【高等数学】多元微分学(二)
隐函数的偏导数
二元方程的隐函数
F ( x , y ) = 0 F(x,y)=0 F(x,y)=0
推出隐函数形式 y = y ( x ) y=y(x) y=y(x). 欲求 d y d x \frac{d y}{d x} dxdy 需要对 F = 0 F=0 F=0 两边同时对 x x x 求全导
0 = d d x F ( x , y ( x ) ) = ∂ F ∂ x d x d x + ∂ F ∂ y d y d x = ∂ F ∂ x d x d x + ∂ F ∂ y d y d x 0 = \frac{d}{dx} F(x,y(x))= \frac{\partial F}{\partial x} \frac{dx}{dx}+\frac{\partial F}{\partial y} \frac{dy}{dx}=\frac{\partial F}{\partial x} \frac{dx}{dx}+\frac{\partial F}{\partial y} \frac{dy}{dx} 0=dxdF(x,y(x))=∂x∂Fdxdx+∂y∂Fdxdy=∂x∂Fdxdx+∂y∂Fdxdy
求出 d y d x = − ∂ F ∂ x ∂ F ∂ y \frac{dy}{dx}= -\frac{\frac{\partial F}{\partial x}}{\frac{\partial F}{\partial y}} dxdy=−∂y∂F∂x∂F
三元方程(组)的隐函数
三元方程
F ( x , y , z ) = 0 F(x,y,z)=0 F(x,y,z)=0,
推出隐函数形式 z = z ( x , y ) z=z(x,y) z=z(x,y). 欲求 ∂ z ∂ x \frac{\partial z}{\partial x} ∂x∂z 需要对 F = 0 F=0 F=0 两边同时对 x x x 求偏导
0 = ∂ F ∂ x + ∂ F ∂ z ∂ z ∂ x 0=\frac{\partial F}{\partial x} +\frac{\partial F}{\partial z} \frac{\partial z}{\partial x} 0=∂x∂F+∂z∂F∂x∂z
求出 ∂ z ∂ x = − ∂ F ∂ x ∂ F ∂ z \frac{\partial z}{\partial x}= -\frac{\frac{\partial F}{\partial x}}{\frac{\partial F}{\partial z}} ∂x∂z=−∂z∂F∂x∂F
两个三元方程
F ( x , y , z ) = 0 F(x,y,z)=0 F(x,y,z)=0, G ( x , y , z ) = 0 G(x,y,z)=0 G(x,y,z)=0
推出隐函数形式 z = z ( x ) , y = y ( x ) z=z(x), y=y(x) z=z(x),y=y(x) 欲求 d z d x \frac{d z}{dx} dxdz 需要对 F = 0 , G = 0 F=0,G=0 F=0,G=0 两边同时对 x x x 求全导
0 = ∂ F ∂ x + ∂ F ∂ y d y d x + ∂ F ∂ z d z d x 0=\frac{\partial F}{\partial x}+\frac{\partial F}{\partial y}\frac{dy}{dx}+\frac{\partial F}{\partial z}\frac{dz}{dx} 0=∂x∂F+∂y∂Fdxdy+∂z∂Fdxdz
0 = ∂ G ∂ x + ∂ G ∂ y d y d x + ∂ G ∂ z d z d x 0=\frac{\partial G}{\partial x}+\frac{\partial G}{\partial y}\frac{dy}{dx}+\frac{\partial G}{\partial z}\frac{dz}{dx} 0=∂x∂G+∂y∂Gdxdy+∂z∂Gdxdz
根据克拉姆法则,
J = ∂ ( F , G ) ∂ ( y , z ) = ∣ ∂ F ∂ y ∂ F ∂ z ∂ G ∂ y ∂ G ∂ z ∣ J=\frac{\partial (F,G)}{\partial(y,z)}= \left|\begin{array}{c c} \frac{\partial F}{\partial y} &\frac{\partial F}{\partial z} \\\\ \frac{\partial G}{\partial y} &\frac{\partial G}{\partial z}\end{array}\right| J=∂(y,z)∂(F,G)= ∂y∂F∂y∂G∂z∂F∂z∂G
d y d x = − 1 J ∂ ( F , G ) ∂ ( x , z ) \frac{d y}{d x} = -\frac{1}{J} \frac{\partial (F, G)}{\partial (x,z)} dxdy=−J1∂(x,z)∂(F,G) d z d x = − 1 J ∂ ( F , G ) ∂ ( y , x ) \frac{d z}{d x} = -\frac{1}{J} \frac{\partial (F, G)}{\partial (y,x)} dxdz=−J1∂(y,x)∂(F,G)
四元方程(组)的隐函数
四元函数方程
F ( x , y , z , w ) = 0 F(x,y,z,w)=0 F(x,y,z,w)=0,
推出隐函数形式 w = w ( x , y , z ) w=w(x,y,z) w=w(x,y,z)
0 = ∂ F ∂ x + ∂ F ∂ w ∂ w ∂ x 0= \frac{\partial F}{\partial x}+\frac{\partial F}{\partial w} \frac{\partial w}{\partial x} 0=∂x∂F+∂w∂F∂x∂w 求出
∂ w ∂ x = − ∂ F ∂ x ∂ F ∂ w \frac{\partial w}{\partial x}= - \frac{\frac{\partial F}{\partial x}}{\frac{\partial F}{\partial w}} ∂x∂w=−∂w∂F∂x∂F 类似的
∂ w ∂ y = − ∂ F ∂ y ∂ F ∂ w \frac{\partial w}{\partial y}= - \frac{\frac{\partial F}{\partial y}}{\frac{\partial F}{\partial w}} ∂y∂w=−∂w∂F∂y∂F ∂ w ∂ z = − ∂ F ∂ z ∂ F ∂ w \frac{\partial w}{\partial z}= - \frac{\frac{\partial F}{\partial z}}{\frac{\partial F}{\partial w}} ∂z∂w=−∂w∂F∂z∂F
两个四元函数方程组
F ( x , y , z , w ) = 0 F(x,y,z,w)=0 F(x,y,z,w)=0, G ( x , y , z , w ) = 0 G(x,y,z,w)=0 G(x,y,z,w)=0 推出隐函数形式 z = z ( x , y ) z=z(x,y) z=z(x,y), w = w ( x , y ) w=w(x,y) w=w(x,y)
0 = ∂ F ∂ x + ∂ F ∂ z ∂ z ∂ x + ∂ F ∂ w ∂ w ∂ x 0=\frac{\partial F}{\partial x}+\frac{\partial F}{\partial z} \frac{\partial z}{\partial x}+\frac{\partial F}{\partial w} \frac{\partial w}{\partial x} 0=∂x∂F+∂z∂F∂x∂z+∂w∂F∂x∂w
0 = ∂ G ∂ x + ∂ G ∂ z ∂ z ∂ x + ∂ G ∂ w ∂ w ∂ x 0=\frac{\partial G}{\partial x}+\frac{\partial G}{\partial z} \frac{\partial z}{\partial x}+\frac{\partial G}{\partial w} \frac{\partial w}{\partial x} 0=∂x∂G+∂z∂G∂x∂z+∂w∂G∂x∂w
根据克拉姆法则, J = ∂ ( F , G ) ∂ ( z , w ) = ∣ ∂ F ∂ z ∂ F ∂ w ∂ G ∂ z ∂ G ∂ w ∣ J=\frac{\partial (F,G)}{\partial(z,w)}= \left|\begin{matrix}\frac{\partial F}{\partial z} &\frac{\partial F}{\partial w}\\\\\frac{\partial G}{\partial z} &\frac{\partial G}{\partial w}\end{matrix}\right| J=∂(z,w)∂(F,G)= ∂z∂F∂z∂G∂w∂F∂w∂G
∂ z ∂ x = − 1 J ∂ ( F , G ) ∂ ( x , w ) \frac{\partial z}{\partial x} = -\frac{1}{J} \frac{\partial (F, G)}{\partial (x,w)} ∂x∂z=−J1∂(x,w)∂(F,G) ∂ w ∂ x = − 1 J ∂ ( F , G ) ∂ ( z , x ) \frac{\partial w}{\partial x} = -\frac{1}{J} \frac{\partial (F, G)}{\partial (z,x)} ∂x∂w=−J1∂(z,x)∂(F,G)
类似的由 0 = ∂ F ∂ y + ∂ F ∂ z ∂ z ∂ y + ∂ F ∂ w ∂ w ∂ y 0=\frac{\partial F}{\partial y}+\frac{\partial F}{\partial z} \frac{\partial z}{\partial y}+\frac{\partial F}{\partial w} \frac{\partial w}{\partial y} 0=∂y∂F+∂z∂F∂y∂z+∂w∂F∂y∂w 0 = ∂ G ∂ y + ∂ G ∂ z ∂ z ∂ y + ∂ G ∂ w ∂ w ∂ y 0=\frac{\partial G}{\partial y}+\frac{\partial G}{\partial z} \frac{\partial z}{\partial y}+\frac{\partial G}{\partial w} \frac{\partial w}{\partial y} 0=∂y∂G+∂z∂G∂y∂z+∂w∂G∂y∂w 得到
∂ z ∂ y = − 1 J ∂ ( F , G ) ∂ ( y , w ) \frac{\partial z}{\partial y} = -\frac{1}{J} \frac{\partial (F, G)}{\partial (y,w)} ∂y∂z=−J1∂(y,w)∂(F,G) ∂ w ∂ y = − 1 J ∂ ( F , G ) ∂ ( z , y ) \frac{\partial w}{\partial y} = -\frac{1}{J} \frac{\partial (F, G)}{\partial (z,y)} ∂y∂w=−J1∂(z,y)∂(F,G)
三个四元函数方程组
F ( x , y , z , w ) = 0 F(x,y,z,w)=0 F(x,y,z,w)=0, G ( x , y , z , w ) = 0 G(x,y,z,w)=0 G(x,y,z,w)=0, H ( x , y , z , w ) = 0 H(x,y,z,w)=0 H(x,y,z,w)=0.
推出隐函数形式 y = y ( x ) , z = z ( x ) , w = w ( x ) y=y(x), z=z(x), w=w(x) y=y(x),z=z(x),w=w(x)
0 = ∂ F ∂ x + ∂ F ∂ y d y d x + ∂ F ∂ z d z d x + ∂ F ∂ w d w d x 0=\frac{\partial F}{\partial x}+\frac{\partial F}{\partial y} \frac{d y}{d x}+\frac{\partial F}{\partial z} \frac{d z}{d x}+\frac{\partial F}{\partial w} \frac{d w}{d x} 0=∂x∂F+∂y∂Fdxdy+∂z∂Fdxdz+∂w∂Fdxdw
0 = ∂ G ∂ x + ∂ G ∂ y d y d x + ∂ G ∂ z d z d x + ∂ G ∂ w d w d x 0=\frac{\partial G}{\partial x}+\frac{\partial G}{\partial y} \frac{d y}{d x}+\frac{\partial G}{\partial z} \frac{d z}{d x}+\frac{\partial G}{\partial w} \frac{d w}{d x} 0=∂x∂G+∂y∂Gdxdy+∂z∂Gdxdz+∂w∂Gdxdw
0 = ∂ H ∂ x + ∂ H ∂ y d y d x + ∂ H ∂ z d z d x + ∂ H ∂ w d w d x 0=\frac{\partial H}{\partial x}+\frac{\partial H}{\partial y} \frac{d y}{d x}+\frac{\partial H}{\partial z} \frac{d z}{d x}+\frac{\partial H}{\partial w} \frac{d w}{d x} 0=∂x∂H+∂y∂Hdxdy+∂z∂Hdxdz+∂w∂Hdxdw
由克拉姆法则,
J = ∂ ( F , G , H ) ∂ ( y , z , w ) = ∣ ∂ F ∂ y ∂ F ∂ z ∂ F ∂ w ∂ G ∂ y ∂ G ∂ z ∂ G ∂ w ∂ H ∂ y ∂ H ∂ z ∂ H ∂ w ∣ J= \frac{\partial(F, G, H)}{\partial (y,z,w)} = \left| \begin{array}{c c c} \frac{\partial F}{\partial y} &\frac{\partial F}{\partial z} & \frac{\partial F}{\partial w} \\\\ \frac{\partial G}{\partial y}&\frac{\partial G}{\partial z} &\frac{\partial G}{\partial w} \\\\ \frac{\partial H}{\partial y}&\frac{\partial H}{\partial z} &\frac{\partial H}{\partial w}\end{array}\right| J=∂(y,z,w)∂(F,G,H)= ∂y∂F∂y∂G∂y∂H∂z∂F∂z∂G∂z∂H∂w∂F∂w∂G∂w∂H
d y d x = − 1 J ∂ ( F , G , H ) ∂ ( x , z , w ) \frac{d y}{d x}=-\frac{1}{J} \frac{\partial (F,G,H)}{\partial (x,z,w)} dxdy=−J1∂(x,z,w)∂(F,G,H) d z d x = − 1 J ∂ ( F , G , H ) ∂ ( y , x , w ) \frac{d z}{d x}=-\frac{1}{J} \frac{\partial (F,G,H)}{\partial (y,x,w)} dxdz=−J1∂(y,x,w)∂(F,G,H) d w d x = − 1 J ∂ ( F , G , H ) ∂ ( y , z , x ) \frac{d w}{d x}=-\frac{1}{J} \frac{\partial (F,G,H)}{\partial (y,z,x)} dxdw=−J1∂(y,z,x)∂(F,G,H)
五元方程
两个五元方程
F ( x , y , z , u , v ) = 0 F(x,y,z,u,v)=0 F(x,y,z,u,v)=0, G ( x , y , z , u , v ) = 0 G(x,y,z,u,v)=0 G(x,y,z,u,v)=0
推出隐函数形式 u = u ( x , y , z ) , v = v ( x , y , z ) u=u(x,y,z), v=v(x,y,z) u=u(x,y,z),v=v(x,y,z), 对 F = 0 , G = 0 F=0, G=0 F=0,G=0 同时对 x x x 求偏微分
0 = ∂ F ∂ x + ∂ F ∂ u ∂ u ∂ x + ∂ F ∂ v ∂ v ∂ x 0= \frac{\partial F}{\partial x} + \frac{\partial F}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial F}{\partial v}\frac{\partial v}{\partial x} 0=∂x∂F+∂u∂F∂x∂u+∂v∂F∂x∂v 0 = ∂ G ∂ x + ∂ G ∂ u ∂ u ∂ x + ∂ G ∂ v ∂ v ∂ x 0= \frac{\partial G}{\partial x} + \frac{\partial G}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial G}{\partial v}\frac{\partial v}{\partial x} 0=∂x∂G+∂u∂G∂x∂u+∂v∂G∂x∂v
由克拉姆法则 J = ∂ ( F , G ) ∂ ( u , v ) J=\frac{\partial(F,G)}{\partial (u,v)} J=∂(u,v)∂(F,G), ∂ u ∂ x = − 1 J ∂ ( F , G ) ∂ ( x , v ) \frac{\partial u}{\partial x}=-\frac{1}{J}\frac{\partial(F,G)}{\partial(x,v)} ∂x∂u=−J1∂(x,v)∂(F,G) ∂ v ∂ x = − 1 J ∂ ( F , G ) ∂ ( u , x ) \frac{\partial v}{\partial x}=-\frac{1}{J}\frac{\partial(F,G)}{\partial(u,x)} ∂x∂v=−J1∂(u,x)∂(F,G)
类似的
∂ u ∂ y = − 1 J ∂ ( F , G ) ∂ ( y , v ) \frac{\partial u}{\partial y}=-\frac{1}{J}\frac{\partial(F,G)}{\partial(y,v)} ∂y∂u=−J1∂(y,v)∂(F,G) ∂ u ∂ y = − 1 J ∂ ( F , G ) ∂ ( u , y ) \frac{\partial u}{\partial y}=-\frac{1}{J}\frac{\partial(F,G)}{\partial(u,y)} ∂y∂u=−J1∂(u,y)∂(F,G)
∂ u ∂ z = − 1 J ∂ ( F , G ) ∂ ( z , v ) \frac{\partial u}{\partial z}=-\frac{1}{J}\frac{\partial(F,G)}{\partial(z,v)} ∂z∂u=−J1∂(z,v)∂(F,G) ∂ u ∂ z = − 1 J ∂ ( F , G ) ∂ ( u , z ) \frac{\partial u}{\partial z}=-\frac{1}{J}\frac{\partial(F,G)}{\partial(u,z)} ∂z∂u=−J1∂(u,z)∂(F,G)
三个五元方程
F ( x , y , z , u , v ) = 0 F(x,y,z,u,v)=0 F(x,y,z,u,v)=0, G ( x , y , z , u , v ) = 0 G(x,y,z,u,v)=0 G(x,y,z,u,v)=0, H ( x , y , z , u , v ) = 0 H(x,y,z,u,v)=0 H(x,y,z,u,v)=0
推出隐函数形式 z = z ( x , y ) , u = u ( x , y ) , v = v ( x , y ) z=z(x,y), u=u(x,y), v=v(x,y) z=z(x,y),u=u(x,y),v=v(x,y)
0 = ∂ F ∂ x + ∂ F ∂ z ∂ z ∂ x + ∂ F ∂ u ∂ u ∂ x + ∂ F ∂ v ∂ v ∂ x 0= \frac{\partial F}{\partial x} +\frac{\partial F}{\partial z}\frac{\partial z}{\partial x}+ \frac{\partial F}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial F}{\partial v}\frac{\partial v}{\partial x} 0=∂x∂F+∂z∂F∂x∂z+∂u∂F∂x∂u+∂v∂F∂x∂v
0 = ∂ G ∂ x + ∂ G ∂ z ∂ z ∂ x + ∂ G ∂ u ∂ u ∂ x + ∂ G ∂ v ∂ v ∂ x 0= \frac{\partial G}{\partial x} +\frac{\partial G}{\partial z}\frac{\partial z}{\partial x}+ \frac{\partial G}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial G}{\partial v}\frac{\partial v}{\partial x} 0=∂x∂G+∂z∂G∂x∂z+∂u∂G∂x∂u+∂v∂G∂x∂v
0 = ∂ H ∂ x + ∂ H ∂ z ∂ z ∂ x + ∂ H ∂ u ∂ u ∂ x + ∂ H ∂ v ∂ v ∂ x 0= \frac{\partial H}{\partial x} +\frac{\partial H}{\partial z}\frac{\partial z}{\partial x}+ \frac{\partial H}{\partial u}\frac{\partial u}{\partial x} + \frac{\partial H}{\partial v}\frac{\partial v}{\partial x} 0=∂x∂H+∂z∂H∂x∂z+∂u∂H∂x∂u+∂v∂H∂x∂v
由克拉姆法则 J = ∂ ( F , G , H ) ∂ ( z , u , v ) J=\frac{\partial(F,G,H)}{\partial (z,u,v)} J=∂(z,u,v)∂(F,G,H),
∂ z ∂ x = − 1 J ∂ ( F , G , H ) ∂ ( x , u , v ) \frac{\partial z}{\partial x}=-\frac{1}{J}\frac{\partial(F,G,H)}{\partial(x,u,v)} ∂x∂z=−J1∂(x,u,v)∂(F,G,H) ∂ u ∂ x = − 1 J ∂ ( F , G , H ) ∂ ( z , x , v ) \frac{\partial u}{\partial x}=-\frac{1}{J}\frac{\partial(F,G,H)}{\partial(z,x,v)} ∂x∂u=−J1∂(z,x,v)∂(F,G,H) ∂ v ∂ x = − 1 J ∂ ( F , G , H ) ∂ ( z , u , x ) \frac{\partial v}{\partial x}=-\frac{1}{J}\frac{\partial(F,G,H)}{\partial(z,u,x)} ∂x∂v=−J1∂(z,u,x)∂(F,G,H)
类似的 ∂ z ∂ y = − 1 J ∂ ( F , G , H ) ∂ ( y , u , v ) \frac{\partial z}{\partial y}=-\frac{1}{J}\frac{\partial(F,G,H)}{\partial(y,u,v)} ∂y∂z=−J1∂(y,u,v)∂(F,G,H) ∂ u ∂ y = − 1 J ∂ ( F , G , H ) ∂ ( z , y , v ) \frac{\partial u}{\partial y}=-\frac{1}{J}\frac{\partial(F,G,H)}{\partial(z,y,v)} ∂y∂u=−J1∂(z,y,v)∂(F,G,H) ∂ v ∂ y = − 1 J ∂ ( F , G , H ) ∂ ( z , u , y ) \frac{\partial v}{\partial y}=-\frac{1}{J}\frac{\partial(F,G,H)}{\partial(z,u,y)} ∂y∂v=−J1∂(z,u,y)∂(F,G,H)
(选看) 反函数的偏导数
一元一维函数 y = f ( x ) y=f(x) y=f(x)
反函数为 x = f − 1 ( y ) = ϕ ( y ) x=f^{-1}(y)=\phi(y) x=f−1(y)=ϕ(y)
ϕ ′ ( y ) = d x d y = 1 d y d x = 1 f ′ ( x ) = 1 f ′ ( ϕ ( y ) ) \phi'(y)=\frac{dx }{dy}=\frac{1}{\frac{dy}{dx}}=\frac{1}{f'(x)}=\frac{1}{f'(\phi(y))} ϕ′(y)=dydx=dxdy1=f′(x)1=f′(ϕ(y))1
二元二维函数 u ( x , y ) , v ( x , y ) u(x,y), v(x,y) u(x,y),v(x,y)
若在 x 0 , y 0 x_0,y_0 x0,y0 处满足 雅可比行列式 ∂ ( u , v ) ∂ ( x , y ) ≠ 0 \frac{\partial (u,v)}{\partial (x,y)}\neq 0 ∂(x,y)∂(u,v)=0, 则存在反函数 x = x ( u , v ) , y = y ( u , v ) x=x(u,v), y=y(u,v) x=x(u,v),y=y(u,v),
反函数的雅可比矩阵是原函数雅可比矩阵的逆
令
F ( x , y , u , v ) = x − x ( u ( x , y ) , v ( x , y ) ) = 0 F(x,y,u,v)=x-x(u(x,y),v(x,y))=0 F(x,y,u,v)=x−x(u(x,y),v(x,y))=0
G ( x , y , u , v ) = y − y ( u ( x , y ) , v ( x , y ) ) = 0 G(x,y,u,v)=y-y(u(x,y),v(x,y))=0 G(x,y,u,v)=y−y(u(x,y),v(x,y))=0
对 F = 0 F=0 F=0 G = 0 G=0 G=0 同时对 x x x 求偏导
1 = ∂ x ∂ u ∂ u ∂ x + ∂ x ∂ v ∂ v ∂ x 1= \frac{\partial x}{\partial u}\frac{\partial u}{\partial x}+\frac{\partial x}{\partial v}\frac{\partial v}{\partial x} 1=∂u∂x∂x∂u+∂v∂x∂x∂v
0 = ∂ y ∂ u ∂ u ∂ x + ∂ y ∂ v ∂ v ∂ x 0= \frac{\partial y}{\partial u}\frac{\partial u}{\partial x}+\frac{\partial y}{\partial v}\frac{\partial v}{\partial x} 0=∂u∂y∂x∂u+∂v∂y∂x∂v
对 F = 0 F=0 F=0 G = 0 G=0 G=0 同时对 y y y 求偏导
0 = ∂ x ∂ u ∂ u ∂ y + ∂ x ∂ v ∂ v ∂ y 0= \frac{\partial x}{\partial u}\frac{\partial u}{\partial y}+\frac{\partial x}{\partial v}\frac{\partial v}{\partial y} 0=∂u∂x∂y∂u+∂v∂x∂y∂v
1 = ∂ y ∂ u ∂ u ∂ y + ∂ y ∂ v ∂ v ∂ y 1= \frac{\partial y}{\partial u}\frac{\partial u}{\partial y}+\frac{\partial y}{\partial v}\frac{\partial v}{\partial y} 1=∂u∂y∂y∂u+∂v∂y∂y∂v
J = ∂ ( x , y ) ∂ ( u , v ) J=\frac{\partial (x,y)}{\partial (u,v)} J=∂(u,v)∂(x,y)
因此
∂ u ∂ x = 1 J ∂ y ∂ v \frac{\partial u}{\partial x}=\frac{1}{J}\frac{\partial y}{\partial v} ∂x∂u=J1∂v∂y
∂ v ∂ x = − 1 J ∂ y ∂ u \frac{\partial v}{\partial x}=-\frac{1}{J}\frac{\partial y}{\partial u} ∂x∂v=−J1∂u∂y
∂ u ∂ y = − 1 J ∂ x ∂ v \frac{\partial u}{\partial y}=-\frac{1}{J}\frac{\partial x}{\partial v} ∂y∂u=−J1∂v∂x
∂ v ∂ y = 1 J ∂ x ∂ u \frac{\partial v}{\partial y}=\frac{1}{J}\frac{\partial x}{\partial u} ∂y∂v=J1∂u∂x
用线性代数矩阵的乘法表示
[ ∂ x ∂ u ∂ x ∂ v ∂ y ∂ u ∂ y ∂ v ] [ ∂ u ∂ x ∂ u ∂ y ∂ v ∂ x ∂ v ∂ y ] = [ 1 0 0 1 ] \left[\begin{matrix}\frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} \\ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} \end{matrix}\right]\left[\begin{matrix} \frac{\partial u}{\partial x} & \frac{\partial u}{\partial y} \\ \frac{\partial v}{\partial x} & \frac{\partial v}{\partial y} \end{matrix}\right] =\left[\begin{matrix} 1 & 0\\ 0& 1 \end{matrix}\right] [∂u∂x∂u∂y∂v∂x∂v∂y][∂x∂u∂x∂v∂y∂u∂y∂v]=[1001]
三元三维函数 u = ( x , y , z ) , v ( x , y , z ) , w ( x , y , z ) u=(x,y,z), v(x,y,z), w(x,y,z) u=(x,y,z),v(x,y,z),w(x,y,z)
类似地
[ ∂ x ∂ u ∂ x ∂ v ∂ x ∂ w ∂ y ∂ u ∂ y ∂ v ∂ y ∂ w ∂ z ∂ u ∂ z ∂ v ∂ z ∂ w ] [ ∂ u ∂ x ∂ u ∂ y ∂ u ∂ z ∂ v ∂ x ∂ v ∂ y ∂ v ∂ z ∂ w ∂ x ∂ w ∂ y ∂ w ∂ z ] = [ 1 0 0 0 1 0 0 0 1 ] \left[\begin{matrix}\frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} & \frac{\partial x}{\partial w}\\ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} & \frac{\partial y}{\partial w}\\ \frac{\partial z}{\partial u} & \frac{\partial z}{\partial v} & \frac{\partial z}{\partial w}\\ \end{matrix}\right]\left[\begin{matrix} \frac{\partial u}{\partial x} & \frac{\partial u}{\partial y} &\frac{\partial u}{\partial z}\\ \frac{\partial v}{\partial x} & \frac{\partial v}{\partial y} &\frac{\partial v}{\partial z}\\ \frac{\partial w}{\partial x} & \frac{\partial w}{\partial y} &\frac{\partial w}{\partial z}\\ \end{matrix}\right] =\left[\begin{matrix} 1 & 0& 0\\ 0& 1 &0\\ 0& 0 &1 \end{matrix}\right] ∂u∂x∂u∂y∂u∂z∂v∂x∂v∂y∂v∂z∂w∂x∂w∂y∂w∂z ∂x∂u∂x∂v∂x∂w∂y∂u∂y∂v∂y∂w∂z∂u∂z∂v∂z∂w = 100010001
(选看) 参数方程的微分
二维单参数方程 (一元二维)
x = x ( t ) x=x(t) x=x(t), y = y ( t ) y=y(t) y=y(t),
d y d x = d y d t d x d t \frac{d y}{d x}= \frac{\frac{d y}{d t}}{\frac{dx}{dt}} dxdy=dtdxdtdy
三维单参数方程 (一元三维)
x = x ( t ) x=x(t) x=x(t), y = y ( t ) y=y(t) y=y(t), z = z ( t ) z=z(t) z=z(t)
d y d x = d y d t d x d t \frac{d y}{d x}= \frac{\frac{d y}{d t}}{\frac{dx}{dt}} dxdy=dtdxdtdy
d z d x = d z d t d x d t \frac{d z}{d x}= \frac{\frac{d z}{d t}}{\frac{dx}{dt}} dxdz=dtdxdtdz
d z d y = d z d t d y d t \frac{d z}{d y}= \frac{\frac{d z}{d t}}{\frac{dy}{dt}} dydz=dtdydtdz
三维双参数方程 (二元三维)
x = x ( s , t ) x=x(s,t) x=x(s,t), y = y ( s , t ) y=y(s,t) y=y(s,t), z = z ( s , t ) z=z(s,t) z=z(s,t), 求解 ∂ z ∂ x \frac{\partial z}{\partial x} ∂x∂z, ∂ z ∂ y \frac{\partial z}{\partial y} ∂y∂z
推出隐函数 s = s ( x , y ) s=s(x,y) s=s(x,y), t = t ( x , y ) t=t(x,y) t=t(x,y)
z = z ( s , t ) = z ( s ( x , y ) , t ( x , y ) ) z=z(s,t)=z(s(x,y), t(x,y)) z=z(s,t)=z(s(x,y),t(x,y)),
∂ z ∂ x = ∂ z ∂ s ∂ s ∂ x + ∂ z ∂ t ∂ t ∂ x \frac{\partial z}{\partial x}= \frac{\partial z}{\partial s}\frac{\partial s}{\partial x}+ \frac{\partial z}{\partial t}\frac{\partial t}{\partial x} ∂x∂z=∂s∂z∂x∂s+∂t∂z∂x∂t
∂ z ∂ y = ∂ z ∂ s ∂ s ∂ y + ∂ z ∂ t ∂ t ∂ y \frac{\partial z}{\partial y}= \frac{\partial z}{\partial s}\frac{\partial s}{\partial y}+\frac{\partial z}{\partial t}\frac{\partial t}{\partial y} ∂y∂z=∂s∂z∂y∂s+∂t∂z∂y∂t
结合二元二维反函数
记 J = ∂ ( x , y ) ∂ ( s , t ) J=\frac{\partial (x,y)}{\partial (s,t)} J=∂(s,t)∂(x,y)
∂ s ∂ x = 1 J ∂ y ∂ t \frac{\partial s}{\partial x}=\frac{1}{J}\frac{\partial y}{\partial t} ∂x∂s=J1∂t∂y
∂ t ∂ x = − 1 J ∂ y ∂ s \frac{\partial t}{\partial x}=-\frac{1}{J}\frac{\partial y}{\partial s} ∂x∂t=−J1∂s∂y
∂ s ∂ y = − 1 J ∂ x ∂ t \frac{\partial s}{\partial y}=-\frac{1}{J}\frac{\partial x}{\partial t} ∂y∂s=−J1∂t∂x
∂ t ∂ y = 1 J ∂ x ∂ s \frac{\partial t}{\partial y}=\frac{1}{J}\frac{\partial x}{\partial s} ∂y∂t=J1∂s∂x
∂ z ∂ x = 1 J ∂ ( z , x ) ∂ ( s , t ) \frac{\partial z}{\partial x} = \frac{1}{J} \frac{\partial (z,x)}{\partial (s,t)} ∂x∂z=J1∂(s,t)∂(z,x)
∂ z ∂ y = 1 J ∂ ( x , z ) ∂ ( s , t ) \frac{\partial z}{\partial y} = \frac{1}{J} \frac{\partial (x,z)}{\partial (s,t)} ∂y∂z=J1∂(s,t)∂(x,z)
相关文章:
【高等数学】多元微分学(二)
隐函数的偏导数 二元方程的隐函数 F ( x , y ) 0 F(x,y)0 F(x,y)0 推出隐函数形式 y y ( x ) yy(x) yy(x). 欲求 d y d x \frac{d y}{d x} dxdy 需要对 F 0 F0 F0 两边同时对 x x x 求全导 0 d d x F ( x , y ( x ) ) ∂ F ∂ x d x d x ∂ F ∂ y d y d x ∂ F…...
.NET 中的 Web服务(Web Services)和WCF(Windows Communication Foundation)
一、引言 在当今数字化时代,不同的软件系统和应用程序之间需要进行高效、可靠的通信与数据交换。.NET 框架中的 Web 服务和 WCF(Windows Communication Foundation)为此提供了强大的技术支持。它们在构建分布式应用程序、实现跨平台通信以及…...
Linux小知识2 系统的启动
我们在上文中介绍了文件系统,提到了Linux的文件系统存在一个块的概念,其中有一个特殊的块:引导块。这和我们这里要讲的系统启动有关。 BIOS 基本输入输出系统,基本上是一个操作系统最早实现也是最早运行的第一个程序。是一个比较…...

Oracle-19g数据库的安装
简介 Oracle是一家全球领先的数据库和云解决方案提供商。他们提供了一套完整的技术和产品,包括数据库管理系统、企业级应用程序、人工智能和机器学习工具等。Oracle的数据库管理系统是业界最受欢迎和广泛使用的数据库之一,它可以管理和存储大量结构化和…...

Dubbo快速入门(二):第一个Dubbo程序(附源码)
文章目录 一、生产者工程0.目录结构1.依赖2.配置文件3.启动类4.生产者服务 二、消费者工程0.目录结构1.依赖2.配置文件3.启动类4.服务接口5.controller接口 三、测试代码 本博客配套源码:gitlab仓库 首先,在服务器上部署zookeeper并运行,可以…...
不同数据类型转换与转义的对比差异
(Owed by: 春夜喜雨 http://blog.csdn.net/chunyexiyu) 在C和C语言中,类型转换与转义是有点像的,有时可能被误解,这块需要仔细辨别。 类型转换形如,把不同字节数或相同字节数的类型值进行转换,强调的是数值转换过去&…...

Kylin系统安装VMwareTools工具
如下图所示,安装好Kylin系统之后,还未安装VMwareTools工具,导致系统画面无法填充虚拟机 正常安装了VMwareTools工具后的系统画面 所以,接下来我们介绍一下如何在Kylin系统下安装VMwareTools工具 首先,点击VMware工具栏…...
uni-app 拍照图片添加水印
获取图片信息 uni.chooseImage({count: 6, //默认9sizeType: ["original", "compressed"], //可以指定是原图还是压缩图,默认二者都有sourceType: ["camera"], //从相册选择success: async function (result: any) {if (!props.isMar…...
Docker-registry私有镜像仓库的安装
Docker-registry私有镜像仓库的安装 我在这里的镜像仓库搭建在ip为192.168.3.23的虚机中。 安装docker-registry 1.拉取镜像 # docker pull registry 2.查看镜像 # docker images REPOSITORY TAG IMAGE ID CREATE…...
在vue3中实现祖组件给后代组件传参,可以跨域几层。
使用provide和inject就可以 下面是祖组件代码: //这是祖组件// 引入provide import { provide } from "vue";//定义数据 const projectId ref("");// 给后代组件传参 provide("projectId", projectId); 下面是后代组件代码&#…...

【优选算法】——双指针(上篇)!
🌈个人主页:秋风起,再归来~🔥系列专栏:C刷题算法总结🔖克心守己,律己则安 目录 前言:双指针 1. 移动零(easy) 2. 复写零(easy) 3…...

【C语言】数据输出格式控制
数据的输出格式修饰 常用两种: 整型中,输出数据左对齐、右对齐、占m位、不足m位前补0。浮点型中,默认通过四舍五入保留小数点后6位,通过参数设置保留小数点后n位。 #include <stdio.h> #define PI 3.14159 /* 功能&#x…...

Qt-界面优化选择器的用法(70)
目录 描述 使用 类型选择器 ID 选择器 并集选择器 子控件选择器 伪控制器 描述 QSS 的选择器⽀持以下⼏种 选择器⽰例说明全局选择器*选择所有的 widget.类型选择器 (type selector)QPushButton选择所有的 QPushButton 和其⼦类的控件.类选择器 (class selector).QPus…...

全国职业技能大赛——信息安全管理与评估第一阶段BC、FW、WAF题目详细解析过程
💗需要职业技能大赛环境+WP,请联系我!🍬 博主介绍 👨🎓 博主介绍:大家好,我是 一个想当文人的黑客 ,很高兴认识大家~ ✨主攻领域:【渗透领域】【应急响应】 【edusrc漏洞挖掘】 【VulnHub靶场复现】【面试分析】 🎉欢迎关注💗一起学习👍一起讨论⭐️一起…...

基于Vite创建项目
vite 是新一代前端构建工具,官网地址:https://vitejs.cn,vite的优势如下: 轻量快速的热重载(HMR),能实现极速的服务启动。对 TypeScript、JSX、CSS 等支持开箱即用。真正的按需编译,…...
面试题:在 React 中如何绑定事件
在 React 中绑定事件处理器(event handlers)是一个常见的任务,通常涉及以下几个步骤: 定义一个事件处理器函数:在组件的类或者函数组件内部定义一个处理事件的函数。 在 JSX 中绑定事件处理器:在渲染 JSX 时,使用 on 前缀加上事件名称(如 onClick, onChange, onSubmit …...
前端将JSON或者table直接导出为excel
一、引入Sheetjs或者npm直接下载 <script lang"javascript" src"https://cdn.sheetjs.com/xlsx-0.20.3/package/dist/xlsx.full.min.js"></script> 二、页面中使用 //json导出为excel <button onclick"exportExcel()">导出…...

算法之排序
概述 记录排序算法。 1 选择排序 *** 选择排序* 思路:遍历数组,找出(选择)最小的元素,然后和最左边的元素交换。接下来,再从第二个元素开始遍历整个数组。再找到最小的元素,再和第二个元素交换…...

深度学习:LSTM循环神经网络实现评论情感分析
目录 一、任务介绍 1.任务要求 2.信息内容 3.待思考问题 二、问题解决 1.将评论内容转换成语料库 2.获取每条评论的词向量、标签和长度 3.数据打包 4.建立LSTM循环神经网络模型 1.主程序代码 2.模型代码 5.建立训练集函数和测试集函数 一、任务介绍 1.任务要求 项…...

基于Arduino的环境监测装置
基于Arduino的环境监测装置 引言痛点功能前期准备软件硬件 项目开发硬件开发软件开发 功能演示更多精彩,欢迎关注 引言 本项目使用机智云Gokit2.0开发板,实现基于Arduino的环境监测装置,解决目前大多数人对环境数据要求逐渐增高的痛点。 痛…...
React hook之useRef
React useRef 详解 useRef 是 React 提供的一个 Hook,用于在函数组件中创建可变的引用对象。它在 React 开发中有多种重要用途,下面我将全面详细地介绍它的特性和用法。 基本概念 1. 创建 ref const refContainer useRef(initialValue);initialValu…...

【JavaEE】-- HTTP
1. HTTP是什么? HTTP(全称为"超文本传输协议")是一种应用非常广泛的应用层协议,HTTP是基于TCP协议的一种应用层协议。 应用层协议:是计算机网络协议栈中最高层的协议,它定义了运行在不同主机上…...

【第二十一章 SDIO接口(SDIO)】
第二十一章 SDIO接口 目录 第二十一章 SDIO接口(SDIO) 1 SDIO 主要功能 2 SDIO 总线拓扑 3 SDIO 功能描述 3.1 SDIO 适配器 3.2 SDIOAHB 接口 4 卡功能描述 4.1 卡识别模式 4.2 卡复位 4.3 操作电压范围确认 4.4 卡识别过程 4.5 写数据块 4.6 读数据块 4.7 数据流…...

【SQL学习笔记1】增删改查+多表连接全解析(内附SQL免费在线练习工具)
可以使用Sqliteviz这个网站免费编写sql语句,它能够让用户直接在浏览器内练习SQL的语法,不需要安装任何软件。 链接如下: sqliteviz 注意: 在转写SQL语法时,关键字之间有一个特定的顺序,这个顺序会影响到…...
GitHub 趋势日报 (2025年06月08日)
📊 由 TrendForge 系统生成 | 🌐 https://trendforge.devlive.org/ 🌐 本日报中的项目描述已自动翻译为中文 📈 今日获星趋势图 今日获星趋势图 884 cognee 566 dify 414 HumanSystemOptimization 414 omni-tools 321 note-gen …...
基于Java Swing的电子通讯录设计与实现:附系统托盘功能代码详解
JAVASQL电子通讯录带系统托盘 一、系统概述 本电子通讯录系统采用Java Swing开发桌面应用,结合SQLite数据库实现联系人管理功能,并集成系统托盘功能提升用户体验。系统支持联系人的增删改查、分组管理、搜索过滤等功能,同时可以最小化到系统…...

STM32HAL库USART源代码解析及应用
STM32HAL库USART源代码解析 前言STM32CubeIDE配置串口USART和UART的选择使用模式参数设置GPIO配置DMA配置中断配置硬件流控制使能生成代码解析和使用方法串口初始化__UART_HandleTypeDef结构体浅析HAL库代码实际使用方法使用轮询方式发送使用轮询方式接收使用中断方式发送使用中…...
uniapp 字符包含的相关方法
在uniapp中,如果你想检查一个字符串是否包含另一个子字符串,你可以使用JavaScript中的includes()方法或者indexOf()方法。这两种方法都可以达到目的,但它们在处理方式和返回值上有所不同。 使用includes()方法 includes()方法用于判断一个字…...

群晖NAS如何在虚拟机创建飞牛NAS
套件中心下载安装Virtual Machine Manager 创建虚拟机 配置虚拟机 飞牛官网下载 https://iso.liveupdate.fnnas.com/x86_64/trim/fnos-0.9.2-863.iso 群晖NAS如何在虚拟机创建飞牛NAS - 个人信息分享...

c++第七天 继承与派生2
这一篇文章主要内容是 派生类构造函数与析构函数 在派生类中重写基类成员 以及多继承 第一部分:派生类构造函数与析构函数 当创建一个派生类对象时,基类成员是如何初始化的? 1.当派生类对象创建的时候,基类成员的初始化顺序 …...