方向导数与梯度(Directional Derivatives and The Gradient)

给定标量函数 f ( x , y , z ) f(x,y,z) f(x,y,z)和单位矢量 u \bm{u} u,在函数定义域内从点 P = ( x , y , z ) P = (x, y, z) P=(x,y,z)沿方向 u \bm{u} u移动到点 Q = ( x + Δ x , y + Δ y , z + Δ z ) Q = (x + \Delta x, y + \Delta y, z + \Delta z) Q=(x+Δx,y+Δy,z+Δz),我们考察函数增量 Δ f \Delta f Δf对距离 Δ s \Delta s Δs的变化率 Δ f / Δ s \Delta f / \Delta s Δf/Δs,将该变化率的极限值定义为函数 f ( x , y , z ) f(x,y,z) f(x,y,z)在点 P = ( x , y , z ) P = (x, y, z) P=(x,y,z)沿方向 u \bm{u} u的方向导数(directional derivative)
d f d s = lim ⁡ Δ s → 0 Δ f Δ s \frac{df}{ds} = \lim_{\Delta s \rightarrow 0} \frac{\Delta f}{\Delta s} dsdf=Δs0limΔsΔf
如果 f ( x , y , z ) f(x,y,z) f(x,y,z)在点 P = ( x , y , z ) P = (x,y,z) P=(x,y,z)的偏导数连续,则函数增量 Δ f \Delta f

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值