方企勤 第五章 多元函数微分学 第5.2题

教材习题

📝 题目

5.2.13 设 $f\left( {x,y}\right) = {x}^{2} - {xy} + {y}^{2},\left( {{x}_{0},{y}_{0}}\right) = \left( {1,1}\right)$ .

(1)若方向 $l$ 与基 ${e}_{1},{e}_{2}$ 的夹角为 $\pi /3$ 和 $\pi /6$ ,求方向导数 $\frac{\partial f\left( {1,1}\right) }{\partial l}$ ;

( 2 )求在怎样的方向上方向导数 $\frac{\partial f\left( {1,1}\right) }{\partial l}$ 有最大值、最小值、等于零.

💡 答案解析

题目 5.2.4


$$
f(x,y) =
\begin{cases}
\frac{\sin(xy)}{x}, & x \neq 0, \\
y, & x = 0.
\end{cases}
$$
证明 $f(x,y)$ 在平面上可微。

证明:

1. 连续性
当 $x \neq 0$ 时,函数由初等函数定义,连续。
当 $x=0$ 时,需验证 $\displaystyle \lim_{(x,y)\to(0,y_0)} f(x,y) = y_0$。
若 $x \to 0$,则
$$
\frac{\sin(xy)}{x} = y \cdot \frac{\sin(xy)}{xy} \to y_0 \cdot 1 = y_0,
$$
所以处处连续。

2. 偏导数存在性
- 当 $x \neq 0$ 时,
$$
f_x = \frac{xy\cos(xy) - \sin(xy)}{x^2}, \quad f_y = \cos(xy).
$$
- 在 $(0,y_0)$ 处:
$$
f_x(0,y_0) = \lim_{h\to 0} \frac{f(h,y_0)-f(0,y_0)}{h} = \lim_{h\to 0} \frac{\frac{\sin(hy_0)}{h} - y_0}{h} = \lim_{h\to 0} \frac{\sin(hy_0) - hy_0}{h^2}.
$$
利用 $\sin t = t - \frac{t^3}{6} + o(t^3)$,得分子为 $-\frac{(hy_0)^3}{6} + o(h^3)$,除以 $h^2$ 后极限为 0。所以 $f_x(0,y_0)=0$。
$$
f_y(0,y_0) = \lim_{k\to 0} \frac{f(0,y_0+k)-f(0,y_0)}{k} = \lim_{k\to 0} \frac{(y_0+k)-y_0}{k} = 1.
$$

3. 可微性
在任意点 $(x_0,y_0)$,考虑增量
$$
\Delta f = f(x_0+h, y_0+k) - f(x_0,y_0).
$$
若 $x_0 \neq 0$,由 $f_x,f_y$ 连续(易验证)知可微。
若 $x_0=0$,则
$$
\Delta f = f(h, y_0+k) - y_0.
$$
当 $h=0$ 时,$\Delta f = k$,线性部分为 $0\cdot h + 1\cdot k$,余项为0。
当 $h\neq 0$ 时,
$$
\Delta f = \frac{\sin(h(y_0+k))}{h} - y_0.
$$
展开 $\sin(h(y_0+k)) = h(y_0+k) - \frac{h^3(y_0+k)^3}{6} + \cdots$,得
$$
\Delta f = (y_0+k) - y_0 - \frac{h^2(y_0+k)^3}{6} + \cdots = k - \frac{h^2(y_0+k)^3}{6} + \cdots.
$$
于是
$$
\Delta f - (0\cdot h + 1\cdot k) = -\frac{h^2(y_0+k)^3}{6} + \cdots.
$$
除以 $\sqrt{h^2+k^2}$,当 $(h,k)\to(0,0)$ 时趋于0,因此可微。

综上,$f$ 在平面上处处可微。
证毕。

---

题目 5.2.5

求下列复合函数的偏导数(设 $f$ 可微):

(1) $u = f\left(\frac{xz}{y}\right)$
令 $t = \frac{xz}{y}$,则
$$
\frac{\partial u}{\partial x} = f'(t) \cdot \frac{z}{y},\quad
\frac{\partial u}{\partial y} = f'(t) \cdot \left(-\frac{xz}{y^2}\right),\quad
\frac{\partial u}{\partial z} = f'(t) \cdot \frac{x}{y}.
$$

(2) $u = f(x+y, z)$
令 $p = x+y, q = z$,则
$$
\frac{\partial u}{\partial x} = f_p,\quad
\frac{\partial u}{\partial y} = f_p,\quad
\frac{\partial u}{\partial z} = f_q.
$$

(3) $u = f(x, xy, xyz)$
令 $p=x, q=xy, r=xyz$,则
$$
\frac{\partial u}{\partial x} = f_p + y f_q + yz f_r,
$$
$$
\frac{\partial u}{\partial y} = x f_q + xz f_r,
$$
$$
\frac{\partial u}{\partial z} = xy f_r.
$$

(4) $u = f(x+y+z, x^2+y^2+z^2)$
令 $p = x+y+z, q = x^2+y^2+z^2$,则
$$
\frac{\partial u}{\partial x} = f_p + 2x f_q,\quad
\frac{\partial u}{\partial y} = f_p + 2y f_q,\quad
\frac{\partial u}{\partial z} = f_p + 2z f_q.
$$

(5) $u = f\left(\frac{x}{y}, \frac{y}{z}\right)$
令 $p = x/y, q = y/z$,则
$$
\frac{\partial u}{\partial x} = \frac{1}{y} f_p,
$$
$$
\frac{\partial u}{\partial y} = -\frac{x}{y^2} f_p + \frac{1}{z} f_q,
$$
$$
\frac{\partial u}{\partial z} = -\frac{y}{z^2} f_q.
$$

(6) $u = f(x^2+y^2, x^2-y^2, 2xy)$
令 $p = x^2+y^2, q = x^2-y^2, r = 2xy$,则
$$
\frac{\partial u}{\partial x} = 2x f_p + 2x f_q + 2y f_r,
$$
$$
\frac{\partial u}{\partial y} = 2y f_p - 2y f_q + 2x f_r.
$$

---

题目 5.2.6

设 $u = x^n f\left(\frac{y}{x}, \frac{z}{x}\right)$,$f$ 可微。证明:
$$
x\frac{\partial u}{\partial x} + y\frac{\partial u}{\partial y} + z\frac{\partial u}{\partial z} = n u.
$$

证明:
令 $p = y/x, q = z/x$,则
$$
u = x^n f(p,q).
$$
计算偏导:
$$
\frac{\partial u}{\partial x} = n x^{n-1} f + x^n \left( f_p \cdot \left(-\frac{y}{x^2}\right) + f_q \cdot \left(-\frac{z}{x^2}\right) \right)
= n x^{n-1} f - x^{n-2} (y f_p + z f_q).
$$
$$
\frac{\partial u}{\partial y} = x^n f_p \cdot \frac{1}{x} = x^{n-1} f_p,
$$
$$
\frac{\partial u}{\partial z} = x^{n-1} f_q.
$$
于是
$$
x u_x + y u_y + z u_z = x\left( n x^{n-1} f - x^{n-2}(y f_p + z f_q) \right) + y x^{n-1} f_p + z x^{n-1} f_q
$$
$$
= n x^n f - x^{n-1}(y f_p + z f_q) + x^{n-1}(y f_p + z f_q) = n x^n f = n u.
$$
证毕。

---

题目 5.2.7

证明:$f(x,y,z)$ 为 $n$ 次齐次函数的充要条件是
$$
x\frac{\partial f}{\partial x} + y\frac{\partial f}{\partial y} + z\frac{\partial f}{\partial z} = n f(x,y,z).
$$

证明:
必要性:若 $f(tx,ty,tz) = t^n f(x,y,z)$,两边对 $t$ 求导,再令 $t=1$ 即得。

📋 详细解题步骤

步骤 1/6
目标:计算梯度
计算函数 f(x,y)=x^2-xy+y^2 在点 (1,1) 处的梯度。梯度向量为 (f_x, f_y) = (2x-y, -x+2y),代入 (1,1) 得 (1,1)。
公式:∇f(1,1) = (1,1)
提示:梯度是方向导数最大的方向。
步骤 2/6
目标:确定方向向量
方向 l 与基 e1, e2 的夹角分别为 π/3 和 π/6,即与 x 轴夹角 π/3,与 y 轴夹角 π/6。注意夹角之和为 π/2,说明方向向量为单位向量。设方向向量为 (cosθ, sinθ),则 cosθ = cos(π/3)=1/2,sinθ = cos(π/6)=√3/2。因此方向向量 l = (1/2, √3/2)。
公式:l = (cos(π/3), cos(π/6)) = (1/2, √3/2)
提示:方向余弦满足 cos^2α + cos^2β = 1,这里 α=π/3, β=π/6 确实满足。
步骤 3/6
目标:计算方向导数
方向导数 ∂f/∂l = ∇f(1,1)·l = (1,1)·(1/2, √3/2) = 1/2 + √3/2 = (1+√3)/2。
公式:∂f/∂l = (1+√3)/2
提示:方向导数为梯度与方向向量的点积。
步骤 4/6
目标:求最大值方向
方向导数最大值出现在梯度方向,即方向 l_max = ∇f(1,1)/|∇f(1,1)| = (1,1)/√2 = (1/√2, 1/√2)。最大值为 |∇f(1,1)| = √2。
公式:l_max = (1/√2, 1/√2), 最大值 = √2
提示:梯度方向是函数增长最快的方向。
步骤 5/6
目标:求最小值方向
方向导数最小值出现在梯度反方向,即 l_min = -∇f(1,1)/|∇f(1,1)| = (-1/√2, -1/√2)。最小值为 -|∇f(1,1)| = -√2。
公式:l_min = (-1/√2, -1/√2), 最小值 = -√2
提示:梯度反方向是函数下降最快的方向。
步骤 6/6
目标:求方向导数为零的方向
方向导数为零的方向与梯度垂直,即满足 (1,1)·(a,b)=0 的单位向量。解得 a+b=0,单位向量为 (1/√2, -1/√2) 或 (-1/√2, 1/√2)。
公式:l_zero = ±(1/√2, -1/√2)
提示:与梯度垂直的方向上方向导数为零。

📷 拍照上传批改

拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。