8-7-1方向导数与梯度

合集下载

梯度及其与方向导数的关系

梯度及其与方向导数的关系

u y
2
2

2
1 r
3

3y r
2
5
,
2
u z
2
2

1 r
3

3z 下页
返回
结束 11/22
例3.
处矢径 r 的模 , 试证
x x y z
2 2 2
证:
f (r ) y
grad f (r )
f (r )
f ( r )
f (r ) x
f ( r )
x r
y r
,
f (r ) y
f (r ) z
j
f ( r )
2 2
(x y )
2 2 2 2
2

y x
2 2
2 2
(x y )
2
z y
2
x y y 2y (x y )
2 2 2
x y
2 2
2 2
(x y )
2
2 2

z x
2

z
2
y
2

y x
2 2
(x y )
2

x y
2 2
2 2
(x y )
2
1 5
目录 上页 下页
u (1,1) u ( 1,1) , el l
(6 3)
3 5
返回 结束
7/22
(1) 方向导数取最大值的方向即梯度方向,其单位向 量为
1 2 (1,1)
,方向导数的最大值为
1 2
u ( 1,1) 3 2.

8-7 方向导数与梯度

8-7 方向导数与梯度

fx (1, 1, 1) =1 , fy(1, 1, 1)=2 , fz(1, 1, 1)=3
f ∴ l
P
2 1 1 2 = 1 + 2 ( ) + 3 = 3 3 3 3
f f f f cos α + cos β + cos γ = 方向导数公式 l x y z
二,梯度
f = G l 0 = G cos( G , l 0 ) ( l 0 = 1 ) l 0 方向导数取最大值: 当 l 与 G 方向一致时 , 方向导数取最大值:
ρ
的方向导数. 则称 f 为函数在点 P 处沿方向 l 的方向导数 l
定理: 定理 若函数 f ( x, y) 在点P( x, y) 处可微, 则函数在该点沿任意方向 l 的方向导数存在 , 且有
f f f cosα + cos β = l x y
l
证明: 证明 由函数 f ( x, y) 在点 P 可微 , 得
f f f= x+ y + o(ρ ) x y
=ρ (
P′ ρ P( x, y)
) + o (ρ )
f f f f = lim 故 l ρ →0 ρ = x cosα + y cos β
对于可微的函数 f ( x, y),在点P( x, y)处沿方向l (向角为α , β ) 的方向导数为 的方向导数为 向角为
内容小结 1. 方向导数 三元函数 在点 沿方向 l (方向角 方向角
为α, β, γ ) 的方向导数为 f f f f = cosα + cos β + cosγ l x y z
二元函数 在点 沿方向 l (方向角为 方向角为
α, β )的方向导数为

方向导数和梯度

方向导数和梯度
方向导数和梯度
本节的研究目的
研究标量场的变化率。最大变化率?
本节的研究内容
一、方向导数 二、梯度
一、方向导数
1. 方向导数的定义
l
P
P0
l
u lim u lim u(P) u(P0 )
l l PP0 P0
P P0
l
方向导数:表示标量场中 u(P)在给定点处沿某一方
向 l 的变化率。
一、方向导数
方向导数:表示标量场中 u(P)在给定点处沿某一方
向 l 的变化率。
u u cos u cos u cos
l x
y
z
函数 u(P) 从给定点出发有无穷多个变化方向,其 中哪个方向的变化率最大?
最大变化率是多少?
一、方向导数
u u cos u cos u cos
l x
y
z
令:
g
u x
ex
u y
ey
u z
ez
el
ex
cos
ey
cos
ez
cos
u l
g
el
g el cos(g, el ) g cos(g, el )
cos(g, el ) 1
u g 方向导数取得最大值
l
二、梯度
gradu
u x
ex
u y
ey
u z
ez
梯度小结:
1. 标量场的梯度是一个矢量,是空间坐导数;
3. 梯度的方向为该点方向导数最大的方向;
二、梯度
gradu
u x
ex
u y
ey
u z
ez
梯度小结:
4. 梯度描述标量场中任一点函数值在该点附近增 减性质的量,沿着梯度的方向,函数值增加或 减小得最快;

(整理)第七节方向导数与梯度

(整理)第七节方向导数与梯度

第七节 方向导数与梯度要求:了解方向导数与梯度的概念,会计算方向导数与梯度方法。

重点:方向导数与梯度的计算。

难点:梯度的几何意义,方向导数与梯度的联系。

作业:习题8-7(60P )2,4,6,8,10一.方向导数问题提出:在许多实际问题中,常常需要知道函数),(y x f z =在点(,)P x y 沿任意方向或某个方向的变化率.例如预报某地的风向和风力就必须知道气压在该处沿着哪个方向的变化率,在数学上就是多元函数在一点沿给定方向的方向导数问题.1.方向导数定义设函数),(y x f z =在点(,)P x y 的某一邻域内有定义,自P 点引有向直线L ,x 轴正向与直线L 夹角为ϕ,在L 上任取一点'(,)P x x y y +∆+∆,若'P 沿着L 趋近于P 时,即当0)()(22→∆+∆=y x ρ时,极限ρρ),(),(limy x f y y x x f -∆+∆+→ 存在则称此极限值为函数在点P 沿着L 方向的方向导数.记作ρρ),(),(lim 0y x f y y x x f L f -∆+∆+=∂∂→. 说明(1)规定逆时针方向旋转生成的角是正角0>ϕ,顺时针方向旋转生成的角是负角0<ϕ;2.方向导数的计算定理 若函数),(y x f z =在点(,)P x y 可微分,那么函数),(y x f z =在点(,)P x y 沿任一方向L 的方向导数都存在,且有计算公式ϕϕsin cos y f x f L f ∂∂+∂∂=∂∂{},cos ,sin ,f f f f e x y x y ϕϕ⎧⎫⎧⎫∂∂∂∂=⋅=⋅⎨⎬⎨⎬∂∂∂∂⎩⎭⎩⎭. 其中ϕ为x 轴到方向L 的转角,e 是与L 同方向的单位向量.证明:因为函数),(y x f z =在点(,)P x y 可微分,所以有()f ff x y o x yρ∂∂∆=∆+∆+∂∂, 上式两边同除以ρ,得()()cos sin ff x f y o f f o x y x y ρρϕϕρρρρρ∆∂∆∂∆∂∂=++=++∂∂∂∂,则0lim cos sin f f f f L x yρϕϕρ→∂∆∂∂==+∂∂∂ 例1.求函数yxe z 2=在点(1,0)P 处沿从点(1,0)P 到点)1,2(-Q 的方向的方向导数.解 这里方向L 即向量{}1,1PQ =-的方向,因此x 轴到L 方向的转角4πϕ=,又因为y e x z 2=∂∂,y xe y z 22=∂∂,所以在点)0,1(处,1=∂∂xz,2=∂∂y z ,于是方向导数为22)4sin(2)4cos(1-=-+-⋅=∂∂ππL z . 另一方法.例2. 设由原点到点),(y x 的向径为r ,x 轴到r的转角为θ,x 轴到射线L 的转角为ϕ,求Lr ∂∂,其中22y x r r +== )0(≠r . 解 因为θcos 22==+=∂∂r x y x x xr ,θsin 22==+=∂∂ryy x y yr 所以)cos(sin sin cos cos ϕθϕθϕθ-=+=∂∂Lr, 讨论:当θϕ=时,1=∂∂L r,即沿着向径本身方向的方向导数为1,当2πθϕ±=时,0=∂∂Lr,即沿着与向径垂直的方向导数为零.3.三元函数的方向导数三元函数),,(z y x f u =在空间一点(,,)P x y z 沿方向L (设方向L 的方向角为γβα,,)的方向导数,同样定义为ρρ),,(),,(lim 0z y x f z z y y x x f L f -∆+∆+∆+=∂∂→.其中222)()()(z y x ∆+∆+∆=ρ,γρβραρcos ,cos ,cos =∆=∆=∆z y x .若函数),,(z y x f 在点(,,)P x y z 可微分,则在该点方向导数计算公式为cos cos cos {,,}{cos ,cos ,cos }f f f f f f fL x y z x y zαβγαβγ∂∂∂∂∂∂∂=++=⋅∂∂∂∂∂∂∂ {,,}f f fe x y z∂∂∂=⋅∂∂∂. 其中{cos ,cos ,cos }e αβγ=是与L 同方向的单位向量.例3.求函数u xyz =在点(5,1,2)P 处沿从点(5,1,2)P 到点(9,4,14)Q 的方向的方向导数.解 因为u yz x ∂=∂,,u u xz xy y z ∂∂==∂∂,所以2,10,5PPPu uu xyz∂∂∂===∂∂∂,而且{95,41,142}{4,3,12}PQ =---=,2||413PQ ==,于是 4312cos ,cos ,cos 131313αβγ===,从而431298cos cos cos 210513131313f f f f L x y z αβγ∂∂∂∂=++=⨯+⨯+⨯=∂∂∂∂. 二.梯度1.梯度定义设函数),(y x f z =在平面区域D 内具有一阶连续偏导数,则对于每一点(,)P x y D∈都可确定出一个向量j yf i x f∂∂+∂∂,这个向量称为函数),(y x f z =在点(,)P x y D ∈的梯度,记作⎭⎬⎫⎩⎨⎧∂∂∂∂=∂∂+∂∂=x f x f j y f i x f y x gradf ,),( . 2.梯度与方向导数关系设cos sin e i j ϕϕ=+是与L 同方向的单位向量,则由方向导数的计算公式得{}cos sin ,cos ,sin f f ff f L x y x y ϕϕϕϕ⎧⎫∂∂∂∂∂=+=⋅⎨⎬∂∂∂∂∂⎩⎭(,)(,)cos(^)gradf x y e gradf x y e gradf e =⋅=⋅),(y x gradf prj L =. 可见,方向导数Lf∂∂就是梯度在方向L 上的投影. 当L 方向与梯度方向一致时,有1)^cos(=e gradf,从而方向导数(,)f gradf x y L∂=∂有最大值,所以沿梯度方向的方向导数达到最大值,也就是说,梯度的方向是函数),(y x f 在这点增长最快的方向.结论:函数在某点的梯度方向与取得最大方向导数的方向一致,而它的模为方向导数的最大值,即(,)max()f gradf x y L∂=∂ 3.梯度的计算梯度的模为 22)()(),(xfx f y x gradf ∂∂+∂∂=, 梯度方向为 当0≠∂∂xf时,x 轴到梯度转角的正切xf y f∂∂∂∂=θtan . 4.梯度的几何意义曲面),(y x f z =被平面c z =所截得曲线L 的方程为⎩⎨⎧==c z y x f z ),(这条曲线L 在xoy 面上的投影是一条平面曲线*L ,它在xoy 平面上的直角坐标方程为c y x f =),(对于曲线*L 上一切点,对应的函数值都是c ,所以称曲线*L 为函数),(y x f z =的等高线, 等高线*L 上任一点(,)P x y 处法线斜率为11tan ()y x x yf dy f f dx f θ-=-==-,梯度j yf i x f ∂∂+∂∂为等高线上点P 处的法向量.梯度与等高线关系:函数),(y x f z =在点),(y x p 的梯度的方向与过点p 的等高线c y x f =),(在该点的法线方向相同,且从数值较低的等高线指向数值较高的等高线,而梯度的模等于函数在这个法线方向的方向导数,这个法线方向就是方向导数取得最大值的方向.5.三元函数的梯度k zf j y f i x f z y x gradf∂∂+∂∂+∂∂=),,(等高线对应等量面.例3.求221y x grad+.解 因为221),(yx y x f +=,所以22)(2y x x x f +-=∂∂,22)(2y x yy f +-=∂∂, 于是j y x yi y x x y x grad 22222222)(2)(21+-+-=+.例4.设222),,(z y x z y x f ++=,求)2,1,1(-gradf .解 因为k z j y i x z y x gradf222),,(++=,所以k j i gradf422)2,1,1(+-=-.6.数量场与向量场如果对于空间区域G 内的任一点M ,都有一个确定的数量)(M f ,则称在这空间区域G 内确定了一个数量场,一个数量场可由一个数量函数)(M f 来确定,如果与点M 相对应的是一个向量()F M ,则称在空间区域内确定了一个向量场,一个向量场可用一个向量函数()F M 来确定.思考题1.2.方向导数与梯度有何区别?又有何联系?(注:可编辑下载,若有不当之处,请指正,谢谢!)。

方向导数与梯度

方向导数与梯度

f f cos f cos f cos
l x
y
z
机动 目录 上页 下页 返回 结束
2. 梯度
二元函数
在点
处的梯度为
grad f ( fx , f y )
三元函数
在点
处的梯度为
grad f f , f , f x y z
机动 目录 上页 下页 返回 结束
练习
1. 设函数 (1) 求函数在点 M ( 1, 1, 1 ) 处沿曲线
x
y
o( )

f l
lim f
0
f cos f cos
x
y
机动 目录 上页 下页 返回 结束
二元函数 f ( x, y)
f f cos f cos
l x
y
其中 , 为方向l的方向角
特别:
• 当 l 与 x 轴同向 0, 时,有 f f
2
l x
• 当 l 与 x 轴反向 , 时,有 f f
max f G
l
这说明
G:
方向:f 变化率最大的方向 模 : f 的最大变化率之值
机动 目录 上页 下页 返回 结束
1. 定义
向量 G 称为函数 f (P) 在点 P 处的梯度 (gradient),
记作grad f , 即
f , f , f x y z
同样可定义二元函数
在点P(x, y) 处的梯度
故 gradu(1,1,2) (5, 2, 1) 5i 2 j 12k

P0
(
3 2
,
1 2
,0)
处梯度为
0.
内容小结
1. 方向导数
• 二元函数

方向导数与梯度的关系与计算公式

方向导数与梯度的关系与计算公式

方向导数与梯度的关系与计算公式方向导数(Directional Derivative)是多元函数在某个给定点上沿指定方向的变化率。

它在物理学、工程学和优化问题中具有重要的应用。

在求解方向导数时,我们常常会遇到梯度(Gradient)的概念。

本文将介绍方向导数与梯度之间的关系,并探讨它们的计算公式。

一、方向导数的定义在多元函数中,给定一个点P(x₀, y₀, z₀)及一个单位向量u = (a, b, c),其中a² + b² + c² = 1,方向导数Duf(x₀, y₀, z₀)表示函数f(x, y, z)在P点上沿u方向的变化率。

方向导数用符号∇f(x₀, y₀, z₀)·u表示。

二、梯度的定义梯度是一个向量,它在多元函数的每个点上都有定义。

对于二元函数f(x, y),梯度∇f(x, y)表示函数f在每个点上的变化率最大的方向。

梯度可以用向量形式表示为∇f(x, y) = (fx, fy),其中fx和fy分别表示f对x和y的偏导数。

对于三元函数f(x, y, z),梯度∇f(x, y, z)表示函数f在每个点上的变化率最大的方向。

梯度可以用向量形式表示为∇f(x, y, z) = (fx, fy, fz),其中fx、fy和fz分别表示f对x、y和z的偏导数。

三、方向导数与梯度的关系在函数f(x, y, z)的某一点P(x₀, y₀, z₀)处,方向导数和梯度的关系可以表示为:Duf(x₀, y₀, z₀) = ∇f(x₀, y₀, z₀)·u即,方向导数等于梯度与单位向量u的内积。

四、方向导数的计算公式在笛卡尔坐标系中,给定一个点P(x₀, y₀, z₀)及一个非零向量u = (a, b, c),其中a² + b² + c² = 1,方向导数可以通过以下公式计算:Duf(x₀, y₀, z₀) = fx(x₀, y₀, z₀)a + fy(x₀, y₀, z₀)b + fz(x₀, y₀, z₀)c其中fx、fy和fz分别表示f对x、y和z的偏导数。

8-7 方向导数与梯度

8-7 方向导数与梯度

z
z f ( x, y)

G

F

M0


E
o p
x
0

y
p
z l
l
是用过射线l且垂直于xoy面的半平面
P0
截曲面z f ( x , y )所得曲线在点M 0处的半 切线M 0 N相对于射线l的斜率.
二、方向导数的计算
定理:如果z f ( x , y )在点( x0 , y0 )可微,那 么函数在该点沿任一方 向的方向导数都存在. 且
{ f x , f y , f z } gradf
M
f ( x, y, z ) C
第七节 方向导数与梯度
要点:
f 方向导数的定义: l
p0
lim
沿l
f ( p) f ( p0 ) p0 p
p p0
lim
0
z

f 意义: f . p0 反映函数 在点 p0沿方向l的瞬时变化率 l 方向导数与偏导数的联系与区别.
2 2
的方向导数最大?
解: 梯度向量 grad z { z , z } ( 0 ,1) x y { 2 x , 2 y } ( 0 ,1 )
z
z x2 y2
{0,2}
o
x
(0,1) {0,2}

y
{1,0}
z x 2 y 2在点(0,1)沿着梯度向量{0,}方向 2 (即y轴正向)的方向导数最 大, 最大值为 . 2
o z z 梯度向量 grad z { , } ( 0 ,1) x x y {2 x ,2 y } ( 0,1) {0,2}
2 2

方向导数与梯度

方向导数与梯度

设方向l的方向角为 , ,
x cos , y cos , z cos ,
f同理,f当co函s数在此f c点os可 微 时f ,c那os末 函数在该点 沿其任中l意(c方osx向 ,lc的os方向,c导oys数)是都l存的在方z,向且向有量.
16
方向导数与梯度
1991年研究生考题, 计算,5分
存在时,
f x
f y
是否一定存在
7
方向导数与梯度
例如, 函数 z 的方向导数
fflimlimf (fx(xx, yx,y)y) f (fx(,xy,)y)
lx 0x0
x
x2 y2在点(0, 0)处沿方向 l i
f l
f i
lim |x|0
(x)2 02 0 lim x 1,
第七节 方向导数与梯度
directional derivative and gradient
方向导数概念与计算公式 梯度概念与计算 数量场与向量场的概念 小结 思考题 作业
1
第八章 多元函数微分法及其应用
方向导数与梯度
一、方向导数概念与计算公式
设有二元函数 z f ( x, y),考虑函数在某点
l P0 x P0
y P0
13
方向导数与梯度
问在怎样的方向上此方向导数有 (1) 最大值; (2) 最小值; (3) 等于零?
f cos sin 2 sin( p )
l (1,1)
4
故 (1) 当 p 时,方向导数达到最大值
4
2;
(2) 当 5p 时, 方向导数达到最小值 2;
4
(3) 当 3p 和 7p 时,方向导数等于 0.
例 设n 是曲面2x2 3 y2 z2 6在点P(1,1,1)

方向导数与梯度

方向导数与梯度

方向导数与梯度在多变量微积分和优化理论中,方向导数和梯度是两个重要的概念。

它们提供了函数在某一点处关于不同方向的信息,以及函数在该点处的变化率和方向。

理解这两个概念对于解决各种实际问题,如最优控制、机器学习、图像处理等都至关重要。

方向导数是函数在某一点处沿特定方向的变化率。

给定一个函数f(x)在点x0,对于任意的方向v = (h1, h2,..., hn),方向导数Df(x0)v 是f(x)在x0处沿v方向的变化率。

具体地,Df(x0)v = lim(h->0) [f(x0 + hv) - f(x0)] / h。

方向导数的重要性在于它提供了函数在某一点处对不同方向的敏感度。

例如,如果你在山峰上沿着不同的方向行走,方向导数可以告诉你哪个方向更容易攀登,哪个方向更困难。

梯度是函数在某一点处所有方向导数的向量。

给定一个函数f(x)在点x0,梯度gradf(x0)是一个向量,其方向是f(x)在x0处增加最快的方向,而其大小是f(x)在该方向的导数。

具体地,gradf(x0) = (f'(x01), f'(x02),..., f'(xn))。

梯度是一个非常重要的概念,因为它提供了函数在某一点处的最大变化率方向。

在很多实际问题中,找到这个最大变化率方向往往能够指引我们找到最优解。

例如,如果你在山峰上寻找攀登最快的方式,梯度可以告诉你应该沿着哪个方向前进。

梯度是方向导数的最大值。

换句话说,对于任意给定的方向v,方向导数Df(x0)v都不超过梯度的长度。

这是因为梯度是所有方向导数向量的范数,即||gradf(x0)|| = max{Df(x0)v : ||v|| = 1}。

这个性质表明,梯度不仅提供了函数在某一点处的最大变化率方向,还给出了沿这个方向的导数(即变化率)。

这使得梯度在优化问题中具有特别的重要性,因为它可以用来找到使函数值下降最快的方向。

方向导数和梯度是多变量微积分和优化理论中的重要概念。

方向导数和梯度的关系公式

方向导数和梯度的关系公式

方向导数和梯度的关系公式方向导数和梯度是微积分中的重要概念,它们在多元函数的研究中起着重要作用。

方向导数描述了函数在某一给定方向上的变化率,而梯度则是方向导数的一种特殊情况。

本文将探讨方向导数和梯度之间的关系,并阐述它们的定义、性质和应用。

让我们来定义方向导数。

对于一个多元函数f(x, y, z),在某一点P(x0, y0, z0)处,沿着一个与坐标轴夹角为θ的方向v=(cosθ, sinθ)的方向导数表示函数在该方向上的变化率。

方向导数的计算公式为:Dvf(x0, y0, z0) = ∇f(x0, y0, z0)·v其中,∇f(x0, y0, z0)是函数f在点P的梯度。

梯度是一个向量,其分量为函数在各个方向上的偏导数。

梯度的计算公式为:∇f(x0, y0, z0) = (∂f/∂x, ∂f/∂y, ∂f/∂z)可以看出,梯度是一个向量,方向导数是梯度与方向向量的点积。

因此,方向导数可以通过计算梯度和方向向量的点积来求得。

方向导数具有以下性质:1. 方向导数的值与方向向量的长度无关,只与方向向量的方向有关。

这意味着方向导数可以通过单位向量来表示。

2. 方向导数的最大值和最小值分别是函数在某一点上沿着梯度方向和负梯度方向的方向导数。

当方向向量与梯度方向相同时,方向导数达到最大值;当方向向量与负梯度方向相同时,方向导数达到最小值。

3. 方向导数为0的点是函数的临界点,即梯度为0的点。

梯度是方向导数的一种特殊情况。

当方向向量与梯度方向相同时,方向导数达到最大值,即梯度的模长为方向导数的最大值。

因此,梯度可以看作是方向导数的最大值和方向。

梯度在数学中具有重要的应用。

在优化问题中,梯度可以帮助我们找到函数的最大值或最小值。

当函数的梯度为0时,函数达到极值点。

因此,我们可以通过求解梯度为0的方程组来求解极值问题。

梯度还可以用于描述函数在空间中的变化趋势。

当梯度的模长越大时,函数在该点的变化趋势越明显;当梯度的模长趋近于0时,函数在该点的变化趋势越平缓。

全微分方向导数和梯度

全微分方向导数和梯度
全微分方向导数和梯度
contents
目录
• 全微分概念 • 方向导数 • 梯度 • 全微分、方向导数和梯度的关系 • 实际应用案例
01 全微分概念
全微分的定义
函数在某点的全微分
若函数在某点的可微性成立,则函数 在该点的全微分等于该点的导数与自 变量增量之积,再加上二阶微量之和 。
表达式
若函数$f(x, y)$在点$(x_0, y_0)$处可 微,则全微分为$df(x_0, y_0) = f_x(x_0, y_0)dx + f_y(x_0, y_0)dy$。
全微分的几何意义
切线斜率
全微分的几何意义可以理解为函 数图像在某点处切线的斜率,即 函数在该点的变化率。
函数图像的变化
全微分的大小反映了函数图像在 该点附近的小幅度变化,全微分 的符号决定了函数图像在该点附 近的凹凸性。
全微分的性质
线性性质
若函数$f(x, y)$和$g(x, y)$在点$(x_0, y_0)$处可微,则$[f(x, y) + g(x, y)]_{x=x_0}^{x=x_1} = f_{x}(x_0, y_0)dx + f_{y}(x_0, y_0)dy + [g(x, y)]_{x=x_0}^{x=x_1}$。
神经网络的训练
在训练神经网络时,梯度下降法是常 用的优化算法,通过计算梯度来更新 网络权重,以最小化损失函数。
支持向量机
自然语言处理
在自然语言处理任务中,如词向量表 示、语言模型等,梯度下降法常用于 优化模型参数。
在支持向量机中,利用梯度信息来计 算超平面的决策边界。
在物理和工程中的应用
01
02
03
VS
注意事项

课件8-7方向导数梯度

课件8-7方向导数梯度

即梯度方向与法向量 相同,此时
P
f(x,y)c
uuuur grad f
f
n
f(x,y)c1
o
c1 cc2
x
梯度方向与等值线线, 梯度的模就等于函数在这个
法线方向的方向导数.
问题:
上山时,如何选择最快的方向? 梯度
计算方法课程中的一种计算策略: “瞎子下山法”
则 称 这 极 限 为 函 数 在 点P
P 沿 方 向 l的 方 向 导 数 .o
x
记为 f l i m f(xx,yy)f(x,y)
l 0
f f(x x,y y)f(x,y)
lim l 0
r若偏导 f x 存在,则 f(x,y)在点P沿着x轴正向
i (1,0)的方向导数为
fl lx i m 0 f(xx,y x 0y)f(x,y)
c o ss in 2sin(),

4
(1)当
时,方向导数达到最大值 4
2
(2)当 5时,方向导数达到最小值 2 4
(3)当 3和 7时,方向导数等于0.
4
4
推广: 三元函数方向导数的定义
对于三元函数 uf(x,y,z) 它在空间一点P(x,y,z)沿方向 l 的方向导数
可定义为
f
例4 求函数 u x 2 2 y 2 3 z 2 3 x 2 y
在点(1,1, 2 ) 处的梯度,并问在何处梯度为零?
解 由梯度计算公式得
u gu ru au d ru(x,y,z)uirurjuk r x y z
u u u u r ( 2 x r 3 ) i r ( 4 y 2 r ) j 6 z k , 故 g r a d u ( 1 ,1 ,2 ) 5 i 2 j 1 2 k .

数学分析8-7方向导数和梯度

数学分析8-7方向导数和梯度

y
cos α =
2 , cos β = 3 , cos γ = 1 . 14 14 14
Printed with FinePrint - purchase at PDF 文件使用 "pdfFactory Pro" 试用版本创建 ÿ
u′(0) = lim
t→0
(性质2) 梯度向量的模 等于方向导数的最 大值;
r 称为函数 f在点 M 0沿方向 l 的方向导数 .记作
∂f r ∂l
z = f ( x, y)
L

f ( x0 + t cosα , y0 + t cosβ , z0 + t cosγ ) − f ( x0 , y0 ) t
证明
由于函数可微,则增量可表示为 故 = cos α + sin α = 2 sin( α + π ), 4 π 时, 方向导数达到最大值 2 ; 4
5π 时, 方向导数达到最小值 − 2 ; 4
∂f ∂f f ( x + ∆x, y + ∆y) − f ( x, y) = ∆x + ∆y + o(ρ ) ∂x ∂y
Printed with FinePrint - purchase at PDF 文件使用 "pdfFactory Pro" 试用版本创建 ÿ
设 e = cosϕi + sin ϕj 是任意 给定 的 单位 向 量 ,
r
一、问题的提出
实例:一块长方形的金属板,四个顶点的坐标是 (1,1),(5,1),(1,3),(5,3).在坐标原点处有一个 火焰,它使金属板受热.假定板上任意一点处的 温度与该点到原点的距离成反比.在(3,2)处有一 个蚂蚁,问这只蚂蚁应沿什么方向爬行才能最快 到达较凉快的地点? 问题的实质:应沿由热变冷变化最骤烈的方向 (即梯度方向)爬行.
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

( 其中 ( x )2 ( y )2 ( z )2 )
设方向 L 的方向角为 , ,
x cos ,
y cos ,
z cos ,
同理:当函数在此点可微时,那末函数在该点沿任 意方向 L 的方向导数都存在,且有
f f f f cos cos cos . l x y z
例如, 函数 z sin xy 图形及其等高线图形.
梯度与等高线的关系:
函数 z f ( x , y ) 在点 P ( x , y ) 的梯度的方向与点 P 的等高线 f ( x , y ) c 在这点的法线的一个方 向相同,且从数值较低 的等高线指向数值较高 的等高线,而梯度的模 等于函数在 这个法线方向的方向导 数.
设 e cos i sin j 是方向 l 上的单位向量,
由方向导数公式知
f f f f f cos sin { , } {cos , sin } l x y x y gradf ( x, y ) e | gradf ( x, y ) | cos ,
两边同除以 , 得到
f ( x x , y y ) f ( x , y )

故有方向导数
f x f y o( ) x y
cos
sin
f f f ( x x , y y ) f ( x , y ) f lim cos sin . l 0 x y
设函数 z f ( x , y )在平面区域 D 内具有一阶连续偏导 f f 数, 则对于每一点 P ( x, y ) D , 都可定出一个向量 i j, x y 这向量称为函数 z f ( x , y )在点 P ( x, y ) 的梯度,记为 f f j. gradf ( x , y ) i x y 定义
解 由方向导数的计算公式知 f f x (1,1) cos f y (1,1) sin l (1,1) ( 2 x y ) (1,1) cos ( 2 y x ) (1,1) sin ,
cos sin 2 sin( ), 4 故 (1)当 时, 方向导数达到最大值 2 ; 4 5 (2)当 时, 方向导数达到最小值 2 ; 4
P
o
x
设 x 轴正向到射线 l 的转角 为 , 并设 P ( x x , y y ) 为 l 上的另一点且 P U ( p ).
(如图)
y
l
P
P x


y
o
x
| PP | ( x )2 ( y )2 ,
且 z f ( x x, y y ) f ( x, y ),
类似于二元函数,此梯度也是一个向量,其方向与取得 最大方向导数的方向一致,其模为方向导数的最大值.
类似地,设曲面 f ( x, y, z ) c 为函数 u f ( x, y, z ) 的等量面,此函 数在点 P ( x , y , z )的梯度的方向与过点 P 的等量面 f ( x, y, z ) c 在这点的法线的一个方向相同,且从数值较低的等量面指向数值 较高的等量面,而梯度的模等于函数在这个法线方向的方向导数.
梯度的概念可以推广到三元函数
三元函数 u f ( x, y, z ) 在空间区域 G 内具有一阶连续偏 导数,则对于每一点 P ( x , y, z ) G ,都可定义一个向量(梯度)
f f f gradf ( x , y , z ) i j k. x y z
例 3 设 n 是曲面 2 x 2 3 y 2 z 2 6 在点 P (1,1,1) 处的指
1 向外侧的法向量,求函数 u ( 6 x 2 z n的方向导数. 解 令 F ( x , y , z ) 2 x 2 3 y 2 z 2 6,
Fx
P
1 8 y 2 ) 2 在此处沿方向
依定义,对可导函数 f ( x, y ),在点 P 沿着 x 轴正向 e1 {1,0}、y 轴正向 e2 {0,1}的方向导数分别为 f x , f y ;
沿着 x 轴负向、 y 轴负向的方向导数是 f x , f y .
反之,如果 z f ( x , y ) 沿任意方向的方向导数都存在, 则沿 x 轴正向、 y 轴正向的方向导数分别为 f , f ; x y

3 7 (3)当 和 时, 方向导数等于 0. 4 4
推广可得三元函数方向导数的定义
对于三元函数 u f ( x, y, z ),它在空间一点 P ( x , y, z ) 沿着方向 L 的方向导数 ,可定义为
f f ( x x , y y , z z ) f ( x , y , z ) lim , l 0
偏导数存在
梯度在方向 l 上的投影.
思考题
讨论函数 z f ( x , y ) x 2 y 2 在 (0,0) 点处的偏导 数是否存在?方向导数是否在?
思考题解答
z x
( 0,0 )
f ( x ,0) f (0,0) | x | lim lim . x 0 x 0 x x
二、梯度的概念
实例:一块长方形的金属板,四个顶点的坐标是(1,1), (5,1),(1,3),(5,3).在坐标原点处有一个火焰,它使金属 板受热.假定板上任意一点处的温度与该点到原点的距离成 反比.在(3,2)处有一个蚂蚁,问这只蚂蚁应沿什么方向爬行 才能最快到达较凉快的地点? 问题的实质:应沿由热变冷变化最骤烈的方向(即梯度 方向)爬行.
第七节 方向导数与梯度
一、方向导数 二、梯度
第八章
一、方向导数的定义
讨论函数 z f ( x , y ) 在一点P沿某一方向的变化率问题.
设函数 z f ( x , y ) 在点 P ( x , y ) 的某一邻域 U ( P ) 内有定义,自点 P 引射线 l.
y
l
P



x
y
当 P 沿着 l 趋于 P 时,
0
z 考虑 ,
lim
f ( x x , y y ) f ( x , y )

是否存在?
定义 函数的增量 f ( x x , y y ) f ( x , y ) 与PP 两点 间的距离 ( x )2 ( y )2 之比值,当 P 沿着 l 趋于 P 时,如果此比的极限存 在,则称这极限为函数 在点 P 沿 方向 l 的方向导数. f f ( x x , y y ) f ( x , y ) 记为 lim . l 0
其中 ( gradf ( x , y ), e ) 当 cos( grad f ( x, y ), e ) 1时,
f 有最大值. l
结论 函数在某点的梯度是这样一个向量,它的方向与取得最 大方向导数的方向一致,而它的模为方向导数的最大值.梯度 的模为
f f | gradf ( x , y ) | . x y
例 1 求函数 z xe 2 y 在点 P (1,0)处沿从点 P (1,0) 到 点 Q( 2,1) 的方向的方向导数. 解 这里方向 l 即为 PQ {1,1}, 故 x 轴到方向 l 的转角 . 4
z e2 y 1; ( 1, 0 ) x ( 1, 0 )
| y | ( 0 , 0 ) lim y 0 y
z 同理: y
故两个偏导数均不存在.
沿任意方向 l { x , y , z }的方向导数,
z l
( 0,0 )
lim
f ( x , y ) f (0,0)
0

lim
( x ) 2 ( y ) 2 ( x ) ( y )
2 2
0
2
2
在几何上 z f ( x , y ) 表示一个曲面
曲面被平面
zc
z f ( x, y) 所截得 , z c y f ( x , y ) c2
所得曲线在xoy面上投影如图
P
f ( x , y ) c1
等高线
f ( x, y ) c
o
x
等高线的画法
播放
4 x P 4,
Fy
P
6 y P 6,
Fz P 2 z P 2,

n Fx , F y , Fz 4, 6, 2,
方向余弦为


n 4 2 6 2 2 2 2 14 ,
2 cos , 14
u 6x x P z 6 x 2 8 y 2
定理
如果函数 z f ( x , y )在点 P ( x, y ) 是可微分的,那末函数
在该点沿任意方向 L 的方向导数都存在,且有
f f f cos sin , 其中 为 x 轴到方向 L 的转角. l x y
证明 由于函数可微,则增量可表示为
f f f ( x x , y y ) f ( x , y ) x y o( ) x y
3 cos , 14
6 ; 14
1 cos . 14
P
u 8y 8 ; y P z 6 x 2 8 y 2 14 P
u 6 x2 8 y2 14. 2 z P z P

u u u u 11 ( cos cos cos ) . n P x y z 7 P
z 2 xe 2 y 2, (1,0 ) y (1,0)
所求方向导数
2 z cos( ) 2 sin( ) . 2 4 4 l
相关文档
最新文档