Chinaunix首页 | 论坛 | 博客
  • 博客访问: 4440011
  • 博文数量: 1214
  • 博客积分: 13195
  • 博客等级: 上将
  • 技术积分: 9105
  • 用 户 组: 普通用户
  • 注册时间: 2007-01-19 14:41
个人简介

C++,python,热爱算法和机器学习

文章分类

全部博文(1214)

文章存档

2021年(13)

2020年(49)

2019年(14)

2018年(27)

2017年(69)

2016年(100)

2015年(106)

2014年(240)

2013年(5)

2012年(193)

2011年(155)

2010年(93)

2009年(62)

2008年(51)

2007年(37)

分类: IT职场

2019-05-16 16:56:49

1. 基本概念


    方向导数:是一个数;反映的是f(x,y)在P0点沿方向v的变化率。


    偏导数:是多个数(每元有一个);是指多元函数沿坐标轴方向的方向导数,因此二元函数就有两个偏导数。


    偏导函数:是一个函数;是一个关于点的偏导数的函数。


    梯度:是一个向量;每个元素为函数对一元变量的偏导数;它既有大小(其大小为最大方向导数),也有方向。


2. 方向导数


    反映的是f(x,y)在P0点沿方向v的变化率。


    例子如下:


    


    


2.0 方向导数计算公式


      


2.1 偏导数


     


2.2 二元函数偏导数的几何意义


     


     






2.3 偏导函数


     偏导数与偏导函数的关系:


    偏导数是偏导函数在指定点的函数值,因此在求偏导数时,也可先求出偏导函数,然后再将点代入偏导函数,从而求出函数在此点的偏导数。


     


3. 全微分


   


    


4. 梯度


      梯度是一个向量;既有大小,也有方向。
    


      


4.1 几何意义


    函数z=f(x,y)在点P0处的梯度方向是函数变化率(即方向导数)最大的方向。


    梯度的方向就是函数f(x,y)在这点增长最快的方向,梯度的模为方向导数的最大值。


    












--------------------- 
作者:Arrow 
来源:CSDN 
原文:https://blog.csdn.net/MyArrow/article/details/51332421 
版权声明:本文为博主原创文章,转载请附上博文链接!
阅读(1184) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~