基本概念
假设A是条件,B是结论
(1)由A可以推出B,由B可以推出A,则A是B的充分必要条件(
A
=
B
A=B
A=B ),或者说A的充分必要条件是B。
(2)由A可以推出B,由B不可以推出A,则A是B的充分不必要条件(
A
⊆
B
A \subseteq B
A⊆B )
(3)由A不可以推出B,由B可以推出A,则A是B的必要不充分条件(
B
⊆
A
B \subseteq A
B⊆A )
(4)由A不可以推出B,由B不可以推出A,则A是B的既不充分也不必要条件(
A
̸
⊆
B
,
B
̸
⊆
A
A \not \subseteq B, B \not \subseteq A
A̸⊆B,B̸⊆A )
可微与可导
一元函数中可导与可微等价,它们与可积无关 [1]。
多元函数可微必可导,而反之不成立。
即:
在一元函数里,可导是可微的充分必要条件;
在多元函数里,可导是可微的必要条件,可微是可导的充分条件。
方向导数与梯度
函数 z = f ( x , y ) z = f(x,y) z=f(x,y) 在点 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)沿射线 l l l 方向的导数称为方向导数,记作 ∂ f ∂ l ∣ ( x 0 , y 0 ) \left. \frac{\partial f}{\partial l} \right|_{(x_0, y_0)} ∂l∂f∣∣∣(x0,y0)。方向导数 ∂ f ∂ l ∣ ( x 0 , y 0 ) \left. \frac{\partial f}{\partial l} \right|_{(x_0, y_0)} ∂l∂f∣∣∣(x0,y0) 就是函数 f ( x , y ) f(x, y) f(x,y) 在点 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0) 沿方向 l l l 的变化率 (参见文献[2] P101)。
若函数
f
(
x
,
y
)
f(x, y)
f(x,y) 在点
P
0
(
x
0
,
y
0
)
P_0(x_0, y_0)
P0(x0,y0) 的偏导数存在,且射线
l
l
l 的方向是沿着x轴正方向时,则
∂
f
∂
l
∣
(
x
0
,
y
0
)
=
f
x
(
x
0
,
y
0
)
\left. \frac{\partial f}{\partial l} \right|_{(x_0, y_0)}=f_x(x_0, y_0)
∂l∂f∣∣∣(x0,y0)=fx(x0,y0),如果
l
l
l的方向是沿着y轴正方向,则
∂
f
∂
l
∣
(
x
0
,
y
0
)
=
f
y
(
x
0
,
y
0
)
\left. \frac{\partial f}{\partial l} \right|_{(x_0, y_0)}=f_y(x_0, y_0)
∂l∂f∣∣∣(x0,y0)=fy(x0,y0)。
函数
f
(
x
,
y
)
f(x, y)
f(x,y) 在
P
0
P_0
P0点的梯度是一个向量
f
x
(
x
0
,
y
0
)
i
+
f
y
(
x
0
,
y
0
)
j
f_x(x_0, y_0) \boldsymbol{i} + f_y(x_0, y_0) \boldsymbol{j}
fx(x0,y0)i+fy(x0,y0)j 记作
g
r
a
d
  
f
(
x
0
,
y
0
)
grad \; f(x_0, y_0)
gradf(x0,y0)或
∇
f
(
x
0
,
y
0
)
\nabla f(x_0, y_0)
∇f(x0,y0),即
g
r
a
d
  
f
(
x
0
,
y
0
)
=
∇
f
(
x
0
,
y
0
)
=
f
x
(
x
0
,
y
0
)
i
+
f
y
(
x
0
,
y
0
)
j
grad \; f(x_0, y_0) = \nabla f(x_0, y_0) = f_x(x_0, y_0) \boldsymbol{i} + f_y(x_0, y_0) \boldsymbol{j}
gradf(x0,y0)=∇f(x0,y0)=fx(x0,y0)i+fy(x0,y0)j它的方向是函数在这点的方向导数取得最大值的方向,它的模就等于方向导数的最大值。
浅显的理解:
偏导存在 ⇏ \nRightarrow ⇏方向导数存在
偏导存在 ⇍ \nLeftarrow ⇍方向导数存在
参考文献
[1] 可导与可微等价吗?有什么区别?
[2] 高等数学.第六版.下册