优化设计的数学基础.pptVIP

第一页，共25页 2.1 函数的方向导数与梯度 一、 函数的方向导数 函数f(X)在点X0处沿S方向的方向导数定义为 意义：函数在该点处沿给定方向的变化率。 附图 第二页，共25页 二、函数的梯度 方向导数的向量积形式 令 为函数在X点的梯度，包 含函数的一阶导数信息。 第三页，共25页 梯度的意义： 梯度方向是函数变化率最大的方向； 梯度方向为等值面的法线方向。 第四页，共25页 例2-1 求二元函数f(x1, x2)＝x12+x22-4x1-2x2+5 在X0＝[2,2]处函数下降最快的方向。 解：梯度方向是函数变化率最大的方向。负梯度方向则是函数下降最快的方向。 第五页，共25页 2.2 函数的泰勒展开与海赛矩阵 函数f(X)在X*点处的泰勒(Taylor)展开式 其中海赛(Hessian)矩阵包含函数的二阶导数信息。 第六页，共25页 例2-2 求二元函数f(x1, x2)＝x12+x22-4x1-2x2+5 在X0＝[2,2]处的海赛二阶泰勒展开式。 解： 第七页，共25页 2.3 凸集、凸函数、凸规划 基本概念： 局部极小点：函数f(X)在X*附近的一切X均满足不等式f(X) f(X*)，称函数f(X)在 X*处取得局部极小值，X*为局部极