优化与数值计算梯度下降更新xk+1=xk−ηk∇f(xk)x_{k+1}=x_k-\eta_k\nabla f(x_k)xk+1=xk−ηk∇f(xk)沿目标函数局部最速下降方向更新参数。查看公式解释
优化与数值计算牛顿求根迭代xk+1=xk−f(xk)f′(xk)x_{k+1}=x_k-\frac{f(x_k)}{f'(x_k)}xk+1=xk−f′(xk)f(xk)用局部切线零点逼近非线性方程的根。查看公式解释
优化与数值计算复合梯形积分∫abf(x)dx≈h[f(a)+f(b)2+∑i=1n−1f(a+ih)]\int_a^b f(x)dx\approx h\left[\frac{f(a)+f(b)}2+\sum_{i=1}^{n-1}f(a+ih)\right]∫abf(x)dx≈h[2f(a)+f(b)+i=1∑n−1f(a+ih)]将积分区间划分为小梯形以逼近面积。查看公式解释
优化与数值计算拉格朗日乘子条件∇f(x)+λ∇g(x)=0,g(x)=0\nabla f(x)+\lambda\nabla g(x)=0,\quad g(x)=0∇f(x)+λ∇g(x)=0,g(x)=0在等式约束曲面上寻找目标函数驻点。查看公式解释