D16多元函数的极值

D1-6多元函数的极值高等数学·多元函数微分法及其应用Contents本章目录多元函数微分学与极值理论的核心知识框架01极值的基本概念与定义02无条件极值的判定方法03条件极值与拉格朗日乘数法04有界闭区域上的最值问题05多元函数微分的几何应用06综合例题与考研竞赛训练Chapter01极值的基本概念与定义从一元函数到多元函数的极值概念推广与几何直觉建立Calculus·Multivariable多元函数极值的严格定义多元函数极值是局部性质：在某个去心邻域内，函数值始终小于（或大于）中心点函数值。极大值定义01设z=f(x,y)定义域为D，P₀(x₀,y₀)为D的内点，若存在P₀的邻域U(P₀)⊂D，使得对任意P∈U(P₀)且P≠P₀，都有f(P)<f(P₀)，则f在P₀取得极大值f(P₀)02几何意义：曲面z=f(x,y)在P₀处形成"山顶"，周围各方向均低于该点，是局部最高点03关键特征：极大值点处函数值严格大于邻近点，邻域内无其他点函数值相等或更大极小值定义01同理，若邻域内任意异于P₀的点P都满足f(P)>f(P₀)，则f在P₀取得极小值f(P₀)，即该点为局部最低点02几何意义：曲面在P₀处形成"谷底"，周围各方向均高于该点，是局部最低点03极值与极值点：极大值与极小值统称为极值，使函数取得极值的点称为极值点MULTIVARIATEEXTREMA极值的几何直觉：三类典型曲面多元函数极值点可对应'山顶'或'谷底'，但还可能存在鞍点——在某方向上升、另一方向下降的'马鞍'形状，这是一元函数中不存在的现象，也是极值判定需要额外工具的根本原因。双曲抛物面z=x²−y²·鞍点几何示意01z=x²+y²（旋转抛物面）：原点(0,0)为极小值点，f(0,0)=0，曲面如碗底向四周上升02z=−(x²+y²)（倒抛物面）：原点(0,0)为极大值点，f(0,0)=0，曲面如倒扣碗向四周下降03z=x²−y²（鞍面）：原点(0,0)为鞍点，沿x轴上升沿y轴下降，不是极值点04鞍点的本质：梯度为零但Hessian矩阵不定（特征值有正有负），需二阶信息才能识别多元函数微分学极值点与驻点的关系极值点的一阶偏导数全为零（可微条件下），这是必要条件而非充分条件。驻点集合包含极值点和鞍点，极值点也可能出现在偏导数不存在处。定理1（必要条件）01若z=f(x,y)在P₀(x₀,y₀)处有偏导数且取得极值，则fₓ(x₀,y₀)=0且fᵧ(x₀,y₀)=002满足一阶偏导数全为零的点称为驻点（稳定点），极值点（可微时）必为驻点03推广：n元函数f(x₁,…,xₙ)在极值点处梯度∇f=0，即所有一阶偏导数为零驻点≠极值点鞍点反例z=x²−y²z=x²−y²在原点梯度为零，但沿不同方向函数值升降不一，不是极值点。驻点是极值的必要非充分条件。不可微极值点z=√(x²+y²)z=√(x²+y²)在原点不可微但取得极小值0，说明驻点条件仅覆盖可微情形，完整寻找极值点还需考察不可微点。Chapter02无条件极值的判定方法从必要条件到充分条件，掌握二阶偏导数判别法的完整流程SUFFICIENTCONDITION定理2：二阶偏导数判别法（充分条件）AC-B²判别式是二元函数极值判定的核心工具：正值表示有极值（A的符号决定极大或极小），负值表示鞍点，零值表示方法失效。前提设定：设z=f(x,y)在P₀(x₀,y₀)邻域内有二阶连续偏导数，记A=fₓₓ(P₀)，B=fₓᵧ(P₀)，C=fᵧᵧ(P₀)AC-B²>0→有极值：A>0（从而C>0）为极小值，A<0（从而C<0）为极大值AC-B²<0→鞍点：P₀不是极值点，函数在不同方向上分别呈增大和减小趋势AC-B²=0→判别失效：需借助定义法、高阶导数或泰勒展开等方法另行分析MultivariableCalculusHessian矩阵与判别式的代数本质AC-B²本质上是Hessian矩阵的行列式det(H)。Hessian矩阵的正定性对应极小值，负定性对应极大值，不定性对应鞍点，行列式为零则需高阶分析。Hessian矩阵构造H=[AB;BC]=[fₓₓfₓᵧ;fᵧₓfᵧᵧ]，由二阶偏导数构成的2×2实对称矩阵det(H)=AC−B²即判别式；tr(H)=A+C为矩阵的迹，等于特征值之和H的特征值λ₁,λ₂满足λ₁+λ₂=A+C，λ₁·λ₂=AC−B²特征值符号决定二次型曲面形状：同号为椭圆型，异号为双曲型正定性与极值对应H正定（λ₁>0,λ₂>0）⟺det(H)>0且A>0⟹极小值，各方向均向上弯曲H负定（λ₁<0,λ₂<0）⟺det(H)>0且A<0⟹极大值，各方向均向下弯曲H不定（λ₁·λ₂<0）⟺det(H)<0⟹鞍点，存在上升和下降方向H半定（λ₁=0或λ₂=0）⟺det(H)=0⟹方法失效，需高阶展开分析MULTIVARIABLECALCULUS·OPTIMIZATION无条件极值的标准求解流程无条件极值求解遵循"三步法"：先求驻点（解一阶偏导方程组），再算二阶偏导（求A、B、C值），最后用AC-B²判定。此流程系统化地覆盖了所有可微极值点，但需注意补充检查偏导数不存在的点。01求驻点：解方程组fₓ(x,y)=0，fᵧ(x,y)=0，求得所有驻点(x₀,y₀)；同时标出偏导数不存在的点02算二阶偏导：对每个驻点计算二阶偏导数A=fₓₓ(x₀,y₀)，B=fₓᵧ(x₀,y₀)，C=fᵧᵧ(x₀,y₀)03判别式判定：计算Δ=AC−B²，按定理2结论判定：Δ>0有极值（A>0极小，A<0极大），Δ<0为鞍点，Δ=0另作讨论特别注意：偏导数不存在的点不能用此方法，需回到定义直接比较邻域内函数值大小多元函数极值·判别式法经典例题：f(x,y)=x³+y³−3xy的极值通过完整求解过程，演示"求驻点→算二阶导→判别式判定"三步法的标准应用。该函数有两个驻点，一个是鞍点一个是极小值点，体现了判别式的区分能力。第一步：求驻点01令偏导数为零建立方程组：fx=3x²−3y=0，fy=3y²−3x=002由①得y=x²，代入②得3x⁴−3x=0，即3x(x³−1)=003解得x=0（y=0）或x=1（y=1），驻点为(0,0)和(1,1)第二、三步：二阶导判定01计算二阶偏导数：A=fxx=6x，B=fxy=−3，C=fyy=6y02在(0,0)：A=0，B=−3，C=0，Δ=AC−B²=−9<0⟹鞍点03在(1,1)：A=6，B=−3，C=6，Δ=36−9=27>0且A>0⟹极小值f(1,1)=−1CALCULUS·EXTREMA进阶例题：二次型函数的极值求解二次函数f(x,y)=x²+xy+y²-2x-4y+5仅有一个驻点(0,2)，判别式Δ=3>0且A=2>0确认为极小值点。Hessian矩阵为常数矩阵，驻点即为全局最值点。求解过程01fₓ=2x+y−2=0①fᵧ=x+2y−4=0②02①×2−②得3x=0⟹x=0代入①得y=2，唯一驻点(0,2)03A=2,B=1,C=2Δ=AC−B²=4−1=3>0且A>0⟹极小值f(0,2)=1配方验证01f=(x+y/2−1)²+¾·(y−2)²+1两项平方和≥0，故f≥102当x+y/2−1=0且y−2=0即x=0,y=2时f=1与判别法结论完全一致03二次函数的Hessian矩阵为常数矩阵，不随驻点位置变化，判定最为简洁Hessian矩阵·半定情形Δ=0时的替代判定方法当AC−B²=0时Hessian矩阵半定，二阶信息不足以判定极值，需借助更高阶的分析工具。CASE01z=(x²+y²)²A=B=C=0，Δ=0，但f≥0=f(0,0)恒成立，原点确为极小值点CASE02z=x³A=B=C=0，Δ=0，x正侧f>0、负侧f<0，不是极值点METHOD01定义法直接比较f(P)与f(P₀)在去心邻域内的符号，适用于能判断f−f₀符号的函数METHOD02泰勒展开法将f在驻点展开到三阶或四阶，利用高阶项的符号判定极值性质METHOD03特殊路径法沿y=kx等不同路径逼近驻点，若极限值依赖k则不是极值点METHOD03·步骤路径试探与判定①设路径y=kx代入函数②求极限值随参数k的变化情况③若结果与k有关，则该点必非极值COMPARATIVEANALYSIS多元函数极值与一元函数的关键差异多元函数极值相比一元函数呈现更丰富的结构：极值点不必交替出现，鞍点的存在使驻点与极值点的关系更复杂，且需Hessian矩阵综合无穷多方向信息才能完成判定。结构差异一元函数极值交替出现，相邻极值点间必有驻点；多元函数可只有极大或只有极小交替→独立一元函数无鞍点概念，多元函数中鞍点普遍存在，显著增加判定难度鞍点一元函数仅检查f″正负（单方向），多元函数需Hessian矩阵综合所有方向信息Hessian方法差异一元函数用f″(x₀)正负即可判定；多元函数需计算det(H)=AC−B²并结合A的符号AC−B²n元推广需要n阶Hessian矩阵，通过各阶主子式的正负判定矩阵正定性n阶主子式CHAPTER03条件极值与拉格朗日乘数法在约束条件下求极值的通用方法及其几何与代数解释MultivariableCalculus·ConstrainedOptimization条件极值问题的引入与几何直觉条件极值是在约束g(x,y)=0下求f(x,y)的极值。几何上等价于在约束曲线上寻找目标函数等高线的切点——当等高线与约束曲线相切时，两曲线的法向量（梯度）平行，这就是拉格朗日乘数法的几何出发点。问题模型在约束条件g(x,y)=0（或g(x,y,z)=0）下，求目标函数f(x,y)（或f(x,y,z)）的极值。典型应用场景包括：在给定预算约束下最大化效用函数，或在固定产量下最小化生产成本等优化问题。几何解释目标函数f的等高线与约束曲线g=0相切时取条件极值，切点处两梯度平行。直观理解：沿约束曲线移动时，f值的变化率在切点处恰好为零——既不能增大也不能减小，达到局部最优。梯度平行条件∇f=λ∇g（λ为拉格朗日乘数），即目标函数梯度是约束梯度的倍数。该条件表明两函数在切点处变化方向一致，λ的符号决定极值类型：λ>0常对应极小值，λ<0常对应极大值。与无条件极值的区别无条件极值要求∇f=0，条件极值只要求∇f与∇g共线（方向可不同）。关键差异：约束极值点处∇f可以非零，只要它在约束方向上的分量为零即可，允许沿约束切向自由变化。LagrangeMultipliers拉格朗日乘数法的完整表述拉格朗日乘数法通过引入辅助变量λ，将有约束的极值问题转化为无约束的方程组求解。构造拉格朗日函数L=f+λg后，对x、y、λ分别求偏导令其为零，方程组的解即为候选极值点。Section01单约束情形在g(x,y)=0下求f(x,y)的极值：构造L(x,y,λ)=f(x,y)+λg(x,y)解方程组：∂L/∂x=fₓ+λgₓ=0，∂L/∂y=fᵧ+λgᵧ=0，∂L/∂λ=g(x,y)=0方程组的解(x₀,y₀,λ₀)中，(x₀,y₀)是可能的条件极值点，需进一步比较确定极值性质Section02多约束推广在g(x,y,z)=0且h(x,y,z)=0下求f(x,y,z)极值：L=f+λg+μh解五个方程：Lₓ=0,Lᵧ=0,L_z=0,L_λ=g=0,L_μ=h=0，五个未知量x,y,z,λ,μ每增加一个约束条件，就增加一个乘数和一个偏导方程，体系始终封闭可解Optimization经典例题：固定表面积的长方体最大体积在表面积2(xy+yz+xz)=a²约束下求V=xyz的最大值，通过拉格朗日乘数法得到x=y=z=a/√6，即正方体是给定表面积下体积最大的长方体。此结论与等周不等式的几何直觉一致。01建模与构造▸目标函数V=xyz，约束条件g(x,y,z)=2(xy+yz+xz)−a²=0▸构造拉格朗日函数L=xyz+λ(2xy+2yz+2xz−a²)，对x,y,z,λ分别求偏导令其为零▸得到方程组：yz+2λ(y+z)=0，xz+2λ(x+z)=0，xy+2λ(x+y)=0，以及约束条件2(xy+yz+xz)=a²02求解与结论▸由前两个方程消去λ：yz/[2(y+z)]=xz/[2(x+z)]，化简得x=y；同理可证y=z▸代入约束条件：6x²=a²，解得x=y=z=a/√6，即最优解为正方体▸最大体积V=(a/√6)³=a³/(6√6)≈0.068a³，经二阶条件验证为全局最大值OPTIMIZATION拉格朗日乘数法的实用技巧与注意事项对称性可大幅简化计算，二次型约束可转化为特征值问题。但需注意：该方法给出候选点，需比较函数值区分极大极小。01对称简化：若f和g关于x,y对称（互换不变），可设x=y代入求解，减少计算量02二次型技巧：约束为二次型如5x²+4xy+2y²=1时，可转化为矩阵特征值问题求解λ03极值判定：拉格朗日乘数法仅给出候选点，需将所有候选点的f值比较，最大为极大，最小为极小04正则性条件：约束梯度∇g₁,∇g₂,...必须线性无关，否则∇f=Σλᵢ∇gᵢ可能无解05边界情况：当约束定义域有界时，还需检查约束集边界上的极值可能LAGRANGEMULTIPLIERS综合例题：单位圆上的条件极值在x²+y²=1约束下求f(x,y)=x²+2y²的极值，通过拉格朗日乘数法得到四个候选点：(0,±1)处f=2为条件极大，(±1,0)处f=1为条件极小。求解过程STEP01L=x²+2y²+λ(x²+y²−1)，求偏导：2x(1+λ)=0，2y(2+λ)=0，x²+y²=1STEP02由2x(1+λ)=0：x=0或λ=−1；若x=0则y=±1，f(0,±1)=2STEP03若λ=−1则2y(2−1)=2y=0，y=0则x=±1，f(±1,0)=1特征值视角INSIGHT01f=x²+2y²可写为(x,y)·diag(1,2)·(x,y)ᵀ，即矩阵A=[10;02]的二次型INSIGHT02在‖x‖=1约束下，二次型xᵀAx的极值恰为A的特征值：λ₁=1（极小），λ₂=2（极大）INSIGHT03条件极值=特征值，极值点=特征向量——几何与代数的深层统一CHAPTER04有界闭区域上的最值问题从局部极值到全局最值的系统方法与工程应用MultivariableCalculus有界闭区域最值的系统求解方法魏尔斯特拉斯定理保证连续函数在有界闭区域上必有最值。求解采用'三步扫描法'：第一步找内部驻点的函数值，第二步用拉格朗日乘数法找边界极值，第三步全面比较所有候选点的函数值确定全局最值。00理论保证：连续函数在有界闭区域D上必存在最大值和最小值（魏尔斯特拉斯定理）TheoremWeierstrass01第一步：求f在D内部的所有驻点和偏导数不存在点，计算这些点处的函数值Method内部驻点02第二步：将D的边界方程作为约束条件，用拉格朗日乘数法求f在边界上的极值MethodLagrange03第三步：将内部极值点的函数值与边界极值点的函数值统一比较，最大者为最大值，最小者为最小值Result全局比较MultivariableOptimization例题：三角形区域上的最值求解f(x,y)=x²+y²-2x-4y+5在三角形区域D上的最值求解需要"三步扫描"：内部驻点f(1,2)=0为全局最小值，三条边界上分别求极值后比较端点，f(4,0)=13为全局最大值。Step01内部驻点01fₓ=2x−2=0,fᵧ=2y−4=0，驻点(1,2)位于D内部（1+2=3<4）02f(1,2)=1+4−2−8+5=0，配方知f=(x−1)²+(y−2)²≥0，故(1,2)为全局最小值点Step02边界分析01边界x=0（0≤y≤4）：f(0,y)=(y−2)²+1，极小值f(0,2)=1，端点f(0,0)=5,f(0,4)=502边界y=0（0≤x≤4）：f(x,0)=(x−1)²+4，极小值f(1,0)=4，端点f(0,0)=5,f(4,0)=1303边界x+y=4：代入y=4−x得f=2x²−10x+13，x∈[0,4]极小f(5/2,3/2)=1/2，端点f(4,0)=1304综合比较：最小值f(1,2)=0，最大值f(4,0)=13OptimizationModeling最值应用题的建模与简化策略应用题求解的关键是将实际问题转化为数学模型（目标函数+约束）。当问题保证最值存在且内部仅有唯一候选极值点时，可直接断言该点为最值点，无需进行边界比较，大幅简化求解过程。建模步骤明确决策变量→建立目标函数→写出约束条件→确定可行域→求解并验证5步建模流程简化定理若最值必然存在，且f在区域D内只有唯一驻点，则该驻点即为最值点唯一驻点=最值典型应用场景用料最省、利润最大、距离最短、体积最大等优化问题的数学建模4类优化问题注意事项简化定理的前提是"最值确实存在"，需由实际问题的物理或经济意义保证存在性先验CALCULUS·APPLICATION应用例题：无盖水箱用料最省问题容积为V的无盖长方体水箱，通过拉格朗日乘数法求得最优尺寸为x=y=(2V)^(1/3)、z=x/2，即底面为正方形且高为底边一半时用料最省。问题保证最值存在且驻点唯一，可直接应用简化定理。SECTION01建模目标函数S=xy+2xz+2yz（无盖表面积），约束条件xyz=V（容积固定）拉格朗日函数L=xy+2xz+2yz+λ(xyz−V)，对x,y,z,λ分别求偏导令其为零SECTION02求解与结论由Lₓ=Lᵧ得x=y（对称性），由Lₓ与L_z关系得z=x/2代入V=x²·(x/2)=x³/2，解得x=y=(2V)^(1/3)，z=(V/4)^(1/3)最优形状：底面为正方形，高为底边长的1/2，此时表面积最小最值存在性由物理意义保证（表面积有下界且趋于无穷时S→∞），唯一驻点即为最小值点CHAPTER05多元函数微分的几何应用切平面、法线与空间曲线的切线问题及其与极值的内在联系MultivariateCalculus·多元微分学曲面的切平面与法线方程曲面z=f(x,y)在P₀处的法向量为(fₓ,fᵧ,-1)，切平面由点法式方程给出。极值点处fₓ=fᵧ=0使切平面水平（平行于xy面），这一几何性质恰好是极值必要条件∇f=0的几何诠释。显式曲面z=f(x,y)01法向量n=(fₓ(x₀,y₀),fᵧ(x₀,y₀),-1)，切平面方程：fₓ(x−x₀)+fᵧ(y−y₀)−(z−z₀)=002法线方程：(x−x₀)/fₓ=(y−y₀)/fᵧ=(z−z₀)/(−1)，某分量为0时对应分子为003极值点处fₓ=fᵧ=0，法向量为(0,0,−1)，切平面z=z₀为水平面隐式曲面F(x,y,z)=001法向量n=∇F=(Fₓ,Fᵧ,F_z)，切平面方程：Fₓ(x−x₀)+Fᵧ(y−y₀)+F_z(z−z₀)=002法线方程：(x−x₀)/Fₓ=(y−y₀)/Fᵧ=(z−z₀)/F_z03隐式形式更通用，可处理z=f(x,y)无法表达的曲面，如球面x²+y²+z²=R²Tangent&NormalPlane空间曲线的切线与法平面参数曲线的切向量由各分量对参数的导数构成；交线形式曲线的切向量为两曲面法向量的叉积∇F×∇G。切线和法平面的方程在工程设计、机器人路径规划等领域有直接应用。参数方程形式曲线r(t)=(x(t),y(t),z(t))在t₀处的切向量为T=(x'(t₀),y'(t₀),z'(t₀))切线方程：(x−x₀)/x'=(y−y₀)/y'=(z−z₀)/z'法平面：x'(x−x₀)+y'(y−y₀)+z'(z−z₀)=0某分量导数为0时理解为分子为0，如x'=0则切线含条件x=x₀交线形式曲线为F(x,y,z)=0与G(x,y,z)=0的交线切向量T=∇F×∇G，即两曲面法向量的叉积也可通过消元将两个变量用第三个表示，转化为参数形式处理CALCULUS·APPLICATION切平面与法线的应用例题通过z=x²+y²在(1,2,5)处的切平面求解，演示法向量→切平面→法线的标准流程。反向问题则需令法向量成比例求解。01正向求解法向量z=x²+y²在(1,2,5)：fₓ=2,fᵧ=4,法向量n=(2,4,−1)切平面2(x−1)+4(y−2)−(z−5)=0，化简为2x+4y−z−5=0法线(x−1)/2=(y−2)/4=(z−5)/(−1)02反向问题目标求z=x²+y²上切平面平行于2x+4y−z=0的点条件令(fₓ,fᵧ,−1)=(2x,2y,−1)与(2,4,−1)成比例解2x=2,2y=4→x=1,y=2,z=5，即点(1,2,5)CHAPTER06综合例题与考研竞赛训练融合多种方法的综合题型解析与高频考点训练Example·综合分析综合例题1：Δ=0时的极值判定f(x,y)=x³−3xy²在原点驻点处Δ=AC−B²=0，二阶判别法失效，通过沿y=0方向证明原点不是极值点。判别法失效分析01fₓ=3x²−3y²=0且fᵧ=−6xy=0，唯一驻点(0,0)02A=6x|₀=0，B=−6y|₀=0，C=−6x|₀=0；Δ=AC−B²=0，判别法失效03Δ=0意味着Hessian矩阵为零矩阵，二阶信息不足以判定极值定义法判定01沿y=0方向：f(x,0)=x³，x>0时f>0，x<0时f<0，原点两侧异号02原点不是极值点，而是猴鞍点（monkeysaddle），三谷三峰交替分布03Δ=0时需借助定义法、高阶展开或特殊路径法等替代手段MultivariateCalculus·WorkedExample综合例题2：圆盘区域上的最值（多方法验证）f(x,y)=x²+y²在圆盘x²+y²≤4上的最值可通过三种方法求解：无条件极值法得内部最小值f(0,0)=0，拉格朗日乘数法得边界最大值f=4，几何直观直接验证两种方法的一致性。Method