在二维变量的基础上($z=f(x,y)$)阐述梯度(gradient)比较容易
梯度的意义:
某一点$(x_0,y_0)$的梯度表示在这个点z值变化最快的方向以及变化程度。
梯度的值:
$\nabla f=\left(\frac{\partial f }{\partial x} , \frac{\partial f}{\partial y} \right)$
那么为什么梯度能表示这个点z值变化最快的方向呢?
下面将详细推证
【前提】
函数$z=f(x,y)$是可微的
【知识基础】
方向导数:
在xy所构成的平面上,过点$(x_0,y_0)$可以做无数条射线,每条射线的方向看作这个点的前进方向,$\theta$是前进方向与x轴的夹角,前进方向为$(\cos \theta , \sin \theta)$。
方向导数表示函数在这个方向上的变化的快慢程度,即
用$\Delta d$表示前进的距离,可推算出
从而方向导数为
函数可微:
【证明梯度方向变化最快】
根据上面的公式对方向导数进行推导:
方向导数等于梯度与前进方向(单位向量)的内积,也可看做梯度在前进方向上的投影。
显而易见在梯度方向上的投影值最大,所以函数在梯度方向上的变化最快。
参考资料:
https://blog.csdn.net/shinetzh/article/details/68065239
附:
【日记】
昨天看了一个关于张量的视频,张量的阶数讲的很明白,但是还是不知道为啥张量能反映“the fact of universe”
视频链接:https://www.youtube.com/watch?v=f5liqUk0ZTw
视频从11:25开始高能,要竖起双耳哦!