梯度的本意是一个矢量向量，表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向，变化最快，变化率最大。
应用：在向量微积分中，标量场的梯度是一个向量场。
标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这个最大的变化率。
更严格的说，从欧几里得空间Rn到R的函数的梯度是在Rn某一点最佳的线性近似。
在这个意义上，梯度是雅可比矩阵的特殊情况。
在单变量的实值函数的情况，梯度只是导数，或者，对于一个线性函数，也就是线的斜率。
梯度在向量微积分中，标量场的梯度是一个向量场。
标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这个最大的变化率。
严格的说，从欧氏空间Rn到R的函数的梯度是在Rn某一点最佳的线性近似，梯度是雅戈比矩阵的一个特殊情况。
梯度在单变量的实值函数的情况，只是导数，对于一个线性函数，就是线的斜率。
数学中的模是向量的模，定义为：向量的长度叫做向量的模。
向量的模的运算没有专门的法则，一般都是通过余弦定理计算两个向量的和、差的模。
多个向量的合成用正交分解法，如果要求模一般需要先算出合成后的向量。
模是绝对值在二维和三维空间的推广，可以认为就是向量的长度。
推广到高维空间中称为范数。