最优化设计-2.pptVIP

最优化设计/优化设计的数学基础 第二章 优 化 设 计 的 数 学 基 础 2-1 多元函数的方向导数与梯度 2-2 多元函数的泰勒展开 2-3 无约束优化问题的极值条件 2-4 凸集、凸函数与凸规划 2-5 等式约束优化问题的极值条件 2-6 不等式约束优化问题的极值条件 * * §2-1 多元函数的方向导数与梯度 (1) 一、方向导数 方向导数的特例。图2-1和图2-2表明在二维和三维空间中 方向导数与偏导数的数量关系。n元函数 f(x1, x2, …, xn)在x0处沿d方向的方向导数为 是函数f(x) 在x0处沿d方向的方向导数。偏导数是 式中?i 为d方向和坐标轴xi方向之间夹角的余弦。 二、二元函数的梯度 二元函数f(x1, x2)在x0处的梯度定义为： §2-1 多元函数的方向导数与梯度 (2) 图2-3表明梯度方向与等值线的关系。梯度方向是等值面的法线方向，也是函数值变化最快的方向，而梯度的模就是函数变化率的最大值。梯度?f(x0)方向是函数变化率最大的方向，即最速上升方向；负梯度-?f(x0)方向为最速下降方向。 例2-1（图2-4） 梯度方向用其单位向量 p 表示： §2-1 多元函数的方向导数与梯度 (3) 三、多元函数的梯度 将二元函数推广到多元函数，则函数f(x1, x2, …, xn)在 x0(x10,