数学课件：函数的极值性

函数的极值性欢迎来到函数的极值性课程在这门课程中，我们将深入探讨函数极值的概念、性质以及应用函数的极值是微积分中的重要概念，它不仅在理论研究中具有重要地位，更在实际应用问题中扮演着关键角色我们将从基础概念出发，逐步掌握求解函数极值的各种方法，并学习如何将这些理论应用到实际问题中希望通过这门课程，大家能够对函数的极值性有更深入的理解和掌握课程目标理解函数极值的概念掌握求解函数极值的方法掌握极大值、极小值的定义，理解函数极值的本质特征和局学习通过导数判断极值的各种部性质，建立对极值几何意义方法，包括一阶导数法、二阶的直观认识导数判别法等，能够熟练应用这些方法求解各类函数的极值应用极值理论解决实际问题学会将极值理论应用于几何、物理、经济等领域的优化问题，培养数学建模和问题解决能力通过本课程的学习，你将能够系统地掌握函数极值的理论知识，并具备解决各类极值问题的能力，为后续更深入的数学学习奠定基础什么是函数的极值？极大值的定义极小值的定义局部性质如果函数在点₀的某个邻域内，对如果函数在点₀的某个邻域内，对极值是一种局部性质，它只与函数在该fx x fx x于任意的₀都有＜₀，那么于任意的₀都有＞₀，那么点附近的邻域内的表现有关，而与函数x≠x fx fxx≠x fx fx称₀是函数的一个极大值称₀是函数的一个极小值在整个定义域内的表现无关fxfx fxfx极大值是函数在局部范围内的最高点，极小值是函数在局部范围内的最低点，一个函数可能有多个极值点，也可能没形象地说，就像山峰的顶点形象地说，就像山谷的底部有极值点极值点可能是函数的最值点，但最值点不一定是极值点极值的几何意义函数图像上的山峰函数图像上的山谷图像的弯曲函数的极大值点在图像上表现为一个局部函数的极小值点在图像上表现为一个局部在极值点附近，函数图像的形状发生了弯的山峰，从该点向左右两侧移动时，函数的山谷，从该点向左右两侧移动时，函数曲在极大值点处，图像由上升转为下降值都会减小值都会增大；在极小值点处，图像由下降转为上升在山峰处，函数图像的切线（如果存在）在山谷处，函数图像的切线（如果存在）通常是水平的，即斜率为零也通常是水平的，斜率同样为零这种弯曲的方向变化是判断极值类型的重要几何特征理解极值的几何意义有助于我们直观地把握函数的局部变化特性，为解决复杂问题提供思路和方法极值与导数的关系导数与函数变化率导数表示函数在点处的瞬时变化率，几何上表示为函数图像在该点处的切线斜率fx fx x导数符号与函数增减性当时，函数在点处是增函数；当时，函数在点处是减函数fx0fx x fx0fx x导数为零与函数极值在极值点处，函数图像的切线通常是水平的，即导数这启发我们寻找函数的极值点，可以先找出导数为零的点fx=0费马定理的引入费马定理系统地阐述了可导函数极值点与导数之间的关系，为我们求解函数极值提供了理论基础通过研究导数与极值的关系，我们可以建立起一套系统的极值判定方法，这是微积分中最重要的应用之一费马定理定理内容几何解释如果函数在点₀处可导且取得极值，那么₀从几何角度看，函数在极值点处的图像切线是水平的，即切线斜fx x fx=0率为零，对应导数₀fx=0换句话说，函数的可导极值点必定是导数为零的点这一定理为我们寻找函数的极值点提供了必要条件在极大值点，函数图像由上升转为下降，切线从正斜率变为负斜率，必然经过斜率为零的状态在极小值点，函数图像由下降转为上升，切线从负斜率变为正斜率，同样必然经过斜率为零的状态需要注意的是，费马定理仅提供了极值的必要条件，而非充分条件导数为零的点不一定是极值点，还可能是水平拐点此外，在导数不存在的点处，函数也可能取得极值费马定理的证明极大值的证明假设函数在点₀处取得极大值，根据极大值的定义，存在点₀的某个邻域，使得对于该邻fx x x域内的任意点₀，都有x≠x fx考虑点₀右侧的点₀（且足够小），有₀₀，则₀x x+h h0fx+h-fx0[fx+h-₀当时，得到右导数₊₀fx]/h0h→0+f x≤0继续证明类似地，考虑点₀左侧的点₀（且足够小），有₀₀，则₀x x-h h0fx-h-fx0[fx-₀当时，得到左导数₋₀h-fx]/-h0h→0+f x≥0由于函数在点₀处可导，所以左、右导数相等，即₊₀₋₀₀结合上fx xf x=f x=fx面的不等式，得到₀且₀，因此₀fx≤0fx≥0fx=0极小值的证明对于极小值点，证明过程类似假设函数在点₀处取得极小值，则在₀的某个邻域fx x x内，对于任意₀，都有₀x≠x fxfx通过类似的推导，可以证明在极小值点₀处，如果导数存在，则₀证明完毕x fx=0费马定理的这个证明过程展示了极值与导数的内在联系，为我们后续研究极值的判定方法奠定了基础驻点的概念驻点定义几何意义函数的导数为零的点，即₀的在驻点处，函数图像的切线是水平的，表fx fx=0点₀，称为函数的驻点或稳定点示函数在该点处的变化率为零x与极值的关系寻找过程根据费马定理，函数的可导极值点必定是求解方程，得到的解₀就是函数fx=0x驻点，但驻点不一定是极值点的驻点fx驻点是我们寻找函数极值的重要中间步骤在确定了函数的所有驻点后，我们还需要通过进一步的判别方法来确定这些驻点是极大值点、极小值点，还是既非极大值点也非极小值点的水平拐点需要注意的是，除了驻点外，函数的不可导点也可能是极值点，因此在求解函数极值时，我们需要考虑所有的驻点和不可导点极值的必要条件导数为零的条件导数不存在的条件12根据费马定理，如果函数在点₀如果函数在点₀处不可导，那么fx x fx x处可导且取得极值，那么必有点₀也可能是函数的极值点常见的x₀这是函数在可导点处取得不可导情况包括函数图像在该点有尖fx=0极值的必要条件点、垂直切线或跳跃换句话说，如果要寻找函数的可导极例如，函数在处不可导，fx=|x|x=0值点，首先应当求解方程，找且取得极小值fx=0出所有的驻点端点条件3对于定义在闭区间上的函数，其极值可能出现在区间内部的驻点或不可导点[a,b]fx，也可能出现在区间的端点或a b因此，在闭区间上求函数的极值，需要考察区间内部满足或不存在的点，fx=0fx以及区间的端点总结来说，函数的极值点只可能出现在以下三类点中导数为零的点（驻点）、导数不存fx在的点、定义域的端点（如果有的话）这为我们寻找函数的极值提供了明确的方向极值的充分条件寻找可疑点首先确定函数的所有可能的极值点，即满足或不存在的点，以及定义域的端点fx=0fx（如果有的话）应用判别法对于每个可疑点，需要进一步判断它是极大值点、极小值点，还是既非极大值点也非极小值点这需要应用极值的充分条件进行判别常用判别方法常用的判别方法包括二阶导数判别法和一阶导数符号判别法二阶导数判别法适用于二阶可导的函数；一阶导数符号判别法适用范围更广，但可能需要更多的计算做出结论根据判别结果，确定每个可疑点的性质，从而找出函数的所有极值点及其对应的极值极值的充分条件为我们提供了判断函数在可疑点处是否取得极值，以及极值类型的方法掌握这些条件对于准确求解函数的极值问题至关重要二阶导数判别法定理内容假设函数在点₀的某个邻域内二阶可导，且₀fx x fx=0如果₀，则函数在点₀处取得极小值1fx0fx x如果₀，则函数在点₀处取得极大值2fx0fx x如果₀，则二阶导数判别法失效，需要进一步使用高阶导数或其他方法判别3fx=0几何解释从几何角度看，二阶导数表示函数图像的凹凸性fx当₀时，函数图像在点₀处是凹的（向上凹），对应函数的极小值点fx0x当₀时，函数图像在点₀处是凸的（向下凹），对应函数的极大值点fx0x当₀时，仅凭二阶导数无法判断点₀处的极值情况fx=0x二阶导数判别法是判断函数极值最常用的方法之一，它简洁明了，操作方便但需要注意的是，该方法要求函数在点₀处二阶可导，且只适用于已知₀的情况x fx=0二阶导数判别法的证明泰勒展开我们从泰勒展开出发证明二阶导数判别法假设函数在点₀处二阶可导，且₀根据泰fx x fx=0勒公式，在₀附近有x₀₀₀₀₀₀fx=fx+fx x-x+fx/2x-x²+ox-x²由于₀，上式简化为fx=0₀₀₀₀fx=fx+fx/2x-x²+ox-x²极小值的情况当₀时，对于充分小的₀，有₀₀，且当₀足够小时，fx0|x-x|0fx/2x-x²0|x-x|₀的影响可以忽略ox-x²因此，₀₀₀，即₀fx-fx≈fx/2x-x²0fxfx这表明在₀附近，除₀外的任意点处的函数值都大于₀，即₀是函数的极小值x x x fxfx极大值的情况当₀时，类似地可以证明₀₀₀，即₀fx0fx-fx≈fx/2x-x²0fxfx这表明在₀附近，除₀外的任意点处的函数值都小于₀，即₀是函数的极大值x x x fxfx当₀时，二阶项消失，需要考虑更高阶的项来判断极值情况fx=0这个证明过程揭示了函数极值与导数之间的深刻联系，通过泰勒展开的方法，我们可以直观地理解为什么二阶导数的符号能够判断函数的极值类型一阶导数符号判别法定理内容应用场景与二阶导数判别法的比较假设函数在点₀处连续一阶导数符号判别法适用范围fx x，且在₀去心邻域内可导更广，包括相比于二阶导数判别法，一阶x导数符号判别法如果当从₀左侧接近函数在点₀处连续但不可1x x-x₀时，当从₀右侧导的情况（如尖点）适用范围更广，对函数的可x fx0x x-接近₀时，则₀导性要求更低x fx0fx函数在点₀处可导但二阶-x是函数的极大值导数不存在或为零的情况操作上可能更复杂，需要研-如果当从₀左侧接近究导数在点₀左右两侧的符2x x x需要判断函数在不可导点处-₀时，当从₀右侧号变化x fx0x x是否取得极值的情况接近₀时，则₀x fx0fx在二阶导数判别法失效时（-是函数的极小值₀），可以作为替代fx=0如果在₀两侧符号方法3fx x相同，则₀不是函数的极fx值一阶导数符号判别法基于函数增减性的变化来判断极值，它反映了函数极值点处的本质特征极大值点处，函数由增变减；极小值点处，函数由减变增一阶导数符号判别法的证明极大值的情况极小值的情况假设在点₀处，当从左侧接近₀时，当从右侧接近₀时假设在点₀处，当从左侧接近₀时，当从右侧接近₀时x x x fx0x x x x x fx0x x fx0fx0由导数的意义知道，意味着函数在该点处是增函数；类似地，在点₀的左侧附近，函数是减函数，函数值随着的增fx0fx xfx x意味着函数在该点处是减函数大而减小，所以对于₀左侧足够近的点₁，有₁＞₀fx0fx x xfxfx因此，在点₀的左侧附近，函数是增函数，函数值随着的增大在点₀的右侧附近，函数是增函数，函数值随着的增大而增大xfx xxfx x而增大，所以对于₀左侧足够近的点₁，有₁＜₀，所以对于₀右侧足够近的点₂，有₂＞₀xxfxfxxxfxfx同理，在点₀的右侧附近，函数是减函数，函数值随着的增大综上，在点₀的某个邻域内，对于任意₀，都有＞₀，xfx xxx≠xfx fx而减小，所以对于₀右侧足够近的点₂，有₂＜₀即₀是函数的极小值xxfxfxfx综上，在点₀的某个邻域内，对于任意₀，都有＜₀，如果在₀两侧符号相同，则函数在₀处的增减性不变，不可能xx≠xfx fxfx xx即₀是函数的极大值出现极值fx一阶导数符号判别法的证明直接基于导数与函数增减性的关系，揭示了函数在极值点处增减性发生变化的本质特征求解极值的一般步骤求导数计算函数的一阶导数fxfx寻找可疑点求解方程得到所有驻点；找出不存在的点；确定定义域端点fx=0fx判别极值对每个可疑点，使用二阶导数判别法或一阶导数符号判别法判断是否为极值点及极值类型计算极值将确定的极值点代入原函数，计算对应的函数值，即为所求的极值fx在实际应用中，求解函数极值的过程可能根据具体问题而有所变化，但基本思路是一致的先找出所有可能的极值点，然后通过判别方法确定其中哪些确实是极值点，最后计算这些极值点对应的函数值对于定义在闭区间上的函数，还需要考察区间端点的函数值，与内部极值进行比较，才能得出函数在该区间上的最大值和最小值示例求解简单函数的极值问题描述求导数12求函数的极值及计算函数的一阶导数fx=x²-4x+3fx=2x-4其取得点计算函数的二阶导数fx=20这是一个二次函数，其图像是一个开由于二阶导数恒为正，根据二阶导数口向上的抛物线从几何直观上看，判别法，如果存在驻点，它必定是极它应该有一个极小值小值点寻找驻点3令，得fx=02x-4=0解得x=2所以函数在点处有一个驻点fx=x²-4x+3x=2由于，根据二阶导数判别法，函数在点处取得极小值将代入原函f2=20x=2x=2数，得到极小值×f2=2²-42+3=4-8+3=-1因此，函数的极小值是，取得点是该函数没有极大值fx=x²-4x+3-1x=2示例解析求导对函数求导，得到一阶导数fx=x²-4x+3fx=2x-4导数的计算运用了基本求导法则，，x²=2x-4x=-43=0因此fx=2x-4找驻点令，得到方程fx=02x-4=0解这个方程，2x=4x=2所以函数在点处有一个驻点x=2检查函数的定义域和导数存在性，发现导数在整个实数域内都存在，没有不可导点判别极值计算二阶导数fx=2x-4=2在驻点处，x=2f2=20根据二阶导数判别法，当₀时，函数在该点取得极小值fx0因此，函数在点处取得极小值x=2将极小值点代入原函数，计算极小值×通过这个例子，我们完x=2f2=2²-42+3=4-8+3=-1整演示了求解函数极值的一般步骤和方法，特别是二阶导数判别法的应用多项式函数的极值多项式函数的特点求解多项式函数极值的特点多项式函数形如₀₁₂由于多项式函数处处可导，其极值点只可能fx=a+a x+a x²（为正整数，）是驻点+...+a xⁿn a≠0ₙₙ多项式函数在整个实数域内都有定义且处处求解方程通常需要因式分解或数值fx=0可导，其导数仍是多项式函数且阶数降低方法阶多项式函数至多有个驻点，因此至多项式函数的极值数量不一定等于其最高次n n-1多有个极值点幂减，可能更少n-11常见类型二次多项式函数（抛物线）最多有个极值点1三次多项式函数（立方函数）最多有个极值点2四次多项式函数最多有个极值点3奇数次多项式至少有个极值点；偶数次多项式可能没有极值点1多项式函数的极值问题是函数极值理论中的基本问题，掌握多项式函数极值的求解方法对于理解更复杂函数的极值特性有重要意义在实际应用中，许多复杂函数可以通过泰勒展开近似为多项式函数，从而简化极值问题的求解示例三次函数的极值问题描述求导及驻点判别极值求函数的极值及其一阶导数二阶导数fx=x³-3x²+2fx=3x²-6x=3xx-2fx=6x-6=6x-1取得点令，得在点处，fx=03xx-2=0x=0f0=60-1=-6这是一个三次函数，从其最高次项系数，所以是极大值0f0解得或x=0x=2为正可知，该函数当趋于正无穷时函数x在点处，x=2f2=62-1=6值趋于正无穷，当趋于负无穷时函数值x所以函数在点fx=x³-3x²+2x=，所以是极小值0f2趋于负无穷根据三次函数的性质，它和处有驻点0x=2通常有两个极值点计算极值×f0=0³-30²+2=，×2f2=2³-32²+2=8-12+2=-2因此，函数的极大值是，取得点是；极小值是，取得点是这个例子展示了三次函数典型的一fx=x³-3x²+22x=0-2x=2峰一谷极值特性三次函数极值的图像分析分段函数的极值32需检查的点类型关键考察要点分段函数极值点可能的位置分段点、各分段上的驻点、不可导点分段点连续性、可导性和左右导数符号4判断方法可导点用导数方法判断，不可导点用定义或一阶导数符号判别法分段点的处理分段函数的分段点是需要特别关注的位置，它可能是函数的极值点在分段点处需要考察以下情况如果函数在分段点处连续且可导，按普通点处理-如果函数在分段点处连续但不可导（如存在尖点），需要考察左右导数的符号变化-如果函数在分段点处不连续，则该点不是极值点-各分段上的极值除了分段点外，还需要在每个分段区间内单独考察可能的极值点，即求出每个分段函数的一阶导数-在每个分段区间内找出驻点和不可导点-使用适当的判别法判断这些点是否为极值点及其类型-分段函数的极值问题相对复杂，需要综合考虑各种情况，特别是分段点处的函数行为掌握分段函数极值的求解方法对于理解复杂函数的局部性质很有帮助示例分段函数的极值问题描述各分段上的极值求分段函数的极值及其取得点在分段上，，其导数fx={x²,x0;-x+1,x≥0}x0fx=x²fx=2x这个函数由两部分组成部分是抛物线，部分是令，得，但这个点不在该分段的定义区间内，所x0x²x≥0fx=0x=0直线首先需要确定函数在分段点处的情况以该分段上没有驻点-x+1x=0当⁻时，；当时，在分段上，，其导数，表明函x→0fx→0²=0x=0f0=-0+1=1x≥0fx=-x+1fx=-10数在该区间上单调递减，没有极值点因此函数在分段点处的左右极限不相等，表明函数在该点x=0不连续，所以不可能是极值点对于部分，注意到（因为），表明函x=0x0fx=2x0x0数在该区间上单调递减，也没有极值点综上所述，该分段函数在整个定义域内没有极值点这个例子表明，分段函数的极值问题需要仔细考察函数在分段点处的行为以及各分段上的单调性虽然二次函数在整个实数域上有极小值点，但在本例的分段定义下，该点不在的定义区间内，因此不是函x²x=0x²数的极值点分段函数极值的注意事项分段点的导数分段点的连续性检查分段点处左右导数是否存在以及它们的大小关系在分段点处，函数值是否连续直接影响极值的判断如果左右导数都存在且相等，则函数在该点可导，按如果函数在分段点处不连续，则该点不可能是极值点2普通点处理如果函数在分段点处连续，则需进一步判断其导数情如果左右导数存在但不相等，则函数在该点不可导，况需用一阶导数符号判别法综合判断分段区间边界分段函数的极值是所有分段上极值点和分段点的综合对每个分段区间求极值时，需注意区间边界的处理需要检查每个可疑点是否满足极值的定义，而不能仅如果驻点落在分段区间外，则该驻点不是原分段函数依赖于导数判别法的极值点有时需要直接利用极值定义进行判断，特别是在函数区间边界点（如分段点）可能是极值点，即使它不是不可导的情况下对应分段函数的驻点分段函数极值问题的复杂性主要来源于分段点处的特殊性在实际问题中，分段函数常用于描述具有不同行为模式的系统，其极值点往往对应系统的关键状态转换点，具有重要的实际意义无穷区间上的极值问题无穷区间的特点判断方法常见函数类型无穷区间指的是像、或这样首先确定函数在无穷区间上的所有驻点和不可导点多项式函数当次数为奇数时，和时a,+∞-∞,b-∞,+∞x→+∞x→-∞的区间，它们至少有一端延伸到无穷远处函数值分别趋于和（或相反），不存在无穷+∞-∞远处的极值；当次数为偶数且最高次项系数为正时在无穷区间上讨论函数的极值，需要考察函数当自对每个可疑点，应用极值判别法判断是否为极值点，±时函数值都趋于x→∞+∞变量趋于无穷时的渐近行为及其类型有理函数渐近行为取决于分子和分母的最高次项函数在无穷区间上可能有有限个、无限个或没有极考察函数当趋于正、负无穷时的极限行为，确定x比较值点函数在无穷远处是否有极值指数、对数、三角函数等需要根据各自的特性分对于有理函数，通常通过分析其最高次项的系数和析次数来确定无穷远处的行为在无穷区间上分析函数的极值，不仅要应用微分法求解有限范围内的极值点，还需要分析函数在无穷远处的渐近行为这种分析对于理解函数的整体性质，特别是在应用数学中的长期行为预测非常重要示例无穷区间上的极值12问题描述求导步骤求函数fx=xe⁻ˣ在区间[0,+∞上的极值及其取使用乘积法则fx=1·e⁻ˣ+x·-e⁻ˣ=e⁻ˣ1-x得点3找出驻点令fx=0得到e⁻ˣ1-x=0，由于e⁻ˣ0，所以，解得1-x=0x=1为了判断x=1是极大值点还是极小值点，我们可以计算二阶导数fx=-e⁻ˣ-e⁻ˣ1-x=-e⁻ˣ2-x在x=1处，f1=-e⁻¹·2-1=-e⁻¹0，所以x=1是极大值点将x=1代入原函数，得到极大值f1=1·e⁻¹=e⁻¹≈

0.368当x→+∞时，fx=xe⁻ˣ→0（因为指数衰减比幂次增长更快）当x=0时，f0=0·e⁰=0因此，函数fx=xe⁻ˣ在区间[0,+∞上的极大值是e⁻¹，取得点是x=1；函数在该区间上没有极小值这个例子展示了如何分析函数在无穷区间上的极值，包括考察函数在无穷远处的渐近行为无穷区间极值的图像分析函数极值与单调性函数的单调性如果在区间上对任意₁₂都有₁₂，则称函数在区间上单调递增I xxfxfxfx I如果在区间上对任意₁₂都有₁₂，则称函数在区间上单调递减I xxfxfxfx I导数与单调性的关系2如果函数在区间上可导且，则函数在该区间上单调递增fx Ifx0如果函数在区间上可导且，则函数在该区间上单调递减fx Ifx0单调性变化与极值函数的极值点正是其单调性发生变化的点极大值点处，函数由递增变为递减；极小值点处，函数由递减变为递增这一特性是一阶导数符号判别法的基础导数符号的变化反映了函数单调性的变化，进而判断极值应用意义理解函数单调性与极值的关系有助于我们更直观地把握函数的整体形状和局部行为在实际应用中，单调区间的划分对于分析函数的变化趋势、确定最优决策等具有重要意义函数的单调性与极值密切相关，两者通过导数建立起联系掌握这种关系有助于我们从整体上理解函数的行为特征，为解决各类优化问题提供理论基础极值与函数图像的关系极值点的图像特征拐点与极值的区别不可导点的图像特征极大值点函数图像在该点形成一个局拐点是函数图像凹凸性发生变化的点，函数在不可导点处可能表现为尖点、垂部的山峰，函数值在该点附近达到局部表现为函数图像从凹向上变为凹向下，直切线或跳跃点等最大或从凹向下变为凹向上如果不可导点是函数的极值点，通常在极小值点函数图像在该点形成一个局拐点可能与极值点重合，也可能不重合图像上表现为一个尖峰或尖谷部的山谷，函数值在该点附近达到局部通常，拐点不是极值点，极值点也不例如，函数在处不可导fx=|x|x=0最小是拐点，且该点是函数的极小值点，图像在此在极值点处，函数图像的切线（如果存判断拐点需要分析函数的二阶导数如处形成一个形谷底V在）通常是水平的，即切线斜率为零果₀且在₀处的符fx=0fx x=x号发生变化，则₀是拐点x=x理解极值、拐点等特殊点与函数图像的关系，有助于我们直观地把握函数的变化特性在实际应用中，通过分析这些特殊点，我们可以更准确地描绘函数图像，进而解决相关的优化问题和建模问题利用极值描绘函数图像确定定义域首先明确函数的定义域，确定需要考察的区间范围对于分段函数，需要特别注意分段点的处理求导数计算函数的一阶导数和二阶导数（如果需要），为后续分析做准备fxfx找特殊点寻找所有可能的特殊点，包括驻点的解-fx=0不可导点不存在的点-fx拐点且的符号在该点两侧发生变化的点-fx=0fx定义域端点或分段点-判断极值对每个驻点和不可导点，判断是否为极值点及其类型可以使用二阶导数判别法或一阶导数符号判别法确定单调区间根据导数的符号，确定函数在各区间上的单调性通常，极值点将定义域划分为若干个单调区间描绘图像根据上述信息，描绘函数图像的大致形状标出所有特殊点的坐标-确定函数在各区间上的增减性-注意极值点和拐点处的图像特征-考虑函数在无穷远处的渐近行为（如果适用）-利用极值等特殊点信息描绘函数图像是数学分析中的重要技能这种方法不仅可以帮助我们理解函数的整体行为，还可以减少数值计算的工作量，提高分析效率示例利用极值绘制函数图像问题判断极值确定单调区间利用极值信息绘制函数计算二阶导数根据导数的符号，可以确定函数的fx=x³-3x²fx=6x-6=6xfx的图像单调区间+2x-1首先计算导数在点₁处，₁在₁区间内，，函数fx=3x²-6x+2=x≈

0.423fx=--∞,xfx0，所以₁是极大单调递增3x²-2x+2=3x-1²-

160.423-10fx值令，得，在点₂处，₂在₁₂区间内，，函数fx=03x-1²-1=0x≈

1.577fx=-x,xfx0解得，即±，所以₂是极小单调递减x-1²=1/3x=

161.577-10fx值√1/3所以驻点为₁计算函数值₁，₂在₂区间内，，函数x=1-√1/3≈fx≈-

0.385fx-x,+∞fx0和₂单调递增

0.423x=1+√1/3≈

1.577≈

0.385根据以上分析，我们可以描绘函数的图像这是一个三次函数，当趋于正、负无穷时函数值分别趋于正、负无fx=x³-3x²+2xx穷函数在₁处取得极大值约，在₂处取得极小值约当时，；当时，x≈

0.423-

0.385x≈

1.

5770.385x=0f0=0x=1所以函数图像与轴的交点为和图像在₁和₂区间内单调递增，在₁₂区间内单调递减f1=0xx=0x=1-∞,xx,+∞x,x极值问题在优化中的应用优化问题的本质应用领域优化问题的核心是在一定约束条件下，寻找某个函极值理论在各个领域都有广泛应用，包括数（通常称为目标函数）的最大值或最小值经济学最大化利润、最小化成本-从数学角度看，这正是寻找函数极值的问题，只是工程学最优设计、能源效率最大化-在实际应用中可能需要考虑更多的约束条件物理学能量最小原理、最短时间路径-计算机科学算法效率优化、机器学习中的损失-函数最小化求解步骤解决优化问题的一般步骤明确目标函数和约束条件

1.建立数学模型，表示目标函数

2.应用微分方法求解目标函数的极值

3.考虑约束条件，确定最优解

4.验证结果的合理性和实际意义

5.极值理论为解决各类优化问题提供了强大的数学工具通过将实际问题转化为函数极值问题，我们可以利用微积分中的方法求解最优解，从而为决策提供科学依据在实际应用中，优化问题可能更加复杂，涉及多变量、不等式约束等，但基本原理与一元函数的极值理论是一致的实际问题最大化利润问题背景目标函数求解极值123一家公司生产某种产品，根据市场调研发利润等于收入减去成本对利润函数求导π=pq-Cq dπ/dq=180-

0.42q现，当产品价格为时，市场需求量为p q=收入为价格乘以数量令，得pq dπ/dq=0180-

0.42q=0公司生产该产品的成本函1000-5p成本为解得数为Cq=2000+20q+

0.01q²q=180/

0.42≈429Cq=2000+20q+

0.01q²公司希望确定最优价格，使得利润最大化由于，可以将表示为计算二阶导数q=1000-5p p p d²π/dq²=-

0.420=1000-q/5由于二阶导数小于零，所以处的q≈429代入利润函数×极值是极大值π=1000-q/5q-2000+20q+

0.01q²化简得π=200q-

0.2q²-2000-20q-

0.01q²=180q-

0.21q²-2000因此，最优生产量为单位对应的最优价格为元在这个价格下，公司的最大利润为q≈429p=1000-q/5≈1000-429/5≈

114.2π=××元180q-

0.21q²-2000≈180429-

0.21429²-2000≈16542这个例子展示了如何利用函数极值理论解决实际的经济优化问题通过建立数学模型并求解其极值，我们可以找到能够使利润最大化的最优价格和产量实际问题解析建立数学模型识别变量在建立数学模型的第一步，我们需要明确问题中的变量对于利润最大化问题，主要变量包括价格产品的销售价格，单位为元件-p/数量产品的生产和销售数量，单位为件-q这两个变量之间存在关系，即需求函数q=1000-5p确定目标函数目标函数是我们希望最大化或最小化的量在此问题中，目标是最大化利润，其计算公式为π总收入总成本π=-总收入价格×数量==pq总成本=Cq=2000+20q+

0.01q²结合这些关系，可以建立利润函数π=pq-Cq选择表示方式利润函数可以用表示，也可以用表示为了简化计算，我们选择用表示，因为成本函数已经是的函数p q qq利用需求函数，可以得到价格与数量的关系q=1000-5ppqp=1000-q/5将这个关系代入利润函数，得到×π=1000-q/5q-2000+20q+

0.01q²化简后得到π=180q-

0.21q²-2000通过上述步骤，我们成功地将利润最大化的实际问题转化为了数学模型，即求解函数的π=180q-

0.21q²-2000最大值这个模型清晰地展示了变量之间的关系和优化目标，为后续的极值求解奠定了基础模型的建立是解决优化问题的关键一步，它要求我们理解问题的本质，并能用数学语言准确表达实际问题解析求解极值计算导数对利润函数求导，得到π=180q-

0.21q²-2000dπ/dq=180-

0.42q这个导数表示利润相对于产量的变化率，反映了增加一单位产量对利润的边际贡献求解驻点令，得到方程dπ/dq=0180-

0.42q=0解这个方程，

0.42q=180q=180/

0.42≈

428.57由于产量应为整数，我们可以取作为近似解这个产量对应的价格为元q=429p=1000-429/5=

114.2验证极值性质计算二阶导数d²π/dq²=-

0.420由于二阶导数小于零，根据二阶导数判别法，我们确定处的极值是极大值q=429这说明在处，利润达到最大值q=429计算最大利润将代入利润函数，得到最大利润q=429××π=180429-

0.21429²-2000≈77220-38651-2000元≈36569通过以上分析，我们找到了使利润最大化的最优产量和价格生产件产品，以元的价格销售，可以获得最大利润元这

429114.236569个结果具有明确的经济意义当价格过高时，虽然单价高但销量低，总利润下降；当价格过低时，虽然销量大但单价低，也无法获得最大利润实际问题最小化成本问题背景数学模型一家工厂需要生产一种产品，涉及两种生产要素劳动力和资本设劳动力投入为总成本C=wL+rK=40L+60K（单位工时），资本投入为（单位机器小时）生产函数为L KQ=生产约束100L^

0.6K^

0.4=1000，表示在投入单位劳动力和单位资本时的产出量劳动力100L^

0.6K^

0.4L K的价格为w=40元/工时，资本的价格为r=60元/机器小时工厂计划生产目标最小化总成本C，同时满足生产约束单位产品，希望确定最优的生产要素组合，使得总成本最小1000由于存在约束条件，这是一个条件极值问题，可以使用拉格朗日乘数法或直接代入法求解直接代入法从生产约束可得将其代入总成本函数K=1000/100^

2.5L^-

1.5=10^

2.5L^-

1.5××C=40L+6010^

2.5L^-

1.5=40L+

60316.23L^-

1.5=40L+

18973.8L^-

1.5对总成本函数求导×dC/dL=40-

18973.

81.5L^-

2.5=40-

28460.7L^-

2.5令，得，，dC/dL=040=

28460.7L^-

2.5L^-

2.5=40/

28460.7L^

2.5=

28460.7/40=

711.52解得工时L=

711.52^1/

2.5≈

16.01代入求××机器小时K K=10^

2.

516.01^-

1.5≈

316.

230.1568≈

49.58因此，最优的生产要素组合为劳动力投入约工时，资本投入约机器小时对应的最小总成本为××

16.

0149.58C=

4016.01+

6049.58≈

640.4+

2974.8元≈

3615.2实际问题解析建立数学模型明确优化目标确定需要最小化的总成本函数C=wL+rK确定约束条件生产函数100L^

0.6K^

0.4=1000建立变量关系和之间的关系通过约束条件确定K L形成完整模型最小化，满足约束C=40L+60K100L^

0.6K^

0.4=1000在建立最小化成本的数学模型时，我们面临的是一个带约束条件的优化问题首先明确优化目标是总成本，这是我们需要最小化的函数C=wL+rK=40L+60K约束条件是公司需要生产单位产品，即生产函数满足1000100L^

0.6K^

0.4=1000为了求解这个约束优化问题，可以采用两种方法拉格朗日乘数法或直接代入法使用直接代入法时，我们从约束条件中解出一个变量，然后代入目标函数从生产约束可得，即，求解得将100L^

0.6K^

0.4=1000K^

0.4=1000/100L^

0.6=10/L^

0.6K=10/L^

0.6^

2.5=10^

2.5L^-

1.5其代入总成本函数×，这样我们就得到了一个仅含单一变量的无约束优化问题C=40L+6010^

2.5L^-

1.5=40L+

18973.8L^-

1.5L实际问题解析求解极值计算导数寻找驻点1对成本函数求导，得令，得C=40L+

18973.8L^-

1.5dC/dL=0L^

2.5=

28460.7/40≈，解得dC/dL=40-

28460.7L^-

2.

5711.52L≈

16.01验证极值性质计算其他变量计算二阶导数，d²C/dL²=

71151.75L^-

3.50代入得，最小成本元K≈

49.58C≈

3615.2确认为极小值点在求解优化问题时，我们首先对转化后的单变量成本函数求导当时，成本函数可能达到极值通过求解方程，我们得到临界点dC/dL=040-

28460.7L^-

2.5=0L≈

16.01为了确认这个点确实是最小值点，我们计算二阶导数××由于，所以，根据二阶导数判别法，d²C/dL²=

2.

51.

518973.8L^-

3.5=

71151.75L^-

3.5L0d²C/dL²0L是成本函数的极小值点≈

16.01将代入之前得到的关系式，计算得到这就是最优的生产要素组合劳动力投入约工时，资本投入约机器小时对应的最L≈

16.01K=10^

2.5L^-

1.5K≈

49.

5816.

0149.58小总成本为××元这个结果反映了在给定的生产技术和要素价格下，实现特定产量的最经济有效的生产方式C=

4016.01+

6049.58≈

3615.2几何问题中的极值应用面积最值问题体积最值问题距离最值问题在几何优化问题中，常见的一类是求三维空间中的优化问题通常涉及体积求解两点间的最短路径，或者点到曲满足特定约束条件（如周长固定、边最大化或表面积最小化线的最短距离等问题长关系等）的图形的最大或最小面积例如在所有表面积相同的封闭曲面例如两点间最短路径是连接它们的中，球的体积最大；在所有体积相同直线段；点到直线的最短距离是过该例如在所有周长固定的封闭曲线中的封闭曲面中，球的表面积最小点作直线的垂线段的长度，圆的面积最大；在所有面积相等的平面图形中，圆的周长最小视角最值问题求解使得观察某个物体的视角最大的位置例如从圆外一点观察圆的最大视角是该点与圆的两条切线所夹的角几何优化问题是函数极值理论的重要应用领域这类问题通常具有明确的几何意义，可以通过建立适当的数学模型，将几何约束转化为函数关系，然后应用导数和极值理论求解几何优化不仅在数学研究中有重要地位，在工程设计、建筑结构、计算机图形学等领域也有广泛应用解决这类问题不仅需要掌握微积分的方法，还需要有良好的空间想象能力和几何直觉示例求最大面积问题描述建立模型求解极值123在周长为的所有矩形中，求面积最大的矩形从约束条件可得，将其代对函数求导2P a+b=P b=P-a Sa=Pa-a²Sa=P-2a入面积公式令，得，解得Sa=0P-2a=0a=P/2设矩形的长为，宽为，则有约束条件a b2a+S=ab=aP-a=Pa-a²由于时，a=P/2b=P-a=P-P/2=，即2b=2P a+b=P这样，我们将面积表示为长的一元函数，所以a Sa=P/2a=b=P/2矩形的面积为，我们的目标是在约束，问题转化为求函数的最大值S=ab a+Pa-a²Sa计算二阶导数，确认Sa=-20a=的条件下，求的最大值b=P S=ab处的极值是极大值P/2因此，在周长为的所有矩形中，正方形（即长等于宽，）的面积最大，其最大面积为这个结论具有重要的几何意义在固定2P a=b=P/2S=ab=P/2²=P²/4周长的条件下，正方形是所有矩形中面积最大的这一性质在工程设计、建筑规划等领域有广泛应用例如，在设计特定周长的围墙时，如果希望围出最大的面积，应该选择正方形的布局最大面积问题的解析物理问题中的极值应用最小能量原理最短时间原理物理系统倾向于采取能量最小的状态例如费马原理指出，光在两点间传播会选择所需，弹性体在外力作用下变形，最终达到的平时间最短的路径这解释了光的反射规律和衡状态是使总势能最小的状态折射定律应用结构设计、分子构型预测、力学分析应用光学设计、通信路径优化、交通网络等规划等最小作用量原理物理系统的运动路径是使作用量（拉格朗日函数对时间的积分）取极值的路径这是经典力学和量子力学的基础原理之一应用粒子轨迹计算、场论分析、量子系统演化等物理学中的许多基本原理本质上是极值原理这些原理表明，自然界倾向于采取能使某些物理量（如能量、时间、作用量等）达到极值的状态或路径这种思想与微积分中的函数极值理论紧密相连，为我们理解和分析物理现象提供了强大的数学工具在实际应用中，物理问题的极值通常通过变分法或拉格朗日方程求解，这些方法是微积分极值理论在物理学中的重要扩展理解这些方法不仅有助于解决具体的物理问题，也能加深我们对自然规律本质的认识示例最短时间路径光的折射定律费马原理当光从一种介质传播到另一种介质时，它的传播方向会发生改变费马原理指出，光在两点间传播会选择所需时间最短的路径这，这种现象称为折射折射定律（斯涅尔定律）指出入射光线一原理可以用来解释光的反射和折射现象、折射光线和法线在同一平面内，且入射角的正弦与折射角的正根据费马原理，我们可以推导出光的折射定律假设光从介质1弦之比等于两种介质中光速之比中的点传播到介质中的点，我们需要确定光线在界面上的A2B数学表示为₁₂₁₂₂₁入射点，使得光从到的传播时间最短sinθ/sinθ=v/v=n/n PA B其中，₁是入射角，₂是折射角，₁和₂分别是光在两种这是一个典型的极值问题寻找使传播时间函数取得最小θθv vTP介质中的速度，₁和₂是相应的折射率值的点通过微积分方法，我们可以证明满足折射定律的路径n nP正是使传播时间最短的路径费马原理的哲学意义在于，它揭示了自然界中的一种优化原则光的传播路径是最优的，它使得传播时间达到最小这种思想已经扩展到物理学的其他领域，如最小作用量原理等理解这些极值原理，有助于我们在更深层次上认识自然规律的内在统一性和简洁性最短时间路径问题的解析结论求解极值通过极值求解，我们得到了光的折射建立时间函数对时间函数关于求导，并令导数为定律₁₂₁₂问题设定T xsinθ/sinθ=v/v光从A到P的距离为d₁=√[x-x₁²零=n₂/n₁这表明，使传播时间最假设有两种介质，分界面为一条直线₁，从到的距离为₂短的路径正是满足折射定律的路径+y²]P Bd=₁₁dT/dx=1/v·x-x/√[x-点在介质中，坐标为₁₁₂₂A1x,y√[x-x²+y²]₁₁₂为了确认这是最小值而非最大值，我x²+y²]+1/v·x-；点在介质中，坐标为₂₂B2x,y光在介质1中的速度为v₁，在介质光从A到P所需时间为t₁=d₁/v₁x注₂意/到√[x-x-x₁x₂/√²[+xy-₂x₁²]²=+0y₁²]们可以验证二阶导数d²T/dx²在临界，从P到B所需时间为t₂=d₂/v₂点处为正2中的速度为v₂我们需要确定光线=sinθ₁，其中θ₁是入射角；同理在分界面上的入射点Px,0，使得光总传播时间T=t₁+t₂=d₁/v₁，x-x₂/√[x-x₂²+y₂²]=-从A经过P到达B的传播时间最短+d₂/v₂=1/v₁√[x-x₁²+sinθ₂，其中θ₂是折射角₁₂₂₂y²]+1/v√[x-x²+y²]因此，上述方程简化为₁₁₂₂1/v sinθ-1/v sinθ，即₁₂=0sinθ/sinθ=₁₂₂₁v/v=n/n这个例子完美地展示了如何利用函数极值理论解决物理问题通过将物理现象（光的传播）转化为数学优化问题（最短时间路径），我们不仅能够理解和解释已知的物理定律（折射定律），还能从更基本的原理（费马原理）出发推导这些定律这种方法在物理学和工程学中有广泛应用，为我们理解和分析复杂系统提供了强大工具经济学中的极值应用利润最大化企业通过调整产量或价格，使得总利润达到最大这通常涉及边际收益与边际成本的平衡成本最小化在给定产出水平下，企业寻求最优的生产要素组合，使总成本最小效用最大化消费者在预算约束下，选择最优的商品组合，使得总效用最大市场均衡市场通过价格调整机制，达到供需平衡的均衡状态，这也可看作一种极值问题经济学中的许多核心理论都基于最优化原则微积分的极值理论为经济学提供了强大的分析工具，使得经济学家能够精确描述和分析各种经济现象在经济模型中，目标函数通常是利润函数、成本函数或效用函数，约束条件可能是预算约束、生产技术约束或资源约束等边际分析是经济学中的重要方法，它实际上就是导数的应用边际效用、边际收益、边际成本等概念本质上是相应函数的导数，它们描述了当自变量微小变化时因变量的变化率最优决策通常发生在边际量相等的点，这正对应于相关函数的极值点理解极值理论对于理解经济决策和市场机制至关重要，它为经济学分析提供了数学基础，使经济学家能够更精确地描述和预测经济行为示例边际效用最大化问题背景数学模型解决方法123消费者有元预算，用于购买两种商品和目标最大化效用函数使用直接代入法从预算约束可得100X Ux,y=y=100商品的价格为元单位，商品的价将其代入效用函数Y X10/Y x^

0.5y^

0.5-10x/5=20-2x格为元单位消费者的效用函数为5/Ux,y约束条件预算约束，即10x+5y=100x Ux=x^

0.520-2x^

0.5=，其中和分别是商品=x^

0.5y^

0.5x yX和满足y10x+5y=100x^

0.520-2x^

0.5和的消费数量求在预算约束下，使消费者Y这是一个条件极值问题，可以使用拉格朗日乘对求导并令导数为零效用最大化的最优消费组合Ux数法或直接代入法求解Ux=

0.5x^-

0.520-2x^

0.5-x^

0.

50.520-2x^-

0.52=0化简得，即20-2x-2x=020-4x，解得=0x=5代入求×y y=20-2x=20-25=10因此，在预算约束下，使消费者效用最大化的最优消费组合是购买单位商品和单位商品此时的最大效用为×5X10Y U5,10=5^

0.510^

0.5=√510=√50≈

7.07这个结果具有重要的经济学意义在最优消费组合下，消费者在每种商品上的支出比例等于该商品在效用函数中的指数比例在本例中，消费者在商品上的支出为X×元，在商品上的支出为×元，两者的比例为，正好等于效用函数中两个指数的比例这是一个普遍的结论，适用于具有105=50Y510=501:

10.5:

0.5形式的效用函数Cobb-Douglas边际效用问题的解析效用函数直接代入法的应用Cobb-Douglas效用函数形如，其中和是常数，表示消费对于预算约束，我们可以解得Cobb-Douglas Ux,y=x^αy^βαβ10x+5y=100y=100-10x/5=20者对不同商品的偏好程度在本例中，，表示消费者对两种商品，将其代入效用函数α=β=

0.5-2x的偏好程度相同Ux=x^

0.520-2x^

0.5这类效用函数的特点是最优消费组合下，消费者在各商品上的支出比例等于对求导Ux相应的指数比例即如果和分别是商品和的价格，则在最优消费组合px pyX Y下，有x*,y*pxx*:pyy*=α:βUx=

0.5x^-

0.520-2x^

0.5+x^

0.

50.520-2x^-

0.5-2=

0.5x^-

0.520-2x^

0.5[1-2x/20-2x]令，得，即，解得Ux=01-2x/20-2x=02x=20-2xx=5将代入预算约束，得×这正是问题的最优解我们可以验证，在此消费组合下，商品的支出为×元，商品的支出为x=5y=20-25=10X105=50Y×元，支出比例为，正好等于效用函数中的指数比例510=501:

10.5:

0.5这个问题反映了消费者行为理论中的一个重要原则边际效用均等原则在最优消费组合下，最后一元钱花在不同商品上所带来的边际效用应当相等，否则消费者可以通过调整消费组合来提高总效用数学上，这相当于在预算约束下，效用函数取得极大值此外，这个问题也展示了如何将经济决策问题转化为数学优化问题，并利用微积分中的极值理论求解这种方法广泛应用于经济学的各个分支，为经济分析提供了强大的工具条件极值问题引入条件极值的概念约束条件的类型条件极值问题指的是在一定约束条件下寻找函约束条件通常以等式或不等式的形式出现等数的极值与无约束极值问题不同，条件极值式约束形如，表示变量之间必须满gx,y=c问题需要考虑约束条件对可行解的限制足某种确定的关系；不等式约束形如hx,y≤，表示变量必须满足某种不等关系d例如，在预算有限的情况下最大化效用，或在材料用量固定的情况下设计最优形状等，都是在处理约束条件时，需要考虑约束是否为活性典型的条件极值问题约束（即是否紧紧地限制了可行解）求解方法条件极值问题的求解方法主要有以下几种直接代入法通过约束条件消除一个或多个变量，将多变量问题转化为少变量问题

1.拉格朗日乘数法引入拉格朗日乘数，构建拉格朗日函数，转化为无约束优化问题

2.条件处理带有不等式约束的优化问题的一般方法

3.KKT条件极值问题在现实应用中非常普遍，因为实际问题通常都受到各种资源、技术、法规等条件的限制掌握条件极值的求解方法对于解决复杂的优化问题至关重要拉格朗日乘数法是求解条件极值问题最常用的方法之一，它通过引入新的变量（拉格朗日乘数），将带约束的优化问题转化为无约束问题，从而可以应用无约束优化的方法求解拉格朗日乘数法基本思想几何解释多约束情况拉格朗日乘数法的核心思想是如果函数从几何角度看，条件极值点是目标函数的等当有多个约束条件₁f g x,y,z=0,在约束条件下取得条件极值，值线与约束曲线的切点在切点处，两条曲₂时，拉格朗日函数变为fx,y gx,y=0g g x,y,z=0,...那么在该点处函数的梯度向量与约束曲线的线的切线平行，即它们的法向量（梯度向量）₁₂f gLx,y,z,λ,λ,...=fx,y,z-梯度向量必须平行平行₁₁₂₂λgx,y,z-λgx,y,z-...条件变为∇₁∇₁₂∇₂f=λg+λg+...数学上，这意味着存在一个常数（称为拉格拉格朗日乘数表示了条件极值点处目标函数，表示目标函数的梯度向量是各约束函数梯度λλ朗日乘数），使得∇∇这个条件可以变化率与约束函数变化率之比它可以解释为向量的线性组合f=λg通过引入拉格朗日函数约束放松一单位对最优值的影响（敏感性）Lx,y,λ=fx,y-来处理λgx,y拉格朗日乘数法是微积分中最优化理论的重要内容，它为解决条件极值问题提供了系统的方法这种方法不仅在数学中有重要地位，在经济学、物理学、工程学等领域也有广泛应用例如，在经济学中，拉格朗日乘数可以解释为约束资源的影子价格；在物理学中，它可以与力的概念联系起来拉格朗日乘数法的应用步骤确定目标函数和约束条件明确要优化的目标函数和约束条件fx,y,z,...gx,y,z,...=0,hx,y,z,...=0,...在实际问题中，这一步通常涉及建立数学模型，将实际问题转化为数学形式构建拉格朗日函数引入拉格朗日乘数构建拉格朗日函数λ,μ,...,Lx,y,z,...,λ,μ,...=fx,y,z,...-λgx,y,z,...-μhx,y,z,...-...求偏导数并令其为零拉格朗日函数将带约束的优化问题转化为无约束问题，简化了求解过程计算拉格朗日函数对所有变量的偏导数，并令其为零∂L/∂x=0,∂L/∂y=0,∂L/∂z=0,...,∂L/∂λ=0,∂L/∂μ=0,...求解方程组其中，等价于原约束条件，这确保了解满足约束条件∂L/∂λ=0gx,y,z,...=0将上述方程联立，求解得到所有可能的临界点x,y,z,...,λ,μ,...这通常涉及解非线性方程组，可能需要使用代数、数值或图形方法判断极值对于得到的临界点，需要进一步判断它们是极大值点、极小值点还是鞍点判断方法包括检查二阶条件或直接比较不同临界点处的函数值拉格朗日乘数法提供了一种系统的方法来求解条件极值问题虽然在实际应用中方程组可能很复杂，难以精确求解，但这种方法的理论框架对于理解优化问题和发展数值算法具有重要意义在计算机辅助下，即使对于复杂的优化问题，也可以利用拉格朗日乘数法的思想设计有效的求解算法示例条件极值问题问题描述使用拉格朗日乘数法求解方程组123求固定体积为的长方体中，表面积最小的长方体的形状构建拉格朗日函数从前三个方程可得V Lx,y,z,λ=2xy+yz+xz-λxyz-V设长方体的三边长分别为、、，则有约束条件体积x y z xyz=2y+z=λyz（常数）计算偏导数并令其为零V2x+z=λxz长方体的表面积为，求在约束条件S=2xy+yz+xz xyz=V∂L/∂x=2y+z-λyz=02x+y=λxy下，使取得最小值的、、值S xyz∂L/∂y=2x+z-λxz=0分别除以、、，得yz xz xy∂L/∂z=2x+y-λxy=02/z+2/y=λ，即∂L/∂λ=-xyz-V=0xyz=V2/z+2/x=λ2/x+2/y=λ由前两式相等可得，由后两式相等可得，因此x=y y=z x=y=z由约束条件，代入，得，即∛xyz=V x=y=zx³=V x=y=z=V因此，在固定体积为的所有长方体中，正立方体（即三边长相等）的表面积最小，其边长为的立方根，最小表面积为∛V VS=2xy+yz+xz=23x²=6x²=6V²这个结果具有实际意义在设计容器时，如果希望使用最少的材料（表面积）来容纳给定体积的物品，正立方体是最优选择当然，在实际应用中还需要考虑其他因素，如空间限制、制造工艺、使用便利性等条件极值问题的解析多元函数的极值问题多元函数极值的定义必要条件梯度为零充分条件矩阵Hessian对于多元函数，如果在点如果多元函数在点₀处可导且取为了判断驻点的性质，需要考察函数在该点fx,y,...fx,y,...P₀₀₀的某个邻域内，对于任意点得极值，则它的所有偏导数在该点处都为零处的二阶偏导数信息，这通常使用P x,y,...Hessian₀，都有₀，则称，即梯度向量∇₀矩阵来表示Px,y,...≠P fPfPfP=0₀为函数的极大值；如果都有fPfP这一必要条件是一元函数中导数为零条件的对于二元函数，其矩阵为fx,y Hessian₀，则称₀为函数的极小值fPfP推广，表示在极值点处，函数沿任何方向的H=[[∂²f/∂x²,∂²f/∂x∂y],[∂²f/∂y∂x,多元函数的极值比一元函数更复杂，因为变变化率都为零∂²f/∂y²]]量的变化可以沿不同方向进行，需要考虑全满足梯度为零的点称为多元函数的驻点或临方位的变化情况根据矩阵的性质（如行列式和特征Hessian界点，它可能是极值点，也可能是鞍点（在值），可以判断驻点是极大值点、极小值点某些方向上是极大值，在其他方向上是极小还是鞍点值）多元函数的极值问题在实际应用中非常重要，如机器学习中的损失函数最小化、工程设计中的多参数优化等求解这类问题通常需要先找出所有驻点（令梯度为零），然后使用矩阵判断每个驻点的性质对于复杂问题，可能需要使用数值方法如梯度下降法、牛顿法等来寻找驻Hessian点和极值多元函数极值的判定方法矩阵判别法（二元函数）主子式判别法（多元函数）特征值判别法Hessian对于二元函数，在驻点₀₀处（即对于元函数，在驻点处考察矩阵的主子式行考察矩阵的特征值₁₂fx,y x,y∂f/∂x=n Hessian H Hessian Hλ,λ,...,λₙ），令列式₁₂∂f/∂y=0A=∂²f/∂x²,B=∂²f/∂x∂y,C=D,D,...,Dₙ

1.如果所有λᵢ0，则该点是极小值点，则矩阵的行列式为∂²f/∂y²Hessian D=AC-B²

1.如果所有Dᵢ0，则该点是极小值点判别规则如下

2.如果所有λᵢ0，则该点是极大值点

2.如果D₁0,D₂0,D₃0,...,（即Dᵢ的符号如果且（或），则₀₀是极大值点

3.如果有些λᵢ0，有些λᵢ0，则该点是鞍点

1.D0A0C0x,y与相同），则该点是极大值点-1ⁱ如果且（或），则₀₀是极

4.如果存在λᵢ=0，则需要进一步分析

2.D0A0C0x,y

3.如果以上条件都不满足，且没有Dᵢ=0，则该点是小值点鞍点如果，则₀₀是鞍点

3.D0x,y

4.如果存在Dᵢ=0，则需要进一步分析如果，则需要进一步分析

4.D=0多元函数极值的判定比一元函数更复杂，因为需要考虑函数在不同方向上的曲率变化矩阵及其特征值提供了描述这种曲率变化的数学工具在实际应用中，特别是高维问题，Hessian特征值判别法通常更直观易用，但计算上可能更复杂对于二元函数，行列式判别法简单实用，是最常用的方法Hessian示例二元函数的极值计算梯度问题描述求二元函数的极值及∂f/∂x=2x-2fx,y=x²+y²-2x-4y其取得点∂f/∂y=2y-4计算矩阵Hessian求驻点∂²f/∂x²=2令，得，解得∂f/∂x=02x-2=0x=14∂²f/∂y²=2令，得，解得∂f/∂y=02y-4=0y=2∂²f/∂x∂y=0所以函数的唯一驻点为1,2矩阵HessianH=[[2,0],[0,2]]根据矩阵判别法，在驻点处，，，，则行列式×Hessian1,2A=∂²f/∂x²=20C=∂²f/∂y²=20B=∂²f/∂x∂y=0Hessian D=AC-B²=22-0²=由于且，根据判别规则，驻点是函数的极小值点40D0A01,2将驻点坐标代入原函数，得到极小值××f1,2=1²+2²-21-42=1+4-2-8=-5从几何角度看，函数可以重写为，这是一个开口向上的抛物面，其顶点在处，对应函数的极小值点fx,y=x²+y²-2x-4y fx,y=x-1²+y-2²-51,2,-5二元函数极值的解析配方分析函数可以通过配方法重写为fx,y=x²+y²-2x-4y:fx,y=x²-2x+y²-4y=x²-2x+1-1+y²-4y+4-4=x-1²-1+y-2²-4=x-1²+y-2²-5这个形式直观地显示了函数的几何特性它是一个开口向上的抛物面，顶点在处1,2,-5几何解释从重写后的函数形式可以看出，表示点到点的平方距离减去常数fx,y x,y1,25当且仅当时，这个距离达到最小值，相应的函数值为x,y=1,20-5随着点远离，函数值单调增加，因此是唯一的极小值点x,y1,21,2等值线分析函数的等值线是以为中心的圆fx,y=x-1²+y-2²-51,2例如，等值线对应方程，这是半径为的圆fx,y=c x-1²+y-2²=c+5√c+5所有等值线都是闭合曲线，围绕极小值点，这也证实了该点是极小值点1,2矩阵的特征值分析Hessian矩阵是对角矩阵，其特征值为₁₂HessianH=[[2,0],[0,2]]λ=λ=20由于所有特征值都为正，这也证明了驻点是极小值点1,2特征值的大小表示函数在相应特征向量方向上的曲率在本例中，特征值相等，表明函数在所有方向上的曲率相同，这对应于抛物面在顶点处的圆对称性通过配方法重写函数，我们可以直观地理解函数的几何特性和极值点的性质这个例子展示了二元函数极值问题的几何意义寻找使得二次型最小的点，即找到距离原点最近的点，这正是点本身这种几何理解对x-1²+y-2²1,21,2于直观把握多元函数的极值特性非常有帮助极值问题中的常见误区概念混淆极值与最值的混淆，局部性质与全局性质的混淆解答不完整2只考虑导数为零的点，忽略不可导点和定义域边界点判断错误主观判断极值类型，而非严格使用判别法定义域疏忽忽略函数定义域的限制，得出不在定义域内的极值点在解决极值问题时，常见的误区包括混淆极值与最值的概念，极值是函数在局部取得的最大或最小值，而最值是在整个定义域上取得的最大或最小值；只考虑导数为零的点，而忽略不可导点和定义域边界点，这可能导致漏掉一些极值点；主观判断极值类型，而不是严格使用二阶导数判别法或一阶导数符号判别法；忽略函数定义域的限制，求出的极值点可能不在函数的定义域内此外，在条件极值问题中，常见误区还包括忽略约束条件的作用，直接用无约束极值的方法求解；错误应用拉格朗日乘数法，如漏掉某些变量的偏导数方程；在验证极值性质时只考虑目标函数，而忽略约束条件的影响在多元函数极值问题中，常见的误区还有将驻点直接视为极值点，而不进行进一步判别；或者错误应用矩阵判别Hessian法，如混淆判别准则误区忽略边界点1边界点的重要性常见误解和解决方法在闭区间上求函数的极值或最值时，边界点（即区间的端点）是必须考察的对常见误解象这是因为只考虑导数为零的内部点，忽略边界点-函数在边界点处的导数可能不为零，但该点仍可能是函数在区间上的最大值

1.认为边界点不可能是极值点或最值点-或最小值点只在导数为零或不存在的点处计算函数值，而不与边界点处的函数值比较-即使边界点不是极值点（因为在该点处导数不为零，函数在该点的单侧邻域

2.内是单调的），它也可能是函数在区间上的最值点正确方法例如，函数fx=x在闭区间[0,1]上的最小值在点x=0处取得，最大值在点

1.找出区间内部满足fx=0或fx不存在的所有点处取得，尽管这两点都不是极值点x=1计算这些点和边界点处的函数值

2.比较所有这些函数值，找出最大值和最小值

3.忽略边界点是解决极值和最值问题中的一个常见误区特别是在应用场景中，问题的约束条件常常表现为变量的取值范围，这使得边界点的考察变得尤为重要例如，在经济学中讨论消费者的最优选择时，往往需要考虑角点解（即边界点解），这可能对应于消费者将全部预算用于购买某一种商品的情况在多元函数的情况下，边界点的处理更加复杂，需要考虑定义域边界上的条件极值问题这通常涉及到拉格朗日乘数法与边界约束的结合应用准确理解和处理边界点是正确解决极值问题的关键步骤之一误区忽略不可导点2不可导点的类型典型例子函数图像上的尖点如在处函数在处不可导，这是因为左导数|x|x=0fx=|x|x=0₋，右导数₊，两者不相等f0=-1f0=1函数图像上的垂直切线如∛在处xx=0尽管如此，是的极小值点，因为在函数图像上的跳跃点如分段函数在分段点处可x=0fx x=0的任意邻域内，对于，都有能出现的不连续x≠0fx=|x|0=f0这些不可导点都可能是函数的极值点，忽略它们这个例子表明，即使函数在某点不可导，该点仍可能导致漏掉重要的极值可能是极值点判断方法对于不可导点，无法使用导数判别法判断是否为极值点，需要直接使用极值的定义检查该点的某个邻域内，函数值与该点处函数值的大小关系或者使用一阶导数符号判别法检查该点左右两侧导数的符号如果左侧导数为负，右侧导数为正，则为极小值点；如果左侧导数为正，右侧导数为负，则为极大值点忽略不可导点是求解极值问题中的另一个常见误区在实际应用中，尤其是涉及绝对值、分段函数等情况时，函数可能在某些点不可导，这些点常常对应于函数行为发生显著变化的位置，如方向改变、速率突变等对于这些点，我们不能使用导数为零的条件来判断极值，而需要回到极值的基本定义或利用左右导数的符号变化来判断此外，在处理实际问题时，不可导点常常具有特殊的物理或经济意义，如系统状态的突变、决策策略的转折等正确识别和处理这些不可导点，对于准确理解和解决实际问题至关重要总结极值理论的核心概念极值的定义必要条件充分条件极值是函数在局部取得的最大值如果函数在点₀处可导且取常用的判别方法包括二阶导数判fxx（极大值）或最小值（极小值）得极值，则₀这一条件别法和一阶导数符号判别法二fx=0函数在点₀处取得极大值称为费马定理，它为寻找可导函阶导数判别法指出如果fxx，是指在₀的某个邻域内，对于数的极值点提供了必要条件但₀且₀，则₀是xfx=0fx0x任意₀，都有₀极它只是必要条件，而非充分条件极小值点；如果₀且x≠x fxfxfx=0值是函数的局部性质，与函数在，即并非所有导数为零的点都是₀，则₀是极大值点fx0x整个定义域上的行为无关极值点除了导数为零的点外，一阶导数符号判别法基于导数符函数的不可导点和定义域的端点号的变化来判断极值类型如果也可能是极值点导数从正变为负，则为极大值点；如果从负变为正，则为极小值点应用价值极值理论在科学、工程和经济等领域有广泛应用它为解决优化问题提供了数学工具，如最大化利润、最小化成本、最优化设计等通过将实际问题转化为函数极值问题，可以应用微积分方法求解最优解，为决策提供理论依据此外，极值理论也是理解函数行为和图像特征的重要工具函数的极值理论是微积分中的核心内容之一，它揭示了函数局部最大值和最小值的产生条件和判断方法通过导数这一强大工具，我们能够系统地分析和求解各类函数的极值问题从一元函数到多元函数，从无约束优化到条件极值问题，极值理论提供了一套完整的数学框架，使我们能够处理各种复杂的优化问题课程回顾与思考题在本课程中，我们系统学习了函数极值的基本概念、判定方法和应用我们从极值的定义出发，理解了函数极值的局部性质；通过费马定理，掌握了可导函数极值点的必要条件；学习了二阶导数判别法和一阶导数符号判别法，能够判断函数在可疑点处是否取得极值及其类型；探讨了条件极值问题，掌握了拉格朗日乘数法；最后扩展到多元函数的极值问题，学习了矩阵判别法Hessian思考题证明在所有周长相同的三角形中，等边三角形的面积最大一个圆锥形容器上下开口，已知表面积固定，求使容积最大的圆锥尺寸在约束条件

1.

2.

3.x²+y²=1下，求函数的极值分析函数在区间上的极值情况，注意研究不可导点fx,y=x³-3xy²

4.fx=|x³-x|[-2,2]。