Gap5:方嚮導數、偏導數、梯度、全微分
來自專欄數學物理私塾課3 人贊了文章
前面研究了最簡單的函數 ,得到了微分和積分的基本知識:
善人之資:Gap1:導數的概念善人之資:Gap2:重要的導數善人之資:Gap3:積分我們通過上一講,又對線性代數有了基本了解。線性代數是圍繞著多維線性空間,特別是 來研究的:
善人之資:Gap4:線性代數基本慨念現在,藉助我們所了解的線性代數知識,把前面學到的微積分的概念推廣到定義域為 的多元映射上。
場
在學習微積分之前我們已經在中學物理中大量接觸了場的概念。定義域為 的多元實值函數
它具有清晰的幾何直觀。
我們也將多元實值函數稱為標量場(scalar field)。
定義域為 的多元實 維向量函數
也是常見的,如電場、磁場、力場等
將多元實 維向量函數稱為向量場(vector field)。
方嚮導數
現在開始研究 上的微積分,也就是場的微積分。以山區公路規劃為例,假設我們是公路勘測設計人員,現在需要讓公路通向山頂。我們可以選擇公路從當前點 沿各種可能的方向上山。這個方向相當於向量場 上的一個向量 。當前點的高度相當於標量場 上的一個標量 。現在我們在當前點上同時有了一個高度標量 和一個方向向量 ,下面看一下這兩者在一起有什麼意義。
如果我們從當前點 沿著不同的方向步行、騎車或開車,所需要的功率輸出是不同的,因為不同的方向,高度 的變化率不同。研究這種變化率是非常有實際意義的,如果在規劃公路的時候,這種變化率高於車輛可以承受的功率範圍,那麼車就無法上坡了。一般來說,改變山區高度 的成本比較高,所以在設計公路的時候,需要逐點設計公路的方向 ,使得變化率在車輛功率允許的範圍內。
在固定點上,高度的變化率取決於高度標量 和方向向量 在點附近的分布。定義方嚮導數(directional derivative)為如下極限
其中 維向量 沿著向量 的方向。方嚮導數 是數量函數 以向量 作為方向求導所得到的導數,它也是一個數量函數。
偏導數
現在我們需要用到坐標系,在 中表示點的坐標一般用
表示,它本質上是自然基的自然坐標表示。
這裡闡明一下,過去我們所熟悉的矢量分析中,二維矢量可以表達為:
這裡 是自然基, 是坐標表示;
三維矢量可以表達為: 這裡 是自然基, 是坐標表示。
我們前面談過方嚮導數 是數量函數 以向量 作為方向求導所得到的導數。在所有可能的方向中,我們對沿著坐標軸的方向特別感興趣。以山區公路的例子而言,在美國的城市中,特別明顯可以看到棋盤式的格局:
這種直路陡坡,可以理解為公路一直沿著縱橫坐標的方向建造。這種情況,方嚮導數是沿著坐標軸方向計算的。偏導數(partial derivative)就是 沿自然基向量 方向(也就是坐標 方向)求得的方嚮導數,記為
偏導數求導符號為 。
梯度
沿著哪個方向上山,高度上升的速度最快?這是由高度函數 決定的。除非在山頂、山腳、鞍點這類所謂的奇點,在任何一點上都由高度函數在點附近的分布,決定了這樣一個高度上升速度最快的方向。整體上,構成一個向量場。
把函數在點上沿各個坐標 方向的偏導數(標量)合成一個 維向量,稱為梯度(gradient):
若給定方向向量 ,其坐標就是它在各個坐標上的投影。在 的方向給一個無窮小的變化,則這個變化投影在各坐標上的比例和 本身在各坐標的投影比例相等。函數在這個方向上求方嚮導數:
實際上可以寫為內積形式:
在某點上沿所有方向求導時,在梯度 的方向達到最大方嚮導數,其大小就是梯度的長度。
全微分
結合過去我們在線性代數中的理解,方嚮導數:
可以看作 在不同坐標投影上造成的函數變化率的線性組合。那麼,如果坐標 發生了任意變化,變化量按分量表示
那麼,函數的變化是由這些分量決定的
類似一元求導數的過程,我們求極限使得:
即
便可以得到全微分的表達式
推薦閱讀: