方向導數
定理
- 若函數f(x,y,z)在點P(x,y,z)處可微,沿任意方向l的方向導數
- ∂l∂f=∂x∂fcosα+∂y∂fcosβ+∂z∂fcosγ
- 其中α,β,γ 爲l的方向角
- 證明
- 由函數f(x,y,z)在點P可微
- △f=∂x∂f△x+∂y∂f△y+∂z∂f△z+o(ρ)
- =ρ(∂x∂fcosα+∂y∂fcosβ+∂z∂fcosγ)+o(ρ)
- ∂l∂f=limρ→0ρ△f=∂x∂fcosα+∂y∂fcosβ+∂z∂fcosγ
備註:圖片託管於github,請確保網絡的可訪問性
- 對於二元函數f(x,y)在點P(x,y)處沿着方向l(方向角爲α,β)的方向導數爲
- ∂l∂f=limρ→0ρf(x+△x,y+△y)−f(x,y)=fx′(x,y)cosα+fy′(x,y)cosβ
- ρ=(△x)2+(△y)2
- △x=ρcosα
- △y=ρcosβ
- 特別地
- l與x軸同向(α=0,β=2π)時,有∂l∂f=∂x∂f
- l與x軸反向(α=π,β=2π)時,有∂l∂f=−∂x∂f
備註:圖片託管於github,請確保網絡的可訪問性
方向導數
- 方向導數(directional derivative): 有時不僅僅需要知道函數在座標軸上的變化率(即偏導數),還需要設法求得函數在其他特定方向上的變化率;
- 而方向導數就是函數在其他特定方向上的變化率。
- 如果函數z=f(x,y)在點P(x,y)是可微分的,那麼,函數在該點沿着任意方向L的方向導數都存在
- 且計算公式爲:∂l∂f=∂x∂fcosα+∂y∂fcosβ
備註:圖片託管於github,請確保網絡的可訪問性
例1
- 求函數u=x2yz 在點P(1,1,1)沿向量 l=(2,−1,3)的方向導數.
- ∂l∂u=∂x∂ucosα+∂y∂ucosβ+∂z∂ucosγ
- 解
- 向量l的方向餘弦爲: cosα=142,cosβ=14−1,cosγ=143
- ∂l∂u∣∣P=(2xyz∗142)−x2z∗141+x2y∗143∣∣∣(1,1,1)=146
例2
- 求函數z=xe2y在點P(1,0)處沿從點P(1,0)到點Q(2, -1)的方向的方向導數
- 解
- 方向l即向量PQ=(1,−1)的方向,與l同方向的單位向量el=(21,−21).=(cosα,cosβ)
- 因函數可微,且∂x∂z∣∣(1,0)=e2y∣∣(1,0)=1,∂y∂z∣∣∣(1,0)=2xe2y∣∣(1,0)=2
- 所以,所求方向導數爲:∂l∂z∣∣(1,0)=1∗21+2∗(−21)=−22
例3
- 求f(x,y,z)=xy+yz+zx 在點(1,1,2)沿方向l的方向導數,其中l的方向角分別爲:60°, 45°, 60°
- 解:
- 與l同方向的單位向量 el=(cos60°,cos45°,cos60°)=(21,22,21)
- 因函數可微,且
- fx′(1,1,2)=(y+z)∣(1,1,2)=3
- fy′(1,1,2)=(x+z)∣(1,1,2)=3
- fz′(1,1,2)=(y+x)∣(1,1,2)=2
- 所以∂l∂f∣(1,1,2)=3∗21+3∗22+2∗21=21(5+32)
梯度
1 ) 概念
- 在空間的每一個點都可以確定無限多個方向,因此,一個多元函數在某個點也必然有無限多個方向導數.
- 在這無限多個方向導數中,最大的一個(它直接反映了函數在這個點的變化率的數量級)等於多少? 它是沿什麼方向達到的?
- 描述這個最大方向導數及其所沿方向的矢量,就是我們所討論的梯度.
- 梯度是場論裏的一個基本概念.所謂"場", 它表示空間區域上某種物理量的一種分佈
- 從數學上看,這種分佈常常表示爲 Ω 上的一種數值函數或向量函數
- 能表示爲數值函數u=u(x,y,z)的場,稱爲數量場,如溫度場、密度場等
2 ) 方向導數公式
- ∂l∂f=∂x∂fcosα+∂y∂fcosβ+∂z∂fcosγ
- 令向量 G=(∂x∂f,∂y∂f,∂z∂f)
- l°=(cosα,cosβ,cosγ)
- ∂l∂f=G⋅l°=∣G∣cos(G,l°) (∣l°∣=1)
- 當l°與G方向一致時,方向導數取最大值:max(∂l∂f)=∣G∣
- 可見:G
- 方向:f 變化率最大的方向
- 模:f 的最大變化率之值
3 ) 梯度定義
- 向量G:稱爲函數f(P)在點P處的梯度(gradient), 記做:grad f
- 即 grad f=(∂x∂f,∂y∂f,∂z∂f)=∂x∂fi+∂y∂fj+∂z∂fk
- 同樣可定義二元函數f(x,y)在點P(x,y)處的梯度 grad f=∂x∂fi+∂y∂fj=(∂x∂f,∂y∂f)
- 說明:函數的方向導數爲梯度在該方向上的投影
- ∇=(∂x∂,∂y∂), 引用記號,稱爲奈布拉(Nebla)算符,或稱爲向量微分算子或哈密頓(W.R.Hamilton)算子
- 則梯度可記爲:grad f=(∂x∂f,∂y∂f)∇f
- 函數f沿梯度grad f方向,增加最快(上升)
- 函數f沿負梯度 -grad f方向,減小最快(下降)
- grad f(x0,y0)=fx′(x0,y0)i+fy′(x0,y0)j)
- 或 ∇f(x0,y0)=fx′(x0,y0)i+fy′(x0,y0)j=fx′(x0,y0),fy′(x0,y0)
- grad f=(∂x∂f,∂y∂f,∂z∂f)=∂x∂fi+∂y∂fj+∂z∂fk
- 或 ∇f(x0,y0,z0)={fx′(x0,y0,z0),fy′(x0,y0,z0),fz′(x0,y0,z0)}=fx′(x0,y0,z0)i+fy′(x0,y0,z0)j+fz′(x0,y0,z0)k
說明
- 以三元函數爲例,設u=f(x,y,z)在點P(x,y,z)處可微分,則函數在該點的梯度爲 grad f=∇f=∂x∂fi+∂y∂fj+∂z∂fk=(∂x∂f,∂y∂f,∂z∂f)=(∂(x,y,z)∂(f))
- 梯度是函數u=f(x,y,z)在點P處取得的最大方向導數的方向,最大方向導數爲:∣grad f∣=(∂x∂f)2+(∂y∂f)2+(∂z∂f)2
- 函數u=f(x,y,z)在點P處沿方向l的方向導數:∂l∂f=grad f⋅l°=∇f⋅l°
例1
- 求grad x2+y21
- 解:
- 這裏f(x,y)=x2+y21
- 因 ∂x∂f=−(x2+y2)22x,∂y∂f=−(x2+y2)22y
- 所以,grad x2+y21=−(x2+y2)22xi−(x2+y2)22yj
例2
- 設f(x,y,z)=x3−xy2−z, p(1,1,0).
- 問f(x,y,z)在p處沿什麼方向變化最快,在這方向的變化率是多少?
- 解
- ∇f=fx′i+fy′j+fz′k=(3x2−y2)i−2xyj−k
- ∇f(1,1,0)=2i−2j−k
- 沿 ∇f(1,1,0) 方向,增加最快(上升)
- 沿 −∇f(1,1,0) 方向,增加最快(下降)
- max{∂l∂f∣p}=∣grad f∣=∣∇f(1,1,0)∣=3
- min{∂l∂f∣p}=−∣grad f∣=−∣∇f(1,1,0)∣=−3