方向导数和梯度

方向导数定义

  • ffP0(x0,y0,z0)P_0(x_0,y_0,z_0)某邻域U(P0)U(P_0)有定义
  • ll为从P0P_0出发的射线,P(x,y,z)P(x,y,z)ll上任一点
  • ρ\rhoP,P0P,P_0之间的距离,若以下极限存在limρ0+f(P)f(P0)ρ=limρ0+lfρ\lim\limits_{\rho\to 0^+}\frac{f(P)-f(P_0)}{\rho}=\lim\limits_{\rho\to 0^+}\frac{\triangle_lf}{\rho}则称该极限为ff沿ll的方向导数,记为flP0,fl(P0),fl(x0,y0,z0)\frac{\partial f}{\partial l}\Big|_{P_0},f_l(P_0),f_l(x_0,y_0,z_0)

定理17.6(偏导与方导联系)

  • fP0(x0,y0,z0)f在P_0(x_0,y_0,z_0)可微
  • fP0\Rightarrow f在P_0沿任一方向ll的方向导数都存在,且fl(P0)=fx(P0)cosα+fy(P0)cosβ+fz(P0)cosγf_l(P_0)=f_x(P_0)\cos \alpha+f_y(P_0)\cos \beta+f_z(P_0)\cos \gamma其中cosα,cosβ,cosγ\cos \alpha,\cos \beta,\cos \gamma是方向ll的方向余弦
  • 关于α,β,γ\alpha,\beta,\gamma,它的几何意义是向量与x,y,zx,y,z轴的夹角,通常的求法有两种
    • 法1:已知P0P_0ll上任一点P(x,y,z)P(x,y,z),则{cosα=xρcosβ=yρcosγ=zρ\begin{cases}\cos\alpha=\frac{\triangle x}{\rho}\\\cos\beta=\frac{\triangle y}{\rho}\\\cos\gamma=\frac{\triangle z}{\rho}\end{cases} 方向导数和梯度
    • 法2:这个就比较简单了,直接给你ll的方向,比如(a,b,c)(a,b,c),那么{cosα=aρcosβ=bρcosγ=cρ,ρ=a2+b2+c2\begin{cases}\cos\alpha=\frac{a}{\rho}\\\cos\beta=\frac{b}{\rho}\\\cos\gamma=\frac{c}{\rho}\end{cases},\rho=\sqrt{a^2+b^2+c^2}当时我还疑惑了一下,为什么直接用ll就可以做出来了,也没用到P0P_0啊?后来周老师的解答让我豁然开朗啊!法1中的P是任意取的ll上的一点,为啥可以任意呢?是不是说明,这些个角和P的选择没有关系,只要ll确定就可以求了呢?那反过来,ll的方向余弦与P0P_0又有关系吗?不要被上面的假象迷惑了,上面那种求法适合在已知P,P0P,P_0的情况下用;且这里的ll,仔细看上面的图,它经过了P0P_0点,你确定每个ll都要必须经过P0P_0点吗?显然这里的ll是平移得到的,既然ll可以平移,那为什么不能看做是原点OO平移到了P0P_0点?是不是也行?既然如此,那就把它变回去,所以这里的分母其实是a0,b0,c0a-0,b-0,c-0

梯度

  • ffP0(x0,y0,z0)P_0(x_0,y_0,z_0)存在对所有自变量的偏导
  • 则称(fx(P0),fy(P0),fz(P0))(f_x(P_0),f_y(P_0),f_z(P_0))ffP0P_0处的梯度,记为grad f=(fx(P0),fy(P0),fz(P0))grad\ f=(f_x(P_0),f_y(P_0),f_z(P_0))
  • 梯度的模为grad f=fx(P0)2+fy(P0)2+fz(P0)2|grad\ f|=\sqrt{f_x(P_0)^2+f_y(P_0)^2+f_z(P_0)^2}
  • ll方向上的单位向量为l0=(cosα,cosβ,cosγ)l_0=(\cos\alpha,\cos\beta,\cos\gamma)SO,方向导数公式也有fl(P0)=grad f(P0)l0=grad f(P0)cosθf_l(P_0)=grad\ f(P_0)\cdot l_0=|grad\ f(P_0)|\cos\theta θ\theta为梯度向量gradf(P0)grad f(P_0)l0l_0的夹角
    • 由上可得,若要取得fl(P0)f_l(P_0)的最大值grad f(P0)|grad \ f(P_0)|,cosθ=1,θ=0\cos\theta=1,\theta=0,即ffP0P_0的梯度方向是ff值增长最快的方向,且沿这一方向的变化率=梯度的模;θ=π\theta=\pi时,ff减少得最快

注意!

  • ff在一点P0P_0可微\Rightarrow在该点方向导数存在
  • 方向导数存在f\nRightarrow f在该点连续,反之也不成立