Mehrdimensionale Analysis aus ersten Prinzipien
Die Optimierung in vielen Dimensionen beginnt genau dort, wo sie im 1-D-Fall begann: Finde die Stelle, an der die Steigung null ist. Doch jetzt ist „Steigung“ der gesamte Gradientvektor, sodass ein kritischer Punkt dort liegt, wo jede partielle Ableitung gleichzeitig verschwindet, ∇f = 0.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Kritische Punkte in Rⁿ