方向导数和梯度概念辨析

方向导数和梯度概念辨析

我们在学习多元函数的时候，经常会困惑于方向导数和梯度的区别以及他们的几何意义，今天让我们来一起辨析一下。

一、什么是方向导数？

定义：函数的增量
$f(x+△x,y+△y)-f(x,y)$与$P{P}^{{}^{\prime }}$两点间的距离$\rho =\sqrt{(△x{)}^2+(△y{)}^2}$的比值，当$P^{{}^{\prime }}$ 沿l趋近于P时，如果此比的极限存在，则称这极限为函数在P 点沿l的方向导数。记作$\frac{\partial f}{\partial l}$,也就是${\lim }_{\rho \to 0}\frac{△l^z}{\rho }={\lim }_{\rho \to 0}\frac{f(x+△x,y+△y)-f(x,y)}{\rho }$。

定义永远是晦涩的，如果我们来形象的类比一下，之前学到的偏导数是指当一个变量变化（例如：x、y），然后函数随着另一个固定变量的方向进行变化，偏导数就是变化的趋势。那么到这里的方向导数就是将编导数的范围扩大化，从一个变量变化到两个变量甚至多个变量同时变化，但是这个变化同样是沿着空间中的一条线l。

我们来看方向导数的几何解释就会更直观的理解：

如图所示，图a指xoy平面内，曲线l的投影，我们所求的$\frac{\partial f}{\partial l}$方向向量图b中就是p点上方z=f（x，y）曲线沿着曲线l切线的斜率，可以这么说：方向向量是你用一把名为切线的尺子在这个曲面上来回的摩擦，而这个方向向量就是你在各个l方向各个位置，这把切线尺子的斜率。

让我们在对照着图a，引出线面的定理：$\frac{\partial f}{\partial x}=\frac{\partial f}{\partial x}\cos \alpha +\frac{\partial f}{\partial x}\beta$,其中$\cos \alpha ,\cos \beta$是方向l的方向余弦。

不难理解，其实方向向量可以用x和y两个方向的偏导数进行组合来表示，证明如下：

函数可微，那么等量可以表示为：$f(x+△x,y+△y)-f(x,y)=\frac{\partial f}{\partial x}△x+\frac{\partial f}{\partial y}△y+o(\rho )$

我们两边同时除以$\rho$,得$\frac{f(x+△x,y+△y)-f(x,y)}{\rho }=\frac{\partial f}{\partial x}\frac{△x}{\rho }+\frac{\partial f}{\partial y}\frac{△y}{\rho }+\frac{o(\rho )}{\rho }$

那么$\frac{△x}{\rho }$$\frac{△y}{\rho }$就是$\cos \alpha ,\cos \beta$所以有$\frac{\partial f}{\partial x}=\frac{\partial f}{\partial x}\cos \alpha +\frac{\partial f}{\partial x}\beta$。

warning：

1、在这里我们要继续对偏导数和沿x、y轴的方向导数进行辨析：偏导存在是比沿x、y轴的方向导数存在更高级的概念，偏导存在能推出沿x、y轴的方向导数存在，反之不行。

2、以上概念都能推到多元函数。

二、什么是梯度？

定义：设函数z = f (x, y)在平面区域 D 内具有阶连续偏导数，则对于每一点$p(x,y)\in D$,都可以定出一个向量$\frac{\partial f}{\partial x}\vec{i}+\frac{\partial f}{\partial y}\vec{j}$ ，这向量称为函数z=f（x，y）在点P（x，y）的梯度，记作$gradf（x，y）=\frac{\partial f}{\partial x}\vec{i}+\frac{\partial f}{\partial y}\vec{j}$。

我们和方向向量进行比较，我们可以发现方向导数就是梯度乘以l方向上的单位向量。

可以这么说在梯度的方向上是方向向量取最大值的时刻，是函数值增加最快的时刻,如果用更形象的方法来比喻，
函数梯度方向和函数在这点等高线的发现的方向相同，且是从低等高线指向高等高线，而且模就是这个函数在这个法线方向的方向导数。

总结：函数在某点的梯度是这样一个向量，它的方向与取得最大方向导数的方向一致,而它的模为
方向导数的最大值．梯度的模为$\sqrt{(\frac{\partial f}{\partial x}{)}^2+(\frac{\partial f}{\partial y}{)}^2}$

总结：

1、方向导数是数

2、梯度是向量

3、梯度的方向就是函数在这点增长最快的方向，以此类推，降低最快的就是梯度的反方向，变化最慢的就和梯度垂直。

最后，感谢你阅读完以上内容，你的赞是我继续记录的最大鼓励。