跳转至

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

  1. 把正则水平集写成局部图像;2. 解释隐式导数的灵敏度;
  2. 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

\(D_yF\) 可逆,则局部解 \(y=\varphi(x)\) 的变化由

\[ D\varphi=-D_yF^{-1}D_xF \]

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

\(F:\mathbb R^n\to\mathbb R^q\) 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

\[ (x,\varphi(x)),\qquad x\in\mathbb R^{n-q}. \]

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

\[ Dy(p)=-[D_yF(p,y(p))]^{-1}D_pF(p,y(p)). \]

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

\(x^2+y^2=1\)\(|x|<1\) 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

\(F(x,y)=x^2+y^2-1\),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 \(q\)\(F:\mathbb R^n\to\mathbb R^q\) 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

\(y^2=p\)\(p=0\) 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。