多元函数的向量表示_一道多元函数微分学题目引发的思考

梯度

梯度的定义为：

根据梯度的定义式，函数

沿单位向量

的方向导数为

从上式可以看出，函数在

处，沿

方向的方向导数最大，从而梯度的方向就是函数在该点增加最快的方向.

问题？

但是梯度这种方法并不总是奏效的，请看下题：

❝ 设

，其中

，求在

处函数增长最快的方向.

❞

看到题目的第一眼，我们自然而然的想到要求梯度，但是

哦豁，梯度法失效了，于是就需要我们另辟蹊径.

回归本质

我们考虑沿某单位方向

函数

的变化

令

，由

展式我们知道

由于

，且

，当

充分小时，沿方向

函数

增加的最快.

再多考虑一步

根据多元函数的

公式，我们知道

其中

为

矩阵.我们有如下定理

「定理」 设二次连续可微函数

在

点的梯度为零向量，但

矩阵是非零矩阵，则

增长最快的可能方向在

的最大特征值对应的特征子空间中.如最大特征值对应的特征子空间为一维空间，则相应的方向就是

增长最快的方向.

为了证明这个定理，实际上我们只需要证明，二次型在其矩阵的最大特征值对应的特征向量处取得最大值即可，即

「引理」 设

是

阶实对称矩阵，记

分别为

中所有特征值中的最大值和最小值，则

，

「证明」 因为

是实对称矩阵，所以

有由

中标准正交基

组成的特征向量（因为实对称矩阵必有

个线性无关的向量，将这些向量施密特正交化后就得到了标准正交基）

于是，对于

中的任意向量

，都有