駐點- 維基百科,自由的百科全書

文章推薦指數: 80 %
投票人數:10人

駐點(英語:Stationary Point)或穩定點在數學,特別在微積分中是指函數在一點處的一階導數為零,該點即函數的駐點。

y = x + sin(2x) 的圖像駐點(紅色)與反曲點( ... 駐點 維基百科,自由的百科全書 跳至導覽 跳至搜尋   此條目介紹的是駐點或者一個真實變量的實值函數的臨界點。

關於一般概念,請見「臨界點(數學)」。

關於物理學上流體中速度為零的點,請見「滯點」。

系列條目微積分學 函數 極限論 微分學 積分 微積分基本定理 微積分發現權之爭(英語:Leibniz–Newtoncalculuscontroversy) 基礎概念(含極限論和級數論) 實數性質 函數 ·單調性 ·初等函數 ·數列 ·極限 ·實數的構造(1=0.999…) ·無窮大(銜尾蛇) ·無窮小量 ·ε-δ式定義(英語:(ε,δ)-definitionoflimit) ·實無窮(英語:Actualinfinity) ·大O符號 ·上確界 ·收斂數列 ·芝諾悖論 ·柯西序列 ·單調收斂定理 ·夾擠定理 ·波爾查諾-魏爾斯特拉斯定理 ·斯托爾茲-切薩羅定理 ·上極限和下極限 ·函數極限 ·漸近線 ·鄰域 ·連續 ·連續函數 ·間斷點 ·狄利克雷函數 ·稠密集 ·均勻連續 ·緊緻集 ·海涅-鮑萊耳定理 ·支撐集 ·歐幾里得空間 ·內積 ·外積 ·混合積 ·拉格朗日恆等式 ·等價範數 ·坐標系 ·多元函數 ·凸集 ·壓縮映射原理 ·級數 ·收斂級數(英語:convergentseries) ·幾何級數 ·調和級數 ·項測試 ·格蘭迪級數 ·收斂半徑 ·審斂法 ·柯西乘積 ·黎曼級數重排定理 ·函數項級數(英語:functionseries) ·均勻收斂 ·迪尼定理 數列與級數 連續 函數 一元微分 差分 ·差商 ·微分 ·微分的線性(英語:linearityofdifferentiation) ·導數(流數法 ·二階導數 ·光滑函數 ·高階微分 ·萊布尼茲記號(英語:Leibniz's_notation) ·幽靈似的消失量) ·介值定理 ·微分均值定理(羅爾定理 ·拉格朗日均值定理 ·柯西均值定理) ·泰勒公式 ·求導法則(乘法定則 ·廣義萊布尼茨定則(英語:GeneralLeibnizrule) ·除法定則 ·倒數定則 ·連鎖法則) ·羅必達法則 ·反函數及其微分 ·FaàdiBruno公式(英語:FaàdiBruno'sformula) ·對數微分法 ·導數列表 ·導數的函數應用(單調性 ·切線 ·極值 ·駐點 ·反曲點 ·求導檢測(英語:derivativetest) ·凸函數 ·凹函數 ·琴生不等式 ·曲線的曲率 ·埃爾米特插值) ·達布定理 ·魏爾斯特拉斯函數 一元積分 積分表 定義 不定積分 定積分 黎曼積分 達布積分 勒貝格積分 積分的線性 求積分的技巧(換元積分法 ·三角換元法 ·分部積分法 ·部分分式積分法 ·降次積分法)微元法 ·積分第一均值定理 ·積分第二均值定理 ·牛頓-萊布尼茨公式 ·反常積分 ·柯西主值 ·積分函數(Β函數 ·Γ函數 ·古德曼函數 ·橢圓積分) ·數值積分(矩形法 ·梯形法 ·辛普森積分法 ·牛頓-寇次公式) ·積分判別法 ·傅立葉級數(狄利克雷定理 ·週期延拓) ·魏爾斯特拉斯逼近定理 ·帕塞瓦爾定理 ·萊歐維爾定理 多元微積分 偏導數 ·隱函數 ·全微分(微分的形式不變性) ·二階導數的對稱性 ·全導數 ·方向導數 ·純量場 ·向量場 ·梯度(Nabla算子) ·多元泰勒公式 ·拉格朗日乘數 ·海森矩陣 ·鞍點 ·多重積分(逐次積分(英語:iteratedintegral) ·積分順序(英語:Orderofintegration(calculus))) ·積分估值定理 ·旋轉體 ·帕普斯-古爾丁中心化旋轉定理 ·祖暅-卡瓦列里原理 ·托里拆利小號 ·雅可比矩陣 ·廣義多重積分(高斯積分) ·若爾當曲線 ·曲線積分 ·曲面積分(施瓦茨的靴(俄語:СапогШварца)) ·散度 ·旋度 ·通量 ·可定向性 ·格林公式 ·高斯公式 ·斯托克斯公式及其外微分形式 ·若爾當測度 ·隱函數定理 ·皮亞諾-希爾伯特曲線 ·積分轉換 ·摺積定理 ·積分符號內取微分(萊布尼茨積分定則(英語:Leibnizintegralrule)) ·多變數原函數的存在性(全微分方程式) ·外微分的映射原像存在性(恰當形式) ·向量值函數 ·向量空間內的導數推廣(英語:generalizationsofthederivative)(加托導數 ·弗雷歇導數(英語:Fréchetderivative) ·矩陣的微積分(英語:matrixcalculus)) ·弱導數 微分方程式 常微分方程式 ·柯西-利普希茨定理 ·皮亞諾存在性定理 ·分離變數法 ·級數展開法 ·積分因子 ·拉普拉斯算子 ·歐拉方法 ·柯西-歐拉方程式 ·伯努利微分方程式 ·克萊羅方程式 ·全微分方程式 ·線性微分方程式 ·疊加原理 ·特徵方程式 ·朗斯基行列式 ·微分算子法 ·差分方程式 ·拉普拉斯轉換法 ·偏微分方程式(拉普拉斯方程式 ·卜瓦松方程式) ·史特姆-萊歐維爾理論 ·N體問題 ·積分方程式 相關數學家 牛頓 ·萊布尼茲 ·柯西 ·魏爾斯特拉斯 ·黎曼 ·拉格朗日 ·歐拉 ·帕斯卡 ·海涅 ·巴羅 ·波爾查諾 ·狄利克雷 ·格林 ·斯托克斯 ·若爾當 ·達布 ·傅立葉 ·拉普拉斯 ·雅各布·伯努利 ·約翰·伯努利 ·阿達馬 ·麥克勞林 ·迪尼 ·沃利斯 ·費馬 ·達朗貝爾 ·黑維塞 ·吉布斯 ·奧斯特羅格拉德斯基 ·萊歐維爾 ·棣美弗 ·格雷果里 ·瑪達瓦(英語:MadhavaofSangamagrama) ·婆什迦羅第二 ·阿涅西 ·阿基米德 歷史名作 從無窮小量分析來理解曲線(英語:AnalysedesInfinimentPetitspourl'IntelligencedesLignesCourbes) ·分析學教程(英語:Coursd'Analyse) ·無窮小分析引論 ·用無窮級數做數學分析(英語:Deanalysiperaequationesnumeroterminoruminfinitas) ·流形上的微積分(英語:CalculusonManifolds(book)) ·微積分學教程 ·純數學教程(英語:ACourseofPureMathematics) ·機械原理方法論(英語:TheMethodofMechanicalTheorems) 分支學科 實變函數論 ·複變函數論 ·傅立葉分析 ·變分法 ·特殊函數 ·動態系統 ·微分幾何 ·微分代數 ·向量分析 ·分數微積分 ·瑪里亞溫微積分(英語:Malliavincalculus) ·隨機分析 ·最佳化 ·非標準分析 閱論編 駐點(英語:StationaryPoint)或穩定點在數學,特別在微積分中是指函數在一點處的一階導數為零,該點即函數的駐點。

y=x+sin(2x)的圖像駐點(紅色)與反曲點(藍色),這圖像的駐點都是局部極大值或局部極小值。

y=x3的圖像原點(0,0)是駐點,但不是局部極值。

也就是說若 p {\displaystylep} 為駐點則 d y d x | p = 0 {\displaystyle\left.{\frac{dy}{dx}}\right|_{p}=0\,} 在這一點,函數的輸出值停止增加或減少。

對於一維函數的圖像,駐點的切線平行於x軸即水平切線。

對於二維函數的圖像,駐點的切平面平行於xy平面。

值得注意的是,一個函數的駐點不一定是這個函數的極值點[註1];反過來,在某設定區域內,一個函數的極值點也不一定是這個函數的駐點[註2],例如函數 f ( x ) = x 3 {\displaystylef(x)=x^{3}} 。

對於可微函數,極值點一定是駐點。

目次 1靜態平衡系統 2歐拉-拉格朗日方程式 3注釋 4參見 靜態平衡系統[編輯] 在分析力學裏,虛功原理闡明,對於一個靜態平衡系統,所有外力的作用,經過虛位移,所作的虛功,總合等於零,以方程式式表達, δ W = ∑ i F i ⋅ δ r i = 0 {\displaystyle\deltaW=\sum_{i}\mathbf{F}_{i}\cdot\delta\mathbf{r}_{i}=0\,} ; 其中, δ W {\displaystyle\deltaW\,} 是虛功, F i {\displaystyle\mathbf{F}_{i}\,} 是第 i {\displaystylei\,} 個外力, r i {\displaystyle\mathbf{r}_{i}\,} 是對應於 F i {\displaystyle\mathbf{F}_{i}\,} 的虛位移。

轉換為以廣義力 F i {\displaystyleF_{i}\,} 和廣義坐標 q i {\displaystyleq_{i}\,} 表達, δ W = ∑ i F i δ q i = 0 {\displaystyle\deltaW=\sum_{i}F_{i}\deltaq_{i}=0\,} ; 假設這系統是保守系統,則每一個廣義力都是一個純量的廣義位勢函數 V ( q 1 , q 2 , … , q n ) {\displaystyleV(q_{1},q_{2},\dots,q_{n})\,} 的對於其對應的廣義坐標的導數: F i = − ∂ V ∂ q i {\displaystyleF_{i}=-{\frac{\partialV}{\partialq_{i}}}\,} 。

虛功與廣義位勢的關係為 δ W = ∑ i − ∂ V ∂ q i δ q i = − δ V = 0 {\displaystyle\deltaW=\sum_{i}-{\frac{\partialV}{\partialq_{i}}}\deltaq_{i}=-\deltaV=0\,} 。

所以,一個靜態平衡系統的位勢 V {\displaystyleV\,} 乃是個局域平穩值。

注意到這系統只處於平穩狀態。

假設,要求這這系統處於穩定狀態,則位勢 V {\displaystyleV\,} 必須是個局域極小值。

歐拉-拉格朗日方程式式[編輯] 主條目:歐拉-拉格朗日方程式式 在變分法裏,歐拉-拉格朗日方程式式是從其對應的泛函的平穩點推導出的一種微分方程式式。

設定 y ( x ) = ( y 1 ( x ) ,   y 2 ( x ) ,   … , y N ( x ) ) {\displaystyle\mathbf{y}(x)=(y_{1}(x),\y_{2}(x),\\ldots,y_{N}(x))\,\!} , y ˙ ( x ) = ( y ˙ 1 ( x ) ,   y ˙ 2 ( x ) ,   … ,   y ˙ N ( x ) ) {\displaystyle{\dot{\mathbf{y}}}(x)=({\dot{y}}_{1}(x),\{\dot{y}}_{2}(x),\\ldots,\{\dot{y}}_{N}(x))\,\!} , f ( y ,   y ˙ ,   x ) = f ( y 1 ( x ) ,   y 2 ( x ) ,   … ,   y N ( x ) ,   y ˙ 1 ( x ) ,   y ˙ 2 ( x ) ,   … ,   y ˙ N ( x ) ,   x ) {\displaystylef(\mathbf{y},\{\dot{\mathbf{y}}},\x)=f(y_{1}(x),\y_{2}(x),\\ldots,\y_{N}(x),\{\dot{y}}_{1}(x),\{\dot{y}}_{2}(x),\\ldots,\{\dot{y}}_{N}(x),\x)\,\!} 。

若 y ( x ) ∈ ( C 1 [ a ,   b ] ) N {\displaystyle\mathbf{y}(x)\in(C^{1}[a,\b])^{N}\,\!} 使泛函 J ( y ) = ∫ a b f ( y ,   y ˙ ,   x ) d x {\displaystyleJ(\mathbf{y})=\int_{a}^{b}f(\mathbf{y},\{\dot{\mathbf{y}}},\x)dx\,\!} 取得局部平穩值,則在區間 ( a ,   b ) {\displaystyle(a,\b)\,\!} 內對於所有的 i = 1 ,   2 ,   … ,   N {\displaystylei=1,\2,\\ldots,\N\,\!} ,歐拉-拉格朗日方程式式成立: d d x ∂ ∂ y ˙ i f ( y ,   y ˙ ,   x ) − ∂ ∂ y i f ( y ,   y ˙ ,   x ) = 0 {\displaystyle{\frac{d}{dx}}{\frac{\partial}{\partial{\dot{y}}_{i}}}f(\mathbf{y},\{\dot{\mathbf{y}}},\x)-{\frac{\partial}{\partialy_{i}}}f(\mathbf{y},\{\dot{\mathbf{y}}},\x)=0\,\!} 。

注釋[編輯] ^考慮到這一點左右一階導數符號不改變的情況 ^考慮到邊界條件 參見[編輯] 最佳化 費馬引理 鞍點 不動點 取自「https://zh.wikipedia.org/w/index.php?title=驻点&oldid=71769614」 分類:​微分學數學概念隱藏分類:​含有英語的條目 導覽選單 個人工具 沒有登入討論貢獻建立帳號登入 命名空間 條目討論 臺灣正體 不转换简体繁體大陆简体香港繁體澳門繁體大马简体新加坡简体臺灣正體 查看 閱讀編輯檢視歷史 更多 搜尋 導航 首頁分類索引特色內容新聞動態近期變更隨機條目資助維基百科 說明 說明維基社群方針與指引互助客棧知識問答字詞轉換IRC即時聊天聯絡我們關於維基百科 工具 連結至此的頁面相關變更上傳檔案特殊頁面靜態連結頁面資訊引用此頁面維基數據項目 列印/匯出 下載為PDF可列印版 其他語言 العربيةČeštinaDeutschEnglishEsperantoEspañolفارسیFrançaisBahasaIndonesiaNederlandsPolskiRomânăSlovenščinaதமிழ்TürkçeУкраїнськаاردو 編輯連結



請為這篇文章評分?