梯度和其与方向导数的关系.pptVIP

例5. 求函数 反例： 定理. 例6. 证明函数 例7. 证明函数 * 目录 上页 下页 返回 结束 第五章 第三节 一、梯度 二、高阶偏导数 多元数量值函数的导数和微分 一、梯度 复习: 沿任意方向 l 的方向导数存在 , 且有 若 n 元函数 f 在点 可微， 则函数在该点 为l 方向上 其中 的单位向量。 方向导数公式 令向量 这说明 方向：f 变化率最大的方向 模 : f 的最大变化率之值 方向导数取最大值： 当 与 的方向一致时， 1. 定义 即 其中 称为向量微分算子或 Nabla算子. 设函数 则称向量 在点 可微， 为函数 f (gradient), 在点 处的梯度向量，简称梯度 记作 其中 称为向量微分算子或 Nabla算子. 它本身没有意义，将 作用于函数 f 就得到一向量，即 同样可定义二元函数 在点 处的梯度 注：1. 方向导数可以表示成： 2. 若记 ，则利用梯度可将 f 在点 x 处的全微分写成： 方向导数公式 例1. 求二元函数 在点 P（-1，1）处 沿方向 的方向导数，并指出u 在该 点沿哪个方向的方向导数最大？这个最大的方向 导数值是多少？u 沿哪个方向减小的最快？沿着 哪个方向u 的值不变化？ 解： (1) 方向导数取最大值的方向即梯度方向，其单位向 ，方向导数的最大值为 u 沿梯度的负向即 的方向减小的最快。 量为 (2) (3) 下求使 u 的变化率为零的方向。令 则： 令 得 ，此时u 的值不变化。 例2. 设函数 解: (1) 点P处切平面的法向量为 在点 P(1,1,1) 处的切平面方程. 故所求切平面方程为 即 (2) 求函数 f 在点 P (1,1,1) 沿增加最快方向的方向导数. 求等值面 (2) 函数 f 在点P处增加最快的方向为 沿此方向的方向导数为 思考: f 在点P处沿什么方向变化率为0 ? 注意: 对三元函数, 与 垂直的方向 有无穷多 2. 梯度的运算法则 证明：设 由一元函数的 链式法则，有 例3. 证: 试证 处矢径 r 的模 , 3、物理意义 函数 (物理量的分布) 数量场 (数性函数) 场 向量场(矢性函数) 可微函数 梯度场 ( 势 ) 如: 温度场, 电势场等 如: 力场,速度场等 (向量场) 注意: 任意一个向量场不一定是梯度场. 例4. 已知位于坐标原点的点电荷 q 在任意点 试证 证: 利用例3的结果 这说明场强: 处所产生的电势为 垂直于等势面, 且指向电势减少的方向. 二、高阶偏导数 1. 定义 如果 n 元函数 的偏导函数 在点 对变量 的偏导数存在 ，则称这个偏导 数为f 在点 先对变量 再对变量 的二阶偏导 数，记为： 或 或 其中 例如：二元函数 z = f (x , y) 的二阶偏导数共有四个， 按求导顺序不同, 有 其中 和 为二阶混合偏导数。 类似可以定义更高阶的偏导数. 例如，z = f (x , y) 关于 x 的三阶偏导数为 z = f (x , y) 关于 x 的 n –1 阶偏导数 , 再关于 y 的一阶 偏导数为 二阶以上的偏导数统称为高阶偏导数。 解 : 注意:此处 但这一结论并不总成立. 的二阶偏导数及 二者不等 则 例如, 对三元函数 u = f (x , y , z) , 说明: 本定理对 n 元函数的高阶混合导数也成立. 函数在其定义区域内是连续的 , 故求初等函数的高阶导 数可以选择方便的求导顺序. 因为初等函数的偏导数仍为初等函数 , 当三阶混合偏导数 在点 (x , y , z) 连续时, 有 而初等 (证明略) 证明 满足拉普拉斯 证： 方程 满足拉普拉斯 证： 利用对称性 , 有 方程 * 目录 上页 下页 返回 结束 * * * *