十四. 条件极值(约束极值)的Lagrange乘数法.doc

十四. 条件极值(约束极值)的Lagrange乘数法 问题: 求积为定值的两正数之和的最小值. 即, 设x 0, y 0, xy = a, 求x + y的最小值. (本题当然可以用平均不等式求解. 不过, 我们现在要考虑的是求解这类问题的一般方法.) 解法一 y =, f (x) = x +(x 0, a 0), 求f的最小值 (驻点). 解法一是从所给条件(方程)解出某些变量, 化为无条件极值问题. 能否不解出变量而化为无条件极值问题? 解法二 设f (x, y, ( ) = x + y + ( (xy ( a), 求其最小值: 从(1), (2)得x = y, 从(3)得x = y =. 原问题的最小值 存在, 故就是2. 条件极值问题: 求(目标)函数u = f (x) (x = (x1,…, xn)∈D ( Rn)在(约束)条件gi (x) = 0 (i = 1, …, m, m n)下的极值. 设E = {x∈D | gi (x) = 0, i = 1, …, m}, a∈E . 若存在开球B (a, r) ( D使x∈E∩B (a, r)时f (x)≥f (a) (f (x)≤f (a)), 则称f在a达到(满足条件gi (x) = 0的)条件极小(极大)值. 条件极值必要条件(对n = 3, m = 2叙述) 设D ( R 3开, f , g1, g2: D→R是C (1)类函数, x = (x1, x2, x3)∈D. 若f在点a (= (a1, a2, a3))处达到条件极值, 且rank= 2, 则存在(1, (2 ∈R, 使 = 0 (j = 1, 2, 3), (*) 即a是Lagrange函数L = f + (1g1 + (2 g2的驻点. 证 设≠0. 由隐函数定理, 存在a1的邻域V及C (1)类函数(, ( : V→R, 使x2 = ( (x1), x3 = ( (x1), a2 = ( (a1), a3 = ( (a1), 且 g1 (x1, ( (x1), ( (x1)) = 0, g2 (x1, ( (x1), ( (x1)) = 0. (**) 设F (x1) = f (x, ( (x1), ( (x1)) (x1∈V ), 则a1是F的无条件极值点, 故 0 = F (a1) = (a) +. 再由(**)得 上述三式表明向量grad f (a), grad g1(a), grad g2(a)均与向量(1,( (a1),( (a1))垂直, 故这三 个向量共面, 线性相关. 但≠0, 故grad g1 (a), grad g2 (a)线性无关(不共线) [否则, (c使grad g1 (a) = c grad g2 (a), 即= c(i = 1, 2), 从而= 0], 因而((1, (2 ∈R, 使grad f (a) + (1 grad g1 (a) + (2 grad g2 (a) = 0. 按分量写, 就是(*). Lagrange乘数法 求f (x) = 0 (x =(x1,…, xn) ∈D ( Rn) 在条件gi (x) = 0 (i = 1, …, m)下的极值的方法如下: 1°作函数L (x1,…, xn , (1,…, (m) = f (x) + (1 g1 (x) + … + (m gm (x) (x∈D); 2°令= 0(i = 1, …, n), 与= 0即条件gj (x) =0 (j = 1, …, m)联立, 求得驻点; 3°找D中使f , g1, …, gm 不C (1)类的点, 及使rank m的点(这些 点与驻点一起, 成为期望点); 4°用无条件极值方法判断期望点是否为极值点: 例如, 设目标函数为u = f (x, y, z), 条件为g1 (x, y, z) = 0, g2 (x, y, z) = 0, 期望点为(a, b, c). 若从条件可解得y = y (x), z = z (x), 则u = h (x) = f (x, y (x), z (x)), 可求得h (x) = fx + fy y + fz z , h (x) = … (求h 和h 时用到的y, z 可从条件得到), 从h (a)的正负判断点(a, b, c)极大还是极小. △ 求f (x, y, z) = xy + yz 在条件x 2 + y 2 = 2, y + z = 2下的极值. 解 设L (x, y, z, (, ()