文章目录
前言
我们对新事物的认识过程是通过对其事物的特性进行研究的过程。如对鸟的认识是对其“飞”的特性进行研究的过程,对鱼的认识是对其“游”的特性进行研究的过程。而极值、最值是函数的重要的特性。极值研究的是函数的 局部 性态,最值研究的是函数的 整体 性态。函数的极值和最值使得函数更加具体。
一、一元函数的极值
1. 极值的定义
定义1:设 f ( x ) f(x) f(x) 在 x = x 0 x=x_0 x=x0 的某个 邻域 有定义,如果存在一个 邻域 U ( x 0 ) U(x_0) U(x0),当 x ∈ U ( x 0 ) x \in U(x_0) x∈U(x0) 时有 f ( x ) ⩾ ( ⩽ ) f ( x 0 ) f(x) \geqslant (\leqslant) f(x_0) f(x)⩾(⩽)f(x0),则称 f ( x 0 ) f(x_0) f(x0) 为 f ( x ) f(x) f(x) 的一个极小(极大)值,点 x = x 0 x=x_0 x=x0 称为 f ( x ) f(x) f(x) 的一个极小(极大)值点。
定义2:设 f ( x ) f(x) f(x) 在 x = x 0 x=x_0 x=x0 的某个 邻域 有定义,如果对于该 去心邻域 内任何 x x x,恒有 f ( x ) > ( < ) f ( x 0 ) f(x)>(<)f(x_0) f(x)>(<)f(x0),则称 f ( x 0 ) f(x_0) f(x0) 为 f ( x ) f(x) f(x) 的一个极小(极大)值,点 x = x 0 x=x_0 x=x0 称为 f ( x ) f(x) f(x) 的一个极小(极大)值点。
极大(小)值统称为极值,极大(小)值点统称为极值点。
由极值的定义可以得到几条重要的信息如下:
信息1:函数在区间
[
a
,
b
]
[a,b]
[a,b] 上的极值只能在开区间
(
a
,
b
)
(a,b)
(a,b)上取得;端点
x
=
a
x=a
x=a,
x
=
b
x=b
x=b 处不可能取得极值。
证明:因为
x
=
a
x=a
x=a 的左邻域已经超出了
f
(
x
)
f(x)
f(x) 的定义域,
x
=
b
x=b
x=b 的右邻域已经超出了
f
(
x
)
f(x)
f(x) 的定义域。而极值存在的前提是
f
(
x
)
f(x)
f(x) 在
x
=
x
0
x=x_0
x=x0 的某个 邻域 有定义。邻域=左邻域+右邻域,左邻域和右邻域必须都存在。
信息2:若函数在闭区间
[
a
,
b
]
[a,b]
[a,b] 上的最大值(或最小值)在开区间
(
a
,
b
)
(a,b)
(a,b) 上取得,那么函数在该点处必取得极大值(或极小值)。
证明:设
f
(
x
0
)
f(x_0)
f(x0) 为
f
(
x
)
f(x)
f(x) 在
[
a
,
b
]
[a,b]
[a,b] 上的最大值,则对一切
x
∈
(
a
,
b
)
x \in (a,b)
x∈(a,b),有
f
(
x
)
⩽
f
(
x
0
)
f(x) \leqslant f(x_0)
f(x)⩽f(x0),又因
x
0
x_0
x0 为区间内部点而非端点,故存在一个邻域
U
(
x
0
)
U(x_0)
U(x0),当
x
∈
U
(
x
0
)
x \in U(x_0)
x∈U(x0) 时,
f
(
x
)
⩽
f
(
x
0
)
f(x) \leqslant f(x_0)
f(x)⩽f(x0),依据极大值的定义,
f
(
x
0
)
f(x_0)
f(x0) 为
f
(
x
)
f(x)
f(x) 的一个极大值。
信息3:如果连续函数
f
(
x
)
f(x)
f(x) 区间内部 只有一个 可疑极值点,并且是极大(极小)值点,则它必是
f
(
x
)
f(x)
f(x) 的最大(最小)值点。此时的“区间”可以是闭的,也可以是开的、半开半闭或无穷区间。
证明:反证法。设
x
=
x
0
x=x_0
x=x0 为
f
(
x
)
f(x)
f(x) 在区间
[
a
,
b
]
[a,b]
[a,b] 上的唯一极值点且为极大值点。设
x
=
x
m
a
x
x=x_{max}
x=xmax 为
f
(
x
)
f(x)
f(x) 在区间
[
a
,
b
]
[a,b]
[a,b] 上的最大值点。当
x
m
a
x
≠
x
0
x_{max} \neq x_0
xmax=x0 时,
x
m
a
x
x_{max}
xmax 的取值情况分为两种:
①
x
m
a
x
∈
(
a
,
b
)
x_{max} \in (a,b)
xmax∈(a,b). 由上文中的 信息2 可知
x
m
a
x
x_{max}
xmax 必为极大值点,与
f
(
x
)
f(x)
f(x) 在区间
[
a
,
b
]
[a,b]
[a,b] 上仅有唯一极值点矛盾。
②
x
m
a
x
=
a
x_{max} = a
xmax=a,或者
x
m
a
x
=
b
x_{max} = b
xmax=b. 现证当
x
m
a
x
=
b
x_{max} = b
xmax=b 时的情况。因为
x
=
x
0
x=x_0
x=x0 为极大值点,存在
x
∈
(
x
0
,
x
0
+
δ
1
)
x \in (x_0,x_0+\delta_1)
x∈(x0,x0+δ1),
f
(
x
)
<
f
(
x
0
)
f(x)<f(x_0)
f(x)<f(x0),因为
x
m
a
x
=
b
x_{max} = b
xmax=b 为最大值点,存在
x
∈
(
b
−
δ
2
,
b
)
x \in (b-\delta_2,b)
x∈(b−δ2,b),
f
(
x
)
<
f
(
x
0
)
f(x)<f(x_0)
f(x)<f(x0)。由于
f
(
x
)
f(x)
f(x) 为连续函数,定有一点
x
∈
[
x
0
+
δ
1
,
b
−
δ
2
]
x \in [x_0+\delta_1, b-\delta_2]
x∈[x0+δ1,b−δ2] 为极小值点,与
f
(
x
)
f(x)
f(x) 在区间
[
a
,
b
]
[a,b]
[a,b] 上仅有唯一极值点矛盾。
2. 极值判断流程
对 f ( x ) f(x) f(x) 的某个区间 ( a , b ) (a,b) (a,b) 内的每个点 x = x 0 x=x_0 x=x0,
3. 极值的必要条件
设
y
=
f
(
x
)
y=f(x)
y=f(x) 在点
x
0
x_0
x0 处可导,且
x
0
x_0
x0 为
f
(
x
)
f(x)
f(x) 的极值点,则
f
′
(
x
0
)
=
0
f'(x_0)=0
f′(x0)=0. 通常把导数为零的点称为函数的驻点。由极值的必要性可知:
(
(
(
y
=
f
(
x
)
y=f(x)
y=f(x) 在点
x
0
x_0
x0 处可导
)
)
)
+
+
+
(
(
(
x
0
x_0
x0 为
f
(
x
)
f(x)
f(x) 的极值点
)
)
)
⟹
\Longrightarrow
⟹
x
0
x_0
x0 为
f
(
x
)
f(x)
f(x) 的驻点。
对可导函数而言,极值只可能在驻点上取得,极值点必为驻点, 但驻点并不一定为是极值点。
4. 极值的充分条件
1). 第一充分条件
设
f
′
(
x
0
)
=
0
f'(x_0) = 0
f′(x0)=0(或
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 处连续),且在
x
0
x_0
x0 的某去心邻域
U
˚
(
x
0
,
δ
)
\mathring{U}(x_0, \delta)
U˚(x0,δ) 内可导。
(1). 若
x
∈
(
x
0
−
δ
,
x
0
)
x \in (x_0 - \delta, x_0)
x∈(x0−δ,x0) 时,
f
′
(
x
)
>
0
f'(x)>0
f′(x)>0,而
x
∈
(
x
0
,
x
0
+
δ
)
x \in (x_0,x_0+\delta)
x∈(x0,x0+δ) 时,
f
′
(
x
)
<
0
f'(x)<0
f′(x)<0,则
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 处取得极大值。
(2). 若
x
∈
(
x
0
−
δ
,
x
0
)
x \in (x_0 - \delta, x_0)
x∈(x0−δ,x0) 时,
f
′
(
x
)
<
0
f'(x)<0
f′(x)<0,而
x
∈
(
x
0
,
x
0
+
δ
)
x \in (x_0,x_0+\delta)
x∈(x0,x0+δ) 时,
f
′
(
x
)
>
0
f'(x)>0
f′(x)>0,则
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 处取得极小值。
(3). 若
x
∈
U
˚
(
x
0
,
δ
)
x \in \mathring{U}(x_0, \delta)
x∈U˚(x0,δ) 时,
f
′
(
x
)
f'(x)
f′(x) 的符号保持不变,则
f
(
x
)
f(x)
f(x) 在
x
=
x
0
x=x_0
x=x0 处没有极值。
2). 第二充分条件
若 f ′ ( x 0 ) = 0 f'(x_0)=0 f′(x0)=0, f ′ ′ ( x 0 ) ≠ 0 f''(x_0) \neq 0 f′′(x0)=0,则 f ( x ) f(x) f(x) 在 x 0 x_0 x0 处取得极值,其中当 f ′ ′ ( x 0 ) > 0 f''(x_0)>0 f′′(x0)>0 时取得极小值,当 f ′ ′ ( x 0 ) < 0 f''(x_0)<0 f′′(x0)<0 时取得极大值。
3). 第三充分条件
若 f ′ ( x 0 ) = f ′ ′ ( x 0 ) = ⋯ = f ( n − 1 ) ( x 0 ) = 0 f'(x_0)=f''(x_0)=\dotsb=f^{(n-1)}(x_0)=0 f′(x0)=f′′(x0)=⋯=f(n−1)(x0)=0, f ( n ) ( x 0 ) ≠ 0 f^{(n)}(x_0) \neq 0 f(n)(x0)=0,则当 n n n 为偶数时, f ( x ) f(x) f(x) 在 x 0 x_0 x0 处有极值,其中 f ( n ) ( x 0 ) > 0 f^{(n)}(x_0) > 0 f(n)(x0)>0 时取得极小值, f ( n ) ( x 0 ) < 0 f^{(n)}(x_0) < 0 f(n)(x0)<0 时取得极大值。当 n n n 为奇数时, f ( x ) f(x) f(x) 在 x 0 x_0 x0 处无极值(注: 证明见附1)。
二、一元函数的最值
1. 最值的定义
设 f ( x ) f(x) f(x) 在某区间 I I I 上有定义,如果存在 x 0 ∈ I x_0 \in I x0∈I,使对一切 x ∈ I x \in I x∈I 有 f ( x ) ⩾ ( ⩽ ) f ( x 0 ) f(x) \geqslant (\leqslant) f(x_0) f(x)⩾(⩽)f(x0),称 f ( x 0 ) f(x_0) f(x0) 为 f ( x ) f(x) f(x) 在 I I I 上的最小(最大)值。
2. 函数的最值
连续函数
f
(
x
)
f(x)
f(x) 在
[
a
,
b
]
[a,b]
[a,b] 上的最值的求法。
第一步:求出
f
(
x
)
f(x)
f(x) 在开区间
(
a
,
b
)
(a,b)
(a,b) 内的驻点和不可导点
x
1
,
x
2
,
⋯
,
x
n
x_1,x_2,\dotsb,x_n
x1,x2,⋯,xn,此过程为极值点的算法;
第二步:求出
f
(
x
)
f(x)
f(x) 在点
x
1
,
x
2
,
⋯
,
x
n
x_1,x_2,\dotsb,x_n
x1,x2,⋯,xn 和区间端点
a
,
b
a,b
a,b 处的函数值
f
(
x
1
)
,
f
(
x
2
)
,
⋯
,
f
(
x
n
)
,
f
(
a
)
,
f
(
b
)
f(x_1),f(x_2),\dotsb,f(x_n),f(a),f(b)
f(x1),f(x2),⋯,f(xn),f(a),f(b);
第三步:比较以上各点函数值,其中最大的即为
f
(
x
)
f(x)
f(x) 在
[
a
,
b
]
[a,b]
[a,b] 上的最大值,最小的即为
f
(
x
)
f(x)
f(x) 在
[
a
,
b
]
[a,b]
[a,b] 上的最小值。
三、二元函数的极值
1. 极值的定义
定义1:若存在
M
0
(
x
0
,
y
0
)
M_0(x_0, y_0)
M0(x0,y0) 点的某邻域
U
δ
(
M
0
)
U_\delta(M_0)
Uδ(M0),使得
f
(
x
,
y
)
⩽
(
⩾
)
f
(
x
0
,
y
0
)
f(x,y) \leqslant (\geqslant) f(x_0, y_0)
f(x,y)⩽(⩾)f(x0,y0),则称
f
(
x
,
y
)
f(x,y)
f(x,y) 在点
M
0
(
x
0
,
y
0
)
M_0(x_0, y_0)
M0(x0,y0) 取得极大值(极小值)
f
(
x
0
,
y
0
)
f(x_0,y_0)
f(x0,y0).
定义2:设函数
z
=
f
(
x
,
y
)
z=f(x,y)
z=f(x,y) 在点
P
(
x
0
,
y
0
)
P(x_0, y_0)
P(x0,y0) 的某邻域内有定义,若对该去心邻域内任意的点
P
(
x
,
y
)
P(x,y)
P(x,y) 均有
f
(
x
,
y
)
<
(
>
)
f
(
x
0
,
y
0
)
f(x,y)<(>)f(x_0,y_0)
f(x,y)<(>)f(x0,y0),则称
(
x
0
,
y
0
)
(x_0, y_0)
(x0,y0) 为
f
(
x
,
y
)
f(x,y)
f(x,y) 的极大值点(或极小值点)。
极大(小)值统称为极值,极大(小)值点统称为极值点。
2. 极值判断流程
对 f ( x ) f(x) f(x) 的某个邻域内的每个点 P ( x 0 , y 0 ) P(x_0, y_0) P(x0,y0),
3. 二元函数的泰勒公式
设 f ( x , y ) f(x, y) f(x,y) 二阶偏导数连续,记 X 0 ( x 0 , y 0 ) X_0(x_0, y_0) X0(x0,y0), Δ X = ( Δ x , Δ y ) = ( x − x 0 , y − y 0 ) \Delta X=(\Delta x, \Delta y) = (x-x_0, y-y_0) ΔX=(Δx,Δy)=(x−x0,y−y0),则 f ( x , y ) = f ( x 0 , y 0 ) + ( f x ′ f y ′ ) X 0 ( Δ x Δ y ) + 1 2 ! ( Δ x Δ y ) [ f x x ′ ′ f x y ′ ′ f y x ′ ′ f y y ′ ′ ] X 0 ( Δ x Δ y ) + R 2 f(x,y)=f(x_0,y_0)+\begin{pmatrix}f'_x & f'_y\end{pmatrix}_{X_0}\begin{pmatrix}\Delta x \\ \Delta y \end{pmatrix} + \frac{1}{2!} \begin{pmatrix}\Delta x & \Delta y \end{pmatrix} \begin{bmatrix}f''_{xx} & f''_{xy} \\ f''_{yx} & f''_{yy} \end{bmatrix}_{X_0} \begin{pmatrix}\Delta x \\ \Delta y \end{pmatrix} + R_2 f(x,y)=f(x0,y0)+(fx′fy′)X0(ΔxΔy)+2!1(ΔxΔy)[fxx′′fyx′′fxy′′fyy′′]X0(ΔxΔy)+R2
4. 无条件极值
(1) 取极值的必要条件
( f x ′ f y ′ ) X 0 = 0 \begin{pmatrix}f'_x & f'_y\end{pmatrix}_{X_0} = 0 (fx′fy′)X0=0, X 0 X_0 X0 为驻点,即 { f x ′ ( x 0 , y 0 ) = 0 f y ′ ( x 0 , y 0 ) = 0 \begin{cases} f'_x(x_0, y_0) = 0 &\text{} \\ f'_y(x_0, y_0) = 0 &\text{} \end{cases} {fx′(x0,y0)=0fy′(x0,y0)=0
(2) 取极值的充分条件
已有
(
f
x
′
f
y
′
)
X
0
=
0
\begin{pmatrix}f'_x & f'_y\end{pmatrix}_{X_0} = 0
(fx′fy′)X0=0,则有
f
(
x
,
y
)
−
f
(
x
0
,
y
0
)
=
1
2
!
(
Δ
x
Δ
y
)
[
f
x
x
′
′
f
x
y
′
′
f
y
x
′
′
f
y
y
′
′
]
X
0
(
Δ
x
Δ
y
)
+
R
2
f(x,y)-f(x_0,y_0) = \frac{1}{2!} \begin{pmatrix}\Delta x & \Delta y \end{pmatrix} \begin{bmatrix}f''_{xx} & f''_{xy} \\ f''_{yx} & f''_{yy} \end{bmatrix}_{X_0} \begin{pmatrix}\Delta x \\ \Delta y \end{pmatrix} + R_2
f(x,y)−f(x0,y0)=2!1(ΔxΔy)[fxx′′fyx′′fxy′′fyy′′]X0(ΔxΔy)+R2
①(正定)当
f
x
x
′
′
∣
x
0
>
0
f''_{xx}|_{x_0} >0
fxx′′∣x0>0 且
∣
f
x
x
′
′
f
x
y
′
′
f
y
x
′
′
f
y
y
′
′
∣
x
0
>
0
\begin{vmatrix}f''_{xx}&f''_{xy}\\f''_{yx}&f''_{yy}\end{vmatrix}_{x_0} >0
∣∣∣∣fxx′′fyx′′fxy′′fyy′′∣∣∣∣x0>0,即
{
f
x
x
′
′
(
x
0
,
y
0
)
=
记
A
>
0
f
x
y
′
′
(
x
0
,
y
0
)
=
f
y
x
′
′
(
x
0
,
y
0
)
=
记
B
f
y
y
′
′
(
x
0
,
y
0
)
=
记
C
\begin{cases} f''_{xx}(x_0, y_0) \overset{记}{=} A >0 &\text{} \\ f''_{xy}(x_0, y_0) = f''_{yx}(x_0, y_0) \overset{记}{=} B &\text{} \\ f''_{yy}(x_0, y_0) \overset{记}{=} C \end{cases}
⎩⎪⎨⎪⎧fxx′′(x0,y0)=记A>0fxy′′(x0,y0)=fyx′′(x0,y0)=记Bfyy′′(x0,y0)=记C 且
Δ
=
记
A
C
−
B
2
>
0
\Delta \overset{记}{=} AC - B^2 > 0
Δ=记AC−B2>0 时,
f
(
x
,
y
)
>
f
(
x
0
,
y
0
)
f(x,y) > f(x_0,y_0)
f(x,y)>f(x0,y0),
f
(
x
0
,
y
0
)
f(x_0,y_0)
f(x0,y0) 为极小值。
②(负定)当 f x x ′ ′ ∣ x 0 < 0 f''_{xx}|_{x_0} <0 fxx′′∣x0<0 且 ∣ f x x ′ ′ f x y ′ ′ f y x ′ ′ f y y ′ ′ ∣ x 0 > 0 \begin{vmatrix}f''_{xx}&f''_{xy}\\f''_{yx}&f''_{yy}\end{vmatrix}_{x_0} >0 ∣∣∣∣fxx′′fyx′′fxy′′fyy′′∣∣∣∣x0>0,即 { f x x ′ ′ ( x 0 , y 0 ) = 记 A < 0 f x y ′ ′ ( x 0 , y 0 ) = f y x ′ ′ ( x 0 , y 0 ) = 记 B f y y ′ ′ ( x 0 , y 0 ) = 记 C \begin{cases} f''_{xx}(x_0, y_0) \overset{记}{=} A <0 &\text{} \\ f''_{xy}(x_0, y_0) = f''_{yx}(x_0, y_0) \overset{记}{=} B &\text{} \\ f''_{yy}(x_0, y_0) \overset{记}{=} C \end{cases} ⎩⎪⎨⎪⎧fxx′′(x0,y0)=记A<0fxy′′(x0,y0)=fyx′′(x0,y0)=记Bfyy′′(x0,y0)=记C 且 Δ = 记 A C − B 2 > 0 \Delta \overset{记}{=} AC - B^2 > 0 Δ=记AC−B2>0 时, f ( x , y ) < f ( x 0 , y 0 ) f(x,y) < f(x_0,y_0) f(x,y)<f(x0,y0), f ( x 0 , y 0 ) f(x_0,y_0) f(x0,y0) 为极大值。
③ 当 ∣ f x x ′ ′ f x y ′ ′ f y x ′ ′ f y y ′ ′ ∣ x 0 < 0 \begin{vmatrix}f''_{xx}&f''_{xy}\\f''_{yx}&f''_{yy}\end{vmatrix}_{x_0} <0 ∣∣∣∣fxx′′fyx′′fxy′′fyy′′∣∣∣∣x0<0,即 Δ < 0 \Delta < 0 Δ<0 时,二次型变号,非极值点。
5. 有条件极值
对于求
z
=
f
(
x
,
y
)
z=f(x,y)
z=f(x,y) 在条件
φ
(
x
,
y
)
=
0
\varphi(x,y)=0
φ(x,y)=0 下的条件极值的一般方法为:
① 构造拉格朗日函数
F
(
x
,
y
,
λ
)
=
f
(
x
,
y
)
+
λ
φ
(
x
,
y
)
F(x,y,\lambda)=f(x,y)+\lambda\varphi(x,y)
F(x,y,λ)=f(x,y)+λφ(x,y)
② 将有条件极值转换为对
F
(
x
,
y
,
λ
)
=
f
(
x
,
y
)
+
λ
φ
(
x
,
y
)
F(x,y,\lambda)=f(x,y)+\lambda\varphi(x,y)
F(x,y,λ)=f(x,y)+λφ(x,y) 的无条件极值的求法。
四、二元函数的最值
对于连续函数
f
(
x
,
y
)
f(x,y)
f(x,y) 在有界闭区域
D
D
D 上的最大最小值方法为:
① 求
f
(
x
,
y
)
f(x,y)
f(x,y) 在
D
D
D 内部可能的极值点;
② 求
f
(
x
,
y
)
f(x,y)
f(x,y) 在
D
D
D 的边界上的最大最小值;
③ 比较①、②得最值。
总结
极值描述的是函数局部中最突显性态,最值描述的是函数整体中最突显性态。研究极值和最值有助于我们更好的理解函数。如果将某批数据进行处理,然后整理生成某个函数,生成这个函数的过程就等同于将大量信息压缩的过程。而研究函数极值和最值的过程等同于将重点信息还原的过程。掌握了函数的极值和最值就掌握了解密信息的密钥。
附录
附1:
若
f
′
(
x
0
)
=
f
′
′
(
x
0
)
=
⋯
=
f
(
n
−
1
)
(
x
0
)
=
0
f'(x_0)=f''(x_0)=\dotsb=f^{(n-1)}(x_0)=0
f′(x0)=f′′(x0)=⋯=f(n−1)(x0)=0,
f
(
n
)
(
x
0
)
≠
0
f^{(n)}(x_0) \neq 0
f(n)(x0)=0,可知
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 处有
n
n
n 阶导,根据泰勒定理可得
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 展开的具有拉格朗日余项的泰勒公式为:
f
(
x
)
=
f
(
x
0
)
+
f
′
(
x
0
)
1
!
(
x
−
x
0
)
+
f
′
′
(
x
0
)
2
!
(
x
−
x
0
)
2
+
⋯
+
f
(
n
−
1
)
(
x
0
)
(
n
−
1
)
!
(
x
−
x
0
)
n
−
1
+
R
n
−
1
(
x
)
f(x)=f(x_0)+\frac{f'(x_0)}{1!}(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+\dotsb+\frac{f^{(n-1)}(x_0)}{(n-1)!}(x-x_0)^{n-1}+R_{n-1}(x)
f(x)=f(x0)+1!f′(x0)(x−x0)+2!f′′(x0)(x−x0)2+⋯+(n−1)!f(n−1)(x0)(x−x0)n−1+Rn−1(x) 其中
R
n
−
1
(
x
)
=
f
n
(
ξ
)
n
!
(
x
−
x
0
)
n
R_{n-1}(x)=\frac{f^{n}(\xi)}{n!}(x-x_0)^n
Rn−1(x)=n!fn(ξ)(x−x0)n,
ξ
\xi
ξ 在
x
x
x 与
x
0
x_0
x0 之间。
因为
f
′
(
x
0
)
=
f
′
′
(
x
0
)
=
⋯
=
f
(
n
−
1
)
(
x
0
)
=
0
f'(x_0)=f''(x_0)=\dotsb=f^{(n-1)}(x_0)=0
f′(x0)=f′′(x0)=⋯=f(n−1)(x0)=0,
f
(
n
)
(
x
0
)
≠
0
f^{(n)}(x_0) \neq 0
f(n)(x0)=0,所以
f
(
x
)
=
f
(
x
0
)
+
f
n
(
ξ
)
n
!
(
x
−
x
0
)
n
f(x)=f(x_0)+\frac{f^{n}(\xi)}{n!}(x-x_0)^n
f(x)=f(x0)+n!fn(ξ)(x−x0)n,从而可得
f
(
x
)
−
f
(
x
0
)
=
f
n
(
ξ
)
n
!
(
x
−
x
0
)
n
=
R
n
−
1
(
x
)
f(x)-f(x_0)=\frac{f^{n}(\xi)}{n!}(x-x_0)^n=R_{n-1}(x)
f(x)−f(x0)=n!fn(ξ)(x−x0)n=Rn−1(x),当
n
n
n 为偶数时,
(
x
−
x
0
)
n
>
=
0
(x-x_0)^n>=0
(x−x0)n>=0,
f
(
x
)
−
f
(
x
0
)
f(x)-f(x_0)
f(x)−f(x0) 的正负由
f
n
(
ξ
)
f^{n}(\xi)
fn(ξ) 决定,因为
x
∈
U
˚
(
x
0
,
δ
)
x \in \mathring{U}(x_0, \delta)
x∈U˚(x0,δ) 且
f
(
x
)
f(x)
f(x) 在
x
0
x_0
x0 处连续,所以当
x
x
x 趋于
x
0
x_0
x0 时,
f
n
(
ξ
)
f^{n}(\xi)
fn(ξ) 的正负和
f
n
(
x
0
)
f^{n}(x_0)
fn(x0) 相同。因此,当
f
n
(
x
0
)
>
0
f^{n}(x_0)>0
fn(x0)>0 时,
f
n
(
ξ
)
>
0
f^{n}(\xi)>0
fn(ξ)>0,
f
(
x
)
−
f
(
x
0
)
>
0
f(x)-f(x_0) > 0
f(x)−f(x0)>0,
f
(
x
0
)
f(x_0)
f(x0) 为极小值;当
f
n
(
x
0
)
<
0
f^{n}(x_0)<0
fn(x0)<0 时,
f
n
(
ξ
)
<
0
f^{n}(\xi)<0
fn(ξ)<0,
f
(
x
)
−
f
(
x
0
)
<
0
f(x)-f(x_0) < 0
f(x)−f(x0)<0,
f
(
x
0
)
f(x_0)
f(x0) 为极大值。而若
n
n
n 为奇数时,
R
n
−
1
(
x
)
R_{n-1}(x)
Rn−1(x) 的符号不确定,因此无法判断
f
(
x
)
f(x)
f(x) 与
f
(
x
0
)
f(x_0)
f(x0) 的大小。
附2:
f
f
f 正定判断的充要条件:
f
(
x
1
,
x
2
,
…
,
x
n
)
=
x
T
A
x
f(x_1,x_2,\mathellipsis,x_n) =\mathbf{x}^T\mathbf{A}\mathbf{x}
f(x1,x2,…,xn)=xTAx 正定
⇔
\xLeftrightarrow{}
A
\mathbf{A}
A 的全部顺序主子式大于零。
f
f
f 负定判断的充要条件:
f
(
x
1
,
x
2
,
…
,
x
n
)
=
x
T
A
x
f(x_1,x_2,\mathellipsis,x_n) =\mathbf{x}^T\mathbf{A}\mathbf{x}
f(x1,x2,…,xn)=xTAx 负定
⇔
\xLeftrightarrow{}
A
\mathbf{A}
A 的顺序主子式负正依次交错,以负开始。