最优化理论(一)梯度直观理解 | 您所在的位置:网站首页 › 方向导数与梯度应用实例 › 最优化理论(一)梯度直观理解 |
文章目录
一:全导数二:极值与微分三:方向导数四:梯度4.1为什么所有方向导数中会存在并且只存在一个最大值?4.2 这个最大值在哪个方向取得?值是多少?
五:如何直观形象的理解方向导数与梯度以及它们之间的关系?六:总结
一:全导数
参考:https://www.zhihu.com/question/26966355/answer/154857139,直接看后面的评论,前面的太复杂了,有能力的可以看看!! 二:极值与微分参考:https://blog.csdn.net/lanchunhui/article/details/51371444 ----------理解,自己看书吧。 三:方向导数 四:梯度引出 梯度:是一个矢量,其方向上的方向导数最大,其大小正好是此最大方向导数。 4.1为什么所有方向导数中会存在并且只存在一个最大值?例子引出: 数学定义: 注:因为这里举的例子是水滴往下滑,所以要说多说明一下,往下滑是梯度的反方向。因为梯度指的是增长最快的方向,而往下滑是减少最快的方向。 4.2 这个最大值在哪个方向取得?值是多少?这个最大值的方向我们就取名为梯度方向。最大方向导数的值是多少这个问题,我没有找到特别直观的方法来说明。我也不想给出计算步骤,要不看起来和数学书也没啥区别。大家自己去查找计算过程吧。 五:如何直观形象的理解方向导数与梯度以及它们之间的关系?六:总结 方向导数是各个方向上的导数; 偏导数连续才有梯度存在; 梯度的方向是方向导数中取到最大值的方向,梯度的值是方向导数的最大值 参考链接:https://www.matongxue.com/madocs/222/ |
CopyRight 2018-2019 实验室设备网 版权所有 |