免費開始練習
高考申論題 111年 [核子工程] 微積分與微分方程

第 一 題

📖 題組:
三、令 f(x, y) = x² + y³。(每小題 10 分,共 20 分) (一)求函數 f 在點(1, -1)之梯度向量(gradient vector)。 (二)求函數 f 在點(1, -1)之方向導數(directional derivative)之最大值。
📝 此題為申論題,共 2 小題

小題 (一)

求函數 f 在點(1, -1)之梯度向量(gradient vector)。

思路引導 VIP

看到求梯度向量(gradient vector),直接聯想其定義為函數對各變數之偏導數所構成的向量。解題分兩步:先分別對 x 和 y 進行偏微分求出偏導函數,再將指定的座標點代入即可得出數值向量。

🤖
AI 詳解
AI 專屬家教

【解題思路】利用梯度向量的定義 $\nabla f(x, y) = \left( \frac{\partial f}{\partial x}, \frac{\partial f}{\partial y} \right)$,先求出各變數的偏導數,再代入給定座標點。 【詳解】 已知:目標函數 $f(x, y) = x^2 + y^3$,給定點位 $(x, y) = (1, -1)$。

小題 (二)

求函數 f 在點(1, -1)之方向導數(directional derivative)之最大值。

思路引導 VIP

看到「方向導數之最大值」,應立即聯想到方向導數與梯度的內積關係 D_u f = ∇f · u。因為單位向量長度為 1,當方向與梯度向量完全同向時,內積達到最大,故方向導數的最大值即為「梯度向量的長度(範數) |∇f|」。

🤖
AI 詳解
AI 專屬家教

【解題思路】方向導數的最大值發生在與梯度向量相同的方向上,且最大值即為該點梯度向量的長度(範數) $|\nabla f|$。 【詳解】 已知:函數 $f(x, y) = x^2 + y^3$,求在點 $(1, -1)$ 之方向導數最大值。

升級 VIP 解鎖