梯度(Gradient vectors)

梯度(Gradient vectors)

我们知道方向导数讨论的是曲面上任意一点沿着任一方向变化的速率，即方向导数是一个值；而梯度讨论的是其速率变化最快的方向，即梯度是一个向量。

∂f∂l⃗ ={∂f∂x,∂f∂y}⋅{cosα,cosβ}=gradf⋅l0→=|gradf|⋅|l0→|⋅cosθ=|gradf|⋅1⋅cosθ=|gradf|⋅cosθ

当θ=0即，l⃗ 与向量{∂f∂x,∂f∂y}方向相同时，方向导数取到最大值：∂f∂l⃗ =|gradf|=(∂f∂x)2+(∂f∂y)2−−−−−−−−−−−√；因此，函数沿着梯度的方向取得最大的方向导数。

也即：

向量{∂f∂x,∂f∂y}是使函数在一点增加得最快的方向，称向量{∂f∂x,∂f∂y}为函数z=f(x,y)在点(x,y)处的梯度向量，简称梯度，记做：

gradf={∂f∂x,∂f∂y}=∂f∂xi+∂f∂yj=Δf

梯度的几何解释（二元函数）：

函数z=f(x,y)的等值线Γ:f(x,y)=c如下图所示:

易知，曲线F(x,y)=0的法向量为：n⃗ ={Fx,Fy}=gradF=ΔF；令F(x,y)=f(x,y)−c所以，等值线的法向量为：n⃗ ={fx,fy}=Δf；即，等直线在任一点的法向量就是Δf

故梯度向量Δf={∂f∂x,∂f∂y}在任何点都垂直于函数的等值线，并且从函数值较小的等值线指向函数值较大的等值线。可以把等值线类似的看做一座山峰的俯视图（图中的30，20，10表示山峰在某处的高度），由于梯度是函数增加得最快的方向，所以沿着梯度的方向向上爬能最快的到达山顶。

梯度的几何解释（三元函数）：

三元函数u=f(x,y,z)等值面：f(x,y,z)=c（密闭空间，温度相同的面构成的等温面）

易知，曲面F(x,y,z)=0的法向量为n⃗ ={Fx,Fy,Fz}=gradF=ΔF 同理，所以等值面在点(x,y,z)处的法向量为{fx,fy,fz}=Δf

故 梯度向量Δf={fx,fy,fz}在任何点都垂直于函数的等值面，并且从函数值较小的等值面，指向函数值较大的等值面。

梯度的运算律：

ΔC=0
Δ(u±v)=Δu±DeltΔv
Δ(ku)=kΔu
Δ(uv)=vΔu+uΔv
Δ(uv)=vΔu−uΔvv2

Δ(f(u))=f′(u)Δu梯度的链式法则

本内容整理自徐小湛老师《高等数学》视频（链接戳此处）