We're sorry but this page doesn't work properly without JavaScript enabled. Please enable it to continue.
Feedback

Norm und Gradient

00:00

Formal Metadata

Title
Norm und Gradient
Subtitle
Differentiation 3
Title of Series
Part Number
3
Number of Parts
11
Author
License
CC Attribution - NonCommercial - NoDerivatives 3.0 Germany:
You are free to use, copy, distribute and transmit the work or content in unchanged form for any legal and non-commercial purpose as long as the work is attributed to the author in the manner specified by the author or licensor.
Identifiers
Publisher
Release Date
Language

Content Metadata

Subject Area
Genre
Direction (geometry)Derived set (mathematics)Partial derivativeDifferential (mechanical device)RichtungsableitungQuotientFunction (mathematics)RootFactorizationPartial derivativeNormal (geometry)Multiplication signFunctional (mathematics)Point (geometry)Term (mathematics)Matrix (mathematics)DivisorComputer animation
GradientGradientNormal (geometry)Vector spaceLengthSign (mathematics)Differential (mechanical device)Functional (mathematics)Vector graphicsComputer animation
Was Sie oft brauchen werden, das ist das Differential der Euclidischen Norm. Ich habe Ihnen hier nochmal den Funktionsterm hingeschrieben und was wir sofort sehen, ist wenn x ungleich Null ist, so ist die Norm partiell differenzierbar in x, nämlich
was finden wir für beliebiges K von 1 bis N? Die Richtungsableitung in Richtung eK von
der Norm ausgewertet in x, das ist also nur die partielle Ableitung nach xK von der Wurzel aus x1² plus plus plus xN². Fassen wir das als Funktion von xK allein auf, dann kriegen wir
als Ableitung hier einmal die 1 durch 2 mal die Wurzel aus x1² plus plus plus xN² und da kommt
noch die innere Ableitung dazu, das ist 2xK. Die 2 können wir rauskürzen und dann steht da xK durch die Norm von x und demnach können wir die Jacobi-Matrix angeben. D von der Zwei-Norm,
das ist ja nichts anderes als d1 von x in der Zwei-Norm bis dN von x in der Zwei-Norm.
Das ist also, wir kriegen immer den Faktor 1 durch die Norm, das können wir also rausziehen und dann haben wir hier einfach nur x1 bis xN. Ja und wie sieht das in x gleich null aus? Da
ist die Norm nicht partiell differenzierbar, denn schauen wir uns einfach mal an den
differenzen Quotienten, den wir dazu betrachten müssen. Der ist ja die Funktion im Punkt null plus t mal Ek minus die Funktion in dem Punkt, in dem wir es betrachten, also
durch t und das ist die Würzel aus t² minus null durch t, also t-Betrag durch t. Und ja,
der Liemes hier von diesem differenzen Quotienten für t gegen null, der existiert nicht, denn wenn wir t positiv wählen und gegen null gehen lassen, dann ist das gleich plus eins,
wenn wir t negativ und lassen es gegen null gehen, dann kriegen wir minus eins. Das sind zwei verschiedene Werte, die nicht übereinstimmen. Für Funktionen vom R hoch N speziell nach R,
also solche mit M gleich eins, hat man, wenn sie denn partiell differenzierbar sind, noch einen weiteren kleinen Begriff, nämlich den des Gradienten. Der wird hier mit so einem Nabler-Zeichen bezeichnet. Nabler F von A. Das ist nichts anderes als die transponierte
der Jacobi-Matrix, also die transponierte des Differentials. Und ja, weil wir wissen, das Differential hier, die Jacobi-Matrix, das ist eine 1-Kreuz-N-Matrix, so erhalten wir als
Gradienten immer einen Vektor der Länge N. Und machen wir ruhig ein Beispiel. Also was ist der Gradient von der Norm? Das ist, wir hatten gerade gesehen, das gibt x transponiert
durch die Norm selbst und das müssen wir wiederum transponieren. Das ist also einfach nur x durch Norm x.