什麼是全導數?


全導數是多元函數中的一個概念。

我們知道一元函數的情況下,導數就是函數的變化率,從幾何意義上看就是:

但是在多元的情況下比一元的複雜,下面我用二元函數來舉例子(三元我也畫不出來),比如這樣一個曲面上的一點A

在曲面上可以做無數條過A 點的曲線(圖上隨便畫了三根):

每根曲線都可能可以(也有作不出來的情況,你想想一元的時候也有作不出切線的情況)作一根切線,比如(隨便挑了一根切線來畫,都畫出來太亂了):

全導數的意義:每一根切線都和一個全導數「相關」,A點有無數個全導數。

最精簡的回答已經完了,後面我就要講一些細節了,主要闡述下面兩個細節:

  • 方嚮導數、偏導數是特殊的全導數
  • 每一根切線都和一個全導數「相關」,這個「相關」是什麼意思?難道不就是切線的斜率就是全導數嗎?

順便說一下,如果所有這些切線共面的話,那麼這個平面就是切平面(全微分),可以參考我之前的回答 如何直觀理解全微分? 。

1 參數方程

為了繼續講下去,我們需要了解下所需要的技術手段:參數方程。

參數方程的用處很多,下面講解下我們需要了解的部分。

1.1 通過參數方程來描述所有的曲線

要描述所有這些曲線,我們就需要一些數學手段,這就是參數方程。

我們來看一下,隨便畫一條過A 點的曲線:

這條曲線也是一個關於x,y 的函數f(x,y) ,因此它與xy 平面上的曲線具有一一對應的關係:

因此我們只需要描述xy 上的曲線就可以達到描述曲面的曲線的目的,這時候就很自然的可以使用參數方程了。

舉個具體的例子,對於f(x,y)=x^2+y^2 這個二元函數,函數圖像是這樣的:

注意此時的x,y 都可以自由改變:

但是如果增加參數方程:

egin{cases}z=x^2+y^2\x=t\y=tend{cases}

這有什麼意義?此時的x,y 的變化就受到egin{cases}x=t\y=tend{cases} 的約束:

我們來把這根參數方程決定的直線放到三維空間去:

根據之前的描述,這根直線可以決定一根曲面上的曲線:

這根曲面上的曲線就是剛才說過的:

egin{cases}z=x^2+y^2\x=t\y=tend{cases}

1.2 參數方程可以拍扁三維圖像

從另外一個角度看,參數方程可以把三維的圖像一巴掌拍扁:

什麼意思,我們來看看,還是f(x,y)=x^2+y^2 這個二元函數:

增加參數方程約束:

egin{cases}z=x^2+y^2\x=t\y=tend{cases}

x,y 代入到z 裡面去,可以得到z=2t^2

這就好比把xyz 空間的立體圖形拍扁到了zt 平面,這個特性在後面會用到,所以在這裡先預熱下。

2 偏導數、方嚮導數、全導數

講完「所有曲線」之後,我們要來講這些曲線的切線了,不同的曲線有不同的切線,也就有不同類型的導數。

2.1 偏導數

xy 平面中平行於x 軸或者y 軸的直線決定的曲線:

這根曲線的方程也可以寫成參數方程(以平行於x 軸的曲線為例,a 為常數):

egin{cases}z=f(x,y)\x=t\y=a+0	imes tend{cases}

偏導數就是這根曲線的切線的斜率:

2.2 方嚮導數

xy 平面不光有平行於坐標軸的直線,還有各種射線,由這些射線決定的曲線:

為什麼是射線?我們回想一下一元函數中左可導、右可導的概念:

射線可以類比左可導、右可導中的「左」和「右」。

方嚮導數也就是這根曲線的「左導數」、「右導數」:

假設A 點的坐標為(x_0,y_0,z_0) ,則該曲線方程的參數方程為(具體的意思我這裡不解釋了,自己參看書中關於「方嚮導數」的章節):

egin{cases}z=f(x,y)\x=x_0+tcosalphatgeq0\y=y_0+tcosetatgeq0end{cases}

2.3 全導數

除了直線射線以外, xy 平面上還有很多不同的曲線,這些曲線總可以寫成參數方程的形式:

egin{cases}x=x(t)\y=y(t)end{cases}

這些曲線也總能決定曲面上的曲線,比如我之前畫過的圖:

曲線的參數方程可以寫成:

egin{cases}z=f(x,y)\x=x(t)\y=y(t)end{cases}

講到這讓我先總結一下:

  • 過點A 可以做無數條曲線
  • 所有這些曲線都可以寫成參數方程的形式
  • 偏導數、方嚮導數、全導數由不同的曲線所決定
  • 偏導數、方嚮導數其實是特殊的全導數

總結了之後我要繼續講全導數最重要的一個問題,那就是:

一般來說(除了偏導、方嚮導數,下面說的全導全部指除了偏導和方嚮導數之外的),全導數不是這根曲線的切線的斜率。

為什麼「偏導數」、「方嚮導數」都是切線的斜率,而全導數不是呢?

2.3.1 拍扁並且變形了

之前說過參數有拍扁的特性。

xyz 平面中,偏導數的曲線其實位於平行於x 軸的平面上:

拍扁到zt 平面:

本身也就是平面,拍扁之後也不會發生變形。

因為偏導是特殊的全導,所以我們可以認為偏導就是frac{dz}{dt} ,也就是 zt 平面上切線的斜率:

因為沒有拍扁過程中沒有發生變形,所以zt 平面上切線也就是xyz 空間中的切線。

同樣的道理,方嚮導數的曲線也是位於平面之中的,所以拍扁過程也不會變形。

但是,普通的全導(也就是曲線不在平面中的),拍扁的過程中會變形,比如說還是我之前舉的決定全導數的曲線:

把它拍扁到zt 平面中去:

不得不說看起來還是有那麼一點像,不過已經嚴重變形了。所以全導 frac{dz}{dt}zt 平面上還是切線的斜率:

但因為變形,已經不是xyz 空間中的切線(實際上要是還原回去的話是一條曲線)。

至於xyz 空間中切線的斜率要怎麼求,就是切向量的問題了,有機會我們接著說。


全導數其實就是導數,通常指多元函數的導數。
定義(可微性) 設Emathbf{R}^n中的開集,f:E	omathbf{R}^m是函數,{m x_0}in E,並設L({m x_0}):mathbf{R}^n	omathbf{R}^m是線性變換,如果
lim_{{m x}	o {m x_0};{m x}in Esetminus{{m x_0}}}frac{|f({m x})-f({m x_0})-L({m x_0})({m x}-{m x_0})|}{|{m x}-{m x_0}|}=0
那麼就說f{m x_0}處可微,具有導數L({m x_0}),這裡|{m x}|m x2-範數
|m{x}|=|(x_1,cdots,x_n)|:=(x_1^2+cdots+x_n^2)^{1/2}

有時線性變換L({m x_0})也叫做f{m x_0}處的全導數,注意從mathbf{R}^nmathbf{R}^m的線性變換與m	imes n的矩陣是同構的,L({m x_0})在標準基下的矩陣就是fm x_0處的Jacobi矩陣,即
[L(m x_0)]_{alpha}^{eta}=left(frac{partial f_i}{partial x_j}(m x_0)
ight)_{1leq ileq m;1leq jleq n}
這裡alphaeta分別是mathbf{R}^nmathbf{R}^m中的標準基。


看到樓上搞那麼多複雜的探討,弄得好像全導數很神秘很難於理解一樣。其實要我來說,不必那麼苛求多麼深入的理解,又是從物理的角度又是從幾何的角度,弄得那麼複雜。

我來從高數學習的角度來說,非常簡單,只要理解這個就足夠了。

全導數非常簡單,其實全導數本質上就是一元函數的導數。他是針對複合函數而言的定義。比如z=f(x,y),x=u(t),y=v(t)。那麼z關於t的導數就是全導數。所以我說本質上就是個一元函數的導數,z本質上就是個關於t的一元函數。因此全導數沒什麼難於理解的,只不過為了複數函數的求導而被定義了出來。對於真正的多元函數是沒有全導數這一說的,只有偏導數、偏微分和全微分。


二元函數的增量定理—&>二元函數的線性化—&>全微分


可以從全微分的角度入手,全微分在物理上表達一個函數值的變化是隨各個參量變化而變化的。例如y = y(a,b),dy=dyda*da+dydb*db(dydx指代偏微分).則此時的全導數為dy/da = dyda+dydb*db/da.把函數的導數形式反映成每一個量的導數運算。


推薦閱讀:

如何理解矩陣對矩陣求導?
微分號 d 有何意義?
如何高效地自學大學數學課本?
柯西對極限的定義引入 ε 精確描述,意義何在? 為什麼這種精確的數學描述很重要?
請推薦英文微積分、數學分析基礎教材?

TAG:數學 | 微積分 | 高等數學 | 高等數學大學課程 |