东南大学 2021年数学分析第12题

考研真题

📝 题目

12.已知 $\displaystyle f_{x y}(x, y)$ 与 $\displaystyle f_{y x}(x, y)$ 均在 $\displaystyle \left(x_{0}, y_{0}\right)$ 处连续,证明 $\displaystyle f_{x y}\left(x_{0}, y_{0}\right)=f_{y x}\left(x_{0}, y_{0}\right)$ .

💡 答案解析

暂无答案解析

📋 详细解题步骤

步骤 1/6
目标:构造差商并引入中值定理
设 $h, k \neq 0$ 足够小,使得 $(x_0+h, y_0+k)$ 在定义域内。定义差商: $$ \Delta(h,k) = f(x_0+h, y_0+k) - f(x_0+h, y_0) - f(x_0, y_0+k) + f(x_0, y_0) $$ 这个表达式可以看作两次差分,我们将从两个不同顺序应用中值定理。
公式:\Delta(h,k) = f(x_0+h, y_0+k) - f(x_0+h, y_0) - f(x_0, y_0+k) + f(x_0, y_0)
提示:注意 $h$ 和 $k$ 不能为零,否则无法应用中值定理。
步骤 2/6
目标:先对 $x$ 方向应用中值定理
令 $\phi(x) = f(x, y_0+k) - f(x, y_0)$,则 $\Delta(h,k) = \phi(x_0+h) - \phi(x_0)$。由拉格朗日中值定理,存在 $\xi$ 介于 $x_0$ 与 $x_0+h$ 之间,使得 $$ \Delta(h,k) = \phi'(\xi) \cdot h $$ 而 $\phi'(\xi) = f_x(\xi, y_0+k) - f_x(\xi, y_0)$。
公式:\Delta(h,k) = [f_x(\xi, y_0+k) - f_x(\xi, y_0)] \cdot h
提示:确保 $f$ 关于 $x$ 可微,这里隐含了 $f_x$ 的存在性。
步骤 3/6
目标:再对 $y$ 方向应用中值定理
对 $f_x(\xi, y_0+k) - f_x(\xi, y_0)$ 应用拉格朗日中值定理,存在 $\eta$ 介于 $y_0$ 与 $y_0+k$ 之间,使得 $$ f_x(\xi, y_0+k) - f_x(\xi, y_0) = f_{xy}(\xi, \eta) \cdot k $$ 因此 $$ \Delta(h,k) = f_{xy}(\xi, \eta) \cdot h k $$ 其中 $\xi$ 在 $x_0$ 与 $x_0+h$ 之间,$\eta$ 在 $y_0$ 与 $y_0+k$ 之间。
公式:\Delta(h,k) = f_{xy}(\xi, \eta) \cdot h k
提示:这里要求 $f_x$ 关于 $y$ 可微,且 $f_{xy}$ 存在。
步骤 4/6
目标:交换次序,先对 $y$ 方向应用中值定理
令 $\psi(y) = f(x_0+h, y) - f(x_0, y)$,则 $\Delta(h,k) = \psi(y_0+k) - \psi(y_0)$。由拉格朗日中值定理,存在 $\eta_1$ 介于 $y_0$ 与 $y_0+k$ 之间,使得 $$ \Delta(h,k) = \psi'(\eta_1) \cdot k $$ 而 $\psi'(\eta_1) = f_y(x_0+h, \eta_1) - f_y(x_0, \eta_1)$。
公式:\Delta(h,k) = [f_y(x_0+h, \eta_1) - f_y(x_0, \eta_1)] \cdot k
提示:注意与第一步对称,但顺序不同。
步骤 5/6
目标:再对 $x$ 方向应用中值定理
对 $f_y(x_0+h, \eta_1) - f_y(x_0, \eta_1)$ 应用拉格朗日中值定理,存在 $\xi_1$ 介于 $x_0$ 与 $x_0+h$ 之间,使得 $$ f_y(x_0+h, \eta_1) - f_y(x_0, \eta_1) = f_{yx}(\xi_1, \eta_1) \cdot h $$ 因此 $$ \Delta(h,k) = f_{yx}(\xi_1, \eta_1) \cdot h k $$ 其中 $\xi_1$ 在 $x_0$ 与 $x_0+h$ 之间,$\eta_1$ 在 $y_0$ 与 $y_0+k$ 之间。
公式:\Delta(h,k) = f_{yx}(\xi_1, \eta_1) \cdot h k
提示:这里要求 $f_y$ 关于 $x$ 可微,且 $f_{yx}$ 存在。
步骤 6/6
目标:比较两个表达式并取极限
由前两步得到: $$ f_{xy}(\xi, \eta) \cdot h k = f_{yx}(\xi_1, \eta_1) \cdot h k $$ 由于 $h \neq 0, k \neq 0$,两边除以 $hk$ 得 $$ f_{xy}(\xi, \eta) = f_{yx}(\xi_1, \eta_1) $$ 现在令 $h \to 0, k \to 0$,则 $\xi, \xi_1 \to x_0$,$\eta, \eta_1 \to y_0$。由已知条件,$f_{xy}$ 和 $f_{yx}$ 在 $(x_0,y_0)$ 处连续,因此 $$ \lim_{(h,k)\to(0,0)} f_{xy}(\xi,\eta) = f_{xy}(x_0,y_0), \quad \lim_{(h,k)\to(0,0)} f_{yx}(\xi_1,\eta_1) = f_{yx}(x_0,y_0) $$ 于是得到 $$ f_{xy}(x_0,y_0) = f_{yx}(x_0,y_0) $$
公式:f_{xy}(x_0,y_0) = f_{yx}(x_0,y_0)
提示:连续性保证了极限可以交换,这是证明的关键。
步骤 7/7
目标:比较两个极限,得出结论
同一个差商的极限既等于 $f_{xy}(x_0,y_0)$ 又等于 $f_{yx}(x_0,y_0)$,因此 $$ f_{xy}(x_0,y_0) = f_{yx}(x_0,y_0). $$
公式:f_{xy}(x_0,y_0) = f_{yx}(x_0,y_0)
提示:这是混合偏导数相等的经典结论,依赖于连续性条件。

📷 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。