高数求偏导数的例题详解 如图红线部分对吗

来源：蜘蛛抓取(WebSpider) 时间：2020-07-19 03:28 标签： 求偏导数的例题详解

一、偏导数定义、计算法及几何意义

由于多元函数的自变量不止一个因变量与自变量的关系要比一元函数复杂得多。本节我们以二元函数为例，考虑二元函数关于其Φ一个自变量的变化率的问题

若只有自变量变化，而自变量固定(即看作常量)这时，就成了一元函数这个函数对于的导数，就称之为②元函数对于的偏导数

【定义】设函数在点的某一邻域内有定义，当固定在而在处有增量时，相应地函数有增量

存在则称此极限为函数在点处对的偏导数，并记作

类似地函数在点处对的偏导数定义为

如果函数在区域内每一点处对的偏导数都存在，那未这个偏导数就昰的函数称它为函数对自变量的偏导函数，记作

类似地，可以定义函数对自变量的偏导函数并记作

由偏导函数概念可知，在点处对嘚偏导数其实就是偏导函数在点处的函数值；就是偏导函数在点处的函数值。

在不产生混淆的情况下我们以后把偏导函数也简称为偏導数。

求的偏导数并不需要新的方法，因为这里只有一个自变量在变化另一自变量被看成是固定的，所以仍然是一元函数的导数

求時，把看作常量而对求导数；

求时，把看作常量而对求导数。

显然偏导数的概念可推广到三元以上的函数情形。

例如三元函数在點处对的偏导数是如下极限

【例1】求在点处的偏导数。

注：求多元函数在某点处的偏导数时解法二有时会方便一些。

【例3】已知理想气體的状态方程为(

注:偏导数的记号应看作一个整体性的符号(不能看成商的形式)这与一元函数导数可看作函数微分与自变量微分之商是有区別的。

同样偏导数表示曲面被平面所截得的曲线在点处的切线对轴的斜率。

4、二元函数的偏导数与连续性之间的关系

一元函数在某点可導则函数在该点一定连续；若函数在某点不连续，则函数在该点一定不可导对于二元函数来说，情况就不同了

二元函数在点处的偏導数、，仅仅是函数沿两个特殊方向( )的变化率；而函数在点连续则要求点沿任何方式趋近于点时，函数值趋近于它反映的是函数在点處的一种“全面”的性态。

因此二元函数在某点偏导数与函数在该点的连续性之间没有联系。

在点处的偏导数与连续性

函数沿过原点嘚直线趋近于原点时，其极限值与参数有关故二重极限不存在，函数在原点自然是不连续的

函数关于自变量是对称的，故

此例表明②元函数在一点不连续，但其偏导数却存在 

在点处的偏导数与连续性。

解：显然,函数在原点连续。

此例表明二元函数在一点连续，泹在该点的偏导数不存在

在几何上，曲面可看成是折线绕轴旋转而成的锥面点是曲面的尖点。

设函数在区域内具有偏导数

于是在内、均是的函数，若这两个函数的偏导数也存在则称它们是函数的二阶偏导数。

按照对变量求导次序有下列四种二阶偏导数

其中：称、为②阶混合偏导数类似地，可得到三阶、四阶和更高阶的导数二阶及二阶以上的偏导数统称为高阶偏导数。

对于二阶偏导数的符号有必要引入如下简洁记法：

在不特别需要写出函数自变量时，二阶偏导数的符号还可简单的记成

【例4】求函数的二阶偏导数

此例中的两个②阶混合偏导数相等，即这并不是某种偶然的巧合，其实我们有如下定理。

【定理】如果函数的两个二阶混合偏导数及在区域内连续那未在该区域内这两个二阶混合偏导数必相等。

这一结论表明有二阶混合偏导数连续的条件下，它与求导次序无关

对于二元以上的函数，我们可类似地定义高阶偏导数而且高阶混合偏导数在偏导数连续的条件下也与求导的次序无关。

必须指出定理中所要求的条件連续是必要的，改变这一条件定理的结论不真。

在原点处的两个二阶混合偏导数存在但不相等。

注意到将函数中的变量与对调，函數却改变符号于是有

显然，两个一阶偏导函数在原点是不连续的

【例6】证明函数 (这里 )满足拉普拉斯方程

由于函数关于自变量是对称的，因此

在一些题中常见首先求出在(0 0)点对x嘚偏导等于0以后,就会说同理,对y的偏导也等于0,这个同理是依据什么推出的?
Z对x求偏导数的例题详解数,结果为0,
同理：Z对y求偏导数的例题详解数,结果也为0,
得到一个（或者几个）驻点,再判断它是否极值.
不一定是在原点的偏导啊在任何点只有符合对x偏导等于0就能相应的推出对y偏导也为0？
偏导数=0这个0不是指原点。 指该点水平切线（k=0） 不要搞混淆了。 只有同时满足偏Z/偏X=0偏Z/偏y=0， 才有可能是驻点

本文档一共被下载： 次 ,您可全文免费在线阅读后下载本文档

1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理

2.该文檔所得收入(下载+内容+预览三)归上传者、原创者。

3.登录后可充值立即自动返金币，充值渠道很便利

我要回帖

更多关于 求偏导数的例题详解 的文章

 

随机推荐