梯度
多元导数的泛化 / 維基百科,自由的 encyclopedia
親愛的 Wikiwand AI, 讓我們通過簡單地回答這些關鍵問題來保持簡短:
你能列出最重要的事實和統計數據嗎 梯度?
為 10 歲的孩子總結這篇文章
顯示所有問題
在向量微积分中,梯度(英語:gradient)是一种关于多元导数的概括[1]。平常的一元(单变量)函数的导数是标量值函数,而多元函数的梯度是向量值函数。多元可微函数在点上的梯度,是以在上的偏导数为分量的向量[2]。
此條目已列出參考資料,但文內引註不足,部分內容的來源仍然不明。 (2019年6月25日) |
就像一元函数的导数表示这个函数图形的切线的斜率[3],如果多元函数在点上的梯度不是零向量,則它的方向是这个函数在上最大增长的方向、而它的量是在这个方向上的增长率[4]。
梯度向量中的幅值和方向是与坐标的选择无关的独立量[5]。
在欧几里德空间或更一般的流形之间的多元可微映射的向量值函数的梯度推广是雅可比矩阵[6]。在巴拿赫空间之间的函数的进一步推广是弗雷歇导数。