多元函数微分学

多元函数的极限与连续

全微分

方向导数和梯度

隐函数求导法

偏导数

多元复合函数的求导法则

多元函数的极值

多元函数微分法在几何上的应用

邻域

设δ是一个正数,则开区间(a-δ,a+δ)称为点a的δ邻域,记作,点a称为这个邻域的中心,δ称为这个邻域的半径

点及集合及区域

内点、边界点

边界、开集、闭集

区域、开区域

有界点集、无界点集

多元函数

设D为一个非空的n 元有序数组的集合, f为某一确定的对应规则。若对于每一个有序数组 ( x1,x2,…,xn)∈D,通过对应规则f,都有唯一确定的实数y与之对应,则称对应规则f为定义在D上的n元函数。记为y=f(x1,x2,…,xn) 其中 ( x1,x2,…,xn)∈D。 变量x1,x2,…,xn称为自变量,y称为因变量。

多元函数的连续性

多元函数的极限

若动点M沿某一条曲线无限趋近于M。时,函数f的极限不存在;或者动点M沿某两条不同曲线无限趋近于M。时,函数f有不同的“极限”

最大值和最小值定理

介值定理

动点M沿任意一条曲线以任何方式无限趋于M。时,函数的极限都存在且相等为A

多元初等函数

定义区域

设有二元函数 z=f(x,y) ,点(x0,y0)是其定义域D 内一点。把 y 固定在 y0而让 x 在 x0 有增量 △x ,相应地函数 z=f(x,y) 有增量(称为对 x 的偏增量)△z=f(x0+△x,y0)-f(x0,y0)。
如果 △z 与 △x 之比当 △x→0 时的极限存在,那么此极限值称为函数 z=f(x,y) 在 (x0,y0)处对 x 的偏导数,记作 f'x(x0,y0)或函数 z=f(x,y) 在(x0,y0)处对 x 的偏导数,实际上就是把 y 固定在 y0看成常数后,一元函数z=f(x,y0)在 x0处的导数。

几何意义

click to edit

表示固定面上一点的切线斜率。

偏导数 f'x(x0,y0) 表示固定面上一点对 x 轴的切线斜率;
偏导数 f'y(x0,y0) 表示固定面上一点对 y 轴的切线斜率。

如果二元函数 z=f(x,y) 的偏导数 f'x(x,y) 与 f'y(x,y) 仍然可导,那么这两个偏导函数的偏导数称为 z=f(x,y) 的二阶偏导数。二元函数的二阶偏导数有四个:f"xx,f"xy,f"yx,f"yy。

求分段点、不连续点的偏导数要用定义求

偏导数是一个整体记号,不能拆分

偏导数存在和连续的关系

一元函数某点可导=>连续

多元函数某点偏导数存在不能推出连续

全改变量

如果函数z=f(x, y) 在(x, y)处的全增量Δz=f(x+Δx,y+Δy)-f(x,y)可以表示为
Δz=AΔx+BΔy+o(ρ),其中A、B不依赖于Δx, Δy,仅与x,y有关,ρ趋近于0(ρ=√[(Δx)2+(Δy)2]),此时称函数z=f(x, y)在点(x,y)处可微分,x+BΔy称为函数z=f(x, y)在点(x, y)处的全微分,记为dz即dz=AΔx +BΔy该表达式称为函数z=f(x, y) 在(x, y)处(关于Δx, Δy)的全微分。

定理1:如果函数z=f(x,y)在点p0(x0,y0)处可微,则z=f(x,y)在p0(x0,y0)处连续,且各个偏导数存在,并且有f′x(x0,y0)=A,f′y(x0,y0)=B。

定理2:若函数z=f(x,y)在点p0(x0,y0)处的偏导数f′x,f′y连续,则函数f在点p0处可微。

偏导数连续是可微的充分不必要条件。

可微是偏导数存在的充分不必要条件。

链式求导

1.正确画出函数的链式结构图

2.链与链用加法,节与节用乘法

一阶全微分的形式不变性

无论u,v是自变量还是中间变量,函数z=f(u,v)的全微分形式是一样的。

隐函数存在定理1、2、3、4

解法

1.直接代入公式

2.运用推导公式的方法

空间曲面的切平面与法线

空间曲线的切线与法平面

切线:割线的极限位置

法平面:过切线且与切线垂直的平面

切向量:切线的方向向量

两种形式

参数方程

一般方程

切平面:在一定的条件下,这些切线位于同一平面,我们称这个平面为曲面Σ在点M处的切平面。

法线:通过切点而垂直与切平面的直线

曲面的法向量:垂直于曲面上切平面的向量

全微分的几何意义

切平面代替曲面

方向导数

在函数定义域的内点,对某一方向求导得到的导数。一般为二元函数和三元函数的方向导数,方向导数可分为沿直线方向和沿曲线方向的方向导数。

几何意义

二元函数在一点沿某个方向的变化率,几何意义是函数所代表的曲面在某个方向(这时曲面只在这个方向进行研究,即一条曲线)所表现出来的曲线的切线的斜率。

可微则任意方向的方向导数存在

梯度

表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)

梯度与方向导数的关系

函数在某点的梯度是这样一个向量,它的方向与取得最大方向导数的方向一致,而它的模为方向导数的最大值。

等值线、等值面与梯度

多元函数的极值及最大值、最小值

条件极值 拉格朗日乘数法

驻点

对于一个多元函数f,如果有一个点满足f所有自变量的偏导都同时为0,那么这个点被称为f的临界点,也称为驻点。

求极值

第三步 定出A*C-B^2的符号,按定理2的结论判定是否是极值、是极大值还是极小值。

第二步 对于每一个驻点,求出二阶偏导数的值A、B、C。

第一步 解方程组:偏导数为0

求最值

求出所有驻点及偏导数不存在的点的值进行比较

条件极值

设函数f(x)与g1(x),…,gm(x) (1≤m<n)在开集G⊂R上给定。记D为G中满足限制条件gj(x)=0,j=1,…,m的点x之集。设x0∈D。若存在x0的某个邻域B(x0,δ),使得当x∈B(x0,δ),同时x∈D时有f(x)≤f(x0)(f(x)≥f(x0)),则称x0点为函数f在限制条件gj(x)=0,j=1,…,m下的极大(小)值点。条件极大值点与条件极小值点统称为条件极值点。条件极大值点与条件极小值点的函数值即为函数f(x)在限制条件gj(x)下的条件极值。

拉格朗日乘数法

设给定二元函数z=ƒ(x,y)和附加条件φ(x,y)=0,为寻找z=ƒ(x,y)在附加条件下的极值点,先做拉格朗日函数 ,其中λ为参数。令F(x,y,λ)对x和y和λ的一阶偏导数等于零,即F'x=ƒ'x(x,y)+λφ'x(x,y)=0 ,F'y=ƒ'y(x,y)+λφ'y(x,y)=0,F'λ=φ(x,y)=0,由上述方程组解出x,y及λ,如此求得的(x,y),就是函数z=ƒ(x,y)在附加条件φ(x,y)=0下的可能极值点。若这样的点只有一个,由实际问题可直接确定此即所求的点。

计科2003程菲楠