多元微积分

多元微积分是研究多元函数的微积分！理解多元微积分，能帮助我们解决多维空间的问题。

什么是多元微积分？

多元微积分（Multivariable Calculus）是研究多元函数（多个自变量的函数）的极限、导数、积分的数学分支。

简单理解

多元微积分就像"多维空间的微积分"：

• 研究多个变量的函数
• 推广一元微积分的概念
• 解决多维空间的问题

例子

例子：$f(x, y) = x^2 + y^2$

• 这是一个二元函数
• 输入：$(x, y)$（二维点）
• 输出：$f(x, y)$（一个数）

多元函数的极限

定义

如果当 $(x, y) \to (a, b)$ 时，$f(x, y) \to L$，则：

$\lim_{(x, y) \to (a, b)} f(x, y) = L$

注意

多元函数的极限比一元函数复杂，因为 $(x, y)$ 可以从任意方向接近 $(a, b)$。

例子

例子：$\lim_{(x, y) \to (0, 0)} \frac{xy}{x^2 + y^2}$

这个极限不存在，因为从不同方向接近 $(0, 0)$ 得到不同的值。

偏导数

定义

偏导数（Partial Derivative）是多元函数对某个变量的导数，其他变量视为常数。

函数 $f(x, y)$ 对 $x$ 的偏导数：

$\frac{\partial f}{\partial x} = \lim_{h \to 0} \frac{f(x + h, y) - f(x, y)}{h}$

函数 $f(x, y)$ 对 $y$ 的偏导数：

$\frac{\partial f}{\partial y} = \lim_{h \to 0} \frac{f(x, y + h) - f(x, y)}{h}$

表示方法

偏导数有多种表示方法：

• $\frac{\partial f}{\partial x}$（莱布尼茨记号）
• $f_x$（下标记号）
• $D_x f$（算子记号）

例子

例子：$f(x, y) = x^2 + 3xy + y^2$

• $\frac{\partial f}{\partial x} = 2x + 3y$（把 $y$ 看作常数）
• $\frac{\partial f}{\partial y} = 3x + 2y$（把 $x$ 看作常数）

全微分

定义

全微分（Total Differential）是多元函数在某个点的线性近似。

如果 $z = f(x, y)$，则全微分：

$dz = \frac{\partial f}{\partial x} dx + \frac{\partial f}{\partial y} dy$

几何意义

全微分是函数在某个点的切平面的增量。

链式法则（多元）

公式

如果 $z = f(x, y)$，且 $x = g(t)$，$y = h(t)$，则：

$\frac{dz}{dt} = \frac{\partial f}{\partial x} \frac{dx}{dt} + \frac{\partial f}{\partial y} \frac{dy}{dt}$

例子

例子：$z = x^2 + y^2$，$x = t$，$y = t^2$

• $\frac{\partial z}{\partial x} = 2x = 2t$
• $\frac{\partial z}{\partial y} = 2y = 2t^2$
• $\frac{dx}{dt} = 1$
• $\frac{dy}{dt} = 2t$
• $\frac{dz}{dt} = 2t \times 1 + 2t^2 \times 2t = 2t + 4t^3$

方向导数

定义

方向导数（Directional Derivative）是函数在某个方向上的变化率。

函数 $f(x, y)$ 在点 $(a, b)$ 沿单位向量 $\vec{u} = (u_1, u_2)$ 的方向导数：

$D_{\vec{u}} f(a, b) = \frac{\partial f}{\partial x}(a, b) u_1 + \frac{\partial f}{\partial y}(a, b) u_2$

梯度

梯度（Gradient）是一个向量，其分量是函数的偏导数：

$\nabla f = \left(\frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}\right)$

方向导数可以用梯度表示：

$D_{\vec{u}} f = \nabla f \cdot \vec{u}$

多元函数的极值

临界点

临界点是偏导数都为 0 的点。

判别法

对于函数 $f(x, y)$，设：

$D = f_{xx} f_{yy} - (f_{xy})^2$

在临界点 $(a, b)$ 处：

• 如果 $D > 0$ 且 $f_{xx} > 0$，则 $f$ 在 $(a, b)$ 处有极小值
• 如果 $D > 0$ 且 $f_{xx} < 0$，则 $f$ 在 $(a, b)$ 处有极大值
• 如果 $D < 0$，则 $f$ 在 $(a, b)$ 处有鞍点
• 如果 $D = 0$，则无法判断

重积分

二重积分

二重积分（Double Integral）是二元函数在区域上的积分。

$\iint_D f(x, y) dA = \iint_D f(x, y) dx dy$

几何意义

二重积分表示函数 $f(x, y)$ 在区域 $D$ 上的体积（如果 $f(x, y) \ge 0$）。

计算方法

累次积分

$\iint_D f(x, y) dA = \int_a^b \left[\int_{g_1(x)}^{g_2(x)} f(x, y) dy\right] dx$

或

$\iint_D f(x, y) dA = \int_c^d \left[\int_{h_1(y)}^{h_2(y)} f(x, y) dx\right] dy$

例子：$\iint_D (x + y) dA$，其中 $D$ 是 $0 \le x \le 1$，$0 \le y \le 2$

$\iint_D (x + y) dA = \int_0^1 \left[\int_0^2 (x + y) dy\right] dx$

$= \int_0^1 \left[xy + \frac{y^2}{2}\right]_0^2 dx = \int_0^1 (2x + 2) dx = \left[x^2 + 2x\right]_0^1 = 3$

三重积分

三重积分（Triple Integral）是三元函数在区域上的积分。

$\iiint_V f(x, y, z) dV = \iiint_V f(x, y, z) dx dy dz$

生活中的应用

物理

• ⚡ 场论：描述电场、磁场
• 🔬 流体力学：描述流体的运动

工程

• 🏗️ 结构分析：分析多维结构
• ⚙️ 优化设计：多维优化问题

科学

• 🔬 多变量系统：分析多变量系统
• 📊 数据分析：多维数据分析

常见错误

错误 1：偏导数和全导数混淆

• 偏导数：对某个变量求导，其他变量视为常数
• 全导数：所有变量都变化时的导数

错误 2：积分顺序错误

计算重积分时，要注意积分的顺序。

错误 3：区域确定错误

要正确确定积分区域。

小练习

1. 求 $f(x, y) = x^2 + 2xy + y^2$ 的偏导数 $\frac{\partial f}{\partial x}$ 和 $\frac{\partial f}{\partial y}$
2. 计算 $\iint_D xy dA$，其中 $D$ 是 $0 \le x \le 2$，$0 \le y \le 1$
3. 求函数 $f(x, y) = x^2 + y^2$ 在点 $(1, 1)$ 处的梯度
4. 应用题：一个矩形的长和宽分别是 $x$ 和 $y$，面积是 $xy$，如果 $x$ 和 $y$ 都变化，如何用全微分近似面积的变化？

---

💡 小贴士：多元微积分是研究多元函数的微积分。记住：偏导数是把其他变量看作常数，重积分是计算多维区域的累积值。掌握多元微积分，你就能解决多维空间的问题！