In mathematics, the second partial derivative test is a method in multivariable calculus used to determine if a critical point of a function is a local minimum, maximum or saddle point.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Dua parta derivaĵa provo (eo)
- Second partial derivative test (en)
- Тест другої часткової похідної (uk)
|
| rdfs:comment
| - In mathematics, the second partial derivative test is a method in multivariable calculus used to determine if a critical point of a function is a local minimum, maximum or saddle point. (en)
- Тест другої часткової похідної — метод використовуваний для визначення чи є критична точка функції максимумом, мінімумом чи сідловою точкою. (uk)
- En matematiko, la dua parta derivaĵa provo estas maniero en multvariebla kalkulo por kontroli ĉu krita punkto (x, y) estas loka minimumo, loka maksimumo aŭ sela punkto. Estu f(x ,y) reela funkcio de du reelaj argumentoj. Estu (a, b) sojla punkto de la funkcio, do punkto kie la unuaj partaj derivaĵoj estas nulaj: Tiam la matrico de Hessian estas de amplekso 2×2 kaj ĝia determinanto en la punkto estas Tiam:
* Se M>0 kaj do (a, b) estas loka minimumo.
* Se M>0 kaj do (a, b) estas loka maksimumo.
* Se M<0 tiam (a, b) estas sela punkto.
* Se M=0 tiam la dua derivaĵa provo ne donas la respondon. (eo)
|
| foaf:depiction
| |
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| thumbnail
| |
| direction
| |
| footer
| - The Hessian approximates the function at a critical point with a second-degree polynomial. (en)
|
| image
| - Hessian_at_maximum_point.gif (en)
- Hessian_at_minimum_point.gif (en)
- Hessian_at_saddle_point.gif (en)
|
| title
| - Second Derivative Test (en)
|
| urlname
| - SecondDerivativeTest (en)
|
| width
| |
| has abstract
| - En matematiko, la dua parta derivaĵa provo estas maniero en multvariebla kalkulo por kontroli ĉu krita punkto (x, y) estas loka minimumo, loka maksimumo aŭ sela punkto. Estu f(x ,y) reela funkcio de du reelaj argumentoj. Estu (a, b) sojla punkto de la funkcio, do punkto kie la unuaj partaj derivaĵoj estas nulaj: Tiam la matrico de Hessian estas de amplekso 2×2 kaj ĝia determinanto en la punkto estas Tiam:
* Se M>0 kaj do (a, b) estas loka minimumo.
* Se M>0 kaj do (a, b) estas loka maksimumo.
* Se M<0 tiam (a, b) estas sela punkto.
* Se M=0 tiam la dua derivaĵa provo ne donas la respondon. La variabloj x kaj y estas egalrajtaj, tiel la kondiĉoj de loka minimumo kaj loka maksimumo povas esti ekvivalente reskribitaj kun uzo de la dua derivaĵo je variablo y sed ne je x:
* Se M>0 kaj do (a, b) estas loka minimumo.
* Se M>0 kaj do (a, b) estas loka maksimumo. (eo)
- In mathematics, the second partial derivative test is a method in multivariable calculus used to determine if a critical point of a function is a local minimum, maximum or saddle point. (en)
- Тест другої часткової похідної — метод використовуваний для визначення чи є критична точка функції максимумом, мінімумом чи сідловою точкою. (uk)
|
| gold:hypernym
| |
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)
