functionalDerivativegydF4y2Ba

函数导数gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

DgydF4y2Ba= functionalDerivative (gydF4y2BafgydF4y2Ba,gydF4y2BaygydF4y2Ba)gydF4y2Ba返回gydF4y2Ba函数导数gydF4y2Ba的功能gydF4y2Ba FgydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba fgydF4y2Ba (gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba …gydF4y2Ba )gydF4y2Ba dgydF4y2Ba xgydF4y2Ba 对于函数来说gydF4y2BaygydF4y2Ba=gydF4y2BaygydF4y2Ba(gydF4y2BaxgydF4y2Ba)gydF4y2Ba,在那里gydF4y2BaxgydF4y2Ba表示一个或多个自变量。如果gydF4y2BaygydF4y2Ba是符号函数的向量,gydF4y2BafunctionalDerivativegydF4y2Ba返回关于函数的函数导数的向量gydF4y2BaygydF4y2Ba,其中所有功能都在gydF4y2BaygydF4y2Ba必须依赖于相同的自变量。gydF4y2Ba

例子gydF4y2Ba

发现功能衍生品gydF4y2Ba

求给出的函数的函数导数gydF4y2Ba fgydF4y2Ba (gydF4y2Ba ygydF4y2Ba )gydF4y2Ba =gydF4y2Ba ygydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba 罪gydF4y2Ba (gydF4y2Ba ygydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba )gydF4y2Ba 对于函数来说gydF4y2BaygydF4y2Ba。gydF4y2Ba

y(x) f = y* siny;D = functionalDerivative (f, y)gydF4y2Ba
D(x) = siny (x) + cos(y(x))*y(x)gydF4y2Ba

求泛函向量的泛函导数gydF4y2Ba

求给出的函数的函数导数gydF4y2Ba HgydF4y2Ba (gydF4y2Ba ugydF4y2Ba ,gydF4y2Ba vgydF4y2Ba )gydF4y2Ba =gydF4y2Ba ugydF4y2Ba 2gydF4y2Ba dgydF4y2Ba vgydF4y2Ba dgydF4y2Ba xgydF4y2Ba +gydF4y2Ba vgydF4y2Ba dgydF4y2Ba 2gydF4y2Ba ugydF4y2Ba dgydF4y2Ba xgydF4y2Ba 2gydF4y2Ba 关于函数gydF4y2BaugydF4y2Ba和gydF4y2BavgydF4y2Ba。gydF4y2Ba

syms u(x) v(x) H = u²*diff(v,x)+v*diff(u,x,x);D =函数导数(H,[u v])gydF4y2Ba
D (x) = 2 * u (x) * diff (v (x) x) + diff (v (x), x, x) diff (u (x), x, x) - 2 * u (x) * diff (u (x), x)gydF4y2Ba

functionalDerivativegydF4y2Ba返回符号函数的向量,其中包含函数的导数gydF4y2BaHgydF4y2Ba关于gydF4y2BaugydF4y2Ba和gydF4y2BavgydF4y2Ba,分别。gydF4y2Ba

求弹簧的欧拉-拉格朗日方程gydF4y2Ba

首先找出有质量弹簧的拉格朗日量gydF4y2Ba米gydF4y2Ba和弹簧常数gydF4y2BakgydF4y2Ba,然后推导出欧拉-拉格朗日方程。拉格朗日是动能之差gydF4y2BaTgydF4y2Ba和潜在的能量gydF4y2BaVgydF4y2Ba哪些是位移的函数gydF4y2Bax (t)gydF4y2Ba。gydF4y2Ba

syms m k x(t) t = sym(1)/2*m*diff(x,t)^2;V =符号(1)/ 2 * k * x ^ 2;L = T - VgydF4y2Ba
L(t) = (m*diff(x(t), t)²)/2 - (k*x(t)²)/2gydF4y2Ba

通过求函数导数求欧拉-拉格朗日方程gydF4y2BalgydF4y2Ba关于gydF4y2BaxgydF4y2Ba,并将其等同于gydF4y2Ba0gydF4y2Ba。gydF4y2Ba

函数导数(L,x) == 0gydF4y2Ba
eqn(t) = - m*diff(x(t), t, t) - k*x(t) == 0gydF4y2Ba

diff (x (t), t, t)gydF4y2Ba是加速度。这个方程gydF4y2BaeqngydF4y2Ba表示描述弹簧运动的期望微分方程。gydF4y2Ba

解决gydF4y2BaeqngydF4y2Ba使用gydF4y2BadsolvegydF4y2Ba。通过假设质量得到解的期望形式gydF4y2Ba米gydF4y2Ba和弹簧常数gydF4y2BakgydF4y2Ba是积极的。gydF4y2Ba

假设(k,'正')xSol = dsolve(eqn,x(0) == 0gydF4y2Ba
xSol = c3 * sin ((k ^ (1/2) * t) / m ^ (1/2))gydF4y2Ba

为进一步计算提供清晰的假设。gydF4y2Ba

假设([k m],“明确的”)gydF4y2Ba

求臂电问题的微分方程gydF4y2Ba

一个问题是在重力作用下找到最快的下降路径。物体沿曲线运动的时间gydF4y2Bay (x)gydF4y2Ba在重力下为gydF4y2Ba

fgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba 2gydF4y2Ba 2gydF4y2Ba ggydF4y2Ba ygydF4y2Ba ,gydF4y2Ba

在哪里gydF4y2BaggydF4y2Ba是重力加速度。gydF4y2Ba

通过最小化找到最快的路径gydF4y2BafgydF4y2Ba相对于路径而言gydF4y2BaygydF4y2Ba。求最小值的条件是gydF4y2Ba

δgydF4y2Ba fgydF4y2Ba δgydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.gydF4y2Ba

计算此条件,得到描述臂弯问题的微分方程。使用gydF4y2Ba简化gydF4y2Ba将解简化为期望的形式。gydF4y2Ba

信谊g y (x)假设g, "正面" f =√((1 + diff (y) ^ 2) / (2 * g * y));函数导数(f,y) == 0;eqn =简化(eqn)gydF4y2Ba
eqn (x) = diff (y (x), x) ^ 2 + 2 * y (x) * diff (y (x) x, x) = = 1gydF4y2Ba

这个方程是臂弯问题的标准微分方程。gydF4y2Ba

在三维空间中寻找最小曲面gydF4y2Ba

如果函数gydF4y2BaugydF4y2Ba(gydF4y2BaxgydF4y2Ba,gydF4y2BaygydF4y2Ba)gydF4y2Ba在三维空间中描述曲面,然后用函数法求出曲面的表面积gydF4y2Ba

FgydF4y2Ba (gydF4y2Ba ugydF4y2Ba )gydF4y2Ba =gydF4y2Ba ∬gydF4y2Ba fgydF4y2Ba (gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ,gydF4y2Ba ugydF4y2Ba ,gydF4y2Ba ugydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ugydF4y2Ba ygydF4y2Ba )gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba =gydF4y2Ba ∬gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba ugydF4y2Ba xgydF4y2Ba 2gydF4y2Ba +gydF4y2Ba ugydF4y2Ba ygydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba ,gydF4y2Ba

在哪里gydF4y2BaugydF4y2BaxgydF4y2Ba和gydF4y2BaugydF4y2BaygydF4y2Ba的偏导数是gydF4y2BaugydF4y2Ba关于gydF4y2BaxgydF4y2Ba和gydF4y2BaygydF4y2Ba。gydF4y2Ba

找出描述由函数描述的三维曲面的最小曲面的方程gydF4y2Bau (x, y)gydF4y2Ba通过求函数的导数gydF4y2BafgydF4y2Ba关于gydF4y2BaugydF4y2Ba。gydF4y2Ba

信谊u (x, y) f =√6 (1 + diff (u, x) ^ 2 + diff (u, y) ^ 2);D = functionalDerivative (f, u)gydF4y2Ba
D (x, y) = (diff (u (x, y), y) ^ 2 * diff (u (x, y), x, x)……+ diff(u(x, y), x)^2*diff(u(x, y), y, y)…- 2 * diff (u (x, y), x) * diff (u (x, y), y) * diff (u (x, y), x, y)……+ diff(u(x, y), x, x)…+ diff(u(x, y), y, y))/(diff(u(x, y), x)^2…+ diff(u(x, y), y)²+ 1)²(3/2)gydF4y2Ba

这个方程万博 尤文图斯的解gydF4y2BaDgydF4y2Ba描述三维空间中的极小表面,如肥皂泡。gydF4y2Ba

输入参数gydF4y2Ba

全部折叠gydF4y2Ba

求函数的导数,指定为符号变量、函数或表达式。这个论点gydF4y2BafgydF4y2Ba表示函数的密度。gydF4y2Ba

微分函数,指定为符号函数或向量、矩阵或符号函数的多维数组。这个论点gydF4y2BaygydF4y2Ba可以是一个或多个自变量的函数。如果gydF4y2BaygydF4y2Ba是符号函数的向量,gydF4y2BafunctionalDerivativegydF4y2Ba返回关于函数的函数导数的向量gydF4y2BaygydF4y2Ba,其中所有功能都在gydF4y2BaygydF4y2Ba必须依赖于相同的自变量。gydF4y2Ba

输出参数gydF4y2Ba

全部折叠gydF4y2Ba

函数导数,作为符号函数或符号函数的向量返回。如果输入gydF4y2BaygydF4y2Ba是一个向量gydF4y2BaDgydF4y2Ba是一个向量。gydF4y2Ba

更多关于gydF4y2Ba

全部折叠gydF4y2Ba

函数导数gydF4y2Ba

考虑泛函,gydF4y2Ba

FgydF4y2Ba (gydF4y2Ba ygydF4y2Ba )gydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba ΩgydF4y2Ba fgydF4y2Ba (gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba ”gydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba )gydF4y2Ba dgydF4y2Ba xgydF4y2Ba ,gydF4y2Ba

Ω是一个地区在哪里gydF4y2BaxgydF4y2Ba讨论。gydF4y2Ba

值的一个小变化gydF4y2BaygydF4y2Ba,gydF4y2BaδygydF4y2Ba功能上的变化gydF4y2BaFgydF4y2Ba是gydF4y2Ba

δgydF4y2Ba FgydF4y2Ba δgydF4y2Ba ygydF4y2Ba =gydF4y2Ba dgydF4y2Ba dgydF4y2Ba εgydF4y2Ba |gydF4y2Ba εgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba FgydF4y2Ba (gydF4y2Ba ygydF4y2Ba +gydF4y2Ba εgydF4y2Ba δgydF4y2Ba ygydF4y2Ba )gydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba ΩgydF4y2Ba δgydF4y2Ba fgydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba δgydF4y2Ba ygydF4y2Ba δgydF4y2Ba ygydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba dgydF4y2Ba xgydF4y2Ba +gydF4y2Ba 边界条件gydF4y2Ba 。gydF4y2Ba

表达式gydF4y2Ba δgydF4y2Ba fgydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba δgydF4y2Ba ygydF4y2Ba 的函数导数是gydF4y2BafgydF4y2Ba关于gydF4y2BaygydF4y2Ba。gydF4y2Ba

另请参阅gydF4y2Ba

|gydF4y2Ba|gydF4y2Ba

介绍了R2015agydF4y2Ba