机械优化设计哈工大—孙靖民.pptxVIP

会计学 1 机械优化设计哈工大—孙靖民 2 1、方向导数 二元函数 在 点处的偏导数的定义是： 二元函数 在 点处沿某一方向 的变化率，其定义为 方向导数 §2-1多元函数的方向导数和梯度 第1页/共67页 3 图1 二维空间中的方向 偏导数与方向导数的关系 第2页/共67页 4 三元函数 在 点处沿s方向的方向导数 依次类推，即可得到n元函数在点x0处沿s方向的方向导数 第3页/共67页 5 2、二元函数的梯度 令 为函数F(x1，x2)在x0点处的梯度 第4页/共67页 6 当梯度方向和d方向重合时，方向导数值最大，即梯度方向是函数值变化最快方向，而梯度的模就是函数值变化率的最大值。 梯度的模： 第5页/共67页 7 多元函数的梯度 第6页/共67页 8 多元函数的梯度的模： 函数的梯度方向与函数的等值面相垂直，也就是和等值面上过x0的一切曲线相垂直。 由于梯度的模因点而异，即函数在不同点处的最大变化率是不同的。因此，梯度是函数的一种局部性质。 第7页/共67页 9 解： 第8页/共67页 10 解： 则函数在 处的最速下降方向为 第9页/共67页 11 该方向上的单位向量为 该点函数值 第10页/共67页 12 常用梯度公式： 注意：梯度为向量 二次型 第11页/共67页 13 在 点处的泰勒展开为： 其中 1、一元函数 §2-2多元函数的泰勒展开 第12页/共67页 14 2、二元函数 其中： 二元函数 在 点处的泰勒展开式为： 第13页/共67页 15 上式写成矩阵形式： 第14页/共67页 16 令 上式可写成 称为函数 在 点处的 海赛（Hessian）矩阵 参见教材例题P30 第15页/共67页 17 所以 矩阵为对阵方阵。 第16页/共67页 18 海赛矩阵 3、多元函数 其中：梯度 泰勒展开式 第17页/共67页 19 若将函数的泰勒展开式只取到线性项，即取 若将函数的泰勒展开式取到二次项时，则得到二次函数形式，在线性代数中将二次齐次函数称为二次型。 矩阵形式 -----对称矩阵 第18页/共67页 20 当对任何非零向量x使 则二次型函数正定，G为正定矩阵。 第19页/共67页 21 海赛矩阵的特征：是实对称矩阵。 4、海赛矩阵与正定 矩阵正定的充要条件：矩阵G的各阶顺序主子式为正，即 矩阵负定的充要条件：矩阵G的 奇数阶主子式 主子式 偶数阶主子式 海赛矩阵的正定性： 负定----- 为全局极大值点的充分条件 第20页/共67页 22 例3 判定矩阵 是否正定？ 解：该对称矩阵的三个主子式依次为： 故可知矩阵G是正定的。 第21页/共67页 23 证明：作变换 ，代入二次函数式中： 第22页/共67页 24 解： 与题中函数比较各系数得： 由计算知Q正定，极小点 第23页/共67页 25 的梯度和Hesse矩阵。 解：因为 则 又因为： 故Hesse阵为： 例5：求目标函数 第24页/共67页 26 1、一元函数 对于可微的一元函数 判断在 处是否取得极值的过程： 则 为极小点。 逐次检验其更高阶导数的符号，开始不为零的导数阶数若为偶次，则为极值点，若为奇次，则为拐点。 则 为极大点。 §2-3无约束优化问题的极值条件 第25页/共67页 27 2、二元函数 即 凡满足上式的点称为函数的驻点 （零向量） 第26页/共67页 28 第27页/共67页 29 定理2：若二元可微函数 在 的某个邻域取得极小值的充分条件是要求在该点附近的一切点均满足： 若函数存在连续的一阶及二阶偏导数，当满足 则泰勒展开式的函数增量近似式（略三阶以上高阶微量）为： 第28页/共67页 30 令 则 此条件反映了函数在该点的海赛矩阵的各阶主子式均大于零（即正定）。 第29页/共67页 31 结论： 二元函数在某点取得极小值的充分条件是要求该点处的海赛矩阵为正定。 且 参见教材例题P32 第30页/共67页 32 3、多元函数 必要条件： 充分条件： 正定 或负定 第31页/共67页 33 当极值点x*能使f(x*)在整个可行域中为最小值时，即在整个可行域中对任一x都有f(x)=f(x*