본문 바로가기

공업수학

Gradient (구배)는 그 점에서 가장 기울기가 급한 방향을 가르킨다.

 공업수학을 처음 배우게 되면서 보게되는 \(\nabla\)이 문양은 나블라(nabla)라고 불리며 하프를 가르키는 그리스어 (nabla)에서 유래 되었다.

수학에서는 델(\(\nabla\)) 연산자라고 불린다.

\(\nabla\)는 하프에서 유래되었다.

[그림출처: wikipedia]

3차원 x,y,z좌표계에서 \(\nabla\)은 다음과 같이 정의 된다.

$$\nabla=\left(\frac{\delta}{\delta x}\vec i+\frac{\delta}{\delta y}\vec j +\frac{\delta}{\delta z}\vec k\right)\label{1}\tag{1}$$

 

그리고 스칼라 함수 \(f\)에 \(\nabla\)를 내적한 gradient(구배)는 다음과같이 정의된다.

 

$$grad~f=\nabla \cdot f=\frac{\delta f}{\delta x}\vec i+\frac{\delta f}{\delta y}\vec j +\frac{\delta f}{\delta z}\vec k\label{2}\tag{2}$$

 

식(2)에서 볼 수 있듯 \(\nabla \cdot f\)는 벡터 값이다.

(스칼라 함수 f에 \(\nabla\)를 취하니까 벡터 함수가 되었다.)

우리가 익히 알고 있듯 벡터 값은 크기와 방향을 가진다. 

그리고 이 \(\nabla \cdot f\) 라는 벡터함수의 결과 값은 신기하게도 그 점에서 기울기가 가장 급한 방향을 가르키고 그 크기를 알려준다.

 

단순히 스칼라 함수에 \(\nabla\)를 취함으로서 그 점에서 가장 기울기가 큰 방향을 알 수 있다는 것이다.

 

예를 들어 방의 온도에 관한 함수를 \(f=(x,y,z)=x^2-3y+2z^3\)라고 한다면 점 (4,2,1)에서 방의 온도는 $$f(4,2,1)=12^\circ C\label{3-1}\tag{3-1}$$ 그리고 그 점에서 온도가 가장 급격하게 변하고 있는 방향은 $$\nabla \cdot f=2x-3+6z\label{3-2}\tag{3-2}$$  $$\nabla \cdot f(4,2,1)=8\vec i-3\vec j+6\vec j\label{3-3}\tag{3-3}$$  

 

그리고 그 기울기의 크기는 $$|\nabla f|=\sqrt{8^2+3^2+6^2}=109\label{3-4}\tag{3-4}$$

라는 것이다.

 

단순히 스칼라 함수에 \(\nabla\)을 내적하는것, \(grad~f\)는 어떻게 기울기가 가장 큰 방향을 가르키는 벡터함수가 되는걸까?

 

[1-1] 편미분의 의미

식(\ref{1})을 다시 살펴보면 \(\nabla\)의 각 성분은 각 축에 대한 편미분을 의미하는 것을 확인할 수 있다.

그러므로 \(\nabla\)을 더 잘 이해하기 위해서 우리는 편미분의 의미를 알아야 한다.

 

편미분은 함수 f(x,y,z)가 한 점에서 다른방향로의 이동은 하지않는 상태에서 오로지 한 방향으로의 아주 작은 이동이 f값의 변화에 미친 영향을 의미하는 값이다.

예를들어 식(\ref{2})에서 \(\vec i\)의 성분 \(\frac{\delta f}{\delta x}\)(함수 \(f\)의 \(x\)에 대한 편미분값)은 한 점에서 y,z값은 상수로 고정시킨 상태에서 오로지 x 방향으로의 아주 작은 이동이 f값의 변화에 미친 영향을 의미한다.

$$\frac{\delta f}{\delta x}=\lim_{\Delta x\to 0}\frac{f(x+\Delta x,y,z)-f(x,y,z)}{\Delta x}$$

 

->위 예제에서 \(\frac{\delta f}{\delta x}\) 는 y와z값이 상수로 고정된 상태 \(x=2,z=1\) 오로지 x에 의해서만 변하는 f값의 변화율을 의미한다.

 

 

[3차원에서 편미분의 정의 시각화]

 

[y를 2, z를 1로 고정하고 x값을 변화시키는 경우의 f 값의 변화]

 

 

[x값에 따른 f 값의 변화와 편미분의 시각화]

 

 

 

[1-2] 함수값이 가장 커지는 방향

어떤 점에서 편미분 값이 다음과 같은 한 점이 있다고 생각해보자
\(\frac{\delta f}{\delta x}=3\)
\(\frac{\delta f}{\delta y}=2\)
\(\frac{\delta f}{\delta z}=1\)
 

이 점에서 f는 X방향으로 1이동할 경우 3증가, Y방향으로 이동할 경우 2증가, Z방향으로 이동할 경우 1증가한다.

 

이 점에서 어느 방향으로 1만큼 움직여야 가장 f가 커질까?

즉 이점에서 기울기가 가장 큰 방향은 어디인가?

 

쉽게 생각했을때 X방향의 변화율이 가장 크니까 X방향으로 1 움직였을때 f값은 3 증가라고 생각할 수 있으나

 

 실제로는 X방향으로 \(\frac{3}{\sqrt {14}}\), Y로 \(\frac{2}{\sqrt {14}}\) , Z로 \(\frac{1}{\sqrt {14}}\)로 총 1만큼 움직여야 f값은 \(\sqrt {14}\)로 가장 많이 증가한다.

 

즉 단위거리를 움직일때 \(grad f=\nabla\cdot f=\) \(\left(\frac{\delta f}{\delta x},\frac{\delta f}{\delta y},\frac{\delta f}{\delta z}\right)\) 방향인  [3,2,1]방향으로 움직여야  값이 가장 커진다.

 

[2-1] 2차원에서 생각해 보기

 

변수가 3개인 \(f(x,y,z)\)에서는 Gradient가 가르키는 방향이 기울기가 가장 큰 방향이라는 것은 눈으로 확인하기 힘들기 때문에

 

변수가 2개인 함수 \(f(x,y)\)에서 Gradient의 의미를 생각해 보기로 한다.

 

위 그림 처럼 함수 \(f(x,y)\)가 x,y평면을 기울어진 상태로 통과하는 어떤 평면의 모습을 취한다고 가정한다면

 

위 그림에서

x가 0인 지점에서 y에 의한 f의 기울기 = 빨간선의 기울기=\(\frac{h}{b}\) 는 이 그림이 함수의 특정부분을 매우 크게 확대한 상태라고 생각한다면 \(\frac{\delta f}{\delta y}\)를 의미한다.

 

y가 0인 지점에서 x에 의한 f의 x의 기울기 = 파란선의 기울기 =\(\frac{h}{a}\)는 마찬가지로 확대한 그림이라고 생각할 경우  \(\frac{\delta f}{\delta x}\)를 의미한다.

 

아까의 질문을 다시 해보면

 

점 O에서 어느 방향으로 가야 f의 크기가 가장 커질까 ?

 

변화율이 가장 크다는 것은 동일한 높이 h에 최단거리로 다다른다는것을 의미한다.

\(=f(x,y)=h\) 에 최단거리로 다다를 수 있는 방향

\(=\overline{AB}\)에 수직인 방향

 

\(\overline{AB}\)의 방정식은 \(y=-\frac{b}{a}x+b\) 이므로

이에 수직하고 점 O를 지나는 직선을 그려보면

 

 

 

 

 

 

 

 

 

 

 

------------------------------------------------------------------------------------

 

\(\overline{OC}=y=\)\(\frac{a}{b}\)\(x\)와 \(\overline{AB}\)의 교점

 

점\(C=(p,q)\)를 잡을 수 있다.

 

점 O에서 \(\vec r=[p,q]\) 방향으로 가야 f 의 기울기가 가장 커지는것을 확인할 수 있다.

 

이때 파란선의 기울기 \(\frac{h}{a}\)=\(\frac{\delta f}{\delta x}\)이므로 \(a=\)\(\frac{h}{\frac{\delta f}{\delta x}}\)

 

빨간선의 기울기 \(\frac{h}{b}\)=\(\frac{\delta f}{\delta y}\)이므로 \(b=\)\(\frac{h}{\frac{\delta f}{\delta y}}\) 

 

 

그러므로 \(\bigtriangledown\cdot f=\left[\frac{\delta f}{\delta x},\frac{\delta f}{\delta y}\right]\) 는 f의 기울기가 가장 커지는 \(\vec r=[p,q]\)과 같은 방향이다.

 

 고로 Gradient F는 그 점에서 가장 변화율이 큰 방향을 가르킨다.



 

[편미분과 구배의 직관적이해]

 

'공업수학' 카테고리의 다른 글

발산정리 (Divergence Theorem, 發散整理)  (0) 2019.01.25
평면의 방정식  (0) 2019.01.02