一,用向量表示多元连式法则
前面我们探讨了多元链式法则与偏导
假设有一个向量函数v
这个函数输入一个变量t
输出一个向量
那这个链式法则能用向量表示吗
这个向量函数v的导数如何表示:
(因为只有一个输入值,所以这里是全导)
这样就得到了dx/dt 和dy/dt
而观察链式法则的表达式,可以看出其实它也是一种点积的形式
点积左边的向量其实就是向量f的梯度
右边是我们定义的向量v的导数
而函数f的输入是(x(t),y(t))也就是我们定义的 v ⃗ ( t ) \vec{v}(t) v(t)这个函数,
再乘以
v
⃗
(
t
)
\vec{v}(t)
v(t)的导数
最后我们求出的表达式
∇ f ( v ⃗ ( t ) ) ∗ v ⃗ ′ ( t ) \color{red}\nabla f(\vec{v}(t))*\vec{v}'(t) ∇f(v(t))∗v′(t)
这个表达式有点像复合函数的链式法则
我们有初始函数x(t),y(t)
然后我们定义了中间函数 v ⃗ ( t ) \vec{v}(t) v(t)
而对于多元标量函数(多维映射到一维),梯度因为封装了所有变量的导数信息,所以梯度最能反应多元函数的导数信息
而向量函数 v ⃗ ( t ) \vec{v}(t) v(t)接收t的输入,为了满足所有分量,它可以是三维向量,也可以是多维向量
所以,不管多少维度的多元标量函数,都能用梯度与原函数导数的点击来表示它的导数信息
二,多元链式法则与方向向量
对于上面用向量表示的多元链式法则
接受多元的输入
输出一维
中间函数是我们构建的向量函数,这个向量函数接受一维的输入,输出多维的向量
所以从一维到高维再到一维
f的输入值是v(t)的输出,求f对于v(t)的导数就是
表达式左边是梯度,右边可以理解为方向导数中的方向向量,只不过这个方向向量本身就是导数函数表示的向量
取函数区间内的一点p,往w的方向偏移微小的量
而表达是右边表示方向的向量,它的输入就是任何时候向量v的输出
在这个高维空间中,每一个v的输出点,都代表t等于某个值时v(t)的向量
那么v’(t)代表着这一点的切线向量
我们要求的是一维的t的输入对符合函数f的变化率,在高维空间v中,这个微小的变化量会导致v’(t)的变化,因为这是一个高维的变化,任何一个维度的变化都会引起 v’(t)的变化