多元复合函数的求导法则
2017-11-04 00:34
309 查看
注:复合函数为向量值函数。
fm×1=⎛⎝⎜⎜f1⋮fm⎞⎠⎟⎟:Rp→Rm,gp×1=⎛⎝⎜⎜g1⋮gp⎞⎠⎟⎟:Rn→Rp,
zm×1=f(yp×1),yp×1=g(xn×1),
dz=f′(y)dy,dydx=(∂yi∂xj)p×n,
则: dzdx=f′(g(x))g′(x)
证明:
∀i∈N,1≤i≤m,
Δzi=∑pk=1∂zi∂ykΔyk+∑pk=1Δyk2−−−−−−−−−√⋅αi(y,Δy)
其中 Δy=0 时 αi(y,Δy)=0, 且 limΔy→0αi(y,Δy)=0
则:∀j∈N,1≤j≤n,
ΔziΔxj=∑pk=1∂zi∂ykΔykΔxj+|Δxj|Δxj⋅∑pk=1(ΔykΔxj)2−−−−−−−−−−√⋅αi(y,Δy)
易知: limΔxj→0Δy=0, 则 limΔxj→0αi(y,Δy)=0
于是: ∂zi∂xj=limΔxj→0ΔziΔxj=∑pk=1∂zi∂yk∂yk∂xj
即 (dzdx)ij=∑pk=1(f′(g(x)))ik(g′(x))kj
链式求导法则
若: m,p,n∈N,m,p,n≥1,fm×1=⎛⎝⎜⎜f1⋮fm⎞⎠⎟⎟:Rp→Rm,gp×1=⎛⎝⎜⎜g1⋮gp⎞⎠⎟⎟:Rn→Rp,
zm×1=f(yp×1),yp×1=g(xn×1),
dz=f′(y)dy,dydx=(∂yi∂xj)p×n,
则: dzdx=f′(g(x))g′(x)
证明:
∀i∈N,1≤i≤m,
Δzi=∑pk=1∂zi∂ykΔyk+∑pk=1Δyk2−−−−−−−−−√⋅αi(y,Δy)
其中 Δy=0 时 αi(y,Δy)=0, 且 limΔy→0αi(y,Δy)=0
则:∀j∈N,1≤j≤n,
ΔziΔxj=∑pk=1∂zi∂ykΔykΔxj+|Δxj|Δxj⋅∑pk=1(ΔykΔxj)2−−−−−−−−−−√⋅αi(y,Δy)
易知: limΔxj→0Δy=0, 则 limΔxj→0αi(y,Δy)=0
于是: ∂zi∂xj=limΔxj→0ΔziΔxj=∑pk=1∂zi∂yk∂yk∂xj
即 (dzdx)ij=∑pk=1(f′(g(x)))ik(g′(x))kj
一阶全微分的形式不变性
dz=f′(g(x))g′(x)dx=f′(y)dy相关文章推荐
- 高数 07.04 多元复合函数的求导法则
- 复合函数的求导法则
- 高等数学:第二章 导数与微分(1)导数 求导法则 反函数 复合函数
- 高等数学:第八章 多元函数微分法及其应用(2)多元复合函数求导法 隐函数的求导公式 微分法在几何上的应用
- 028 导数求导工具总结之基本公式、四则求导法则、反函数导数、复合函数求导
- 矩阵求导计算法则 例题
- 混合高斯模型(多元高斯求导)
- 行列式函数的求导法则
- 矩阵、向量求导法则
- 矩阵求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 复合函数求导
- 矩阵、向量求导法则
- 矩阵 向量求导法则
- 神经网络和反向传播算法——反向传播算法本质上是随机梯度下降,链式求导法则而来的
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵求导计算法则
- 矩阵求导法则