Hessian Matrix 主要是由 变量的二阶导数所组成,对角线上的元素为:对某一元素的二阶导数,而非对角线元素是对不同元素的混合偏导!它是对称矩阵!
对于多元函数f(x1,x2,x3……xn)二阶连续可导,并且在临界点M=(x1,x2,x3……xn)处梯度为0,M为驻点,仅通过一阶导数无法判断是否为极大、小值点。
记M处的海森矩阵为H(M),由于f(X)在M点连续,所以H(M)是一个(n*n)对称矩阵。对于H(M)有如下结论:
1.如果H(M)是一个正定矩阵,则临界点M点是一个极小值点。
2..如果H(M)是一个负定矩阵,则临界点M点是一个极大值点。
3..如果H(M)是一个不定矩阵,则临界点M点不是极值点。
正定矩阵:对于埃米尔特矩阵(对称矩阵的推广),如果有X属于Rn,即X是n维的向量!有X*H(M)X>0,
负定矩阵:对于埃米尔特矩阵(对称矩阵的推广),如果有X属于Rn,即X是n维的向量!有X*H(M)X<0,
半正定矩阵:对于埃米尔特矩阵(对称矩阵的推广),如果有X属于Rn,即X是n维的向量!有X*H(M)X>=0,
半负定矩阵:对于埃米尔特矩阵(对称矩阵的推广),如果有X属于Rn,即X是n维的向量!有X*H(M)X<=0,
不定矩阵:若它既不是半正定矩阵也不是办负定矩阵则称不定矩阵。
正定矩阵的判别:
1.将矩阵华为P*VP则V为对角矩阵,其对角线上的全部元素为正,则成立。
2.顺序主子式的行列式全为正。
3.……
在高等数学中我们学过,对极值的判定是根据驻点处的二阶导数的值进行判别,一元函数的求值,只是求解其二阶导数就能直接判断,二元函数的求值,对变量求二阶偏导数和各自的混合偏导,然后进行判别,当AC-B^2=0是亦无法进行判别,拓展值更高维度时,我们只是研究出了其具有的必要条件,即低一阶导数的值为0。故此高数中的方法具有很大的局限性!