导数和梯度，切线和法向量

转自：http://www.cnblogs.com/jerrylead/archive/2011/03/09/1978280.html

作者讲得很清楚

记得在高中做数学题时，经常要求曲线的切线。见到形如之类的函数，不管三七二十一直接求导得到，这就是切线的斜率，然后就得到了处的切线。

上大学又学习了曲面切线和法向量的求法，求偏导是法向量，然后套公式求出切线。

一个经典例子如下：

（来自web上某个《几何应用》ppt）

其中的向量n是F(x,y,z)的偏导数。

然而，这两者求法看似无关啊，中求得的是切线，然而下面的求偏导后却是法向量，为啥都是求导，差别这么大呢？切平面的方程为啥又是与法向量有关呢？

当然这些问题的问答都可以通过严格的数学推导完成。这里想从更加直白的角度来说明道理。

首先，法向量（梯度）是F(X)（其中X={x0,x1,x2,…xn}是n维向量）对各个分量求偏导后的结果，代表了F(X)在各个方向的变化率，整个法向量就是F(X)在各个方向上变化率叠加出来的向量。如对于一维的F(x)=，在x上导数是2x，意味着在x方向上是以2x的速度变化，比如当x=2时，F(x)变化率为4大于当x=1时（变化率为2）的变化率，法向量的方向只能是x方向，因为F(X)是一维。这里的F(X)称为隐函数，如我们平时使用的使用隐函数就可以表示成F(x,y)=f(x)-y，这样其实F(x,y)是二维的。至于为什么导数就是变化率，可以通过导数的定义就可以知道了（微小的dx变化引起多大的dy变化）。

那么我们明白了，隐函数F(X)的法向量就是F(X)对各个分量的偏导数的向量。那么为何中求得的是切线，而不是法向量？其实我们不能搞混了隐函数F(X)和。隐函数是一个函数，它的值根据X的取值不同而不同。而只是x和y之间满足的约束关系，如建立x-y坐标，两者的约束关系可以通过图形（直线、曲线等）来表示。比如我们可以用来表示一条抛物线，而且能够在x-y坐标系下画出来。而换用隐函数表示就是F(x,y)=，只有当F(x,y)等于一个给定值（比如0时），它才是一条抛物线，否则它只是一个函数，如果用z来代替F(x,y)，那么F(x,y)其实是一个曲面，维度上升了1。我们对F(x,y)求偏导后的结果其实就是F(x,y)的值z的变化率。

说明F(x,y)的值究竟将在(x,y)的小范围能变化多少，这个变化率决定于x方向上的微小变换dx和y方向上微小变换dy的线性组合，而他们的系数就是偏导数。将dx和dy换成单位向量i和j就是法向量了。那么梯度也就反映了F(X)在某一点的变化率和变换方向。

说的有点绕口，简而言之，对于一个隐函数F(X)，我们想知道在给定X附近F(X)的变化方向和大小。怎么去刻画？由于X的各个方向（x0，x1，x2…xn）上变化速率和方向都不同（比如在x0上以平方级别变化，在x1上以线性方式变化，这个要根据具体的表达式了），而我们想知道他们叠加在一块是怎么变化的。我们使用全微分公式（比如上面的，可以知道他们之间的叠加系数就是偏导数，叠加结果就是变化率，而方向就是x0，x1，x2…相应的变化方向i，j，k…等线性组合得到的方向。

回到为什么“中求得的是切线”的问题，其实这是最终结论了，是推导出来的。第一步我们将写成隐函数（这里的x，y都是实数了，上面的X是向量），。

然后求F对x的偏导得=

求F对y的偏导得-1。

即梯度是

由于切线和法向量是垂直的，因此切线和法向量内积为0。

设切线方向向量为(m,n)，那么，即。

可见，切线斜率是。

回到上面蓝色图片中的曲面求切平面问题，求出某点的法向量后，在该点的切平面要满足两个条件，一是要过切点，而是要反映出该点的变化方向（这里不是该点F(X)值的变化方向，而是该点自己的变化方向）。然而该点的变化最终要反映出该点F(X)值的变化，也就是切平面的变化要反映出法向量的变化，而偏导数正是反映出了F(X)值的变化。因此切平面的偏导数与F(X)的偏导数是一样的。我们从蓝色图片中看到，切平面正是利用了F(X)的偏导数。

有上面的全微分公式，我们可以更好地理解极值，为什么常说函数取得极值的时候导数为0呢。假设一维情况，吧，要求极小值，两边微分后得，当x=0时，导数2x为0，取得极值。否则，如果x为正数，那么dx只需向左调整(dx<0)，就能使F(x)值变小，如果x为负数，那么dx只需向右调整（dx>0），就能使F(x)变小。因此最后调整结果是x=0。对于二维情况，

的值在计算后会有正负值，但我们应该注意到dx可正可负，dy也可正可负，只要有一个不为0，那么通过调整dx，dy的正负号（也就是确定怎么移动x和y）就可以使的值变大变小。只有在偏导数都是0的情况下，无论如何调整dx和dy，都是0，取得极值。

以上只是一些个人浅显理解，目的是建立感性认识，会存在一些纰漏。

*下面是个人更为通俗的理解：

如果函数是一维的变量，则梯度就是切线的方向

如果是大于一维的，梯度就是在这个点的法向量，并指向数值更高的等值线，这就是为什么求最小值的时候要用负梯度

导数和梯度，切线和法向量相关推荐

小谈导数、梯度和极值
[转载请注明出处] http://www.cnblogs.com/jerrylead 记得在高中做数学题时,经常要求曲线的切线.见到形如之类的函数,不管三七二十一直接求导得到,这就是切线的斜率,然后就 ...
干货来袭！3天0基础Python实战项目快速学会人工智能必学数学基础全套（含源码）（第2天）微积分篇：极限与导数、梯度下降与积分
第1天:线性代数篇:矩阵.向量.实战编程第2天:微积分篇:极限与导数.梯度下降.积分.实战编程第3天:概率分析篇:条件概率与全概率.贝叶斯公式.实战项目目录前言一.极限与导数 1.1 极限 ...
[数值计算-10]：一元非线性函数求最小值 - 导数与梯度下降法Python法代码示例
作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing 本文网址:https://blog.csdn.net/HiWangWenBing/article ...
Python求函数导数并绘制切线
下面我们通过Python来求函数y = 0.01x**2 + 0.1*x的导数,并绘制函数图像以及函数在某一点的切线. 首先,我们给出导数的数学定义式: 其次,我们先来写一写函数导数的实现代码.一般来 ...
切线和倒数_导数法求切线
根据导数的几何意义,切点处导数等于切线斜率,这也作为我们求解函数切线方程的基础. 求切线,我们需要两个要素:①切点坐标,②切点斜率. 1.已经切点:直接通过求切点导数来求切线斜率,然后用点斜式方程求解 ...
Tensorflow 2.x源码详解之第三章：导数（梯度/GradientTape）
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.现 ...
导数与梯度，切线和法向量
查看全文 http://www.taodudu.cc/news/show-6477083.html 相关文章: P值的含义大数据专业数据科学与大数据技术专业有哪些就业方向? 本科大数据专业该怎么上 ...
方向导数、导数、梯度在图形学里的意义
导数是数学概念,对于可导函数,利用割线无限逼近切线,而割线斜率的极线即为切线的斜率,公式为:函数y=f(x)在x=x0处的导数f′(x0),表示曲线y=f(x)在点P(x0,f(x0))处的切线的斜率 ...
随机过程：高斯函数导数、梯度
一.说明高斯函数广泛应用于统计学领域,随机过程,谱分析等.在信号处理领域,用于定义高斯滤波器,在图像处理领域,二维高斯核函数常用于高斯模糊Gaussian Blur,在数理方程领域,主要是用于解决热 ...

导数和梯度，切线和法向量

导数和梯度，切线和法向量相关推荐

最新文章

热门文章