重温微积分 —— 偏微分与链式法则

最新推荐文章于 2024-01-25 01:53:14 发布

五道口纳什

最新推荐文章于 2024-01-25 01:53:14 发布

阅读量1.3w

点赞数 4

分类专栏：数学分析文章标签：复合函数链式法则

本文链接：https://blog.csdn.net/lanchunhui/article/details/52181646

版权

数学分析专栏收录该内容

41 篇文章 19 订阅

订阅专栏

偏（partial）针对的是多变量微分，

0. 复合函数求导的链式法则

$f(u(x))$ 是复合函数，则 $f(u(x))$ 关于 $x$ 的导数为：

(f (u (x)))' = f' (u (x)) u' (x)

$\left(f(u(x))\right)'=f'(u(x))u'(x)$

注意表示求一阶导的撇（'）所在的位置：

$\left(f(u(x))\right)'$ ：表示对 $x$ 求导；
$f'(u(x))$ 则表示对 $u(\cdot)$ 求导；

复合函数的另一种表达形式为：

d y d x = d y d z \cdot d z d x

$\frac{dy}{dx}=\frac{dy}{dz}\cdot \frac{dz}{dx}$

1. 偏导下链式法则的证明

ψ (x, y) = ψ (x, y (x)) d d x ψ (x, y) = \partial ψ \partial x + \partial ψ \partial y \cdot d y d x

$\begin{array}{l} \psi\left(x,y\right)=\psi\left(x,y(x)\right)\\ \frac{d}{d\,x}\psi(x,y)=\frac{\partial\,\psi}{\partial\,x}+\frac{\partial\,\psi}{\partial\,y}\cdot \frac{d y}{dx} \end{array}$

$\psi=f_1(x)g_1(y)+\ldots+f_n(x)g_n(y)$ ，求 $\frac{d\,\psi}{d\,x}$

= f' 1 (x) g 1 (y) + f 1 (x) g' 1 (y) d y d x + \dots + f' n (x) g n (y) + f n (x) g' n (y) d y d x = (f' 1 g 1 + f' 2 g 2 + \dots + f' n g n) + (f 1 g' 1 + f 2 g' 2 + \dots + f n g' n) d y d x = \partial ψ \partial x + \partial ψ \partial y \cdot d y d x

$\begin{split} &=f_1'(x)g_1(y)+f_1(x)g_1'(y)\frac{d\,y}{d\,x}+\ldots+f_n'(x)g_n(y)+f_n(x)g_n'(y)\frac{d\,y}{d\,x}\\ &=\left(f_1'g_1+f_2'g_2+\ldots+f_n'g_n\right)+\left(f_1g_1'+f_2g_2'+\ldots+f_ng_n'\right)\frac{d\,y}{d\,x}\\ &=\frac{\partial\, \psi}{\partial\,x}+\frac{\partial\, \psi}{\partial\,y}\cdot\frac{d\,y}{d\,x} \end{split}$