点击此处查看高数其他板块总结
文章目录1 方向导数(1) 定义(2) 计算公式 (函数可微)(3) 函数不可微计算方式(4) 计算方向导数的步骤2 梯度(1) 定义(2) 方向导数与梯度的关系3 场4 散度(1) 定义(2) 物理意义 (不重要)5 旋度(1) 定义(2) 物理意义 (不重要) 1 方向导数 (1) 定义u(x,y,z) u(x,y,z)\,u(x,y,z)在点 P 0 (x 0 ,y 0 ,z 0 ) \,P_0(x_0,y_0,z_0)\,P0(x0,y0,z0)的某空间邻域 U⊂R 3 \,U\subset R^3\,U⊂R3内有定义,l l\,l为从点 P 0 \,P_0\,P0出发的射线,P(x,y,z) P(x,y,z)\,P(x,y,z)为 l \,l\,l上且在 u \,u\,u内任意一点,则:
{x −x0 = Δ x = ρ ⋅ cos α y −y0 = Δ y = ρ ⋅ cos β z −z0 = Δ z = ρ ⋅ cos γ\begin{cases}x-x_0=\Delta x=\rho\cdot\text{cos}\alpha\\ y-y_0=\Delta y=\rho\cdot\text{cos}\beta\\ z-z_0=\Delta z=\rho\cdot\text{cos}\gamma\end{cases}⎩⎪⎨⎪⎧x−x0=Δx=ρ⋅cosαy−y0=Δy=ρ⋅cosβz−z0=Δz=ρ⋅cosγ
其中 cosα\,\text{cos}\alphacosα、cosβ\text{cos}\betacosβ、cosγ \text{cos}\gamma\,cosγ为射线 l \,l\,l的方向余弦, ρ \,\rho\,ρ表示 P \,P\,P与 P 0 \,P_0\,P0之间的距离: ρ = Δx2+Δy2+Δz2\rho=\sqrt{\Delta x^2+\Delta y^2+\Delta z^2}ρ=Δx2+Δy2+Δz2
若以下极限存在:
limρ→0+u(P)−u(P0) ρ= limρ→0+u(x0+Δx,y0+Δy,z0+Δz)−u(x0,y0,z0) ρ\lim\limits_{\rho\to 0^+}\frac{u(P)-u(P_0)}{\rho}= \lim\limits_{\rho\to0^+}\frac{u(x_0+\Delta x, y_0+\Delta y, z_0+\Delta z)-u(x_0,y_0,z_0)}{\rho}ρ→0+limρu(P)−u(P0)=ρ→0+limρu(x0+Δx,y0+Δy,z0+Δz)−u(x0,y0,z0) = limρ→0+u(x0+ρcosα,y0+ρcosβ,z0+ρcosγ)−u(x0,y0,z0) ρ=\lim\limits_{\rho\to0^+}\frac{u(x_0+\rho\text{cos}\alpha, y_0+\rho\text{cos}\beta, z_0+\rho\text{cos}\gamma)-u(x_0,y_0,z_0)}{\rho}=ρ→0+limρu(x0+ρcosα,y0+ρcosβ,z0+ρcosγ)−u(x0,y0,z0)
则称此极限为 u \,u\,u在点 P 0 \,P_0\,P0沿方向 L \,L\,L的方向导数,记为: ∂u∂l ⃗ ∣P0\color{Purple}\frac{\partial u}{\partial \vec{l}}\bigg|_{P_0}∂l ∂u∣∣∣∣P0
注意: (1) 二元函数同理. (2) 方向导数的意义:通过偏导数可以研究函数在坐标轴方向上的变化率. 而方向导数则可以研究函数在其他特定方向上的变化率. (3) 方向导数本质上是一个右极限,注意 ρ→0 + \,\rho\to0^+ρ→0+.
(2) 计算公式 (函数可微)条件:函数 u \,u\,u可微才能使用! ∂u∂l⃗ ∣P0=u x ′(P 0) cos α +u y ′(P 0) cos β +u z ′(P 0) cos γ = {u x ′(P 0) ,u y ′(P 0) ,u z ′(P 0) } ⋅ { cos α , cos β , cos γ } \frac{\partial u}{\partial \vec{l}}\bigg|_{P_0}=u'_x(P_0)\text{cos}\alpha+u'_y(P_0)\text{cos}\beta+u'_z(P_0)\text{cos}\gamma=\{u'_x(P_0),u'_y(P_0),u'_z(P_0)\}\cdot\{\text{cos}\alpha,\text{cos}\beta,\text{cos}\gamma\}∂l ∂u∣∣∣∣P0=ux′(P0)cosα+uy′(P0)cosβ+uz′(P0)cosγ={ux′(P0),uy′(P0),uz′(P0)}⋅{cosα,cosβ,cosγ}
即 ∂u∂l ⃗ ∣P0 =grad→ u∣P0 ⋅l0⃗\color{Purple}\frac{\partial u}{\partial \vec{l}}\bigg|_{P_0}=\overrightarrow{\text{grad}}\,u\bigg|_{P_0}\cdot \vec{l^0}∂l ∂u∣∣∣∣P0=grad u∣∣∣∣P0⋅l0
注意:grad → u∣P 0 \overrightarrow{\text{grad}}\,u\bigg|_{P_0}\,gradu∣∣∣∣P0即为 u \,u\,u在 P 0 \,P_0\,P0点的梯度, l 0⃗ \vec{l^0}\,l0 为射线 l \,l\,l的单位方向向量. 关于梯度相关内容见后文.
(3) 函数不可微计算方式若函数不可微,就不能使用计算公式求解,只能使用定义求解.
例如下面这个函数就不可微: f ( x , y ) ={x+y+ x 3yx 4+ y ,(x,y)≠(0,0)0,(x,y)=(0,0)f(x,y)=\begin{cases}x+y+\frac{x^3y}{x^4+y},&(x,y)\neq(0,0)\\ 0,&(x,y)=(0,0)\end{cases}f(x,y)={x+y+x4+yx3y,0,(x,y)=(0,0)(x,y)=(0,0)
要求这样函数的方向导数,应该按照下面的步骤:
(1) 证明其不可微:
计算确定 lim x→0y→0 Δ f − A Δ x − B Δ yρ ≠0\,\lim\limits_{x\to 0\atop y\to 0}\frac{\Delta f-A\Delta x-B\Delta y}{\rho}\neq0y→0x→0limρΔf−AΔx−BΔy=0
(2) 利用定义计算方向导数:
令 ρ= Δx2 + Δy2 + Δz2\,\rho=\sqrt{\Delta x^2+\Delta y^2+\Delta z^2}ρ=Δx2+Δy2+Δz2, ∂u∂l ⃗ ∣P0 =limρ→0 + u(x 0 +Δx,y 0 +Δy,z 0 +Δz)−u(x 0 ,y 0 ,z 0 )ρ\color{Purple}\frac{\partial u}{\partial \vec{l}}\bigg|_{P_0}=\lim_{\rho\to0^+}\frac{u(x_0+\Delta x, y_0+\Delta y, z_0+\Delta z)-u(x_0,y_0,z_0)}{\rho}∂l ∂u∣∣∣∣P0=ρ→0+limρu(x0+Δx,y0+Δy,z0+Δz)−u(x0,y0,z0)
(4) 计算方向导数的步骤(1) 确定函数是否可微. 若不可微,使用定义求解.
(2) 求方向余弦:根据题目所给方向,求出方向余弦.
(3) 求梯度.
(4) 使用计算公式计算.
2 梯度 (1) 定义若 u \,u\,u在点 P 0 \,P_0\,P0处有一阶连续偏导数,则 grad→ u ={ ∂u∂x ,∂u∂y ,∂u∂z} {\color{Purple}\overrightarrow{\text{grad}}\,u=}\bigg\{ {\color{Purple}\frac{\partial u}{\partial x},\frac{\partial u}{\partial y},\frac{\partial u}{\partial z}}\bigg\}grad u={∂x∂u,∂y∂u,∂z∂u}
grad→ u∣P0 = {ux′ (P0 ) ,uy′ (P0 ) ,uz′ (P0 ) }\color{Purple}\overrightarrow{\text{grad}}\,u\bigg|_{P_0}=\{u'_x(P_0),u'_y(P_0),u'_z(P_0)\}grad u∣∣∣∣P0={ux′(P0),uy′(P0),uz′(P0)}
函数在某点的梯度本质上是一个向量,也可以写为 ∂u∂x i ⃗+ ∂u∂y j ⃗+ ∂u∂z k ⃗\,\frac{\partial u}{\partial x}\vec{i}+\frac{\partial u}{\partial y}\vec{j}+\frac{\partial u}{\partial z}\vec{k}∂x∂ui +∂y∂uj +∂z∂uk
(2) 方向导数与梯度的关系∂u∂l ⃗ ∣P0 =grad→ u∣P0 ⋅l0⃗ = ∣grad→ u∣P0 ∣ ⋅ cos θ\color{Purple}\frac{\partial u}{\partial \vec{l}}\bigg|_{P_0}=\overrightarrow{\text{grad}}\,u\big|_{P_0}\cdot\vec{l^0}=\bigg|\overrightarrow{\text{grad}}\,u\big|_{P_0}\bigg|\cdot\text{cos}\theta∂l ∂u∣∣∣∣P0=grad u∣∣P0⋅l0 =∣∣∣∣grad u∣∣P0∣∣∣∣⋅cosθ
其中 θ \,\theta\,θ为 grad → u∣P 0 \,\overrightarrow{\text{grad}}\,u\big|_{P_0}\,gradu∣∣P0与 l 0⃗ \,\vec{l^0}\,l0 的夹角.
当 cosθ=1 \,\text{cos}\theta=1\,cosθ=1时 (梯度的方向与射线的方向相同),此时方向导数 ∂ u ∂l⃗∣P 0 \frac{\partial u}{\partial \vec{l}}\big|_{P_0}\,∂l ∂u∣∣P0取最大值.
梯度的模就是方向导数的最大值.
例 (真题):设有一小山,取它的底面所在的平面为 x O y \,xOy\,xOy坐标面,其底部所占的区域为 D = { ( x , y ) ∣x 2+y 2− x y ⩽ 75 } \,D=\{(x,y)|x^2+y^2-xy\leqslant75\}D={(x,y)∣x2+y2−xy⩽75},小山的高度函数为 h ( x , y ) = 75 −x 2−y 2+ x y \,h(x,y)=75-x^2-y^2+xyh(x,y)=75−x2−y2+xy. 设 M (x 0,y 0) \,M(x_0,y_0)\,M(x0,y0)为区域 D \,D\,D上一点,问 h ( x , y ) \,h(x,y)\,h(x,y)在该点沿平面上什么方向的方向导数最大?若此方向的方向导数最大值为 g (x 0,y 0) \,g(x_0,y_0)g(x0,y0),试写出 g (x 0,y 0) \,g(x_0,y_0)\,g(x0,y0)的表达式.
解:grad→ u∣M = {y0 − 2x0 ,x0 − 2y0 }\overrightarrow{\text{grad}}u\big|_M=\{y_0-2x_0, x_0-2y_0\} grad u∣∣M={y0−2x0,x0−2y0}
g (x0 ,y0 ) = ∣grad→ u∣M ∣ =(y 0 −2x 0 ) 2 +(x 0 −2y 0 ) 2 g(x_0,y_0)=\bigg|\overrightarrow{\text{grad}}u\big|_M\bigg|=\sqrt{(y_0-2x_0)^2+(x_0-2y_0)^2} g(x0,y0)=∣∣∣∣grad u∣∣M∣∣∣∣=(y0−2x0)2+(x0−2y0)2
3 场场是空间区域 Ω \,\Omega\,Ω的一种对应法则. 根据场的特点可以分为以下两种:
(1) 数量场 (标量场):Ω \Omega\,Ω中的任一点 M(x,y,z) \,M(x,y,z)\,M(x,y,z)都对应一个确定的数量 u\,uu. 于是在 Ω \,\Omega\,Ω上就能确定了一个数量函数 u=u(x,y,z)\,u=u(x,y,z)u=u(x,y,z),用于表示这个数量场.
常见数量场:温度场、密度场、浓度场等.
(2) 向量场:Ω \Omega\,Ω中的任一点 M(x,y,z) \,M(x,y,z)\,M(x,y,z)都对应一个确定的向量 F ⃗ \,\vec{F}F . 于是在 Ω \,\Omega\,Ω上就能确定了一个向量函数 F ⃗ =P(x,y,z)i ⃗ +Q(x,y,z)j ⃗ +R(x,y,z)k ⃗ \,\vec{F}=P(x,y,z)\vec{i}+Q(x,y,z)\vec{j}+R(x,y,z)\vec{k}F =P(x,y,z)i +Q(x,y,z)j +R(x,y,z)k ,用于表示这个向量场.
常见向量场:风场、引力场、电磁场、水流场等.
注意:在积分学中,不定积分与定积分、重积分、第一类曲线曲面积分的研究对象都是数量场,而第二类曲线曲面积分的研究对象则是向量场.
4 散度 (1) 定义对于向量场 A ⃗ (x,y,z)={P(x,y,z),Q(x,y,z),R(x,y,z)} \,\vec{A}(x,y,z)=\{P(x,y,z),Q(x,y,z),R(x,y,z)\}\,A (x,y,z)={P(x,y,z),Q(x,y,z),R(x,y,z)},其散度为:divA⃗ =∂P∂x +∂Q∂y +∂R∂z\color{Purple}\text{div}\vec{A}=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}divA =∂x∂P+∂y∂Q+∂z∂R
散度是一个标量.
(2) 物理意义 (不重要)用于表征空间各点矢量场发散的强弱程度,描述了通量源的密度. 当 divA ⃗ >0\,\text{div}\vec{A}>0divA >0 ,表示该点有散发通量的正源 (发散源); 当 divA ⃗ <0\,\text{div}\vec{A}