大于小于优化_工程优化设计与Matlab实现——优化设计的数学基础

一切问题都可以转化为数学问题。——笛卡尔

世界上任何一门学科，如果没有发展到能与数学紧密联系在一起的程度，就说明该学科还未发展成熟。 ——马克思

是的，无论是哪种优化设计问题，其本质都可以归结为多元非线性函数的极小值问题。所以仍然会涉及到数学中的一些概念，在这里仅做一些简单的介绍。

向量和矩阵的范数

1. 向量的范数

我们可以将范数理解为对向量的一种度量，即向量的“长度”。如我们常用的向量的模，

，就是向量的2范数。范数有三个性质：范数恒大于等于0；向量乘以一个实数a后的范数等于实数a的绝对值乘原向量的范数；两个向量和的范数小于等于两个向量范数的和。

我们常用的向量范数有：

1范数：

2范数：

无穷范数：

2.矩阵的范数

n阶方阵A的范数为

常用的矩阵范数有：

1范数（最大列范数）：所有列向量的范数中最大的那一个

2范数：

其中

为矩阵

的最大特征值

无穷范数（最大行范数）：所有行向量的范数中最大的那一个

方向导数和梯度

1.方向导数

方向导数是函数在某一点沿某一方向的变化率，通俗的说就是函数在某一方向的导数，它表征了该函数在这一点处沿某一方向变化的快慢。某二元函数沿d方向的方向导数定义为：