用Matplotlib可视化二元函数的梯度

最新推荐文章于 2024-06-19 17:02:46 发布

天真的蜗牛

最新推荐文章于 2024-06-19 17:02:46 发布

阅读量558

点赞数 1

文章标签： python

本文链接：https://blog.csdn.net/m0_62517790/article/details/125506141

版权

此篇博客展示了如何使用Python的Matplotlib和NumPy库创建三维函数图，并通过网格化和3D绘图演示了如何表示负梯度向量。作者还介绍了如何添加文本注释和关键点的标记，帮助理解函数特性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(-15, 15, 0.05)
y = np.arange(-15, 15, 0.05)
# 网格化坐标
x,y = np.meshgrid(x,y)
z = -x**2 + y**2

fig = plt.figure()
# 生成一个三维绘图空间
ax = fig.add_subplot(1,1,1, projection = "3d")
# 绘制曲面
ax.plot_surface(x, y, z, color = "cornflowerblue", alpha = 0.5)
# 绘制坐标点和代表负梯度向量的直线
ax.scatter([3], [-5], [16], color = "green", marker = "o")
ax.quiver(3,-5,16, 6,10,0, colors = "yellow", length = 0.5)
# 添加三维文本注释
ax.text(-15, -15, 200, r"$z = -\mathrm{x^{2}} + \mathrm{y^{2}}$")
ax.text(0, 0, 150, r"$Grad(x,y,z) = (\frac{\partial{f(x,y)}}{\partial{x}}, \
        \frac{\partical{f(x,y)}}{\partial{y}}, 0)$")
ax.text(3, -10, 35, "(3,-5,16)")
ax.text(6,0,16, "(6,10,0)")

plt.show()