主要内容

  1. 偏导数
  2. 多元复合函数求导法则
  3. 方向导数与梯度
  4. 多元函数泰勒公式
  5. 多元函数的极值
  6. 矩阵的求导

偏导数

一阶偏导数

image.png
image.png
总结**:其实就是对多元函数的某一个变量求导,把其它变量当作常数。

image.png

image.png

二阶偏导数

image.png
image.png

image.png

image.png

多元复合函数求导法则

总结:一开始根据题目画出链路图,对每条链路上求导并相加。

一元函数与多元函数复合的情形

image.png

多元函数与多元函数复合的情形

image.png

方向导数与梯度(重要)

方向导数

以二元函数为例,将其化作极坐标形式:
image.png
t从图像上看就是从2.4 多元微积分 - 图122.4 多元微积分 - 图13的距离
image.png

引入方向导数(想要求沿着哪个方向走,x和y的变化最大/快):
image.png(3)

上式可以转化如下:
image.png
image.png(4)

转化过程如下:
image.png

梯度

定义

image.png
注意:梯度是向量。

image.png
注意:这里的2.4 多元微积分 - 图21是梯度方向与方向导数方向2.4 多元微积分 - 图22的夹角。因为2.4 多元微积分 - 图232.4 多元微积分 - 图24,所以方向导数的区间为2.4 多元微积分 - 图25,而当方向导数与梯度的方向相同时,即2.4 多元微积分 - 图26,取得最大值。
总结:方向导数就是梯度与单位向量2.4 多元微积分 - 图27的点积。沿着**函数梯度方向走可以让函数增长得最快,沿着梯度的负方向**可以让函数下降得最快。


image.png
解:2.4 多元微积分 - 图29
所以在2.4 多元微积分 - 图30处增加最快的方向就是梯度的方向,将2.4 多元微积分 - 图31坐标代入得(1,1)。减少最快的方向就是梯度的负方向。
方向导数为:2.4 多元微积分 - 图32,根据方向导数与梯度方向的夹角代入计算即可。

多元函数泰勒公式

概念

image.png
注意实际使用中,一般只用到二阶偏导,即展开的前面三项:
2.4 多元微积分 - 图34
image.png
**

Hessian 矩阵(二维或高维)

把上面的二元推广为多元,例如,设函数为2.4 多元微积分 - 图36,将其泰勒展开至二阶偏导:
image.png
注意:第三行中间Hessian矩阵的通项为:2.4 多元微积分 - 图38
举个例子:2.4 多元微积分 - 图39
总结:2.4 多元微积分 - 图40

多元函数的极值

image.png

必要条件
image.png

判断是极值的充分条件

image.png
证明:
image.png
接下来可以通过判断Hessian矩阵是否是正定矩阵从而判断是否是极值,
因为我们知道正定矩阵M有 2.4 多元微积分 - 图45;负定矩阵M有2.4 多元微积分 - 图46,所以
如果2.4 多元微积分 - 图47正定,则2.4 多元微积分 - 图48,那么2.4 多元微积分 - 图49,则2.4 多元微积分 - 图50为极小值
如果2.4 多元微积分 - 图51负定,则2.4 多元微积分 - 图52,那么2.4 多元微积分 - 图53,则2.4 多元微积分 - 图54为极大值
那么接下来就来判断2.4 多元微积分 - 图55是否为正定:
根据正定矩阵的定理可知,正定矩阵的所有特征值都大于0,负定矩阵所有特征都小于0,
所以求解Hessian矩阵的特征值有:
image.png
情况1:正定,即2.4 多元微积分 - 图57,2.4 多元微积分 - 图58,根据韦达定理有2.4 多元微积分 - 图592.4 多元微积分 - 图60
情况2:负定,即2.4 多元微积分 - 图61,2.4 多元微积分 - 图62,根据韦达定理有2.4 多元微积分 - 图632.4 多元微积分 - 图64
因为无论正定或负定,都存在极值,所以只要满足2.4 多元微积分 - 图652.4 多元微积分 - 图66就具有极值。也意味着AC同号。所以
情况1,2.4 多元微积分 - 图67,所以2.4 多元微积分 - 图68,此时2.4 多元微积分 - 图69正定,函数在2.4 多元微积分 - 图70具有极小值;
情况2,2.4 多元微积分 - 图71,所以2.4 多元微积分 - 图72,此时2.4 多元微积分 - 图73负定,函数在2.4 多元微积分 - 图74具有极大值。
所以条件(1)得证。
———————————————————————————————————————————————————————

注意:以上是2元函数的判断方法,n元函数就不能只是简单地根据ABC关系。但与上面的推导类似,也是从Hessian矩阵(n阶)是否正定来判断函数是否有极值。
**

矩阵求导

常见性质

  1. 2.4 多元微积分 - 图75,则

2.4 多元微积分 - 图76

  1. 2.4 多元微积分 - 图77,则

2.4 多元微积分 - 图78

  1. 2.4 多元微积分 - 图79,则

2.4 多元微积分 - 图80

  1. 2.4 多元微积分 - 图81,则

2.4 多元微积分 - 图82

2.4 多元微积分 - 图83

总结:对矩阵求导就是对矩阵的每个元素求导,把每个元素搞清楚排起来就是矩阵求导的结果。不过要注意求导后一个矩阵还是一个值。

较复杂性质

image.png
证明:设Z是m*n的2.4 多元微积分 - 图85
2.4 多元微积分 - 图86,就是矩阵Z每一项的平方和,
所以对矩阵每个元素2.4 多元微积分 - 图87求导有2.4 多元微积分 - 图88(每个项只有一个特定的2.4 多元微积分 - 图89),
所以总的矩阵求导就是将其拼起来为2.4 多元微积分 - 图90

image.png
证明:2.4 多元微积分 - 图92,则
2.4 多元微积分 - 图93
所以就是单位阵2.4 多元微积分 - 图94

image.png
证明:首先根据行列式的性质我们知道2.4 多元微积分 - 图96所以只有第一项带有2.4 多元微积分 - 图97
所以2.4 多元微积分 - 图98 (将2.4 多元微积分 - 图99展开后发现就是Z伴随矩阵的转置)。
2.4 多元微积分 - 图100,所以2.4 多元微积分 - 图101