梯度方程

Posted analysis-pde

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了梯度方程相关的知识,希望对你有一定的参考价值。

  一个自然的问题给定一个$n$维$C^1$向量$\vecA(x)$, 能否找到一个位势函数$u$使得, $\nabla u=\vecA$?  

当$\forall  i\neq j$, $\frac\partial A_i(x)\partial x_j=\frac\partial A_j(x)\partial x_i$ 时,可以局部的找到。这其实就是外微分形式的Poincare引理的特殊情形,然后下面给出一个直接的证明。

考虑  $u(x)=\int_0^1 A_i(tx)x_idt$,下面直接求导验证.

$\frac\partial u\partial x_j=\int_0^1\frac\partial A_i(tx)\partial p_kt\delta _kjx_i+A_i(tx)\delta_ijdt$

 $ =\int_0^1\frac\partial A_i(tx)\partial p_jtx_i+A_j(tx)dt$

$ =\int_0^1\frac\partial A_j(tx)\partial p_it x_idt+\int_0^1A_j(tx)dt$

 $ =\int_0^1\fracd A_j(tx)dttdt+\int_0^1A_j(tx)dt$

最后通过对$t$分部积分或者全微分就可以得到,

 $ =\int_0^1\fracd( tA_j(tx))dtdt$

 $ =A_j(x)$.

 

以上是关于梯度方程的主要内容,如果未能解决你的问题,请参考以下文章

梯度泊松方程网格形变

梯度下降和正规方程没有给出相同的结果,为啥?

正规方程,梯度下降,岭回归——机器学习

正规方程,梯度下降,岭回归——机器学习

吴恩达机器学习-2-梯度下降与正规方程

随机梯度下降(stochastic gradient descent),批梯度下降(batch gradient descent),正规方程组(The normal equations)