MATH6015 · 交互例子

教材例子与算法实验

原有实验与参数链接保留在这里。

70 个例子
按《Convex Optimization》主题查找

课程章节与教材顺序不同。以下索引连接主要模型及其教学特例;各例卡注明原始出处、变量维数和适用条件。

附录 A · 基础工具
第 2–3 章 · 凸集与凸函数
第 4 章 · 优化模型
第 5 章 · 对偶、KKT 与敏感性
第 6 章 · 逼近与拟合
第 7 章 · 统计估计
第 8 章 · 几何优化
第 9–10 章 · 数值方法
第 11 章 · 内点法
课程与额外补充

数学基础Mathematical foundations

把向量、矩阵与微积分,连接到优化问题的语言。

特征值如何塑造椭圆?

转动特征方向、拉大特征值比,再拖动点 x。观察等高线、梯度方向与函数值。

f ( x ) = 1 2 x T Q x Q = R ( θ ) ( 1 0 0 κ ) R ( θ ) T

x = ( x 1 , x 2 ) 为可拖动的点; R ( θ ) 是旋转矩阵。图中主椭圆满足 f ( x ) = 1 2 ,虚线为特征方向。

特征值如何塑造椭圆? -4.9-2.5-2.4-1.2002.41.24.92.5x₁x₂x∇f 方向
f(x)1.09
‖∇f(x)‖₂1.48
半轴长度1,0.447

梯度箭头只表示方向,长度已缩放。主椭圆为 f(x)=1/2。

想一想沿哪一个特征方向移动相同距离,函数值变化更大?

教材模型 · 二维改编Boyd & Vandenberghe · §2.2.2 · p. 29 ↗
本章学习要点与阅读提示
  • 理解内积、范数、特征值与正定矩阵。
  • 用梯度和 Hessian 描述函数的局部变化。

为什么正定性可以帮助我们判断一个二次函数是否有唯一极小点?

打开本章完整讲义 ↗
各例子注明教材出处与教学改编说明。一阶加速与 Silver 属课程补充。回到顶部 ↑