本章节将介绍无约束问题中的最优化条件,其中包括五个定理。
定理分析:
定理1:设 在
可微,如果存在方向 d ,使
,则存在
,使得对每个
,有
。
证明:函数 在
的一阶Taylor展开式为:
即只需证明 ,
其中,当 时,
,又由于
所以当 λ 充分小时,
因此存在 ,使得
时,有
,
从而得到:。
定理2:设 在
可微,若
是局部极小点,则
.
证明:用反证法,设 ,令
,
则由定理1可知,必存在 ,使得当
,有
,这与
是局部极小点产生矛盾。
定理3:设 在
二次可微,若
是局部极小点,则
,且Hesse矩阵
半正定。
证明:设 d 是任意一个 n 维向量,由于 在
二次可微,且
,则函数
在
的二阶Taylor展开式为:
由于 是局部极小点,当 |λ| 充分小时,必有
,故有
,即
半正定。
定理4:设 在
二次可微,若
,且Hesse矩阵
正定。则
是局部极小点.
定理5:设 是定义在
上的可谓凸函数,
,则
为全局极小点的充要条件是
例题分析:
例题:利用最优性条件求解下列问题:。
解:
思路:利用一阶条件求驻点,利用二阶条件判断驻点是否是极小点。
,
令,
得到驻点:
,
,
,
,
,
,
行列式小于0,
,
是鞍点;
为正定矩阵,
是极小点;
为负定矩阵,
是及大点。
(行文中若有纰漏,希望大家指正)