导数,微分,偏导,全微分,方向导数,梯度 |
您所在的位置:网站首页 › 方向梯度与导数的关系 › 导数,微分,偏导,全微分,方向导数,梯度 |
多元函数与一元函数有一个很大的区别在于定义域的不同:一元函数自变量就在x轴上,因此趋近的方向只有某点的左右两侧,因此,考察一元函数极限的时候,仅考虑左邻域和右邻域即可。但是多变量微分变得复杂,趋向方式是无限种可能的。 比如:二元函数,定义域在一个平面内,趋近方式可以是直线,也可以是曲线。
就说最简单的一元情况下,导数是一个确定的数值,几何意义是切线斜率,物理意义是瞬时速度。 而微分是一个函数表达式,用于自变量产生微小变化时计算因变量的近似值。 4.偏导类比于一元函数,也想研究函数的变化率问题,在日常生活中,我们经常遇到这样的问题,一个值和许多元素相关,我们习惯只改变一个变量值,其它变量值固定,看变化的情况。 这个思想就是偏导数: 固定y,让x变化就是对x的偏导数:从图中来看相当于经过A点做平行于xoz的平面,与空间曲面相交得到曲线,做切线,此切线的斜率即此点关于x的偏导。(具体公式去看课本,这里理解思想)
上面已经研究了分别控制自变量x,y,函数的改变量。那么两个自变量都变化呢,很幸运我们得到如下方式: 当然,全微分要比存在偏导要求更严格。全微分要求任意路径的切线都要存在且在一个切平面内(参见如何理解全微分),而偏导存在只能证明沿着x轴和y轴方向的切线存在。
方向导数思想很简单,x和y均不固定,但是x和y的变化在一条直线上,此时考察函数的变化。值得注意的是,即使任意方向导数均存在,也不能保证全微存在。因为仅保证了以直线趋近到点A的导数存在。 公式: 为了帮助理解,仍用二元函数,定义域内取一个方向为: 梯度可谓是多元函数中一个基本的名词。它的物理意义我们都很清楚或者教材也都会介绍:方向指向数值增长最快的方向,大小为变化率。通过这个性质也说明梯度是有方向和大小的矢量。通过梯度的定义我们发现,梯度的求解其实就是求函数偏导的问题,而我们高中所学的导数在非严格意义上来说也就是一元的“偏导”。通过这一点我们自然而然地想到梯度应该是导数向更高维数的推广。然而一我一直想不明白的是: 梯度是矢量而某点的导数是个常量,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。 在此我们通过一张图来说明解释一下两者的关系: 问题来了,方向向量角度是可以从0-360度的,哪个方向是函数值变化最大的呢? 从数学上来看非常简单,上面已经推导出了内积的形式,那么内积最大的时候,即两者同向的时候,此时得到梯度向量为, 梯度向量是方向导数最大的地方,也就是曲面上最陡峭的方向,在日常生活中梯度向量用的非常多,因为我们经常会遇到找寻下降最快的路径(梯度向量的反方向)等问题,比如下山最省力气的路径。 https://blog.csdn.net/czmacd/article/details/81178650 https://zhuanlan.zhihu.com/p/39059717 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |