각 변수에 대한 편미분,partial_derivative을 순서쌍(tuple의 element?)으로 하는 벡터,vector를 기울기벡터 또는 그레이디언트(gradient)(기울기,gradient)라고 한다.
점 에서 편미분은 아래와 같은 벡터를 만드는데
이를 점 에서 의 기울기벡터라고 한다.
// from 수학백과: 편도함수 # 기울기 벡터
tmp from 수학백과: 기울기 벡터 ¶
일변수함수의 미분계수,differential_coefficient는 함수 그래프에서 접선,tangent_line의 기울기,slope를 나타냄.
다변수함수의 기울기벡터,gradient_vector는 함수 그래프에서 접평면,tangent_plane의 기울기,gradient를 나타냄.
- chk
다변수함수의 기울기벡터,gradient_vector는 함수 그래프에서 접평면,tangent_plane의 기울기,gradient를 나타냄.
- chk
tmp; 선형계획법linear_programming에서, easy[1] ¶
'가장 빨리 증가하는 방향'에 밀접.
목적함수가 라면, 목적함수 값이 가장 빨리 증가하는 방향은? 벡터 방향. 이것의 기울기는 1/2이므로, (그것과 직교인) 기울기가 −2인 직선을 실행가능영역(feasible_region, feasible_set ...대충, simplex의 꼭짓점?)의 정점(extreme_point)에 갖다 대서 최적해(z가 최대/최소인 점)를 찾기(i.e. z를 최대화/최소화하기)가 가능.
의 Max가 되는 점을 찾으려면? 가장 빨리 증가하는 방향은 벡터 방향.
tmp ¶
tmp videos en
https://www.youtube.com/watch?v=QQPz3eXXgQI Bazett
{
에 대한 contour plot이 있는 상황.
식 를 만족하는 (그러니까 z가 일정) 곡선 를 따라
이다. 연쇄법칙,chain_rule을 써서
두 벡터의 dot product로 나타내면
왼쪽은 grad(f)이고 오른쪽은 r의 미분이므로 다시 쓰면
내적 왼쪽은 level curve의 normal vector, 오른쪽은 level curve의 tangent vector. i.e.
방향도함수,directional_derivative는
이것은 위 식과 비슷하게 ∇f 뒤에 dot product 형태....
https://www.youtube.com/watch?v=QQPz3eXXgQI Bazett
{
에 대한 contour plot이 있는 상황.
식 를 만족하는 (그러니까 z가 일정) 곡선 를 따라
일 때 smallest magnitude.
i.e. 는 최소 기울기의 방향. (dr/dt is direction of minimum slope)
i.e. 는 최소 기울기의 방향. (dr/dt is direction of minimum slope)
일 때 largest magnitude.
i.e. 는 최대 기울기의 방향. (∇f is direction of maximum slope)
i.e. 는 최대 기울기의 방향. (∇f is direction of maximum slope)
dddddddddddd
}
}
tmp; from https://jebae.github.io/2019/02/25/gradient-vector/
삼변수 x,y,z의 함수 f에 대해 f의 gradient vector:
(i,j,k는 단위방향벡터)
함수의 어느 지점에서 기울기가 가장 큰 벡터.
삼변수 x,y,z의 함수 f에 대해 f의 gradient vector:
함수의 어느 지점에서 기울기가 가장 큰 벡터.
이변수 함수 에 대해서 기울기벡터의 정의는
기울기(gradient)와의 차이......?? 일단 기호는 둘 다 같은데...
방향도함수,directional_derivative와의 비교??
방향도함수,directional_derivative와의 비교??
AKA 그레이디언트 벡터, 구배 벡터
----