- 1、本文档共53页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
《最优化方法》课程复习考试
定义设.是给定的维非零向量,.如果
存在,则称此极限为在点沿方向的方向导数,记作.
定理2设.如果在点处可微,则在点处沿任何非零方向的方向导数存在,且,其中.
定义设是上的连续函数,.是维非零向量.如果,使得,有(>).则称为在点处的下降(上升)方向.
定理3设,且在点处可微,如果非零向量,使得(>)0,则是在点处的下降(上升)方向.
定义设.如果在点处对于自变量的各分量的二阶偏导数都存在,则称函数在点处二阶可导,并称矩阵
为在点处的二阶导数矩阵或Hesse矩阵.
定义设,记,如果
在点处对于自变量的各分量的偏导数
都存在,则称向量函数在点处是一阶可导的,并且称矩阵
为在点处的一阶导数矩阵或Jacobi矩阵,简记为.
例2设,求在任意点处的梯度和Hesse矩阵.
解设,则,
因,故得.
又因,则.
例3设是对称矩阵,,称为二次函数,求在任意点处的梯度和Hesse矩阵.
解设,则
,
从而.
再对求偏导得到,于是
.
例4设,其中二阶可导,,试求.
解由多元复合函数微分法知.
定理4设,且在点的某邻域内具有二阶连续偏导数,则在点处有Taylor展式
.
证明设,则.按一元函数Taylor公式在处展开,有
.
从例4得知.
令,有.
根据定理1和定理4,我们有如下两个公式
,
.
§1.3最优化的基本术语
定义设为目标函数,为可行域,.
(1)若,都有,则称为在上的全局(或整体)极小点,或者说,是约束最优化问题的全局(或整体)最优解,并称为其最优值.
(2)若,都有,则称为在上的严格全局(或整体)极小点.
(3)若的邻域使得,都有,则称为在上的局部极小点,或者说,是约束最优化问题的局部最优解.
(4)若的邻域使得,都有,则称为在上的严格局部极小点.
第二章最优性条件
§2.1无约束最优化问题的最优性条件
定理1设在点处可微,若是问题的局部极小点,则.
定义设在处可微,若,则称为的平稳点.
定理2设在点处具有二阶连续偏导数,若是问题的局部极小点,则,且半正定.
定理3设在点处具有二阶连续偏导数,若,且正定,则是问题的严格局部极小点.
注:定理2不是充分条件,定理3不是必要条件.
对于无约束最优化问题,其中,显然
,令,得的平稳点,而且
.
易见为半正定矩阵.
但是,在的任意邻域,总可以取到,使,即不是局部极小点.
对于无约束最优化问题,其中,
易知,从而得平稳点,并且
.
显然不是正定矩阵.但是,在处取最小值,即为严格局部极小点.
求解下面无约束最优化问题,
其中,
解因为
,
所以令,有
解此方程组得到的平稳点.
从而
,
.
由于和是不定的,因此和不是极值点.是负定的,故不是极值点,实际上它是极大点.是正定的,从而是严格局部极小点.
定理4设是凸函数,且在点处可微,若,则为的全局极小点.
推论5设是凸函数,且在点处可微.则为的全局极小点的充分必要条件是.
例4试证正定二次函数有唯一的严格全局极小点,其中为阶正定矩阵.
证明因为为正定矩阵,且,所以得的唯一平稳点.又由于是严格凸函数,因此由定理4知,是的严格全局极小点.
§2.2等式约束最优化问题的最优性条件
定理1设在点处可微,在点处具有一阶连续偏导数,向量组线性无关.若是问题
的局部极小点,则,使得
.
称为Lagrange函数,其中.
称为Lagrange乘子向量.
易见,这里.
定理2设和在点处具有二阶连续偏导数,若,使得,并且,,只要,便有,则是问题
的严格局部极小点.
试用最优性条件求解
解Lagrange函数为,则,
从而得的平稳点和,对应有
和.
由于.
因此
.
并且,有.
利用定理2,所得的两个可行点和都是问题的严格局部极小点.
§2.3不等式约束最优化问题的最优性条件
定义设,若,使得,,
则称为集合在点处的可行方向.
这里.
令,
.
定理1设是非空集合,在点处可微.若是问题的局部极小点,则.
对于
(1)
其中.
令,其中是上述问题(1)的可行点.
定理2设是问题(1)的可行点,和在点处可微,在点处连续,如果是问题(1)的局部极小点,则,
其中.
定理3设是问题(1)的可行点,和在点处可微,在点处连续,若是问题(1)的局部极小点,则存在不全为0的非负数,使
.(称为FritzJohn点)
如果在点处也可微,则存在不全为0的非负数,使
(称为FritzJohn点)
设试判断是否为FritzJohn点.
解因为,且,
所以为使FritzJohn条件成立,只有才行.取即可,因此是Fri
文档评论(0)