实际应用中的函数普遍包含多个变量,当进入高维时,微积分的普遍法则本质上保持原样,虽然必须引入一些新的记号,但幸运的是并不需要彻底改造原有理论,多变量微积分无非是同时在各个方向运用单变量微积分(向量和矩阵表示将大大简化多元微积分,并能保持与低维形式上的一致性)。
本文使用小写字母 x 表示标量,粗体小写字母
梯度(Gradient)
多元函数
定义:
等高线图
定义:对于二元函数 f(x,y) ,曲线 f(x,y)=z0 称为函数f在平面 z=z0 中的等高线。如果所有等高线 z=z0 都被投射到 x−y 平面上,则得到这个曲面的等高线图。
梯度(向量)
定义: f 在点
▿f(x)=[∂f∂xi]n×1
性质:
- 梯度是标量对向量的导数;
- 梯度是输入空间中的一个偏导向量;
- 梯度的方向是在输入空间中使函数增长最快的方向;
- 梯度的大小是函数关于输入向量的最大变化率;
- 梯度也称为全导数,记做 f′(x)
f′(x)=▿f(x)=[∂f∂xi]n×1f(x)≈f(x0)+f′(x0)T(x−x0)
全微分
定义:多元函数全增量 △f 的线性主部,记做 df 。
△f=∑i=1nai△xi+o(ρ)df=∑i=1n∂f∂xidxi=▿f(x)⋅dx
梯度-全导数-全微分-偏导之间的关系如下:
▿f(x)=f′(x)=dfdx=[∂f∂xi]n×1
方向导数
定义:设 u 为单位向量, f 在该方向上的方向导数(变化率)记做
∂f(x)∂u=limh→0f(x+hu)−f