方向导数与梯度
方向导数与梯度
![方向导数与梯度](https://img.taocdn.com/s3/m/11430f5dcf84b9d528ea7a77.png)
方向导数与梯度在许多问题中,不仅要知道函数在坐标轴方向上的变化率(即偏导数),而且还要设法求得函数在其他特定方向上的变化率。
这就是接下来要谈论的方向导数。
定义 1 设三元函数),,(z y x f 在点),,(0000z y x P 的某邻域30)(R P U ⊂内有定义,l 为从点0P 出发的射线,),,(z y x P 为l 上且含于)(0P U 内的任一点,以ρ表示P 与0P 两点间的距离,若极限ρρρρf P f P f 1000lim lim )()(∆=-++→→存在,则称此极限为函数f 在点0P 沿方向l 的方向导数,记作),,()(,|0000p 0z y x f p f l f l l 或。
沿任一方向的方向导数与偏导数的关系由下述定理给出。
定理 若函数f 在点),,(0000z y x P 可微,则f 在点0P 处沿任一方向l 的方向导数都存在,且γβαcos )(cos )(cos )()(0000P f P f P f P f z y x l ++=其中γβαcos ,cos ,cos 为方向l 的方向余弦。
注:最后会介绍方向余弦的知识例1 设32),,(z y x z y x f ++=,求f 在点)1,1,1(0P 沿方向)1,2,2(:-l 的方向导数。
解 易见f 在点)1,1,1(0P 可微。
故由3)(,2)(,1)(000===P f P f P f z y x 及方向l 的方向余弦311)2(21cos ,321)2(22cos ,321)2(22cos 222222222=+-+=-=+-+-==+-+=γβα 可按定理中的公式求得f 沿方向l 的方向导数为31313)32(2321)(0=⋅+-⋅+⋅=P f l .定义 2 若),,(z y x f 在),,(0000z y x P 存在所有自变量的偏导数,则称向量))(),(),((000P f P f P f z y x 为函数f 在点0P 的梯度,记作))(),(),(( 000P f P f P f f grad z y x =.向量 f grad 的长度(或模)为202020)()()( P f P f P f f grad z y x ++=.在上述定理的条件下,若记l 方向上的单位向量为)cos ,cos ,(cos 0γβα=l .于是方向导数公式又可以写成θcos )(00f grad l f grad P f l =∙=这里θ是梯度向量)( 0P f grad 与的夹角0l 。
方向导数和梯度
![方向导数和梯度](https://img.taocdn.com/s3/m/1d5b1869a45177232f60a275.png)
要点: 1)点 P 在 D 上的任一向量 2)如果存在一 L 方向的射线,则可以引入方向导数 与梯度的关系 2) 三元函数 u f ( x , y , z )
gradf ( x , y , z )
f f f i j k y z x
3) 对于三元函数 u
f ( x, y, z )
f f ( x x, y y ) f ( x, y ) lim l 0
f f cos cos cos l x y z
2、 梯度 1) 二元函数 z f ( x , y ) 在平面区域 D 内具有一阶连续偏导数,则对于每一点 P∈D,都可以定出一个向量:
= gradf ( x , y ) e = gradf ( x , y ) cos[ gradf ( x , y ), e ]
f 上式表示方向导数 l
影。 由梯度的定义可知:
即为梯度在射线 L 上的投
gradf ( x , y )
(
f 2 f 2 ) ( ) x x
f 0 则 x 轴到梯度的转角正切为: 如果 x
距离( (x) (y) )的比值,当 P 沿着 L 趋向 P 点时,
2 2
这个比值的极限存在,则这个极限为函数 z f ( x , y ) 在点 P 延 L 方向的方向导数,记作:
f l
f f ( x x, y y ) f ( x, y ) lim 且: l 0
方向导数和梯度
1、 方向导数
1) 定义:
现在讨论 z
f ( x , y ) 所确定的空间曲面在一点 P 沿
L
某一方向的变化率问题。
P
梯度与方向导数
![梯度与方向导数](https://img.taocdn.com/s3/m/37c69f35a9114431b90d6c85ec3a87c240288aa8.png)
梯度与方向导数
梯度与方向导数是微积分中的两个重要概念。
梯度是一个向量,它指向一个函数在某一点上增加最快的方向。
方向导数是一个标量,它描述了在某一点上沿着某个方向变化的速率。
梯度和方向导数都有广泛的应用,例如在优化问题中,可以使用梯度来找到函数的极大值或极小值,并使用方向导数来确定函数在某个方向上的渐近行为。
此外,梯度和方向导数还可以用于描述流体力学和电磁学中的物理现象,例如速度和电场的变化。
因此,深入理解梯度和方向导数的概念对于学习微积分和应用数学都是非常重要的。
- 1 -。
方向导数和梯度
![方向导数和梯度](https://img.taocdn.com/s3/m/22b0b260a1c7aa00b42acb7a.png)
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;
方向导数和梯度grad计算公式
![方向导数和梯度grad计算公式](https://img.taocdn.com/s3/m/fbe35a22a31614791711cc7931b765ce04087a5c.png)
方向导数和梯度grad计算公式
方向导数和梯度grad是向量微积分中常用的概念,它们用于描述函数在某一点处的变化率和变化的方向。
方向导数是在某一点处沿着某一方向的变化率,而梯度则是函数在某一点处的最大变化方向。
下面是方向导数和梯度的计算公式:
1. 方向导数的计算公式:
设函数f(x,y,z)在点P(x0,y0,z0)处可微分,向量v=(a,b,c)是以P为起点的任意向量,则函数f在P点沿着v方向的方向导数为: Dvf(x0,y0,z0) = f(x0,y0,z0) · v
其中,f(x0,y0,z0)是函数f在点P(x0,y0,z0)处的梯度向量,即:
f(x0,y0,z0) = (fx(x0,y0,z0), fy(x0,y0,z0), fz(x0,y0,z0)) 其中,fx, fy, fz分别是函数f在点(x0,y0,z0)处的偏导数。
2. 梯度的计算公式:
设函数f(x,y,z)在点P(x0,y0,z0)处可微分,则函数f在P点处的梯度向量为:
f(x0,y0,z0) = (fx(x0,y0,z0), fy(x0,y0,z0), fz(x0,y0,z0)) 梯度向量的大小表示函数在该点处的最大变化率,方向表示函数在该点处变化最快的方向。
总之,方向导数和梯度是向量微积分中的重要概念,它们的计算公式可以帮助我们更好地理解和应用这些概念。
- 1 -。
方向导数与梯度
![方向导数与梯度](https://img.taocdn.com/s3/m/41606438376baf1ffc4fada8.png)
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( )
故
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
在
P0
(
3 2
,
1 2
,0)
处梯度为
0.
内容小结
1. 方向导数
• 二元函数
6-6-1方向导数与梯度
![6-6-1方向导数与梯度](https://img.taocdn.com/s3/m/7cca96d0b8f67c1cfad6b85f.png)
故两个偏导数均不存在.
沿任意方向 l {x, y}(x 0, y 0) 的方向导 数,
z l
(0,0)
lim
0
f (x,y)
f (0,0)
lim (x)2 (y)2 1 0 (x)2 (y)2
故沿任意方向的方向导数均存在且相等.
指向 B( 3, -2 , 2) 方向的方向导数是
1 2
. (96考研)
提示:
则
{cos , cos , cos }
ln(x 1)
ln(1 y2 1)
1 2
四、 u r0
M
2u( x0 , y0 , z0 ) ;a b c .
x
2 0
y02
z
2 0
备用题 1. 函数
处的梯度
2 (1, 2, 2) 9
在点
(92考研)
解:
则 注意 x , y , z 具有轮换对称性
2 (1, 2, 2) 9
2. 函数 u ln(x y2 z2 )在点A( 1 , 0 , 1) 处沿点A
f f cos f cos
l x
y
例1. 求函数 的方向导数 .
在点 P(1, 1) 沿向量
例2. 求函数
在点P(2, 3)沿曲线
朝 x 增大方向的方向导数.
yP
o 1 2 x
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
求警犬的搜索路线
内容小结
1. 方向导数
• 二元函数
在点
沿方向 l (方向角为
方向导数和梯度
![方向导数和梯度](https://img.taocdn.com/s3/m/5e4b492c4b73f242336c5f3f.png)
2
n f f max || g || x l i 1 i
2 ,
1
这里的 n 维向量 g 实际上就是下面要讨论的梯度。
定义 7.5.2 量
设 f 是 R n 中区域 D 上的数量场,如果 f 在 P0 D 处可微,称向
f f f x , x ,, x 2 n 1
f ( P) f ( P0 ) || P0 P ||
f x1
f lim ||P0 P||0 x 1
x1
P0
|| P0 P ||
f xn
xn
P0
|| P0 P ||
o(|| P0 P ||) || P0 P ||
cos 1
最大值,此最大值即梯度的范数 || gradf || 。这就是说,沿梯度方向,函数值增加 最快。同样可知,方向导数的最小值在梯度的相反方向取得,此最小值即
|| gradf || ,从而沿梯度相反方向函数值的减少最快。
例 7.5.2
设在空间直角坐标系的原点处有一个点电荷 q ,由此产生一个静
电场,在点 ( x, y, z) 处的电位是
f 在 (0,0) 点沿方向 l || l || (cos , sin )( 为 l 与 x 轴正向的夹角)的方向导数为
f (0 t || l || cos , 0 t || l || sin ) f (0, 0) f lim l t 0 || tl || 2 cos sin 2 lim 2 cos sin 2 。 t 0 cos 2 sin 2
f g g gradf f gradg ,其中 g 0 ; g2
8.5 方向导数与梯度
![8.5 方向导数与梯度](https://img.taocdn.com/s3/m/8a6b98d533d4b14e852468ef.png)
一 方向导数 二 梯度
一 方向导数
1 定义
定义1 设函数
f ( x , y ) 在点 P0 ( x 0 , y 0 )
的某个邻域内有
定义,设 l 是一单位向量,记为 l
P P0
cos , cos .
y
若极限
lim
f ( P ) f ( P0 ) PP 0
lim
0
f ( x 0 cos , y 0 cos ) f ( x 0 , y 0 )
则称此极限值为 f ( x , y ) 在点 P0 处 存在,
沿方向 l 的方向导数, 记为
f l
P0
P
。
o
P0
x
注:
f x
P0
存在
f ( x, y )
在点 P0 处沿 x 轴正方向
) (2)
4 3 3
.
例3 设 n 是椭球面 2 x 2 3 y 2 z 2 处的内法向量,求u 的方向导数。 解
u x 6x z 6x 8y
2 2
6
在点 P (1, 1, 1)
6x 8y
2
2
z
在点 P 处沿方向 n
,
u x
P ( 1 ,1 , 1 )
grad f
2 x 3 , 4 y 2 , 6 z ,
5 , 2 , 12 .
grad f
P
2 x 3 , 4 y 2 , 6 z (1,1, 2 )
(2) f ( x , y , z ) 在点 P 处沿梯度方向的方向导数是
梯度与方向导数的关系
![梯度与方向导数的关系](https://img.taocdn.com/s3/m/82c7cd2bae1ffc4ffe4733687e21af45b207fe11.png)
梯度与方向导数的关系梯度与方向导数是微分学中两个重要概念,它们在多元函数的求导和优化中有着密切的联系。
首先,我们先来介绍一下梯度的概念。
对于一个多元函数,梯度是一个向量,它的方向指向函数在某一点处取得最大增加的方向,其模长表示增加的速率。
梯度通常用符号∇表示,如果函数f(x,y,z)在点P(x0,y0,z0)处可微分,则梯度定义为:∇f(x0,y0,z0) = (∂f/∂x, ∂f/∂y, ∂f/∂z)其中的∂f/∂x表示函数f对变量x求导的偏导数。
可以看出,梯度是一个向量,其分量分别对应于各个变量的偏导数值。
而方向导数,顾名思义,就是函数沿着某一给定方向上的导数。
对于一个函数f(x,y,z),在点P(x0,y0,z0)处的方向向量为u=(u1,u2,u3),方向导数定义为:Duf(x0,y0,z0) = ∇f(x0,y0,z0)·u其中的·表示向量的点积运算。
可以看出,方向导数是梯度和方向向量的点积,它表示了函数f在给定方向上的变化速率。
那么梯度与方向导数之间有什么联系呢?根据上述定义可以得知,梯度是一个向量,其方向与方向导数的方向相同,且梯度的模长表示了方向导数的大小。
换句话说,梯度可以看作是方向导数的一个特例。
具体来说,若给定一个向量u,如果f(x,y,z)在点P(x0,y0,z0)处可微分,则由方向导数的定义可知:Duf(x0,y0,z0) = ∇f(x0,y0,z0)·u =|∇f(x0,y0,z0)||u|cosθ其中的θ表示梯度向量∇f(x0,y0,z0)与方向向量u的夹角。
根据向量的点乘性质,可以得出:|∇f(x0,y0,z0)||u|cosθ = ∇f(x0,y0,z0)·u也就是说,梯度向量的模长和方向导数的大小是一样的。
当方向向量u与梯度向量的夹角为零时,即u与梯度的方向相同,方向导数取得最大值;当方向向量u与梯度向量的夹角为180°时,即u与梯度的方向相反,方向导数取得最小值。
方向导数与梯度的关系公式
![方向导数与梯度的关系公式](https://img.taocdn.com/s3/m/dfc19f550a1c59eef8c75fbfc77da26924c59672.png)
方向导数与梯度的关系公式
方向导数和梯度是微积分中的两个重要概念。
它们之间存在着密切的关系。
首先,我们来介绍一下方向导数的概念。
方向导数是指函数在某一点沿着某一方向的变化率。
如果函数在该点可微分,那么它的方向导数可以用该点的梯度来表示。
接下来,我们来介绍一下梯度的概念。
梯度是一个向量,表示函数在某一点上的变化率最大的方向。
梯度的方向指向函数值增加的最快的方向,大小表示该方向的最大变化率。
梯度的计算方式是取该点的偏导数向量。
在同一点上,如果沿着梯度的方向进行变化,则函数值的变化率最大。
因此,方向导数沿着梯度的方向取得最大值,即方向导数等于梯度与该方向的点积值。
因此,可以得出方向导数和梯度的关系公式如下:
设函数f(x,y)在点P(x0,y0)可微分,向量v=(cosθ,sinθ)表示与x轴正向夹角为θ的方向,则f(x0,y0)在方向v上的方向导数为:
∂f/∂v = ▽f(x0,y0) ·v
其中▽f(x0,y0)表示f(x0,y0)的梯度向量。
方向导数与梯度
![方向导数与梯度](https://img.taocdn.com/s3/m/817c291610661ed9ad51f376.png)
cos , cos 为l 的方向余弦
f l
f x ( x0 , y0 ) cos f y ( x0 , y0 ) cos
P0
例 考虑函数 z x y , 定点P0(3,1), P1(2,3).求
3 2
函数在 P0沿 P0 P1 方向的方向导数. 解 zx
( 3 ,1 )
f ( x x , y ) f ( x , y ) f ( x , y ), f lim x x i x 0 y
同理 f ( x, y )沿y轴正向
j (0,1) 的方向导数存在,
且值为 f y .
O
x 0
y 0
( x, y) ( x x, y)
O
x
lim 定义如果极限 P P lim
0
f ( x x , y y ) f ( x , y )
存在,
则将这个极限值称为函数在点 P沿方向l 的方向导数 ,
P P
lim
f ( P) f ( P )
lim
0
y
f ( x x , y y ) f ( x , y )
8.7 方向导数与梯度
一、 方向导数的概念 二、 梯度的定义和方向导数的计算 三、 小结 思考题
一、方向导数定义与计算公式
y
实例
T T ( x, y) k x2 y2
( 1, 3 )
( 1, 1 )
( 5, 3 )
( 5, 1 )
o
x
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.
方向导数与梯度
![方向导数与梯度](https://img.taocdn.com/s3/m/4015aaa69a89680203d8ce2f0066f5335a81679f.png)
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。
方向导数与梯度
![方向导数与梯度](https://img.taocdn.com/s3/m/31c112f3102de2bd97058816.png)
方向导数与梯度
1. 基本概念
方向导数:是一个数;反映的是f(x,y)在P0点沿方向v 的变化率。
偏导数:是多个数(每元有一个);是指多元函数沿坐标轴方向的方向导数,因此二元函数就有两个偏导数。
偏导函数:是一个函数;是一个关于点的偏导数的函数。
梯度:是一个向量;每个元素为函数对一元变量的偏导数;它既有大小(其大小为最大方向导数),也有方向。
2. 方向导数
反映的是f(x,y)在P0点沿方向v的变化率。
例子如下:
2.0 方向导数计算公式
2.1 偏导数
2.2 二元函数偏导数的几何意义
2.3 偏导函数
偏导数与偏导函数的关系:
偏导数是偏导函数在指定点的函数值,因此在求偏导数时,也可先求出偏导函数,然后再将点代入偏导函数,从而求出函数在此点的偏导数。
3. 全微分
4. 梯度
梯度是一个向量;既有大小,也有方向。
4.1 几何意义
函数z=f(x,y)在点P0处的梯度方向是函数变化率(即方向导数)最大的方向。
梯度的方向就是函数f(x,y)在这点增长最快的方向,梯度的模为方向导数的最大值。
第八章8 方向导数与梯度
![第八章8 方向导数与梯度](https://img.taocdn.com/s3/m/38f5136527d3240c8447ef84.png)
2 π π ∂z = cos( − ) + 2 sin( − ) = − . 2 4 4 ∂l
y 点 1, ) 例2 求 数 f ( x, y) = x2 − xy + r 2在 ( ,1) 函 方 夹 为 方 射l 方 导 .并 沿 x轴 向 角 α 的 向 线 的 向 数 并 与 问 怎 的 向 此 向 数 在 样 方 上 方 导 有 2) (1) 大 ; ( ) 小 ; (3) 于 ? ) 最 值 最 值 ) 等 零
类似于二元函数,此梯度也是一个向量, 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. 为方向导数的最大值
与曲面 z = f ( x , y ) 所交的曲线记为 C r 在 π上考察 C P0 P的方向与 l 对应
π
f ( x0 + ∆x, y0 + ∆y) − f ( x0 , y0 ) 表示C 的割线向量
r P0 P 与 l 的交角的正切值
ρ
即
r P0 P关于 的斜率 关于l
当ρ → 0时
即
( x0 + ∆x, y0 + ∆y) →( x0, y0 )
( 1 ,1 )
3π π 7π π (3)当α = ) 和α = 时, 方向导数等于 0. 4 4
5π π (2)当 α = ) 时,方向导数达到最小值− 2 ; 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 = lim f ( x + ∆ x , y + ∆ y , z + ∆ z ) − f ( x , y , z ) , ρ→0 ∂l ρ
第一章方向导数及梯度
![第一章方向导数及梯度](https://img.taocdn.com/s3/m/89799bcb33d4b14e8424680f.png)
点(sink point)---表示
矢量场在该点处有吸
V2
divF (r ) 0负源)
收通量之负源;
当div A =0,表示矢量
场在该点处无源 。
V3
( divF (r ) 0无源)
散度的计算
z
S6
S3
S2
S4 ∆z
O
S5 S1
∆x
y
∆y x
§1.4 矢量的通量和散度
• 散度与所取体积元 的形状无关,与所取 坐标无关
梯度的旋度恒等于零 u 0 如果一个矢量场满足 F =0,即是一个无旋场,则该 矢量场可以用一个标量函数的梯度来表示,即 F = u
梯度的重要性质
u 0
标量场梯度的旋度恒等于零。
证明:左边=
( eˆ x x
eˆ y y
z
eˆ ) (eˆ
z
x
u x
eˆ
y
u y
eˆz
u ) z
2u 2u
eˆ
z
z
grad u u
grad
u=
eˆx
x
eˆy
y
eˆz
z
u
u
z
梯度的性质
geˆrad u G u eˆ u eˆ u 方 x x y y z z 向
l
方向导数等于梯度在该方向上
角o
y
的投影即
u l
u eˆl
x
u u cos u cos u cos
l x
y
z
标量场中每一点处的梯度,垂直于过该点 的等值面,且指向函数增大的方向。也就 是说,梯度就是该等值面的法向矢量。
等值面方程:u( x, y, z) C
§方向导数与梯度精讲
![§方向导数与梯度精讲](https://img.taocdn.com/s3/m/0c641ef133d4b14e84246815.png)
机动 目录 上页 下页 返回 结束
f f f 问题 : 在P0点, , , 有何关系? x x x
答案 : 在P0点,
P l
故f 在P0沿l的方向导数存在, 且
fl ( P0 ) lim
0
f P f ( P0 )
P0
y
o x
f x ( P0 )cos f y ( P0 )cos f z ( P0 )cos . //
机动 目录 上页 下页 返回 结束
说明 : (1). 由定理1知, 如 f 可微, 则任意方向的方向导数皆可用偏导数表示:
§17.3 方向导数与梯度
17.3.1 方向导数 17.3.2 梯度
机动
目录
上页
下页
返回
结束
17.3.1 方向导数
多元函数在一点的偏导数,表示此函数过该 点沿着平行于坐标轴方向的变化率。
f x ( x0 , y0 , z0 ) 表示 f ( x, y, z ) 在 P0 ( x0 , y0 , z0 ) 例如,
目录
上页
下页
返回
结束
f P f ( P0 )
f x ( P0 )cos f y ( P0 )cos f z ( P0 )cos
o
f x ( P0 )cos f y ( P0 )cos f z ( P0 )cos ,
z
0
可见fl ( P0 )为向量 f x ( P0 ), f y ( P0 ), f z ( P0 ) 在方向l上的投影.
方向导数与梯度
![方向导数与梯度](https://img.taocdn.com/s3/m/cacea22958fb770bf78a5588.png)
y y
最大的增长率为: | grad f
|( 2,0) 1 22 5
函数在 P0沿 P0 P1 方向的方向导数. 解 zx
( 3 ,1 )
3x2 y2
3
( 3 ,1)
27,
P0 P1 ( 1,2),
| P0 P1 | 5 ,
zy
z l
( 3 ,1 )
2 x y ( 3,1) 54
P0
1 2 81 ) 54 27 ( 5 5 5
u 6 x 2 8 y 2 14 . z P z2 P
u u u u 11 ( cos cos cos ) . 故 7 n P x y z P
20
求函数 u
x
2
f f f f cos cos cos l x y z
18
x2 y2 z2 已知数量场u( x , y , z ) 2 2 2 , a b c
2 2 2 6 在点P (1,1,1) n 2 x 3 y z 设 是曲面 2 2 6x 8 y , 处指向外侧的法向量 求函数u z 在P点处沿方向n的方向导数.
解 令 F ( x, y, z ) 2 x 2 3 y 2 z 2 6
P0
f f cos cos . x P0 y P0
方向导数存在
偏导数存在
5
方向导数与偏导数的关系
i (1,0) 的方向导数存在, 且值为f x .
- 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、"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、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)。
例 4 求函数 u x2 2 y2 3z2 3x 2 y 在点 (1,1,2)处的梯度,并问在 哪些点处梯度为零?
解 由梯度计算公式得
gradu(
x,
y,
z)
u
i
u
j
u
k
x y z
(2x 3)i (4 y 2) j 6zk,
故 gradu(1,1,2) 5i 2 j 12k.
三、梯度的概念
问题 :函数在点 P 沿哪一方向增加的速度最快?
定义 设函数z f ( x, y)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 ,
都可定出一个向量f
i
f
j ,这向量称为函数
x y
z f ( x, y)在点P( x, y)的梯度,记为
gradf
( x,
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.
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.
记为 f lim f ( x x, y y) f ( x, y) .
l 0
依定义,函数 f ( x, y)在点P
沿着x
轴正向e1 {1,0} 、
x (1,0)
(1,0)
z 2 xe2 y 2,
y (1,0)
(1,0)
所求方向导数
z cos( ) 2sin( ) 2 .
l
4
4
2
例 2 求函数 f ( x, y) x2 xy y2在点(1,1) 沿与x 轴方向夹角为 的方向射线l 的方向导数.并
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?
P(1,1,1)处的指向外侧的法向量,求函数
u
1 (6 x 2
8
y
2
1
)2
在此处沿方向n
的方向
z
导数.
解 令 F( x, y, z) 2x2 3 y2 z2 6,
Fx
故
P
n
4x P 4, Fx, Fy,
Fy Fz
P 6yP
4, 6,
6,
2,
n
Fz
P
42
2z P
62 22
沿任意方向l { x, y, z}的方向导数,
z l
(0,0)
lim
0
f (x,y)
f (0,0)
lim (x)2 (y)2 1
0 (x)2 (y)2
故沿任意方向的方向导数均存在且相等.
Assignment
• P108 6 8
练习题
一、填空题:
1、函数z x 2 y 2 在点(1,2) 处沿从点(1,2) 到点
当
cos(
gradf
(
x,
y),
e
)
f 1时, l
有最大值.
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
| gradf ( x, y) |
f x
2
f y
2
.
gradf P
当f 不为零时, x
gradf
f
x 轴到梯度的转角的正切为 tan
1
f
2 x
f
2 y
cos
fy
,1ຫໍສະໝຸດ f2 xf
2 y
其中
cos
1
.
1
f
2 x
f
2 y
f x f x ( x0 , y0 )
f y f y ( x0 , y0 )
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.
(2,2 3)的方向的方向导数为_____________.
2、设 f ( x, y, z) x 2 2 y 2 3z 2 xy 3 x 2 y 6z ,
则gradf (0,0,0) __________________.
3、已 知 场 u( x,
y, z)
x2 a2
y2 b2
z2 c2
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 .
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 cos f sin ,
l x
y
解 由方向导数的计算公式知
f l
(1,1)
f x (1,1)cos f y (1,1)sin (2x
cos sin 2 sin(
y) (1,1)
),
cos
(2 y
x) (1,1)
sin ,
故(1)当 时, 方向导数4达到最大值 2 ;
4
(2)当 5 时, 方向导数达到最小值 2;
f
lim f ( x x, y y)
cos f (x, y)
sin
l 0
f cos f sin .
x
y
例 1 求函数z xe2 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;
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)
gradf ( x, y, z)
f
i
f
j
f
k.
x y z
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.
2, 2 14,
方向余弦为 cos 2 , cos 3 ,cos 1 .
u x P
故
u
z
6x 6x2
8 y2
P
6; 14
14
u y P
(ucos ucos ucos )
z
8y
6x2 8y2
u
z
11 .
P
14
8;
P
6
x
2
14 8
y
2
z2
P
14
14.
n P x
y
z
P7
| PP | (x)2 (y)2 ,
y
l
且 z f ( x x, y y) f ( x, y),
• P
考虑 z ,
当 P沿着 l 趋于P时,
••
P x
o
y
x
lim f ( x x, y y) f ( x, y) 是否存在?
0
定义 函数的增量 f ( x x, y y) f ( x, y) 与
(3)当 34 和 7 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 lim f ( x x, y y, z z) f ( x, y, z) ,
l 0
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.
第七节 方向导数与梯度
一、空间曲线的切线与法平面
x (t)
1.设空间曲线的方程
y
(t
)
(1)
z (t)
(1)式中的三个函数均可导.
曲线在M处的切线方程
x x0 y y0 z z0 .
(t0 ) (t0 ) (t0 )
z
切向量:切线的方向向量称为曲线的切向量.
M'
T (t0 ), (t0 ),(t0 )
y)
f x
i
f y
j
.
设e
cosi
sinj 是方向
l
上的单位向量,
由方向导数公式知
f f cos f sin {f , f }{cos ,sin }
l x
y
x y
gradf ( x, y) e
| gradf ( x, y) | cos ,
其中
( gradf ( x, y), e )
在
P0
(
3 2
,
1 2
,0)
处梯度为
0.
四、小结
1、方向导数的概念
(注意方向导数与一般所说偏导数的区别)
2、梯度的概念
(注意梯度是一个向量)