Analiza wielowymiarowa od pierwszych zasad
Gradient zawiera wszystkie pierwsze pochodne. Hesjan pakuje wszystkie drugie pochodne funkcji skalarnej f: Rⁿ → R do macierzy. Gdzie gradient daje nachylenie, hesjan daje krzywiznę: jak samo nachylenie się zmienia, gdy poruszamy się wokół.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Hesjan