maths.free › Multivariable Calculus › Optimisation in several variables

Optimisation in several variables

Critical points, the second-derivative test, and Lagrange multipliers.

Critical points are where the gradient vanishes; the Hessian's determinant sorts them into minima, maxima and saddles. With a constraint, Lagrange multipliers say the gradients of f and of the constraint are parallel at the optimum. Picture it: the surface's bowl bottom, hilltop or saddle. The 3D view shows which. Think it: constrained optimisation is the geometry of tangency between level sets.

Жұмыстағы мысал · gradient of x^2 + y^2 - 2x - 4y

Multivariable-Calculus · Partial-Derivatives

Gradient of x^2 - 2x + y^2 - 4y

x^{2} - 2 x + y^{2} - 4 y

Қадам сайын

  1. f(x, y) = x^{2} - 2 x + y^{2} - 4 y

    The gradient is the vector of partial derivatives. Differentiate with respect to each variable, holding the others constant.

  2. \frac{\partial f}{\partial x} = 2 x - 2

    Treat every variable except x as a constant.

  3. \frac{\partial f}{\partial y} = 2 y - 4

    Treat every variable except y as a constant.

  4. \nabla f = \left[\begin{matrix}2 x - 2\\2 y - 4\end{matrix}\right]

    Assemble the gradient vector. It points in the direction of steepest ascent.

  5. (1, 2)

    Critical points: where every partial derivative is zero.

Жауап беріңіз
\nabla f = \left[\begin{matrix}2 x - 2\\2 y - 4\end{matrix}\right]

Енді сен Мәтінді таңдап, жазу немесе өзіңіздің мәтініңізді салу. Әрбір қадамы сурет, сұрағанша жауап жасырылады.

Өзіңіздің жұмысыңызды жалғастыру

Тіркелгіңізде әрбір сабақта жазбалар, орындалған тапсырмалар, шешілген тапсырмалар бір жерде сақталады, және мұғалімге осы бет туралы сұрақ қоюға болады. Математикалық сабақтар жүйеге кірген немесе кірмеген кез келген адамға ашық.

Жазылу Кіру

Мұнда қолданылатын символдар

Тұтас анықтамасын, суретін және әрбір әріптің мағынасын көру үшін кез келген символды түртіңіз.

Не істеу керек: Optimisation in several variables

  1. The gradient is the vector of partial derivatives. Differentiate with respect to each variable, holding the others constant.
  2. Treat every variable except x as a constant.
  3. Treat every variable except y as a constant.
  4. Assemble the gradient vector. It points in the direction of steepest ascent.
  5. Critical points: where every partial derivative is zero.

Адамдар қоятын сұрақтар

What is a partial derivative?

The ordinary derivative with respect to one variable while every other variable is frozen: the slope of the surface in one coordinate direction.

What does the gradient point at?

Uphill: the direction of steepest increase, with length equal to that steepest slope. It is perpendicular to the level curves.

Келесіде Multivariable Calculus

Functions of several variablesPartial derivatives and the gradientDouble and triple integralsVector fields, line integrals and the big theorems