多元极值与最值
1 无条件极值
定义
函数
- 极大值:
- 极小值:
用人话翻译
- 某点附近的函数值都大于等于、或小于等于这个点的函数值
- 那么它就是极大/极小值
极值的必要条件
极值点处,两个一阶偏导同时为 0
极值的充分条件
则有以下结论:
,则 为 的极值点,且有 ,为极大值点 ,为极小值点
,不是极值点 ,不一定,要用定义判
求极值的一般步骤
- 求出
的驻点 - 利用极值的充分条件判定是否为极值点
在偏导数不存在的点也可能取到极值,对于这种点一般用定义判定
- 一般这种点函数值为 0,可以令分别
,即考察 的表达式 - 如果发现符号可变,比如
、 ,则不为极值点
- 如果发现符号可变,比如
- 大概这种都是无极值的吧,毕竟不可能证明所有逼近方式下都大于/小于这个点,因此找到类似证明重极限不存在的条件就行
方程的形式给出的隐函数,最好原地求偏导
- 一阶偏导的表达式一般不用求出来,留在方程里,联立含两个偏导的方程,分别令两个偏导为0,解方程可得驻点
- 二阶偏导在方程组上进行,混合偏导可以对
那行方程对 求偏导
2 条件极值
拉格朗日乘数法
求
- 构造拉格朗日函数
- 将
分别对 求偏导,构造如下方程组: - 解出
,其中的 就是在条件约束下可能的极值点
因为是在边界上求,所以拉格朗日函数中 $f(x,y)$ 的部分可以用边界表达式化简
- 比如待求函数
,区域 - 则有边界
- 拉格朗日函数
推广
对于 3 个变量、2 个约束条件,如
- 拉格朗日函数:
- 求偏导,列方程组:
解方程组
可以用线代的线性方程组的思想,讨论
- 首先由于此类问题的特殊性,
必有非零解 - 故
,由此可得出变量之间的关系
-
对于 2 变量,1 条件:
由
,解出 之间的关系,代入 求解 -
对于 3 变量,只有 1 个条件:列 3 个方程,会发现
代入
那一行求解
使用行列式法要注意:
- 还应该令拉格朗日乘数
,代入原方程组,看是否漏点
3 最大最小值
有界闭区域上的最值
- 求
在区域 内部可能的极值点——求驻点代入函数取值(无需讨论是不是极值点!) - 求
在区域 边界上的最大最小值——用拉格朗日乘数法,条件是区域边界 - 比较大小
求出来的驻点可能不在区域 内,要代入表达式检查
化条件为无条件
- 如果区域表达式比较简单,比如由坐标轴和直线构成的区域,可以尝试将边界表达式直接代入待求函数——可直接得到数值或者另一个函数(此时变成无条件极值,甚至是一元函数那种无条件极值)
- 注意,化为无条件极值之后也不需要讨论是否是极值点
最值问题不同于极值问题——最值不需要讨论是否为极值点
应用题
- 建立目标函数
- 求有界闭区域上的最值