为何np.gradient计算的二维梯度与解析梯度结果不符？

我尝试用np.gradient在二维平面上计算梯度，但结果不符合预期。选用解析函数测试：

z = f(x,y) = -(x - 2)**2 - (y - 2)**2

该函数的梯度向量本应指向中心(2,2)，但np.gradient给出的结果方向不对。以下是运行代码：

import numpy as np
import matplotlib.pyplot as plt

# Define the grids for x and y
x = np.linspace(0, 4, 100)  # 100 points between 0 and 4
y = np.linspace(0, 4, 100)  # 100 points between 0 and 4
X, Y = np.meshgrid(x, y)  # Create a 2D grid

# Define the function f(x, y)
Z = -(X - 2)**2 - (Y - 2)**2

# Compute gradients numerically
dz_dx, dz_dy = np.gradient(Z, x, y)


# Downsampling to reduce the density of arrows
step = 10

plt.figure(figsize=(10, 8))
contour = plt.contourf(X, Y, Z, cmap='viridis', levels=50, alpha=0.8)
plt.colorbar(contour, label='f(x, y)')
plt.quiver(X[::step, ::step], Y[::step, ::step], dz_dx[::step, ::step], dz_dy[::step, ::step], 
           color='r', headlength=3, headwidth=4)
plt.title('Function $f(x, y) = -(x - 2)^2 - (y - 2)^2$ and its gradients (numerical)')
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)

plt.show()

问题出在梯度计算的轴顺序与网格维度不匹配：

1. 网格维度对应关系
   np.meshgrid(x, y)默认使用indexing='xy'，生成的X和Y满足：

• X[i,j] = x[j]：轴1（列方向）对应x的变化
• Y[i,j] = y[i]：轴0（行方向）对应y的变化

2. np.gradient的返回顺序
   对于二维数组Z，np.gradient(Z, spacing0, spacing1)返回的两个数组分别是：

• 第一个数组：沿轴0（y方向）的梯度，即dz/dy
• 第二个数组：沿轴1（x方向）的梯度，即dz/dx

你当前代码中错误地将返回值顺序赋值为dz_dx, dz_dy，同时spacing参数的顺序也搞反了（应该先传y的spacing，再传x的spacing）。

修正后的代码 #

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 4, 100)
y = np.linspace(0, 4, 100)
X, Y = np.meshgrid(x, y)

Z = -(X - 2)**2 - (Y - 2)**2

# 修正梯度计算的顺序：先轴0（y）的spacing，再轴1（x）的spacing，返回dz_dy, dz_dx
dz_dy, dz_dx = np.gradient(Z, y, x)

step = 10

plt.figure(figsize=(10, 8))
contour = plt.contourf(X, Y, Z, cmap='viridis', levels=50, alpha=0.8)
plt.colorbar(contour, label='f(x, y)')
# quiver中使用正确的dz_dx（x方向梯度）和dz_dy（y方向梯度）
plt.quiver(X[::step, ::step], Y[::step, ::step], dz_dx[::step, ::step], dz_dy[::step, ::step], 
           color='r', headlength=3, headwidth=4)
plt.title('Function $f(x, y) = -(x - 2)^2 - (y - 2)^2$ and its gradients (corrected)')
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)

plt.show()

验证解析解 #

该函数的解析梯度为：

• $\frac{\partial f}{\partial x} = -2(x-2)$
• $\frac{\partial f}{\partial y} = -2(y-2)$
  修正后的数值梯度会与解析解一致，箭头将正确指向中心(2,2)。

内容的提问来源于stack exchange，提问作者rthgtr Gaehgq