Disambiguazione – Se stai cercando l'unità di misura dell'angolo, vedi Grado centesimale.

Nel calcolo differenziale vettoriale, il gradiente è un operatore che si applica ad una funzione a valori reali (un campo scalare) e dà come risultato una funzione vettoriale. Il gradiente di una funzione è un vettore che ha come componenti le derivate parziali della funzione - vale solo se si utilizzano coordinate cartesiane ortonormali. In generale, il gradiente di una funzione ${\displaystyle f}$, denotato con ${\displaystyle \nabla f}$ (il simbolo ${\displaystyle \nabla }$ si legge nabla), è definito in ciascun punto dalla seguente relazione: per un qualunque vettore ${\displaystyle {\vec {v}}}$, il prodotto scalare ${\displaystyle {\vec {v}}\cdot \nabla f}$ dà il valore della derivata direzionale di ${\displaystyle f}$ rispetto a ${\displaystyle {\vec {v}}}$.

In fisica, il gradiente di una grandezza scalare si usa per descrivere come quest'ultima vari in funzione dei suoi parametri. Ad esempio, si parla di gradiente termico per esprimere la variazione della temperatura lungo una direzione, o di gradiente di pressione per esprimere la variazione della pressione lungo una data direzione.

Il vettore gradiente di una funzione scalare punta secondo la direzione di massima crescita della funzione stessa, ed è quindi perpendicolare ai suoi Insiemi di livello.

Solitamente si definisce l'operatore gradiente per funzioni scalari di tre variabili ${\displaystyle f\equiv f(x_{1},x_{2},x_{3})}$, ma la definizione può essere estesa a funzioni in uno spazio euclideo di dimensione arbitraria. Il gradiente di ${\displaystyle f}$ è un campo vettoriale che in ogni punto dello spazio consente di calcolare la derivata direzionale di ${\displaystyle f}$ nella direzione di un generico vettore ${\displaystyle \mathbf {v} }$ tramite il prodotto scalare tra ${\displaystyle \mathbf {v} }$ e il gradiente della funzione nel punto.

Nel caso di un sistema di riferimento cartesiano ortonormale il gradiente di ${\displaystyle f(x,y,z)}$ è il vettore che ha per componenti le derivate parziali prime calcolate nel punto:

${\displaystyle \nabla f={\frac {\partial f}{\partial x}}{\hat {\mathbf {x} }}+{\frac {\partial f}{\partial y}}{\hat {\mathbf {y} }}+{\frac {\partial f}{\partial z}}{\hat {\mathbf {z} }}}$

dove ${\displaystyle {\hat {\mathbf {x} }}}$, ${\displaystyle {\hat {\mathbf {y} }}}$ e ${\displaystyle {\hat {\mathbf {z} }}}$ sono i versori lungo gli assi.

Dal momento che l'operatore gradiente associa a un punto dello spazio un vettore, il gradiente di una funzione differenziabile scalare ${\displaystyle f\colon X\rightarrow \mathbb {R} }$ su ${\displaystyle X\subset \mathbb {R} ^{n}}$ è un campo vettoriale che associa a ogni ${\displaystyle x\in X}$ il vettore ${\displaystyle \nabla f(x)}$.

Un campo gradiente è conservativo, cioè non si ha dissipazione di energia (il lavoro compiuto lungo una linea chiusa è sempre nullo). Infatti, se si calcola l'integrale di linea lungo una qualunque curva ${\displaystyle \gamma \colon [0,1]\to \mathbb {R} ^{n}}$ che sia chiusa, cioè tale che ${\displaystyle \gamma (0)=\gamma (1)}$ si ottiene:

${\displaystyle \int _{\gamma }\nabla f\cdot \operatorname {d} \!\mathbf {s} =\int _{0}^{1}\nabla f(\gamma (t))\cdot \gamma ^{\prime }(t)\operatorname {d} \!t=f(\gamma (1))-f(\gamma (0))=0.}$

Inoltre, le linee di flusso di un campo gradiente associato a una funzione scalare ${\displaystyle f}$ sono ovunque perpendicolari (o ortogonali) agli insiemi di livello di ${\displaystyle f}$, cioè alle ipersuperfici date dall'equazione cartesiana ${\displaystyle f(\mathbf {x} )=c}$ al variare di ${\displaystyle c\in \mathbb {R} }$. Infatti, i vettori tangenti alle linee di flusso sono dati da ${\displaystyle \nabla f}$: si consideri allora un generico vettore ${\displaystyle v}$ tangente a una superficie di livello in un punto ${\displaystyle x\in \mathbb {R} ^{n}}$, e sia ${\displaystyle \varphi (t)}$ una curva tale che ${\displaystyle \varphi (0)=x}$, che giace interamente su una superficie di livello e tale che il vettore tangente alla curva in ${\displaystyle x}$ è ${\displaystyle \varphi ^{\prime }(0)=v}$. Dato che ${\displaystyle \varphi }$ è su una superficie di livello allora ${\displaystyle f(\varphi (t))=c}$, cioè derivando si ha ${\displaystyle \nabla f(\varphi (0))\cdot \varphi ^{\prime }(0)=\nabla f(x)\cdot v=0}$.

I vettori ${\displaystyle v}$ e ${\displaystyle \nabla f(x)}$ sono allora ortogonali e l'affermazione da verificare segue per l'arbitrarietà di ${\displaystyle x}$ e ${\displaystyle v}$. La derivata direzionale di una funzione in un dato punto di ${\displaystyle f}$ rappresenta poi il valore numerico dato dal limite del rapporto fra la variazione che essa subisce a partire dal punto per uno spostamento lungo la direzione e verso individuata dal versore rispetto a cui si deriva e lo spostamento medesimo al tendere a zero di quest'ultimo e risulta perciò positiva se ${\displaystyle f}$ è crescente lungo tale verso a partire da punto considerato, negativa o nulla in caso contrario; d'altra parte la derivata direzionale del gradiente, proprio per il suo legame col prodotto scalare, è massima (e positiva) lungo il versore che lo individua (proprio come il prodotto scalare di un vettore per un versore è massimo e positivo quando il versore ha la direzione e verso del vettore). Il gradiente è dunque normale alle superfici di livello e diretto nel verso dei livelli crescenti; esso risulta irrotazionale anche se non sempre vale il viceversa a meno che l'insieme su cui il campo è definito sia semplicemente connesso.

Per una funzione liscia ${\displaystyle f}$ definita su una varietà riemanniana ${\displaystyle (M,g)}$ il gradiente è il campo vettoriale ${\displaystyle \nabla f}$ tale che per un qualsiasi campo vettoriale ${\displaystyle X}$ si ha:

${\displaystyle g_{x}((\nabla f)_{x},X_{x})=(\partial _{X}f)(x),}$

dove ${\displaystyle g_{x}(\cdot ,\cdot )}$ indica il prodotto interno (definito dalla metrica ${\displaystyle g}$) tra vettori tangenti la varietà nel punto ${\displaystyle x}$, mentre ${\displaystyle \partial _{X}f}$ è la funzione che a ogni punto ${\displaystyle x\in M}$ associa la derivata direzionale di ${\displaystyle f}$ nella direzione ${\displaystyle X}$ valutata in ${\displaystyle x}$.

In modo equivalente, data una carta ${\displaystyle \varphi }$ definita su un aperto in ${\displaystyle M}$ a valori in ${\displaystyle \mathbb {R} ^{n}}$, la funzione ${\displaystyle \partial _{X}f(x)}$ è data da:

${\displaystyle \sum _{j=1}^{n}X^{j}(\varphi (x)){\frac {\partial }{\partial x^{j}}}(f\circ \varphi ^{-1}){\Big |}_{\varphi (x)},}$

dove ${\displaystyle X^{j}}$ è la ${\displaystyle j}$-esima componente di ${\displaystyle X}$ nella carta considerata. Quindi la forma locale del gradiente è:

${\displaystyle \nabla f=g^{ik}{\frac {\partial f}{\partial x^{k}}}{\frac {\partial }{\partial x^{i}}}.}$

Generalizzando il caso ${\displaystyle M=\mathbb {R} ^{n}}$, il gradiente di una funzione si relaziona con la sua derivata esterna nel seguente modo:

${\displaystyle (\partial _{X}f)(x)=\mathrm {d} f_{x}(X_{x}).}$

Si tratta di un caso particolare (quello in cui la metrica ${\displaystyle g}$ è quella "piatta" data dal prodotto interno) della seguente definizione. Il gradiente ${\displaystyle \nabla f}$ è il campo vettoriale associato alla 1-forma differenziale ${\displaystyle \mathrm {d} f}$ usando l'isomorfismo musicale:

${\displaystyle \sharp =\sharp ^{g}\colon T^{*}M\to TM,}$

definito dalla metrica ${\displaystyle g}$.

Lo stesso argomento in dettaglio: Differenziale (matematica) e Approssimazione lineare.

Il gradiente di una funzione ${\displaystyle f:\mathbb {R} ^{n}\to \mathbb {R} }$ in ogni punto ${\displaystyle x_{0}\in \mathbb {R} ^{n}}$ caratterizza la miglior approssimazione lineare di ${\displaystyle f}$ nel punto:

${\displaystyle f(x)\approx f(x_{0})+(\nabla f)_{x_{0}}\cdot (x-x_{0})}$

per ${\displaystyle x}$ vicino a ${\displaystyle x_{0}}$, con ${\displaystyle (\nabla f)_{x_{0}}}$ il gradiente di ${\displaystyle f}$ calcolato in ${\displaystyle x_{0}}$. Tale espressione è equivalente all'espansione in serie di Taylor di una funzione di più variabili in ${\displaystyle x_{0}}$.

La migliore approssimazione lineare a una funzione ${\displaystyle f\colon \mathbb {R} ^{n}\to \mathbb {R} }$ in ${\displaystyle x_{0}}$ è una mappa lineare da ${\displaystyle \mathbb {R} ^{n}}$ in ${\displaystyle \mathbb {R} }$ detta differenziale o derivata totale di ${\displaystyle f}$ in ${\displaystyle x_{0}}$, e denotata con ${\displaystyle \mathrm {d} f_{x}(v)}$. Il gradiente è legato al differenziale dalla relazione:

${\displaystyle (\nabla f)_{x}\cdot v=\mathrm {d} f_{x}(v),\qquad \forall v\in \mathbb {R} ^{n}.}$

La funzione ${\displaystyle \mathrm {d} f}$ che mappa ${\displaystyle x}$ in ${\displaystyle \mathrm {d} f_{x}}$ è anche detta differenziale o derivata esterna, e si tratta di una 1-forma differenziale.

In ${\displaystyle \mathbb {R} ^{2}}$ si possono introdurre altri sistemi di riferimento, come quello polare:

${\displaystyle {\begin{cases}x=x_{0}+\rho \cos \phi \\y=y_{0}+\rho \sin \phi \end{cases}}}$

dove ${\displaystyle \rho }$ rappresenta la coordinata radiale e ${\displaystyle \phi }$ la coordinata angolare. Per calcolare il gradiente di una funzione ${\displaystyle f=f(\rho ;\phi )}$ è sufficiente eseguire la trasformazione:

${\displaystyle \nabla f(\rho ;\phi )=\left({\frac {\partial f}{\partial \rho }}{\frac {\partial \rho }{\partial x}}+{\frac {\partial f}{\partial \phi }}{\frac {\partial \phi }{\partial x}}\right)\mathbf {e} _{x}+\left({\frac {\partial f}{\partial \rho }}{\frac {\partial \rho }{\partial y}}+{\frac {\partial f}{\partial \phi }}{\frac {\partial \phi }{\partial y}}\right)\mathbf {e} _{y}.}$

Ricordando che:

${\displaystyle {\begin{cases}\rho ^{2}=x^{2}+y^{2}\\\phi =\arctan \left({\frac {y}{x}}\right)\end{cases}}}$

si ottengono le seguenti derivate:

${\displaystyle {\frac {\partial \rho }{\partial x}}={\frac {x}{\sqrt {x^{2}+y^{2}}}}=\cos \phi ;}$

${\displaystyle {\frac {\partial \rho }{\partial y}}={\frac {y}{\sqrt {x^{2}+y^{2}}}}=\sin \phi ;}$

${\displaystyle {\frac {\partial \phi }{\partial x}}=-{\frac {y}{x^{2}+y^{2}}}=-{\frac {\sin \phi }{\rho }};}$

${\displaystyle {\frac {\partial \phi }{\partial y}}={\frac {x}{x^{2}+y^{2}}}={\frac {\cos \phi }{\rho }}.}$

Scrivendo i vettori della base cartesiana come:

${\displaystyle \mathbf {e} _{x}=\cos \phi \,\mathbf {e} _{\rho }-\sin \phi \,\mathbf {e} _{\phi }}$

${\displaystyle \mathbf {e} _{y}=\sin \phi \,\mathbf {e} _{\rho }+\cos \phi \,\mathbf {e} _{\phi }}$

e sostituendo le espressioni trovate nell'equazione del gradiente si ha:

${\displaystyle {\begin{aligned}\nabla f(\rho ;\phi )=&\left(\cos \phi {\frac {\partial f}{\partial \rho }}-{\frac {\sin \phi }{\rho }}{\frac {\partial f}{\partial \phi }}\right)\left(\cos \phi \,\mathbf {e} _{\rho }-\sin \phi \,\mathbf {e} _{\phi }\right)+\\&+\left(\sin \phi {\frac {\partial f}{\partial \rho }}+{\frac {\cos \phi }{\rho }}{\frac {\partial f}{\partial \phi }}\right)\left(\sin \phi \,\mathbf {e} _{\rho }+\cos \phi \,\mathbf {e} _{\phi }\right).\end{aligned}}}$

Perciò, semplificando, il gradiente in coordinate polari diventa il vettore:

${\displaystyle \nabla f(\rho ,\phi )={\frac {\partial f}{\partial \rho }}\,\mathbf {e} _{\rho }+{\frac {1}{\rho }}{\frac {\partial f}{\partial \phi }}\,\mathbf {e} _{\phi }.}$

In ${\displaystyle \mathbb {R} ^{3}}$ si possono utilizzare le coordinate sferiche:

${\displaystyle {\begin{cases}x=\rho \sin \theta \cos \phi \\y=\rho \sin \theta \sin \phi \\z=\rho \cos \theta .\end{cases}}}$

Seguendo il procedimento introdotto per le coordinate polari piane, il gradiente in coordinate sferiche diventa il vettore:

${\displaystyle \nabla f(\rho ,\theta ,\phi )={\frac {\partial f}{\partial \rho }}\,\mathbf {e} _{\rho }+{\frac {1}{\rho }}{\frac {\partial f}{\partial \theta }}\,\mathbf {e} _{\theta }+{\frac {1}{\rho \sin \theta }}{\frac {\partial f}{\partial \phi }}\,\mathbf {e} _{\phi }.}$

In coordinate cilindriche:

${\displaystyle {\begin{cases}x=\rho \cos \phi \\y=\rho \sin \phi \\z=z\end{cases}}}$

seguendo il procedimento introdotto per le coordinate polari piane, il gradiente diventa il vettore:

${\displaystyle \nabla f(\rho ,\phi ,z)={\frac {\partial f}{\partial \rho }}\,\mathbf {e} _{\rho }+{\frac {1}{\rho }}{\frac {\partial f}{\partial \phi }}\,\mathbf {e} _{\phi }+{\frac {\partial f}{\partial z}}\,\mathbf {e} _{z}.}$

In coordinate curvilinee ortogonali, quando la metrica è data da ${\displaystyle \mathrm {d} s^{2}=g_{j}\mathrm {d} x_{j}^{2}}$, il gradiente ${\displaystyle \nabla f}$ di ${\displaystyle f}$ in un punto è il vettore:

${\displaystyle \nabla f={\frac {1}{h_{1}}}{\frac {\partial f}{\partial x_{1}}}\mathbf {e} _{1}+{\frac {1}{h_{2}}}{\frac {\partial f}{\partial x_{2}}}\mathbf {e} _{2}+{\frac {1}{h_{3}}}{\frac {\partial f}{\partial x_{3}}}\mathbf {e} _{3},}$

dove ${\displaystyle h_{j}={\sqrt {g_{j}^{2}}}}$ e con ${\displaystyle \mathbf {e} _{i}}$ si indica il versore della direzione ${\displaystyle i}$-esima (con tutti gli elementi nulli tranne l'${\displaystyle i}$-esimo che vale 1).

Se il sistema è bidimensionale e le coordinate sono curvilinee qualunque ${\displaystyle (u,v)}$, il gradiente della funzione ${\displaystyle f(u,v)}$ assume la seguente forma:

${\displaystyle {\vec {\nabla }}f={\frac {1}{EG-F^{2}}}\left[{\sqrt {E}}\left(G{\frac {\partial f}{\partial u}}-F{\frac {\partial f}{\partial v}}\right){\hat {e}}_{u}+{\sqrt {G}}\left(E{\frac {\partial f}{\partial v}}-F{\frac {\partial f}{\partial u}}\right){\hat {e}}_{v}\right],}$

dove ${\displaystyle E}$, ${\displaystyle F}$ e ${\displaystyle G}$ sono le entrate del tensore metrico:

${\displaystyle (g_{ik})={\begin{pmatrix}E&F\\F&G\end{pmatrix}}.}$

Infatti, poiché il gradiente può essere generalmente scomposto sui versori di base come ${\displaystyle {\vec {\nabla }}f=A{\hat {e}}_{u}+B{\hat {e}}_{v}}$ (con ${\displaystyle A}$ e ${\displaystyle B}$ quantità da determinare), il differenziale della funzione ${\displaystyle f}$ in tale sistema di coordinate diventa

${\displaystyle {\begin{aligned}\mathrm {d} f&={\vec {\nabla }}f\cdot \mathrm {d} {\vec {P}}\\&=(A{\hat {e}}_{u}+B{\hat {e}}_{v})\cdot ({\sqrt {E}}\,\mathrm {d} u\,{\hat {e}}_{u}+{\sqrt {G}}\,\mathrm {d} v\,{\hat {e}}_{v})\\&=(A+B\cos {\alpha }){\sqrt {E}}\,\mathrm {d} u+(B+A\cos {\alpha }){\sqrt {G}}\,\mathrm {d} v\\&={\frac {\partial f}{\partial u}}\mathrm {d} u+{\frac {\partial f}{\partial v}}\mathrm {d} v.\end{aligned}}}$

Risolvendo quindi il sistema

${\displaystyle {\begin{cases}{\dfrac {\partial f}{\partial u}}=(A+B\cos {\alpha }){\sqrt {E}}\\{\dfrac {\partial f}{\partial v}}=(B+A\cos {\alpha }){\sqrt {G}}\end{cases}}}$

e ricordando che ${\displaystyle \cos {\alpha }={\frac {F}{\sqrt {EG}}}}$ (con ${\displaystyle \alpha }$ angolo tra le due direzioni), risulta dimostrato l'asserto iniziale.

Notazioni a cura del matematico e professore Fausto Segala.

• Nicola Fusco, Paolo Marcellini, Carlo Sbordone, Lezioni di analisi matematica due, Zanichelli, 2020, ISBN 9788808520203.
• (EN) W. Kaplan, The Gradient Field §3.3 in Advanced Calculus, 4ª ed., Reading, Addison-Wesley, 1991, pp. 183–185.
• (EN) P. M. Morse e H. Feshbach, The Gradient in Methods of Theoretical Physics Part I, New York, McGraw-Hill, 1953, pp. 31–32.
• (EN) H. M. Schey, Div, Grad, Curl, and All That: An Informal Text on Vector Calculus, 3ª ed., New York, W. W. Norton, 1997.

• Derivata covariante
• Derivata direzionale, definibile anche tramite il gradiente della funzione
• Derivata parziale
• Divergenza
• Funzione differenziabile
• Gradiente ionico
• Matrice jacobiana
• Linea di minor resistenza
• Nabla
• Potenziale vettore, definito a meno del gradiente di una funzione
• Rotore (matematica)
• Subgradiente
• Teorema del gradiente

• Wikizionario contiene il lemma di dizionario «gradiente»
• Wikimedia Commons contiene immagini o altri file sul gradiente

• Gradiente, su Treccani.it – Enciclopedie on line, Istituto dell'Enciclopedia Italiana.
• Gradiente, in Dizionario delle scienze fisiche, Istituto dell'Enciclopedia Italiana, 1996.
• Gradiènte, su Vocabolario Treccani, Istituto dell'Enciclopedia Italiana.
• gradiènte, su sapere.it, De Agostini.
• Gradiente, in Enciclopedia della Matematica, Istituto dell'Enciclopedia Italiana, 2013.
• Gradiente, in Dizionario di Economia e Finanza, Istituto dell'Enciclopedia Italiana, 2012.
• (EN) gradient, su Enciclopedia Britannica, Encyclopædia Britannica, Inc.
• (EN) Eric W. Weisstein, Gradient, su MathWorld, Wolfram Research.
• (EN) Gradient, su Encyclopaedia of Mathematics, Springer e European Mathematical Society.
• Gradiente, in Grande Dizionario di Italiano, Garzanti Linguistica.
• (EN) Gradient (video) | Khan Academy, su khanacademy.org, Khan Academy.
• (EN) IUPAC Gold Book, "gradient", su goldbook.iupac.org.

V · D · M Analisi matematica
Calcolo infinitesimale	Numero reale · Infinitesimo · O-grande · Successione (di funzioni) · Successione di Cauchy · Teorema di Bolzano-Weierstrass · Stima asintotica · Limite (di una funzione · di una successione · Forma indeterminata) · Teorema dei due carabinieri · Limite notevole · Punto di accumulazione · Punto isolato · Intorno · Serie (di funzioni) · Criteri di convergenza · Limite di funzioni a più variabili
Studio della continuità	Funzione continua · Punto di discontinuità · Continuità uniforme · Funzione lipschitziana · Teorema di Bolzano · Teorema di Weierstrass · Teorema dei valori intermedi · Teorema di Heine-Cantor · Modulo di continuità · Funzione semicontinua · Continuità separata · Teorema di approssimazione di Weierstrass
Calcolo differenziale	Derivata · Differenziale · Regole di derivazione · Teorema di Fermat · Teorema di Rolle · Teorema di Lagrange · Teorema di Cauchy · Teorema di Darboux · Teorema di Taylor · Serie di Taylor · Funzione differenziabile · Gradiente · Jacobiana · Hessiana · Forma differenziale · Generalizzazioni della derivata · Derivata parziale · Derivata mista
Integrale	Primitiva · Integrale di Riemann · Integrale improprio · Integrale di Lebesgue · Teorema fondamentale · Metodi di integrazione · Tavole · Integrale multiplo, di linea (1ª specie · 2ª specie) e di superficie (di volume)
Studio di funzione	Funzione · Variabile · Dominio e codominio · Funzioni pari e dispari · Funzione periodica · Funzione monotona · Funzione convessa · Massimo e minimo di una funzione · Punto angoloso · Cuspide · Punto di flesso · Asintoto · Grafico di una funzione · Funzione iniettiva
Disuguaglianze	Disuguaglianza triangolare · Disuguaglianza di Cauchy-Schwarz · Bernoulli · Jensen · Hölder · Young · Minkowski
Altro	Approssimazione di Stirling · Prodotto di Wallis · Funzione Gamma · Teorema delle funzioni implicite · Teorema della funzione inversa · Funzione hölderiana · Spazio metrico · Spazio normato · Intervallo · Insieme trascurabile · Insieme chiuso · Insieme aperto · Palla · Omeomorfismo · Omeomorfismo locale · Diffeomorfismo · Diffeomorfismo locale · Classe C di una funzione · Equazione differenziale · Problema di Cauchy

Portale Matematica: accedi alle voci di Teknopedia che trattano di Matematica