主要参考书目:
1. 最优化方法及其应用/郭科,陈聆,魏友华.-北京:高等教育出版社,2007.7(2013.7重印)
1、二次型与正定矩阵
2、方向导数与梯度
3、Hesse矩阵及泰勒展式
- Hesse(/ˈhɛsə/)矩阵
容易发现,当f在 处二阶偏导连续时,Hesse矩阵对称。 - 多元向量函数的导数
设 ,记 ,在存在的前提下,其导数为:
- 泰勒展开
设 具有二阶连续偏导数,则
或
其中 ,而 . - 几个公式
- n元函数求导和1元函数求导在形式上是一致的:
例如:
则
- 函数梯度的Jacobi矩阵即为此函数的Hesse矩阵。
- 设
,其中
。
则:
,
- n元函数求导和1元函数求导在形式上是一致的:
4、极小点的判定条件
- 是局部极小点+ 是内点
- + 是内点 是驻点
5、锥、凸集、凸锥
- 锥
设集合 若 及任意的数 ,均由 ,则称C为锥。 - 凸组合
更多有关内容 - 凸集
特别地,规定空集是凸集。
更多有关内容 - 半空间
设 且 ,则集合 称为 中的半空间。
也就是广义平面分割全空间产生的两部分。 - 几个定理
- 凸集的交集仍是凸集。
- 首先引入三个概念:
锥+凸集=凸锥;凸集+闭集=闭凸集;凸锥+闭集=闭凸锥;
有定理:
Ⅰ C为凸集 及 有
Ⅱ C为凸锥 及 有
Ⅲ 有限个半空间的交为多面集。
- 极点
设C为非空凸集, ,若X不能表示成C中两个不同点的凸组合,换言之,若能表示成两点的凸组合,必有 ,则称X是凸集C的极点。
*类似平面凸多边形的顶点。 - 极方向
设C为 中的闭凸集,P为非零向量,如果对C中的每一个X都有射线 ,则称向量P为C的方向。又设 和 是C的两个方向,若对任何正数 ,有 ,则称 和 是两个不同的方向。若C的方向P不能表示成该集合的两个不同方向的正的线性组合,则称P为C的极方向。
-几个定理
Ⅰ 设 为非空集合,P是非零向量,P为C的方向的充要条件是 且 。
Ⅱ - 凸集分离定理
6、凸函数
- 一系列定义与性质
下半连续
- 凸函数与凸集的关系
- 凸规划
这个结论很强的,但就是条件太苛刻。
则称为二次凸规划问题。(补图上不全处)
约束问题的最优性条件
- 约束优化问题的分类
(1) IP型
(2) EP型
(3) GP型
- 一阶必要条件
(1)起作用的约束与不起作用的约束
(2)GP型问题的一阶必要条件(IP和EP可以看做GP的特殊情况)
巧妙地体现了只考虑起作用的约束。
(3)Kuhn-Tucker条件
- 二阶充分条件
事实上我们遇到的函数基本没法这样去验证。