偏导数怎么看谁是变量谁是常量?

实验目的:通过实验加深学生对偏导数定义的理解掌握偏导数的几何意义并从直观上理解二

阶混合偏导数相等的条件

在研究一元函数时、我们从研究函数的变化率引入了导数概念、对于多元函数同样需要讨

论它的变化率、但多元函数的变化量不只一个 ,因变量与自变量的关系要比一元函数复杂的

多、所以我们首先考虑多元函数关于其中一个自变量的变化率 ,以二元函数-=??为

例,如果只有自变量 二变化,而自变量y固定(即瞧作常量),这时它就就是丫:的一元函数,这 函数对x的导数,就称为二元函数z对于的偏导数,即有如下定义

定义 设函数z= 「 ■--在点-的某一邻域内有定义,当y固定在,而卞在"

处有增量 时,相应的函数有增量

/(奄+蚯兀:1 /0恥必)

存在,则称此极限为函数 -=--在点 ?」处对v的偏导数,记做

例如,极限(1)可以表为

血RXq +山圧沟)-只宫

' 1'.= ■ ' 类似的,函数z= --:在点处对 匸的偏导数定义为

如果函数 ^ = -■ :在区域D内每一点(心“)处对v的偏导数都存在,那么这个偏导

数就就是 匚匸的函数,它就称为函数 ==-':"「-对自变量 "的偏导函数,记做

St 去外或£ (忑丁)

类似的,可以定义函数 -=-■ -「?对自变量 丁的偏导函数,记做

由偏导数的概念可知,7(")在点(处对 怎的偏导数『心2)显然就就是偏

导函数?'」厂 在点 '「处的函数值,就像一元函数的导函数一样 ,以后在不至于混

淆的地方也把偏导函数简称为偏导数、

至于求 二=』-的偏导数,并不需要用

和一元函数微分学相比,尽管多元函数的微分学有许多和一元函数微分学情形相类似,但一元函数到多元函数确有不少本质上的飞跃,而从二元函数到三元以上的函数,则只有技巧性的差别,而无实质上的不同。学习多元函数的微积分就要紧紧抓住这两个特点,既看到它们的相同之处,又要注意不同之点。本章将重点研究二元函数微分法。
一、偏导数的定义与计算
大家还记得,一元函数的导数

是由函数对自变量在各种意义下的变化率而抽象出来的。对多元函数来说,也有变化率问题。但由于自变量的增多,使得问题变得较为复杂。但在实际问题中,常常要考虑的是,多元函数只对某个自变量的变化率(其余变量看作是不变的)。例如,在热传导问题中,要研究物体中各点随时间变化的温度函数

对时间的变化率。这种只考虑多元函数对某个自变量(其余变量看作常数)的变化率称为偏导数。因为多元函数的偏导数是指对一个自变量求导数,而其它自变量都保持不变。所以偏导数也是一元函数的导数。所谓“偏”是指对其中一个自变量而言。
1.定义  设二元函数在点的某一邻域内有定义,当固定为时,即点由点变到点,若极限
存在,则称此极限值为二元函数在点处对的偏导数。记作
类似地,可以定义二元函数在点处对的偏导数为极限值:
若函数在平面区域D内每一点都有偏导数存在,那么它们显然都是的函数,称为的偏导函数,简称偏导数。记作
由定义可知,偏导数的计算实际上就是一元函数的导数,原则上没有新问题,即不过是老方法新形式而已。所以求偏导数的方法是:求时:把看作常量,而仅对求导;求时:把看作常量,而仅对求导。
例1  求在点(1,2)处的偏导数。

例2  (任意),求证:

上例表明,不能将偏导数符号看作与的商,而是一个整体记号,这与一元函数的导数看作微商不同。
二、二元函数偏导数的几何意义
给定函数,设,则是平面上的曲线

斜率; 是平面上的曲线

的斜率(如图5-1)。

定义  设在区域D内存在偏导数,称它们为一阶偏导数,若与又存在偏导数,则称之为的二阶偏导数,它们分别记作:
其中与称为混合偏导数。
类似地可定义元函数的二阶偏导数,进而又可以考虑二阶以上的偏导数。一般地,称一个多元函数的阶偏导数的偏导数为的阶偏导数。二阶及二阶以上的偏导数称为高阶偏导数。
上例中两个二阶混合偏导数相等,即 ,这不是偶然的,事实上,我们有下述定理。
定理  若在区域D上存在连续的偏导数及,则在D内有
换句话说,二阶混合偏导数在连续的条件下与求导的次序无关。此定理的证明从略。同样更高阶的混合偏导数在连续的条件下也是与求导的次序无关的。

偏导数仅是某一个自变量变化时函数的变化率,它不能刻划函数的整体变化情况,下面讨论各变量同时变化的情况。
设二元函数,在点的某邻域有定义,让自变量和在点分别取得增量和,则相应的函数也取得增量,称
为在点对的偏增量;为在点对的偏增量;
定义  设在点的某邻域内有定义,若在点的全增量可表为

其中,与无关,,则称在点(可微,并称为在点的全微分。记为,即
若在区域上点点可微,则称函数在区域上可微。
定理1  (可微的必要条件)
  若在可微,则在(的偏导数必存在,且。
证  因为函数在可微,则其全增量可以表为
因为上式对任意的都成立,故令,得,全增量转化为偏增量

连续,偏导数存在,可微三者之间的关系可用以下框图表示:
由此可看出一元函数与二元函数的本质差别,对一元函数来说,可导与可微等价,但对二元函数可微是比偏导数存在更强的一个概念。
例2  证明:在点处的偏导数存在,但在点处不可微。
所以在点处的偏导数存在。
(2)用反证法证明在点处不可微,若在点处可微,则在此点有,但
所以在点处不可微。此例说明偏导数存在不能保证全微分存在。

§3   多元复合函数的求导法则
一元复合函数导数的“链式法则”在一元函数微分学中起重要作用。现将其推广到多元复合函数。
定理1  设在区域D上有连续的偏导数,在区间上可微,且,则复合函数在区间上可微,且

证  设给一个增量有对应增量,则z的对应增量为

因为的偏导数连续,所以对于是可微,即

用同样的方法,可把定理推广到复合函数的中间变量多于两个的情形。此定理还可推广到中间变量不是一元函数的情形,例如,设复合而得函数。即
如果都在点有对与的偏导数,有连续的偏导数,则有
更一般地,若,,假定皆存在,且连续,则有

第三章曾简单地阐明了什么是隐函数及其有关的问题,并就方程确定为的隐函数,利用一元函数的复合函数求导法求隐函数的导数,和那里的情形类似,下面介绍由方程和方程组所确定的隐函数的求导法。
下面介绍的定理给出隐函数存在的条件及其导数的求法。
隐函数存在定理  设函数在点的某邻域内具有连续的偏导数,且
,则方程在点的某一邻域内恒有能唯一确定一个单值连续且有连续导数的函数,它满足条件,并有
公式(2)就是隐函数的求导公式。
这个定理的证明从略。现仅就公式(2)作如下推导:
将方程(1)所确定的函数代入(1),得恒等式

因为连续,且,所以存在的一个邻域,在这个邻域内,于是得
如果的二阶偏导数也都连续,我们可以把等式(2)的两端看作的复合函数再一次求导,即得

在几何上它表示两曲面的交线,因此只有一个独立的变量。不妨设为,则(5)确定了两个函数,求。
由链式法则,(5)式两端分别对求导,并注意都是的函数,便得
这是关于及的二元线性方程组,当系数行列式时,则

其中称为,对的雅可比()行列式,简记为。
例3  设方程组 确定了函数求。
解  方程两端对求导
对于隐函数是多元函数时,有类似的结论。下面举例说明:
解  方程两边对求导,得
由方程组对求导,类似可求出。

§5   微分法在几何上的应用
一、空间曲线的切线与法平面
1、设曲线的参数方程为
且在点可导,且导数不全为零。设对应点,对应点,则割线的方程为

称为曲线在点的切向量。过点而与切线垂直的平面称为在的法平面,其方程为

例2  设曲线为:,求上任一点处的切线和法平面方程。
二、曲面的切平面与法线
设曲面的方程为,且连续,过任作曲线(如图5-4),其方程为
设, ,则由上式知, ,即⊥。由的任意性,得上过点的一切曲线的切线在同一平面上,此平面称为在的切平面。其方程为
过且垂直于切平面的直线称为在的法线。法线方程为:

设曲面的方程为 ,当设,则

因为分别表示在点沿轴及轴方向的变化率,现讨论沿任何方向的变化率。
1、定义  设由点引射线,,
当沿趋于时(如图5-5),若

存在,则称此极限值为在点处沿方向的方向导数。记为。
由定义可知,就是在点处沿轴,轴正向的方向导数,而为沿负向的方向导数。
2、方向导数的计算公式
定理1  若在点可微,则函数在该点沿任一方向的方向导数存
其中是方向的方向余弦。
证  因为在点可微,故函数的增量可表为

例1  求函数在点处沿从点到的方向的方向导数。
解  这里方向即向量的方向,其方向余弦为
例2  求函数在点处沿方向的方向导数。
方向导数给出了函数沿某一方向的变化率,但过定点有无穷多个方向,则各方向的变化率不同。在无穷多个方向的变化率中,是否有最大变化率;若有最大变化率,如何求出。比如,为了研究气温的变化,不仅要研究温度函数方向导数,还要研究沿什么方向的方向导数取最大值。又比如,在电场中,要考虑沿什么方向电位变化最大等等。这个问题可以用一个向量来描述:向量的大小等于函数的方向导数的最大值,向量的方向等于方向导数取最大值的方向。具备此特征的向量就叫做梯度,其确切的定义如下:
设有函数,在定义域内有一阶连续偏导数,过定义域内一点作向量,使向量的大小等于函数在处方向导数的最大值,向量的方向取方向导数取得最大值的方向。称向量为函数在处的梯度,记为
定理2  若在可微,则。

§7   多元函数的极值及其求法
一、多元函数的极值及最值
1、定义  若在点的邻域内有定义,且对有
(或)(),则称在点取得极大(或极小)值;点称为函数的极大(或极小)值点。
极大值与极小值统称为极值.极大值点与极小值点统称为极值点。
如:在取得极小值1。又如即,对在取得极小值0,对在(0,0)取得极大值0。
一般极值不易看出,故应给出极值的判别方法,求二元函数极值可化为一元函数来解决。
定理1  (必要条件)若在有偏导数,且在取得极值,则
证  不妨设在取极大值,则有,特别地,若取,
应有,即一元函数在取得极大值,故有。
同理可得。必要条件可改写为。
注:(1)使同时成立的点称为的驻点。
(2)此定理的逆不一定成立,即两个偏导数为0的条件不是充分的,仅为必要条件。
如:,容易算得,即点为驻点,但点不是
函数的极值点。因为在的任一邻域内总有使函数值为正与为负的点存在,如当时,,,所以不是极值点。
与一元函数一样,为使驻点成为极值点,必须附加一定条件。
定理2  (极值的充分条件)设在点的邻域内有连续的二阶偏导
(ⅰ)若(或,则是的极小值点。
(ⅱ)若(或,则是的极大值点。
(ⅲ)若,则不是的极值点。

得出驻点、、、,其次算出

在处,。所以是极小值;
在处,。所以是极大值;
在、处,因为,所以、不是极值点。

二、条件极值  拉格朗日乘数法
1、引例:(1)求由原点到曲线的最短距离。即求在条件限制下使取最小值。
(2)求表面积为而体积最大的长方体。若用表示长,宽,高,则要求
这类问题称为条件极值。解决的方法如下:
(1)化为无条件极值。如引例(2),有  则
2、拉格朗日()乘数法
   求函数在条件下的极值。运用乘数法的关健是引进

其中称为乘数。由此导出方程组
若是方程组的解,则可能为函数的极值点。因为
正是函数在点取极值的必要条件。可见乘数法实际上是通过
引进“待定乘数”,将条件极值问题化为函数的极值问题。我们略去有关的理
论推导,仅以例子说明具体作法。
例2  制作一个体积为的长方体无盖盒子,问长,宽,高应为多少,使得材料最省?
解  设盒子的长,宽,高各为,则体积。所用材料的面积为,则

将第一式,第二式和第三式两边分别乘上,再两两相减,得

这是唯一可能的极值点,因为由问题本身可知最大值一定存在,所以最大值就在这个可
能的极值点处取得。也就是说,制作体积为的长方体无盖盒子,当长,宽,高分别为 时,所用材料最省。

例3  周长为的三角形中,求其面积为最大者。
解  设为三角形的三边的长,则三角形的面积为
其中 。且。为了计算方便,我们求在条件下的最大值。令

1.求下列函数的偏导数:
3.曲线在点处的切线对于轴的倾角是多少?
4.求下列函数的,和:
6.求下列函数的全微分:
7.求函数 当,,,时的全微分。
8.设,而当,,求,。
12.求下列复合函数的一阶偏导数(其中具有一阶连续偏导数):
13.求下列函数的,,,(其中具有二阶连续偏导数)。
14.设,其中为可导函数,验证
15.求下列方程所确定的隐函数的导数或偏导数。
16.求由下列方程组所确定的隐函数的导数或偏导数:
(2)设,其中,具有一阶连续的偏导数,求,;
17.设是由方程所确定的隐函数,证明:。
18.设,而是由方程所确定的,的函数,其中,都具有一阶连续导数,证明:
19.设由方程所确定,其中为可微函数,试证
20.求下列曲线在指定点处的切线与法平面方程:
(1),在点;  (2)在点。
21.求出曲线上的点,使在该点的切线平行于平面。
22.求下列曲面在指定点处的切平面和法线方程:
23.求椭球面上平行于平面的切平面方程。
24.求旋转椭球面上点处的切平面与面的夹角的余弦。
25.求函数在点处沿从点到点的方向的方向导数。
26.求函数在抛物线上点处,沿着这抛物线在该点处偏向轴正向的切线方向的方向导数。
27.求函数在点处沿方向角为的方向的方向导数。
28.求函数在点处沿从点到的方向的方向导数。
29.求函数在曲线上点处,沿曲线在该点的切线正方向(对应于增大的方向)的方向导数。
31.设,都是,,的函数,,的各偏导数都存在且连续,证明
32.问函数在点处沿什么方向的方向导数最大?并求此方向导数的最大值。
35.从斜边之长为的一切直角三角形中,求有最大周长的直角三角形。
36.在平面上求一点,使它到,及三直线的距离平方之和为最小。
37.求内接于半径为的球且有最大体积的长方体。
38.抛物面被平面截成一椭圆,求原点到这椭圆的最长与最短距离。

本文探讨多元函数微分学中知识点之间的关系。 包括全微分、偏导数、方向导数、梯度、全导数等内容。

第一次学习这些知识的时候,学生显然觉得掌握这些概念不难,定义和计算公式也很容易记住,但是觉得糟糕到不知道从哪里说起。 不管怎么说,笔者是这样的。 其实根本原因是没有整理这些知识之间的关系,也没有从本质上理解这些知识。 现在,和笔者一起重新审视它们,看看你心中的一些疑问是否解决了。

一、导数和微分到底是什么,以及为什么有这些概念

关于导数和微分是什么,笔者在讨论一元函数微分时做了清楚的说明,现在再复述一遍。 如下所示。

导数和微分是数学家制作的两个代数工具,是为了从代数的角度描述函数图像的几何变化。 简言之,每次说明函数图像的变化,就不用再画画了。 有了这个,直接用数学公式计算就可以了。 因此,导数和微分也是沟通几何和代数的重要桥梁之一。 导数表示函数在一个点上变化的速度趋势,是变化的速度,微分表示函数从一个点向另一个点变化的幅度,是变化的量。

在一元函数中,我们知道函数从一个点到另一个点的变化,只有沿着函数曲线移动即可的方向。 另外,由于函数在某一点上的切线也只有一个,所以函数变化的速度只由该切线(的斜率)决定。 但是,多变量函数是不同的。 多变量函数往往是一个方面,因此,多变量函数的微分学会会提出很多东西,产生很多概念。 但请不要担心。 其实很多东西只是一元函数微分的展开。 本质都是一样的。 不信的话,请跟着笔者往下看。 并不难。 万变不离其宗。

请看图1。 现在,和笔者一起想象一下数学家一样吧。 其实,从数学家的角度学习思考问题,往往最能达到理解知识本质的目的。 记述函数的变化,一是记述函数变化的速度,二是记述函数变化多少。 例如在图1中,就像一元函数的讨论那样,我想知道函数在a点变化的速度的倾向和从a点到b点的变化幅度是多少。 另外,我们的多元函数的图像有一个有趣的问题。 函数可以固定一个变量,使另一个变量变化。 那么,这又是一个与一元函数非常不同的变化。 其实这是变化维度的问题。 这些是数学家最感兴趣的问题。

现在,让我们来总结一下。 我想全面记述多元函数的变化,应该考虑哪些方面呢? 如下所示。

(1)函数在a点的趋势发生变化。

)2)函数从a到b的变化量。

)3)函数降维时的变化,如固定y,将二元函数视为一个单项函数,x单独变化,会怎么样?

弄清楚我们要解决的问题,其实是如何用数学工具来表达上述变化,就要着手解决问题。 那么,根据一元函数微分学的经验,记述变化的速度,必须看导数,即切线的斜率。 说明变化多少要看微分。 于是我们动手按照那个目的画画,得到了图2和图3。 以下所示。

从图2可以看出,过了a点有无数条曲线,相应地一定有无数条切线。 因此切线的倾斜度一定有多个。 从图3可以看出,从a到b可以到达无数个路径。 那么,我们面临的问题是,如何相应地拓展一元函数的导数和微分知识,以适应这些“无数”问题?

这么点问题肯定打不倒数学家。 于是多元函数微分学的概念应运而生。 a点不是存在无数条切线吗? 那么,这些切线的斜率都是导数。 那么,定义方向导数来表示他们。 另外,如果有无数条切线,就会有没有变化的方向。 这之中哪个方向变化最快呢? 于是坡度的定义来了。 数学家表示,由于将变化最快的方向定义为梯度,所以梯度实际上是向量,在a点表示变化趋势最大的方向。 变化快的问题基本解决了。 那么,从a变化到b有多少的问题怎么解决呢? 这就是全微分的定义。 从a到b的变化多寡定义为全微分。 剩下的最后一个问题是,如果函数降维变化,例如固定x,单独变化y,该变化是如何描述的? 没关系。 我把他们定义为偏导数。 那么,方向导数、梯度、全微分、偏导数的概念已经出来了。 当然,实际情况是数学家们经过大量论证,决定了把a点无数切线的变化方向称为“方向导数”,不如称为“偏导数”。 我在这里这样说话,只是做了事后的hsdm。 具体各概念的定义和公式,也只有经过数学家们的大量论证和证明才能得到,才能看到相关教材。

是的,废话很多。 总结一下:

(1)方向导数)本质是函数a点上无数切线斜率的定义。 每条切线都表示变化的方向。

(2)梯度)函数是a点无数变化方向中变化最快的方向。

)3)全微分)函数从a点到b点变化的量(其实是取无限小变化的量)。

(4)偏导:多元函数降维时的变化。 例如,二元函数通过固定y,只单独改变x,被视为关于x的一元函数的变化来研究。

再经过论证和证明得到了教材上关于他们的严格公式,从此数学家们就拿着这个公式开始在微分几何领域叱咤风云了!

说到这里,让我们回顾一下我们是如何理解这些知识点的。 其实,就是把自己当成数学家,想象自己解决这些问题应该怎么做,然后结合现有知识仔细思考,获得知识的本质理解。 这就是思维是如何产生的过程。 公式点实际上是探究那些概念的几何意义。

二、相关概念的界定和官方评述

为了加深理解,笔者干脆用白话把这些概念写在这里供大家结合理解。

上面讲了,偏导其实就是多元函数的降维下的导数。那么就非常简单了,比如二元函数关于x的偏导,只需要模仿一元函数导数的定义即可。这里把y看成常量。如下:

同理,大家可以得出f关于y的偏导。

比如二元函数f在A点沿一个方向L变化,这条切线L由点A和切线L上另外一点B所确定。其中A(x1,y1),B(x2,y2)。那么怎么求f沿L的方向导数呢?经过数学家们的论证,有如下公式:

数学家们经过证明,发现函数只要每一个变量都沿着关于这个变量的偏导所指定的方向来变化,函数的整体变化就能达到最快(变化的绝对值最大)。因此函数在A处的梯度为(以三元函数为代表):

全微分的定义书上有严格的数学语言。这里我就用大白话说简单点。数学家们发现,其实跟一元函数差不多,多元函数从A到B的变化可以用一个线性变化来进行逼近,毕竟非线性的东西太复杂了。只要取的变化区间无穷小,总能找到一个多元的线性函数对这种变化的量进行逼近,而且线性函数的系数不受从A到B的路径选择的影响,只跟变化的量(即\[\Delta x\]或者\[\Delta y\])有关。于是把这个线性函数定义为全微分。之所以称之为全微分,是针对偏微分而言的,偏微分这里不提,有兴趣可以查查。而且数学家还证明了,系数其实就是偏导。

在此提一句,别总是纠结\[\Delta x\]和dx的区别,你可以简单理解为取到无穷小就是dx。

在这里再啰嗦一句。其实大家可以顺着想一想什么是切平面。前面说过A点存在无数条切线,这些切线肯定在同一个平面中,这个面就是在A点的切平面。是不是就很好理解了。

切记,导数和微分的本质含义。

导数,即描述函数在一点处的变化快慢的趋势。

微分,即描述函数在一点处发生一个无穷小区间的变化的量的线性逼近。

相信通过这篇文章,大家对偏导、方向导数、梯度、以及全微分他们之间的区别和联系理解的更加透彻了。

哦,对了,差点把全导数给忘记了。其实全导数本质上就是一元函数的导数。他是针对复合函数而言的定义。比如z=f(x,y),x=u(t),y=v(t)。那么z关于t的导数就是全导数。所以我说本质上就是个一元函数的导数,z本质上就是个一元函数。因此全导数没什么好说的。

我要回帖

更多关于 形参可以是常量吗 的文章

 

随机推荐