什么是梯度
以下内容都是基于欧氏距离进行推算
定义： f f f在点 P 0 P_{0} P0存在对所有自变量的偏导数，则称向量 ( f x 1 , f x 2 , . . . , f x n ) (f_{x_{1}},f_{x_{2}},...,f_{x_{n}}) (fx1,fx2,...,fxn)为 f f f在 P 0 P_{0} P0的梯度，记作： g r a d f = ( f x 1 , f x 2 , . . . , f x n ) \boldsymbol{grad}\ f=(f_{x_{1}},f_{x_{2}},...,f_{x_{n}}) grad f=(fx1,fx2,...,fxn)
向量 g r a d f grad\ f grad f的长度为 ∣ g r a d f ∣ = f x 1 ( P 0 ) 2 + f x 2 ( P 0 ) 2 + . . . + f x n ( P 0 ) 2 |\boldsymbol{grad}\ f|= \sqrt{f_{x_{1}}(P_{0})^2+f_{x_{2}}(P_{0})^2+...+f_{x_{n}}(P_{0})^2} ∣grad f∣=fx1(P0)2+fx2(P0)2+...+fxn(P0)2
示例：
设 f ( x , y , z ) = x y 2 + y z 3 f(x,y,z)=xy^2+yz^3 f(x,y,z)=xy2+yz3，求 f f f在 P 0 ( 2 , − 1 , 1 ) P_{0}(2,-1,1) P0<
最低0.47元/天 解锁文章
702
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
