高等数学-多元微积分-多元微分学-向量值函数和向量分析

高等数学-多元微积分-多元微分学-向量值函数和向量分析

一元向量值函数 f:DRn

一元向量值函数定义

定义 设数集 DR,则称映射 f:DRn 为一元向量值函数, 通常记为r=f(t),tD 其中数集 D 称为函数的定义域, , t称为自变量, r 称为因变量.

例子:空间解析几何的参数方程形式,就是向量值函数

空间曲线Γ的参数方程就是一个一元向量值函数, {x=φ(t)y=ψ(t),t[α,β]z=ω(t) 也可以写成向量形式: r=xi+yj+zk,f(t)=φ(t)i+ψ(t)j+ω(t)k 简记为向量方程: r=f(t),t[α,β]

一元向量值函数的极限

定义 2 设向量值函数 f(t) 在点 t0 的某一去心邻域内有定义,如果存在一 个常向量 r0, 对于任意给定的正数 ε, 总存在正数 δ, 使得当 t 满足 0<|tt0|<δ时,对应的函数值 f(t) 都满足不等式|f(t)r0|<ε, 那么,常向量 r0, 就叫做向量值函数 f(t)tt0 时的极限 , 记作limtt0f(t)=r0f(t)r0,lt0

向量值函数 f(t)tt0极限存在的充分必要条件是:三个分量函数 f1(t),f2(t),f3(t)tt0 时的极限都存在。 即limtt0f(t)=(limtt0f1(t),limtt0f2(t),limtt0f3(t))

一元向量值函数的连续性

向量值函数 f(t)t0 连续的充分必要条件是:三个分量函数 f1(t),f2(t),f3(t) 都在在t0 连续

一元向量值函数的导数或导向量

向量值函数 f(t)t0的某邻域内有定义, 如果limΔt0ΔrΔt=limΔt0f(t0+Δt)f(t0)Δt, 则称这个极限向量是此一元向量值函数的导数或导向量,记为f(t0)drdt|t=t0

向量值函数 f(t)t0 可导的充分必要条件是:三个分量函数 f1(t),f2(t),f3(t) 都在在t0 可导。 即f(t0)=f1(t0)i+f2(t0)j+f3(t0)k

一元向量值函数的导数运算法则,与数量函数的导数运算法则形式相同: ddtC=0 ddt[cu(t)]=cu(t) ddt[u(t)±v(t)]=u(t)±v(t) ddt[φ(t)u(t)]=φ(t)u(t)+φ(t)u(t) ddt[u(t)v(t)]=u(t)v(t)+u(t)v(t) ddt[u(t)×v(t)]=u(t)×v(t)+u(t)×v(t) ddtu[φ(t)]=φ(t)u[φ(t)]

几何应用:在空间解析几何中的应用:空间曲线切向量、曲面法向量

向量值函数的几何意义

image-20200707170532542

导向量 f(t0)=limΔt0ΔrΔt 是向量值函数 r=f(t)终端曲线 Γ 在点 M 处的一个切向量,其指向与 t 的增长方向一致.

空间曲线的切线与法平面

空间曲线Γ的参数方程就是一个一元向量值函数, {x=φ(t)y=ψ(t),t[α,β]z=ω(t)可以写成向量形式r=xi+yj+zk,f(t)=φ(t)i+ψ(t)j+ω(t)k 简记为向量方程: r=f(t),t[α,β]

由前面几何意义可知,导向量是向量值函数变化方向上的切向量。 则向量T=f(t0)=(φ(t0),ψ(t0),ω(t0))就是曲线的一个切向量(要求三个导数不同时为0)(对参数求导组成得导向量) 曲线Γ在点M处的切线方程xx0φ(t0)=yy0ψ(t0)=zz0ω(t0) 曲线Γ在点M处的法平面方程φ(t0)(xx0)+ψ(t0)(yy0)+ω(t0)(zz0)=0

对于非参数方程形式的空间曲线,如(显函数形式): {y=φ(x)z=ψ(x) 可以化为参数方程形式求解: {x=xy=φ(x)z=ψ(x)

对于另一种非参数方程形式的空间曲线,如(隐函数方程组形式): {F(x,y,z)=0G(x,y,z)=0 可以(对方程组求自由元的导数+解线性方程组)的方式来求解,得曲线的切向量(1,dydx,dzdx)... 看过下一节:曲面的切平面与法线后,可以将F(x,y,z)=0G(x,y,z)=0看作两个曲面,分别求曲面的法向量n1,n2,空间曲线是两曲面的交线,空间曲线的切向量n=n1×n2

曲面的切平面与法线

曲面方程F(x,y,z)=0 在曲面F(x,y,z)=0上,且过曲面上一点M(x0,y0,z0)的任意曲线,设曲线的参数方程为: {x=φ(t)y=ψ(t),t[α,β]z=ω(t) 由上一节知,这条空间曲线的切线方程为xx0φ(t0)=yy0ψ(t0)=zz0ω(t0) F[φ(t),ψ(t),ω(t)]0 F有连续偏导数的情况下,ddtF[φ(t),ψ(t),ω(t)]|t=t0=0Fx(x0,y0,z0)φ(t0)+Fy(x0,y0,z0)ψ(t0)+Fz(x0,y0,z0)ω(t0)=0 引入向量n=(Fx(x0,y0,z0),F,(x0,y0,z0),Fz(x0,y0,z0)),又有(见上一节)过曲面点M(x0,y0,z0)的任任意曲线切向量T=(φ(t0),ψ(t0),ω(t0))Tn=0 这个与曲面上过点M的任意曲线切线都垂直的向量n=(Fx(x0,y0,z0),F,(x0,y0,z0),Fz(x0,y0,z0)),就是空间曲面在M(x0,y0,z0)处的切平面的法向量,(对隐函数左侧求偏导组成的向量) 对应的切平面方程Fx(x0,y0,z0)(xx0)+Fy(x0,y0,z0)(yy0)+Fz(x0,y0,z0)(zz0)=0 法线方程xx0Fx(x0,y0,z0)=yy0Fy(x0,y0,z0)=zz0Fz(x0,y0,z0)

对于非隐函数形式的空间曲线,如(显函数形式): z=f(x,y) 可以化为隐函数形式: F(x,y,z)=f(x,y)z 对应的有: Fx(x,y,z)=fx(x,y),Fy(x,y,z)=fy(x,y),Fz(x,y,z)=1 则平面切点M处的法向量: n=(fx(x0,y0),fy(x0,y0),1) 法向量单位化(化为方向余弦的形式:z轴向上): 各分量分别为cosα=fx1+fx2+fy2,cosβ=fy1+fx2+f,2,cosγ=11+fx2+fγ2

物理应用:速度与加速度

由前面几何意义可知,导向量是向量值函数变化方向上的切向量,进一步,可以赋予其物理意义。

设向量值函数r=f(t)是沿空间光滑曲线运动的质点 M 的位置向量,t代表时间 v(t)=drdt 是质点 M 的速度向里,其方向与曲线相切 a(t)=dvdt=d2rdt2 是质点 M 的加速度向量.

多元向量值函数

方向导数(不是向量值函数)

方向导数不是多元向量值函数,但是它与梯度的定义有关,所以把它放到这里。

偏导数反应的是函数沿坐标轴方向的变化率。很多物理现象需要求解物理量沿特定方向的变化率,只靠偏导数数是显然不够的。有必要讨论函数沿特定方向的变化率。(给定方向,只求大小,是个标量)

image-20200707232929575

以二元函数为例,给定P0(x0,y0)和附近的点P(x,y),当两点距离|PP0|足够小时, P0P可以看作是直线段ll上两点间距离|PP0|=tl的方向向量el=(cosα,cosβ) 参数方程:{x=x0+tcosαy=y0+tcosβ(t0) 对于函数 f(x,y)P0(x0,y0)沿方向 l 的变化率. 即函数增量与距离的比值,取极限,即fl|(x0,y0)=limt0f(x0+tcosα,y0+tcosβ)f(x0,y0)t,这里fl|(x0,y0)称作函数的方向导数

对于方向取el=i=(1,0),方向导数就是对x的偏导数fl|(x0,y0)=fx|(x0,y0) 对于方向取el=j=(0,1),方向导数就是对y的偏导数fl|(x0,y0)=fy|(x0,y0)

定理 (方向导数存在的必要条件)如果函数 f(x,y) 在点 P0(x0,y0) 可微分,那么函数在该点沿任一方向l方向导数存在,且有fl|(x0,y0)=fx(x0,y0)cosα+fy(x0,y0)cosβ其中其中 cosαcosβ 是方向 l 的方向余弦. 证明:由函数 f(x,y) 在点 P0(x0,y0) 可微分,得: f(x0+Δx,y0+Δy)f(x0,y0)=fx(x0,y0)Δx+fy(x0,y0)Δy+o((Δx)2+(Δy)2)Δx=tcosα,Δy=tcosβ,(Δx)2+(Δy)2=t 得方向导数: fl|(x0,y0)=limt0+f(x0+tcosα,y0+tcosβ)f(x0,y0)t=limt0+fx(x0,y0)Δx+fy(x0,y0)Δy+o((Δx)2+(Δy)2)f(x0,y0)t=fx(x0,y0)cosα+fy(x0,y0)cosβ

同理,对于三元函数 f(x,y,z) 来说, 它在空间一点 P0(x0,y0,z0) 沿方向 el=(cosα,cosβ,cosγ)的方向导数为 fl|(x0,y0,z0)=limt0f(x0+tcosα,y0+tcosβ,z0+tcosγ)f(x0,y0,z0)t 同样可证,三元函数 f(x,y,z) 在空间一点 P0(x0,y0,z0) 可微,则该函数沿方向 ei=(cosα,cosβ,cosγ) 的方向导数为fl|(x0,y0,z0)=fx(x0,y0,z0)cosα+fy(x0,y0,z0)cosβ+fz(x0,y0,z0)cosγ

梯度

二元函数梯度的定义

以二元函数为例,函数 f(x,y) 在点 P0(x0,y0) 可微分,那么函数在该点沿任一方向l方向导数存在,且有$.|{(x{0}, y_{0})}=f_{x}(x_{0}, y_{0}) +f_{y}(x_{0}, y_{0}) = (f_{x}(x_{0}, y_{0}) ,f_{,}(x_{0}, y_{0}) ) (, ) $,其中其中 cosαcosβ 是方向 l 的方向余弦,则el=(cosα,cosβ)是单位方向向量

我们可以将(fx(x0,y0),f,(x0,y0))向量(向量值函数),定义为梯度gradf(x0,y0)=f(x0,y0)=fx(x0,y0)i+f,(x0,y0)j=(fx(x0,y0),f,(x0,y0)) 它是定义在多元函数上的向量值函数DRn ,由标量函数f(x,y)经过算子的操作,映射到向量空间。

那么,方向导数可以看作是梯度和单位方向向量的内积fl|(x0,y0)=fx(x0,y0)cosα+fy(x0,y0)cosβ=gradf(x0,y0)ei=|gradf(x0,y0)|cosθ 其中θ是两个向量的夹角。

梯度方向是方向导数取最大值的方向,梯度的模就是方向导数的最大值。

fl|(x0,y0)=gradf(x0,y0)ei=|gradf(x0,y0)|cosθ

  • 方向导数和梯度的方向相同时,即θ=0时,方向导数最大,函数增加最快。 梯度方向是方向导数取最大值的方向,梯度的模就是方向导数的最大值。
  • 同理,当方向导数和梯度的方向相反时,即θ=π时,方向导数最小,函数减小最快。 梯度的反方向是方向导数取最小值的方向,梯度模的相反数就是方向导数的最小值。
  • 同理,当方向导数和梯度的方向正交时,即θ=π/2时,方向导数为0,函数变化率为0。

二元函数等值线的法线方向是梯度方向

二元函数 z=f(x,y) 在几何上表示一个曲面,它和平面z=c截得的曲线叫做等值线。 二元函数的等值线{z=f(x,y)z=c有3个变量2个约束1个自由元, 用代入消元或隐函数方程组的方法可求dydx=fxfy, 由前面向量值函数r=xi+yj+zk=(x,y,z)的导函数的几何意义可知,向量(dxdx,dydx,dzdx)=(1,dydx,0)代表空间曲线的切向量,此切向量z分量为0,z=c平面上切向量分量(dxdx,dydx)=(1,dydx),则z=c平面上法向量(1,)=(1,), 单位化法向量: n=1fx2(x0,y0)+fy2(x0,y0)(fx(x0,y0),fy(x0,y0))=f(x0,y0)|f(x0,y0)|二元函数等值线在z=c平面上的法线方向就是梯度方向

三元函数梯度的定义

类似二元函数梯度(是个向量值函数)的定义,可以定义三元函数的梯度。

只要函数f(x,y,z)在空间区域D有连续偏导数,在空间中任意点(x0,y0,z0)都可定义梯度

gradf(x0,y0,z0)=f(x0,y0,z0)=fx(x0,y0,z0)i+f,(x0,y0,z0)j+fi(x0,y0,z0)k

其中=xi+yj+zk 称为(三维的) 向量微分算子或 Nabla 算子 ,f=fxi+fyj+fzk

三元函数等值面的法线方向是梯度方向

曲面f(x,y,z)=c是函数f(x,y,z)的等值面,写成标准形式是F(x,y,z)=f(x,y,z)c=0, 有3变量1约束2自由元,可求得(Fx,Fy,Fz)=(fx,fy,fz) 由前面的几何意义可知,对于空间曲面(等值面)上任意点M(x0,y0,z0),向量(Fx(x0,y0,z0),F,(x0,y0,z0),Fz(x0,y0,z0)),就是空间曲面(等值面)F(x,y,z)=0M(x0,y0,z0)处的切平面的法向量, 单位化法向量: n=1fx2(x0,y0,z0)+fy2(x0,y0,z0)+fy2(x0,y0,z0)(fx(x0,y0,z0),fy(x0,y0,z0))=f(x0,y0,z0)|f(x0,y0,z0)|

标量场f:RmR

如果对于空间区域G内的任意一点M,都有一个确定的数量f(M),那么称在这片区域G中确定了一个数量场(如温度场、密度场等)。 一个数量场可以用一个数量函数f(M)来确定。

矢量场f:RmRn

如果对于空间区域G内的任意一点M,如果与M对应的是一个向量F(M),那么称在这片区域中确定了 一个矢量场/向量场。(如力场、速度场等) 一个向量场可用一个向量值函数F(M)来确定。

如果向量场F(M)恰好是某个数量函数f(M)的梯度,即F(M)=f(M),这样的向量场F(M)称为势场,对应数量函数f(M)称为势函数

例如: image-20200708115323459 image-20200708115413718