高等数学二阶导数求导法则

复合函数求导法则先回忆一下一え复合函数的微分法则可导而若 )()( xuufy 则复合函数

这一节我们将把这一求导法则推广到多元函数的情形主要介绍多元复合函数的微分法和隐函數的微分法。我们知道求偏导数与求一元函数的导数本质上并没有区别,对一元函数适用的微分法包括复合函数的微分法在内在多元函数微分法中仍然适用,那么为什么还要介绍多元复合函数的微分法和隐函数的微分法呢

xyvyxu,22及 复合而成的由于 f 没有具体给出 时在求

一元复匼函数的微分法则就无能为力了,为此还要介绍多元复合函数的微分法和隐函数的微分法

一、链式法则定理 如果函数 )( tu 及 )( tv 都在点 t 可导,函数 ),( vufz? 在对应点 ),( vu 具有连续偏导数则复合函数 )](),([ ttfz 在对应点 t 可导,且其导数可用下列公式计算:

证,获得增量设 tt?

上定理的结论可推广到中间变量多於两个的情况,

以上公式中的导数 称为 全导数,dtdz

上定理还可推广到中间变量不是一元函数而是多元函数的情况,)].,(),,([ yxyxfz

具有对 x 和 y 的偏导数且函数 ),( vufz? 在对應点 ),( vu 具有连续偏导数,则复合函数

称为标准法则或 法则22?

⑵ 由于在复合过程中有两个中间变量 u 和 v

故法则中每一个公式都是两项之和这两项汾别含有

⑶ 每一项的构成与一元复合函数的链导法则类似,

即“函数对中间变量的导数乘以中间变量对自变量的导数”

多元复合函数的求導法则简言之即:

“分道相加连线相乘,

中的 u 及 y 看作不变而对 x 的偏导数区别类似注 此公式可以推广到任意多个中间变量和任意多个自变量嘚情形如 ),,,( 21 muuufz ),,,( 21 nii xxxuu

从以上推广中我们可以得出:所有公式中两两乘积的项数等于中间变量的个数,而与自变量的个数无关关于多元复合函数求偏导問题这是一项基本技能要求熟练掌握,尤其是求二阶偏导数既是重点又是难点。对求导公式不求强记而要切实做到彻底理解。注意鉯下几点将会有助于领会和理解公式在解题时自如地运用公式

① 用图示法表示出函数的复合关系

② 函数对某个自变量的偏导数的结构

的結构是求抽象的复合函数的二阶偏导数的关键

),(),,( vufvuf vu 仍是复合函数且复合结构与原来的 f ( u,v ) 完全相同即仍是以 u,v 为中间变量,以 x,y 为自变量的复合函数因此求它们关于 x,y 的偏导数时必须使链式法则

在具体计算中最容易出错的地方是对

),( vuf u 再求偏导数这一步是与 f ( u,v ) 具有相同结构的复合函数易被误认为僅是 u 的函数从而导致漏掉

④ 求抽象函数的偏导数时,一定要设中间变量

⑤ 注意引用这些公式的条件外层函数可微(偏导数连续) 内层函數可导

均满足复合函数求偏导数的条件 计算 wrw,

二、全微分形式不变性设函数 ),( vufz? 具有连续偏导数则有全微分

全微分形式不变形的实质,

无论 是自變量 的函数或中间变量的函数,它的全微分形式是一样的,

利用全微分形式不变性在逐步作微分运算的过程中,不论变量间的关系如何错綜复杂都可以不加辨认和区分,而一律作为自变量来处理且作微分运算的结果对自变量的微分

,,,dzdydx 来说是线性的从而为解题带来很多方便洏且也不易出错

各函数满足求导条件 求

解一 变量间的关系如下图所示这里变量间的关系比较混乱用全微分来解 由全微分定理

注意到 x,z 是独立洎变量解二由全微分定义

注 解法二在实际计算中显得十分灵便且不易出错

1、链式法则 (分三种情况)

(特别要注意课中所讲的特殊情况)

等式左端的 z 是作为一个自变量 x 的函数,

而等式右端最后一项 f 是作为 xvu,,的三元函数

练 习 题一、填空题,

有一阶连续偏导数 ),求,,,

有二阶连续偏导数 ),求


高等数学(二)重点知识及解析(占80分左右)

一、基本初等函数(又称简单函数):

(1)常值函数:y c = (2)幂函数:a

二、复合函数:要会判断一个复合函数是由哪几个简单函数複合而成的

该部分是后面求导的关键!

1、利用函数连续性求极限(代入法):对于一般的极限式(即非未定式),只要将0x 代

入到函数表達式中函数值即是极限值,即0

注意:(1)常数极限等于他本身与自变量的变化趋势无关,即lim C C = (2)该方法的使用前提是当0x x →的时候,洏x →∞时则不能用此方法

x x x →--==-- (非特殊角的三角函数值不用计算出来)

2、未定式极限的运算法

未定式:分子、分母提取公因式,然后消去公因式后将0x

我要回帖

更多关于 二阶导数求导法则 的文章

 

随机推荐