为什么梯度反方向是函数值局部下降最快的方向？

0. 梯度与导数

梯度：矢量，方向指向数值增长最快的方向，大小为变化率。

导数：常量，两者应该有本质的区别，而导数的正负也反映了函数值的大小变化，而不是一直指向数值增大的方向。

其实一元函数肯定也有梯度，我们经常不提及的原因其实很简单：一元函数的梯度方向沿着x方向！而导数值的正负号决定了这个方向是正方向还是反方向。如图所示，A点右＂领域＂的导数为正值，则梯度的方向跟x轴正方向一致，梯度方向指向数值增大的方向；相反在B点右＂领域＂，导数为负值，则梯度的方向为x轴的负方向，梯度方向也是指向数值增大的方向。通过这个例子向多维函数推广，梯度从数值小指向数值大的物理意义也就容易理解了。而一元函数的梯度大小自然也就是导数的绝对值。类似的，二元函数，其梯度方向为xy平面内，注意，梯度方向只能在自变量空间内取值。

1. 导数

 当函数定义域和取值都在实数域中的时候，导数可以表示函数曲线上的切线斜率。 除了切线的斜率，导数还表示函数在该点的变化率。

将上面的公式转化为下面图像为：

直白的来说，导数代表了在自变量变化趋于无穷小的时候，函数值的变化与自变量变化的比值代表了导数，几何意义有该点的切线。物理意义有该时刻的（瞬时）变化率.。

注意在一元函数中，只有一个自变量变动，也就是说只存在一个方向的变化率，这也就是为什么一元函数没有偏导数的原因。

 2.偏导数

谈到偏导数，那就至少涉及到两个自变量，以两个自变量为例，z=f(x,y) . 从导数到偏导数，也就是从曲线来到了曲面. 曲线上的一点，其切线只有一条。但是曲面的一点，切线有无数条。

而我们所说的偏导数就是指的是多元函数沿坐标轴的变化率.

指的是函数在y方向不变，函数值沿着x轴方向的变化率

指的是函数在x方向不变，函数值沿着y轴方向的变化率

对应的图像形象表达如下：

那么偏导数对应的几何意义是是什么呢？

• 偏导数就是曲面被平面所截得的曲面在点处的切线对x轴的斜率
• 偏导数就是曲面被平面所截得的曲面在点处的切线对y轴的斜率

可能到这里，读者就已经发现偏导数的局限性了，原来我们学到的偏导数指的是多元函数沿坐标轴的变化率，但是我们往往很多时候要考虑多元函数沿任意方向的变化率，那么就引出了方向导数.

3. 方向导数

假设山坡表示为,你应该已经会做主要俩个方向的斜率。y方向的斜率可以对y偏微分得到，同样的，x方向的斜率也可以对x偏微分得到。

那么我们可以使用这俩个偏微分来求出任何方向的斜率（类似于一个平面的所有向量可以用俩个基向量来表示一样）

那么一个平面上无数个方向，函数沿哪个方向变化率最大呢？

目前我不管梯度的事，我先把表达式写出来：

设,

那么我们可以得到：

(为向量与向量之间的夹角)

那么此时如果要取得最大值，也就是当为0度的时候，也就是向量（这个方向是一直在变，在寻找一个函数变化最快的方向）与向量（这个方向当点固定下来的时候，它就是固定的）平行的时候，方向导数最大.方向导数最大，也就是单位步伐，函数值朝这个反向变化最快.

好了，现在我们已经找到函数值下降最快的方向了，这个方向就是和向量相同的方向.那么此时我把A向量命名为梯度（当一个点确定后，梯度方向是确定的），也就是说明了为什么梯度方向是函数变化率最大的方向了！！！（因为本来就是把这个函数变化最大的方向命名为梯度）