[论文解读] A few calculus rules for chain differentials

Daniel E. Clark, Jérémie Houssineau+1 more|arXiv (Cornell University)|Jun 29, 2015

Advanced Combinatorial Mathematics参考文献 5被引用 7

一句话总结

本文在局部凸拓扑向量空间中建立了链微分的严格微积分框架，为物理学和工程学中的泛函提供了实用的微分法则。它引入了链式法则和高阶微分规则，推广了经典导数，同时在序列极限下保持一致性，从而能够稳健地微分包括特征函数和指数型在内的复杂泛函。

ABSTRACT

This paper summarizes the core definitions and results regarding the chain differential for functions in locally convex topological vector spaces. In addition, it provides a few elementary calculus rules of practical interest, notably for the differentiation of characteristic functionals in various domains of physical science and engineering.

研究动机与目标

• 在局部凸拓扑向量空间中形式化一种链微分微积分，以支持一致的链式法则。
• 将经典微分学扩展至如测试函数和分布等无穷维空间中的泛函。
• 为物理科学和工程中出现的特征函数、幂函数和指数函数提供实用的微分法则。
• 为多变量和复合函数建立高阶链微分规则。
• 通过引入一种限制性较低但与链式法则兼容的导数，弥合Gâteaux可微性与Fréchet可微性之间的差距。

提出的方法

• 通过序列极限定义链微分：δf(x;η) = limₘ→∞ (1/θₘ)[f(x + θₘηₘ) − f(x)]，其中 θₘ → 0 且 ηₘ → η。
• 在连续性和存在性条件下，将多变量函数的总链微分构造为偏链微分之和。
• 推导出广义链式法则：δ(f∘g)(x;η) = δf(g(x); δg(x;η))，当 f 和 g 均具有链微分时成立。
• 高阶链微分通过递归定义：δⁿf(x; (ηᵢ)ᵢ₌₁ⁿ) = δ(δⁿ⁻¹f(x; (ηᵢ)ᵢ₌₁ⁿ⁻¹); ηₙ)。
• 通过归纳法建立链微分的乘积法则：δⁿ(f·g)(x; (ηᵢ)ᵢ₌₁ⁿ) = Σ_{π⊆{1,…,n}} δ|π|f(x; (ηᵢ)ᵢ∈π) · δⁿ⁻|π|g(x; (ηᵢ)ᵢ∈{1,…,n}∖π)。
• 针对线性、幂函数和指数函数提供了具体推导，表明 δ(ℓ∘g)(x;η) = ℓ(δg(x;η))，δ(yᵏ∘g)(x;η) = k·g(x)ᵏ⁻¹·δg(x;η)，以及 δ(exp∘g)(x;η) = exp(g(x))·δg(x;η)。

实验结果

研究问题

• RQ1 如何构建一种微分微积分，使其支持链式法则，同时比Fréchet导数更宽松？
• RQ2 在多变量泛函中，偏链微分和总链微分的存在性与连续性需要满足什么条件？
• RQ3 在链微分框架下，标准微积分法则——链式法则、乘积法则以及初等函数的导数——如何推广？
• RQ4 链微分框架能否应用于物理和工程系统中的特征泛函和非线性泛函？
• RQ5 在无穷维空间中，复合函数和乘积函数的高阶链微分结构是怎样的？

主要发现

• 链微分支持明确定义的链式法则：δ(f∘g)(x;η) = δf(g(x); δg(x;η))，该法则推广了经典链式法则，无需依赖导数的乘积。
• 在温和的连续性和存在性条件下，多变量函数的总链微分等于其偏链微分之和：δf(x;η) = Σᵢ δᵢf(x;ηᵢ)。
• 对于线性泛函 ℓ，链微分满足 δ(ℓ∘g)(x;η) = ℓ(δg(x;η))，在微分下保持线性性。
• 对于幂函数 yᵏ，链微分给出 δ(yᵏ∘g)(x;η) = k·g(x)ᵏ⁻¹·δg(x;η)，其形式与经典导数一致。
• 对于指数函数，δ(exp∘g)(x;η) = exp(g(x))·δg(x;η)，在极限下与标准微积分保持一致。
• 通过归纳法证明了链微分的乘积法则，其形式为 δⁿ(f·g)(x; (ηᵢ)ᵢ₌₁ⁿ) = Σ_{π⊆{1,…,n}} δ|π|f(x; (ηᵢ)ᵢ∈π) · δⁿ⁻|π|g(x; (ηᵢ)ᵢ∈{1,…,n}∖π)，推广了Leibniz法则。