当前课程知识点:微积分——多元函数与重积分 > 第一章 多元函数微分学 > 第六节 映射及其微分 > 复合映射的微分法
我们已经知道什么叫映射的微分
接下来 我们来看一下
怎么样求映射的微分
我们这个地方主要介绍一下
复合映射 它的微分法
首先 我们看一下什么叫复合映射
也就是我们假设 u等于g x是一个
从Rn空间到Rk空间的映射
类似的 y等于f u是一个
从Rk空间到Rm空间的映射
如果我们这个映射 它的值域
与第二个映射它的定义域交集非空
这个时候 对Rn空间中的某些点x
我们得到的这个映射的值就有可能在
第二个映射的定义域里面
从而我们通过第二个映射就会得到
Rm中的一个唯一的向量与它对应
也就是说 在这个条件下
我们利用这两个映射
就会得到一个从Rn空间
到Rm空间中的新的映射
这个映射 就称为是
这两个映射的复合映射
我们记作 f g
中间这个运算符就叫f和g的复合
然后它在这一点
也就是求值的时候 就是f g x
实际上通过这个解释
我们知道 所谓的复合映射
就是把一般的复合函数的概念
推广到了空间中
我想这是关于复合映射的概念
有了复合映射的概念之后
那么如果我们知道 f和g这两个映射
那我怎么样利用它俩的微分
来求这个复合映射的微分
因为我们知道 微分运算实际上
主要牵扯到的应该就是Jacobi矩阵的计算
所以说 我们来求复合映射的微分
也主要的就是问
我怎样用原来这两个简单映射的Jacobi矩阵
得到这个复合映射的Jacobi矩阵
为此 我们给一个定理
设u 等于g x是一个
从Rn空间到Rk空间的映射
我们说这个映射是个k维映射
实际指的就是它的分量函数都是k维函数
我们再设y 等于f u是一个
从Rk空间到Rm空间的k维映射
我们的结论就是 则 f和g的复合映射
是一个从Rn空间到Rm空间中的k维映射
而且 这个复合映射的Jacobi矩阵
是等于f这个映射的Jacobi矩阵
与g这个映射的Jacobi矩阵的乘积
实际上 就是这个Jacobi矩阵之间的关系
与简单的复合函数的链导法则是一致的
从这个定理得到的结果我们可以看出
这个复合映射的Jacobi矩阵
它与原来两个映射Jacobi矩阵
之间的关系实际上
与原来我们得到的简单的
复合函数的链导法则是一致的
我们看一下这个结论为什么是对的
我们给出一个简短的证明
首先 我们看一下 f的Jacobi矩阵是什么
根据Jacobi矩阵的定义
它的Jacobi矩阵第一行
应该是它的第一个分量函数一阶偏导数
放到第一行 也就我们记成
偏f1 偏u1 偏f1 偏u2 一直到偏f1 偏uk
第二行类似的是它的
第二个分量函数的一阶偏导数放到第二行
我们直接写它的最后一行
最后一行 也就是第m个分量
它关于自变量的偏导数放到最后一行
偏fm 偏u2 然后偏fm 偏uk
这是f的Jacobi矩阵
我们再来看一下 g这个映射的Jacobi矩阵
也就是 它的Jacobi矩阵
它的分量函数
我们就用g1 g2到gk来表示
它的自变量 应该是Rn空间中的
我们就用x1 x2到xn来表示
所以写出来 应该就是一个
偏g1 偏x1 偏g1 偏x2
一直到最后一个是偏g1 偏xn
它的第二行当然是它的第二个分量函数
一阶偏导数放到第二行
我们直接写它的最后一行
最后一行就是它的第k个分量
它的偏导数放到最后一行
也就是偏gk 偏x1 偏gk 偏x2
一直到偏gk 偏xn
前面这个矩阵 我们知道
它应该是个m行k列的矩阵
后面这个矩阵 我们知道
它实际是一个k行n列的矩阵
接下来 我们看这两个矩阵乘起来是什么
这两个矩阵乘起来 也就是
J f乘上一个J g
首先 我们知道
它乘出来应该是一个m行n列的矩阵
所以说我们就在这里表示一下
它是一个m行n列的矩阵
接下来我们来看一下
这个乘积矩阵的第i行第j列的元素是什么
根据矩阵乘法的定义 我们知道
这个乘积矩阵的第i行第j列这个元素
应该是第一个矩阵的第i行
和第二个矩阵的第j列
它的对应元素相乘再相加
所以说我们直接把它的
第i行第j列的元素写出来
也就是偏fi 偏u1 乘上在这个地方
应该就是偏g1 再除上偏xj
再加上一个偏fi 偏u2
再乘上一个偏g2 除上一个偏xj
最后 加到最后应该就是一个偏fi
然后偏uk 这个地方就乘上一个偏gk偏xj
这就是这个乘积矩阵的第i行第j列的元素
好 最后我们看一下这个复合映射
它的分量函数是什么
复合映射 根据定义
它的求值应该是用这个表达式来求值
所以说 它的分量函数应该是这样子的
也就是f跟g它的复合
它的分量函数应该就是
f1 然后这里面是g1 x
g2 x然后一直到gk x
这是第一个分量
那么它的第i个分量自然就是
fi g1 x g2 x到gk x
最后一个分量 当然就是
它的fm 这个地方就是g1 x
g2 x一直到gk x
那现在 作一个映射
我们来求它Jacobi矩阵的第i行第j列元素
实际就是要求 它的第i个分量
关于第j个自变量的偏导数
也就是要求 偏这面是fi
这面是g1 x到gk x
关于xj的偏导数
那么 根据复合函数的链导法则
它关于xj的偏导数应该等于
偏fi关于第一个中间变量的偏导数
乘上第一个中间变量关于xj的偏导数
也就是这一项
那么再加上 fi关于第二个中间变量的偏导数
再乘上第二个中间变量关于xj的偏导数
实际上就是这一项
最后 加到最后应该是
fi关于最后一个中间变量的偏导数
乘上最后一个中间变量关于xj的偏导数
也就是这个
实际上也就是说 我们这两个矩阵乘起来
它的第i行第j列元素正好是这个复合映射
它的Jacobi矩阵的第i行第j列元素
当然我们就证明了这个矩阵不是别的
就是这个复合映射的Jacobi矩阵
这就是关于复合映射Jacobi矩阵的
一个简单证明过程
这里面主要用到了复合函数的链导法则
和Jacobi矩阵的定义
以及矩阵乘积运算的定义
好 我们前面给出了
复合映射的Jacobi矩阵的计算公式
接下来 我们简单看一下那个逆映射
所谓逆映射是这样子的
我们如果假设y就等于f x
它是一个从Rn到Rn空间的映射
然后 如果说它有逆映射 主要指的是
我们给了一个y的值之后
能找到唯一的x值与这个y对应
跟反函数它的记号一样
它的逆映射 我们记成是这个记号
也就是读作f的逆映射
就是 如果它是
就是原来这个映射的逆映射
也就是 是它的逆映射
那么 根据这个逆映射的概念
我们知道 映射和逆映射满足的关系
应该就是 它的逆
对这个f求值或者是作复合
它应该还是这个x
那接下来 我们就利用
复合映射的Jacobi矩阵 它的计算公式
如果我们两边求Jacobi矩阵的时候
这个地方 得出来的应该是
这个逆映射的Jacobi矩阵
乘上这个映射的Jacobi矩阵
而这边 这是一个恒等映射
它的Jacobi矩阵应该就是一个n阶单位阵
实际上 这就是我们得到的逆映射
跟原来这个映射 Jacobi矩阵之间的关系
实际上 也就是它们的Jacobi矩阵
是互为逆矩阵
这个我们直接用形式运算得到了这个结果
这也是我们在后边
计算逆映射Jacobi矩阵用的一个关系
好 最后我们来看两个简单的例子
第一个例子
我们如果假设 u是等于x方减y方
v是等于x乘y
这实际是一个从R2到R2空间的映射
我们再假设x就等于rcosθ
y等于rsinθ
这是一个从R2到R2空间的映射
现在我们求一求 偏u v 偏r θ
实际上也就是通过x y这个变量
我们把u v与r θ联系起来
这应该就是一个复合映射的概念
我们这个也就是要求
复合映射的Jacobi矩阵
那首先我们知道就是
映射 这个u v关于x y
它的Jacobi矩阵应该就是
u关于x y的偏导数放到第一行
那么也就是两倍的x 负的两倍的y
v关于x y的偏导数放到第二行
那么也就是y x
这就是这个映射的Jacobi矩阵
那么第二个映射的Jacobi矩阵
我们用偏x y 偏r θ来表示
它的第一行就是x关于r θ的偏导数
所以说应该就是cosθ 负的rsinθ
第二行 就是y关于r θ的偏导数
所以说应该是sinθ rcosθ
那么根据复合映射Jacobi矩阵的计算公式
我们知道 我们要求的结果
应该就是这两个矩阵的乘积
偏u x 偏x y 再乘上偏x y 偏r θ
那我们知道矩阵相乘
它出来的应该是一个两行两列矩阵
第一个元素应该是第一行
与这个第一列对应元素相乘再相加
那么就是两倍的xcosθ
再减掉两倍的ysinθ
第一行第二列元素应该是
这两个数跟这两个数
对应元素相乘再相加
也就是负的两倍的r xsinθ
再减掉两倍的r ycosθ
类似的 我们可以写出它的第二行元素
应该分别是y乘上cosθ
再加上x乘上sinθ
这个是一个负的r ysinθ
再加上r xcosθ
一般的 我们作复合映射做到这一步
这只是一个中间过程
原因是我们的x y与r θ的关系是已知的
所以说我们把x y与r θ的关系
代进去得到的就是
我们要求的Jacobi矩阵的最后形式
这一步请大家代进去进行化简
这是一个例题
最后一个例题 我们看一下
如果我知道一个从r θ到x y的映射
x等于rcosθ y等于rsinθ
我们求一求 当这个r θ
等于1 二分之π时
求一下偏r θ 偏x y
实际上我们给的映射是从r θ到x y
而我们求的Jacobi矩阵
是r θ关于x y的Jacobi矩阵
应该求的是它的逆映射的Jacobi矩阵
就这一个简单题目来说
当然大家可以有两种做法
一个做法是由原来这个映射关系
直接把它的逆映射求出来
从而得到逆映射的Jacobi矩阵
另外一个方法就是利用我们介绍的
映射跟逆映射Jacobi矩阵的关系
直接去求这个逆映射的Jacobi矩阵
在这儿 我们用第二种方法
所以我们就先求 偏x y 偏r θ
那么这个两行两列的矩阵
第一行元素 我们知道 就是cosθ
然后负的rsinθ
第二行元素 是sinθ rcosθ
如果我们考虑的是r等于1
θ等于二分之π这点的值的时候
也就是r等于1 θ等于二分之π
我们代进去
θ等于二分之π cosθ是零
r等于1 sinθ又等于1
所以这个应该是 0 负1 1 0
这是一个简单的二阶矩阵
那么我们要求的偏r θ 偏x y
在r θ分别是1和二分之π这个值时
就是求这个矩阵的逆矩阵
这个矩阵的逆矩阵
我们可以很容易地求出 是0 1 负1 0
我想这样 通过映射和逆映射之间的
Jacobi矩阵的关系
我们就得到了我们要求的这个Jacobi矩阵
-第一节 多元连续函数
--开集、闭集、区域
--二重极限的定义
--二重极限的例题
--二次极限的定义
-第一章 多元函数微分学--第一节练习题
-第二节 多元函数的偏导数
--偏导数的概念
--偏导数的几何意义
--高阶偏导数的概念
-第一章 多元函数微分学--第二节练习题
-第三节 多元函数的全微分
--全微分的概念
--可微的必要条件
--可微的充分条件
--可微的充要条件
--多元函数的原函数
-第一章 多元函数微分学--第三节练习题
-第四节 多元函数的微分法
--隐函数存在定理
--隐函数组求导法
-第一章 多元函数微分学--第四节练习题
-第五节 多元函数的方向导数与梯度向量
--方向导数的概念
--方向导数的计算
-第一章 多元函数微分学--第五节练习题
-第六节 映射及其微分
--复合映射的微分法
-第一章 多元函数微分学--第六节练习题
-第七节 多元函数的泰勒公式(以二元函数为例)
-第一章 多元函数微分学--第七节练习题
-第一节 多元函数微分学的几何应用
-第二章 多元函数微分学应用--第一节练习题
-第二节 多元函数的极值
--极值点的判别法
--极值问题举例
-第二章 多元函数微分学应用--第二节练习题
-第三节 多元函数的条件极值
--条件极值问题举例
--最小二乘法
-第二章 多元函数微分学应用--第三节练习题
-第一节 二重积分的概念和性质
--二重重积分引入
--二重积分定义
--二重积分性质
-第二节 二重积分的计算
-第三章重积分--第二节练习题
-第三节 极坐标系及一般坐标系
--极坐标系
--一般坐标系
-第三章重积分--第三节练习题
-第四节 三重积分
--三重积分的引入
--三重积分的定义
--三重积分的性质
--直角坐标系
--空间坐标变换
--空间柱坐标系
--球坐标系
--球坐标系例题
-第三章重积分--第四节 练习题
-第五节 第一类曲线积分
-第三章重积分--第五节 练习题
-第六节 第一类曲面积分
-第三章重积分--第六节 练习题
-第七节 含参变量积分
--含参定积分的定义
--含参积分的连续性
--含参积分的导数
--含参积分的例题
-- 广义含参积分的一致收敛性
-第三章重积分--第七节 练习题
-第一节 第二类曲线积分
-第四章 向量分析--第一节 练习题
-第二节 Green公式及其应用
-第四章 向量分析--第二节 练习题
-第三节 第二类曲面积分
--曲面的定向
-第四章 向量分析--第三节 练习题
-第四节 Gauss公式与Stokes公式
--Gauss公式
-第四章 向量分析--第四节 练习题
-第五节 无源场,保守场与调和场
--平面保守场
--势函数及其计算
--空间保守场
--常见的场
-第四章 向量分析--第五节 练习题
-第一节 微分方程的基本概念
--微分方程概念举例
-第二节 可求解的一阶微分方程(初等积分法)
--变量分离方程
--齐次型方程
-第五章 常微分方程--第二节 练习题
-第三节 高阶线性微分方程解的结构
-第五章 常微分方程--第三节 练习题
-第四节 高阶线性常系数微分方程
--欧拉方程
--欧拉方程举例
-第五章 常微分方程--第四节 练习题