现代设计方法与应用教学课件作者房亚东第五章课件.pptVIP

* 主讲：房亚东 Email:fangyadong@xatu.edu.cn * 现代设计方法及其应用 西安工业大学机电学院 The Institute of Mechanical and Electrical Engineer, Xian Technological University 第五章 优化方法的数学基础 向量与矩阵的范数 约束问题的最优性条件 3 1 2 方向梯度与导数 4 5 无约束问题的最优性条件 函数的泰勒级数展开 6 凸集、凸函数与凸规划 ■ 内容 ：本章重点讨论优化方法的数学基础，将介绍向量与矩阵的范数。然后介绍了方向梯度与导数、函数的泰勒级数展开，最后介绍无约束问题的最优性条件，并在凸集、凸函数和凸规划的基础上，对约束问题的最优性条件进行了讨论。 ■ 目的 ：了解方向梯度与导数的基本概念，掌握函数泰勒级数展开的方法，熟悉无约束问题和有约束问题最优性条件的判断过程。 向量是既有大小又有方向的量，向量的大小可用某数值表 示，该数值称为范数，记为║x║。 向量范数应满足以下三个特性： （1）正定性：║x║≥0，且║x║=0 = x=0 ； （2）齐次性：║cx║=│c│║x║； （3）三角不等式：║x+y║≤║x║+║y║。 常用的向量范数有： （1）1-范数:║x║1=│x1│+│x2│+…+│xn│； （2）2-范数:║x║2=； （3）∞-范数:║