82 lines
2.8 KiB
Markdown
82 lines
2.8 KiB
Markdown
# 专题 08 · 多元函数微分学
|
||
|
||
> 关联章节:[Ch08 多元函数微分学](../../高等数学/Ch08_多元函数微分学/Ch08_Partial_Derivatives.md)
|
||
|
||
## 偏导数与全微分
|
||
|
||
$$
|
||
f_x(x_0,y_0) = \lim_{\Delta x \to 0}\frac{f(x_0+\Delta x, y_0) - f(x_0,y_0)}{\Delta x}
|
||
$$
|
||
|
||
**全微分**:$\Delta z = A\Delta x + B\Delta y + o(\rho)$,则 $dz = f_x\,dx + f_y\,dy$。
|
||
|
||
⚠️ 逻辑链:**偏导连续 $\Rightarrow$ 可微 $\Rightarrow$ 连续、偏导存在**;偏导存在 $\not\Rightarrow$ 可微(反例 $f=\frac{xy}{\sqrt{x^2+y^2}}$ 在 $(0,0)$)。
|
||
|
||
**混合偏导**:$f_{xy}''$ 与 $f_{yx}''$ 连续时相等。
|
||
|
||
## ⭐ 复合函数链式法则
|
||
|
||
$z = f(u,v)$,$u=u(x,y)$,$v=v(x,y)$:
|
||
|
||
$$
|
||
\frac{\partial z}{\partial x} = f_u \frac{\partial u}{\partial x} + f_v \frac{\partial v}{\partial x},\qquad
|
||
\frac{\partial z}{\partial y} = f_u \frac{\partial u}{\partial y} + f_v \frac{\partial v}{\partial y}
|
||
$$
|
||
|
||
**全微分形式不变性**:$dz = f_u\,du + f_v\,dv$(无论 $u,v$ 是否中间变量)。
|
||
|
||
⚠️ 多层复合逐层写;求二阶偏导时 $f_u$ 仍是 $u,v$ 的函数,继续用链式法则。
|
||
|
||
## ⭐ 隐函数求导
|
||
|
||
| 情形 | 公式 |
|
||
|------|------|
|
||
| $F(x,y)=0$ | $\dfrac{dy}{dx} = -\dfrac{F_x}{F_y}$ |
|
||
| $F(x,y,z)=0$ | $\dfrac{\partial z}{\partial x} = -\dfrac{F_x}{F_z}$,$\dfrac{\partial z}{\partial y} = -\dfrac{F_y}{F_z}$ |
|
||
|
||
⚠️ 公式中 $F_x$ 是把 $y$(或 $z$)当**自变量**求偏导,不是复合函数求导。
|
||
|
||
## ⭐ 方向导数与梯度
|
||
|
||
单位方向 $\mathbf{l} = (\cos\alpha, \cos\beta, \cos\gamma)$:
|
||
|
||
$$
|
||
\frac{\partial f}{\partial l} = f_x\cos\alpha + f_y\cos\beta + f_z\cos\gamma
|
||
$$
|
||
|
||
**梯度**:$\operatorname{grad} f = (f_x, f_y, f_z)$。
|
||
|
||
- 方向导数最大值 $= |\operatorname{grad} f|$,方向为**梯度方向**;最小值 $= -|\operatorname{grad} f|$
|
||
- 梯度垂直于等值面,指向函数增长最快的方向
|
||
|
||
## 几何应用
|
||
|
||
- **显式** $z=f(x,y)$ 在 $(x_0,y_0)$ 的切平面:$z - z_0 = f_x(x_0,y_0)(x-x_0) + f_y(x_0,y_0)(y-y_0)$
|
||
- **隐式** $F(x,y,z)=0$ 的切平面:$F_x(x_0,y_0,z_0)(x-x_0) + F_y(y-y_0) + F_z(z-z_0) = 0$
|
||
- **法线方向**:$(F_x, F_y, F_z)$
|
||
|
||
## ⭐ 多元极值
|
||
|
||
**无条件极值**(驻点 $f_x = f_y = 0$,令 $A=f_{xx}$,$B=f_{xy}$,$C=f_{yy}$):
|
||
|
||
$$
|
||
\Delta = AC - B^2
|
||
$$
|
||
|
||
| $\Delta$ | 结论 |
|
||
|---------|------|
|
||
| $> 0$ 且 $A>0$ | 极小值 |
|
||
| $> 0$ 且 $A<0$ | 极大值 |
|
||
| $< 0$ | 非极值(鞍点) |
|
||
| $= 0$ | 失效,另判 |
|
||
|
||
**条件极值(拉格朗日乘数法)**:
|
||
|
||
$$
|
||
L(x,y,\lambda) = f(x,y) + \lambda\,\varphi(x,y)
|
||
$$
|
||
|
||
解 $\begin{cases}L_x = 0 \\ L_y = 0 \\ L_\lambda = 0\end{cases}$;多个约束 $L = f + \lambda_1\varphi_1 + \lambda_2\varphi_2$。
|
||
|
||
⚠️ 闭区域最值 = 内部驻点值 + 边界上最值取比较;边界用拉格朗日或化一元。
|