_{xy} 与 fyxf_{yx} 在邻域连续,则二者相等。

易错 偏导数存在不必连续,也不必可微。求 fxf_x 时把 yy 当常数。

全微分

dz=fx dx+fy dy.\mathrm{d}z=f_x\,\mathrm{d}x+f_y\,\mathrm{d}y.

可微的充分条件:偏导数存在且在该点连续。必要:偏导数存在。一元中可导与可微等价,多元不等价。

近似:f(x0+Δx,y0+Δy)≈f+fxΔx+fyΔyf(x_0+\Delta x,y_0+\Delta y)\approx f+f_x\Delta x+f_y\Delta y。全微分形式具有不变性,复合变量下仍写成各偏导数与对应微分的线性组合。

复合函数与隐函数

z=f(u(x,y),v(x,y))z=f\bigl(u(x,y),v(x,y)\bigr):

zx=fuux+fvvx,zy=fuuy+fvvy.z_x=f_u u_x+f_v v_x,\quad z_y=f_u u_y+f_v v_y.

F(x,y)=0F(x,y)=0 在点附近满足 Fy≠0F_y\neq0 时,可由隐函数存在定理局部确定 y(x)y(x),且 dydx=−FxFy\dfrac{\mathrm{d}y}{\mathrm{d}x}=-\dfrac{F_x}{F_y}。

F(x,y,z)=0F(x,y,z)=0 确定 z(x,y)z(x,y):

zx=−FxFz,zy=−FyFz(Fz≠0).z_x=-\frac{F_x}{F_z},\quad z_y=-\frac{F_y}{F_z}\qquad (F_z\neq 0).

方程组 F(x,y,u,v)=0, G(x,y,u,v)=0F(x,y,u,v)=0,\ G(x,y,u,v)=0 确定 u(x,y),v(x,y)u(x,y),v(x,y) 时,用雅可比行列式:

∂(u,v)∂(x,y)=−∂(F,G)∂(x,y)/∂(F,G)∂(u,v).\frac{\partial(u,v)}{\partial(x,y)} =-\frac{\partial(F,G)}{\partial(x,y)}\Big/\frac{\partial(F,G)}{\partial(u,v)}.

(对每个自变量分别用全微分或克莱姆法则更稳妥。)

向量值函数

向量值函数 r(t)=(x(t),y(t),z(t))\mathbf r(t)=(x(t),y(t),z(t)) 的极限、连续、导数和微分都按分量定义:

r′(t)=(x′(t),y′(t),z′(t)),dr=r′(t) dt.\mathbf r'(t)=\bigl(x'(t),y'(t),z'(t)\bigr),\qquad \mathrm d\mathbf r=\mathbf r'(t)\,\mathrm dt.

易错 向量值函数的导数仍是向量;其模的导数一般不等于导数的模。

方向导数与梯度

单位向量 l=(cos⁡α,cos⁡β)\mathbf{l}=(\cos\alpha,\cos\beta),

∂f∂l=lim⁡t→0+f(x0+tcos⁡α,y0+tcos⁡β)−f(x0,y0)t.\frac{\partial f}{\partial\mathbf{l}} =\lim_{t\to 0^+}\frac{f(x_0+t\cos\alpha,y_0+t\cos\beta)-f(x_0,y_0)}{t}.

若 ff 可微,则

∂f∂l=∇f⋅l=fxcos⁡α+fycos⁡β.\frac{\partial f}{\partial\mathbf{l}}=\nabla f\cdot\mathbf{l} =f_x\cos\alpha+f_y\cos\beta.

梯度 ∇f=(fx,fy)\nabla f=(f_x,f_y) 指向函数增长最快的方向,最大方向导数等于 ∣∇f∣|\nabla f|。等值线(面)与梯度垂直。

易错 方向导数定义常用单侧 t→0+t\to 0^+。公式 ∇f⋅l\nabla f\cdot\mathbf{l} 要求可微,不只是偏导数存在。l\mathbf{l} 必须是单位向量。

多元函数微分学的应用

空间曲线与曲面的切法结构

空间曲线 r(t)\mathbf r(t) 的切向量为 r′(t)\mathbf r'(t),法平面以它为法向量。曲面 F(x,y,z)=0F(x,y,z)=0 的法向量为 ∇F\nabla F,切平面与法线均由该向量确定。

极值

无条件极值:驻点 fx=fy=0f_x=f_y=0。二元充分条件令 A=fxx, B=fxy, C=fyyA=f_{xx},\ B=f_{xy},\ C=f_{yy},Δ=AC−B2\Delta=AC-B^2:

Δ\Delta结论
>0, A>0>0,\ A>0极小
>0, A<0>0,\ A<0极大
<0<0非极值(鞍点)
=0=0失效,另判

闭区域最值还要比较边界。

最值与拉格朗日乘数法

约束 g(x,y)=0g(x,y)=0,令 L=f+λgL=f+\lambda g,解

Lx=0, Ly=0, g=0.L_x=0,\ L_y=0,\ g=0.

多个约束则多个乘数。得到的是候选点,需结合问题背景判定最大最小。

用途 面积一定周长最大、距离最短、二次型约束极值。

易错 不要忘记把约束方程写入方程组。驻点未必在约束曲面上除非联立 g=0g=0。

搜索

可搜索:洛必达、格林公式、正态分布、等价无穷小…