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
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)