第2讲 高等数学基础
最值和极值
最值和极值的定义
最值:函数最值分为函数最小值与函数最大值,最小值即定义域中函数值的最小值,最大值即定义域中函数值的最大值。
极值:若 x 0 x_{0} x0 为极值点,则在 x 0 x_{0} x0 的邻域内都有 f ( x ) ≥ f ( x 0 ) f(x) \geq f\left(x_{0}\right) f(x)≥f(x0) 或者 f ( x ) ≤ f ( x 0 ) f(x) \leq f\left(x_{0}\right) f(x)≤f(x0) 。
区别:最值讨论的是整体性,而极值讨论的是局部性。极值不一定是最值,最值也不一定是极值。
一个函数在闭区间上的最大值和最小值是一定存在的。
区间的边界点不能讨论极值,极值点必须是内点。
费马引理
f ( x ) f(x) f(x)在 x 0 x_0 x0处取得极值且在 x 0 x_0 x0处可导,则有 f ′ ( x 0 ) = 0 f^{\prime}(x_0)=0 f′(x0)=0。反之不然。
利用费马引理求最值和极值
函数的最值只可能在区间端点或极值点取到,其中最值可能有两类,一类是函数的可疑点,即使 f ′ ( x ) = 0 f^{\prime}(x)=0 f′(x)=0的点,另一类是不可导点。
所以找出所有的极值点和区间端点,其对应的函数值中最大的就是最大值,最小的就是最小值。
进一步来说,由于运筹学关心的是最值,所以对于在闭区间上连续可导的函数,找出所有的导数为0的点和区间端点,其对应的函数值中最大的就是最大值,最小的就是最小值。
多元函数的最值
Lag乘数法
- 有几个约束条件就引入几个Lag乘子 λ i \lambda_i λi。
- 构造一个新函数 F = f + ∑ i λ i g i F=f+\sum_{i}\lambda_ig_i F=f+∑iλigi,其中 f f f是目标函数, g i g_i gi是约束条件。
- 求出所有自变量的偏导数,都令其等于0,得到若干组解。比较这些解的函数值,其对应的函数值中最大的就是最大值,最小的就是最小值。
其中解方程组时,先选择线性方程求解,再代入到其他式子中求解
多元函数的极值
海塞矩阵的正定性(要求函数的二阶偏导数连续)
- 令函数的偏导数为0,解方程组得到若干组解。
- 验证每一组解的海塞矩阵的正定性。正定则是极大值点,负定则是极小值点,不定则不是极值点,半正定或半负定则是可疑点(此法失效)。
总结
运筹学中求解最值需要用到高等数学中导数和偏导数的工具。对于一元函数,找出所有的导数为0的点和区间端点,其对应的函数值中最大的就是最大值,最小的就是最小值。对于多元函数,使用Lag乘数法。对于多元函数的极值,可以用海森矩阵进行讨论。