如何简便理解梯度向量的计算公式?
什么是梯度向量
在定义域为n维的空间中,给定一个函数\(F: R^n \rightarrow R\),梯度向量这个向量为n-1维的向量,代表着函数\(F\)在某一点\(p\),\(p\)应该往哪个方向走,使得函数\(F\)的增长最快。即,那个方向,函数\(F\)的定义域内,从点\(p\)出发的那个向量,为梯度。
the vector points in the initial direction that takes the greatest increase on \(z\) value when \(x\) moves with this direction.
看一个例子
函数\(F=f(x,y)\)与\((x,y)\)的关系如下:
假设我们需要计算函数\(F\)在点\((3,5)\)的梯度\(\nabla F(3,5)\),我们可以这样算:
首先计算该点在\(x\)方向上,附近的值的变化情况,计算过程如下:
上面第一个式子的值说明:在点\((3,5)\)附近,\(x\)方向的增长率为-3,即减少的幅度为3.
上面第二个式子的值说明:在点\((3,5)\)附近,\(y\)方向的增长率为4.
那么,从x方向来说,我只有两个移动方向,要么向左,要么向右,很明显,如果想增加函数的值,那么只能向左,那么-3的这个‘-’号,是否可以理解为方向,即与x轴的方向相反?,-3是否可以理解为梯度向量(虽然这个向量只有一个维度,但是其有方向,正负号表示方向),表示:在\(x\)方向上,要想函数值增加,只能向着x轴的反方向走,如果向着x轴的反方向走,那么增长幅度为3?我认为是可以的,同样的\(y\)方向上的梯度向量为4。
我们知道,上述函数\(F\)的增长由其在\(x\)方向和\(y\)方向上的增长相加决定(后面会证明),那么我先在\(x\)方向上朝着增大的方向走,然后\(y\)方向上也在朝着增大的方向,注意,走的长度不能变,不然合成的时候,方向会不同(向量(-3,4)和向量(-2.9,4)是不一样的)。
在上面的例子中,向量\(<-3,4>\)的图像如下:
关于“函数\(F\)的增长由其在\(x\)方向和\(y\)方向上的增长相加决定”的证明:
假设\(F=f(x,y)\),那么\(F\)从点\((a,b)\)到点\((c,d)\)的增长值可表示为:
参考文献:
https://ximera.osu.edu/mooculus/calculus3/interpretingTheGradient/digInGradient