显函数和隐函数

简介: 显函数和隐函数

正文


显函数:


等号左边是因变量,右边是带有自变量的式子,当自变量取定义域内取任一值时,由这式子能确定对应的函数值,这样的函数叫做显函数。

例如1.png


隐函数:


当变量xy满足一个方程F(x,y)=0,在一定条件下,当x取区间内任一值时,相应的总有满足这个方程的唯一y值存在,那么在该区间内F(x,y)就是一个隐函数。

例如2.png


隐函数显化:


即把隐函数化为显函数,例如把x+y^31=0隐函数显化得到。但是隐函数不总是能显化,有时候显化是非常困难的。


隐函数求导:

一 、隐函数的一阶导数3.png

举例:

1、y^22xy+9=0

y^22xy+9=0


2yy2y2xy=0


yyyxy=0

y=yyx


2、xy=e^x+y

xy=e^x+y

∼xy′+y=e^x+y(1+y′)

∼(x−e^x+y)y′=e^x+y −y

∼y′=e^x+y−y/x−e^x+y


二 、 隐函数的二阶导数d^2y/dx^2

1、x^2 - y^2 = 1

解:

x^2y^2=1


2x2yy=0


y=x/y

所以 y′′=(x/y)′

y′′=(x/y)′=y−xy′/y^2


将 y′=xy带入 y′′=y−xy′y^2得:

4.png

相关文章
|
5月前
|
机器学习/深度学习 数据处理 Python
深入理解双变量(二元)正态投影:理论基础、直观解释与应用实例
本文探讨了统计学与机器学习中的二元投影技术,它基于二元正态分布,用于预测一个变量在给定另一变量值时的期望值。文章分为三部分:首先介绍了二元正态投影的基本公式及其在回归中的应用;接着通过直观解释和模拟展示了不同相关性下变量间的关系;最后运用投影公式推导出线性回归的参数估计,并通过实例说明其在预测房屋价格等场景中的应用。附录中详细推导了二元线性投影的过程。二元投影作为一种强大工具,在数据分析中帮助简化复杂问题并揭示数据背后的规律。
68 1
深入理解双变量(二元)正态投影:理论基础、直观解释与应用实例
|
8月前
|
数据可视化
R平方/相关性取决于预测变量的方差
R平方/相关性取决于预测变量的方差
|
8月前
|
算法 Windows
R语言广义二次跳跃、非线性跳跃扩散过程转移函数密度的估计及其应用
R语言广义二次跳跃、非线性跳跃扩散过程转移函数密度的估计及其应用
|
8月前
|
数据可视化
R语言非参数模型厘定保险费率:局部回归、广义相加模型GAM、样条回归
R语言非参数模型厘定保险费率:局部回归、广义相加模型GAM、样条回归
|
8月前
|
Windows
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
|
8月前
|
算法 定位技术
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
180 2
|
机器学习/深度学习 数据采集
区间预测 | MATLAB实现基于QRCNN-BiGRU卷积双向门控循环单元多变量时间序列区间预测
区间预测 | MATLAB实现基于QRCNN-BiGRU卷积双向门控循环单元多变量时间序列区间预测
|
算法 数据挖掘 物联网
多变量数据的嵌入参数估计(Matlab代码实现)
多变量数据的嵌入参数估计(Matlab代码实现)
121 0
|
资源调度 算法 关系型数据库
概率图推断之变量消除算法
事实证明,推理是一项颇具挑战的任务。对于很多我们感兴趣的概率,要准确回答这些问题都是NP难题。至关重要的是,推理是否容易处理取决于描述概率的图的结构。尽管有些问题很难解决,我们仍然可以通过近似推理方法获得有用的答案。
277 0
概率图推断之变量消除算法
|
机器学习/深度学习 大数据
相较神经网络,大名鼎鼎的傅里叶变换,为何没有一统函数逼近器?答案在这
相较神经网络,大名鼎鼎的傅里叶变换,为何没有一统函数逼近器?答案在这
102 0