最优化方法:二、数学基础

本文深入探讨最优化方法的基础,包括二次型与正定矩阵,方向导数与梯度,特别是Hesse矩阵和泰勒展开式在函数极小点判定中的应用。还介绍了凸集、凸锥的概念,以及极小点的数学条件和约束优化问题的分类。
摘要由CSDN通过智能技术生成

主要参考书目:
1. 最优化方法及其应用/郭科,陈聆,魏友华.-北京:高等教育出版社,2007.7(2013.7重印)

1、二次型与正定矩阵

2、方向导数与梯度

3、Hesse矩阵及泰勒展式

  • Hesse(/ˈhɛsə/)矩阵
    2f(X0)=2f(X0)x212f(X0)x2x12f(X0)xnx12f(X0)x1x22f(X0)x222f(X0)xnx22f(X0)x1xn2f(X0)x2xn2f(X0)x2n ▽ 2 f ( X 0 ) = [ ∂ 2 f ( X 0 ) ∂ x 1 2 ∂ 2 f ( X 0 ) ∂ x 1 ∂ x 2 ⋯ ∂ 2 f ( X 0 ) ∂ x 1 ∂ x n ∂ 2 f ( X 0 ) ∂ x 2 ∂ x 1 ∂ 2 f ( X 0 ) ∂ x 2 2 ⋯ ∂ 2 f ( X 0 ) ∂ x 2 ∂ x n ⋯ ⋯ ⋯ ⋯ ∂ 2 f ( X 0 ) ∂ x n ∂ x 1 ∂ 2 f ( X
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值