• 締切済み

偏微分

以前質問したことがあるのですが、解決しなかったのでもう一度解答お願いいたします。 点P(i),P(j),P(k)があり、 点P(i)からP(j)へのベクトルをrijと表す。 Φ=cosΘi=f(xi,xj,xk,yi,yj,yk,zi,zj,zk) と置くと ∂Φ/∂xi = {(rji,rjk)/|rij||rik|}*{(xi-xj)/|rij|^2}      + {(rki,rkj)/|rij||rik|}*{(xi-xk)/|rik|^2} という解答をいただきました。 私も自分で分解してといてみたところ ∂Φ/∂xi = {(xi-xj)+(xi-xk)}/|rij||rik| -cosΘi*{(xi-xj)*rik^2+(xi-xk)*rij^2}/|rij|^2*|rik|^2 という答えになりました。 お答えいただいた解答と少し違ってしまいました。 かなり前の質問したものですがよろしくお願いいたします。 前回のURL:http://oshiete1.goo.ne.jp/kotaeru.php3?q=21363

みんなの回答

  • guiter
  • ベストアンサー率51% (86/168)
回答No.1

いろいろな表現が出るとややこしいので cosΘi は使わないことにします。 またベクトルも rij、rik のみ使うことにします。 そうすると ∂Φ/∂xi = {(rji,rjk)/|rij||rik|}*{(xi-xj)/|rij|^2} + {(rki,rkj)/|rij||rik|}*{(xi-xk)/|rik|^2}      = {(-rij,rik-rij)*(xi-xj)*|rik|^2 + (-rik,rij-rik)*(xi-xk)*|rij|^2} / (|rij||rik|)^3      = {-(rij,rik)*(xi-xj)*|rik|^2 + (xi-xj)*|rij|^2|rik|^2 - (rij,rik)*(xi-xk)*|rij|^2 + (xi-xk)*|rij|^2|rik|^2} / (|rij||rik|)^3      = {(2xi-xj-xk)*|rij|^2|rik|^2 - (rij,rik)*[(xi-xj)*|rik|^2 + (xi-xk)*|rij|^2]} / (|rij||rik|)^3 となりますから、moleculer さんの解と同じです。

関連するQ&A

  • 偏微分

    Φ=cosΘiのとき riで偏微分したいのですが cosΘi=(rij,rik)/|rij||rik| です。 解き方と答えを教えてください。

  • ∑の微分について

    式の導出中に∑の微分について混乱してしまいました. 以下のような式について考えています. xとyは同じ長さのデータ集合です. xとyは独立です. ∑はどちらもiについての∑です. (1)[ ∑{ f(xi)*log(yi) } ]をyiで微分 (2)[ ∑{ f(xi) } * log(yj) ]をyjで微分 それぞれどんな式なるのかがわかりません. 式について本当は f(xi)/yi または f(xj)/yj というものを導出したいです. そこまでが複雑すぎていろいろ理解できていないので 結果論的に考えて理解したいのですが… 何かこれについて教えていただけないでしょうか.

  • ∑の微分について

    式の導出中に∑の微分について混乱してしまいました. 考えれば考えるほど頭の中がもつれて収集がつきません. 以下のような式について考えています. 次の式の∑はどちらもiについての∑です. [ ∑{ f(xi)*log(yi) } ]dyi/dt と [ ∑{ f(xi) } * log(yj) ]dyj/dt それぞれどんな式なるのかがわかりません. 式について本当は f(xi)/yi または f(xj)/yj というものを導出したいです. そこまでが複雑すぎていろいろ理解できていないので 結果論的に考えて理解したいのですが… 混乱する中の式なので まったく意味不明な式かもしれません. 何かこれについて教えていただけないでしょうか.

  • 統計学

    どうしても分からないので教えて欲しいと思います。 問題は、 「離散型確率変数X,Yの分布はP(X=xi)=pi(i=1,2)   P(Y=yi)=qi(i=1,2)である。(1)P(X=xi,Y=yj)=rij(i,j=1,2)とするとき、 ri1+ri2=pi(i=1,2) r1j+r2j=qj (j=1,2) が成立することを示せ。」です。 再提出となった自分のレポートは、  まず、x1とx2の確率(p1, p2とする)の合計が1になる表と、同様にy1とy2の確率(q1,q2とする)の合計が1となる表をかきました。  次に、iとjの組み合わせについて、(xi, yi)とrijとの対応する表をかき、 r11+r12=p1 ((1)とする) r21+r22=p2 ((2)とする) r11+r21=q1 ((3)とする) r12+r22=q2 ((4)とする)を導き、 (1)、(2)より、ri1+ri2=pi (i=1,2) (3)、(4)より、r1j+r2j=qj (j=1,2) したがって、ri1+ri2=pi (i=1,2) r1j+r2j=qj (j=1,2) が示せた。 と書いて出した所、 「文中の表は(ⅰ)P(X=xi,Y=y1)+P(X=xi,Y=y2)=pi(i=1,2) (ⅱ)P(X=x1,Y=yj)+P(X=x2,Y=yj)=qj (j=1,2) が成立することを前提にして作った表です。(ⅰ)、(ⅱ)の等式の成立を証明して下さい。」   と書かれて再提出でした。(ⅰ)、(ⅱ)の等式の成立の証明なんですが、いくら考えても出来ません。どなたかアドバイスお願いします。

  • 線形代数 - 内積

    とある問題でつまずいています。 n次元実ベクトル空間において、 zを任意のn次ベクトル、Aをn×n 行列とし || Az || = || z || ならば <Ax, Ay> = <x, y> となることを証明せよ というものです。ちなみに "|| ||"は標準的なノルム < , >は標準内積です。 標準内積の定義式にまで戻って証明を試みました。 n Σ fi を、Σ[i=1, n](fi) と以後表記します。 i=1 x, y のi行目の成分をそれぞれ xi, yi、 Aの(i, j)成分を aij とすれば、 <x, y> = Σ[i=1, n](xi * yi) で内積は定義され、 Axのi行目の成分 = Σ[j=1, n](aij * xj) Ayのi行目の成分 = Σ[j=1, n](aij * yj) であるので、与えられた条件より <Ax, Ax> = Σ[i=1, n](Σ[j=1, n](aij * xj))^2 = <x, x> = Σ[i=1, n](xi)^2 <Ay, Ay> = Σ[i=1, n](Σ[j=1, n](aij * yj))^2 = <x, x> = Σ[i=1, n](yi)^2 よって(?) <Ax, Ay> = Σ[i=1, n]{(Σ[j=1, n](aij * xj)) * (Σ[j=1, n](aij * yj))} = ?? と行き詰ってしまいました。 シグマの中をうまく展開できないものでしょうか・・。

  • 数値解析に関する実数列

    kを1以上の整数とする。X0,X1,X2,X3,....,Xkを前もって与えられた数直線上に相異なる点列とし、y0,y1,...,ykを任意の実数列とする。各j=0,1,...,kに対してPjはPj(Xi)=yi,i=0,....,jを満たす高々j次の多項式とする。このとき、Pk(X)=Pk-1(X)であるための必要十分条件はPk-1(Xk)=ykであることを示したのですがどのように証明したらいいのかアドバイスお願いします(泣)

  • 三次元座標からの回転角の導出において、最適化する手法について

    現在、変位前後の対応点群から、回転角と並進量を同時に求める際に使う最適化の方法について悩んでいます。 Newton-Raphson法を用いて繰り返し演算により3次元の回転角α、β、γ、そして並進量dx、dy、dzを同時に計算させるプログラムを作ってみたのですが、うまく収束しませんでした。 数値計算などで使われる有効な最適化手法や、そのライブラリなどあれば教えていただけるとうれしいです。 だいたい以下のようなことをしています。 変位前の座標がPi(xi,yi,zi)であった点が変位してそれぞれP'i(x'i,y'i,z'i)に移ったとします。 これらの座標点の間には、回転行列と並進量を用いて x'i = m11*xi + m12*yi + m13*zi + dx y'i = m21*xi + m22*yi + m23*zi + dy z'i = m31*xi + m32*yi + m33*zi + dz の関係があるとする。 (ただし、m11などはz軸まわりにγ→y軸まわりにβ→x軸まわりにαの順に回転したときのcosとsinの掛け算) Newton-Raphson法において、評価関数は以下のようにおきました。 Σ{ x'i - ( m11*xi + m12*yi + m13*zi + dx ) }^2 + { y'i - ( m21*xi + m22*yi + m23*zi + dy ) }^2 + { z'i - ( m31*xi + m32*yi + m33*zi + dz ) }^2 評価関数が誤差に対して敏感すぎるということも考えられますが、最適化についてまったく専門外な私にはどこが問題なのかわかりません。 ぜひご指導よろしくお願いします。

  • 統計学(離散型確率変数)の問題文の意味

    独学で数学を勉強しています。 問題が解けないというより、問題の意味が読み取れなくて困っています。問題の意味を解説していただけないでしょうか。 離散型確率変数X,Yの分布はP(X=xi)=pi(i=1,2), P(Y=yj)=qj(j=1,2)である。 ※ここまでは理解できてます。 P(X=xi,Y=yj)=rij(i,j=1,2)とするとき、 ri1+ri2=pi, r1j+r2j=qj(i,j=1,2)が成立することを示せ。 ※バカな質問かもしれませんが、このときの"r"って相関係数のrとは違いますよね? このri1,ri2,r1j,r2jというのが何を表しているのか理解できません。 どなたか、解説していただけないでしょうか。 よろしくお願いします。

  • コーシー列の積

    こんにちは。コーシー列{Xi},{Yi}を考えた時にそのコーシー列の積は他のコーシー列になっていることを証明せよ、という問題で、コーシー列の積を{XiYi}と表し、|XiYi-XjYj| = |XiYi-XiYj+XiYj-XjYj|≦ |Xi||Yi-Yj|+|Yj||Xi-Xj|と、ここまでは何とかできたんですが、これがコーシー列になる事が証明できません。どなたかなるべく詳しく教えてください。宜しくお願いします。

  • 確率変数 確率統計

    確率・統計の証明問題です。 離散型確率変数X,Yの分布は P(X=xi)=pi(i=1,2),P(Y=yj)=qj(j=1,2)である。 P(X=xi,Y=yj)=rij(i,j=1,2)とするとき ri1+ri2=pi,r1j+r2j=qj(i,j=1,2)が成立する事を 確率の公理を用いて示せ。 ★(X=x1)∪(X=x2)=(Y=y1)∪(Y=y2)=Ω  (X=x1)∩(X=x2)=(Y=y1)∩(Y=y2)=φ  (X=xi)=(X=xi)∩Ω,(Y=yj)=(Y=yj)∩Ω等を用いよ。 ポイント P((X=xi)∩(X=y2))+P((X=xi)∩(X=y2))の式を導き、A=(X=xi)∩(X=y2)、B=(X=xi)∩(X=y2)とし、 A∩B=...=φであるから、確率の公理P(A)+P(B)=P(A∪B)を使用する証明が必要とのアドバイスを以前いただきました。