如何用Python绘制指定函数的梯度矢量图？代码问题排查

问题点 #

1. np.gradient返回值顺序错误
   当传入二维数组给np.gradient时，它的返回顺序是沿y轴（行方向）的梯度、沿x轴（列方向）的梯度，但你代码里把第一个返回值赋值给了Gx（x方向梯度），第二个给了Gy（y方向梯度），完全搞反了，这是导致矢量图方向错误的核心原因。

2. 数值梯度的局限性
   np.gradient是数值近似方法，对于能直接推导解析解的函数，用数值梯度没必要，还可能引入误差。对于函数$f(x,y)=\frac{1}{20}x^2+y2$，其梯度的解析解可以直接算出：
   $$\nabla f = \left( \frac{\partial f}{\partial x}, \frac{\partial f}{\partial y} \right) = \left( \frac{x}{10}, 2y \right)$$

修复方案 #

方案1：修正np.gradient的返回值顺序 #

如果坚持用数值梯度，只需要调换Gx和Gy的赋值顺序：

import numpy as np
import matplotlib.pyplot as plt

def func(x, y):
    return 1/20 * x**2 + y**2

def gradient(x, y):
    return np.gradient(func(x, y))

x = np.linspace(-20, 20, 20)
y = np.linspace(-10, 10, 20)
X, Y = np.meshgrid(x, y)

# 调换返回值顺序，第一个是Gy，第二个是Gx
Gy, Gx = gradient(X, Y)

plt.quiver(X, Y, Gx, Gy)
plt.show()

方案2：使用解析梯度（推荐） #

直接用推导出来的梯度公式，结果更准确且逻辑清晰：

import numpy as np
import matplotlib.pyplot as plt

def func(x, y):
    return 1/20 * x**2 + y**2

# 直接定义解析梯度
def gradient(x, y):
    Gx = x / 10
    Gy = 2 * y
    return Gx, Gy

x = np.linspace(-20, 20, 20)
y = np.linspace(-10, 10, 20)
X, Y = np.meshgrid(x, y)

Gx, Gy = gradient(X, Y)

plt.quiver(X, Y, Gx, Gy)
# 可选：添加等高线让图更直观
plt.contour(X, Y, func(X,Y), levels=10, colors='gray')
plt.show()

内容的提问来源于stack exchange，提问作者chong zhao