zoukankan      html  css  js  c++  java
  • 方向导数与梯度向量与全微分

    一个最简单的例子:f(x,y)=x+y

    那么全微分df=dx+dy

    因为这个f(x,y)对x和y都是线性的,所以df=dx+dy对大的x和y变化也成立。

    将x和y方向分开看,x方向每增加dx=1(y不变),f(x,y)增加df=1;y方向每增加dy=1(x不变),f(x,y)也增加df=1;

    如果x和y同时增加1(dx=1,dy=1),f(x,y)增加dx+dy=2。

    对以上函数f(x,y),当x和y按1:1变化时,f(x,y)增长最快。

    如果换个函数,f(x,y)=2x+y,那么当x和y按2:1变化时,f(x,y)增长最快。

    梯度表示f(x,y)增长最快的方向。与梯度相反的方向就是函数减小最快的方向。

    反过来说,沿垂直于梯度方向,f(x,y)变化最小(即没有变化)。

    于是,在<x0,y0>的梯度正交于过该点的等高线。

    方向导数是说,对于方程z=f(x,y),当<x,y>从<x0,y0>沿指定方向增加单位向量长度时,f(x,y)增加多少。

    当指定方向与梯度不重合时,函数变化就没有沿梯度方向变化大。

  • 相关阅读:
    一次安装。net core的经历
    c# task 等待所有子线程执行完的写法
    .net 中的async,await理解
    dbeaver pgsql连接工具
    oracle 导出表结构和备注
    abp
    发布站点
    excel 拆分多个excel并保持
    重定向和反向代理的区别
    es6中的解构赋值
  • 原文地址:https://www.cnblogs.com/byeyear/p/3702553.html
Copyright © 2011-2022 走看看