多元函数条件极值的求解方法
多元函数条件极值求解方法摘要:本文研究的是代入法、拉格朗日乘数法、标准量代换法、不等式法等九种方法在解 多元函数条件极值问题中的运用，较为全面的总结了多元函数条件极值的求解方法，旨在 解决相应的问题时能得以借鉴，找到合适的解决方法。
关键词：多元函数；条件极值；拉格朗日乘数法；柯西不等式Abstract: This paper studies the substitution method, the Lagrange multiplier method, standard substitution method, inequality of nine kinds of method in solving multivariate function extremum problems, the application conditions are summed up the diverse functions of conditional extreme value method, to solve the corresponding problem is able to guide, to find the right solution.Key words: multiple functions; Conditional extreme value; Lagrange multiplier method; Cauchy inequality时比较困难，解题过程中选择一种合理的方法可以达到事半功倍的效果，大大减少解题时间，拓展解题的思路。
下面针对多元函数条件极值问题总结了几种方法供大家借鉴。
1.消元法对于约束条件较为简单的条件极值求解问题，可利用题目中的约束条件将其中一个量用其他量表示，达到消元的效果，从而将条件极值转化为无条件极值问题。
例1 求函数(,,)f x y z xyz =在条件x －y+z=2下的极值. 解： 由x －y+z=2 解得 2z x y =-+将上式代入函数(,,)f x y z ，得 g(x,y)=xy(2-x+y)解方程组 22'2y 20220x yg xy y g x xy x ⎧=-+=⎪⎨'=+-=⎪⎩ 得驻点 1222P P =33（0，0），（，-） 2xx y ''=-g ，222xy g x y ''=-+，2yy g x ''= 在点1P 处，0,2,0A B C ===22=0240AC B ∆-=-=-<，所以1P 不是极值点从而函数(,,)f x y z 在相应点(0,0,2)处无极值；在点2P 处，44,2,33A B C ===224424()03333AC B ∆=-=⨯⨯-=>，又403A =>，所以2P 为极小值点因而，函数(,,)f x y z 在相应点222(,,)333-处有极小值极小值为2228(,,)33327f -=-.2.拉格朗日乘数法[3]拉格朗日乘数法是求多元函数条件极值的一种常用方法，特别是在约束条件比较多的情况下使用拉格朗日乘数法更方便适用. 求目标函数12(,,)n f x x x 在条件函数12(,,)0,(1,2,,,)k n x x x k m m n ϕ==≤组限制下的极值，若12(,,)n f x x x 及12(,,)k n x x x ϕ有连续的偏导数，且Jacobi 矩阵111122221212n n m m m n x x x x x x J x x x ϕϕϕϕϕϕϕϕϕ∂∂∂⎛⎫ ⎪∂∂∂ ⎪ ⎪∂∂∂ ⎪∂∂∂= ⎪ ⎪ ⎪∂∂∂ ⎪ ⎪∂∂∂⎝⎭的秩为m ，则可以用拉格朗日乘数法求极值.首先，构造拉格朗日函数12112121(,,,,,,)(,,)(,,)mn m n k k n k L x x x f x x x x x x λλλϕ==-∑然后，解方程组0,1,2,,0,,2,i kLi n x L k i m λ∂⎧==⎪∂⎪⎨∂⎪==⎪∂⎩从此方程组中解出驻点的坐标00012(,,)i n P x x x (1,2,,)i k =，所得驻点是函数极值的可疑点，需进一步判断得出函数的极值. 定理1.2.1（充分条件） 设点000012(,,,)n x x x x =及m 个常数12,,,m λλλ满足方程组 100mi i i k k klL fx x x ϕλϕ=∂∂∂⎧=-=⎪∂∂∂⎨⎪=⎩∑ (1,2,,;1,2,,)k n l m ==，则当方阵 20,12(,,,)m k l n nLx x x λλλ⨯⎛⎫∂ ⎪∂∂⎝⎭为正定（负定）矩阵时，0x 满足约束条件的条件极小（大）值点，因此0()f x 为满足约束条件的条件极小（大）值.例2.求椭球2222221x y z a b c++=在第一卦限内的切平面与三坐标面所围成的四面体的最小体积.解 ：此椭球在点000(,,)P x y z 处的切平面为000000222222()()()0x y z x x y y z z a b c -+-+-= 化简,得 0002221x y z x y z a b c ++= 此平面在三个坐标轴上的截距分别为：222000,,a b c x y z则此切平面与三坐标面所围成的四面体的体积 2220006a b c V x y z =由题意可知，体积存在最小值，要使V 最小，则需000x y z 最大；即求目标函数(,,)f x y z xyz =在条件2222221x y z a b c++=下的最大值，其中0,0,0x y z >>>，拉格朗日函数为222222(,,,)(1)x y z L x y z xyz a b cλλ=-++-由 22222222220;20;20;1Lx yz x a L y xz yb L z xy zc x y z ab c λλλ∂⎧=-=⎪∂⎪∂⎪=-=⎪∂⎪⎨∂⎪=-=⎪∂⎪⎪++=⎪⎩解得x y z ===; min V V ==3. 标准量代换法求含有多个变量的条件极值时,可以选取某个与这些变量有关的量作为标准量,其余各量为比较量,然后将比较量用标准量与另外选取的辅助量表示 出来,即可将其变为研究标准量与辅助量间的关系.如果给定条件是几个变量之和的形式,一般设这几个量的算术平均数为标准量.例3[4].设x y z a ++=,求222u x y z =++的最小值.解 ： 取33x y z a++= 为标准量, 令 ,33a ax y αβ=-=-,则 3az αβ=++(,αβ为任意实数),从而有 222()()()333a a au αβαβ=-+-+++2222223a αβαβ=+++22222()33a a αβαβ=++++≥ 等号当且仅当0αβ==, 即3ax y z ===时成立， 所以u 的最小值为23a .4.不等式法[4] 4.1 利用均值不等式将目标函数配凑成均值不等式122nn a a a a n+++≤左边或右边的形式，再根据均值不等式中等号成立的充要条件：12n a a a ===，求解多元函数条件极值。
例4.1 已知11112x y z ++=，(0,0,0)x y z >>>，求(,,)222f x y z x y z =++的极小值.解 0,0,0,x y z >>>(,,)222f x y z x y z ∴=++=4(x+y+z)×21 =4(x+y+z)×)11x 1(zy ++4(3)x y y z x z y x z y z x=++++++ 4(3222)36≥+++=当且仅当6x y z ===时，等号成立.4.2利用柯西不等式将目标函数配凑成柯西不等式21122()n n a b a b a b +++≤2222221212()()n n a a a b b b ++++++左边或者右边的形式，再根据柯西不等式中等号成立的充要条件：12,,,n a a a 与1,2,n b b b 对应成比例，来求解多元函数条件极值.例4.2 已知222(2)(1)(4)9x y z -+++-=，求(,,)22f x y z x y z =-+ 的最值.解： 首先将 (,,)22f x y z x y z =-+ 变形为(,,)f x y z =2(2)2(1)(4)10x y z --++-+；再设 (,,)2(2)2(1)(4)g x y z x y z =--++-， 于是，根据柯西不等式及已知条件，有[]22(2)2(1)(4)x y z --++-≤2222222(2)1(2)(1)(4)81x y z ⎡⎤⎡⎤+-+⨯-+++-=⎣⎦⎣⎦即： 92(2)2(1)(4)9x y z -≤--++-≤当且仅当 222214221(2)(1)(4)9x y z k x y z -+-⎧===⎪-⎨⎪-+++-=⎩ 时，等号成立； 即当 1435k x y z =⎧⎪=⎪⎨=-⎪⎪=⎩时，max (,,)9g x y z =；当 1013k x y z =-⎧⎪=⎪⎨=⎪⎪=⎩时，min (,,)9g x y z =-，所以，max (,,)19f x y z =，min (,,)1f x y z =.5 梯度法[6]用梯度法求目标函数12(,,)n f x x x 在条件函数时12(,,,)0i n x x x ϕ=(1,2,,,)i m m n =≤组限制下的极值，方程组1212112(,,,)(,,,)(,,,)0,(1,2,,)mn i i n i i n gradf x x x grad x x x x x x i m λϕϕ=⎧=⎪⎨⎪==⎩∑的解,就是所求极值问题的可能极值点. 其中gradf 表示目标函数12(,,)n f x x x 的梯度向量12(,,,)nf ffx x x ∂∂∂∂∂∂， i grad ϕ表示条件函数12(,,,)i n x x x ϕ的梯度向量12(,,,)i iinx x x ϕϕϕ∂∂∂∂∂∂ 例5. 从斜边之长为l 的一切直角三角形中,求最大周长的直角三角形.解:设两条直角边为,x y ,本题的实质是求(,)f x y x y l =++在条件222x y l +=下的极值问题.根据梯度法,列出方程组 222222()()grad x y l grad x y l x y lλ⎧++=+-⎪⎨+=⎪⎩ 进一步求解得 {}{}2221,12,2x y x y lλ⎧=⎪⎨+=⎪⎩ 容易解出2l x y ==根据题意,22ll ⎛⎫ ⎪⎝⎭是唯一的极大值点,也是最大值点.所以，当两条直角边都为2l时,直角三角形的周长最大. 6. 数形结合法根据目标函数的几何意义，如直线的截距，点到直线的距离，圆的半径等几何性质来决定目标函数的条件极值。
多元函数的极值及其求法
定理 设A是一个n n对称矩阵,
A正定 所有顺序主子式大于0
a11 a12 L a1k
a21 a22 L a2k
MM
M
所有特征值大于0 .
ak1 ak 2 L akk
(即特征方程 | E - A | 0的根大于0)
以 2 2 矩阵为例: A a11 a12 a21 a22
证: 由二元函数的泰勒公式, 并注意
则有
若 H f (P0 )正定, 则由引理知存在m 0使得
(h, k)H f (P0)(h, k)' m2.
故对充分小的U(P0), 只要(x, y) x0 h, y0 k U(P0), 就有
f (x, y)
f ( x0 ,
y0
)
(
m 2
o(1))
设函数z f ( x, y)在点 P0 ( x0 , y0 )的某邻域U(P0 )内 有一阶及二阶连续偏导数，且 P0是 f 的驻点,
则当H f (P0 )是正定矩阵时, f 在 P0取得极小值;
当H f (P0 )是负定矩阵时, f 在 P0取得极大值; 当H f (P0 )是不定矩阵时, f 在 P0不取极值.
极大值和极小值
x
例1. 已知函数
A 则( )
的某个邻域内连续, 且
(D) 根据条件无法判断点(0, 0)是否为f (x,y) 的极值点. 提示: 由题设
(2003 考研)
定理1 (必要条件) 函数
存在
偏导数, 且在该点取得极值 ,
则有
证:
取得极值 ,
故
取得极值 取得极值
据一元函数极值的必要条件可知定理结论成立.
(h2
多元函数极值
提示: 当(x, y)=(0, 0)时, z=0, 而当(x, y)≠(0, 0) 时, z>0. 因此z=0是函数的极小值.
首页 上页 返回 下页 结束 铃
一,多元函数的极值及最大值,最小值
极值的定义 设函数z=f(x, y)在点(x0, y0)的某个邻域内有定义, 如果对 于该邻域内任何异于(x0, y0)的点(x, y), 都有 f(x, y)<f(x0, y0)(或f(x, y)>f(x0, y0)), 则称函数在点(x0, y0)有极大值(或极小值)f(x0, y0). 例2 函数z = x2 + y2 在 (0, 0)处有极大值 点 .
首页
上页
返回
下页
结束
铃
二,条件极值 拉格朗日乘数法
条件极值 对自变量有附加条件的极值称为条件极值. 求条件极值的方法 (1)将条件极值化为无条件极值 有时可以把条件极值问题化为无条件极值问题. 例如, 求V=xyz在条件2(xy+yz+xz)=a2下的最大值.
a2 2xy 由条件2(xy+ yz + xz)=a2 , 解得z = 得 , 于是 2(x+ y) xy a2 2xy V= ( ). 2 (x+ y) 这就把求条件极值问题转化成了求无条件极值问题.
首页 上页 返回 下页 结束 铃
二,条件极值 拉格朗日乘数法
条件极值 对自变量有附加条件的极值称为条件极值. 求条件极值的方法 (1)将条件极值化为无条件极值 (2)用拉格朗日乘数法 在多数情况下较难把条件极值转化为无条件极值, 需要 用一种求条件极值的专用方法, 这就是拉格朗日乘数法. 下面导出函数z=f(x, y)在条件(x, y)=0下取得的极值的必 要条件. 假定f(x, y)及(x, y)有各种所需要的条件.
多元函数的极值及最大值
例5 求表面积为 a 而体积为最大的长方体 的体积 .
2
三、最小二乘法
作业：P70 1 5 8
要找函数z f ( x, y)在附加条件 ( x, y) 0 下的可能极值点，可以 先构成辅助函数 F ( x, y) f ( x, y) ( x, y) f x ( x, y ) x ( x, y ) 0 由： f y ( x, y ) y ( x, y ) 0 ( x, y ) 0
例3：某厂要用铁板做成一 个体积为2m 的有盖 长方形水箱 .问长、宽、高各取怎样 的尺 寸时，才能使用料最省 ？
例4：有一宽为 24cm的长方形铁板，把它两 边 折起来做成一个断面为 等腰梯形的水槽 . 问怎样折法才能使断面 的面积最大？
3
二、条件极值 拉格郎日乘数法
无条件极值 条件极值 拉格郎日乘数法
(1) AC B 2 0时具有极值，且当 A 0时有极大 值，当A 0时有极小值；
(2) AC B2 0时没有极值；
(3) AC B 2 0时可能有极值，也可能 没有极值， 还需另作讨论 . 3 3 2 2 例2：求函数f ( x, y) x y 3x 3 y 9x的极值 .
驻点：能使 f x ( x, y) 0, f y ( x, y) 0同时成立的点 .
可导：极值点 驻点. 驻点 ？极值点.
定理2(充分条件)：设函数z f ( x, y )在点( x0 , y0 )的 某邻域内连续且有一阶 及二阶连续偏导数，又 f x ( x0 , y0 ) 0, f y ( x0 , y0 ) 0.令 f xx ( x0 , y0 ) A, f xy ( x0 , y0 ) B, f yy ( x0 , y0 ) C , 则f ( x, y )在( x0 , y0 )处是否取得极值的条件 如下：
多元函数求极值
多元函数求极值摘要：本文总结了多元函数求极限的各类方法，以及证明多元函数极限不存在的取各种花式路劲的例题。
一、多元函数极限的定义存在的问题：有两种定义方式分别以聚点/去心领域去定义重极限，不同的定义方式可能导致结果不同例1.1：求极限: \lim_{{x\to0}\atop{y\to0}}\frac{\sqrt{xy+1}-1}{xy} .解：法I(聚点定义).\lim_{{x\to0}\atop{y\to0}}\frac{\sqrt{xy+1}-1}{xy}=\lim_{{x\to0}\atop{y\to0}}\frac{xy}{xy(\sqrt{xy+1}+1)}=\l im_{{x\to0}\atop{y\to0}}\frac{1}{\sqrt{xy+1}+1}=\frac{1}{2}或者利用等价无穷小.\lim_{{x\to0}\atop{y\to0}}\frac{\sqrt{xy+1}-1}{xy}=\lim_{{x\to0}\atop{y\to0}}\frac{\frac{1}{2}xy}{xy}=\frac{ 1}{2}法II(去心领域定义).由于函数 f(x,y)=\frac{\sqrt{xy+1}-1}{xy} 在原点的领域内的坐标轴上处处无定义, 因此\lim_{{x\to0}\atop{y\to0}}\frac{\sqrt{xy+1}-1}{xy}\text{不存在}用 \varepsilon-\delta 定义证明的例题选解例1.2：用 \varepsilon-\delta 定义证明: \lim_{x\to0\atopy\to0}\frac{xy^2}{x^2+y^2}=0解：因为当 (x,y)\neq(0,0) 时\left，\frac{xy^2}{x^2+y^2}\right，=，y，\cdot\frac{，xy，}{x^2+y^2}\leqslant，y，\leqslant\sqrt{x^2+y^2}\\从而，对 \forall \varepsilon>0 , 取 \delta=\varepsilon , 则当 0<\sqrt{x^2+y^2}<\delta 时,\left，\frac{xy^2}{x^2+y^2}-0\right，<\varepsilon \\所以 \lim_{x\to0\atop y\to0}\frac{xy^2}{x^2+y^2}=0 .例1.3：求证:\lim_{{x\to0}\atop{y\to0}}(x^2+y^2)\sin\frac{1}{x^2+y^2}=0证明： \forall \,\varepsilon>0 , 要使得\left，(x^2+y^2)\sin\frac{1}{x^2+y^2}-0\right，\leqslant\varepsilon\\即 \left，(x^2+y^2)\sin\frac{1}{x^2+y^2}-0\right， =\biggl，x^2+y^2\biggl，\cdot\biggl，\sin\frac{1}{x^2+y^2}-0\biggl，\leqslant x^2+y^2\leqslant\varepsilon\\ 只要\sqrt{x^2+y^2}<\sqrt{\varepsilon} , 取\delta=\sqrt{\varepsilon} , 则当0<\sqrt{(x-0)^2+(y-0)^2}=\sqrt{x^2+y^2}<\delta 时, 有\left，(x^2+y^2)\sin\frac{1}{x^2+y^2}-0\right，\leqslant x^2+y^2\leqslant\varepsilon\\原结论成立．二、多元函数求极限的方法直接代入：先代入看看是不是未定式！如果不是那就是答案略有理化：略有界函数x无穷小量=0略两个重要极限：略夹逼准则：多是夹为0。
多元函数的极值与条件极值的求解方法
多元函数的极值与条件极值的求解方法一、引言多元函数在数学和应用领域中扮演着重要的角色。
求解多元函数的极值是一个常见的数学问题，而条件极值则进一步考虑了多个约束条件下的最优解。
本文将介绍多元函数极值和条件极值的求解方法。
二、多元函数极值的求解方法要求解多元函数的极值，需要判断函数在特定点的局部极值，并进一步确定全局极值。
常用的方法包括二阶条件、梯度以及拉格朗日乘子法。
1. 二阶条件法对于一个二次可导函数，可以通过计算其二阶偏导数来确定函数的极值。
具体步骤如下：a. 计算函数的一阶偏导数，并令其等于零，得到临界点；b. 计算函数的二阶偏导数，并检查其正负性；c. 若二阶偏导数为正，则临界点是局部极小值；若二阶偏导数为负，则临界点是局部极大值。
2. 梯度法梯度法可以用于求解多元函数的极值，其思想是在梯度的指引下，逐步迭代寻找函数的最优解。
具体步骤如下：a. 计算函数的梯度向量，并初始化变量值；b. 根据梯度向量的反方向更新变量的取值；c. 重复步骤b，直到满足收敛条件。
3. 拉格朗日乘子法拉格朗日乘子法用于求解多元函数在一组约束条件下的极值。
通过构建拉格朗日函数，并利用约束条件和拉格朗日乘子进行求解，得到函数的条件极值。
三、条件极值的求解方法在现实问题中，多元函数的极值求解往往伴随着条件限制。
求解条件极值需要考虑约束条件，并结合优化理论中的拉格朗日乘子法。
1. 求解过程a. 构建拉格朗日函数，将约束条件引入目标函数中，得到增广拉格朗日函数；b. 求解增广拉格朗日函数的临界点，即通过求解方程组来确定目标函数的条件极值点。
c. 验证求得的临界点是否满足约束条件，并通过比较确定全局的条件极值。
2. 案例分析假设有一个三角形，其面积为目标函数，而周长为约束条件。
通过使用拉格朗日乘子法，可以求解出在给定周长下，使得三角形面积最大的顶点。
四、总结本文介绍了多元函数极值和条件极值的求解方法。
对于多元函数极值的求解，可以使用二阶条件法、梯度法和拉格朗日乘子法来确定函数的极值点。
高中数学多元函数极值解题技巧
高中数学多元函数极值解题技巧在高中数学中，多元函数极值问题是一个非常重要且常见的题型。
解决这类问题需要掌握一些技巧和方法。
本文将介绍几种常见的多元函数极值解题技巧，并通过具体的例子进行说明，帮助高中学生或他们的父母更好地理解和应用这些技巧。
一、利用偏导数求解在多元函数的极值问题中，利用偏导数是一种常用的方法。
偏导数可以帮助我们找到函数在某一方向上的变化率，从而判断极值点的位置。
举个例子，考虑函数f(x, y) = x^2 + y^2 - 2x - 4y + 5。
我们要求函数f(x, y)的极值点。
首先，计算函数f(x, y)对x和y的偏导数：∂f/∂x = 2x - 2∂f/∂y = 2y - 4然后，令∂f/∂x = 0和∂f/∂y = 0，解方程组得到极值点的坐标。
将∂f/∂x = 0和∂f/∂y = 0带入得到的方程组中，我们可以解得x = 1，y = 2。
因此，函数f(x, y)的极小值点为(1, 2)。
二、利用二次型矩阵判断极值类型在多元函数的极值问题中，有时候我们需要判断极值点的类型，即是极小值点还是极大值点。
这时，我们可以利用二次型矩阵来进行判断。
举个例子，考虑函数f(x, y) = x^2 + 2y^2 - 4x - 6y + 9。
我们要判断函数f(x, y)的极值点类型。
首先，计算函数f(x, y)对x和y的偏导数：∂f/∂x = 2x - 4∂f/∂y = 4y - 6然后，计算二次型矩阵A的特征值，其中A = [∂^2f/∂x^2, ∂^2f/∂x∂y; ∂^2f/∂y∂x, ∂^2f/∂y^2]。
如果二次型矩阵A的特征值都大于0，则极值点为极小值点；如果特征值都小于0，则极值点为极大值点；如果特征值有正有负，则极值点为鞍点。
计算二次型矩阵A的特征值，我们得到λ1 = 2，λ2 = 4。
由于特征值都大于0，所以函数f(x, y)的极值点为极小值点。
三、利用约束条件求解在多元函数的极值问题中，有时候我们需要在一定的约束条件下求解极值点。
多元函数条件极值的求解方法
多元函数条件极值的求解方法一、拉格朗日乘子法拉格朗日乘子法是一种常用的求解多元函数条件极值问题的方法，其基本思想是将约束条件转化为目标函数的等式约束，通过构造拉格朗日函数来求解极值点。
具体步骤如下：1.确定目标函数和约束条件。
假设目标函数为f(x,y,...)，约束条件为g(x,y,...)=0。
2.构造拉格朗日函数。
将目标函数和约束条件相乘，并引入拉格朗日乘子λ，构造拉格朗日函数L(x,y,...,λ)=f(x,y,...)+λg(x,y,...)3.求解极值点。
对L(x,y,...,λ)分别对变量x,y,...,λ求偏导数，令其等于0，得到一组方程。
解方程组，得到拉格朗日乘子λ和变量的值。
4.检查结果。
将求得的解代入目标函数中，计算函数值，检查是否为极值点。
若不是，返回第3步，重新求解。
二、隐函数定理隐函数定理是求解多元函数条件极值问题的另一种方法，该方法适用于函数的值无法用显式的表达式表示的情况。
具体步骤如下：1.确定目标函数和约束条件。
假设目标函数为f(x,y,...)，约束条件为g(x,y,...)=0。
2.构造拉格朗日函数。
将约束条件g(x,y,...)=0表示为G(x,y,...,z)=0，其中z是一个待定参数。
3. 利用隐函数定理。
对 G(x, y, ..., z) 关于 z 求导，得到隐函数关系式 dz/dx = -∂G/∂x / ∂G/∂z，dz/dy = -∂G/∂y / ∂G/∂z。
求得dz/dx 和 dz/dy 后，得到 z(x, y) 的形式。
4.代入目标函数。
将x和y分别用z表示，得到函数f(z)。
对f(z)求导，令其等于0，解方程求得z(x,y)的极值点。
5.检查结果。
将求得的z(x,y)代入目标函数f(x,y,...)中，计算函数值，检查是否为极值点。
若不是，返回第4步，重新求解。
总结：拉格朗日乘子法适用于目标函数和约束条件可用显式表达式表示的情况下，且求解过程相对简单。
ch7-6-多元函数求极值
umax 63 42 2 6912. 故最大值为
小结
• 多元函数的极值 （取得极值的必要条件、充分条件） • 多元函数的最值 • 条件极值（拉格朗日乘数法）
练习
1 求函数f ( x, y ) 4( x y ) x 2 y 2的极值. 2 求函数f ( x, y ) e 2 x ( x y 2 2 y )的值.
A 0,B2 AC 4e2 0
故函数在点 ( 1 1 e ,1)处取得极小值 f( ,1) 2 2 2
(3)某公司拟用甲、乙两个厂生产的同一种产 品，若用x代表甲厂的产量，用y代表乙厂 的产量，其总成本函数为C=X2+3Y2-XY • 求该公司在生产总量为30单位时使得总成 本最低的产量？ • 解：目标函数C= X2+3Y2-XY • 约束条件X+Y=30（即X+Y-30=0）
(4)设某种产品的产量是劳动力x和原料y的函 数，f(x,y)=60x ¾ y ¼,若劳动力单价为100元 ，原料单价为200元，则在投入30000元资 金用于生产情况下，如何安排劳动力和原 料，可使产量最多？ • 解：目标函数f(x,y)=60x ¾ y ¼ • 约束条件 x+2y=300（即x+2y-300=0 ）
最大利润为1650单位。
(3)某企业生产两种产品的数量分别为x单位和y单位，单价 分别为：200,150，总成本函数为 C ( x, y) 2 x 2 y 2 求最大 利润。 L( x, y) R( x, y) C ( x, y) (200 x 150 y) (2 x 2 y 2 ) 解：
解：令 F ( x , y , z ) x 3 y 2 z ( x y z 12) ,
大学经典课件之高等数学——8-9多元函数的极值及其求法
注意：偏导数不存在的点也是可疑的极值点， 是否是极值要用定义去判断。
机动 目录 上页 下页 返回 结束
求函数 f ( x , y ) = x 3 − y 3 + 3 x 2 + 3 y 2 − 9 x 的极值. 例1.
解: 第一步 求驻点. f x′ ( x , y ) = 3 x 2 + 6 x − 9 = 0 解方程组 2 f y′ ( x , y ) = − 3 y + 6 y = 0
( 3) 考察函数
f ( x, y) = x + y
2
4
及 g( x , y ) = x 2 + y 3 .
容易验证，这两个函数都以(0,0)为驻点，且在点
(0,0)处都满足 AC − B 2 = 0 。但 f ( x , y ) 在点(0,0)
处有极小值，而 g ( x , y ) 在点(0,0)处却没有极值。
z = − x + y 在点 (0,0) 有极大值;
2 2
z z z
x x
z = x y 在点 (0,0) 无极值.
x
上页 下页 返回
y y y
结束
机动
目录
多元函数取得极值的条件
定理 1（必要条件） ：设函数 z = f ( x , y ) 在点
( x0 , y0 ) 具有偏导数，且在点( x0 , y0 ) 处有极值，则
其他类似. ′′ 由(8) 式可知，当( x 0 + h, y0 + k ) ∈ U 2 ( P0 ) 时， f xx
′′ 及 f yy 都不等于零且两者同号，于是 (6) 式可写成 1 ′′ ′′ ′′ ′′ ′′ (hf xx + kf xy )2 + k 2 f xx f yy − f xy 2 . Δf = ′′ 2 f xx 当 h、k 不同时为零且 ( x 0 + h, y0 + k ) ∈ U 2 ( P0 )
多元函数的极值及其求法
多元函数的极值及其求法
一、多元函数的极值
定理1（必要条件） 设函数()y x f z ,=在点()00,y x 具有偏导数且在点()00,y x 处有极值，则有
()()0,,0,0000==y x f y x f y x
定理2（充分条件） 设函数()y x f z ,=在点()00,y x 的某邻域内连续且有一阶及二阶连续偏导，又 ()()0,,0,0000==y x f y x f y x ，令
()()()C y x f B y x f A y x f yy xy xx ===000000,,,,,,
则()y x f ,在()00,y x 处是否取得极值的条件如下：
（1）02>-B AC 时具有极值，且当0<A 时有极大值，当0>A 时有极小值；
（2）02<-B AC 时没有极值（在()00,y x 处不取极值）；
（3）02=-B AC 时可能有极值，也可能没有极值，还需另作讨论。
二、条件极值 拉格朗日乘数法
拉格朗日乘数法 要找函数()y x f z ,=在条件()0,=y x ϕ下的可能极值点，可先作拉格朗日函数
()()()y x y x f y x L ,,,λϕ+=，
其中λ为参数。
()()()()()0,0,,0
,,==+=+y x y x y x f y x y x f y y x x ϕλϕλϕ
解出y x ,及λ,这样得到的()y x ,就是函数()y x f z ,=在附加条件()0,=y x ϕ下的可能极值点。