Hesse矩阵（海森矩阵）

原创最新推荐文章于 2026-03-22 01:09:23 发布 1.8w 阅读 AI写同款

收录于

Foundation of Mathematics

Savitch

码龄16年墨衍会员 · AI 创作全网分发

84粉丝130篇原创

关注

Hessian矩阵（黑塞矩阵）文章目录黑塞矩阵与多元函数的极值黑塞矩阵与多元函数的极值一元函数求极值，例如函数：阅读详情

AI摘要

本文介绍了海森矩阵的概念及其在数学优化中的应用。海森矩阵是由实值函数的二阶偏导数组成的方块矩阵，用于判断临界点是局部极小点、局部极大点还是鞍点。此外还讨论了海森矩阵的对称性和其在高维情况下的推广。

在数学中，海森矩阵（Hessian matrix 或 Hessian）是一个自变量为向量的实值函数的二阶偏导数组成的方块矩阵，此函数如下：

$f(x_1, x_2, \dots, x_n),$

如果 f 所有的二阶导数都存在，那么 f 的海森矩阵即：

$H(f)_{ij}(x) = D_i D_j f(x)$

其中 $x = (x_1, x_2, \dots, x_n)$ ，即

$H(f) = \begin{bmatrix}\frac{\partial^2 f}{\partial x_1^2} & \frac{\partial^2 f}{\partial x_1\,\partial x_2} & \cdots & \frac{\partial^2 f}{\partial x_1\,\partial x_n} \\ \\\frac{\partial^2 f}{\partial x_2\,\partial x_1} & \frac{\partial^2 f}{\partial x_2^2} & \cdots & \frac{\partial^2 f}{\partial x_2\,\partial x_n} \\ \\\vdots & \vdots & \ddots & \vdots \\ \\\frac{\partial^2 f}{\partial x_n\,\partial x_1} & \frac{\partial^2 f}{\partial x_n\,\partial x_2} & \cdots & \frac{\partial^2 f}{\partial x_n^2}\end{bmatrix}$

（也有人把海森定义为以上矩阵的行列式）海森矩阵被应用于牛顿法解决的大规模优化问题。

混合偏导数和海森矩阵的对称性[编辑]

海森矩阵的混合偏导数是海森矩阵非主对角线上的元素。假如他们是连续的，那么求导顺序没有区别，即

$\frac {\partial}{\partial x} \left( \frac { \partial f }{ \partial y} \right) = \frac {\partial}{\partial y} \left( \frac { \partial f }{ \partial x} \right)$

上式也可写为

$f_{xy} = f_{yx} \,$

在正式写法中，如果 f 函数在区域 D 内连续并处处存在二阶导数，那么 f的海森矩阵在 D 区域内为对称矩阵。

在 $\mathbb{R}^2$ → $\mathbb{R}$ 的函数的应用[编辑]

给定二阶导数连续的函数 $f: \mathbb{R}^2 \to \mathbb{R}$ ，海森矩阵的行列式，可用于分辨 $f$ 的临界点是属于鞍点还是极值点。

对于 $f$ 的临界点 $(x_0, y_0)$ 一点，有 $\frac{\partial f(x_0, y_0)}{\partial x} = \frac{\partial f(x_0, y_0)}{\partial y} = 0$ ，然而凭一阶导数不能判断它是鞍点、局部极大点还是局部极小点。海森矩阵可能解答这个问题。

$H = \begin{vmatrix}\frac{\partial^2 f}{\partial x^2} & \frac{\partial^2 f}{\partial x\,\partial y} \\ \\\frac{\partial^2 f}{\partial y\,\partial x} & \frac{\partial^2 f}{\partial y^2} \end{vmatrix} = \frac{\partial^2 f}{\partial x^2} \frac{\partial^2 f}{\partial y^2} - (\frac{\partial^2 f}{\partial y\,\partial x})^2$

H > 0 ：若 $\frac{\partial^2 f}{\partial x^2} > 0$ ，则 $(x_0, y_0)$ 是局部极小点；若 $\frac{\partial^2 f}{\partial x^2} < 0$ ，则 $(x_0, y_0)$ 是局部极大点。
H < 0 ： $(x_0, y_0)$ 是鞍点。
H = 0 ：二阶导数无法判断该临界点的性质，得从更高阶的导数以泰勒公式考虑。