对导数、偏导数、方向导数、梯度的理解

对导数、偏导数、方向导数、梯度的理解

导数与偏导数

首先说明导数在此处特指二维空间中的切线。
切线定义 ${\lim }_{\Delta x\to 0}\frac{f(x+\Delta x)-f(x)}{\Delta x}$，因此在一元函数中，只有一个自变量变动，即只存在一个方向的变化率。
然而在多元函数中，此处以二元函数$F(x,y,z)=0$举例。由于曲面上一个点有任意方向的切线。偏导数$F_x^{\prime },F_y^{\prime },F_z^{\prime }$表征的就是函数分别对x轴，y轴，z轴方向的斜率。那如果我要表示任何防线的斜率或导数呢？为解决这个问题就有了方向导数

方向导数

设空间曲线$u=f(x,y,z)$任意两点之间的距离为$\rho =\sqrt{(\Delta x{)}^2+(\Delta y{)}^2+(\Delta z{)}^2}$，并且该点的方向向量为${\vec{n}}^0=(\cos \alpha ,\cos \beta ,\cos \gamma )$。和二维空间的导数相似$\frac{\partial u}{\partial \vec{l}}={\lim }_{\rho \to 0}\frac{u(\rho +\Delta \rho )-u(\rho )}{\Delta \rho }=\frac{u_x^{\prime }dx}{\rho }+\frac{u_y^{\prime }dy}{\rho }+\frac{u_z^{\prime }dz}{\rho }=u_x^{\prime }\cos \alpha +u_y^{\prime }\cos \beta +u_z^{\prime }\cos \gamma$

梯度

实际问题中，往往需要找出函数沿哪个方向的变化率最大，因此梯度概念不是首先产生的，而是根据需要产生的。定义Nabla算子或Hamilton算子 $\nabla u=u_x^{\prime }\vec{i}+u_y^{\prime }\vec{j}+u_z^{\prime }\vec{k}$，那么方向导数可以写成$\frac{\partial u}{\partial \vec{l}}=\nabla u\ast {\vec{n}}^0=\left|\nabla u\right|\left|{\vec{n}}^0\right|\cos \theta$。
此处可以看出方向导数是一个变化率，即标量，而梯度是一个矢量。
因此可以得到，当$\theta =0$时，即方向导数方向与梯度方向一致时，函数变化率最大。

空间中的应用

• 空间曲面$F(x,y,z)$的切平面与法线
  • 切平面 $F_x^{\prime }(x-x_0)+F_y^{\prime }(y-y_0)+F_z^{\prime }(z-z_0)=0$
  • 法线 $\frac{x-x_0}{F_x^{\prime }}=\frac{y-y_0}{F_y^{\prime }}=\frac{z-z_0}{F_z^{\prime }}$
• 空间曲线由参数方程$x=x(t),y=y(t),z=z(t)$给出的切线与法平面
  和空间曲面需要用梯度计算不同，由参数方程给出的空间曲线在某点的方向可以由方向向量直接求出
  • 切线 $\frac{x_t^{\prime }}{x-x_0}=\frac{y_t^{\prime }}{y-y_0}=\frac{z_t^{\prime }}{z-z_0}$
  • 法平面 $x_t^{\prime }(x-x_0)+y_t^{\prime }(y-y_0)+z_t^{\prime }(z-z_0)=0$