前言
多元函数
y对某一个变量的导数是偏导数;
偏导数的结果可以推广到任意方向,也就是方向导数;
方向导数只跟这一个点的梯度有关
对于梯度的研究并不足以证明函数在某点上取到极值,还需要对二阶微进行计算
多元函数的二阶微信就是hessian矩阵——可以刻画函数在任意方向的二阶导数
当hessian矩阵是正定矩阵,则函数在此点取最小值,当hessian矩阵为负,则函数在此点取最大值,当函数在某些方向取正,在某些方向取负,则在此点取不到极值
求某个条件的y的极值——拉格朗日乘数法
一、极限和连续
在(0,0)这个点上极限不存在,所以不连续
二、偏导数
多元函数在n个变量上的偏导数都小于0的时候,在此点取得极小值
即使偏导数都存在,也不一定能取到极值
对于这个函数而言
三、方向导数
有方向导数的时候并不一定存在偏导数
四、可微
偏导存在且偏导在每个方向上都连续一定可微
若ƒ在X0点可微,则ƒ在该点必连续。特别的,所有可微函数在其定义域内任一点必连续。逆命题则不成立:一个连续函数未必可微。
五、梯度
利用可微的性质
多元微分梯度和一元求导一样喔
六、链式法则
七、Hessian矩阵
1、hessian矩阵半正定
2、hessian矩阵正定说明多元函数在此点出取得极小值
3、负定,说明多元函数在此处取得极大值