定理10有一个非常重要的应用,它给我们提供了确定函数极大值与极小值的方法。我们期望从单变量函数的相关知识来得出二阶导数的判定准则,所以我们先回顾一下实变量实况。
如果
f:R→R
在
x0
处有一个局部极大或极小,并且
f
在
为了将这些事实推广到函数 f:A⊂Rn→R 上,我们首先从相关定义开始。
定义6
令
f:A⊂Rn→R
,其中
A
是开集。如果存在一个
第一个基本事实可以用下面的定理来表述。
定理11
如果
f:A⊂Rn→R
是可微的,
A
是开集,如果
它的证明大部分与基本微积分是一样的,因为
f
图像的极值点肯定有一个水平切平面,所以这个结论直观上非常明显。然而,仅仅是驻点不能保证该点就是极值点。例如考虑函数
对于
定义7
如果
g:B⊂Rn→R
是
C2
类,那么
g
在
双线性形式,即双线性映射
B:Rn×Rn→R
称为正定的(positive definite),如果对于
Rn
中所有的
x≠0,B(x,x)>0
。称为半正定的(positive semidefinite),如果对于
Rn
中所有的
x≠0,B(x,x)≥0
。负定与半负定双线性形式定义类似。
图1
接下来我们推广到多变量的情况。
定理12
- 如果
f:A⊂Rn→R
是定义在开集
A
上的
C2 函数,并且 x0 是 f 的驻点使得Hx0(f) 是正定的,那么 f 在x0 处有一个局部最大值。 - 如果
f
在
x0 处有一个局部最大值,那么 Hx0(f) 是半正定的。
对于极小值的情况只需要将上面定理中的正改成负即可,注意
f
的最小值就是
Hx0(f)
对标准基的矩阵是
其中偏导数都是在 x0 处计算的。
当 n=1 时,定理12 (i) 简化为单变量测试 f′′(x0)<0 。如果 f′′(x0)=0 ,那么函数有极大值或极小值或鞍点,(此时测试失效)例如 f(x)=−x4,x5,x4 在 x0=0 处分别有最大值,鞍点与极小值,虽然他们的 f′′(x0)=0 。
提及一些线性代数的知识可能比较有帮助,令
Δk
是矩阵
的行列式,这个矩阵就是海森矩阵去掉最后
n−k
行和列得到的,那么对称矩阵
Hx0(f)
是正定的,当且仅当对所有的
k=1,…,n,Δk>0
,它是半正定的当且仅当对所有
k=1,…,n,Δk≥0
。这里我们不证明一般情况,在下面的例1中,我们证明
2×2
矩阵,下面还给出了负定的判别准则,从而对
k=1,…,n
,如果
Δk>0
,那么
f
在驻点
如果对某些奇数
k,Δk>0
,对某些偶数
k,Δ<0
,那么
f
在
这个定理在力学中也非常有用,这时
例1:
说明矩阵
是正定的,当且仅当 a>0,ad−b2>0 。
解:
正定意味着
即
ax2+2bxy+dy2>0
。首先假设对于所有的
(x,y)≠(0,0)
该不等式均成立,令
y=0,x=1
我们得到
a>0
,令
y=1
,那么对所有的
x
,我们有
即 ad−b2>0 。反过来可以用同样的方式来证明。
例2: 研究 f(x,y)=x2−xy+y2 鞍点 (0,0) 的性质。
解:
这里
所以海森矩阵是
这里 Δ1=−2<0,Δ2=4−1=3>0 ,所以海森矩阵是负定的,从而我们有一个局部最小值。