问题设定:对和的复合依赖关系
该例从外层函数 开始,然后将中间变量重新表示为 和 。这构成了一个复合函数,其中 依赖于 和 间接通过 和 。教师利用这一设定,引出全微分计算和后续的链式法则计算。
MIT OpenCourseWare · YouTube · 11:33
这是来自麻省理工学院(MIT)多变量微积分习题课的一段时长为180秒的片段,介绍了一个关于全微分与链式法则的例题。在标题页之后,教师给出设定、、,并提出两项任务:(a) 将用表示;(b) 用两种方法计算。随后他完整求解第(a)问:运用公式,计算出和,并得出结论。接着片段转入第(b)问,教师构建了一个依赖关系图,其中位于顶部,和居中,与位于底部,以此组织链式法则的应用。在本片段结束前,尚未展开链式法则的具体表达式,也未得到的最终数值。 本片段选自麻省理工学院18.02SC 多变量微积分课程,演示了对 ² + y²、² − v²、y = uv 使用链式法则和依赖图计算 ∂z/∂u 的过程。教师追踪路径 和 ,得出 ∂z/∂ux + 2vy,并说明保留混合变量形式的答案是可接受的。他还指出:链式法则是一种快速的操作方法,而全微分则是理解变量依赖关系时更清晰的概念工具。 这段时长为180秒的白板片段,讲解一个多元微积分例题,关联全微分与链式法则。黑板左侧显示、链式法则公式、其简化结果,以及一张依赖关系图,其中位于上方,位于下方。右侧,教师重写和,代入,展开得,并指出的系数为。 本片段通过展示全微分dz可写成标准形式(∂z/∂u)du + (∂z/∂v)dv,从而完成了一个多变量链式法则例题:由此,每个偏导数均可直接从对应微分项的系数读出。教师从展开后的全微分中提取出∂z/∂xu+2vy,修正了系数中的代数疏漏,并验证了黑板中部依赖关系图链式法则所得结果与此相同。随后他比较了两种方法:依赖关系图法在仅需求一个偏导数时更快捷;而全微分法在初始微分步骤之后更具代数性、更不易出错,但也会自动给出∂z/∂v。
在学习检查器中查看要点和时刻,或切换阅读标签查看完整笔记。
依据视频画面与讲解整理,并非逐字语音转写。
本片段以多变量微积分课程的标题页开场,点明主题为全微分与链式法则。
画面切到一块黑板,上面已完整写出了例题:、和。讲师解释说,是中间变量和的函数,而这两个中间变量又分别依赖于辅助变量和。
他说明了两项任务:在第(a)问中,目标仅是将全微分用和表示出来,因此在此阶段,和被刻意排除在最终表达式之外;在第(b)问中,目标是用两种方法计算:先用链式法则,再用全微分法。
在邀请观众暂停思考后,他回到视频中,开始讲解第(a)问,并首先回顾了二元函数全微分的定义公式:。
接着,他将该公式应用于具体函数:对求偏导得,对求偏导得;将这两个结果代入公式,即得到第(a)问的完整答案:。
讲师转向第(b)问,并表示将首先使用链式法则。在写出任何导数公式之前,他引入了一个依赖关系图,作为梳理变量间依赖关系的组织工具。
他在黑板上将置于顶部,向下画出箭头指向和,再从和各自向下画出箭头指向和。他边讲解边指出:该图表明依赖于和,而和则共同依赖于和。
到本片段结束时,该图已清晰显示:从到存在两条路径,一条经由,另一条经由;但关于的链式法则展开式尚未写出。
教师开始讲解本题的第二部分(b):已知 ² + y²,² − v²,y = uv,要求用链式法则计算 ∂z/∂u。黑板上画出一个依赖关系图,z 位于顶部,分别指向 x 和 y;x 和 y 又各自向下指向 u 和 v。
他解释链式法则的步骤:在依赖关系图中找出所有从 z 到 u 的路径。这样的路径共有两条: 和 。每条路径对应一个偏导数乘积,并将这些乘积相加。
他写出链式法则公式:∂z/∂u = (∂z/∂x)(∂x/∂u) + (∂z/∂y)(∂y/∂u)。该公式直接对应图中所追踪的两条路径。
接着,他逐个计算各因子。由 ² + y² 得 ∂z/∂,∂z/∂;由 ² − v² 得 ∂x/∂;由 y = uv 并将 v 视为常数,得 ∂y/∂。
将这些代入链式法则公式,得到 ∂z/∂ux + 2vy。他将此作为最终答案写在黑板上。
随后,他回应学生中一种常见直觉:由于 x 和 y 本身是 u 和 v 的函数,有人可能觉得必须将它们的表达式代回原式。他明确指出这并非必要,且含混合变量(同时包含 x、y 与 u、v)的答案完全可接受。
他进一步指出,保留混合变量实际上揭示了一个重要事实:它清晰展现了各微分量之间的相互依赖关系,而这正是本题的概念核心。
最后,他转向另一种方法——全微分法。他坦率比较两种方法:链式法则是最高效的计算步骤,而全微分法则更清晰地阐明了变量间潜在的依赖结构。他表示,若时间允许深入探讨,他个人更倾向使用全微分法。
该片段以双分区黑板布局开场。左侧,第(a)部分已写出全微分,并将其特化为;第(b)部分展示了关于的链式法则公式及对应的依赖关系图。右侧,教师从相同的起始微分重新开始推导,明确表明目标是将从变量变换为变量。
下一步是将中间微分用新的自变量表达。教师指出本身是和的函数,随后写出。这为代入的公式提供了第一个必要成分。
接着处理第二个中间变量。教师回顾,对乘积求导并写出。此时,右侧已完整呈现全部三个所需的微分恒等式:原始的、新得到的,以及新得到的。
在这些部分就位后,讲师强调剩余工作是代入而非新的概念步骤。他将 和 内部 ,得到 。其目的是回答 如何依赖于 和 ,方法是将其微分完全重写为 基下的形式。
随后对该表达式进行展开并重新分组。合并的系数得到,合并的系数得到,因此黑板上最终呈现的是。这是可直接读出偏导数的代数形式。
最后,教师指向的系数,并指出:的一种定义正是该系数。因此,右侧的全微分计算结果与左侧的链式法则结果一致,而预先写好的公式已将简化为。
教师首先将z关于独立变量u和v的全微分重写。他在黑板右侧写下,确立了后续用于从系数中读取偏导数的标准形式。
接着,他将这一新写出的式子与黑板上先前已展开的表达式进行比对,并指出两边表示同一个微分。由此等式可知,乘在前的系数必为。
在提取该系数的过程中,他注意到第二项存在代数错误,随即口头更正并在黑板上修正,最终确定为。因此,全微分法得出的结果为。
作为验证,他指向中间黑板,那里已通过依赖图应用了链式法则:。两种方法结果一致。
视频剩余部分聚焦于方法比较。教师指出,若追求速度(例如考试时),依赖图法最快:先明确变量依赖关系,再从出发追踪所有通往目标独立变量的路径,并沿每条边将对应偏导数相乘。
若有更充裕的时间,他更倾向于使用全微分法,因为初始微分之后,其余步骤主要是代数运算,他觉得这样出错的可能性更小。他还指出一种权衡:该方法自然地给出全微分,因此它同时得出 即使仅要求 。
该例从外层函数 开始,然后将中间变量重新表示为 和 。这构成了一个复合函数,其中 依赖于 和 间接通过 和 。教师利用这一设定,引出全微分计算和后续的链式法则计算。
对于可微函数,其全微分为:对的偏导数乘以,加上对的偏导数乘以。在本片段中,讲师先陈述了该公式,再将其应用于具体的多项式例子。
将全微分公式应用于,教师计算出和,再代入得到第(a)问所要求的答案。音频中强调的关键点是:第(a)问仅用和表示,尚未用和表示。
在开始第(b)问时,教师绘制一张图:顶部为,中部为和,底部为和;箭头表示直接依赖关系。这一可视化工具专门用于在写出链式法则公式前,厘清哪些中间变量对有贡献。
本片段完整完成了第(a)问,给出了;但仅开启了第(b)问:教师宣布将先用链式法则、再用微分法计算,并画出了依赖关系图,而实际展开过程与最终结果并未在此片段中出现。
当 z 依赖于 x 和 y,而 x、y 又依赖于 u 和 v 时,偏导数 ∂z/∂u 可通过对依赖图中所有从 z 到 u 的路径求和得到。每条路径的贡献等于该路径上各边偏导数的乘积。对于图中路径 和 ,有 ∂z/∂u = (∂z/∂x)(∂x/∂u) + (∂z/∂y)(∂y/∂u)。
已知 ² + y²,² − v²,y = uv:∂z/∂,∂x/∂,∂z/∂,∂y/∂。代入得:∂z/∂ux + 2vy。
应用链式法则后,结果中可能同时包含中间变量(x、y)和独立变量(u、v)。将 ² − v² 和 y = uv 代回最终答案是可选的。主讲人强调,混用变量的形式很有价值,因为它清晰展示了微分量之间的依赖关系。
主讲人将链式法则描述为一种快速的计算口诀,但指出它缺乏解释深度;相比之下,全微分则更清晰地揭示了变量之间的依赖关系。当目标是理解而非速度时,他更倾向使用全微分。
视频从二元函数的标准全微分公式出发,并代入黑板上给出的具体偏导数。这一对象后续将被重写为关于和的表达式。
黑板左侧展示了多元链式法则,适用于 依赖于中间变量 和 ,而每个中间变量又依赖于 和 该公式对从到的两条路径所作的贡献求和。
由于被视作新自变量的函数,其微分在代入之前被重写。黑板上给出的是和的线性组合,该组合将替代。
教师明确回顾:等于乘积,并运用乘积法则对其求导。这提供了将转换为基所需的第二个代换。
一旦中间微分已知,该方法即转化为代数代换。将和的公式直接代入的原始表达式中。
代入后,表达式被展开并按独立微分项归类。此步骤分离出对应于对求偏导数的系数,以及对应于对求偏导数的系数。
最后一个概念要点是:一旦将表示为与的线性组合,则的乘子即为对的偏导数。这将微分计算重新关联到链式法则。
左侧的静态图编码了函数依赖结构:位于和之上,而与均位于和之上。该图直观解释了为何的链式法则公式包含两项相加。
当z被视为独立变量u和v的函数时,其全微分可表示为du与dv的线性组合。这一形式是将偏导数识别为系数的基础。
如果同一个微分 dz 已经被展开为含 du 和 dv 的项,那么 du 的系数恰好就是 。在本例的演算中,展开式给出的系数为4xu+2vy。
根据黑板上的计算,在将 dx 和 dy 代入 dz 并合并同类项后,对 u 的偏导数被求得为4xu+2vy。教师在最终确定该表达式前,修正了一处中间代数计算失误。
通过依赖关系图应用多元链式法则,可得到相同结果:将每条从 z 到 u 的路径上各偏导数相乘,再将所有路径的贡献相加,即可复现4xu+2vy。
本片段对比了两种策略:当仅需计算一个偏导数时(尤其在时间紧迫的情况下),依赖关系图法被呈现为最快捷的方法;而全微分法则在初始微积分步骤之后更偏代数化、更不易出错,但耗时更长,因为它会额外计算诸如 等信息。
由于全微分被完全重写为 du 和 dv 的形式,dv 的系数也自动获得。在本例中,这意味着即使题目只要求 , 仍会自然出现。
按知识点查看条件、步骤和证据。补充解释与视频直接内容分别标明。
教师说:“我们有一个函数 z,它等于 x 的平方加上 y 的平方。”
黑板上显示。
z
示例中的因变量与函数值。
关于 和 的函数;最终依赖于 和 ,通过 和 。
教师指出,依赖于两个变量和,且本身依赖于和。
黑板上显示。
x
在中为中间变量,在中为因变量。
关于和的函数。
教师指出,依赖于两个变量和,且也依赖于和。
黑板上显示。
y
在中为中间变量,在中为因变量。
关于和的函数。
教师说:“现在变量 x 和 y 本身又依赖于两个辅助变量 u 和 v。”
黑板上显示和。
u
支撑和的辅助自变量。
设定中的自变量。
教师说:“现在变量 x 和 y 本身又依赖于两个辅助变量 u 和 v。”
黑板上显示和。
v
支撑和的辅助自变量。
设定中的自变量。
教师说:“我们只需将全微分 dz 表示为 dx 和 dy 的形式。”
黑板上先显示,再显示。
dz
的全微分。
第(a)问中与的线性组合。
教师指出,全微分应表示为关于和的表达式。
黑板上先写出,再写出。
dx
中间变量的微分。
作为表达式中的一个基本微分出现。
教师指出,全微分应表示为关于和的表达式。
黑板上先写出,再写出。
dy
中间变量的微分。
作为表达式中的一个基本微分出现。
教师说:“z 关于 x 方向的偏导数是2x。”
黑板上显示位于中,并将其代入为。下标清晰可见。
关于的偏导数。
全微分公式中的系数。
教师说:“z 关于 y 的偏导数是2y。”
黑板上显示了在中的表达式,并将其代入为。下标清晰可见。
关于的偏导数。
全微分公式中的系数。
教师说:“我们将用两种不同的方法计算偏导数 ∂z/∂u。”
黑板上在第(b)问中显示了。
的偏导数 关于 的复合后。
第(b)问的目标量;本片段中未完成该量的计算。
黑板显示 。
z
因变量定义为 x 和 y 的函数。
x 和 y 的函数
教师说:“全微分 dz 就是 z 在 x 方向的偏导数乘以 dx,加上 z 在 y 方向的偏导数乘以 dy。”
黑板上显示了。
对于函数,其全微分是各独立变量的偏导数与对应微分的线性组合。本片段中,教师直接将其应用于。
被视为关于两个变量和的可微函数。
该表达式仅用和表示。
教师说:“我们有一个函数z,它等于x的平方加上y的平方……而变量x和y本身又依赖于两个辅助变量u和v。”
黑板上显示了、和。
该问题定义了一个外层函数,再将中间变量和表示为辅助变量和的函数。这构成了一个复合函数,从而引出全微分与链式法则的讨论。
和是中间变量。
和是辅助的自变量。
教师说:“每当我思考链式法则时,我喜欢画出这种依赖关系图……这只是我用来梳理各个变量之间依赖关系的一种方式。”
黑板上展示了一个三层图:顶层为,中层为和,底层为和;箭头从指向和,从和分别指向和。
教师引入了一种用于链式法则的可视化记账方法:节点代表变量,有向边代表依赖关系,因此可在写出导数公式之前,直接读出从最终目标变量到所选自变量之间的所有路径。
当多个中间变量依赖于相同的底层变量时,此方法很有用。
本片段中已画出图像,但尚未写出完整的链式法则公式。
黑板上显示 。
z 的全微分写作 ,其中 和 分别是 z 关于 x 和 y 的偏导数。
z 是 x 和 y 的可微函数。
教师指出,若计算偏导数 ∂z/∂u,需在依赖关系图中找出所有从 z 到 u 的路径,每条路径对应求和式中的一项。
教师写下 ∂z/∂u = (∂z/∂x)(∂x/∂u) + (∂z/∂y)(∂y/∂u)。
当 z 依赖于 x 和 y,且 x 和 y 又依赖于 u 和 v 时,为计算 ∂z/∂u,需对依赖关系图中所有从 z 到 u 的路径求和;每条路径贡献该项路径上各偏导数的乘积。
z 等于 z 关于 x 和 y 的函数,x 等于 x 关于 u 和 v 的函数,y 等于 y 关于 u 和 v 的函数。
教师表示,他完全接受像这样混用变量的答案,而将x用u和v表示的公式代入,并非必要。
在使用链式法则或全微分时,所得表达式可能同时包含中间变量(如x、y)和自变量(如u、v)。除非特别要求,否则无需将中间变量代回最终答案。
左侧部分(a)先显示,再显示。
开始时,教师重复道:“我们已经看到等于。”
该片段使用了二元函数的标准一阶全微分公式。此处将视为依赖于和的函数,其微分写作:对的偏导数乘以,加上对的偏导数乘以。随后黑板代入具体值和。
被视为关于和的可微函数。
所展示的例子使用了具体的偏导数和。
左侧部分(b)显示。
依赖关系图中,位于顶部,和居中,和位于底部,直观表达了相同的复合关系。
黑板展示了当 依赖于 和 ,且每个变量又分别依赖于 和 。对于关于 的偏导数,其贡献来自两条路径: 和 ,因此该公式是两个乘积的和。
和,的可微性足以支持屏幕上显示的链式法则计算。
屏幕上显示的公式专用于对求偏导;与此对应的对求偏导未在此片段左侧单独写出。
讲师说:“现在我们要利用本身是和的函数这一事实。”
他在黑板右侧写下。
的显式表达式未在片段中展示;仅写出了它的微分。
为在全微分中进行变量替换,教师首先用自变量 和 重写中间变量 的微分。所显示的结果是 和 系数为 和 。
是和的可微函数。
此步骤在代入之前使用。
教师说:“因此请记住 是 。因此对 关于 求微分,得到 。”
他在黑板右侧写下。
第二个中间微分通过对乘积求导得到。乘积法则给出两项:一项是对求导而保持不变,另一项是对求导而保持不变。
对应的式子为:。
应用标准的乘积求导法则来获得全微分。
教师说:“这些计算完成后,接下来只需代入”,然后说:“我们只需将关于的公式代入此处。”
他在黑板上写出。
在列出所需的全微分之后,该方法就完全代数化了:将 和 在 用其在 和 中的表达式替换。这将微分形式从 -基变换到 -基。
先前已算出公式、和。
代入成立,因为这三个都是关于微分的恒等式。
教师说:“现在我们只需将所有内容展开”,接着说:“我们把所有含的项归并起来”,最后说:“如果我们把含的项归并起来。”
黑板上的最终结果是。
代入后的表达式按独立微分量和展开并重新归类。乘以的系数变为,乘以的系数变为。
利用代数的分配律与交换律展开乘积,并合并同类微分项。
结果仍以符号形式保留和,而非用它们的表达式替代。
教师说:“z 关于 x 方向的偏导数是2x”,“z 关于 y 的偏导数是2y。”
黑板上显示将代入后得到的结果。
若,则且。
由显式给出。
对和分别求导,同时将另一变量视为常数。
针对本例中所示的函数。
教师总结道:“好,第一小问就做到这里。”
黑板上显示。
对于,用和表示的全微分为。
使用全微分公式。
使用和。
针对例题第(a)问中的具体函数。
左侧第(b)部分明确展示了等式。
依赖关系图显示依赖于和,而与均依赖于和。
若依赖于和,且和依赖于和,则。
在其所用变量上可微。
和在其所用变量上可微。
所展示的公式是关于的偏导数。
对于依赖关系图中所示的复合函数,关于的偏导数等于经由和这两条中间路径的贡献之和。
讲师说:“偏导数的一种定义就是这个系数。”
所指出的系数是在中的乘数。
该片段在单独写出标识该系数的方程之前就结束了。
当被写成时,系数为。
已被重写为独立微分和的表达式。
该表达式被组织为和的线性组合。
对于任何此类重写后的全微分,附在上的系数给出-偏导数。
我们在这两边所得到的,本质上是同一个表达式。
教师在展开后的 dz 表达式与新写出的标准形式 dz 表达式之间来回指认。
通过代入得到的展开微分表达式与标准形式表达式 dz = 〔∂z/∂u〕du + 〔∂z/∂v〕dv 表示的是同一个微分。
这两个表达式都是对同一因变量 z 关于 u 和 v 的 dz 所做的代数重写。
针对黑板上的例题。
如果我们想计算 ∂z/∂u,那么它就等于此处的这个系数。
教师圈出了乘以 du 的系数(4xu+2vy)。
在表达式 dz = (4xu+2vy)du + (2yu-4xv)dv 中,du 的系数等于 ∂z/∂u。
所展示的表达式是 z 的全微分,用独立微分 du 和 dv 表示。
针对黑板上具体演算的表达式。
我们在计算全微分时,最终得到了 ∂z/∂v 的表达式,尽管题目并未要求我们这样做。
右侧黑板显示了对应于 ∂z/∂v 的 dv 系数(2yu-4xv)。
在此例中使用全微分法,即使只要求对 u 求导,也会同时得到关于 v 的导数。
该计算将 dz 完全重写为 du 和 dv 的形式。
针对本视频片段中讨论的这个例子。
教师陈述了的定义,计算了两个偏导数,并指出第(a)问完成。
黑板上先显示,然后显示。
从二元函数全微分的一般公式出发。
教师陈述的定义/公式。
对关于求导,将视为常数。
对所展示函数直接进行偏微分。
对关于求导,将视为常数。
对所显示函数进行直接的偏微分。
将计算出的偏导数代入全微分公式。
代数代入。
第(a)问以结束。
教师表示将首先使用链式法则计算,并从绘制依赖关系图开始。
黑板上显示位于和上方,箭头向下指向和;在片段结束前未写出最终的链式法则公式。
本片段内未推导出的实际链式法则表达式。
宣布将采用全微分法作为第二种方法,但此处未执行。
确定目标导数 并注意 依赖于 通过 和 。
第(b)问的题目设定说明。
绘制依赖关系图:顶部为,中部为和,底部为和。
教师明确借助图像梳理变量间的依赖关系,再应用链式法则。
读出从到有两条路径:和。
图中清晰可见的箭头结构。
该片段建立了对应用链式法则的结构框架,但未写出导数公式,也未计算结果。
教师借助依赖关系图讲解链式法则,并逐步计算每个偏导数。
教师在黑板上写出完整推导过程。
在依赖关系图中,从z到u有两条路径: 和 ;应用链式法则,对这两条路径对应的项求和。
多元函数的链式法则
计算关于x的偏导数。
偏微分的幂法则
计算关于u的偏导数。
偏微分的幂法则
计算 关于 y 的偏导数。
偏微分的幂法则。
计算 y = uv 关于 u 的偏导数。
乘积法则/将 v 视为常数。
将已求得的偏导数代入链式法则公式。
代数代入。
化简该表达式。
代数化简。
偏导数 ∂z/∂u 是 4ux + 2vy。
右列依次显示、、,然后是代入并合并后的表达式。
讲解明确将该过程表述为:先代入,再展开,最后合并同类项。
从关于原始变量和的全微分出发。
这是第(a)小题中左侧展示的公式,并在右侧重复呈现。
将中间变量的微分用和表示出来。
教师指出是和的函数,并将该微分式写在黑板上。
将中间变量的微分用和表示出来。
教师提醒观众注意,并应用乘积的微分法则。
将和的表达式代入的公式中。
这是对先前已确立的微分恒等式的直接代入。
展开乘积,并合并和的系数。
代数分配律与同类微分项的归并,得到屏幕上显示的最终行。
将的系数识别为关于的偏导数。
授课教师明确指出,的一种定义即为此系数。
通过将改写为基下的表达式,得到的系数为,视频中将其等同于。
左侧部分(b)显示。
该片段并未单独口述此预先写好的左侧计算中的每个符号;它全程可见于黑板上。
写出关于 通过 和 。
此即位于依赖关系图旁、部分(b)下方所显示的公式。
代入例题中可见的具体偏导数。
黑板上使用了、、和。
对每一项进行乘法运算并化简。
初等代数给出了屏幕上显示的化简结果。
左侧的例题通过链式法则直接计算出,所得系数与右侧全微分代入法所得系数一致。
教师指出等式两边是同一表达式,并标出 du 的系数。
黑板显示 (2u du - 2v dv) + 2y(v du + u dv) = (4xu+2vy)du + (2yu-4xv)dv,且 du + dv。
教师圈出 (4xu+2vy),随后将第二项更正为 2vy。
本片段未明确给出原始函数 的具体形式,但所展示的偏导数暗示 且 。
从黑板上已写出的、以中间变量 x 和 y 表示的 z 的全微分出发。
依据本课前半部分黑板上的演算过程。
将 x 和 y 的微分用独立变量 u 和 v 表示并代入。
依据本课前半部分黑板上的演算过程。
将 dx 和 dy 的表达式代入 dz 的公式中。
代数代入。
合并 du 和 dv 的系数。
展开并合并同类微分项。
将相同的微分写成标准全微分形式。
关于 u 和 v 的全微分定义。
比较 dz 的两个表达式中 du 的系数。
同一微分的两种表示相等,意味着其对应系数也相等。
偏导数 可直接从展开后的全微分中 du 的系数读出,即 4xu+2vy。
“我们回到黑板中部,会发现得到的结果一致。所以是 4xu 加 2vy……再回到黑板中部,这正是我们再次得到的结果。”
黑板中部显示 xu + 2vy。
对以 x 和 y 为中间变量、且 x 和 y 均依赖于 u 的函数 z,应用链式法则。
黑板中部展示了多变量链式法则。
代入黑板上所列的各偏导数值。
黑板上已写好的数值。
化简乘积。
基础代数。
与全微分法所得系数进行比较。
对两个结果直接比较。
依赖图/链式法则计算所得的∂z/∂u值,与从全微分中提取的系数一致。
教师引入问题,完成第(a)问,并以依赖关系图开始第(b)问。
黑板上显示、、、第(a)问的,以及第(b)问的目标。
本片段未完成第(b)问。
题目所要求的、使用全微分的第二种方法在此处未展示。
已知 ,,和 ,(a) 用 表示全微分 ;(b) 用链式法则和微分两种方法计算 。
对应的式子为:
对应的式子为:
对应的式子为:
第(a)问要求 仅用 和 表示。
第(b)问要求用两种方法求出。
完成第(a)问,并为第(b)问建立初步框架。
写出二元函数的全微分通用公式。
教师在第(a)问开始时给出的公式。
计算的偏导数。
对和直接求导。
将偏导数代入全微分公式,完成第(a)问。
代数代入。
在第(b)问中,引入一个依赖关系图:依赖于和,而和均依赖于和。
教师指出,该图用于在应用链式法则前理清各变量之间的依赖关系。
第(a)小题:。第(b)小题:本片段仅展示了依赖关系图的构建过程;未得出的最终数值结果。
第(a)小题可通过将代入后的表达式与通式进行比对来验证。第(b)小题中,可见的图示确认了从到存在两条间接路径,但本片段未提供最终导数的数值或符号化验证。
黑板显示问题设定:设 ,,y = uv。
教师逐步演算第 b)问,用链式法则计算 ∂z/∂u。
已知 ,,y = uv,利用链式法则和依赖关系图计算 ∂z/∂u。
z 等于 x 的2次方加上 y 的2次方
x 等于 u 的2次方减去 v 的2次方
y 等于 u 乘以 v
计算 ∂z/∂u。
找出变量之间的所有依赖关系。
链式法则的准备工作。
根据从 z 到 u 的路径写出链式法则公式。
链式法则。
利用所给公式分别计算每个偏导数。
求导法则。
代入并化简。
代数。
∂z/∂u 等于 4ux 加上 2vy
教师指出这是偏导数,并说明混合变量是允许的。
黑板上呈现了一个完整的例题,左侧包含(a)和(b)两部分,右侧则给出一个平行推导过程。
教师逐步讲解右侧推导过程,从重复写出开始,直至识别出的系数。
原始的显式表达式并未在本片段中写出,但其偏导数和已被使用。
已知,且依赖于和,将重写为关于的表达式,并从中读出。
已显示。
在黑板上被推导出来。
由推导得出。
依赖图显示 在上方 ,它们在上方 。
将用变量和表示,然后将的系数识别为。
从原变量下的已知全微分出发。
这是教师重复陈述并写在右侧的起始公式。
计算中间变量的微分。
教师指出是和的函数,并写下这一结果。
计算的微分。
教师明确写出并对其乘积形式进行求导。
将和的表达式代入。
教师将此步骤描述为“仅代入”。
展开并按和合并同类项。
教师指示将所有内容展开,先合并含的项,再合并含的项。
读出的系数。
教师指出,的一种定义就是这个系数。
,因此。
该结果与预先写好的左侧链式法则计算一致。
黑板显示:, du - 2v dv, du + u dv,以及链式法则行:∂z/∂u = ∂z/∂x·∂x/∂u + ∂z/∂y·∂y/∂xu + 2vy。
教师将系数法与黑板中部的链式法则结果进行比较。
本片段未明确给出原始函数、、;仅可见其微分数据。
对于所示的复合结构(z依赖于x和y,而x、y又依赖于u和v),计算∂z/∂u。
\,du - 2v\,dv
dy 等于 v 乘以 du 加上 u 乘以 dv
∂z/∂x 等于2x,∂z/∂y 等于2y,∂x/∂u 等于2u,∂y/∂u 等于 v
求 ∂z/∂u。
将 dx 和 dy 代入 dz 的全微分表达式。
根据给定的微分关系直接代入。
展开并合并 du 和 dv 的项。
代数化简。
从全微分中读出 du 的系数。
标准形式:dz = (∂z/∂u)du + (∂z/∂v)dv。
通过依赖关系图,用链式法则验证结果一致。
黑板上展示多元链式法则。
∂z/∂u 等于 4xu 加上 2vy
教师将关于 du 的系数结果与黑板中部的链式法则计算结果进行核对,并指出二者一致。
标题幻灯片显示文字:“微积分”、“多变量微积分”、“大卫·乔丹”以及“全微分与链式法则”,并带有麻省理工学院(MIT)标识。
标题文字
麻省理工学院(MIT)标志
课程品牌标识
静态幻灯片持续显示,直至切换至黑板画面。
幻灯片上未展示任何数学推导过程。
幻灯片指出本讲主题为多变量微积分中的全微分与链式法则。
黑板上显示了完整的题目: , , ,其中第(a)问要求用 表示 ,第(b)问要求用两种方式表示 。
教师口头讲解了相同的题目设定,并邀请观众暂停视频、自行尝试解答。
给定的方程
第(a)问的提示
第(b)问的提示
教师指向黑板
教师在讲解设定含义时,依次指向不同行
此时间段内,所写的题目陈述保持不变
该图示建立了复合依赖结构,这一结构正是全微分与链式法则的共同动机
教师写下,然后在其下方写下
他口述全微分的含义以及各偏导数的取值
的公式行
代入直线
首先写出一般公式,然后在其下方代入具体的偏导数。
仅 和 出现在第 (a) 问的最终表达式中:。
视觉序列展示了将全微分公式直接应用于给定函数的过程。
教师绘制了一张图:顶部为,箭头指向和,另有从和分别向下指向和的箭头。
他说明这是用于梳理变量间依赖关系以应用链式法则的依赖图。
该图已绘制完整,但在片段结束前,尚未写出由此图推导出的链式法则公式。
节点
节点和
节点和
有向箭头
该图从上到下逐层构建。
依赖关系模式是固定的:依赖于;依赖于。
该图示编码了在链式法则下对有贡献的所有路径。
黑板上画出一个依赖关系图:z 在顶部,箭头向下指向 x 和 y;x 和 y 各有箭头向下指向 u 和 v。
z
x
y
u
v
箭头
教师在讲解链式法则时,指向路径 和 。
图的结构在整个视频片段中保持不变。
该图以视觉方式编码了函数依赖关系:z 依赖于 x 和 y;x 和 y 各自依赖于 u 和 v;从 z 到 u 的每一条路径,对应链式法则求和式中的一个项。
黑板分为左侧已完成的总结区和右侧实时推导区;左侧包含小题(a)、(b)及一个依赖关系图,右侧内容在视频片段中逐步填写。
左侧小题(a):
左侧小题(b):链式法则公式及其化简结果
依赖关系图,节点为
右栏:依次写出关于的推导过程
右侧推导从开始,接着是,再是,最后是代入并合并后的表达式。
教师反复在右侧微分式与左侧链式法则公式之间指明对应关系。
左侧的公式与依赖关系图在整个片段中始终可见。
总体目标保持不变:表达对和的依赖关系。
版式在视觉上将左侧的一般性规则与总结性计算,同右侧的逐步微分代换分隔开来,从而明确揭示链式法则求导与全微分运算之间的等价性。
一张带标签的图显示:顶部为,其下方为和,底部为和,箭头表示依赖关系。
节点
节点和
节点和
从指向以及从指向的有向边
片段中无任何变化;该图是静态参考材料。
该图始终表示依赖于和,且依赖于。
该图编码了链式法则背后的复合结构:每一条从通向的路径,都为贡献一个乘积项。
教师一边讲解,一边在黑板右侧写下 dz = ∂z/∂u du + ∂z/∂v dv。
黑板右侧
粉笔
教师的手
为 dz 新写一行。
项 ∂z/∂u du 和 ∂z/∂v dv 依次出现。
先前写下的展开后的 dz 表达式仍保留在黑板上可见。
这一视觉呈现过程引出了标准形式:通过识别 du 和 dv 的系数来确定相应的偏导数。
教师圈出系数(4xu+2vy),并指向它与新写出的 ∂z/∂u 之间的对应关系。
他指出,所求的偏导数等于该系数。
展开后的 dz 表达式
系数(4xu+2vy)
标准形式的 dz 表达式
系数(4xu+2vy)被圈出。
视线从被圈出的项转向 。
微分表达式的其余部分在圈出过程中保持不变。
这一手势直观地表达了如下规则:对 u 的偏导数即为 du 前面的系数。
“这里应该是 v,其中一个是 x……是 y 吗?2vy。”
教师暂停讲解,回头看向黑板,并将被圈出系数中的第二项更正为2vy。
根据现有画面,更正前手写的字符无法完全辨认,但教师的口头更正明确了最终应为2vy。
圆圈标注的系数(4xu+2vy)
教师修订了该系数中的第二项。
最终被采纳的表达式为 4xu+2vy。
第一项 4xu 保持不变。
读取 du 系数的整体方法保持不变。
此环节展示了在最终确定 之前,对代数运算过程所作的错误核查。
教师用手指从右侧系数指向中间黑板上的链式法则计算过程。
他指出,两者结果一致,均为 4xu+2vy。
右侧系数
中间黑板上的链式法则公式
视线与指示动作从右侧黑板转向中间黑板。
同一代数表达式在两处被高亮显示。
两个计算都涉及 。
视觉对比表明:全微分系数法与依赖图链式法则所得导数相同。
左侧黑板展示一张依赖图:z 位于顶部,x 与 y 居中,u 与 v 在底部,各节点之间由有向边连接。
教师讲解如何追踪从 z 到 u 的所有路径,并沿每条边将对应的偏导数相乘。
节点:z、x、y、u、v
有向边
教师在讲解更快捷的方法时,同时参照该图。
本片段中,图的结构本身不发生变化。
该图编码了链式法则的分解:从 z 到 u 的每一条路径对应 中的一个加性项。
讲解第(a)问时,教师说:“因此u和v不会出现在这个问题中。”
有人可能认为辅助变量和应当已经出现在第(a)问的答案中。
第 (a) 问仅要求用 表示 和 ,因此正确的中间步骤答案是 ,暂不代入 和 。
教师表示,每当思考链式法则时,他都喜欢画一张依赖关系图。
该图在写出任何公式之前,就已区分了、、、和各自的角色。
有人可能试图直接对求导,而未先识别出从到的所有中间路径。
视频演示了一种更稳妥的做法:先用图示梳理依赖结构,再据此确定链式法则展开式中应包含哪些项。
教师说:“我可以将 x 替换为其关于 u 和 v 的表达式,但这其实并不必要……我对这种含有混合变量的答案完全满意。”
学生可能认为,在应用链式法则后,必须始终将 x 和 y 代回为关于 u 和 v 的表达式,才能得到‘最终’答案。
教师明确指出,将答案保留为混合变量形式(例如 4ux + 2vy)是可接受的,而且往往更优,因为它清晰展现了各微分量之间如何相互依赖。
教师说:“不知怎的,这个链式法则,对我来说就只是一套操作步骤,它并不是一种解释。”
学生可能把链式法则公式当成一个不言自明的概念,而非一种计算流程。
教师将链式法则区分为一种快捷的操作步骤,而将全微分视为更能阐明变量间依赖关系的解释方式。
教师说:“这件事的好处在于,一旦你完成了这些计算,接下来就只是代入了。”随后又说:“你看,这仅仅是代入而已。”
在计算出和之后,人们可能认为还需要另一步概念性操作,才能找出如何依赖于和。
视频强调:一旦列出了相关的全微分,后续工作就只是将它们代入进行代数运算。
教师说:“偏导数的一种定义,就是这个系数。”
他指向 在最终表达式中的乘数 。
人们可能仅把的展开式视作一种代数化简,而忽略其实际意义。
该片段明确指出:在重写后的全微分中,的系数即为。
它涉及计算大量导数,而这些导数实际上并未出现在最终答案中。例如,在计算全微分时,我们最终得到了∂z/∂v的表达式,尽管题目并未要求我们求出它。
人们可能预期,全微分法只会恰好给出题目所要求的那个导数。
在此例中,将dz完全用du和dv重写,会自动同时得到两个系数,因此即使题目只要求∂z/∂u,∂z/∂v仍会自然出现。
“那应该是v,其中一个是x……是y吗?2vy。”
教师暂停并更正圆圈标出的系数中的变量。
在展开与合并项时,某个变量可能被无意写成错误的符号(例如将y写成x)。
教师发现这一口误,并将系数更正为4xu+2vy,随后将其用作∂z/∂u。
在写出之后,教师立即在第(a)问中应用全微分公式。
板书从给定函数过渡到。
显式函数是第(a)问中应用全微分公式的对象。
一般公式通过已计算出的偏导数特化为。
第(a)问的结果是将一般全微分公式代入本例的具体偏导数后得到的。
教师专门引入依赖关系图,以梳理问题设定中已存在的变量依赖关系。
图中的节点恰好对应设定中的变量:、、、、。
依赖关系图是对同一复合依赖关系的可视化重组,该依赖关系由、和共同编码。
教师指出,该图用于思考关于的链式法则时。
所画箭头显示了两条从通向的路径:一条经由,另一条经由。
本片段中并未写出实际的链式法则公式。
依赖关系图被作为组织工具引入,用以借助链式法则计算目标导数。
教师说,我们必须遍历所有从 z 到 u 的依赖图路径。
链式法则的运用方式,就是从依赖图中读取所有路径。
教师表示链式法则是最快的方法,但他更喜欢全微分,因为全微分在解释上更清晰。
全微分与链式法则形成对比:链式法则在计算上更快,而全微分则在变量依赖关系的概念理解上更为清晰。
右侧推导从 开始,并通过读取 来自于 。
左侧单独展示了的链式法则公式。
全微分公式是被变换的起始对象;链式法则公式则是从变换后的微分中还原出的导数恒等式。
和写在的代入表达式之前。
教师指出下一步是将和的公式代入。
必须先获得关于的微分,才能将其代入。
紧接在的代入表达式之前写出。
教师推导出 来自于 ,然后在下一行中使用它。
的微分 关于 也需先求出,然后才能完成对 的完整代入。
板书从过渡到。
教师要求将所有内容展开,并合并含和的项。
代入产生一个未化简的表达式;合并同类微分项后,它转化为可直接读取偏导数所需的系数形式。
在合并后的表达式中,的系数是。
教师将该系数识别为。
合并后的表达式包含了所需信息,从中可提取关于的偏导数,即的系数。
左侧部分(b)展示了。
右侧推导得出的系数为。
这一等价关系是通过比较屏幕上显示的两个结果而得出的;该片段中并未出现明确说明两边相等的口头陈述。
全微分代入法与直接使用链式法则计算所得的表达式相同。
教师定义了全微分,并将公式写在黑板上。
显式出现。
黑板上展示了第(a)问的完整答案。
教师指出,在第(a)问中,和不会参与计算。
教师称该图示为依赖关系图,并说明它用于梳理变量之间的依赖关系。
该图示显示了从到再到的有向箭头关系。
教师宣布第(b)问将使用链式法则计算。
该图揭示了从到的两条路径,分别经过和。
本片段未展示最终的链式法则表达式。
教师讲解如何利用链式法则和依赖图计算 ∂。
教师表示混合变量的答案是可以接受的,无需代入消元。
教师将链式法则(最快、操作性强)与全微分(解释更清晰)进行了比较。
黑板上显示的是。
部分(b)展示了。
讲师表示希望了解如何依赖于和,随后代入了和的表达式。
“请记住 是 。因此,对 取 ,我们得到 。”
已覆盖 · 标题页标明主题为全微分与链式法则;尚未出现具体演算过程。
已覆盖 · 教师陈述了完整的题目设定及两项任务,并说明第(a)问仅使用,而第(b)问将采用两种方法。
已覆盖 · 第(a)问被显式求解:写出全微分公式,计算偏导数,并得出结果。
已覆盖 · 第(b)问从引入链式法则的依赖关系图开始;本片段在导数公式或最终数值写出之前结束。
已覆盖 · 完整180秒片段涵盖:通过依赖图用链式法则计算 ∂、混合变量答案的可接受性,以及教师对链式法则与全微分的对比。
已覆盖 · 连续的白板讲解片段:教师重复,将和用表示,代入,合并同类项,并指出的系数为;左侧同时展示链式法则公式、简化后的计算过程以及依赖关系图。
已覆盖 · 教师写出标准的全微分形式:dz = (∂z/∂u)du + (∂z/∂v)dv。
已覆盖 · 教师将∂z/∂u识别为du的系数,将该项更正为2vy,并得出4xu+2vy。
已覆盖 · 该结果与黑板中部的链式法则计算结果比对,二者表达式一致。
已覆盖 · 教师比较了依赖关系图法与全微分法,讨论了二者在速度、代数简洁性以及额外生成的导数方面的差异。
已审核的主题路径