first commit
This commit is contained in:
@@ -0,0 +1,483 @@
|
||||
# 📌 第八章 多元函数微分学 考研核心通关笔记(数学二版)
|
||||
|
||||
> **范围声明(数学二)**:本笔记严格覆盖数学二考纲——偏导数、全微分、复合函数求导、隐函数求导、极值与条件极值、最值。
|
||||
> **不考(勿浪费时间)**:方向导数与梯度、空间曲线切线与法平面、曲面的切平面与法线、二元函数二阶泰勒公式、多元函数积分学中的三重/曲线/曲面积分(均为数学一内容)。
|
||||
|
||||
---
|
||||
|
||||
## ① 本章核心知识框架 (Core Concept Map)
|
||||
|
||||
### 8.1 多元函数的基本概念
|
||||
|
||||
**多元函数**:设 $D$ 是 $xOy$ 平面上的非空点集,若对每个点 $(x,y) \in D$,变量 $z$ 按照某一对应法则有唯一确定的值与之对应,则称 $z$ 是 $x,y$ 的**二元函数**,记作 $z = f(x,y)$。
|
||||
|
||||
- *极简例子:* $z = \sqrt{1 - x^2 - y^2}$,定义域 $D = \{(x,y) \mid x^2 + y^2 \le 1\}$(单位圆盘)
|
||||
|
||||
**二元函数的几何意义**:$z = f(x,y)$ 表示空间中的一张**曲面**;$z = C$(常数)对应曲面的**等高线**。
|
||||
|
||||
- *极简例子:* $z = x^2 + y^2$ 是旋转抛物面,$z = 1$ 是圆 $x^2 + y^2 = 1$
|
||||
|
||||
**n 元函数**:$u = f(x_1, x_2, \ldots, x_n)$,数学二只需二元。
|
||||
|
||||
---
|
||||
|
||||
### 8.2 二元函数的极限与连续
|
||||
|
||||
**二重极限**:设 $f(x,y)$ 在点 $P_0(x_0,y_0)$ 的**去心邻域**内有定义,若当 $P(x,y)$ 以**任意方式**趋于 $P_0$ 时,$f(x,y)$ 都趋于常数 $A$,则称 $A$ 为 $f$ 在 $P_0$ 处的二重极限:
|
||||
$$\lim_{(x,y)\to(x_0,y_0)} f(x,y) = A$$
|
||||
|
||||
- *极简例子:* $\displaystyle\lim_{(x,y)\to(0,0)} \frac{\sin(x^2+y^2)}{x^2+y^2} = 1$(换元 $t = x^2+y^2$ 化为一元极限)
|
||||
|
||||
> ⚠️ **核心:二重极限与路径无关**。若沿两条不同路径得到不同极限(或某路径极限不存在),则**二重极限不存在**——这是最常用的反证武器。
|
||||
|
||||
**二元函数连续**:$\displaystyle\lim_{(x,y)\to(x_0,y_0)} f(x,y) = f(x_0, y_0)$。
|
||||
|
||||
- *极简例子:* $f(x,y) = x^2 + y^2$ 在全平面连续;$f(x,y) = \dfrac{xy}{x^2+y^2}$ 在 $(0,0)$ 处不连续(沿 $y=kx$ 极限随 $k$ 变)
|
||||
|
||||
**有界闭区域上连续函数的性质**(与一元类比):有界性、最值定理、介值定理(零点定理)。数学二只需了解,常作选择题背景。
|
||||
|
||||
**连续与偏导的关系(与一元截然不同!)**:
|
||||
$$\text{偏导存在} \not\Rightarrow \text{连续},\qquad \text{连续} \not\Rightarrow \text{偏导存在}$$
|
||||
|
||||
---
|
||||
|
||||
### 8.3 偏导数
|
||||
|
||||
**偏导数定义**:$z = f(x,y)$ 在 $(x_0,y_0)$ 处对 $x$ 的偏导数
|
||||
$$f_x'(x_0,y_0) = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x, y_0) - f(x_0, y_0)}{\Delta x}$$
|
||||
对 $y$ 的偏导数同理(固定 $x$,对 $y$ 求一元导数)。
|
||||
|
||||
- *极简例子:* $f(x,y) = x^2 \sin y$:$f_x = 2x\sin y$,$f_y = x^2 \cos y$
|
||||
|
||||
**计算口诀**:**对谁求导,谁当变量;其余变量一律当常数**(用一元求导公式)。
|
||||
|
||||
**分段函数在分界点处的偏导数**:**只能用定义**(先代值再求导不成立)。
|
||||
|
||||
- *极简例子:* $f(x,y) = \begin{cases} \dfrac{xy}{x^2+y^2}, & (x,y) \ne (0,0) \\ 0, & (x,y) = (0,0) \end{cases}$:$f_x(0,0) = \lim_{\Delta x\to 0}\dfrac{f(\Delta x,0)-0}{\Delta x} = \lim_{\Delta x\to 0}\dfrac{0}{\Delta x} = 0$,同理 $f_y(0,0)=0$(但函数在 $(0,0)$ 不连续!)
|
||||
|
||||
---
|
||||
|
||||
### 8.4 高阶偏导数
|
||||
|
||||
**二阶偏导数**(4 个):
|
||||
$$f_{xx}'' = \frac{\partial^2 f}{\partial x^2},\quad f_{xy}'' = \frac{\partial^2 f}{\partial x \partial y},\quad f_{yx}'' = \frac{\partial^2 f}{\partial y \partial x},\quad f_{yy}'' = \frac{\partial^2 f}{\partial y^2}$$
|
||||
|
||||
- *极简例子:* $f = x^3 y^2$:$f_{xy} = \dfrac{\partial}{\partial y}(3x^2 y^2) = 6x^2 y$,$f_{yx} = \dfrac{\partial}{\partial x}(2x^3 y) = 6x^2 y$(相等)
|
||||
|
||||
**混合偏导相等定理(Clairaut)**:若 $f_{xy}''$ 与 $f_{yx}''$ 在点 $(x_0,y_0)$ **连续**,则 $f_{xy}''(x_0,y_0) = f_{yx}''(x_0,y_0)$。
|
||||
|
||||
> ⚠️ 前提是**连续**!不连续时混合偏导可能不相等。考研题目默认"二阶连续偏导",可直接交换次序化简。
|
||||
|
||||
---
|
||||
|
||||
### 8.5 全微分与可微性
|
||||
|
||||
**全增量**:$\Delta z = f(x_0+\Delta x, y_0+\Delta y) - f(x_0,y_0)$。
|
||||
|
||||
**可微定义**:若
|
||||
$$\Delta z = A\Delta x + B\Delta y + o(\rho),\qquad \rho = \sqrt{(\Delta x)^2 + (\Delta y)^2}$$
|
||||
其中 $A, B$ 与 $\Delta x, \Delta y$ 无关,则称 $f$ 在 $(x_0,y_0)$ 处**可微**,线性主部 $A\Delta x + B\Delta y$ 称为**全微分**,记作
|
||||
$$dz = A\,dx + B\,dy = f_x'(x_0,y_0)\,dx + f_y'(x_0,y_0)\,dy$$
|
||||
|
||||
- *极简例子:* $z = xy$:$dz = y\,dx + x\,dy$
|
||||
|
||||
**可微的判定链**(数学二选择题高频):
|
||||
|
||||
| 关系 | 结论 |
|
||||
|------|------|
|
||||
| 可微 $\Rightarrow$ 连续 | ✅ |
|
||||
| 可微 $\Rightarrow$ 偏导存在 | ✅ |
|
||||
| 偏导存在 $\not\Rightarrow$ 可微 | ❌(反例 $f = \dfrac{xy}{\sqrt{x^2+y^2}}$ 在原点) |
|
||||
| 偏导连续 $\Rightarrow$ 可微(充分不必要) | ✅ |
|
||||
| 连续 $\not\Rightarrow$ 偏导存在 | ❌ |
|
||||
| 偏导存在 $\not\Rightarrow$ 连续 | ❌ |
|
||||
|
||||
**用定义判定可微三步**(分段函数/分界点必用):
|
||||
1. 先验证偏导存在(用定义求 $f_x, f_y$);
|
||||
2. 计算 $\Delta z - [f_x(0,0)\Delta x + f_y(0,0)\Delta y]$;
|
||||
3. 判断 $\dfrac{\Delta z - [f_x\Delta x + f_y\Delta y]}{\rho} \xrightarrow{\rho\to0} 0$ 是否成立。
|
||||
|
||||
---
|
||||
|
||||
### 8.6 多元复合函数求导(链式法则)⭐⭐⭐
|
||||
|
||||
**设 $z = f(u,v)$,$u = u(x,y)$,$v = v(x,y)$,则**
|
||||
$$\frac{\partial z}{\partial x} = \frac{\partial f}{\partial u}\cdot\frac{\partial u}{\partial x} + \frac{\partial f}{\partial v}\cdot\frac{\partial v}{\partial x},\qquad \frac{\partial z}{\partial y} = \frac{\partial f}{\partial u}\cdot\frac{\partial u}{\partial y} + \frac{\partial f}{\partial v}\cdot\frac{\partial v}{\partial y}$$
|
||||
|
||||
- *极简例子:* $z = e^{u}\cos v$,$u = x^2 + y^2$,$v = xy$:
|
||||
$$\frac{\partial z}{\partial x} = e^{u}\cos v\cdot 2x - e^{u}\sin v\cdot y = 2xe^{x^2+y^2}\cos(xy) - ye^{x^2+y^2}\sin(xy)$$
|
||||
|
||||
**变量关系树(万能工具)**:顶层 $z$ → 中层中间变量 $u, v$ → 底层自变量 $x, y$。
|
||||
- 口诀:**同一条路径相乘,不同路径相加**。
|
||||
|
||||
**全导数(中间变量是一元函数)**:$z = f(x, y)$,$y = y(x)$:
|
||||
$$\frac{dz}{dx} = f_x + f_y \cdot \frac{dy}{dx} \quad \text{(注意是 } d \text{ 不是 } \partial \text{)}$$
|
||||
|
||||
- *极简例子:* $z = x^2 + y^2$,$y = \ln x$:$\dfrac{dz}{dx} = 2x + 2y\cdot\dfrac{1}{x} = 2x + \dfrac{2\ln x}{x}$
|
||||
|
||||
**抽象函数复合(考研必考)**:$z = f(2x-y, y\sin x)$,记 $f_1', f_2'$(对第一、第二位置的偏导),**$f_1'$ 仍与 $f$ 有完全相同的复合结构**——再求导时 $f_1'$ 也必须按链式法则继续展开(这是最大失分点)。
|
||||
|
||||
**全微分形式不变性**:无论 $u, v$ 是自变量还是中间变量,恒有 $dz = \dfrac{\partial z}{\partial u}du + \dfrac{\partial z}{\partial v}dv$。可用于绕过链式法则直接计算。
|
||||
|
||||
---
|
||||
|
||||
### 8.7 隐函数求导
|
||||
|
||||
**隐函数存在定理**:若 $F(x,y,z)$ 在点 $P_0$ 附近有连续偏导,且 $F(P_0) = 0$,$F_z(P_0) \neq 0$,则方程 $F(x,y,z)=0$ 在 $P_0$ 附近确定隐函数 $z = z(x,y)$,且
|
||||
$$\frac{\partial z}{\partial x} = -\frac{F_x}{F_z},\qquad \frac{\partial z}{\partial y} = -\frac{F_y}{F_z}$$
|
||||
|
||||
- *极简例子:* $x^2 + y^2 + z^2 = 1$(即 $F = x^2+y^2+z^2-1 = 0$):$\dfrac{\partial z}{\partial x} = -\dfrac{2x}{2z} = -\dfrac{x}{z}$
|
||||
|
||||
**二元隐函数**:$F(x,y) = 0 \Rightarrow \dfrac{dy}{dx} = -\dfrac{F_x}{F_y}$。
|
||||
|
||||
- *极简例子:* $e^y = xy$:$F = e^y - xy$,$\dfrac{dy}{dx} = -\dfrac{-y}{e^y - x} = \dfrac{y}{e^y - x}$
|
||||
|
||||
**隐函数二阶导**:两种方法——① 直接对一阶导结果继续求导(注意 $z$ 是 $x,y$ 的函数,求导时用链式);② 公式法($F$ 的二阶偏导组合)。
|
||||
|
||||
---
|
||||
|
||||
### 8.8 多元函数的极值与最值
|
||||
|
||||
**极值概念**:若 $f(x,y)$ 在 $(x_0,y_0)$ 某邻域内满足 $f(x,y) \le f(x_0,y_0)$(极大)或 $\ge$(极小)。
|
||||
|
||||
**驻点**:$f_x = f_y = 0$ 的点。
|
||||
|
||||
**极值必要条件(费马推广)**:可微函数取极值处必为驻点(或不可导点)。
|
||||
|
||||
**极值充分条件(AC-B² 判别法)**:设 $(x_0,y_0)$ 是驻点,记
|
||||
$$A = f_{xx}''(x_0,y_0),\quad B = f_{xy}''(x_0,y_0),\quad C = f_{yy}''(x_0,y_0)$$
|
||||
|
||||
| 条件 | 结论 |
|
||||
|------|------|
|
||||
| $AC - B^2 > 0$ 且 $A > 0$ | 极小值 |
|
||||
| $AC - B^2 > 0$ 且 $A < 0$ | 极大值 |
|
||||
| $AC - B^2 < 0$ | 不是极值(鞍点) |
|
||||
| $AC - B^2 = 0$ | 需另法判定(如用定义) |
|
||||
|
||||
- *极简例子:* $f = x^2 + y^2$:驻点 $(0,0)$,$A = 2, B = 0, C = 2$,$AC-B^2 = 4 > 0$ 且 $A>0$ → 极小值 $f(0,0)=0$
|
||||
|
||||
**有界闭区域上的最值**(三步):
|
||||
1. 求区域**内部**驻点,算函数值;
|
||||
2. 求**边界**上的最值(化为一元问题:参数化或拉格朗日);
|
||||
3. 全部候选值比较,最大者为最大值。
|
||||
|
||||
---
|
||||
|
||||
### 8.9 条件极值与拉格朗日乘数法
|
||||
|
||||
**条件极值**:在约束 $\varphi(x,y) = 0$ 下求 $f(x,y)$ 的极值。
|
||||
|
||||
**拉格朗日乘数法**(数学二高频大题):
|
||||
1. 构造拉格朗日函数 $L(x,y,\lambda) = f(x,y) + \lambda\varphi(x,y)$;
|
||||
2. 解方程组
|
||||
$$\begin{cases} L_x = f_x + \lambda\varphi_x = 0 \\ L_y = f_y + \lambda\varphi_y = 0 \\ L_\lambda = \varphi(x,y) = 0 \end{cases}$$
|
||||
3. 所得驻点代入比较(或由实际背景判别极大/极小)。
|
||||
|
||||
- *极简例子:* 求 $xy$ 在 $x + y = 1$ 下的最大值:$L = xy + \lambda(x+y-1)$,得 $y + \lambda = 0,\ x + \lambda = 0,\ x+y=1$ → $x = y = \tfrac12$,最大值为 $\tfrac14$
|
||||
|
||||
> 💡 二元+一个约束,也可**消元法**:从 $\varphi = 0$ 解出 $y = y(x)$ 代入 $f$ 化为一元最值——但拉格朗日法更通用,考研主考拉格朗日。
|
||||
|
||||
---
|
||||
|
||||
## ② 必考题型分类索引
|
||||
|
||||
| # | 题型 | 核心判据 | 详细笔记 |
|
||||
|---|------|---------|---------|
|
||||
| 1 | 重极限与连续 | 路径法证不存在;$\lim_{(x,y)\to(0,0)}$ 型换元 | [[题型1_重极限与连续]] |
|
||||
| 2 | 偏导数与全微分概念 | 分段函数在分界点用定义;可微性三步判定 | [[题型2_偏导数与全微分]] |
|
||||
| 3 | 多元复合函数求导 | 链式法则 + 抽象函数 $f_1', f_2'$ 二阶偏导 | [[题型3_多元复合函数求导]] |
|
||||
| 4 | 隐函数求导 | $F(x,y,z) = 0$ 公式法 / 直接法 | [[题型4_隐函数求导]] |
|
||||
| 5 | 多元函数极值与最值 | 驻点 + $AC-B^2$;区域最值三步 | [[题型5_多元函数极值与最值]] |
|
||||
| 6 | 条件极值与拉格朗日 | 约束 $\varphi(x,y) = 0$;应用题建模 | [[题型6_条件极值与拉格朗日乘数法]] |
|
||||
|
||||
---
|
||||
|
||||
## ③ 高频考点与多维变换
|
||||
|
||||
### Top 5 高频考点
|
||||
|
||||
| 排名 | 考点 | 考频(数二) | 典型分值 |
|
||||
|------|------|------------|---------|
|
||||
| 1 | 多元复合函数求导(抽象函数二阶偏导) | **每年必考** | 8-12 分大题 |
|
||||
| 2 | 全微分与可微性判定(概念选择题) | 高频 | 4-5 分 |
|
||||
| 3 | 隐函数求导(含二阶) | 高频 | 4-8 分 |
|
||||
| 4 | 无条件极值($AC - B^2$ 判别) | 高频 | 5-10 分 |
|
||||
| 5 | 条件极值(拉格朗日乘数法) | 高频(应用题) | 8-10 分 |
|
||||
|
||||
> **备考核心**:抽象复合函数二阶偏导 = 数学二多元微分**第一大题**;概念选择题盯"可微/连续/偏导关系"。
|
||||
|
||||
### 【示例:一题多角度】
|
||||
|
||||
**核心概念**:二元函数"可微、连续、偏导存在"三者关系(与一元完全不同)。
|
||||
|
||||
**角度一:概念选择题(判断题)**
|
||||
> 设 $f(x,y) = \begin{cases} \dfrac{xy}{x^2+y^2}, & (x,y)\ne(0,0) \\ 0, & (x,y)=(0,0) \end{cases}$,则 $f$ 在 $(0,0)$ 处( )
|
||||
> A. 连续但不可偏导 B. 可偏导但不连续 C. 可微 D. 连续且可偏导
|
||||
|
||||
- $f_x(0,0) = \lim_{\Delta x\to0}\dfrac{0-0}{\Delta x} = 0$,$f_y(0,0) = 0$ → **可偏导**
|
||||
- 沿 $y = kx$:$f(x, kx) = \dfrac{kx^2}{(1+k^2)x^2} = \dfrac{k}{1+k^2}$,随 $k$ 变 → **极限不存在 → 不连续**
|
||||
- 答案 **B**。**核心结论:偏导存在推不出连续!**
|
||||
|
||||
**角度二:计算题(全微分)**
|
||||
> 设 $z = f(x,y) = x^2 e^y$ 在 $(1, 0)$ 处求全微分。
|
||||
|
||||
- $f_x = 2xe^y = 2$,$f_y = x^2 e^y = 1$(偏导连续 → 可微)
|
||||
- $dz = 2\,dx + 1\cdot dy = 2dx + dy$(在 $(1,0)$ 处)
|
||||
|
||||
**启示**:概念题用**反例与路径法**,计算题用**公式**;两者考查的是同一关系的两面。
|
||||
|
||||
### 【示例:一题多角度 · 抽象复合二阶偏导】
|
||||
|
||||
**核心概念**:$z = f(x^2 + y^2, xy)$,$f$ 有二阶连续偏导,求 $\dfrac{\partial^2 z}{\partial x\partial y}$。
|
||||
|
||||
**角度一(正确做法——$f_1'$ 也要继续复合求导)**:
|
||||
$$\frac{\partial z}{\partial x} = f_1'\cdot 2x + f_2'\cdot y$$
|
||||
$$\frac{\partial^2 z}{\partial x\partial y} = \frac{\partial}{\partial y}(2x f_1' + y f_2') = 2x(f_{11}''\cdot 2y + f_{12}''\cdot x) + f_2' + y(f_{21}''\cdot 2y + f_{22}''\cdot x)$$
|
||||
$$= 4xy f_{11}'' + 2x^2 f_{12}'' + f_2' + 2y^2 f_{21}'' + xy f_{22}''$$
|
||||
由混合偏导连续 $f_{12}'' = f_{21}''$:
|
||||
$$\boxed{\frac{\partial^2 z}{\partial x\partial y} = 4xy f_{11}'' + (2x^2 + 2y^2) f_{12}'' + f_2' + xy f_{22}''}$$
|
||||
|
||||
**角度二(经典错误——$f_1'$ 对 $y$ 求导只算一项)**:
|
||||
$$\frac{\partial^2 z}{\partial x\partial y} = 2x(f_{11}''\cdot 2y) + f_2' + y(f_{22}''\cdot x) \quad \text{❌ 漏了 } f_{12}'', f_{21}'' \text{ 项}$$
|
||||
|
||||
**启示**:**$f_1', f_2'$ 与原函数 $f$ 有完全相同的复合结构**——对它们再求偏导时,必须再次用链式法则展开(两项都要算)。这是全国考生最高频失分点。
|
||||
|
||||
---
|
||||
|
||||
## ④ 方法论与解题通法 (Methodology)
|
||||
|
||||
### 方法一:链式法则「变量关系树」⭐⭐⭐
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[z] --> B[u]
|
||||
A --> C[v]
|
||||
B --> D[x]
|
||||
B --> E[y]
|
||||
C --> D
|
||||
C --> E
|
||||
```
|
||||
- **同一条路径相乘**:$z \to u \to x$ 贡献 $\dfrac{\partial z}{\partial u}\cdot\dfrac{\partial u}{\partial x}$
|
||||
- **不同路径相加**:$\dfrac{\partial z}{\partial x} = \dfrac{\partial z}{\partial u}\dfrac{\partial u}{\partial x} + \dfrac{\partial z}{\partial v}\dfrac{\partial v}{\partial x}$
|
||||
|
||||
> **判断依据(何时用)**:见到"复合函数 + 求偏导"就用树状图,先画关系、再抄公式,**绝不心算**。
|
||||
|
||||
### 方法二:可微性判定「三步法」⭐⭐⭐
|
||||
|
||||
**适用**:分段函数在分界点处的可微性讨论(数学二选择题大题常考)。
|
||||
|
||||
1. **偏导存在**:用定义 $f_x(0,0) = \lim_{\Delta x\to0}\dfrac{f(\Delta x,0)-f(0,0)}{\Delta x}$,同理 $f_y$;
|
||||
2. **作差**:$\Delta z - [f_x(0,0)\Delta x + f_y(0,0)\Delta y]$;
|
||||
3. **极限判别**:$\lim_{\rho\to0}\dfrac{\Delta z - [f_x\Delta x + f_y\Delta y]}{\rho}$,$\rho = \sqrt{\Delta x^2 + \Delta y^2}$。
|
||||
- 等于 $0$ → 可微;否则不可微。
|
||||
|
||||
> 常见反例积累:$f = \dfrac{xy}{\sqrt{x^2+y^2}}$(偏导存在但不连续不可微);$f = \dfrac{xy}{x^2+y^2}$(不连续,偏导存在);$f = \sqrt{\lvert xy\rvert}$(连续但不可偏导)。
|
||||
|
||||
### 方法三:无条件极值「$AC-B^2$ 判别」⭐⭐⭐
|
||||
|
||||
1. 解 $f_x = f_y = 0$ 得全部**驻点**(还要检查**不可导点**);
|
||||
2. 对每个驻点算 $A = f_{xx}''$,$B = f_{xy}''$,$C = f_{yy}''$;
|
||||
3. $AC - B^2$ 定号 → 极值类型(见 8.8 表)。
|
||||
|
||||
> ⚠️ $AC - B^2 = 0$ 时方法失效:改用**定义**或**沿特殊路径考察函数值符号**。
|
||||
|
||||
### 方法四:拉格朗日乘数法「五步模板」⭐⭐⭐
|
||||
|
||||
1. **写目标**:$f(x,y)$,**写约束**:$\varphi(x,y) = 0$;
|
||||
2. **构造**:$L = f + \lambda\varphi$;
|
||||
3. **列方程组**:$L_x = L_y = L_\lambda = 0$(3 个方程 3 个未知数);
|
||||
4. **解驻点**(常需分类讨论 $x, y, \lambda$ 为零与否);
|
||||
5. **比较定最值**:把驻点代入 $f$,由实际背景或边界比较判极大/极小。
|
||||
|
||||
> **判断依据(何时用)**:题目出现"在……条件下求……极值/最值"→ 条件极值 → 拉格朗日。若约束可轻易解出 $y=y(x)$ 且目标简单,可用消元法(但步骤 2-3 更稳)。
|
||||
|
||||
### 方法五:隐函数求导「公式法 vs 直接法」
|
||||
|
||||
| 方法 | 适用 | 操作 |
|
||||
|------|------|------|
|
||||
| **公式法** | 一阶偏导 | $z_x = -\dfrac{F_x}{F_z}$,$z_y = -\dfrac{F_y}{F_z}$(先构造 $F$,再对 $x,y,z$ 求偏导) |
|
||||
| **直接法** | 二阶偏导/复杂情形 | 对方程两边直接求偏导(记住 $z$ 是 $x,y$ 的函数),解出 $z_x$;再对 $z_x$ 继续求导得 $z_{xx}, z_{xy}$ |
|
||||
|
||||
> 口诀:**一阶用公式,二阶用直接**(直接法不易漏链式项)。
|
||||
|
||||
### 方法六:全微分形式不变性「绕过链式」⭐⭐
|
||||
|
||||
若 $z = f(u,v)$ 且 $u,v$ 可微,则**无论 $u,v$ 是自变量还是中间变量**:
|
||||
$$dz = f_u'\,du + f_v'\,dv$$
|
||||
**用法**:求复合函数偏导时,先写全微分,再对比 $dx, dy$ 的系数直接读出偏导——避免长链式展开。
|
||||
|
||||
- *极简例子:* $z = \sin(xy)$:$dz = \cos(xy)\cdot (y\,dx + x\,dy) = y\cos(xy)\,dx + x\cos(xy)\,dy$ → 直接读出 $z_x = y\cos(xy)$,$z_y = x\cos(xy)$
|
||||
|
||||
---
|
||||
|
||||
## ⑤ 易错点红黑榜 (The Pitfall List)
|
||||
|
||||
### ❌ 错误 1:把"偏导存在"当"连续"(或可微)
|
||||
|
||||
- **错误表现**:由 $f_x(0,0), f_y(0,0)$ 存在推出 $f$ 在原点连续/可微
|
||||
- **正确理解**:多元中偏导存在**推不出**连续,更推不出可微;反之连续也推不出偏导存在。三者互相独立,判定必须逐个验证。
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
❌ f(x,y)=xy/(x²+y²) 在 (0,0) 可偏导 f_x=f_y=0 → "连续"
|
||||
✅ 沿 y=kx 极限 = k/(1+k²) 随 k 变 → 极限不存在 → 不连续(可偏导但不可微)
|
||||
```
|
||||
|
||||
### ❌ 错误 2:抽象复合函数二阶偏导漏项(最致命)
|
||||
|
||||
- **错误表现**:$z = f(x^2+y^2, xy)$,对 $\dfrac{\partial z}{\partial x} = 2x f_1' + y f_2'$ 再求 $\dfrac{\partial}{\partial y}$ 时,只对 $f_1'$ 求一项、漏掉 $f_{12}''$ 交叉项
|
||||
- **正确理解**:**$f_1'$ 仍具有与 $f$ 完全相同的复合结构**!对 $f_1'$ 求 $\partial/\partial y$ 时,两个位置都要按链式展开:$f_1'\to (f_{11}''\cdot 2y + f_{12}''\cdot x)$。
|
||||
|
||||
### ❌ 错误 3:分段函数分界点求偏导"先代值再求导"
|
||||
|
||||
- **错误表现**:对 $f(x,y) = \begin{cases} \frac{xy}{x^2+y^2} & (x,y)\ne(0,0) \\ 0 & (x,y)=(0,0)\end{cases}$,直接算 $\dfrac{\partial}{\partial x}\left(\dfrac{xy}{x^2+y^2}\right)\Big|_{(0,0)}$
|
||||
- **正确理解**:分界点处偏导**必须用定义**(偏导是增量比的极限);先用一元法则对表达式求导只适用于"分界点之外"的点。
|
||||
|
||||
### ❌ 错误 4:隐函数公式丢负号/用错分母
|
||||
|
||||
- **错误表现**:$F(x,y)=0$ 求 $y'$ 写成 $-\dfrac{F_y}{F_x}$(分子分母颠倒)
|
||||
- **正确理解**:$\dfrac{dy}{dx} = -\dfrac{F_x}{F_y}$;$F(x,y,z)=0$ 时 $\dfrac{\partial z}{\partial x} = -\dfrac{F_x}{F_z}$。**谁是被求的因变量,谁在分母**。
|
||||
|
||||
### ❌ 错误 5:无条件极值漏掉"不可导点"
|
||||
|
||||
- **错误表现**:只解 $f_x = f_y = 0$ 的驻点,漏了偏导不存在的点
|
||||
- **正确理解**:极值点 = 驻点 ∪ 不可导点。如 $f = \sqrt{x^2 + y^2}$ 在 $(0,0)$ 取极小值,但该点偏导不存在。
|
||||
|
||||
### ❌ 错误 6:$AC - B^2$ 判别中 $B$ 取错
|
||||
|
||||
- **错误表现**:把 $B$ 写成 $f_{yx}$ 而题目只给 $f_{xy}$,或把 $A, C$ 位置搞混导致判错
|
||||
- **正确理解**:$A = f_{xx}$,$B = f_{xy}$,$C = f_{yy}$(混合偏导连续时 $f_{xy} = f_{yx}$,可放心使用)。
|
||||
|
||||
### ❌ 错误 7:拉格朗日乘数法解方程漏解/不会分类
|
||||
|
||||
- **错误表现**:解 $\begin{cases} x + \lambda = 0 \\ y + \lambda = 0 \\ x + y = 1 \end{cases}$ 时直接除变量,丢 $x=0$ 或 $y=0$ 的解
|
||||
- **正确理解**:解方程组要**按"是否为零"分类讨论**(如 $\lambda=0$ 与 $\lambda\neq0$、$x=0$ 与 $x\neq0$),所有驻点都要保留并代入比较。
|
||||
|
||||
### ❌ 错误 8:最值问题只算内部驻点、忽略边界
|
||||
|
||||
- **错误表现**:求 $f$ 在闭区域 $D$ 上最值时,只比较内部驻点函数值
|
||||
- **正确理解**:**有界闭区域最值 = 内部驻点值 ∪ 边界最值 ∪ 不可导点值**,全部比较取最大最小。边界常用拉格朗日或参数化处理。
|
||||
|
||||
### ❌ 错误 9:混合偏导次序随意交换(条件缺失)
|
||||
|
||||
- **错误表现**:题设只说"偏导存在"就写 $f_{xy} = f_{yx}$
|
||||
- **正确理解**:交换次序需要 $f_{xy}, f_{yx}$ **连续**。考研题一般明示"二阶连续偏导",此时可交换;否则需谨慎。
|
||||
|
||||
### ❌ 错误 10:可微判定中 $\rho$ 写成 $\lvert\Delta x\rvert$ 或 $\lvert\Delta y\rvert$
|
||||
|
||||
- **错误表现**:判定 $\lim_{\rho\to 0}\dfrac{\Delta z - f_x\Delta x - f_y\Delta y}{\rho}$ 时把分母 $\rho$ 写成 $\sqrt{\Delta x^2 + \Delta y^2}$ 之外的形式
|
||||
- **正确理解**:$\rho = \sqrt{(\Delta x)^2 + (\Delta y)^2}$ 是点 $(x_0+\Delta x, y_0+\Delta y)$ 到 $(x_0,y_0)$ 的**距离**,是二维的。
|
||||
|
||||
---
|
||||
|
||||
## ⑥ 考研导向复习策略 (Exam Strategy)
|
||||
|
||||
### 优先级与建议题量(数学二)
|
||||
|
||||
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|
||||
|--------|--------|-----------|------|
|
||||
| 多元复合函数求导(抽象二阶) | **极高** | 30道 | 数学二每年必考大题,$f_1', f_2'$ 链式展开必须形成肌肉记忆 |
|
||||
| 全微分与可微性判定 | **高** | 15道 | 概念选择题高频,反例要背熟 |
|
||||
| 隐函数求导 | **高** | 15道 | 一阶公式 + 二阶直接法 |
|
||||
| 无条件极值($AC-B^2$) | **高** | 15道 | 大题常考,判别流程要快 |
|
||||
| 条件极值(拉格朗日) | **高** | 15道 | 应用题建模,解方程组能力 |
|
||||
| 重极限与连续 | **中** | 8道 | 路径法为主,会判断不存在即可 |
|
||||
| 最值(区域型) | **中** | 8道 | 内部+边界完整比较 |
|
||||
|
||||
### 跨章节连接
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────┐
|
||||
│ 本章 (Ch08) 多元函数微分学 │
|
||||
│ · 偏导/全微分/复合/隐函数 │
|
||||
│ · 极值/条件极值/最值 │
|
||||
└────────────────┬─────────────────────┘
|
||||
│
|
||||
┌───────────────┬───────────────┼───────────────┬──────────────┐
|
||||
↓ ↓ ↓ ↓ ↓
|
||||
Ch02 导数与微分 Ch03 中值定理 Ch04/05 积分 Ch09 二重积分 Ch07 微分方程
|
||||
一元求导是基础 极值理论类比 变限积分求导 极坐标换序 隐函数与复合
|
||||
链式法则推广 费马引理推广 与重极限结合 偏导是前奏 变量关系树
|
||||
```
|
||||
|
||||
#### 🔥 跨章节综合题命题模式(数学二)
|
||||
|
||||
**模式 1:复合函数求导 + 变限积分(Ch08 → Ch05 ⭐⭐⭐)**
|
||||
> $F(x) = \displaystyle\int_0^x f(x,t)\,dt$ 型:先换元/拆项使被积函数不含 $x$,再用"对谁求导"的链式展开;与含参积分结合是数学二难题。
|
||||
|
||||
**模式 2:二重积分 + 偏导(Ch08 → Ch09 ⭐⭐⭐)**
|
||||
> 二重积分含参 $F(x) = \iint_D f(x,y)\,dxdy$ 的求导,或"$f(t)$ 连续,求二次积分"选择题——需用极坐标与偏导概念。
|
||||
|
||||
**模式 3:极值 + 应用题建模(Ch08 → Ch06 ⭐⭐)**
|
||||
> 几何(距离最近点、曲面上最值)与物理(最大体积、最小表面积)应用题 = 无条件/条件极值。
|
||||
|
||||
**模式 4:隐函数 + 微分方程(Ch08 → Ch07 ⭐)**
|
||||
> 由隐函数关系导出微分方程(对隐式关系两边求导建立方程),综合题偶见。
|
||||
|
||||
### 【终极母题推荐】(数学二)
|
||||
|
||||
> **题目**:设 $z = f(2x - y, y\sin x)$,其中 $f$ 具有二阶连续偏导数,求 $\dfrac{\partial^2 z}{\partial x \partial y}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:一阶偏导(链式法则)**
|
||||
记 $u = 2x - y$,$v = y\sin x$,$f_1' = \dfrac{\partial f}{\partial u}$,$f_2' = \dfrac{\partial f}{\partial v}$:
|
||||
$$\frac{\partial z}{\partial x} = f_1'\cdot 2 + f_2'\cdot y\cos x = 2f_1' + y\cos x\, f_2'$$
|
||||
|
||||
**Step 2:对 $y$ 再求偏导(关键:$f_1', f_2'$ 仍是复合函数!)**
|
||||
$$\frac{\partial^2 z}{\partial x\partial y} = \frac{\partial}{\partial y}(2f_1') + \frac{\partial}{\partial y}(y\cos x\, f_2')$$
|
||||
第一项:$f_1'$ 对 $y$ 求导,两个位置都要展开:
|
||||
$$\frac{\partial f_1'}{\partial y} = f_{11}''\cdot(-1) + f_{12}''\cdot \sin x$$
|
||||
第二项(乘法法则):
|
||||
$$\cos x\, f_2' + y\cos x\left(f_{21}''\cdot(-1) + f_{22}''\cdot\sin x\right)$$
|
||||
|
||||
**Step 3:合并(利用 $f_{12}'' = f_{21}''$)**
|
||||
$$\boxed{\frac{\partial^2 z}{\partial x\partial y} = -2f_{11}'' + (2\sin x - \cos x)f_{12}'' + \cos x\, f_2' - y\cos x\, f_{21}'' + y\cos x\sin x\, f_{22}''}$$
|
||||
整理($f_{12}'' = f_{21}''$):
|
||||
$$\boxed{\frac{\partial^2 z}{\partial x\partial y} = -2f_{11}'' + (2\sin x - \cos x)f_{12}'' + \cos x\cdot f_2' + y\cos x(\sin x\, f_{22}'' - f_{12}'')}$$
|
||||
|
||||
**这道题浓缩了**:
|
||||
1. 链式法则树状图(两条路径求 $\partial z/\partial x$)
|
||||
2. **$f_1', f_2'$ 再求导必须按链式二次展开**(数学二最高频失分点)
|
||||
3. 乘法法则处理 $y\cos x\cdot f_2'$
|
||||
4. 混合偏导连续 → $f_{12}'' = f_{21}''$ 化简
|
||||
|
||||
**做完且理解透彻 → 多元复合函数求导"通关"。**
|
||||
|
||||
---
|
||||
|
||||
## ⑦ 附录:速查表
|
||||
|
||||
### 一、可微性关系图(必背)
|
||||
|
||||
```
|
||||
偏导连续
|
||||
↓(充分)
|
||||
可微 ──────→ 连续
|
||||
↓(必要) ↓
|
||||
偏导存在 (无箭头关系)
|
||||
```
|
||||
**记忆口诀**:连续最弱、偏导存在另立门户;只有"可微"是枢纽——向上够得着连续,向下要得到偏导。
|
||||
|
||||
### 二、常见反例库(概念选择题弹药)
|
||||
|
||||
| 函数(原点处) | 连续 | 偏导存在 | 可微 |
|
||||
|---------------|------|---------|------|
|
||||
| $f = \dfrac{xy}{x^2+y^2}$ | ❌ | ✅ | ❌ |
|
||||
| $f = \dfrac{xy}{\sqrt{x^2+y^2}}$ | ✅ | ✅ | ❌ |
|
||||
| $f = \sqrt{\lvert xy\rvert}$ | ✅ | ❌ | ❌ |
|
||||
| $f = x^2 + y^2$ | ✅ | ✅ | ✅ |
|
||||
|
||||
### 三、拉格朗日方程组模板
|
||||
|
||||
求 $f(x,y)$ 在 $\varphi(x,y)=0$ 下的极值:
|
||||
$$\begin{cases} f_x + \lambda\varphi_x = 0 \\ f_y + \lambda\varphi_y = 0 \\ \varphi(x,y) = 0 \end{cases}$$
|
||||
|
||||
### 四、常见全微分速算
|
||||
|
||||
| $z$ | $dz$ |
|
||||
|-----|------|
|
||||
| $e^{xy}$ | $e^{xy}(y\,dx + x\,dy)$ |
|
||||
| $\ln(x^2 + y^2)$ | $\dfrac{2(x\,dx + y\,dy)}{x^2 + y^2}$ |
|
||||
| $\arctan\dfrac{y}{x}$ | $\dfrac{x\,dy - y\,dx}{x^2 + y^2}$ |
|
||||
| $x^y$ | $x^y\left(\dfrac{y}{x}\,dx + \ln x\,dy\right)$ |
|
||||
@@ -0,0 +1,108 @@
|
||||
# 题型一:重极限与连续
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 求 $\displaystyle\lim_{(x,y)\to(x_0,y_0)} f(x,y)$,或判断极限是否存在
|
||||
- 函数含 $x^2 + y^2$、$xy$、$\sin(x^2+y^2)$ 等"整体型"结构
|
||||
- 分段函数在某点的连续性判定
|
||||
- **数学二要求**:了解即可,常以选择题/概念题出现
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[二重极限问题] --> B{怀疑极限不存在?}
|
||||
B -->|是| C[路径法: 取 y=kx 或 y=x² 等特殊路径]
|
||||
C --> D{不同路径极限不同?}
|
||||
D -->|是| E[极限不存在 ✅]
|
||||
D -->|否| F[还需严格证明, 不能下结论]
|
||||
B -->|否, 求极限| G{含 x²+y² 整体?}
|
||||
G -->|是| H[换元 t=x²+y²→0 化一元极限]
|
||||
G -->|否| I[夹逼/等价无穷小/极坐标换元]
|
||||
H --> J[用一元极限方法求解]
|
||||
I --> J
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、证明二重极限不存在:路径法
|
||||
|
||||
选两条(或多条)趋于 $(x_0,y_0)$ 的不同路径,计算沿各路径的极限:
|
||||
|
||||
- **直线路径**:$y = kx$(过原点时);一般路径:$y - y_0 = k(x - x_0)$
|
||||
- **曲线路径**:$y = x^2$、$x = y^2$、$y = kx^2$ 等
|
||||
- **结论**:只要两条路径极限不同(或某条不存在)→ 二重极限不存在
|
||||
|
||||
> ⚠️ **路径法只能证"不存在"**。沿若干路径极限相同**不能**证明极限存在——二重极限要求"任意方式"趋近都收敛到同一值。
|
||||
|
||||
### 二、求二重极限(存在情形)
|
||||
|
||||
1. **直接代入**:函数在点处连续 → 极限 = 函数值
|
||||
2. **换元化一**:含 $x^2 + y^2$ 整体 → 令 $t = x^2 + y^2$ 或极坐标 $x = r\cos\theta,\ y = r\sin\theta$,$r\to0$
|
||||
3. **夹逼**:取绝对值后 $\lvert f \rvert \le g(x,y) \to 0$
|
||||
4. **等价无穷小/有理化**:与一元极限技巧相通
|
||||
|
||||
### 三、连续性判定
|
||||
|
||||
$$\lim_{(x,y)\to(x_0,y_0)} f(x,y) = f(x_0,y_0) \iff f \text{ 在 } (x_0,y_0) \text{ 连续}$$
|
||||
|
||||
- 分段函数分界点:**先判极限,再与函数值比较**
|
||||
- 有界闭区域上连续函数:最值定理、介值定理(了解)
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **路径法误用**:几条路径相同就断言极限存在(必须任意路径)
|
||||
- **极坐标滥用**:$x = r\cos\theta$ 换元后,若结果含 $\theta$,说明沿不同射线极限不同 → 极限不存在;但 $\theta$ 消失也不保证存在(还需考虑 $r\to0$ 的方式)
|
||||
- **分母为零的"先代值"**:$(x,y)\to(0,0)$ 时先令 $x=0$ 再取极限,会丢掉"同时趋于"的信息
|
||||
- **把一元结论硬搬**:如 $\lim_{x\to0}\dfrac{\sin x}{x} = 1$ 与 $\lim_{(x,y)\to(0,0)}\dfrac{\sin(xy)}{xy}$(后者 = 1,但要先确认 $xy\to0$)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:判断 $\displaystyle\lim_{(x,y)\to(0,0)} \frac{xy}{x^2 + y^2}$ 是否存在。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:沿直线路径 $y = kx$**
|
||||
$$\lim_{x\to0}\frac{x\cdot kx}{x^2 + k^2x^2} = \frac{k}{1 + k^2}$$
|
||||
|
||||
**Step 2:观察结果**
|
||||
极限值随 $k$ 变化——沿 $y = x$ 得 $\tfrac12$,沿 $y = 2x$ 得 $\tfrac{2}{5}$。
|
||||
|
||||
**Step 3:结论**
|
||||
两条路径极限不同 → **二重极限不存在**。
|
||||
|
||||
**为什么这步能行**:二重极限的定义要求"以任意方式趋近极限都相同";找到两条不同路径即可**一票否决**。这是处理"重极限是否存在"的最快武器。
|
||||
|
||||
---
|
||||
|
||||
> **题目**:求 $\displaystyle\lim_{(x,y)\to(0,0)} \frac{\sin(x^2 + y^2)}{x^2 + y^2}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:整体换元**
|
||||
令 $t = x^2 + y^2$,则 $(x,y)\to(0,0)$ 时 $t\to0^+$。
|
||||
|
||||
**Step 2:化为一元重要极限**
|
||||
$$\lim_{t\to0^+}\frac{\sin t}{t} = 1$$
|
||||
|
||||
**Step 3:结论**
|
||||
$$\boxed{\lim_{(x,y)\to(0,0)} \frac{\sin(x^2+y^2)}{x^2+y^2} = 1}$$
|
||||
|
||||
**为什么这步能行**:被积函数只依赖 $x^2+y^2$ 这个整体,重极限"退化"为一元极限,直接套重要极限。
|
||||
|
||||
---
|
||||
|
||||
> **题目**:设 $f(x,y) = \begin{cases} \dfrac{x^2 y}{x^2 + y^2}, & (x,y)\ne(0,0) \\ 0, & (x,y) = (0,0) \end{cases}$,讨论 $f$ 在 $(0,0)$ 处的连续性。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:估计极限(夹逼)**
|
||||
$$\left\lvert \frac{x^2y}{x^2+y^2} \right\rvert \le \frac{x^2\lvert y\rvert}{x^2 + y^2} \le \frac{(x^2+y^2)\lvert y\rvert}{x^2+y^2} = \lvert y\rvert \to 0$$
|
||||
|
||||
**Step 2:极限值**
|
||||
$$\lim_{(x,y)\to(0,0)} f(x,y) = 0 = f(0,0)$$
|
||||
|
||||
**Step 3:结论**
|
||||
$$\boxed{f \text{ 在 } (0,0) \text{ 处连续}}$$
|
||||
|
||||
**为什么这步能行**:分母 $x^2+y^2 \ge x^2$,故 $\dfrac{x^2}{x^2+y^2} \le 1$(有界量)× 无穷小 $y$ → 0。**夹逼 + 有界×无穷小**是重极限证明的标配。
|
||||
@@ -0,0 +1,97 @@
|
||||
# 题型二:偏导数与全微分(概念与可微性判定)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 分段函数在**分界点**处的偏导数、全微分、可微性判定
|
||||
- 判断"可微 / 连续 / 偏导存在"关系的概念选择题
|
||||
- 求某点的全微分 $dz$ 或全增量 $\Delta z$
|
||||
- 数学二高频选择题 + 大题铺垫
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[求点 x0,y0 处偏导/可微性] --> B{是否分段函数分界点?}
|
||||
B -->|是| C[偏导用定义求]
|
||||
B -->|否| D[先求导函数再代点]
|
||||
C --> E{要判可微?}
|
||||
D --> F[偏导连续 → 可微, 直接写 dz]
|
||||
E -->|是| G[作差 Δz - fxΔx - fyΔy]
|
||||
G --> H[判断 Δz-fxΔx-fyΔy / ρ → 0?]
|
||||
H -->|是| I[可微 ✅]
|
||||
H -->|否| J[不可微 ❌]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、求偏导数
|
||||
|
||||
**非分界点**(表达式光滑处):对谁求导谁当变量,其余当常数,用一元求导法则。
|
||||
|
||||
- *极简例子:* $f = x^2 e^{xy}$:$f_x = 2xe^{xy} + x^2 y e^{xy}$,$f_y = x^3 e^{xy}$
|
||||
|
||||
**分界点 $(x_0,y_0)$ 处**(用定义):
|
||||
$$f_x'(x_0,y_0) = \lim_{\Delta x\to 0}\frac{f(x_0+\Delta x, y_0) - f(x_0, y_0)}{\Delta x}$$
|
||||
|
||||
> ⚠️ 先代值再求导是错的!偏导定义中**先固定另一个变量**,再对一元函数取导数极限。
|
||||
|
||||
### 二、判定可微性(三步法)
|
||||
|
||||
1. **求偏导存在**:用定义算出 $f_x(0,0)$、$f_y(0,0)$;
|
||||
2. **作差**:$\Delta z - [f_x(0,0)\Delta x + f_y(0,0)\Delta y]$;
|
||||
3. **判极限**:$\displaystyle\lim_{\rho\to 0}\frac{\Delta z - [f_x(0,0)\Delta x + f_y(0,0)\Delta y]}{\rho} = 0$($\rho = \sqrt{\Delta x^2 + \Delta y^2}$)→ 可微。
|
||||
|
||||
**快捷充分条件**:偏导**连续** → 可微(不必走定义)。
|
||||
|
||||
### 三、写全微分
|
||||
|
||||
可微时:$dz = f_x(x_0,y_0)\,dx + f_y(x_0,y_0)\,dy$。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **分界点处用表达式求导**:直接用一元法则对分界点附近公式求导,再代入——丢失定义极限
|
||||
- **$\rho$ 记错**:$\rho = \sqrt{\Delta x^2 + \Delta y^2}$,不是 $\lvert\Delta x\rvert$
|
||||
- **可微性判据误用**:$f_x, f_y$ 存在**不保证**可微;$f_x, f_y$ 连续**充分**但不必要
|
||||
- **全微分符号**:$dz = f_x dx + f_y dy$ 中 $dx, dy$ 是自变量的微分,不能漏
|
||||
- **"连续但不可偏导"反例记不住**:$f = \sqrt{\lvert xy\rvert}$ 在原点连续但 $f_x, f_y$ 不存在
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $f(x,y) = \begin{cases} \dfrac{xy}{\sqrt{x^2 + y^2}}, & (x,y)\ne(0,0) \\ 0, & (x,y)=(0,0) \end{cases}$,讨论 $f$ 在 $(0,0)$ 处的连续性与可微性。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:判定连续性**
|
||||
$$\lvert f \rvert = \frac{\lvert xy\rvert}{\sqrt{x^2+y^2}} \le \frac{(x^2+y^2)/2}{\sqrt{x^2+y^2}} = \frac{\sqrt{x^2+y^2}}{2} \to 0$$
|
||||
(用 $2\lvert xy\rvert \le x^2 + y^2$)→ $\lim f = 0 = f(0,0)$ → **连续**。
|
||||
|
||||
**Step 2:求偏导(定义)**
|
||||
$$f_x(0,0) = \lim_{\Delta x\to 0}\frac{\dfrac{0}{\lvert\Delta x\rvert} - 0}{\Delta x} = \lim_{\Delta x\to0}\frac{0}{\Delta x} = 0$$
|
||||
同理 $f_y(0,0) = 0$。**偏导存在**。
|
||||
|
||||
**Step 3:可微性判定**
|
||||
$$\Delta z - 0 = \frac{\Delta x\Delta y}{\sqrt{\Delta x^2 + \Delta y^2}}$$
|
||||
$$\lim_{\rho\to0}\frac{\Delta z}{\rho} = \lim_{\rho\to0}\frac{\Delta x\Delta y}{\Delta x^2 + \Delta y^2}$$
|
||||
取 $\Delta y = k\Delta x$:$\dfrac{k\Delta x^2}{(1+k^2)\Delta x^2} = \dfrac{k}{1+k^2}$ 随 $k$ 变 ≠ 0 → **不可微**。
|
||||
|
||||
**Step 4:结论**
|
||||
$$\boxed{f \text{ 在 } (0,0) \text{ 连续、可偏导、但不可微}}$$
|
||||
|
||||
**为什么这步能行**:这个函数是"连续 + 可偏导 ≠ 可微"的**标准反例**——第二步作差后分母升级为 $\rho$,比 $\lvert f\rvert \le \tfrac{\rho}{2}$ 的估计"高一阶",极限判别失效,暴露不可微。
|
||||
|
||||
---
|
||||
|
||||
> **题目**:设 $z = f(x,y) = \ln(1 + x^2 y)$,求 $dz\Big|_{(1,1)}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:求偏导函数**
|
||||
$$f_x = \frac{2xy}{1+x^2y},\qquad f_y = \frac{x^2}{1+x^2y}$$
|
||||
|
||||
**Step 2:代入点 $(1,1)$**
|
||||
$$f_x(1,1) = \frac{2}{2} = 1,\qquad f_y(1,1) = \frac{1}{2}$$
|
||||
|
||||
**Step 3:写全微分**
|
||||
$$\boxed{dz\Big|_{(1,1)} = dx + \frac{1}{2}dy}$$
|
||||
|
||||
**为什么这步能行**:$f_x, f_y$ 在 $(1,1)$ 附近连续 → 可微 → 全微分公式直接成立,无需走定义。
|
||||
@@ -0,0 +1,110 @@
|
||||
# 题型三:多元复合函数求导(链式法则)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 复合结构:$z = f(u,v)$,其中 $u = u(x,y)$,$v = v(x,y)$
|
||||
- **抽象函数**:$z = f(x^2+y^2, xy)$、$z = f(2x-y, y\sin x)$ 型($f$ 的表达式未知,只有二阶连续偏导假设)
|
||||
- 求一阶偏导、二阶偏导(尤其是**混合偏导** $\dfrac{\partial^2 z}{\partial x\partial y}$)
|
||||
- **数学二每年必考大题**(武忠祥:所有卷子考得最多的一种题型)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[复合函数求偏导] --> B[画变量关系树]
|
||||
B --> C[找 z 到目标变量的所有路径]
|
||||
C --> D[同一路径相乘, 不同路径相加]
|
||||
D --> E{求二阶偏导?}
|
||||
E -->|否| F[写出结果 ✅]
|
||||
E -->|是| G[对一阶结果再求偏导]
|
||||
G --> H[关键: f1', f2' 仍具有相同复合结构, 必须再次链式展开]
|
||||
H --> I[乘法法则处理系数项]
|
||||
I --> J[利用混合偏导连续 f12''=f21'' 合并]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、链式法则公式
|
||||
|
||||
$z = f(u,v)$,$u = u(x,y)$,$v = v(x,y)$:
|
||||
$$\frac{\partial z}{\partial x} = \frac{\partial f}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial f}{\partial v}\frac{\partial v}{\partial x},\qquad \frac{\partial z}{\partial y} = \frac{\partial f}{\partial u}\frac{\partial u}{\partial y} + \frac{\partial f}{\partial v}\frac{\partial v}{\partial y}$$
|
||||
|
||||
**全导数**($z = f(x,y)$,$y = y(x)$):
|
||||
$$\frac{dz}{dx} = f_x + f_y\frac{dy}{dx}$$
|
||||
|
||||
### 二、抽象函数记号
|
||||
|
||||
- 记 $f_1' = \dfrac{\partial f}{\partial(\text{第1位置})}$,$f_2' = \dfrac{\partial f}{\partial(\text{第2位置})}$
|
||||
- $f_{12}'' = \dfrac{\partial^2 f}{\partial(\text{位置1})\partial(\text{位置2})}$
|
||||
- **铁律**:$f_1', f_2'$ 与 $f$ 具有**完全相同的复合结构**——对它们再求偏导时,仍要按链式法则在两个位置展开。
|
||||
|
||||
### 三、二阶混合偏导标准流程
|
||||
|
||||
1. 求出 $\dfrac{\partial z}{\partial x}$(含 $f_1', f_2'$ 及其系数);
|
||||
2. 对 $y$ 求导:
|
||||
- 每项用**乘法法则**(系数是 $x,y$ 的函数要一起求导);
|
||||
- $f_1'$ 对 $y$ 求导 = $f_{11}''\cdot u_y + f_{12}''\cdot v_y$(**两个位置都算!**);
|
||||
3. 混合偏导连续 → $f_{12}'' = f_{21}''$,合并同类项。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **$f_1'$ 再求导只算一个位置**:漏掉 $f_{12}''$ 交叉项(**经典错误,标准零分**)
|
||||
- **系数漏乘/漏求导**:$y\cos x\cdot f_2'$ 对 $y$ 求导时,$y\cos x$ 也要用乘法法则
|
||||
- **$\partial$ 与 $d$ 混用**:全导数用 $dz/dx$,偏导用 $\partial z/\partial x$,不能混
|
||||
- **换元后忘回代**:求出含 $u,v$ 的表达式后,必须代回 $u = u(x,y)$,$v = v(x,y)$
|
||||
- **$f_{12}''$ 与 $f_{21}''$ 不合并**:题设"二阶连续偏导"即可放心交换
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $z = f(xy, x^2 - y^2)$,$f$ 具有二阶连续偏导数,求 $\dfrac{\partial z}{\partial x}$、$\dfrac{\partial^2 z}{\partial x\partial y}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:记中间变量**
|
||||
$u = xy$,$v = x^2 - y^2$,则 $z = f(u,v)$。
|
||||
|
||||
**Step 2:一阶偏导(链式)**
|
||||
$$\frac{\partial z}{\partial x} = f_1'\cdot y + f_2'\cdot 2x = yf_1' + 2x f_2'$$
|
||||
|
||||
**Step 3:二阶混合偏导(对 $y$ 求导)**
|
||||
|
||||
第一项 $y f_1'$ 对 $y$ 求导(乘法法则 + 链式):
|
||||
$$\frac{\partial}{\partial y}(y f_1') = f_1' + y\left(f_{11}''\cdot x + f_{12}''\cdot(-2y)\right) = f_1' + xy f_{11}'' - 2y^2 f_{12}''$$
|
||||
|
||||
第二项 $2x f_2'$ 对 $y$ 求导($2x$ 是常数系数,$f_2'$ 继续链式):
|
||||
$$\frac{\partial}{\partial y}(2x f_2') = 2x\left(f_{21}''\cdot x + f_{22}''\cdot(-2y)\right) = 2x^2 f_{21}'' - 4xy f_{22}''$$
|
||||
|
||||
**Step 4:合并($f_{12}'' = f_{21}''$)**
|
||||
$$\boxed{\frac{\partial^2 z}{\partial x\partial y} = f_1' + xy f_{11}'' + (2x^2 - 2y^2) f_{12}'' - 4xy f_{22}''}$$
|
||||
|
||||
**为什么这步能行**:难点全在 $f_1'$ 对 $y$ 求导——$f_1'$ 内部仍是 $(u,v) = (xy, x^2-y^2)$,所以必须算 $f_{11}''\cdot x$($u_y$)和 $f_{12}''\cdot(-2y)$($v_y$)**两项**。漏一项就前功尽弃。
|
||||
|
||||
---
|
||||
|
||||
> **题目**(全导数):设 $z = f(x, y)$ 可微,$y = x^2$,$f_x(x,y) + f_y(x,y) = 0$,求 $\dfrac{dz}{dx}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:全导数公式**
|
||||
$$\frac{dz}{dx} = f_x\cdot 1 + f_y\cdot\frac{dy}{dx} = f_x + f_y\cdot 2x$$
|
||||
|
||||
**Step 2:代入条件**
|
||||
$$f_x + f_y = 0 \Rightarrow f_y = -f_x$$
|
||||
$$\frac{dz}{dx} = f_x - 2x f_x = (1 - 2x)f_x$$
|
||||
|
||||
**Step 3:结论**
|
||||
$$\boxed{\frac{dz}{dx} = (1-2x)f_x(x, x^2)}$$
|
||||
|
||||
**为什么这步能行**:$x$ 通过**两条路径**影响 $z$——直接路径 $z\to x$($f_x$)和间接路径 $z\to y\to x$($f_y\cdot y'$)。全导数必须两条路径都算,"间接影响"是 $f_y\cdot 2x$ 而不是 $f_y$。
|
||||
|
||||
---
|
||||
|
||||
> **题目**(一题多角度验证):设 $z = e^{x^2+y^2}$($f(u) = e^u$,$u = x^2+y^2$),直接求 $z_x$ 并与链式法则对比。
|
||||
|
||||
**解析**:
|
||||
|
||||
**直接法**:$z_x = e^{x^2+y^2}\cdot 2x = 2xe^{x^2+y^2}$
|
||||
|
||||
**链式法**:$z = f(u)$,$\dfrac{dz}{dx} = f'(u)\cdot u_x = e^u\cdot 2x = 2xe^{x^2+y^2}$ ✅ 一致
|
||||
|
||||
**为什么这步能行**:链式法则是"一元复合求导"的推广;对单变量复合($z = f(u(x,y))$)退化为 $z_x = f'(u)u_x$——验证基本功。
|
||||
@@ -0,0 +1,112 @@
|
||||
# 题型四:隐函数求导
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 方程 $F(x,y) = 0$ 确定 $y = y(x)$,求 $\dfrac{dy}{dx}$、$\dfrac{d^2y}{dx^2}$
|
||||
- 方程 $F(x,y,z) = 0$ 确定 $z = z(x,y)$,求 $\dfrac{\partial z}{\partial x}$、$\dfrac{\partial z}{\partial y}$、二阶偏导
|
||||
- 方程组确定的隐函数(数学二一般只要求一个方程)
|
||||
- 数学二高频:选择填空 + 大题计算
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[隐函数求导] --> B{几个自变量?}
|
||||
B -->|一元: F x,y=0| C[dy/dx = -Fx/Fy]
|
||||
B -->|二元: F x,y,z=0| D[∂z/∂x = -Fx/Fz]
|
||||
C --> E{求二阶?}
|
||||
D --> E
|
||||
E -->|是| F[直接法: 对一阶结果再求导, 记得 z 是 x,y 的函数]
|
||||
E -->|否| G[写出结果 ✅]
|
||||
F --> G
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、一阶偏导(公式法)
|
||||
|
||||
**二元隐函数** $F(x,y) = 0$:
|
||||
$$\frac{dy}{dx} = -\frac{F_x}{F_y}\quad (F_y \ne 0)$$
|
||||
|
||||
**三元隐函数** $F(x,y,z) = 0$(确定 $z = z(x,y)$):
|
||||
$$\frac{\partial z}{\partial x} = -\frac{F_x}{F_z},\qquad \frac{\partial z}{\partial y} = -\frac{F_y}{F_z}\quad (F_z \ne 0)$$
|
||||
|
||||
**操作步骤**:
|
||||
1. 把方程移项成 $F(x,y,z) = 0$(右侧为 0);
|
||||
2. 对 $F$ 分别求 $F_x, F_y, F_z$(注意:$F_x$ 是对 $x$ 的偏导,$y,z$ 当常数);
|
||||
3. 套公式。
|
||||
|
||||
> **记忆口诀**:**谁是被求的因变量,谁在分母**;公式前面永远有负号。
|
||||
|
||||
### 二、二阶偏导(直接法)
|
||||
|
||||
1. 一阶结果 $z_x = -\dfrac{F_x}{F_z}$(仍是 $x,y$ 的函数);
|
||||
2. 对 $x$ 再求导:**牢记 $z = z(x,y)$**,遇到 $z$ 就用链式($\dfrac{\partial z}{\partial x} = z_x$);
|
||||
3. 解出 $z_{xx}$(可把 $z_x$ 表达式代入化简)。
|
||||
|
||||
> 或对原方程两边直接求导两次(隐函数直接法),同样注意 $z$ 是 $x,y$ 的函数。
|
||||
|
||||
### 三、方程组(了解即可,数学二低频)
|
||||
|
||||
$\begin{cases} F(x,y,u,v) = 0 \\ G(x,y,u,v) = 0 \end{cases}$ 确定的 $u,v$ 对 $x,y$ 的偏导——两边对 $x$ 求导,解线性方程组。数学二大纲不要求,可跳过。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **负号丢失**:公式 $\dfrac{dy}{dx} = -\dfrac{F_x}{F_y}$ 的负号是最常见失分点
|
||||
- **分子分母颠倒**:因变量放分母(应为 $F_z$ 在分母,因变量是 $z$)
|
||||
- **$F_x$ 求错**:求 $F_x$ 时把 $z$ 当常数;**注意 $F$ 本身可能已含 $z$**,求 $F_x$ 时 $z$ 不动
|
||||
- **二阶导漏链式**:$z_{xx}$ 求导时忘了 $z$ 是 $x$ 的函数,把 $z$ 当常数
|
||||
- **隐函数存在条件不验**:$F_z \ne 0$(或 $F_y \ne 0$)才可确定隐函数
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $z = z(x,y)$ 由方程 $x^2 + y^2 + z^2 - 4z = 0$ 确定,求 $\dfrac{\partial z}{\partial x}$ 及 $\dfrac{\partial^2 z}{\partial x^2}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:构造 $F$ 并求偏导**
|
||||
$$F = x^2 + y^2 + z^2 - 4z$$
|
||||
$$F_x = 2x,\qquad F_z = 2z - 4 = 2(z - 2)$$
|
||||
|
||||
**Step 2:一阶(公式法)**
|
||||
$$\frac{\partial z}{\partial x} = -\frac{F_x}{F_z} = -\frac{2x}{2(z-2)} = \frac{x}{2 - z}$$
|
||||
|
||||
**Step 3:二阶(直接法,$z$ 是 $x$ 的函数!)**
|
||||
$$\frac{\partial^2 z}{\partial x^2} = \frac{\partial}{\partial x}\left(\frac{x}{2-z}\right) = \frac{(2-z) - x\cdot(-z_x)}{(2-z)^2} = \frac{2 - z + xz_x}{(2-z)^2}$$
|
||||
代入 $z_x = \dfrac{x}{2-z}$:
|
||||
$$= \frac{2 - z + \dfrac{x^2}{2-z}}{(2-z)^2} = \frac{(2-z)^2 + x^2}{(2-z)^3}$$
|
||||
|
||||
**Step 4:结论**
|
||||
$$\boxed{\frac{\partial z}{\partial x} = \frac{x}{2-z},\qquad \frac{\partial^2 z}{\partial x^2} = \frac{(2-z)^2 + x^2}{(2-z)^3}}$$
|
||||
|
||||
**为什么这步能行**:一阶用公式最稳;二阶用直接法,**关键在 $\dfrac{\partial}{\partial x}(2-z) = -z_x$**——若把 $z$ 当常数就全错了。分母的 $2-z$ 本质是 $F_z$ 变号。
|
||||
|
||||
---
|
||||
|
||||
> **题目**(直接法对比):$e^z = xyz$,求 $\dfrac{\partial z}{\partial x}$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:公式法**
|
||||
$F = e^z - xyz$:
|
||||
$$F_x = -yz,\qquad F_z = e^z - xy$$
|
||||
$$\frac{\partial z}{\partial x} = -\frac{-yz}{e^z - xy} = \frac{yz}{e^z - xy}$$
|
||||
|
||||
**Step 2:直接法验证(方程两边对 $x$ 求导)**
|
||||
$$e^z z_x = yz + xy z_x \Rightarrow (e^z - xy)z_x = yz \Rightarrow z_x = \frac{yz}{e^z - xy}$$ ✅
|
||||
|
||||
**为什么这步能行**:直接法把 $z$ 当作 $z(x,y)$ 处理,等式两边对 $x$ 求偏导即可;与公式法殊途同归。**两种方法都要求记住"$z$ 是 $x$ 的函数"**。
|
||||
|
||||
---
|
||||
|
||||
> **题目**:设 $F(x, y, z)$ 有连续偏导且 $F_z \ne 0$,证明 $\dfrac{\partial z}{\partial x}\cdot\dfrac{\partial x}{\partial y}\cdot\dfrac{\partial y}{\partial z} = -1$(循环关系)。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:三个偏导分别用公式**
|
||||
$$z_x = -\frac{F_x}{F_z},\qquad x_y = -\frac{F_y}{F_x}\ \text{(把 } x \text{ 视为 } y,z \text{ 的函数)},\qquad y_z = -\frac{F_z}{F_y}$$
|
||||
|
||||
**Step 2:相乘**
|
||||
$$\frac{\partial z}{\partial x}\cdot\frac{\partial x}{\partial y}\cdot\frac{\partial y}{\partial z} = \left(-\frac{F_x}{F_z}\right)\left(-\frac{F_y}{F_x}\right)\left(-\frac{F_z}{F_y}\right) = -1$$
|
||||
|
||||
**为什么这步能行**:三个偏导中"函数身份"不同($z$ 是 $x,y$ 的函数、$x$ 是 $y,z$ 的函数),但公式统一为 $-\dfrac{\partial \text{自变量}}{\partial \text{因变量}}$ 的偏导之比,分子分母连环约分得到 $-1$。这是隐函数偏导的著名结论,选择题可直接用。
|
||||
@@ -0,0 +1,108 @@
|
||||
# 题型五:多元函数极值与最值(无条件极值)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 求二元函数 $f(x,y)$ 的**极值**(无条件)——没有约束方程
|
||||
- 求 $f(x,y)$ 在**有界闭区域**上的**最值**
|
||||
- 应用题(几何/物理)化为多元最值问题
|
||||
- 数学二高频:大题 + 选择填空
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[极值/最值问题] --> B{无条件还是区域最值?}
|
||||
B -->|无条件极值| C[解 fx=0, fy=0 求驻点]
|
||||
C --> D[补充检查不可导点]
|
||||
D --> E[对驻点算 A=fxx, B=fxy, C=fyy]
|
||||
E --> F{AC-B² 定号}
|
||||
F -->|>0 且 A>0| G[极小值]
|
||||
F -->|>0 且 A<0| H[极大值]
|
||||
F -->|<0| I[非极值 鞍点]
|
||||
F -->|=0| J[定义法/特殊路径判定]
|
||||
B -->|区域最值| K[内部驻点 + 边界最值 + 不可导点]
|
||||
K --> L[全部候选值比较取最大最小]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、无条件极值($AC - B^2$ 判别法)
|
||||
|
||||
1. **找驻点**:解 $\begin{cases} f_x(x,y) = 0 \\ f_y(x,y) = 0 \end{cases}$;
|
||||
2. **补不可导点**(偏导不存在的点也可能是极值点,如 $f = \sqrt{x^2+y^2}$ 在原点);
|
||||
3. **判别**:对每个驻点 $(x_0,y_0)$,令
|
||||
$$A = f_{xx}''(x_0,y_0),\quad B = f_{xy}''(x_0,y_0),\quad C = f_{yy}''(x_0,y_0)$$
|
||||
- $AC - B^2 > 0$ 且 $A > 0$:极小值 $f(x_0,y_0)$
|
||||
- $AC - B^2 > 0$ 且 $A < 0$:极大值 $f(x_0,y_0)$
|
||||
- $AC - B^2 < 0$:非极值(鞍点)
|
||||
- $AC - B^2 = 0$:**失效**,用定义或特殊路径考察
|
||||
|
||||
### 二、有界闭区域最值(三步)
|
||||
|
||||
1. **内部**:解 $f_x = f_y = 0$,取区域内的驻点,算函数值;
|
||||
2. **边界**:用参数化或拉格朗日求边界上的最值;
|
||||
3. **比较**:全部候选值(内部驻点值 + 边界最值 + 不可导点值)取最大/最小。
|
||||
|
||||
### 三、极值的必要条件
|
||||
|
||||
可微函数取极值 → 驻点($f_x = f_y = 0$)。**不充分**——驻点可能是鞍点。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **漏不可导点**:只解驻点,忽略 $f = \sqrt{x^2+y^2}$ 这类在原点偏导不存在的极值点
|
||||
- **$AC - B^2$ 的 $A$ 判断**:$AC - B^2 > 0$ 时用 $A$(不是 $C$)的符号定极大/极小;$A > 0$ 极小,$A < 0$ 极大
|
||||
- **$AC - B^2 = 0$ 硬套结论**:此时判别法失效,必须换法(沿路径 $y = kx$ 考察函数符号)
|
||||
- **区域最值漏边界**:边界上最值常出现在端点/尖点,参数化后别忘了端点
|
||||
- **应用题定义域**:实际问题中 $x, y$ 有范围(如长度 > 0),解出的驻点若不在定义域内要舍去
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:求 $f(x,y) = x^3 - y^3 + 3x^2 + 3y^2 - 9x$ 的极值。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:求驻点**
|
||||
$$f_x = 3x^2 + 6x - 9 = 3(x+3)(x-1) = 0 \Rightarrow x = -3 \text{ 或 } 1$$
|
||||
$$f_y = -3y^2 + 6y = -3y(y-2) = 0 \Rightarrow y = 0 \text{ 或 } 2$$
|
||||
驻点共 4 个:$(-3,0),\ (-3,2),\ (1,0),\ (1,2)$。
|
||||
|
||||
**Step 2:二阶偏导**
|
||||
$$f_{xx} = 6x + 6,\qquad f_{xy} = 0,\qquad f_{yy} = -6y + 6$$
|
||||
|
||||
**Step 3:逐个判别**
|
||||
|
||||
| 驻点 | $A = f_{xx}$ | $B$ | $C = f_{yy}$ | $AC - B^2$ | 结论 |
|
||||
|------|-------------|-----|--------------|------------|------|
|
||||
| $(-3,0)$ | $-12$ | $0$ | $6$ | $-72 < 0$ | 鞍点 |
|
||||
| $(-3,2)$ | $-12$ | $0$ | $-6$ | $72 > 0$,$A<0$ | 极大值 $f(-3,2) = 31$ |
|
||||
| $(1,0)$ | $12$ | $0$ | $6$ | $72 > 0$,$A>0$ | 极小值 $f(1,0) = -5$ |
|
||||
| $(1,2)$ | $12$ | $0$ | $-6$ | $-72 < 0$ | 鞍点 |
|
||||
|
||||
**Step 4:结论**
|
||||
$$\boxed{f_{\max} = f(-3,2) = 31,\qquad f_{\min} = f(1,0) = -5}$$
|
||||
|
||||
**为什么这步能行**:$f_{xy} = 0$ 使判别简化;$AC - B^2$ 的正负直接区分"极值点/鞍点",$A$ 的符号区分"极大/极小"。
|
||||
|
||||
---
|
||||
|
||||
> **题目**(区域最值):求 $f(x,y) = x^2 + y^2 - xy$ 在闭区域 $D = \{(x,y) \mid x^2 + y^2 \le 1\}$ 上的最大值与最小值。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:内部驻点**
|
||||
$$f_x = 2x - y = 0,\quad f_y = 2y - x = 0 \Rightarrow x = y = 0$$
|
||||
$f(0,0) = 0$。
|
||||
|
||||
**Step 2:边界 $x^2 + y^2 = 1$(拉格朗日)**
|
||||
$$L = x^2 + y^2 - xy + \lambda(x^2 + y^2 - 1)$$
|
||||
$$\begin{cases} 2x - y + 2\lambda x = 0 \\ 2y - x + 2\lambda y = 0 \\ x^2 + y^2 = 1 \end{cases}$$
|
||||
由前两式消元:$x = \pm y$。
|
||||
- $x = y$:$2x^2 = 1 \Rightarrow x = y = \pm\dfrac{1}{\sqrt2}$,$f = \dfrac{1}{2} + \dfrac{1}{2} - \dfrac{1}{2} = \dfrac{1}{2}$
|
||||
- $x = -y$:同理 $x = \dfrac{1}{\sqrt2}, y = -\dfrac{1}{\sqrt2}$,$f = \dfrac12 + \dfrac12 + \dfrac12 = \dfrac{3}{2}$
|
||||
|
||||
**Step 3:比较**
|
||||
候选值:$0,\ \dfrac12,\ \dfrac32$。
|
||||
|
||||
$$\boxed{f_{\min} = 0 \text{(在 } (0,0) \text{)},\qquad f_{\max} = \frac{3}{2} \text{(在 } \left(\tfrac1{\sqrt2}, -\tfrac1{\sqrt2}\right) \text{)}}$$
|
||||
|
||||
**为什么这步能行**:有界闭区域最值必须**内部 + 边界全覆盖**。边界用拉格朗日(或参数化 $x=\cos\theta, y=\sin\theta$ 化一元),两种方法都要会。
|
||||
@@ -0,0 +1,128 @@
|
||||
# 题型六:条件极值与拉格朗日乘数法
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 求 $f(x,y)$ 在**约束条件** $\varphi(x,y) = 0$ 下的极值/最值
|
||||
- 应用题:"在……条件下""围成最大面积""最近距离""最大体积/最小表面积"
|
||||
- 多元($x,y,z$ 三个变量 + 一个或两个约束)的最值
|
||||
- **数学二高频大题**(近五年命题趋势上升)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[条件极值问题] --> B[写出目标函数 f 与约束 φ=0]
|
||||
B --> C[构造拉格朗日函数 L = f + λφ]
|
||||
C --> D[列方程组 Lx=0, Ly=0, Lλ=0]
|
||||
D --> E[按变量/λ 是否为零分类讨论求解]
|
||||
E --> F[得到全部候选点]
|
||||
F --> G{是求最值还是极值?}
|
||||
G -->|最值| H[候选点代入 f 比较大小]
|
||||
G -->|极值| I[由实际背景/二阶条件判极大极小]
|
||||
H --> J[写出答案 ✅]
|
||||
I --> J
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、拉格朗日乘数法(一个约束)
|
||||
|
||||
1. **目标函数** $f(x,y)$,**约束** $\varphi(x,y) = 0$;
|
||||
2. 构造 $L(x,y,\lambda) = f(x,y) + \lambda\varphi(x,y)$;
|
||||
3. 解
|
||||
$$\begin{cases} L_x = f_x + \lambda\varphi_x = 0 \\ L_y = f_y + \lambda\varphi_y = 0 \\ L_\lambda = \varphi = 0 \end{cases}$$
|
||||
4. 候选点代入 $f$,结合题目背景(求最大/最小)定答案。
|
||||
|
||||
### 二、两个约束(了解)
|
||||
|
||||
$L = f + \lambda_1\varphi_1 + \lambda_2\varphi_2$,解 5 个方程。数学二出现概率低,掌握一元约束即可。
|
||||
|
||||
### 三、消元法(可简化时)
|
||||
|
||||
若 $\varphi = 0$ 可解出 $y = y(x)$,代入 $f$ 化为一元最值——但**约束复杂时拉格朗日更通用**,考试建议优先拉格朗日。
|
||||
|
||||
### 四、判别极大/极小(数学二要点)
|
||||
|
||||
拉格朗日驻点不自动区分极大/极小。判断方式:
|
||||
- **实际背景**(如"最大面积"直接取最大者);
|
||||
- **边界比较**(有界闭区域的最值问题);
|
||||
- 二阶条件($f_{xx}$ 等,较繁,考频低)。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **解方程组丢解**:直接除以 $x$ 或 $\lambda$ 丢零解——必须**分类讨论**
|
||||
- **约束写错**:$x + y = 1$ 写约束 $\varphi = x + y - 1 = 0$(右侧归零)
|
||||
- **构造 $L$ 符号**:$L = f + \lambda\varphi$(加号),或 $L = f - \lambda\varphi$ 均可,但解方程时符号要一致
|
||||
- **漏比较边界/端点**:最值问题中拉格朗日只覆盖"约束曲线内部",若区域还含边界段要补查
|
||||
- **$f$ 值算错**:候选点代入目标函数时的计算错误(仔细)
|
||||
- **应用题定义域**:几何量(距离、面积)非负,负值候选点直接舍去
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:求函数 $f(x,y) = x^2 + y^2$ 在条件 $x + y = 2$ 下的最小值。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:构造拉格朗日函数**
|
||||
$$\varphi = x + y - 2 = 0,\qquad L = x^2 + y^2 + \lambda(x + y - 2)$$
|
||||
|
||||
**Step 2:列方程组**
|
||||
$$\begin{cases} L_x = 2x + \lambda = 0 \\ L_y = 2y + \lambda = 0 \\ L_\lambda = x + y - 2 = 0 \end{cases}$$
|
||||
|
||||
**Step 3:求解**
|
||||
由前两式 $x = y = -\dfrac{\lambda}{2}$,代入第三式:
|
||||
$$-\frac{\lambda}{2} - \frac{\lambda}{2} = 2 \Rightarrow \lambda = -2 \Rightarrow x = y = 1$$
|
||||
|
||||
**Step 4:结论(唯一候选点,且问题必有最小值)**
|
||||
$$\boxed{f_{\min} = f(1,1) = 2}$$
|
||||
|
||||
**为什么这步能行**:问题"圆 $x^2+y^2$ 上离原点最近的点"在直线 $x+y=2$ 上的投影点,几何上显然唯一;拉格朗日直接给出该点。**无需求 $\lambda$ 的具体值,只需 $x,y$**。
|
||||
|
||||
---
|
||||
|
||||
> **题目**(应用题):要造一个无盖长方体容器,容积为 $V$,问长、宽、高各为多少时表面积最小?
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:建模**
|
||||
设长 $x$、宽 $y$、高 $z$,约束 $xyz = V$,目标表面积(无盖)
|
||||
$$S = xy + 2xz + 2yz$$
|
||||
|
||||
**Step 2:拉格朗日**
|
||||
$$L = xy + 2xz + 2yz + \lambda(xyz - V)$$
|
||||
$$\begin{cases} y + 2z + \lambda yz = 0 \\ x + 2z + \lambda xz = 0 \\ 2x + 2y + \lambda xy = 0 \\ xyz = V \end{cases}$$
|
||||
|
||||
**Step 3:求解(作差消 $\lambda$)**
|
||||
由第一、二式相减:
|
||||
$$(y - x) + \lambda z(y - x) = (y - x)(1 + \lambda z) = 0$$
|
||||
由第三式 $1 + \lambda z = -\dfrac{2x + 2y + \lambda xy - ...}{}$ 一般讨论得 $x = y$。同理 $y = 2z$。
|
||||
|
||||
设 $x = y = t$,$z = \dfrac{t}{2}$,代入 $xyz = V$:
|
||||
$$t\cdot t\cdot\frac{t}{2} = V \Rightarrow t = \sqrt[3]{2V} \Rightarrow z = \frac{1}{2}\sqrt[3]{2V}$$
|
||||
|
||||
**Step 4:结论**
|
||||
$$\boxed{\text{长} = \text{宽} = \sqrt[3]{2V},\qquad \text{高} = \frac{1}{2}\sqrt[3]{2V} \text{ 时表面积最小}}$$
|
||||
|
||||
**为什么这步能行**:三元 + 一个约束 → 3 个方程 + 约束共 4 方程解 4 未知数。**两式相减消去 $\lambda$** 是解此类方程组的通用技巧(利用对称性得 $x=y$ 等关系),比硬解高效得多。
|
||||
|
||||
---
|
||||
|
||||
> **题目**(几何最值):求原点到曲线 $xy = 1$ 的最短距离。
|
||||
|
||||
**解析**:
|
||||
|
||||
**Step 1:建模(目标函数用距离平方避免根号)**
|
||||
$$f = x^2 + y^2,\qquad \varphi = xy - 1 = 0$$
|
||||
|
||||
**Step 2:拉格朗日**
|
||||
$$L = x^2 + y^2 + \lambda(xy - 1)$$
|
||||
$$\begin{cases} 2x + \lambda y = 0 \\ 2y + \lambda x = 0 \\ xy = 1 \end{cases}$$
|
||||
|
||||
**Step 3:求解**
|
||||
由前两式:$\dfrac{2x}{y} = \dfrac{2y}{x} = -\lambda \Rightarrow x^2 = y^2$。结合 $xy = 1 > 0$:$x = y = \pm 1$。
|
||||
|
||||
**Step 4:结论**
|
||||
$$d = \sqrt{f(\pm1, \pm1)} = \sqrt{1 + 1} = \sqrt2$$
|
||||
$$\boxed{\text{最短距离 } d_{\min} = \sqrt2}$$
|
||||
|
||||
**为什么这步能行**:**距离问题先平方再求极值**(单调变换不改变最值点)是标准技巧。$x^2 = y^2$ 由对称性快速得到,再结合 $xy = 1$ 定号。
|
||||
Reference in New Issue
Block a user