You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

利用全导数定义求解二次型在给定点的全导数的疑问

利用全导数定义求解二次型在给定点的全导数的疑问

已知二次型是一个函数 $q: \mathbb{R}^{n} \rightarrow \mathbb{R}$,定义为
$$q(x) = \langle x, Bx\rangle$$
其中 $B$ 是 $n \times n$ 对称矩阵。要求利用全导数的定义,确定 $q$ 在点 $a \in \mathbb{R}^{n}$ 处的全导数。

你的尝试回顾

你已经正确完成了核心展开步骤:
$$
\begin{align} q(a+h)-q(a) & = \langle a+h,Ba+Bh \rangle - \langle a, Ba \rangle \ & = \langle a, Ba \rangle + \langle a,Bh\rangle + \langle h,Ba \rangle +\langle h,Bh \rangle - \langle a,Ba \rangle \ &= \langle a,Bh \rangle +\langle h,Ba \rangle + \langle h,Bh \rangle \end{align}
$$
也明确了目标:找到线性映射$A$,使得
$$\lim_{h\rightarrow 0} \frac{q(a+h)-q(a)-A(h)}{||h||}=0$$

接下来的关键推导

别慌,你已经离答案很近了,咱们一步步拆解:

  1. 合并线性项:利用对称矩阵的特性
    因为$B$是对称矩阵($B^T=B$),再结合内积的对称性$\langle u, v \rangle = \langle v, u \rangle$,可以把前两项合并:
    $$\langle h, Ba \rangle = \langle B^T h, a \rangle = \langle Bh, a \rangle = \langle a, Bh \rangle$$
    所以前两项相加后简化为:
    $$\langle a,Bh \rangle + \langle h,Ba \rangle = 2\langle a, Bh \rangle$$

  2. 判断高阶无穷小项
    再看第三项$\langle h, Bh \rangle$,用柯西-施瓦茨不等式估计它的量级:
    $$|\langle h, Bh \rangle| \leq |h| \cdot |Bh| \leq |h| \cdot |B| \cdot |h| = |B| \cdot |h|^2$$
    两边除以$|h|$后得到:
    $$\frac{|\langle h, Bh \rangle|}{|h|} \leq |B| \cdot |h|$$
    当$h\rightarrow 0$时,右边会趋近于0,这说明$\langle h, Bh \rangle$是$|h|$的高阶无穷小,在极限计算中会消失。

  3. 确定全导数的线性映射
    根据全导数的定义,我们只需要取$A(h)$为$q(a+h)-q(a)$中的线性部分,也就是:
    $$A(h) = 2\langle a, Bh \rangle$$
    你也可以把它转换成更直观的形式:

  • 内积形式:$A(h) = \langle 2Ba, h \rangle$(利用$\langle a, Bh \rangle = \langle Ba, h \rangle$的性质)
  • 矩阵形式:如果用向量转置表示内积,$A(h) = 2a^T B h$,对应的线性映射矩阵为$2a^T B$
  1. 验证符合定义
    把$A(h)$代入极限式后:
    $$\frac{q(a+h)-q(a)-A(h)}{|h|} = \frac{\langle h, Bh \rangle}{|h|}$$
    根据之前的分析,当$h\rightarrow 0$时这个式子的极限为0,完全满足全导数的定义。

备注:内容来源于stack exchange,提问作者illegalsh

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.22 12:15:31