目录
二元函数图像
几个例子:
1.
判断方法:
可分别令x,y,z为零,得图像与坐标面交线,进一步判断
令y = 0,得图像与x-z平面交线为z = 1 - x^2 ,为一抛物线。再令x=0,不难看出,该图像为一以(0,0,1)为顶点的抛物面
附:MATLAB绘制二元函数图像代码
% 创建 x 和 y 的网格数据
[x, y] = meshgrid(-1:0.1:1, -1:0.1:1);
% x后无小数点,则将执行矩阵或向量的整体运算
%加上小数点将进行逐元素的操作
z = 1 - x.^2 - y.^2;
% 绘制三维图形
figure;
surf(x, y, z);
xlabel('x');
ylabel('y');
zlabel('z');
title('z = 1 - x^2 - y^2');
2.
其他可视化方法:contour图(等高线图)
MATLAB绘制:
[x, y] = meshgrid(-1:0.1:1, -1:0.1:1);
z = y.^2 - x.^2;
% 绘制等高线图
figure;
contourf(x, y, z);
xlabel('x');
ylabel('y');
title('Contour Plot of z = y^2 - x^2');
% 添加 colorbar
colorbar;
偏导数
定义(极限)
几何意义
过P0作平面y = y0 ,与z = f(x,y)的交线为C
则为一元函数
在
处的导数,也可视为曲线C在 P0处切线
对于x轴的斜率,即
与 x 轴正向(注意是正向)所成倾角的正切
由此可引申出偏导数的具体求法,即对一个自变量求偏导时,把其余自变量看作常数,从而变成一元求导问题
几何应用
曲面 z = f(x,y)在(x0,y0)处,由上述求偏导的做法可得
(其中 为较偏导数高阶的无穷小量)
进一步有切平面
由切平面方向数可知法线方向数为
过该点法线方程为
全微分
链式法则
复合函数单变量
例:
直接应用上述公式求导得
如果复合函数变量更多呢?
具体推导:
最后写成:
如何记忆(树状图):
可以将复合函数间变量关系用树状图形式表示
求 时,只需将z到u上每一条路径上得各个偏导数相乘,再将所有乘积相加即可
例:一元函数求导
在一元函数情形下,可以采用对数求导法。在引入复合函数求导后,可从二元函数视角求导
令:
应用前文方法得:
最优化问题(极最值)
1.极值必要条件
若 在
存在偏导数且取到极值,则
- 对于
在(0,0)处两偏导数均为0,进一步可验证得函数在该点取得极大值
- 而对于前文另外一个例子
,函数在(0,0)处两偏导数均为0,那么(0,0)点就是函数的极值点了吗?
2.下面引出极值的充分条件
类比一元函数情形下通过二阶导推导极值充分条件,我们令:
(充分条件)设二元函数 在
某领域上有二阶连续偏导数且
满足上述极值必要条件,当
AC-B^2 > 0时,函数在该点取极小值,AC-B^2 < 0时,函数在该点取极大值,AC-B^2 > 0则不在该点取极值
另一种判断/记忆方法:
引入 在
点的黑塞矩阵H
H为正定矩阵时,函数在该点取极小值,H为负定矩阵时,函数在该点取极大值,H为不定矩阵时,函数在该点不取极值.
最后再回到 中, A = -2x,B = 0,C = 2y,AC-B^2 = 0, 函数在该点显然不取极值
应用:最小二乘法
即确定a,b,使对应直线与这n个点偏差平方和最小
令
由极值点必要条件有
整理有
再通过矩阵解方程组可得答案
还可以通过黑塞矩阵进一步验证得函数在该点取极小值
最值
二元函数在有界闭区域上一定有最大值和最小值,要想求出函数最值,还需考察函数所有稳定点(偏导均为0),无偏导点,所属区域界点
方向导数和梯度
梯度
若w = f(x,y,z) 记梯度为grad w
梯度方向:函数值增长最快方向,垂直于该点切平面
例:确定曲面 在 (2,1,1)点处切平面
思路:梯度方向垂直与该点切平面,可视为切平面一法向量
令 w = f(x,y,z)
故切平面为 2x + y - z = 4
方向导数
方向导数用以描述函数在特定方向上的变化率(由沿坐标轴变化率推广)
推导:
即求函数在向量u方向上的变化率 dw/ds
将x,y 看成以s为参量函数有
同时
记向量u与x轴,y轴正方向夹角分别为 ,上式又可写成
联系前文梯度,可继续改写为
由此可知,当u方向与函数该点梯度方向一致时,梯度与u向量点积最大,即函数在该方向上变化率最大