函数的梯度方向和切线方向_偏导数、方向导数与梯度

1. 多个变量的函数

两个变量的函数

是一个定义域为
的子集,值域为
的子集的函数。

值域为

的两个变量的函数
图(graph) 是所有点
的集合,使得

多变量函数的定义与两个变量的函数类似。

2. 偏导数

函数相对于它的某个自变量的偏导数,是假定其他自变量不变时,对该自变量的导数。对于两个变量的函数

,它的偏导数
定义为:

其他表示方法有:

单变量函数中,函数的图是一个二维平面上的曲线,导数对应了一条直线(切线)。两个变量的函数中,偏导数也对应了一个平面上的一条直线。

中,这个平面是垂直于
轴的平面,直线是该平面上的一条切线。

eb764b606fb9471f90a79976ceec00c5.png
偏导数图示

多变量函数的偏导数与两个变量同理。

3. 方向导数和梯度向量

偏导数对应了垂直于某轴的平面上的曲线上的切线,有局限性。方向导数可以找到函数在任意方向上的变化率。

函数

上,沿单位向量
方向的向导数是:

有了方向导数后,偏导数是

的特殊情况。

a7f3d3590e732eab1736d358e4259a9a.png
方向导数图示

观察:

向量

有独特的意义,叫做
的梯度,表示为
。换句话说,
的梯度是一个向量,向量的第
个元素是
相对于第
个变量的偏导数。

梯度的独特意义是什么呢?特殊意义就是沿着梯度方向时

变化最快,换句话说,沿着梯度向量的方向导数最大。因为

的夹角。当
时,
最大,为

参考资料

《Calculus》,James Stewart ,7th edition

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值