Chapter 34. 편미분(Partial Derivative)과 기울기(Gradient) 벡터 Chapter 34. 편미분(Partial Derivative)과 기울기(Gradient) 벡터 34.1다변수 함수(Multivariate Function)의 정의와 표기법 34.2다변수 함수의 정의역, 치역, 그래프의 기하학적 구조 34.3등고선(Contour Line)과 등위면(Level Surface)의 정의와 시각화 34.4다변수 함수의 극한과 연속성의 형식적 정의 34.5경로 의존적 극한의 비존재와 다변수 극한의 고유한 난점 34.6편미분(Partial Derivative)의 형식적 정의와 표기법 34.7편미분의 계산: 다른 변수를 상수로 고정하는 원리 34.8편미분의 기하학적 해석: 좌표축 방향 절단면의 접선 기울기 34.9고계 편미분(Higher-Order Partial Derivative)의 정의 34.10혼합 편미분의 교환 가능성: 클레로 정리(Clairaut’s Theorem)의 증명 34.11기울기 벡터(Gradient Vector)의 정의와 표기법: ∇f 34.12기울기 벡터의 기하학적 해석: 최대 증가 방향과 등고선 직교성 34.13기울기 벡터의 크기와 최대 변화율(Maximum Rate of Change)의 관계 34.14방향 도함수(Directional Derivative)의 정의와 계산 34.15방향 도함수와 기울기 벡터의 내적 관계 증명 34.16기울기 하강법(Gradient Descent)의 기본 원리와 갱신 규칙 34.17학습률(Learning Rate)의 정의와 수렴 조건에 대한 영향 34.18기울기 상승법(Gradient Ascent)의 정의와 최대화 문제로의 적용 34.19전미분(Total Derivative)의 정의와 편미분과의 관계 34.20전미분과 선형 근사(Linear Approximation)의 동치성 34.21미분 가능성(Differentiability)의 다변수 확장과 편미분 존재와의 차이 34.22다변수 함수의 테일러 전개(Taylor Expansion): 1차 및 2차 근사 34.23벡터 값 함수(Vector-Valued Function)의 정의와 편미분 34.24기울기 벡터의 벡터장(Vector Field) 해석 34.25스칼라장(Scalar Field)과 벡터장의 관계: 보존적 벡터장 34.26발산(Divergence)의 정의와 벡터장의 원천/흡수 해석 34.27회전(Curl)의 정의와 벡터장의 순환 특성 34.28라플라시안(Laplacian) 연산자의 정의와 성질 34.29편미분 방정식과 기울기 벡터의 관계: 확산 방정식의 예시 34.30제약 조건 하의 최적화: 라그랑주 승수법(Lagrange Multipliers)의 원리 34.31라그랑주 승수법의 기하학적 해석: 등고선과 제약면의 접선 조건 34.32다중 제약 조건에서의 라그랑주 승수법 확장 34.33KKT 조건(Karush-Kuhn-Tucker Conditions)의 정의와 부등식 제약 34.34기울기 벡터의 수치적 계산: 유한 차분법(Finite Difference Method) 34.35수치적 기울기의 전진, 후진, 중심 차분 근사와 오차 분석 34.36자동 미분(Automatic Differentiation)의 필요성과 기울기 계산의 정확성 34.37딥러닝 손실 함수의 기울기 벡터와 매개변수 공간에서의 최적화 34.38고차원 기울기 벡터의 계산 비용과 확률적 근사 기법의 동기