贡献者： DTSIo
1. 隐函数定理的紧凑表述
我们可以将隐函数定理用比较紧凑的形式表达出来. 在如下的版本中, 已知的"隐式关系"$F(x,y)$ 是一个映射, 其中 $x$ 是 $n$ 维的, $y$ 是 $m$ 维的, 映射的取值也是 $m$ 维的. 这样一来, 对于给定的 $x$, 求解隐式方程 $F(x,y)=0$ 就相当于从 $m$ 个方程求解 $m$ 个未知量($y$ 的 $m$ 个分量). 为了这个方程能够求解, 自然期望方程之间需要是"独立"的.
定理 1 隐函数定理
设 $(x_0,y_0)\in\mathbb{R}^n\times\mathbb{R}^m$ 是给定的点. 设在某个开集 $B(x_0,R)\times B(y_0,R)$ 上定义了映射 $F:U\to\mathbb{R}^m$, 满足如下条件:
- $F(x_0,y_0)=0$.
- $F(x,y)$ 对 $y$ 是连续可微的, 而且雅可比矩阵
$$
\frac{\partial F}{\partial y}(x_0,y_0)~
$$
是可逆的.
则存在 $r< R$ 以及映射 $f:B(x_0,r)\to B(y_0,R)$, 使得 $f(x_0)=y_0$, 而且 $F(x,f(x))=0$. 换句话说, 在 $x_0$ 的某个邻域内, 给定了 $x$ 就可以唯一求解 $y$, 从而 $x\to y$ 确定了一个函数关系.
2. 证明
除了文章多元隐函数的存在定理中给出的归纳证明之外, 还可以用不动点定理给出一个简洁的, 而且是构造性的证明.
如果要求解未知量 $y$ 的方程 $F(x,y)=0$, 就需要对它进行适当的变换, 变成不动点方程的形状. 最简单的变换方式, 就是乘上一个 $m\times m$ 的常值可逆方阵 $A$, 将方程重写为
$$
y=y+A\cdot F(x,y)~.
$$
那么该选择怎样的方阵 $A$, 才能使得右边(视为 $y$ 的映射)有不动点呢?
将右边记为 $G_x(y)$, 其中 $x$ 接近 $x_0$, 是已知的. 则 $G_x(y)$ 对 $y$ 的微分是
\begin{equation}
\frac{\partial G_x(y)}{\partial y}=\mathrm{Id}_m+A\cdot\frac{\partial F}{\partial y}(x,y)~.
\end{equation}
根据有限增量定理, 我们应该希望 $\frac{\partial G_x(y)}{\partial y}$ 尽可能小, 这样就能保证 $y\to G_x(y)$ 是压缩映射. 因此, 最合适的选择当然是
$$
A=-\left(\frac{\partial F}{\partial y}(x_0,y_0)\right)^{-1}~.
$$
根据定理的条件, 雅可比矩阵 $\frac{\partial F(x_0,y_0)}{\partial y}$ 可逆, 所以 $A$ 是良好定义的; 进一步, 根据定理的条件, 如果 $(x,y)$ 足够地接近 $(x_0,y_0)$, 那么
式 1 的矩阵范数就会小于 1/2. 因此, 存在 $r< R$, 使得只要 $|x-x_0|\leq r$, $|y_1-y_0|\leq r$, $|y_2-y_0|\leq r$, 就有
$$
|F(x,y_1)-F(x,y_2)|\leq\frac{1}{2}|y_1-y_2|~.
$$
因此对于 $x\in \bar B(x_0,r)$, 映射 $y\to G_x(y)$ 将闭球 $\bar B(y_0,r)$ 映射到它自己, 而且是压缩映射. 根据巴拿赫不动点定理, 它有唯一一个不动点, 而这正是方程 $F(x,y)=0$ 的解. 给定了 $x$ 后, 解 $y$ 就唯一确定了, 它当然给出了 $x$ 的函数. 证毕.
由于巴拿赫不动点定理的证明是由迭代序列给出的, 这个证明实际上给出了隐函数 $y=f(x)$ 的近似计算方法: 对于接近 $x_0$ 的 $x$, 函数值 $y=f(x)$ 由迭代序列
$$
y_{k+1}=y_k-\left(\frac{\partial F}{\partial y}(x_0,y_0)\right)^{-1}\cdot F(x,y_k)~
$$
所逼近.
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。