01 Hesse矩阵与多元函数的极值
- 必要条件:如果函数在处取到极值,那么有
- 其中被称做函数的一个稳定点
- 稳定点
- 鞍点
-
在处的Hesse矩阵是不定的
-
- 极值点
- 是一个极小值点,那么在处的Hesse矩阵是半正定的
- 是一个极大值点,那么在处的Hesse矩阵是半负定的
- 在处的Hesse矩阵是正定的, 是一个严格的极小值点
-
在处的Hesse矩阵是负定的, 是一个严格的极大值点
- 鞍点
-
Hesse矩阵
-
在点处的泰勒展开式的矩阵形式
-
-
Numpy 求矩阵的特征值并做判断
-
import numpy as np a = [[1,0,0],[-2,5,-2],[-2,4,-1]] c = np.linalg.eig(a) eig_values = c[0] p = list(c[0]) positive = 0 negative = 0 null = 0 for i in p: if i > 0: positive += 1 elif i == 0" null += 1 elif i < 0: negative += 1 if negative > 0 and positive > 0: print("it is a saddle point") elif negative > 0 and positive = 0 and null > 0: print("it is a negative semidefinite matrix") print("Warning!!cannot judge!!") elif negative > 0 and positive = 0 and null = 0: print("it is a maximum point") elif negative = 0 and positive > 0 and null = 0: print("it is a minmum point") elif negative = 0 and positive > 0 and null > 0: print("it is a positive semidefinite matrix") print("Warning!!cannot judge!!")
-
02 Leibniz积分法则
- 莱布尼兹法则的一般形式
- 特别的,当时
- 特别的,当时
03 常用函数的展开
- B指伯努利数
- E指欧拉数