一、方向导数

1. 定义

设函数 $z=f(x,y)$ 在点 $P(x,y)$ 的某一邻域内有定义， $l$ 为从 $P$ 出发的射线（是有方向的）， $\boldsymbol e_l=(\cos\alpha,\cos\beta)$ 为与 $l$ 同方向的单位向量，则函数在点 $P$ 沿方向 $l$ 的方向导数为：

\frac{\partial f}{\partial l}=\lim\limits_{t\to0^+}\frac{f(x+t\cos\alpha,y+t\cos\beta)-f(x,y)}{t}

三元函数 $u=f(x,y,z)$ 沿方向 $\boldsymbol e_l=(\cos\alpha,\cos\beta,\cos\gamma)$ 的方向导数：

\frac{\partial u}{\partial l}=\lim\limits_{t\to0^+}\frac{f(x+t\cos\alpha,y+t\cos\beta,z+t\cos\gamma)-f(x,y,z)}{t}

2. 计算公式

若函数在点处可微，则方向导数存在，且

二元：

\frac{\partial f}{\partial l}=\frac{\partial f}{\partial x}\cos\alpha+\frac{\partial f}{\partial y}\cos\beta

三元：

\frac{\partial u}{\partial l}=\frac{\partial f}{\partial x}\cos\alpha+\frac{\partial f}{\partial y}\cos\beta+\frac{\partial f}{\partial z}\cos\gamma

3. 几何意义

描述函数在某点沿指定方向变化的快慢，是函数在该点沿该方向的变化率。是一个数。

二、梯度

1. 定义

函数在某点的梯度是一个向量，由各偏导数构成：

二元函数 $z=f(x,y)$ 的梯度：

\mathrm{grad}\,f=\nabla f=\left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y}\right)

其中 $\nabla$ 为哈密顿算子。

2. 梯度与方向导数的关系

方向导数可表示为梯度与方向单位向量的点积：

\frac{\partial f}{\partial l}=\mathrm{grad}\,f\cdot\boldsymbol e_l =|\mathrm{grad}\,f|\cos\theta

$\theta$ 为梯度与方向 $l$ 的夹角。

3. 梯度的核心性质

方向：梯度方向是函数在该点增长最快的方向；负梯度方向是函数下降最快的方向。
模长：梯度的模 $|\mathrm{grad}\,f|$ 是该点最大方向导数的值。
与等高线/等值面的关系：梯度方向垂直于过该点的等高线（或等值面），并指向函数值增大的一侧。

三、方向导数与梯度的对比总结

方向导数是标量，表示某一特定方向的变化率；
梯度是向量，包含了所有方向上变化率的信息；
可微时，任意方向的方向导数都可由梯度与单位方向向量点积得到；
梯度的方向对应最大方向导数的方向，模为最大变化率大小。

四、等值线（等高线）

定义

对于二元函数 $z=f(x,y)$ ，取函数值为常数 $C$ ，则满足 $f(x,y)=C$ 的点 $(x,y)$ 在 $xOy$ 平面上构成的曲线，称为函数 $z=f(x,y)$ 的等值线（也叫等高线）。

等值线的法向量

等值线 $f(x,y)=C$ 在点 $(x,y)$ 处的法向量为： $\boldsymbol n=\left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y}\right)$ 这恰好就是梯度 $\mathrm{grad}\,f$ 。

梯度与等值线的关系

梯度方向垂直于等值线 梯度 $\nabla f$ 是等值线 $f(x,y)=C$ 在该点的法向量方向。
梯度指向函数值增大的一侧 沿着梯度方向走，函数值 $f(x,y)$ 会递增；逆着梯度方向走，函数值递减。
几何直观 - 等值线越密集的地方，函数变化越剧烈，梯度模 $|\nabla f|$ 越大； - 等值线越稀疏的地方，函数变化越平缓，梯度模越小。