人工智能新手入門——高數篇(方向導數)

方向導數:

在我們先談方向導數的時候,我們先了解一個東西,叫向量、

向量:

向量就是一個有大小有方向的線段,我們應該怎麼想想他呢,好比說在一個座標軸中,有一個點座標是(x,y),把它跟原點鏈接,再給他加個箭頭表示方向,他就是向量了,可以二維可以三維可以多維。

向量的運算:

向量的加減法和數乘:

上面列出了向量部分運算的方法,加減法就很好理解了,基本就是各個對應的座標的加減,並且符合平行四邊形和三角形法則。

數乘就是一個常數與向量裏面的座標點分別相乘得到的一個新向量。

向量的內積和向量積:

北風

數量積就是內積,他就是兩個向量的每個元素分別相乘,然後再把乘得的結果相加最後得到的一個常數就是內積;

向量積就是兩個向量的元素分別相乘,最終得到的一個新的向量,這個就是向量積。

正交向量:

正交向量就是兩個或者幾個相互垂直並且相交的向量,垂直的向量點積爲零。

方向角與方向餘弦:

方向角我們要怎麼想象他呢,在圖中給出了例子,首先想象一個三維座標系,然後在這個座標系中想象一個非0的向量,我們叫他 r ,這個向量與三條座標軸的夾角就是方向角。

通常我們標記他們爲 \alpha, \beta, \gamma ,其中 \alpha 表示的是向量與x軸之間的夾角度數,\beta 表示的是向量與 y 軸的夾角,\gamma 表示的是向量與z軸的夾角,通過這幾個角度我們更能清晰的描述出這個向量在座標軸中的方向。

就這上面的圖順便介紹下單位向量:

單位向量其實就是長度爲1的向量,r與各個座標軸的餘弦值的平方,然後相加正好等於1。這時候圖中的 e_{r} 就是如r相同方向的單位向量了。

接下來咱們舉個栗子:

北風

在圖中給了一個向量的座標,他是個三維向量,首先我們計算他的模長,就是屁股減腦袋(末值減初值),得到向量的對應三個座標的點,然後加個絕對值,計算出長度。。現在有了長度,這個長度我們就把它當做cos餘弦值的斜邊,分別用計算得到結果的座標點比上斜邊,我們就可以得到各個夾角的餘弦值,再通過餘弦值大小逆推出方向角。

方向導數:

接下來就是該篇的核心了,方向導數,顧名思義,他是對一個向量進行求導:

北風

首先簡單的說一下什麼是方向導數,方向導數就把他想象成一個三元函數的導數,把它想象成一個空間上存在的函數,圖中的 l 是與該函數相交的一個方向,接下來點P沿着l方向向P{}'移動。並且存在極限,那麼就有上圖的公式了,看上去是不是很熟悉,導數是f(x),裏面有一個自變量,二元偏導數是f(x,y),三元偏導數是f(x,y,z)。接下來咱們引入一個定理:

在上圖中提到了可微,我們就把他理解能可求偏導數就行了。在方向導數這裏,我們要求的是在l這個方向上p點的變化率。通過三個座標軸的角度餘弦,直接就可以求出l想象 ρ 點的變化率了。接下來在引進一個例子給大夥看看:

北風
北風

這章結束了,好像介紹的不怎麼樣,以後慢慢的再來更新吧。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章