“看那边,莱尼,那边的山和山谷美吗?”
“美,乔治。等我们有钱了我们能去那里吗?可以吗?”
乔治眯起眼睛:“你说的地方具体是哪里啊,莱尼?”
莱尼用手一指:“就是那里,乔治,那个小山谷。”
偏导数
多变量函数微积分是单变量函数微积分的推广。考虑一个多变量函数(V(x,y,z)),自变量为(x)、(y)、(z),这里它们不一定代表是坐标。另外,自变量数目可以多于或少于3个。
多变量微分的核心概念是偏导数。我们考虑一点((x,y,z))的邻域,固定(y)和(z),看看(V)随(x)的变化率。我们想象(y)和(z)不变,那函数相当于只剩一个变量(x)了,那么(V)的导数就是
egin{equation}frac{dV}{dx}=lim_{Delta x ightarrow 0}frac{Delta V}{Delta x}label{eq:der}end{equation}
其中(Delta V)定义为
egin{equation}Delta V=V(x+Delta x,y,z)-V(x,y,z)label{eq:dV}end{equation}
注意到,(Delta V)定义中,只有(x)有变化,(y)和(z)都没有变化。
方程( ef{eq:der})和( ef{eq:dV})定义的导数称为(V)对(x)的偏导数,记为
如果我们想强调(y)和(z)不变,也可记为
同样地,我们可以定义函数对另外任何一个变量的偏导数,如对(y)的偏导数为:
(V)对(y)的偏导也可记为如下简化符号:
多级导数也可定义。把(frac{partial V}{partial x})看成(x)、(y)、(z)的函数,也可以对其求微分。函数(V)对(x)二阶偏导为:
还可定义混合偏导。比如,(partial_y V)对(x)的偏导为
混合偏导一个有趣并且很重要的性质是混合偏导与求导顺序无关,即
练习1:求以下二元函数的一阶和二阶偏导(包括混合偏导):(F(x,y)=x^2+y^2)、(F(x,y)=sin(xy))、(F(x,y)=frac{x}{y}e^{(x^2+y^2)})、(F(x,y)=e^xcos y) |
---|
(注:原文函数有误:(x^2+y^2=sin(xy))、(frac{x}{y}e^{x^2+y^2}))
驻点和函数极值
考虑一个一元函数(F(y)),如图1所示。
在曲线上一些地方,(y)往任何方向变化,都会使函数值(F)增大,这些地方称为极小值点,见图2中的标记,
在每个局域极小点往(y)的任何方向走,你都会高于点(F(y))。每个点都处在一处洼地的底部。曲线上最低的极小值点称为最小值点。
函数在某点取极小值的一个条件是函数在此点对独立变量的导数为0。这是个必要条件,但不是充分条件。满足这一条件的点为驻点:
要判断是不是极小值点还需要看看驻点的性质,也即对函数求二阶导数。如果二阶导数大于0,
那么附近各点都高于驻点,此驻点为函数的极小值点。
如果函数在驻点的二阶导数小于0,
那么附近各点都低于驻点,此驻点为函数的极大值点。见图3中标注各点。
如果函数在驻点的二阶导数等于0,
函数的导数在驻点改变符号,此驻点称为函数的拐点。
图4为拐点示例。
高维驻点
多变量函数也有极小值点、极大值点和驻点。想象一片山地,海拔高度是纬度和经度的函数,把函数记为(A(x,y)),山峰和山谷分别为极大值点和极小值点。这些点还不是山区仅有的局部平坦的地方,还有两山之间的鞍点。见图5所示。
在山峰处,你不管往哪个方向走,你都会往低处走。在山谷处正相反,你不管往哪个方向走,你都会往高处走。但是这些地方都是平的。
还有些地方是平的。两山之间有些地方称为山鞍,鞍点也是平的。在鞍点你沿某个轴的任意方向,你的高度会上升,但是如果你沿垂直轴的任意方向走,你的高度又下降。
沿着(x)轴把山切开,并使刀片通过(A)的一个极小值点,见图6所示。
很明显,在极小值点(A)对(x)的导数为0,即
同样地,我们也可以沿(y)轴把山切开,于是也有
即在极小值点,或在驻点,函数对每个变量的一阶导数都为0。如果(A)的方向空间多于两个,在驻点(A)对所有方向(x_i)的导数都为0:
egin{equation}frac{partial A}{partial x_i}=0 label{eq:Mstat}end{equation}
以上方程有个简记法。当一点(x)变化一点点,函数值的改变量为
方程( ef{eq:Mstat})等价于
egin{equation}delta A=0 label{eq:Mstateq}end{equation}
假设我们已经找到满足以上条件的一点,我们如何知道这一点是对应极小值点还是极大值点,抑或鞍点?我们需要看二阶导数。但是二阶导数有很多。比如对于二维的情况,我们有以下二阶导数:(frac{partial^2 A}{partial x^2})、(frac{partial^2 A}{partial y^2})、(frac{partial^2 A}{partial x partial y})、(frac{partial^2 A}{partial y partial x}),最后两个结果相等。
这些二阶导数写在一起,组成一个矩阵,这个矩阵叫做海森矩阵:
egin{equation*}H=egin{pmatrix}frac{partial^2 A}{partial x^2}&frac{partial^2 A}{partial x partial y}\frac{partial^2 A}{partial y^2}&frac{partial^2 A}{partial y partial x}\ end{pmatrix}end{equation*}
迹为
这里不具体解释矩阵、行列式和迹这些概念。你知道有这些东西还有以下规则就可以了:
如果海森矩阵的行列式和迹都是正的,那么对应的驻点为极小值点。
如果海森矩阵的行列式是正的,迹都是负的,那么对应的驻点为极大值点。
如果海森矩阵的行列式是正的,不管迹符号为何,对应的驻点为鞍点。
这里只写出了两变量函数的具体规则。对于更多变量的函数,规则的形式更为复杂。下面我们具体算一下两变量函数。比如,考虑函数
求导,
由于(cosfrac{pi}{2}=0),显然点((pi/2,pi/2))是一个驻点。
要知道这个点的类型,还得计算二阶导数
由于(sinfrac{pi}{2}=1),计算海森矩阵的行列式和迹,行列式和迹都大于0,所以点((pi/2,pi/2))是个极小值点。
练习2:考虑以下各点((pi/2,-pi/2))、((-pi/2,pi/2))、((-pi/2,-pi/2)),判断这些点是不是以下函数(F(x,y)=sin x +sin y)、(F(x,y)=cos x)的驻点,并判断驻点的类型。 |
---|