YLH：0799主要内容：多元函数微分学

YLH：07-99|高等数学核心课程多元函数微分学Contents课程目录多元函数微分学·核心章节概览01多元函数的基本概念02偏导数与全微分03复合函数与隐函数微分法04多元函数微分学的几何应用05多元函数的极值与最值CHAPTER01多元函数的基本概念从一元到多元的思维跨越：理解多维空间中的函数关系MULTIVARIATECALCULUS为什么需要多元函数微分学现实世界中绝大多数物理量都依赖于多个变量，一元函数的微分理论无法完整描述多因素耦合系统中的变化规律，因此必须将微积分从一维推广到多维空间。理想气体状态方程实验场景01理想气体状态方程PV=nRT中，压强P同时受体积V和温度T两个变量影响，一元函数无法刻画这种多因素耦合关系02地形高度h(x,y)取决于经度和纬度两个坐标，温度场T(x,y,z,t)更是同时依赖于三个空间坐标和时间变量03生产成本C(q₁,q₂)取决于多种资源的投入量，优化问题本质上是在多维空间中寻找极值点04从物理学发展史看，十七世纪布拉德华已开始研究速度、动力和阻力的多变量关系，推动了多元微积分的诞生MultivariableCalculus多元函数的定义与表示多元函数是定义在n维空间点集上的映射关系，其中二元函数z=f(x,y)最为常见，其几何意义是三维空间中的曲面，理解定义域的几何形状是分析多元函数性质的前提。01n元函数定义：设D为n维空间中的点集，若对D中每个点P(x₁,x₂,...,xₙ)都有唯一实数值f(P)与之对应，则f为D上的n元函数。f:D→ℝ02几何意义：二元函数z=f(x,y)的几何意义是三维空间中的曲面，定义域D是xy平面上的某个区域，值域为实数集的子集。z=f(x,y)03定义域确定：需同时满足使函数表达式有意义的代数条件，以及符合实际问题背景的物理约束条件。代数+物理04典型示例：z=√(1−x²−y²)的定义域为单位圆盘x²+y²≤1，几何上对应上半球面，是一个有界闭区域。x²+y²≤1AdvancedCalculus多元函数的极限多元函数极限要求自变量沿任意路径趋近目标点时函数值均趋于同一常数，路径的无穷多样性使得多元极限的存在性判定远比一元情形复杂，需借助夹逼定理等工具。Definition极限的严格定义当(x,y)→(x₀,y₀)时，若f(x,y)沿任意路径都趋于常数A，则称A为f在点(x₀,y₀)的极限，记作limf(x,y)＝A。ε-δ语言表述：∀ε>0,∃δ>0,当0<√[(x-x₀)²+(y-y₀)²]<δ时，|f(x,y)-A|<εDifference与一元函数的本质区别二元情形下(x,y)可沿无穷多条路径趋近目标点，极限存在要求所有路径的结果必须一致。一元函数仅需考虑左右两个方向，多元函数需验证无穷多路径的收敛一致性Counterexample经典反例f(x,y)＝xy/(x²+y²)沿y＝kx趋近原点时极限为k/(1+k²)，随k变化而不同，故原点处极限不存在。沿x轴(y=0)极限为0，沿y=x极限为1/2，路径依赖性导致极限不存在Methods证明工具常用方法包括夹逼定理（将函数值约束在两个趋于同一极限的函数之间）和极坐标变换法。极坐标变换：令x=rcosθ,y=rsinθ，将二元极限转化为关于r的一元极限MultivariableCalculus多元函数的连续性多元函数连续性要求函数在某点的极限等于该点的函数值，但各变量分别连续不能保证整体连续，连续函数在有界闭区域上具有有界性和最值性等优良性质。01连续的定义若limf(x,y)=f(x₀,y₀)，当(x,y)→(x₀,y₀)，则称f在点(x₀,y₀)处连续，否则称该点为间断点。02关键区别即使f对每个固定变量都是连续函数，也不能推出f作为多元函数在该点连续，这是多元情形的独特现象。03四则运算封闭性连续函数的和、差、积仍连续，分母不为零时商也连续，复合函数的连续性同样保持。04有界闭区域上的性质必有界、必能取到最大值和最小值、必能取到最大最小值之间的一切中间值。CHAPTER02偏导数与全微分多元函数变化率的精确刻画：从方向导数到全微分的理论体系MultivariableCalculus偏导数的定义与计算偏导数是将其他变量视为常数后对某一变量的导数，几何上表示曲面被平行于坐标面的平面截取后所得曲线的切线斜率，但偏导数存在不能保证函数连续。01定义∂f/∂x=limΔx→0[f(x+Δx,y)−f(x,y)]/Δx，将y视为常数对x求导；同理可定义∂f/∂y02几何意义∂f/∂x|(x₀,y₀)是曲面z=f(x,y)被平面y=y₀所截曲线在点(x₀,y₀,f(x₀,y₀))处沿x方向的切线斜率03计算方法遵循一元函数求导法则，包括幂函数、指数函数、对数函数、三角函数等求导公式，仅需将其他变量视为常数即可04重要反例f(x,y)=xy/(x²+y²)（原点处定义为0）在原点处两个偏导数都存在且等于0，但函数在原点不连续MULTIVARIATECALCULUS高阶偏导数与混合偏导数二元函数有四个二阶偏导数，其中两个混合偏导数在连续条件下相等（Schwarz定理），这一结论简化了计算并保证了求导顺序的无关性，是后续二阶判别法的基础。01二元函数f(x,y)有四个二阶偏导数：∂²f/∂x²、∂²f/∂y²（纯偏导）以及∂²f/∂x∂y、∂²f/∂y∂x（混合偏导）。02Schwarz定理：若两个混合偏导数在某邻域内连续，则它们必然相等，即求导顺序可以交换。03混合偏导数相等并非总成立。当函数不够光滑（偏导数不连续）时，存在反例使∂²f/∂x∂y≠∂²f/∂y∂x。04n阶偏导数共2ⁿ个（二元函数），但在混合偏导数连续条件下，独立的n阶偏导数仅n+1个。二元函数的二阶偏导数分类类型记号含义说明纯偏导数∂²f/∂x²=fₓₓ先对x求导，再对x求导刻画x方向凹凸性纯偏导数∂²f/∂y²=fᵧᵧ先对y求导，再对y求导刻画y方向凹凸性混合偏导数∂²f/∂y∂x=fₓᵧ先对x求导，再对y求导连续时与fᵧₓ相等混合偏导数∂²f/∂x∂y=fᵧₓ先对y求导，再对x求导连续时与fₓᵧ相等四个二阶偏导数中，混合偏导数在连续条件下相等，独立偏导数实际只有三个MultivariableCalculus·Differentiability全微分的定义与可微性全微分是函数增量的线性主部，可微性要求函数增量能被线性函数精确逼近到一阶无穷小，偏导数连续是可微的充分条件，但偏导数存在不足以保证可微。01定义：若Δz=f(x+Δx,y+Δy)−f(x,y)=AΔx+BΔy+o(ρ)，其中ρ=√(Δx²+Δy²)，则称f在该点可微，dz=AΔx+BΔy为全微分。dz=AΔx+BΔy02必要条件：若f在点(x,y)可微，则偏导数∂f/∂x和∂f/∂y必存在，且A=∂f/∂x，B=∂f/∂y，即dz=(∂f/∂x)dx+(∂f/∂y)dy。可微⇒偏导存在03充分条件：若偏导数∂f/∂x和∂f/∂y在点(x,y)的某邻域内存在且连续，则f在该点可微。偏导连续⇒可微04关系链总结：可微→连续且偏导数存在；偏导数连续→可微；但偏导数存在⇏可微⇏偏导数连续。充分≠必要Calculus·Application全微分的应用：近似计算与误差估计全微分在工程和科学计算中用于近似计算和误差传播分析，当自变量增量很小时可用全微分替代函数增量，为间接测量量的误差估计提供了系统化的数学工具。01近似计算原理：当Δx、Δy很小时，Δz≈dz=(∂f/∂x)Δx+(∂f/∂y)Δy，利用此式可快速估算函数值变化而无需精确计算。Δz≈dz02示例计算：计算√(1.02³+1.97³)，令f(x,y)=√(x³+y³)，取基准点(1,2)，则f(1,2)=3，利用全微分可得近似值约2.983。≈2.98303误差估计公式：若z=f(x₁,...,xₙ)，各直接测量量的绝对误差为Δxᵢ，则z的最大绝对误差|Δz|≤Σ|∂f/∂xᵢ|·|Δxᵢ|。|Δz|≤Σ04圆柱体体积误差估计：V=πr²h的误差传递为|ΔV|≈|2πrh|·|Δr|+|πr²|·|Δh|，将各测量量的误差按偏导数加权合成。V=πr²hCHAPTER03复合函数与隐函数微分法掌握多元微积分的核心计算工具：链式法则与隐函数求导MultivariateCalculus·ChainRule多元复合函数的链式法则链式法则是多元微分学的核心计算工具：复合函数对某自变量的偏导数等于沿所有中间路径的偏导数乘积之和，树形图法是理解和应用链式法则的最佳辅助工具。基本公式∂z/∂x若z=f(u,v)，u=u(x,y)，v=v(x,y)，则∂z/∂x=(∂f/∂u)(∂u/∂x)+(∂f/∂v)(∂v/∂x)，对y的偏导数同理可得。该公式体现了多元函数求导的叠加原理。树形图法则TreeDiagram从因变量到目标自变量画出所有可能路径，每条路径上的偏导数相乘，不同路径的结果相加即为所求偏导数。树形图法直观清晰，是掌握链式法则的有效方法。推广情形z=f(u,v,w)中间变量可以是三个或更多，如z=f(u,v,w)，u=u(x,y)、v=v(x,y)、w=w(x,y)，则∂z/∂x包含三项之和。中间变量越多，求和项数相应增加，但基本结构保持不变。特殊情况dz/dt若中间变量仅是单变量t的函数，如u=u(t)、v=v(t)，则dz/dt=(∂f/∂u)(du/dt)+(∂f/∂v)(dv/dt)为全导数。此时多元函数退化为单变量函数，但链式法则依然适用。CALCULUS·CHAINRULE全导数与一阶全微分形式不变性全导数是链式法则在中间变量仅为单参数函数时的特殊形式，一阶全微分形式不变性保证了全微分公式在自变量与中间变量之间的一致性，极大简化了计算。01全导数定义z=f(u,v)，u=u(t)，v=v(t)，则dz/dt=(∂f/∂u)(du/dt)+(∂f/∂v)(dv/dt)，表示z沿参数曲线的变化率02例题验证设z=eᵘsinv，u=xy，v=x+y，则∂z/∂x=eᵘsinv·y+eᵘcosv·1，链式法则逐项求导后求和03一阶全微分形式不变性无论u、v是自变量还是中间变量，全微分形式dz=(∂f/∂u)du+(∂f/∂v)dv始终成立04形式不变性的意义计算复合函数全微分时，可先按u、v为自变量写出dz的表达式，再将du、dv替换为关于dx、dy的表达式MultivariableCalculus隐函数求导法隐函数求导法通过对方程两边同时求偏导数来解出隐含函数的导数，无需将函数显式化，公式∂z/∂x=-Fₓ/Fz在一阶情形下简洁有效，是处理隐式关系的核心工具。01SingleEquation单方程隐函数若F(x,y,z)=0确定隐函数z=z(x,y)，且F_z≠0，则∂z/∂x=-F_x/F_z，∂z/∂y=-F_y/F_z∂z/∂x=−Fₓ/Fz02Derivation推导方法对F(x,y,z(x,y))=0两边分别对x、y求偏导，利用链式法则得F_x+F_z·(∂z/∂x)=0，解出∂z/∂x即可链式法则求偏导03System方程组隐函数由F(x,y,u,v)=0和G(x,y,u,v)=0确定u=u(x,y)、v=v(x,y)，利用雅可比行列式求解J=∂(F,G)/∂(u,v)04Theorem隐函数存在定理若F在点P₀的某邻域内有连续偏导数，F(P₀)=0且F_z(P₀)≠0，则P₀附近存在唯一连续可微的隐函数F_z(P₀)≠0CHAPTER04多元函数微分学的几何应用从代数到几何：切平面、法线与方向导数的空间解析MultivariableCalculus·DifferentialGeometry空间曲线的切线与法平面空间曲线的切向量由参数方程的导数给出，或由两个曲面法向量的叉积确定，切线和法平面的方程均可由此直接写出，是微分学在空间几何中的基本应用。01参数方程形式：曲线x=x(t),y=y(t),z=z(t)在t=t₀处的切向量为T=(x'(t₀),y'(t₀),z'(t₀))，切线方程为(X-x₀)/x'=(Y-y₀)/y'=(Z-z₀)/z'T=(x',y',z')02一般方程形式：曲线由F(x,y,z)=0与G(x,y,z)=0交线给出，切向量为两个曲面法向量的叉积T=∇F×∇G∇F×∇G03法平面方程：过切点(x₀,y₀,z₀)且以切向量T=(l,m,n)为法向量的平面，方程为l(X-x₀)+m(Y-y₀)+n(Z-z₀)=0法平面04弧长参数化：若以弧长s为参数，则切向量T=(dx/ds,dy/ds,dz/ds)是单位向量，|T|=1，这是微分几何中的标准参数化方式|T|=1MULTIVARIATECALCULUS曲面的切平面与法线曲面的法向量由梯度∇F给出，切平面是曲面在某点的最佳线性逼近，其方程与全微分有深刻的内在联系——全微分的几何意义正是切平面上竖坐标的增量。01隐式曲面F(x,y,z)=0在点P₀处法向量n=∇F=(Fx,Fy,Fz)，切平面方程Fx(X−x₀)+Fy(Y−y₀)+Fz(Z−z₀)=0n=∇F02显式曲面z=f(x,y)转化为F=f(x,y)−z=0，法向量n=(fx,fy,−1)，切平面方程z−z₀=fx(X−x₀)+fy(Y−y₀)z=f(x,y)03全微分几何意义切平面上点的竖坐标增量Δz=fx·Δx+fy·Δy恰好等于函数z=f(x,y)的全微分dzdz=Δz04法线方程过切点(x₀,y₀,z₀)沿法向量n=(A,B,C)的直线方程(X−x₀)/A=(Y−y₀)/B=(Z−z₀)/C(X−x₀)/A=(Y−y₀)/B=(Z−z₀)/CMultivariableCalculus方向导数与梯度方向导数刻画函数沿任意指定方向的变化率，梯度向量指向函数值增长最快的方向且模等于最大方向导数，二者通过公式∂f/∂l=∇f·eₗ建立联系。地形等高线——梯度方向的物理类比01方向导数定义：函数f(x,y)在点P₀沿方向l的变化率∂f/∂l=lim[ρ→0][f(P₀+ρeₗ)−f(P₀)]/ρ，其中eₗ是方向l的单位向量02计算公式：若f可微，则∂f/∂l=(∂f/∂x)cosα+(∂f/∂y)cosβ，其中cosα、cosβ为方向余弦，即∂f/∂l=∇f·eₗ03梯度定义：gradf=∇f=(∂f/∂x,∂f/∂y)，是一个向量，方向指向f增长最快的方向，模|∇f|等于最大方向导数04物理意义：温度场梯度指向升温最快方向，电势负梯度等于电场强度，浓度梯度驱动扩散过程CHAPTER05多元函数的极值与最值从驻点到最优解：无条件极值判别与拉格朗日乘数法CALCULUS多元函数极值的判别极值的必要条件是所有偏导数为零（驻点），充分条件由二阶偏导数的判别式Δ=AC-B²决定：Δ>0时根据A的正负判断极值类型，Δ<0则为鞍点。STEP01必要条件与驻点若f(x,y)在点(x₀,y₀)取极值且偏导数存在，则fx(x₀,y₀)=0且fy(x₀,y₀)=0，满足此条件的点称为驻点STEP02二阶判别法设驻点处A=fₓₓ，B=fₓᵧ，C=fᵧᵧ，令Δ=AC−B²；当Δ>0且A>0时为极小值，Δ>0且A<0时为极大值STEP03鞍点概念当Δ<0时，驻点不是极值点，称为鞍点（如马鞍面的中心点），函数在该点沿某些方向增大、另一些方向减小STEP04判别步骤①求所有驻点（解偏导数为零的方程组）；②计算各驻点的二阶偏导数和判别式Δ；③逐一判断极值类型MULTIVARIATECALCULUS极值求解的完整例题以f(x,y)=x³+y³-3xy为例，通过求驻点、计算二阶偏导数、应用判别式Δ的完整流程，演示多元函数极值的系统化求解方法。STEP01求驻点01令fx=3x²−3y=0，fy=3y²−3x=0，联立解方程组02由第一式y=x²，代入第二式得3x⁴−3x=0，解得x=0或x=103得到两个驻点：(0,0)和(1,1)STEP02二阶判别01A=fxx=6x，B=fxy=−3，C=fyy=6y02在(0,0)：Δ=0×0−(−3)²=−9<0→鞍点03在(1,1)：Δ=6×6−(−3)²=27>0且A=6>0→极小值，f(1,1)=−1判别式法则Δ=AC−B²Δ>0A>0极小值；A<0极大值Δ<0鞍点（非极值点）Δ=0无法判定，需进一步分析(0,0)鞍点(1,1)极小值−1CALCULUS·OPTIMIZATION条件极值与拉格朗日乘数法拉格朗日乘数法通过引入乘子λ将条件极值转化为无条件极值，其几何本质是在极值点处目标函数的梯度与约束函数的梯度平行，即∇f=λ∇g。01问题形式求f(x,y)在约束条件g(x,y)=0下的极值，称为条件极值问题。g(x,y)=002拉格朗日函数构造L(x,y,λ)=f(x,y)+λg(x,y)，令∂L/∂x=0、∂L/∂y=0、∂L/∂λ=0，解方程组得候选极值点。L=f+λg03几何解释极值点处∇f与∇g平行，说明目标函数的等高线与约束曲线在该点相切。∇f=λ∇g04多约束推广若有两个约束g₁=0和g₂=0，则L=f+λ₁g₁+λ₂g₂，引入两个乘子，方程组增加为5个方程5个未知数。5EQ·5VARLagrangeMultipliers拉格朗日乘数法例题以"固定表面积的长方体最大体积"问题为例，演示拉格朗日乘数法的完整求解过程，最终结论是正方体在给定表面积下体积最大。建立模型ModelSetup01目标函数V=xyz（长方体体积），约束条件g(x,y,z)=xy+yz+xz−a²=0（表面积为2a²）02构造拉格朗日函数L=xyz+λ(xy+yz+xz−a²)03几何意义：在约束曲面g=0上寻找使V取极值的点，即目标函数等值面与约束曲面的切点求解过程Solution01对各变量求偏导并令其为零：∂L/∂x=yz+λ(y+z)=0，∂L/∂y=xz+λ(x+z)=0，∂L/∂z=xy+λ(x+y)=002由对称性和方程比较可得x=y=z，代入约束条件3x²=a²，解得x=y=z=a/√303最大体积V_max=(a/√3)³=a³/(3√3)，即给定表面积下正方体体积最大多元函数极值有界闭区域上的最值问题连续函数在有界闭区域上必取最大值和最小值，最值可能出现在区域内部的极值点或边界上，需分别计算后比较所有候选点的函数值以确定全局最值。01理论基础连续函数在有界闭区域上必取最大值和最小值（Weierstrass最值定理），最值点必在两类候选点中产生02内部候选点求区域D内部所有驻点（令fx=0,fy=0），计算这些点处的函数值03边界候选点将边界参数化后转化为一元函数的最值问题，或利用拉格朗日乘数法将边界视为约束条件求解04比较确定将所有内部驻点和边界候选点的函数值进行比较，最大者即为全局最大值，最小者即为全局最小值APPLICATIONS多元函数微分学的实际应用多元函数微分学在经济学优化、物理建模、工程设计和数据分析等领域有广泛应用，条件极值和梯度方法是解决现实世界多因素优化问题的核心数学工具。经济学·生产函数Cobb-Douglas生产函数Q=ALαKβ描述产出与劳动L和资本K的关系，利用偏导数分析边际产出和规模报酬。经济学·约束优化在预算约束wL+rK=C下最大化产量，用拉格朗日乘数法求解最优资源配置，λ的经济学含义为资金的影子价格。数据科学·最小二乘最小二乘法拟合：求参数使误差平方和最小，本质是多元函数极值问题，令各偏导数为零得正规方程组。物理学·热力学内能U(S,V)的偏导数给出温度与压强，Maxwell关系式源于混合偏导数相等。Cobb-Douglas生产函数的典型工业应用场景Summary知识体系总结多元函数微分学形成从基础概念到计算方法再到实际应用的完整知识链条，偏导数和全微分是核心工具，链式法则是关键技巧，极值问题是最终应用目标。基础概念层多元函数的定义、定义域与几何意义（曲面）极限与连续性：路径无关性要求、夹逼定理区域分类：开集、闭集、有界集、连通集定义·极限核心运算层偏导数与高阶偏导数、Schwarz定理全微分：可微的充要条件、形式不变性链式法则与隐函数求导法偏导·全微分应用拓展层方向导数与梯