介绍

对于Hissian矩阵是正定的，在这一点是整个范围内的最小值，y在各个方向的二阶导数都是>0的
对于Hissian矩阵是负定的，在这一点是整个范围内的最大值，y在各个方向的二阶导数都是<0的,

对于Hissian矩阵是不定的，y沿某些方向是上升的，沿另一些方向是下降的
对于有条件的极值，用拉格朗日乘数法

多元函数

从整个范围来看，不是单单从某个方向来看是否连续

偏导数

各个方向的偏导都存在，不一定连续，在点处极限不存在

方向导数

方向导数

当偏导数>0时，方向导数可以是正的，可以是负的

图1的斜线是偏导数，在图示点处，沿着x轴正方向走，偏导数是正的，沿着x轴负方向走，偏导数是负的，图2的斜线的正向或负向是方向导数

课程中最后无论从x轴正方向还是负方向走，都是1，有偏导数的话负方向应该是-1，所以没有偏导数

可微

函数在个方向上的变化用偏导数和方向导数不足以描述
在每一个方向的偏导数都连续，可微，偏导说的是某一个方向上的变化率，可微说的是在n个方向上的变化率加和，

梯度

在一个点处可微，梯度可以控制在各个方向上的变化率，梯度是f沿着各个方向上的变化。
Jacobi矩阵，是函数矩阵，各个函数的梯度组成的矩阵，在多元函数的积分和对应的行列式中用的比较多，
梯度，grad, grad(f+g)=grad(f)*f+grad(g)*f

链式法则

Hissian矩阵

f(x_0,x_1,…,x_n)在向量x_0处取极值，梯度在向量x_0处是0向量。
梯度在向量x_0处是0向量，可能是驻点

拉格朗日乘数法

隐函数定理
拉格朗日乘数法举例：
f(x,y,z)=x²+y²+z²
约束条件：g_1(x,y,z)=x+y+z-1=c1
g_2(x,y,z)=x-y=c2
拉格朗日函数为：
L(x,y,z, λ1, λ2)=f(x,y,z)- λ1(g_1(x,y,z)-c1)-λ2(g_2(x,y,z)-c2)
=x²+y²+z²-λ1(x+y+z-1-c1)-λ2(x-y-c2)
x,y,z为实数，c1,c2为常数，这里假设c1,c2都为0
= x^2 + y^2 + z^2 - λ1(x + y + z - 1) - λ2(x - y)
然后，对L(x, y, z, λ1, λ2)分别对x、y、z、λ1和λ2求偏导，并令它们等于零：

∂L/∂x = 2x - λ1 - λ2 = 0
∂L/∂y = 2y - λ1 + λ2 = 0
∂L/∂z = 2z - λ1 = 0
∂L/∂λ1 = -(x + y + z - 1) = 0
∂L/∂λ2 = -(x - y) = 0

解上述方程组，我们可以得到以下结果：

x = 1/2
y = 1/4
z = 1/4
λ1 = 3/2
λ2 = 1/2

因此，该三元函数在约束条件下的最大值为：

f(1/2, 1/4, 1/4) = (1/2)^2 + (1/4)^2 + (1/4)^2 = 5/16

这里，λ1和λ2的值分别为3/2和1/2，表示在两个约束条件下，目标函数最大值的增加速度为正。