最初的疑惑在梯度的Wiki 上对梯度在三维空间，直角坐标系下的梯度表示为∇=∂f(x,y,z)∂x∗i⃗+∂f(x,y,z)∂y∗j⃗+∂f(x,y,z)∂z∗k⃗\nabla = \frac{\partial{f(x, y, z)}}{\partial{x}}*\vec{i}+\frac{\partial{f(x, y, z)}}{\partial{y}}*\vec{j}+\frac{\p...
最初的疑惑
在梯度的Wiki 上对梯度在三维空间，直角坐标系下的梯度表示为
∇ = ∂ f ( x , y , z ) ∂ x ∗ i ⃗ + ∂ f ( x , y , z ) ∂ y ∗ j ⃗ + ∂ f ( x , y , z ) ∂ z ∗ k ⃗ \nabla = \frac{\partial{f(x, y, z)}}{\partial{x}}*\vec{i}+\frac{\partial{f(x, y, z)}}{\partial{y}}*\vec{j}+\frac{\partial{f(x, y, z)}}{\partial{z}}*\vec{k} ∇=∂x∂f(x,y,z)∗i+∂y∂f(x,y,z)∗j+∂z∂f(x,y,z)∗k
为什么梯度是由函数 f ( x , y , z ) f(x, y ,z) f(x,y,z)在每个方向上的偏导乘以向量然后相加呢？
希望回答的问题
- 梯度是什么？
- 梯度是怎么来的？
- 梯度怎么表示？
- 梯度为什么这么表示？
- 为什么梯度的反方向是函数值下降最快的方向？
梯度是什么？
梯度是个向量，在某个点的梯度定义有两部分组成：1）梯度的方向：在当前点函数值增长最快的方向 2）梯度的值：函数在当前点最大的增长率 ∣ ∇ f ∣ |\nabla{f}| ∣∇f∣。
从这个描述当中我们可以把最初的疑惑，分解为两个问题
- 为什么上面的向量表示的方向是函数值增长最快的方向
- 为什么这个向量表示的长度为最大的增长率
梯度是怎么来的？
为了回答以上的问题，我们需要知道梯度是怎么来的，这是我们需要引入方向导数。
方向导数的定义：假设 f f f为 R n R^n Rn上的函数，且包含某个区间 D D D， P 0 P_0 P0为 D D D上的一个点， l ⃗ \vec{l} l为一个非零向量，如果极限
lim t → 0 f ( P 0 x 1 + l x 1 t , P 0 x 2 + l x 2 t , . . . ) − f ( P 0 x 1 , P 0 x 2 , . . . ) t \lim_{t \to 0}\frac{f(P_{0x1} + l_{x1}t, P_{0x2} + l_{x2}t, ...) - f(P_{0x1}, P_{0x2}, ...)}{t} t→0limtf(P0x1+lx1t,P0x2+lx2t,...)−f(
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
