下载文档原格式
6.1 多元函数微分的基本概念6.1.6 方向导数 6.1.7 梯度一、相关问题1.一块长方形的金属板，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.假设你在攀登一座形状满足方程2210000.010.02z x y =--的山峰，且正处在坐标为（60，100，764）的位置。
（1）为了最快到达山顶，此时你应选择哪个方向进行？（2）如果沿上所确定的方向进行，初始的上升角度是多少？二、相关知识1.函数的方向导数有什么几何意义？2.函数的方向导数与函数的连续、可导、可微之间有什么关系？3.函数的梯度有何几何意义？4.函数的梯度与方向导数有什么区别和联系？三、练习题1.求函数xyz u =在点)2,1,5(处沿从点)2,1,5(到点)14,4,9(的方向的方向导数。
解 {}{},12,3,4214,14,59=---=→l.131691234||222==++=→l 1312cos ,133cos ,134cos ===γβα 1312133134cos cos cos xy xz yz z u y u x u l u +⋅+⋅=∂∂+∂∂+∂∂=∂∂γβα 所以 ()1398513121013321342,1,5=⨯+⨯+⨯=∂∂l u . 2.已知函数(,)f x y 在000(,)P x y 点的偏导数存在，且00(,)x f x y m '=，求(,)f x y 在0P点沿x 轴负方向的方向导数。
解 过0P 点沿x 轴负方向作射线L ，在0P 点的邻域内射线L 上取一点00(,)P x x y +∆，则000000(,)(,)l i m P P f x x y f x y PP →+∆-00000(,)(,)l i m x f x x y f x y x∆→+∆-=∆ 0000000(,)(,)lim (,)x x f x x y f x y f x y m x∆→+∆-'==-=--∆ 所以(,)f x y 在0P 点沿x 轴负方向的方向导数为m -．3.问函数2u xy z =在点(1,1,2)P -处沿什么方向的方向导数最大？并求此方向导数的最大值．解 {}{}22,,,2,x y z gradu u u u y z xyz xy '''=={}2,4,1M gradu=-是方向导数在点P 取最大值的方向， {}2,4,1M gradu =-=4.问函数z xy u 2=在点)2,1,1(-P 处沿什么方向的方向导数最大？并求此方向导数的最大值。
模块十二 多元函数微分学※知识框架一、二重极限及连续 二、偏导数概念 三、可微与全微分 四、相互关系 五、方向导数与梯度※课程脚本：★引入：本章的标题是多元函数微分学，在前面我们介绍过一元函数微分，这里的‘多元’就是自变量为多个，而为了方便，我们一般研究的是二元函数，那么我们首先看看二元函数的概念，一． 二重极限及连续1、 二重极限 ●讲义内容【定义1】：设D 是平面上的一个点集，如果对于任意一点(),x y D ∈，变量z 按照一定的运算法则总有确定的值与之对应，则称z 关于变量,x y 的二元函数，记作(),z f x y =. ★讲解且过渡：给出二元函数定义后，下面不妨我们可以回忆下一元函数微分中的知识点，一块回忆下：一元函数()y f x =中自变量就一个“x ”，而二元函数显然就是自变量为两个，我们一般用,x y 来表示，当然也可以定义三元或者多元的函数，不过对于我们来说研究的对象大多是二元，其定义域也有一元函数时的区间变成了二元函数的平面区域，举个简单的二元函数例子：2z x y =，。
另外在一元函数中我们研究了极限、连续、可导。
可微等，其实这些可以延拓到二元函数中的，下面首先看看二元函数的极限问题，为了显示和一元函数的区别，我们称二元函数的极限为二重极限 ●讲义内容【定义2】：设(),z f x y =是D 上的一个函数，()00,x y D ∈，假设存在实数A ，使得0ε∀>，总0δ∃>，当0δ<时，有()0,f x y A ε<-<.则称当(),x y 趋近于()00,x y 时，函数(),fx y 的二重极限为A .记作()()00(,),lim,x y x y f x y A →=或()00lim ,x x y y f x y A →→=.★讲解且过渡：二重极限是一元函数极限的推广，它的定义要与一元函数的极限对比起来理解.例如，与一元函数一样，(),x y 在趋近于()00,x y 时，也不会等于()00,x y ，只会无限地接近；一元函数极限中x 趋近于0x 仅有两种方式——左或右，所以只要求左右极限存在且相等就能说明极限存在了；而二维平面上(),x y 趋近于()00,x y 的方式可以有无穷多种，另外在一元函数中极限存在的话是左右极限存在且相等，那么在二元函数中关于二重极限存在的内在要求是(),x y 沿任何路径趋近于()00,x y 的极限值都应该存在并且相等，换句话说如果能找到函数按照两种不同的路径逼近某一点的极限不一样，就可以断定函数在该点的极限不存在，其实这也是我们在具体做题的过程中判断极限不存在的思路，那么其他求极限的方法有哪些呢？其实这个时候也可以按照一元函数求极限的方法进行分析，大概有一下几种：1、四则运算。
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。
关于多元函数的梯度与方向导数多元函数的梯度与方向导数是微积分中非常重要的概念。
在这篇文章中，我们将详细介绍这两个概念的含义和应用。
多元函数的梯度是指一个函数在空间中的变化方向。
在二元函数中，梯度是一个二维向量，包含两个分量，即在x方向上的变化率和在y方向上的变化率。
在三元函数中，梯度是一个三维向量，包含三个分量，即在x、y、z三个方向上的变化率。
一般地，对于一个n元函数，其梯度是一个n维向量。
了解梯度对于研究函数的极值和最优化问题非常重要。
通过求出梯度，我们可以判断函数在某一点是否有极值，并可以求出函数最快增长的方向。
在最优化问题中，我们通常希望有一个函数值最小（或最大）的解。
通过求出梯度，我们可以找到函数值增长最快的方向，并在该方向上进行逼近搜索，从而找到函数的最小值（或最大值）。
梯度的计算非常简单，只需要对函数的各个分量分别求偏导数，再组成一个向量即可。
例如，对于一个二元函数f(x, y)，其梯度为(gx, gy)，其中gx表示f在x方向的变化率，gy表示f在y方向的变化率，计算公式如下：（1）gx = ∂f/∂x（2）gy = ∂f/∂y对于一个三元函数f(x, y, z)，其梯度为(gx, gy, gz)，计算公式如下：（1）gx = ∂f/∂x（2）gy = ∂f/∂y（3）gz = ∂f/∂z方向导数是指一个函数在某一点沿着某一个方向的变化率。
求解方向导数时，我们必须指定一个方向，方向可以用一个向量表示。
例如，对于一个二元函数f(x, y)，我们可以指定一个方向向量u = (a, b)，表示在x轴上移动a单位，在y轴上移动b单位。
函数在该方向上的变化率就是方向导数，计算公式如下：Duf(x, y) = ∂f/∂x * a + ∂f/∂y * b对于一个三元函数f(x, y, z)，我们可以指定一个方向向量u = (a, b, c)，表示在x轴上移动a单位，在y轴上移动b单位，在z轴上移动c单位。
本篇文章，探讨下多元函数微分学下的一些知识点之间的关系。
包括全微分、偏导数、方向导数、梯度、全导数等内容。
初学这些知识的时候，学生会明显觉得这些概念不难掌握，而且定义及计算公式也很容易记住，但总觉得差那么点东西，说又不知道从何说起。
反正笔者是这种感觉。
其实最根本的原因是没有理清这些知识间的关系，对这些知识并没有本质的理解。
不妨现在就跟笔者一起再重新认识下它们，看看是否解开了你内心得些许疑惑。
一、导数和微分到底是什么，以及为什么会有这些概念关于导数和微分到底是个什么玩意，笔者在探讨一元函数微分的时候有清晰的描述，现在再复述一遍，如下：导数和微分其实就是数学家创造的两个代数工具，是为了从代数的角度来描述函数图像在几何上的变化。
说白了，就是每次描述函数图像变化，不用再画图了，有了这个，直接用算式算算就行了。
因此导数和微分也是沟通几何和代数的重要桥梁之一。
而导数描述的是函数在一点处的变化快慢的趋势，是一个变化的速率，微分描述的是函数从一点（移动一个无穷小量）到另一点的变化幅度，是一个变化的量。
我们知道在一元函数中，函数从一点到另一点的变化只有一个方向，就是沿着函数曲线移动就行了。
而且函数在某一点处的切线也只有一条，因此函数的变化快慢只由这个切线（的斜率）决定。
然而多元函数就不同了，多元函数往往是一个面，这也是为什么多元函数的微分学会多出那么多东西，催生那么多概念。
但是不要怕，其实多出的东西只是一元函数微分的拓展，本质都是一样的，不信请跟着笔者往下看，不难的，万变不离其宗。
我们来看图1。
现在跟着笔者，咱们一起像数学家一样来思考（其实学会从数学家的角度来思考问题，往往最能达到理解知识的本质的目的）。
描述函数的变化，一个是描述函数的变化快慢，一个是描述函数变化多少。
比如图1中，类似于一元函数的探讨，我想知道函数在A点变化的快慢趋势，以及从A点到B点变化的幅度是多少。
另外我们多元函数的图像还有一个有意思的问题，就是函数可以固定一个变量，让另一个变量来变化，那么这又是与一元函数的十分不同的变化了，其实这是一个变化维度的问题。
