1.
梯度
gradient
设体系中某处的物理参数
(
如温度、速度、浓度等
)
为
w
,在与其垂直距离的
dy
处该参数
为
w+dw
,则称为该物理参数的梯度,也即该物理参数的变化率。如果参数为速度、浓度或
温度,则分别称为速度梯度、浓度梯度或温度梯度。
在向量微积分中,
标量场的梯度是一个向量场。
标量场中某一点上的梯度指向标量场增长
最快的方向,梯度的长度是这个最大的变化率。更严格的说,从欧氏空间
Rn
到
R
的函数的
梯度是在
Rn
某一点最佳的线性近似。在这个意义上,梯度是雅戈比矩阵的一个特殊情况。
在单变量的实值函数的情况,
梯度只是导数,
或者,
对于一个线性函数,
也就是线的斜率。
梯度一词有时用于斜度,
也就是一个曲面沿着给定方向的倾斜程度。
可以通过取向量梯度
和所研究的方向的点积来得到斜度。梯度的数值有时也被成为梯度。
在二元函数的情形,设函数
z=f(x,y)
在平面区域
D
内具有一阶连续偏导数,则对于每一点
P(x,y)
∈
D
,都可以定出一个向量