多元複合函數求導法則
多元複合函數是用在bp神經網絡或者叫做神經網絡的bp算法當中。深度學習是基於深度神經網絡的。多元複合函數在神經網絡算法當中有很大的用處。習慣性當中,把多元複合函數求導法則稱爲鏈式法則。
多元函數全增量
全增量爲
△z=f(x0+△x,y0+△y)-f(x0,y0)
=f(x0+△x,y0+△y)-f(x0+△x,y0)
+f(x0+△x,y0)-f(x0,y0)
=fy'(x0+△x,ξ1)·△y+fx'(ξ2,y0)·△x
【其中ξ1在y0與y0+△y之間,
ξ2在x0與x0+△x之間】
然後利用一階偏導數的連續性,
【ξ1→y0,ξ2→x0】
fy'(x0+△x,ξ1)=fy'(x0,y0)+α
fx'(ξ2,y0)=fx'(x0,y0)+β
【其中,α,β是無窮小】
從而,
△z=fy'(x0,y0)△x+fx'(x0,y0)△y
+α△x+β△y
其中,α△x+β△y=o(ρ)
全增量等於兩個偏增量的和。
- 一元函數與多元函數複合
若函數u=å(t)及v=ß(t)都在t點可導,函數z=f(u,v)在對應點(u,v)具有連續偏導數,那麼複合函數z=f[å(t),ß(t)]在點t可導,且
證明:設t獲得增量,此時u=å(t)、v=ß(t)的對應增量爲、
函數的全增量
當->0,->0時,->0,->0
等式兩邊同時除以
則
- 多元函數與多元函數複合
如果函數u=å(x,y),v=ß(x,y)都在點(x,y)具有對x及對y的偏導數,函數z=f(u,v)在對應點(u,v)具有連續偏導數,那麼複合函數z=f[å(x,y),ß(x,y)]在點(x,y)的兩個偏導數都存在,且有
證明的過程跟一元函數跟多元函數複合一樣,只不過求對x的偏導的時候把y看成常數,求對y的偏導的時候把x看成常數。
類似的,設u=å(x,y),v=ß(x,y)及w=(x,y)都在點(x,y)具有對x及對y的偏導數,函數z=f(u,v,w)在對應點(u,v,w)具有連續偏導數,則複合函數z=f[å(x,y),ß(x,y),(x,y)]在點(x,y)的兩個偏導數都存在,且可用下列公式計算:
如果函數u=å(x,y)在點(x,y)具有對x及對y的偏導數,函數v=ß(y)在點y可導,函數z=f(u,v)在對應點(u,v)具有連續偏導數,那麼複合函數z=f[å(x,y),ß(y)]在點(x,y)的兩個偏導數都存在,且有
設z=f(u,x,y)具有連續偏導數,u=å(x,y)具有偏導數,則複合函數z=f[å(x,y),x,y]具有對自變量x及y的偏導數,且有
多元複合函數求導法則示例
- 設,求和
令u=x+y,v=xy,則
隱函數求導公式
隱函數:一般地,如果變量x和y滿足一個方程g(x,y)=0,在一定條件下,當x取某區間內的任一值時,相應地總有滿足這方程的唯一的y值存在,那麼就說方程g(x,y)=0在該區間內確定了一個隱函數。
例如
這裏y=3√(2-x),所以當x取任意值時,y的值唯一,所以這裏確定了一個隱函數。大致圖形如下
,這個方程能否確定一個隱函數,它的圖形大致如下
由圖形可知,在(0,1)範圍內隨意取一個x值,y的值不唯一,所以這個方程不能確定一個隱函數。
在點(0,1)的某個鄰域內存在隱函數嗎?
我們上面一題中其實是從一元函數的角度來看待的,而這裏其實是從二元函數的角度來看待的,(0,1)這個點就是A點,A點點鄰域內,它是可以存在隱函數的,只要這個鄰域不過大。
隱函數求導公式:設函數g(x,y)在點P(x0,y0)的某一鄰域內具有連續偏導數,且g(x,y)=0,,則方程g(x,y)=0在點(x0,y0)的某一鄰域內恆能唯一確定一個連續導數的函數y=f(x),他滿足條件y0=f(x0),並有,同時也被稱爲隱函數存在定理1。
證明:將y=f(x)代入g(x,y)=0得恆等式g(x,f(x))0,左端看作是x的一個複合函數,兩端求導得,將其變型後就可得
設函數g(x,y,z)在點的某一鄰域內具有連續偏導數,且,則方程g(x,y,z)=0在點的某個鄰域內恆能唯一確定一個連續且有連續偏導數的函數z=f(x,y),它滿足條件,並有,同時也被稱爲隱函數存在定理2。
隱函數求導公式示例
驗證方程在點(0,1)的某一個鄰域內能唯一確定一個有連續導數,當x=0,y=1時的隱函數y=f(x),並求這函數的一階導數在x=0的值。
設,則
根據隱函數存在定理1,可以確定隱函數y=f(x)存在,且一階導數x=0的值爲0