假设有如下的函数 那么其两个方向的偏导数则定义为
与
一般我们也就表示为
与单变量函数的求导的物理意义类似,偏导求得的是对某一个变量的变化率,对于多个变量的偏导数可以写为
而与偏导数不同,方向导数则是关注函数沿着特定方向的变化率,这里一个非常常见的问题,那比如上边的公式 , 不就各自是个轴的方向吗?这两者有啥不同?其实这个疑问就特别合理,那我们来看方向导数的定义
其中 是该方向导数选取的方向,根据这个可以看到,其实偏导数是方向导数的一种特殊形式,诸如上述的公式当 的时候就是 , 而当 的时候就是 故此我们可以看到方向导数是一种更为通用的形式,在有限元分析中,比如求形函数在参数空间上对某个参数的变化率就是在求偏导,而优化分析中对于多个可能的方向进行求导则是在求方向导数。
微分大家都很熟悉了,对于一个变量 , 其微分为 , 同时我们可以通过偏导数将函数的微分与变量的微分联系起来:
而变分则是泛函分析的概念,现在我们有的不是一个变量,而是一个变化的函数,那么我们对其求变分,得到
我们现在要求的可能是这样一个泛函那么现在我们将整个函数视为一个变化的量,关注函数在所定义的函数空间上的变化引起的变化,那么上述积分的变分就可以写为
那么我们就可以来看一下有限元的概念,对于我们有限元来说,每个单元都有多个自由度,都是独立变量,我们以最为简单的线弹性材料为例,我们看每个单元的应变就是一个对节点位移的函数
那么根据最简单的弹性理论,我们的应变能可以表示为
那么我们同样的根据能量最小原则,考虑 这个函数的变化,对能量这个标量的影响,求极值,就得到了我们常见的有限元变分公式而这也就是变分理论在有限元推到中最常用的地方,这里面大家可以看到我们并不是对某一个节点位移求导,而是对“应变函数”这个函数在泛函空间上求变分。
变分和微分的运算法则基本相同,我觉得我不说大家很多也都会那么用的。
最后强调一下这几个概念的不同符号:变分(\delta) , 微分 ,偏导(\partial) , 方向导数
概念是死的,人是活的,活学活用,懂了就行,好用就行。