6.8.4 方向导数与梯度.pptVIP

6.8.4 方向导数与梯度 Directional Derivatives and Gradient Vectors End 习题6.8 78911 contourplot(x/(x^2+y^2+1),x=0..4,y=-3..3,contours=15,thickness=3,color=brown); plot3d(x/(x^2+y^2+1),x=0..4,y=-3..3,contours=15,thickness=3,color=brown); 反梯度方向 梯度方向 最速增曲线 最速降曲线 with(plots): p1:=contourplot(x/(x^2+y^2+1),x=0..2,y=-2..2,contours=15,thickness=2,color=brown): p2:=gradplot(x/(x^2+y^2+1),x=0..2,y=-2..2,arrows=thin,thickness=2,color=black): display(p1,p2); 函数的等值线及其梯度场：正交 梯度的几何解释 三元函数 的等值面： 由切平面的讨论，知梯度 是等值面 在点 处的法矢。 故，梯度矢量 在任何点都垂直于函数的等值面 并且从函数值较小的等值面指向函数值较大的等值面。 例8.8 例8.8 的一个等值面 with(plots); implicitplot3d({x^2*y+x*z=3},x=-10..10,y=-10..10,z=-10..10,style=patchcontour,axes=boxed); 例8.8 的一个等值面 gradplot3d(x^2*y+x*z,x=-2..2,y=-2..2,z=-2..2,color=red); 6.8 矢量分析 例8.6 最陡的方向是梯度方向 最大的坡度为： with(plots): qumian:=implicitplot3d(z=5-x^2-2*y^2,x=-2.5..2.5,y=-2..2,z=0..6,style=patchcontour,numpoints=2000): x_axis:=plot3d([u,0,0],u=-3..3,v=0..0.01,thickness=2): y_axis:=plot3d([0,u,0],u=-2..2,v=0..0.01,thickness=2): z_axis:=plot3d([0,0,u],u=0..6,v=0..0.01,thickness=2): display(qumian,x_axis,y_axis, z_axis,orientation=[23,66]); The contours contourplot(5-x^2-2*y^2,x=-3..3,y=-3..3,contours=30,color=red); 例 一只蚂蚁不幸落在一块发烫的铁板上。 铁板上的温度场为： 蚂蚁落在点 M(1, 1)处, 此处温度高达76度。 蚂蚁差一点被烫死。 蚂蚁想：我不能就这样死去。我一定得设法逃出去。家里上有老、下有小，全家人还在等我找东西回去给它们吃呢！ 怎么办？ 蚂蚁突然想起那天在教室觅食时（因为学生经常在教室吃面包）好奇地听到微积分老师在讲梯度。 虽然没有完全听懂，但是蚂蚁对老师讲的一句话印象很深：温度下降最快的方向是梯度的反方向。当时，蚂蚁凭直觉，觉得这个知识将来可能有用，就把它暗暗地记了下来。 于是，聪明的蚂蚁决定选择梯度的反方向逃命。 解 蚂蚁选择温度最速降曲线来逃命 这是梯度 的反方向： 设蚂蚁的逃跑曲线为 则该曲线的切线方向是： 又 令 得 积分 积分 得 将 x = 1, y = 1 代入上式：C = 5 蚂蚁的逃跑曲线： 抛物线 * 四川大学数学学院 2005 上一页 | 首页 | 下一页 四川大学数学学院 2005 上一页 | 首页 | 下一页 * 四川大学数学学院 2005 方向导数 Directional derivatives 讨论函数沿某个方向的变化率 ：沿方向 的平均变化率 沿方向 的增量 函数 在点 沿方向 的方向导数： 是函数 在点 沿方向 对 的变化率 是曲面 在点 沿方向 的倾斜程度（坡度） 方向导数与偏导数 若偏导数 存在 则 其中 则 其中 因此，在一点处沿 x 轴或 y 轴方向的方向导数存在，也不能保证该点的偏导数存在。 方向导数是单向导数（因为 ） 而偏导数是双向导数（因为 可正负 ） 类似于一元函数的单侧导数 例 求函数 在原点沿任何方向的