多变量微积分笔记5——梯度与方向导数

　　梯度一词有时用于斜度，也就是一个曲面沿着给定方向的倾斜程度。

　　梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。

　　在单变量的实值函数的情况，梯度只是导数，或者，对于一个线性函数，也就是线的斜率。

　　本篇涉及到的一些知识点可参考下面的链接：

梯度的定义

　　如果w = w(x, y, z), x = x(t), y = y(t), z = z(t)，根据上篇介绍的链式法则：

　　如果设▽w 是一个综合了w所有偏导数的向量，dr/dt是w变化速率的向量（速度向量），即：

　　这样原式就可以简写为▽w和dr/dt的点积：

　　▽w就是梯度向量，简称梯度。对于函数w定义域上的任意x, y, z，都可以得到一个对应的梯度向量，所以也说▽w是w在某一点(x, y, x)上的梯度。由定义可以看到，梯度包含了偏导和导数的信息。

梯度垂直于等值面

　　梯度的一个重要性质是：如果令w是一个常数，则梯度向量垂直于原函数的等面值。

　　在平面直角坐标系中，对于圆的方程w(x, y) = x² + y² = C，w = C，在w上的任意一点(x, y)做梯度向量：

　　w⊥等值线,即对于任意(x, y)的梯度▽w，都有▽w⊥w(x, y)

　　对于多元函数也是如此，此时梯度是垂直于函数等值面的空间向量。

　　先来看最简单的线性方程，w(x, y, z) = a₁x + a₂y + a₃z，假设它的等值面是a₁x + a₂y + a₃z = C，此时w的梯度：

　　a₁x + a₂y + a₃z = C的法向量也是< a₁, a₂, a₃>，所以对于平面来说，法向量就是梯度向量。

　　对于更复杂的三元函数，每个梯度都垂直于相应的等高线：

垂直的原因

　　可以通过三元函数对梯度垂直于等值面加以证明。

　　三元函数的等值面w(x, y , z) = C是一个曲面，等值面上的一条曲线向量是r = r(t)：

　　对于等值面上的曲线来说，它的速度向量：

　　如果点在w上移动，在任一点上的速度向量v和曲线r相切；由于r在w上，所以速度向量v与曲面w相切。

　　链式法则告诉我们w的值是由w的梯度向量和速度向量的点积决定的：

　　由于w是等值面，所以：

　　由于点积为0，所以▽w⊥v。对于任意方向的速度向量v，它们都源于同一点P，并且将共同组成一个曲线在该点的切平面，▽w垂直于这个切平面，也就是▽w在 P点与等值面垂直。

　　从上面的论述得知，梯度向量垂直于函数在某点的等值面，等同于梯度垂直于在该点处的切面，梯度向量就是切平面的法向量。由此我们可以根据某点的梯度求得函数在该点处的切平面。

找出切平面

　　示例：找出x² + y² – z² = 4在(2, 1, 1)处的切平面

　　这相当于 w(x, y, z) = x² + y² – z²在w = 4时的等值面。在(2, 1, 1)点处：

　　也就是切平面的法向量是<4, 2, -2>，切平面是：

4x + 2y – 2z = C

　　将(2, 1, 1)代入切平面后，C = 8，最终得到切平面：

2x + y – z = 4

　　下图就是这个不怎么好看的三维图形：

方向导数

什么是方向导数

　　方向导数是梯度向量的重要应用。

　　w = w(x, y)的偏导w_x和w_y衡量了点在x轴和y轴移动时w的变化，那么如果在其它方向移动呢？是否在任意方向上都有一个导数呢？答案是肯定的，那就是方向导数。

几何意义

　　对于w(x, y)来说，偏导的几何意义是平行于x轴或y轴方向的垂直平面上截线的斜率。类似的，方向导数就是某一方向上垂直平面截线在该方向的斜率，如下图所示：

　　P1和P2点沿着u方向切线的斜率就是这两点在u方向上的方向导数。

计算方向导数

　　点沿着x轴或y轴移动会产生一系列向量，如果沿着其它方向——例如某个单位向量u的方向——移动会如何？也就是给出一个单位向量u，沿着u的方向移动，函数值的会变化有多快？如下图所示，z = w(x, y)是一个多元函数，在某点(x, y)处开始，有一个单位向量u，问题是：当w上的对应点沿着u的方向变化时，函数w的值变化的有多快？

　　先来看看直线的轨迹。如果以单位速度沿着u的方向运动，设s是运动的距离，轨迹向量r是点运动的轨迹，因为是直线，所以s = |r|。现在设轨迹向量r是关于运动距离的函数，r = r(s)，那么r的变化率是单位向量u，也就是r的导数dr/ds = u。

　　我们真正关注的是沿着r的方向运动时，w的变化率是什么？也就是说，我们从一点开始，沿着某个方向改变变量（不一定是x或y的方向，可以是任意方向，比如这里r的方向），它的方向导数是什么？也就是dw/ds = ？

　　u是和r同向的单位向量，现在将u作为下标代入dw/ds，表示沿u方向移动的导数：

　　这就是在u方向上的方向导数的公式。

　　如果把u写成两个方向的分量，u = <a, b>，u方向上的方向导数实际上也是梯度向量▽w在u方向上的分量：

　　例如在x轴方向的方向导数，就等于x轴方向的分量，设x轴方向的单位向量是i，则：

　　根据点积的定义，两个向量的点积等于这两个向量的模的乘积乘以二者的夹角余玄，这可以得到方向导数的第二个公式：

　　最终，方向导数的计算公式是：

梯度的意义

　　现在再来看看梯度告诉了我们什么。

　　方向导数计算了梯度向量在u方向上的分量，让我们试着找出w在哪个方向上变化的最快，哪个方向上变化最慢或者根本不变。

　　由于已知w函数和w上的一点，所以梯度是已知的，不确定的是方向，根据方向导数的公式可以得到以下结论：

　　由此得到了梯度的一种理解：梯度的方向是在给定点处令w的值增加得最快的方向；或者说在给定点处朝梯度方向运动，w的值将变化的最剧烈，变化率，也就是斜率等于梯度的模长。梯度的反方向，w的值减小的最快；梯度垂直的方向，也就是与等值面相切的方向，w不变。如果把w看作爬山，w上的给定点是你站立的位置，那么梯度方向就是向上爬山时最陡峭的地方，梯度的逆向就是向下爬时最陡峭的地方，梯度垂直方向就是站立点的等高线。在等高线上，梯度总是指向值最大的方向：