AM@全导数@多元复合函数求导法则基础类型

这篇具有很好参考价值的文章主要介绍了AM@全导数@多元复合函数求导法则基础类型。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

abstract

  • 全导数
  • 多元复合函数求导法则
    • 根据复合情形,有不同的求导法则

一元函数和多元函数复合的情形

全导数公式

  • 若函数 u = ϕ ( t ) u=\phi(t) u=ϕ(t), v = ψ ( t ) v=\psi(t) v=ψ(t)都在点 t t t可导,函数 z = f ( u , v ) z=f(u,v) z=f(u,v)在对应点 ( u , v ) (u,v) (u,v)具有有连续偏导数,则复合函数 z = f ( ϕ ( t ) , ψ ( t ) ) z=f(\phi(t),\psi(t)) z=f(ϕ(t),ψ(t))在点 t t t可导,且 d z d t \frac{\mathrm{d}{z}}{\mathrm{d}t} dtdz= ∂ z ∂ u d u d t \frac{\partial{z}}{\partial{u}}\frac{\mathrm{d}u}{\mathrm{d}t} uzdtdu+ ∂ z ∂ v ∂ v ∂ t \frac{\partial{z}}{\partial{v}}\frac{\partial{v}}{\partial{t}} vztv(0)

    • 简写: z ′ = z u ′ u t ′ + z v ′ v t ′ z'=z_{u}'u_{t}'+z_{v}'v_{t}' z=zuut+zvvt
  • 将字母 t t t换成 x x x也是一样的结论:若函数 u = ϕ ( x ) , v = ψ ( x ) u=\phi(x),v=\psi(x) u=ϕ(x),v=ψ(x)都在点 x x x处可导,函数 z = f ( u , n ) z=f(u,n) z=f(u,n)在对应点 ( u , v ) (u,v) (u,v)具有连续的偏导数,则复合函数 z = f ( u , v ) z=f(u,v) z=f(u,v)在点 x x x处可导且 d z d x \frac{\mathrm{d}z}{\mathrm{d}x} dxdz= ∂ z ∂ u d u d x \frac{\partial{z}}{\partial{u}}\frac{\mathrm{d}u}{\mathrm{d}x} uzdxdu+ ∂ z ∂ v ∂ v ∂ x \frac{\partial{z}}{\partial{v}}\frac{\partial{v}}{\partial{x}} vzxv (1)

  • 这里使用字母 t t t可能会更好,字母 x , y x,y x,y通常作为多元函数的自变量,式子 d z d x \frac{\mathrm{d}z}{\mathrm{d}x} dxdz容易让人联想到偏导(容易发生歧义),而使用字母 t t t就很好的避免了这个问题

  • 该公式(0),(1)是同一个公式,称为全导数公式,下面给出两个证法,为了便于区别两种证法自变量字母分别用 t , x t,x t,x表示

公式结构

公式证明

证法1
  • t t t获得增量 Δ t \Delta{t} Δt,(即 t → t + Δ t t\to{t+\Delta{t}} tt+Δt),这时 u = ϕ ( t ) u=\phi(t) u=ϕ(t), v = ψ ( t ) v=\psi(t) v=ψ(t)的对应增量为 Δ u \Delta{u} Δu, Δ v \Delta{v} Δv,函数 z = f ( u , v ) z=f(u,v) z=f(u,v)相应地获得增量 Δ x \Delta{x} Δx
  • 由假设,函数 z = f ( u , v ) z=f(u,v) z=f(u,v)在点 ( u , v ) (u,v) (u,v)处由连续偏导数(这是 f ( u , v ) f(u,v) f(u,v) ( u , v ) (u,v) (u,v)处可微的充分条件),这时 Δ z \Delta{z} Δz= ∂ z ∂ u Δ u \frac{\partial{z}}{\partial{u}}\Delta{u} uzΔu+ ∂ z ∂ v Δ v \frac{\partial{z}}{\partial{v}}\Delta{v} vzΔv+ ϵ 1 Δ u + ϵ 2 Δ v \epsilon_1\Delta{u}+\epsilon_2{\Delta{v}} ϵ1Δu+ϵ2Δv(2)(当 Δ u → 0 \Delta{u}\to{0} Δu0, Δ v → 0 \Delta{v}\to{0} Δv0时, ϵ 1 , ϵ 2 → 0 \epsilon_1,\epsilon_2\to{0} ϵ1,ϵ20)
  • 将式(2)两端同时除以 Δ t \Delta{t} Δt,得 Δ z Δ t \frac{\Delta{z}}{\Delta{t}} ΔtΔz= ∂ z ∂ u Δ u Δ t \frac{\partial{z}}{\partial{u}}\frac{\Delta{u}}{\Delta{t}} uzΔtΔu+ ∂ z ∂ v Δ v Δ t \frac{\partial{z}}{\partial{v}}\frac{\Delta{v}}{\Delta{t}} vzΔtΔv+ ϵ 1 Δ u Δ t + ϵ 2 Δ v Δ t \epsilon_1\frac{\Delta{u}}{\Delta{t}}+\epsilon_2\frac{\Delta{v}}{\Delta{t}} ϵ1ΔtΔu+ϵ2ΔtΔv
    • 因为 Δ t → 0 \Delta{t}\to{0} Δt0,时 Δ u → 0 \Delta{u}\to{0} Δu0, Δ v → 0 \Delta{v}\to{0} Δv0; Δ u Δ t → d u d t \frac{\Delta{u}}{\Delta{t}}\to{\frac{\mathrm{d}u}{\mathrm{d}t}} ΔtΔudtdu= u t ′ u_{t}' ut, Δ v Δ t → d v d t \frac{\Delta{v}}{\Delta{t}}\to{\frac{\mathrm{d}v}{\mathrm{d}t}} ΔtΔvdtdv= v t ′ v_{t}' vt (2-1)
  • 所以 lim ⁡ Δ t → 0 Δ z Δ t \lim\limits_{\Delta{t}\to{0}}\frac{\Delta{z}}{\Delta{t}} Δt0limΔtΔz= ∂ z ∂ u d u d x \frac{\partial{z}}{\partial{u}}\frac{\mathrm{d}u}{\mathrm{d}x} uzdxdu+ ∂ z ∂ v ∂ v ∂ x \frac{\partial{z}}{\partial{v}}\frac{\partial{v}}{\partial{x}} vzxv(3),由导数定义可知,这就证明了公式(1)成立
证法2
  • x → x + Δ x x\to{x+\Delta{x}} xx+Δx u → u + Δ u u\to{u+\Delta{u}} uu+Δu, v → v + Δ v v\to{v+\Delta{v}} vv+Δv

  • 函数 f ( x , y ) f(x,y) f(x,y)的全增量表示为 Δ z = f ( u + Δ u , v + Δ v ) − f ( u , v ) \Delta{z}=f(u+\Delta{u},v+\Delta{v})-f(u,v) Δz=f(u+Δu,v+Δv)f(u,v)

  • z = f ( u , v ) z=f(u,v) z=f(u,v)在点 x x x处可微(可导即可微,而且连续),从而根据微分的定义:

    • Δ z = ∂ z ∂ u Δ u \Delta{z}=\frac{\partial{z}}{\partial{u}}\Delta{u} Δz=uzΔu+ ∂ z ∂ v Δ v + o ( ρ ) \frac{\partial{z}}{\partial{v}}\Delta{v}+o(\rho) vzΔv+o(ρ) (4)

      • 其中 ρ = ( Δ u ) 2 + ( Δ v ) 2 \rho=\sqrt{(\Delta{u})^2+(\Delta{v})^2} ρ=(Δu)2+(Δv)2
    • 因为函数 u = ϕ ( x ) , v = ψ ( x ) u=\phi(x),v=\psi(x) u=ϕ(x),v=ψ(x)都在点 x x x处可导,当 Δ x → 0 \Delta{x}\to{0} Δx0时由导数的极限定义 Δ u Δ t → d u d t \frac{\Delta{u}}{\Delta{t}}\to{\frac{\mathrm{d}u}{\mathrm{d}t}} ΔtΔudtdu= u t ′ u_{t}' ut (4-1), Δ v Δ t → d v d t \frac{\Delta{v}}{\Delta{t}}\to{\frac{\mathrm{d}v}{\mathrm{d}t}} ΔtΔvdtdv= v t ′ v_{t}' vt (4-2)

    • 将式(4)两端同时除以 Δ x \Delta{x} Δx

      • Δ z Δ x \frac{\Delta{z}}{\Delta{x}} ΔxΔz= ∂ z ∂ u Δ u Δ x \frac{\partial{z}}{\partial{u}}\frac{\Delta{u}}{\Delta{x}} uzΔxΔu+ ∂ z ∂ v Δ v Δ x \frac{\partial{z}}{\partial{v}}\frac{\Delta{v}}{\Delta{x}} vzΔxΔv+ o ( ρ ) Δ x \frac{o(\rho)}{\Delta{x}} Δxo(ρ)(5)
    • lim ⁡ Δ x → 0 ∣ o ( ρ ) Δ x ∣ \lim\limits_{\Delta{x}\to{0}}|\frac{o(\rho)}{\Delta{x}}| Δx0limΔxo(ρ)= lim ⁡ Δ x → 0 ∣ o ( ρ ) ρ ρ Δ x ∣ \lim\limits_{\Delta{x}\to{0}}|\frac{o(\rho)}{\rho}\frac{\rho}{\Delta{x}}| Δx0limρo(ρ)Δxρ

      • = lim ⁡ Δ x → 0 [ ∣ o ( ρ ) ρ ∣ ( Δ u Δ x ) 2 + ( Δ v Δ x ) 2 ] \lim\limits_{\Delta{x}\to{0}} \left[|\frac{o(\rho)}{\rho}| \sqrt{ (\frac{\Delta{u}}{\Delta{x}})^2 +(\frac{\Delta{v}}{\Delta{x}})^2 }\right] Δx0lim[ρo(ρ)(ΔxΔu)2+(ΔxΔv)2 ]
      • = lim ⁡ Δ x → 0 ∣ o ( ρ ) ρ ∣ \lim\limits_{\Delta{x}\to{0}}|\frac{o(\rho)}{\rho}| Δx0limρo(ρ) lim ⁡ Δ x → 0 ( Δ u Δ x ) 2 + ( Δ v Δ x ) 2 \lim\limits_{\Delta{x}\to{0}}\sqrt{ (\frac{\Delta{u}}{\Delta{x}})^2 +(\frac{\Delta{v}}{\Delta{x}})^2 } Δx0lim(ΔxΔu)2+(ΔxΔv)2 = 0 ⋅ d u d x + d v d x = 0 0\cdot\sqrt{\frac{\mathrm{d}u}{\mathrm{d}x}+\frac{\mathrm{d}v}{\mathrm{d}x}}=0 0dxdu+dxdv =0(6)
    • 式(5)两边同时取极限

      • lim ⁡ Δ x → 0 Δ z Δ x = lim ⁡ Δ x → 0 ∂ z ∂ u Δ u Δ x + lim ⁡ Δ x → 0 ∂ z ∂ v Δ v Δ x + lim ⁡ Δ x → 0 o ( ρ ) Δ x \lim_{\Delta{x}\to{0}}\frac{\Delta{z}}{\Delta{x}} =\lim_{\Delta{x}\to{0}}\frac{\partial{z}}{\partial{u}}\frac{\Delta{u}}{ \Delta{x}} +\lim_{\Delta{x}\to{0}}\frac{\partial{z}}{\partial{v}}\frac{\Delta{v}}{\Delta{x}} +\lim_{\Delta{x}\to{0}}\frac{o(\rho)}{\Delta{x}} Δx0limΔxΔz=Δx0limuzΔxΔu+Δx0limvzΔxΔv+Δx0limΔxo(ρ)

      • 代入(4-1,4-2,6)得 d z d x \frac{\mathrm{d}z}{\mathrm{d}x} dxdz= ∂ z ∂ u d u d x \frac{\partial{z}}{\partial{u}}\frac{\mathrm{d}{u}}{ \mathrm{d}{x}} uzdxdu+ ∂ z ∂ v d v d x \frac{\partial{z}}{\partial{v}}\frac{\mathrm{d}{v}}{\mathrm{d}{x}} vzdxdv,即式(1)得证

推广

  • 可以把定理推广到复合函数中间变量多于2个的情形

  • 例如3个中间变量 u = ϕ ( t ) u=\phi(t) u=ϕ(t), v = ψ ( t ) v=\psi(t) v=ψ(t), w = ω ( t ) w=\omega(t) w=ω(t),由函数 z = f ( u , v , w ) z=f(u,v,w) z=f(u,v,w)复合得到 z = f ( ϕ ( t ) , ψ ( t ) , w ( t ) ) z=f(\phi(t),\psi(t),w(t)) z=f(ϕ(t),ψ(t),w(t))的全导数公式为 z ′ z' z= z u ′ u t ′ z_{u}'u_t' zuut+ z v ′ v t ′ z_{v}'v_{t}' zvvt+ z w ′ w t ′ z_{w}'w_{t}' zwwt

  • z = e u − 2 v , u = sin ⁡ x , v = e x z=e^{u-2v},u=\sin{x},v=e^x z=eu2v,u=sinx,v=ex,求 z ′ z' z
    • z ′ z' z= = e u − 2 v ⋅ cos ⁡ x + e u − 2 v ( − 2 ) e x =e^{u-2v}\cdot{\cos{x}}+e^{u-2v}(-2)e^{x} =eu2vcosx+eu2v(2)ex= e u − 2 v ( cos ⁡ x − 2 e x ) e^{u-2v}(\cos{x-2e^x}) eu2v(cosx2ex)
    • u = sin ⁡ x u=\sin{x} u=sinx, v = e x v=e^{x} v=ex;带入到上式: z ′ z' z= e sin ⁡ x − 2 e x ( cos ⁡ x − 2 e x ) e^{\sin{x}-2e^{x}}(\cos{x}-2e^x) esinx2ex(cosx2ex)

多元函数与多元函数的复合

  • 如果 u = u ( x ) , v = v ( x ) u=u(x),v=v(x) u=u(x),v=v(x)都在点 ( x , y ) (x,y) (x,y)有对 x , y x,y x,y的偏导数(可偏导)

  • 函数 z = f ( u , v ) z=f(u,v) z=f(u,v)在对应点 ( u , v ) (u,v) (u,v)具有连续一阶偏导数,则复合函数 z = f ( u ( x , y ) , v ( x , y ) ) z=f(u(x,y),v(x,y)) z=f(u(x,y),v(x,y))在点 ( x , y ) (x,y) (x,y)有对 x , y x,y x,y的偏导数

    • ∂ z ∂ x = ∂ z ∂ u ∂ u ∂ x + ∂ z ∂ v ∂ v ∂ x ∂ z ∂ y = ∂ z ∂ u ∂ u ∂ y + ∂ z ∂ v ∂ v ∂ y \frac{\partial{z}}{\partial{x}}=\frac{\partial{z}}{\partial{u}}\frac{\partial{u}}{\partial{x}} +\frac{\partial{z}}{\partial{v}}\frac{\partial{v}}{\partial{x}} \\ \frac{\partial{z}}{\partial{y}}=\frac{\partial{z}}{\partial{u}}\frac{\partial{u}}{\partial{y}} +\frac{\partial{z}}{\partial{v}}\frac{\partial{v}}{\partial{y}} xz=uzxu+vzxvyz=uzyu+vzyv

    • 即,采用复合函数因变量中间变量的偏导表达式来描述公式

  • 上面的例子是二元函数复合二元函数

公式结构示@变量关系图

  • 上述关系图的最后一层是复合函数的两个自变量 x , y x,y x,y,它们同时是中间变量对应函数 u , v u,v u,v的自变量

  • 不妨把第一层的唯一节点称为根节点,最后一层的节点称为叶子节点.叶子节点个数对应于复合函数包含的自变量个数

  • 每个叶子对应于复合函数对该叶子中的自变量的一个导数公式,该公式由该叶子相关的边决定的,边数等于公式中被求和的项的数目,而每项是通过根节点到该叶子节点决定的(运用复合函数求导法则的一个乘法链)

多元和多元复合与多元与一元复合两类型的联系

  • 多元函数复合多元函数的情形可以转换为多元函数复合一元函数的情形
  • 例如,当 z z z x x x求偏导时,将 y y y视为常量,因此二元函数 u = u ( x , y ) u=u(x,y) u=u(x,y), v = v ( x , y ) v=v(x,y) v=v(x,y)此时可以看作是关于 x x x一元函数,因此可以利用全导数公式计算 ∂ z ∂ x \frac{\partial{z}}{\partial{x}} xz这一复合偏导
    • 但由于函数 f , ϕ , ψ f,\phi,\psi f,ϕ,ψ都是二元函数,所以全微分公式中符号 d \mathrm{d} d要替换为 ∂ \partial 来得到复合偏导公式
  • 类似的,求 ∂ z ∂ y \frac{\partial{z}}{\partial{y}} yz也是如此

推广

  • 更一般的,多元函数复合多元函数

    • z = f ( g 1 ( x 1 , ⋯   , x p ) , ⋯   , g n ( x 1 , ⋯   , x p ) ) z=f(g_1(x_1,\cdots,x_p),\cdots,g_n(x_1,\cdots,x_p)) z=f(g1(x1,,xp),,gn(x1,,xp))

      • n n n表示f是 n n n元函数

      • p p p表示函数 g i g_i gi中,具有最多变量的函数的变量个数

        • 函数 g k , k ∈ { 1 , 2 , ⋯   , p } g_k,k\in\{1,2,\cdots,p\} gk,k{1,2,,p}可能很简单;(甚至直接等于某个变量,例如 g k = x t , t ∈ {   1 , 2 , ⋯   , p   } g_k=x_t,t\in\set{1,2,\cdots,p} gk=xt,t{1,2,,p})
        • 树状图中的某些边可能缺失(最后一层)
    • 对某个自变量 x i x_i xi(偏)导数的(展开公式中)项数等于最后一层格子(叶子)中 x i x_i xi的关联边的条数文章来源地址https://www.toymoban.com/news/detail-744822.html

      • 展开式(加式)中(构成)各项的因子的数目=因变量(函数z)到数值末端该变量( x i x_i xi)之间的数树数目
        • 每条路径都可构成一个项
        • 每个项含有的因子数是路径上的分支(枝干)数

到了这里,关于AM@全导数@多元复合函数求导法则基础类型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【机器学习】P18 反向传播(导数、微积分、链式法则、前向传播、后向传播流程、神经网络)

    反向传播(back propagation)是一种用于训练神经网络的算法,其作用是计算神经网络中每个参数对损失函数的影响,从而进行参数更新,使得神经网络的预测结果更加准确。 具体来说,反向传播算法首先通过 前向传播 计算神经网络的预测结果,并与实际结果进行比较,得到

    2024年02月04日
    浏览(60)
  • 数学分析(十七)-多元函数微分学4-泰勒公式与极值问题4-极值问题2:充分条件【 f在稳定点P₀处二阶连续偏导数的(Hesse) 黑塞矩阵:①正定矩阵➔极小值;②负定矩阵➔极大值;③不定矩阵➔无极值】

    为了讨论二元函数 f f f 在点 P 0 ( x 0 , y 0 ) P_{0}left(x_{0}, y_{0}right) P 0 ​ ( x 0 ​ , y 0 ​ ) 取得极值的充分条件, 我们假定 f f f 具有二阶连续偏导数, 并记 H f ( P 0 ) = ( f x x ( P 0 ) f x y ( P 0 ) f y x ( P 0 ) f y y ( P 0 ) ) = ( f x x f x y f y x f y y ) P 0 boldsymbol{H}_{f}left(P_{0}right)=left(begin{a

    2024年04月13日
    浏览(49)
  • 【矩阵论】3. 矩阵函数——矩阵函数求导

    矩阵论的所有文章,主要内容参考北航赵迪老师的课件 [注]由于矩阵论对计算机比较重要,所以选修了这门课,但不是专业搞数学的,所以存在很多口语化描述,而且对很多东西理解不是很正确与透彻,欢迎大家指正。我可能间歇性忙,但有空一定会回复修改的。 矩阵论 1

    2024年02月02日
    浏览(31)
  • 隐函数的求导

    目录 隐函数的定义: 例题:  参数方程确定函数的导数  例题:  相关变化率 ​编辑 有隐函数就有显函数,我们首先要了解显函数的定义:  隐函数: 例如: 对于有些隐函数,我们可以显化:    但是有些隐函数,我们并不能显示化  这个隐函数,我们就不能显示化 对于

    2024年02月08日
    浏览(29)
  • 反函数的二阶导数

    如果不习惯直接求反函数的二阶导,则可以先求y的二阶导y\\\'\\\',过程如下图 则其反函数的二阶导x\\\'\\\'就直接把y替换成x就可以了

    2024年02月13日
    浏览(41)
  • 复变函数导数求解(包含矢量、矩阵形式)

    目录 文章目录 前言 一、复变函数导数 1.1 导数定义 1.2 求导法则 1.3 存在条件 二、常用求导结论 2.1 标量函数对标量的导数 2.2 标量函数对矢量的导数 2.3 标量函数对矩阵的导数 总结        本文将从信号处理的角度简单阐明复变函数理论的重要性,并重点介绍能够用于信号

    2024年04月16日
    浏览(47)
  • 复合 类型

    切片 切片的作用是允许你引用集合中部分 连续 的元素序列,而不是引用整个集合。 例如: 注意,方括号中的数字是字节,如果字符是多字节的(如汉字),这时如果切片没有落在两个字符之间,程序就会崩溃(汉字是三个字节,切片0-2就会崩溃) 字符串的切片类型是 st

    2024年02月12日
    浏览(25)
  • Go语言上手:复合数据类型

    之前我们初探了Go语言世界,了解到基本数据类型,为了满足不同的特殊需求,我们便要使用到以不同的方式组合基本类型构造出来了新的复合型数据类型——数组、结构体、slice、map。 数组是由一个或多个相同类型的元素组成的固定长度的序列。 例如: 一维数组: 二维数

    2024年02月12日
    浏览(44)
  • go学习 4、复合数据类型

    数组、slice、map和结构体 如何使用结构体来解码和编码到对应JSON格式的数据,并且通过结合使用模板来生成HTML页面 数组和结构体是聚合类型;它们的值由许多元素或成员字段的值组成。数组是由同构的元素组成(每个数组元素都是完全相同的类型);结构体则是由异构的元素

    2024年02月15日
    浏览(39)
  • C++指针与其它复合类型

    目录 前言: 1.指针与字符串 1.1cout接收char类型的地址的反应 1.2字符串字面值 1.3字符串备份 2.使用new创建动态结构 3.使用new和delete搭配存储键盘输入的字符串   指针我们已经知道如何使用了,也知道指针和数组配合起来使用,这次我们来讲讲指针与字符串,以及指针和动态结

    2023年04月24日
    浏览(33)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包