多元函数微分法及其应用 第二节 偏导数 | 您所在的位置:网站首页 › y的三次方程y的二阶导数 › 多元函数微分法及其应用 第二节 偏导数 |
2. 偏导数 相信中学阶段搞过竞赛的同学对此毫不陌生,接下来我们将对此进行介绍。 2.1 偏导数的定义及其计算法首先来只介绍针对多元函数中的一个元素的偏导。 2.1.1 偏导数的定义 同前面一样,我们以二元函数 z=f(x,y) 为例子:若在变化中,只有 x 在变化,而 y 固定不变;此时就可以将 y 视为常数,而 z=f(x,y) 也就是一个关于 x 的函数。此时函数关于 x 的导数(视 y 为常数),就称二元函数 z=f(x,y) 对于 x 的偏导数。 标准定义如下: 若 z=f(x,y) 在区域 D 内每一点 (x,y) 对 x 的偏导数都存在,那么这个偏导数就是一个关于 x,y 的函数,它就被称为 \underline{函数z=f(x,y)对自变量x的偏导函数} ,(对 y 同理)记作 \frac{\partial z}{\partial x},\frac{\partial f}{\partial x} 或 f_x(x,y) 为什么说“这个偏导数就是一个关于 x,y 的函数”? 我们可以这样理解:因为区域 D 内每一点 (x,y) 对 x 的偏导数都存在,随着点 (x,y) 的变化,对 x 的偏导数的值就在变化,此时将 (x,y) 视为自变量。对 x 的偏导数的值就为因变量,那么这样就可以视为一个关于 (x,y) 的函数。 注意:对 x 的偏导数 不是 关于 x 的函数。 \color{red}{注意区分偏导数与偏导函数} 不难发现, f(x,y) 在 (x_0,y_0) 处对 x 的偏导数 f_x(x_0,y_0) 是偏导函数 f_x(x,y) 在点 (x_0,y_0) 处的函数值(对 y 的同理) 类似于一元函数的导函数与在某一点处的导数概念一样,我们在没有歧义的地方称偏导函数为 \underline{偏函数} 。 2.1.2 试谈偏导数的几何意义 在学习一元函数的导数时,我们知道导数表示的是函数的变化率。对于多元函数也同理。 那么偏导数又有什么样的几何意义呢?(此处尝试用自己的理解来叙述比较繁琐,直接给出课本截图) 简单来讲,偏导数的几何意义就是: “偏导数反映的是函数沿坐标轴正方向的变化率” 2.1.3 例题此处给出课本上的两例题: ①:设 z=x^y,(x >0,x\neq 1) ,求证: \frac{x}{y} \frac{\partial z}{\partial x}+\frac{1}{lnx}\frac{\partial z}{\partial y}=2z 根据我们所学的相关知识,有 \frac{\partial z}{\partial x}=y\cdot x^{y-1},\frac{\partial z}{\partial y}=x^ylnx 那么就有 \frac{x}{y}\frac{\partial z}{\partial x}+\frac{1}{lnx}\frac{\partial z}{\partial y}=\frac{x}{y} \cdot yx^{y-1}+\frac{1}{lnx} x^ylnx=2x^y=2z ②:已知理想气体状态方程 PV=RT ( R 为常量),求证: \frac{\partial P}{\partial V}\cdot \frac{\partial V}{\partial T}\cdot \frac{\partial T}{ \partial P}=-1 P=\frac{RT}{V},\frac{\partial P}{\partial V}=-\frac{RT}{V^2}\\ V=\frac{RT}{P},\frac{\partial V}{\partial T}=\frac{R}{P} \\ T=\frac{PV}{R},\frac{\partial T}{\partial P} =\frac{V}{R} \\ \frac{\partial P}{\partial V}\cdot \frac{\partial V}{\partial T}\cdot \frac{\partial T}{ \partial P}=-\frac{RT}{V^2}\cdot\frac{R}{P}\cdot\frac{V}{R}=-\frac{RT}{PV}=-1 2.2 高阶偏导数 二元函数 z=f(x,y) 若在区域 D 中有偏导数 \frac{\partial z}{\partial x}=f_x(x,y),\frac{\partial z}{\partial y}=f_y(x,y) 。若这两个关于 x,y 的函数也有偏导数存在,那么就称它们的偏导数为二元函数 z=f(x,y) 的二阶偏导数。 \color{red}{按照对变量求导次序的不同} ,有以下四种二阶偏导数: \frac{\partial }{\partial x}(\frac{\partial z}{\partial x})=\frac{\partial ^2z}{\partial x^2}=f_{xx}(x,y)\\ \frac{\partial }{\partial y}(\frac{\partial z}{\partial x})=\frac{\partial ^2z}{\partial x\partial y}=f_{xy}(x,y)\\ \frac{\partial }{\partial y}(\frac{\partial z}{\partial y})=\frac{\partial ^2z}{\partial y^2}=f_{yy}(x,y)\\ \frac{\partial }{\partial x}(\frac{\partial z}{\partial y})=\frac{\partial ^2z}{\partial y\partial x}=f_{yx}(x,y) 按照课本上的来理解好像不是很容易。这种解释或许更加直观: \frac{\partial}{\partial y}(\frac{\partial z}{\partial x})=\frac{\partial^2 z}{\partial y \ \partial x}=(f_x)y=f{xy}(x,y) 其中, f_{xy}(x,y) 与 f_{yx}(x,y) 被称为 \underline{混合偏导数} 。 结合上面所介绍的,不难理解 n 阶偏导数的含义。 “二阶及二阶以上的偏导数又称为高阶偏导数” 但是它的几何意义是什么呢?(此处只针对一下二阶偏导数) 二阶导数反映着图像的曲率,所以二阶偏导数并不难理解,也就是沿着 x 轴或 y 轴方向的曲线的曲率。 而二阶混合偏导数又该如何理解呢? 考虑到二维情形上的时候,单凭两个方向无法确定图像的曲率/弯曲程度(这里的二维认定为空间中的平面,而之前的曲线,一定要理解为平面上的曲线),这时候就涉及到了二阶混合偏导数的几何意义。由于结合上面的内容解释起来比较困难,不妨来看看大神是怎么解释的--->点这里 我们再由一个例子来引出一个定理: 已知: z=x^3y^2-3xy^3-xy+1 ,求 \frac{\partial^2 z }{\partial x^2},\frac{\partial^2 z}{\partial y \ \partial x},\frac{\partial ^2z}{\partial x \ \partial y},\frac{\partial^2 }{\partial y^2} 及 \frac{\partial^3 z }{\partial x^3} 中间过程就略过了。 容易求得 \frac{\partial^2 z }{\partial x^2}=6xy^2 , \frac{\partial^2 z}{\partial y \ \partial x}=6x^2y-9y^2-1 , \frac{\partial ^2z}{\partial x \ \partial y}=6x^2y-9y^2-1 , \frac{\partial^2 }{\partial y^2}=2x^3-18xy , \frac{\partial^3 z }{\partial x^3}=6y^2 我们发现这个例子中 \frac{\partial^2 z}{\partial y \ \partial x}=\frac{\partial ^2z}{\partial x \ \partial y} 。实际上,这便是定理的内容: 定理: 如果函数 z=f(x,y) 的两个二阶混合偏导数 \frac{\partial^2 z}{\partial y \ \partial x} 及 \frac{\partial ^2z}{\partial x \ \partial y} 在区域 D 内连续,那么在该区域内这两个混合偏导数必相等。也就是说 \color{red}{二阶混合偏导数在连续的条件下与求导的次序无关} 有句很有趣的话或许能帮助大家进一步理解(出处忘记了):"爸爸的爷爷一定是爷爷的爸爸,但妈妈的奶奶不是奶奶的妈妈" 对于高阶也同理,这里就不再赘述。 注:可偏导不一定连续,连续不一定可偏导。 最后提一下 Laplace 方程: 其它相关资料请读者自行检索。 |
CopyRight 2018-2019 实验室设备网 版权所有 |