数据科学家成长之旅

关注 机器学习,深度学习,自然语言处理,数学

函数梯度及空间曲面切平面

函数梯度及空间曲面切平面

求曲面(线)的 \(y=x^2\) 在点 \(P(1,1)\) 处的切线。

解:
  令:\(f(x,y)=x^2-y\)
  则梯度方向为:\(\nabla f(x,y)=2xi-j\)
  所以等值面(等高线) \(f(x,y)=x^2-y=0\) 的在点 \(P(1,1)\) 处的法向量为:\(\overrightarrow {n} = (2,-1)\)
  所以,\(y=x^2\)\(P(1,1)\) 处的切线(面)方程为:
      \(2(x-1)-(y-1)=0\)
  即:\(2x-y-1=0\)

总结:

首先重申一下梯度的概念
  函数\(f(\overrightarrow {x})\)在某点的梯度是这样一个向量:它指向的方向函数增加最快;此时,函数在这个方向的方向导数达到最大值,这个最大值就是梯度的模。

  所谓“梯度垂直于等高线” 是指:

  • \(f(x,y)\) 在某点梯度方向垂直于\(f(x,y)=C\) 的等高线,而不是垂直于 \(f(x,y)\) 本身
  • 梯度为等高线在该点的法向量
  • 如果两个等值面法线相等,则这两个等值面相切,且有共同的切平面。

这个材料写的还可以:方向导数与梯度
或者打开学习的正确方式:梯度,方向导数,切平面

画图说明:
  如果把 \(f(x,y)=x^2-y\)当做一个二元函数的取值,并且放在第三个维度来看\(f(x,y)\) 的取值:

  但是,分别取两个等高线 \(f(x,y)=x^2-y=0\)\(f(x,y)=x^2-y=-2\) 两个等高线,并分别在 \((1, 1)\) 处和 \((1, 3)\)处根据\(f(x,y)\)的梯度找到做两者的法线方程(图中未画)和切线方程。


现在我们上升一个维度来继续做相同的事情,来加深对概念的理解:

\(x^2+2y^2+3z^2=6\)\(P(1,1,1)\) 处的法线方程:

解:
  令:\(f(x,y)=x^2+2y^2+3z^2\)

  则梯度方向为:\(\nabla f(x,y,z)=2xi+4j+6z\)

  由梯度和等值面的关系可知:隐函数\(f(x,y,z)\)在点\(P\)处的梯度方向, 就是等值面\(f(x,y,z)=6\)\(P\)处的法向量方向。

  所以等值面(等高线) \(f(x,y,z)=6\) 的在点 \(P\) 处的法向量为:\(\overrightarrow {n} = (2,4,6)\)

  所以,\(y=x^2\)\(P(1,1)\) 处的切平面方程为:
        \(2(x-1)+4(y-1)+6(z-1)=0\)
  即:\(2x+4y+6z-12=0\)
  
  法线方程是:
    \(\dfrac{x-1}{2}=\dfrac{y-1}{4}=\dfrac{z-1}{6}\)
  或者写作:\(x=2t+1, y=4t+1, z=6t+1\)

  
  现在,我们画图来理解 \(f(x,y,z)=x^2+2y^2+3z^2\)\(f(x,y,z)=6\),以及切平面的位置。
  不过现在有个问题,因为我们只能看到三维空间中的图像,如果上升到四维,我们在三维空间是表示不了因变量 \(f(x,y,z)\)。所以,只能画出等值面,以及等值面 \(f(x,y,z)=6\) 的切平面 【注意这个等值面是三维的,不同于我们印象中的二维的等值面(等高线)

这里提一下对与一维的\(f(x)\)怎么理解梯度方向垂直于等高线:
  例如: \(x^2 = 4\), 则 \(f(x)=x^2\),梯度方向为 \(\nabla f(x)=2xi\),在 \(x=2\) 处的等高线 \(f(x)=4\) 为垂直于 \(x\) 轴的一条直线(整个示意图都在一维坐标上完成),而由于只有一维,梯度方向就是延 \(x\) 轴指向正的方向。所以“梯度方向(\(x\)轴)”垂直于“等高线(\(f(x)=4\))”,并且梯度方向指向的是 \(f(x)\)增大的方向。
【lk:这个一维下的概念纯属个人的理解,若有不对之处,望指正。】

posted on 2017-03-03 17:44  会飞的蝸牛  阅读(6927)  评论(2编辑  收藏  举报

导航