- 七度的概念 - 多元函数微分中的重要且难点概念 - 通过爬山例子引入 - 不同方向山的高度变化不同 - 寻找最陡方向的问题 - 数学描述与方向导数 - 山的高度分布用二元函数表示 - Z等于Fxy - 转化为函数值增加最快的方向问题 - 方向导数的定义与作用 - 刻画函数值沿某方向增加的快慢 - 方向导数值越大,函数值增加越快 - 问题转化 - 找到方向导数值最大的方向 - 方向导数公式分析 - 公式写成两个向量的点积形式 - 向量Fx Fy - 单位向量EL - 投影解释 - 方向导数是向量在方向L上的投影 - 投影值最大时方向L与向量同向 - 梯度的定义与性质 - 特殊向量的命名:梯度 - 定义为偏导数组成的向量 - 英文名gradient,简记grad - 梯度的特点 - 方向是方向导数最大的方向 - 大小是方向导数的最大值 - 推广到三元函数 - 温度函数的例子 - 梯度方向是温度增加最快的方向 - 梯度的应用 - 最速下降法的基本思想 - 爬山与梯度方向的关系 - 沿梯度反方向最快到达山谷 - 最速下降法的原理 - 从初始点沿梯度反方向迭代前进 - 应用于求解无约束优化问题 - 其他应用领域 - 图像锐化与边缘提取 - 总结与思考 - 梯度的定义与意义回顾 - 函数在某点处的特殊向量 - 梯度与方向导数的关系 - 思考题 - 等高线图中判断梯度方向 - 梯度方向与等高线的位置关系