0阶贝塞尔函数_函数的极值问题（二）

目录

2.3函数的极值

2.3.1函数的二阶近似

2.3.2函数的停留点

2.4拉格朗日乘子法

2.4.1制约条件1个情况下拉格朗日乘子法

2.4.2限制条件有多个情况下拉格朗日乘子法

（开始）

2.3函数的极值

2.3.1函数的二阶近似

函数

在点

处泰勒展开，有：

其中

代表函数在点

上的值，

代表

3次以上的项

注意：本章仅涉及平滑函数。 平滑意味着无论进行多少次偏微分，都可以获得连续的偏导函数。

叫做函数

在点

处的二次近似。

比方说，2个变量函数的函数值看作

轴方向的长度。曲面

和曲面

只差在

附近关于

3次以上的项上。即曲面

在

与

2阶近似。

2.3.2函数的停留点

函数

的梯度

是函数最急剧增大的方向，它对应的范数

是这个方向上的增加率。

极值点梯度

为0，为何？

如果梯度不为0的话，只要朝梯度方向稍微往前一点点函数值就会增大，往梯度反方向前进一丢丢函数值也会减少，都不会是极值点。

定理：如果函数

在点

上取得极值的话，在这个点对各个变量的偏微分都为0

满足上式的点叫停留点，该点的函数值叫做停留值。

函数

在点

处取得极值的话，该点的2次近似可以写为以下：

其中，

表示的是矩阵

在点

上的值。

定理：Hessen矩阵在停留点处是正定对称矩阵的话在该点取得极小值，负定对称矩阵的话在该点取极大值。

注意：但即使原本的函数能够取得极大值或极小值，这个函数的2次近似未必能取得极大/极小值。

例题1:求

在(0,0)这点的极值

，在点(0,0)处

，说明2次近似

没有极大/极小值

例题2:求函数

的极值

令

得

解得

Hessen矩阵

在点(1,2,1)处为

，在点(0,2,1)处

在点(1,2,1)处的1阶，2阶，3阶余子式分别为：

根据Sylvester–Gallai定理（シルベスタの定理）可知这是正定对称矩阵，在点(1,2,1)处可以取得极小值。这个值为

。

在点(0,2,0)处的1阶，2阶，3阶余子式分别为：

根据Sylvester–Gallai定理（シルベスタの定理）可知这不是负定对称矩阵，无法判断在点(0,2,0)处能否取得极值。

2.4.1拉格朗日乘子法

2.4.1有一个制约条件的时候

例题3：在

的条件下求令函数

取得最小值的点

解：这里的

就是一个制约条件，在不消除变量的情况下系统地求解的方法称为拉格朗日乘子法。

如图所示，

经过该点的等高线必须与直线

相切，这是因为在切点处两者的法向量平行（即它们具有相同或相反的方向）

•（如果与等高线相交，则沿直线的值将从较小变为较大，反之亦然，因此该点没有最小值，因此必须相切。）

（正式求解：让函数

的等高线的法线向量为

，直线

的法线向量为

函数

在点

处泰勒展开，有：

其中

代表函数在点

上的值，

代表

3次以上的项

注意：本章仅涉及平滑函数。 平滑意味着无论进行多少次偏微分，都可以获得连续的偏导函数。

叫做函数

在点

处的二次近似。

比方说，2个变量函数的函数值看作

轴方向的长度。曲面

和曲面

只差在

附近关于

3次以上的项上。即曲面

在

与

2阶近似。

函数

的梯度

是函数最急剧增大的方向，它对应的范数

是这个方向上的增加率。

极值点梯度

为0，为何？

如果梯度不为0的话，只要朝梯度方向稍微往前一点点函数值就会增大，往梯度反方向前进一丢丢函数值也会减少，都不会是极值点。

定理：如果函数

在点

上取得极值的话，在这个点对各个变量的偏微分都为0

满足上式的点叫停留点，该点的函数值叫做停留值。

函数

在点

处取得极值的话，该点的2次近似可以写为以下：

其中，

表示的是矩阵

在点

上的值。

定理：Hessen矩阵在停留点处是正定对称矩阵的话在该点取得极小值，负定对称矩阵的话在该点取极大值。

注意：但即使原本的函数能够取得极大值或极小值，这个函数的2次近似未必能取得极大/极小值。

例题1:求

在(0,0)这点的极值

，在点(0,0)处

，说明2次近似

没有极大/极小值

例题2:求函数

的极值

令

得

解得

Hessen矩阵

在点(1,2,1)处为

，在点(0,2,1)处

在点(1,2,1)处的1阶，2阶，3阶余子式分别为：

根据Sylvester–Gallai定理（シルベスタの定理）可知这是正定对称矩阵，在点(1,2,1)处可以取得极小值。这个值为

。

在点(0,2,0)处的1阶，2阶，3阶余子式分别为：

根据Sylvester–Gallai定理（シルベスタの定理）可知这不是负定对称矩阵，无法判断在点(0,2,0)处能否取得极值。

2.4.1拉格朗日乘子法

2.4.1有一个制约条件的时候

例题3：在

的条件下求令函数

取得最小值的点

解：这里的

就是一个制约条件，在不消除变量的情况下系统地求解的方法称为拉格朗日乘子法。

如图所示，

经过该点的等高线必须与直线

相切，这是因为在切点处两者的法向量平行（即它们具有相同或相反的方向）

•（如果与等高线相交，则沿直线的值将从较小变为较大，反之亦然，因此该点没有最小值，因此必须相切。）

(开始解题）

函数

等高线的法线向量为

，直线

的法线向量为

因为两个法线向量平行，所以给一个定值

有

解得：

（这个

称为拉格朗日乘数）

解得

的最小值为

。

将问题一般化，求在制约条件

的约束下函数

的极值

解法同样，曲线

和

的等高线的法线向量在那个点（极值可能点）平行，等高线的法线向量为

,曲线

的法线向量为

，两者平行意味着存在一个常数（拉格朗日乘数）

扩展一下，当变量有

个时也适用。

限制条件为

，求函数

的极值。

表示的是

元空间上的曲面，在这个曲面上函数

能取极值的点与曲面

相切，两者的法线向量分别用

来表示。因为

平行所以存在一个常数（拉格朗日乘数）满足

可以将式子改写成

，用下面的极值求解步骤。

函数

在限制条件

下的极值点

极值求解步骤：先令

求解下式：

（结束）

例题4:内接椭圆体

，各边平行于坐标轴的直方体中求体积的最大值。

解：直方体第一象限的顶点为

,体积为

,导入拉格朗日乘数

令

解得：

有：

解得：

2.4.2限制条件有多个情况下拉格朗日乘子法

求函数

在限制条件

的极值问题

思考：限制条件

分别表示在

空间中的曲面，问题是求他们两个曲面交线上函数

的极值点。这个交线与

的等值面相切。

曲面

的交线与

的等值面相切的理由是，如果交线与等值面相交而非相切，那么相交处的值将从较小的值增大为较大的值，反之亦然，于是在该点处不会取到极点值。 因此，我们交线必须与

的等值面相切。

限制条件有2个的情况下

分别是曲面

的法线向量，

都正交于这些曲面的交线。 从图中可以看到，交线与等值面相切，

的等值面的法线向量

与

在同一平面上。因此存在一个常数（拉格朗日常数）满足：

这个式子再加上约束条件

即可求解。

一般情况下：求函数

在限制条件

下的极值问题

令

解满足

解这

个方程未知数

也有

个,一般通过解方程式求解即可。

（完）