局部参数化怎样给出灵敏度并区分分支?¶
先备知识¶
掌握隐函数定理、分块 Jacobian、参数曲线和条件数。
学习目标¶
- 把正则水平集写成局部图像;2. 解释隐式导数的灵敏度;
- 区分局部唯一分支与远处其他分支。
牵引问题¶
一个隐式模型可能有多条解支。怎样在已知解附近连续追踪所选分支,又在接近折叠点时 识别灵敏度爆炸?
探索与猜想¶
若 \(D_yF\) 可逆,则局部解 \(y=\varphi(x)\) 的变化由
控制。\(D_yF\) 接近奇异时,微小参数变化可能造成巨大输出变化。
概念与理论¶
正则水平集的局部图像¶
若 \(F:\mathbb R^n\to\mathbb R^q\) 在解点的 Jacobian 秩为 \(q\),可选出一个可逆 \(q\times q\) 列块。重排变量后,隐函数定理把水平集 \(F^{-1}(0)\) 局部写成
这给出 \(n-q\) 个自由参数。选择不同可逆列块可得到不同但兼容的局部坐标图。
灵敏度公式¶
若方程还依赖外部参数 \(p\),\(F(p,y(p))=0\),则
逆矩阵范数大表示隐式解对参数敏感。这里的灵敏度是问题本身的局部性质,不等同于 求解算法不稳定。
分支边界¶
定理只选出经过基点的局部参数化。同一参数值在远处可能有其他分支;当 \(D_yF\) 奇异时,当前坐标图可能终止、折叠或需要改换参数。因而:
- 隐函数局部存在不等于全局单值;
- 局部唯一不排除远处可能存在其他分支;
- 数值延拓应监测 Jacobian 条件,而不是盲目沿固定变量求解。
例题与迁移¶
例 1:圆的两条分支¶
\(x^2+y^2=1\) 在 \(|x|<1\) 有上、下两个远隔分支。经过 \((0,1)\) 的局部图像只选择 \(y=+\sqrt{1-x^2}\),并不否认下支存在。
例 2:折叠与灵敏度¶
\(F(p,y)=y^2-p=0\) 的分支 \(y=\sqrt p\) 满足 \(dy/dp=1/(2\sqrt p)\)。 当 \(p\downarrow0\) 时灵敏度发散,且 \(F_y=2y\) 在折叠点奇异。
即时检验与回望¶
即时检验 1¶
一个 \(\mathbb R^5\to\mathbb R^2\) 的满秩水平集局部有几个自由参数?
答案
\(5-2=3\) 个。
即时检验 2¶
隐式导数很大是否证明 Newton 实现不稳定?
答案
不证明;它先说明问题敏感,算法稳定性需另行分析。
常见误区与后续¶
- 参数化是局部坐标,不是整个水平集的单张全局地图。
- 分块选择失败时可尝试改换依变量,而不是立即断言几何对象终止。
- 接近奇异块时,导数公式的逆会放大误差。
习题与答案¶
习题 1¶
对 \(F(x,y)=x^2+y^2-1\),求上支在 \(x=0\) 的灵敏度。
答案
\(dy/dx=-x/y=0\)。
习题 2¶
上支在 \(x\to1^-\) 时灵敏度怎样?
答案
\(-x/\sqrt{1-x^2}\to-\infty\),固定用 \(x\) 参数的坐标图退化。
习题 3¶
秩为 \(q\) 的 \(F:\mathbb R^n\to\mathbb R^q\) 的正则水平集局部维数是多少?
答案
\(n-q\)。
习题 4¶
写出参数 \(p\) 到隐式变量 \(y\) 的导数公式。
答案
\(Dy=-D_yF^{-1}D_pF\)。
习题 5¶
为什么条件数应与变量尺度一起报告?
答案
重新缩放会改变矩阵范数及数值条件数。
习题 6¶
局部唯一分支是否排除另一个远处分支?
答案
不排除,它只排除选定邻域内经过基点的另一个图像。
习题 7¶
若一个变量块奇异,水平集是否必奇异?
答案
不一定;完整 Jacobian 可能仍满秩,可改选另一组依变量。
习题 8¶
延拓时监测哪类量可预警坐标图退化?
答案
所选 \(D_yF\) 的最小枢轴、逆范数或条件数。
习题 9¶
\(y^2=p\) 在 \(p=0\) 为什么不能保持同一光滑分支描述?
答案
\(F_y=2y=0\) 使隐函数定理条件失败,两分支在折叠点相遇。