第7章多元函数的微分.pptVIP

* * * * * * * * * * * * 解 令 则 例 * 1.极大值和极小值的定义 定义 为函数的极大值点. 类似可定义极小值点和极小值. 若对于该邻域内一切异于 为极大值. 则称 7.6 二元函数的极值 设函数 有定义， 有 ) , ( y x f z = * 注 函数的极大值与极小值统称为函数的 函数的极大值点与极小值点统称为函数的 二元函数的极值也是局部的, 一般来说:极大值未必是函数的最大值.极小值未必是函数的最小值. 有时, 极值. 极值点. 的邻域内的值比较. 是与点(x0 ，y0) 极小值可能比极大值还大. * 例 例 例 在(0,0)点取极小值. 在(0,0)点取极大值. (也是最大值). 在(0,0)点无极值. 椭圆抛物面 下半个圆锥面 马鞍面 函数 函数 (也是最小值). 函数 * 2.极值的必要条件 定理7.1 (必要条件) 则它在该 点的偏导数必然为零: 均称为函数的 驻点 极值点 仿照一元函数, 凡能使一阶偏导数同时为零的 点, 驻点. 如, 驻点, 但不是极值点. 注 如何判定一个驻点是否为极值点 * 3.极值的充分条件 定理7.2 (充分条件) 的某邻域内连续, 有一阶及二阶连续偏导数, 处是否取得极值的条件如下: (1) 有极值, 有极大值, 有极小值; (2) 没有极值; (3) 可能有极值, 也可能无极值. * 求函数 极值的一般步骤: 第一步 解方程组 求出实数解, 得驻点. 第二步 对于每一个驻点 求出二阶偏导数的值 第三步 定出 的符号, 再判定是否是极值. * 例 讨论双曲抛物面 解： 再求出二阶偏导数 在点 处， ，所以函数在 处不存在极值. 有无极值点. 解方程组 是驻点， * 例 解 又 在点(0,0)处, 在点(a,a)处, 故 故 即 的极值. 在(0,0)无极值; 在(a,a)有极大值, 0 * 其中最大者即为最大值, 与一元函数相类似,可利用函数的极值来求函数的最大值和最小值. 2.二元函数的最值 求最值的一般方法 最小者即为最小值. 将函数在D内的所有嫌疑点的函数值及 在D的边界上的最大值和最小值相互比较, * 解 此时 的最大值与最小值. 驻点 得 上 在 求 4 : 9 4 ) , ( 2 2 2 2 ￡ + + + = y x D y x y x f 例 * 例 某企业生产两种产品的产量分别为 单位和 单位， 利润函数为 求两种产品产量各为多少时，可获最大利润，最大利 润是多少？ 解：由 解方程组 得唯一驻点 实际问题决定最大利润一定存在， 时，取得最大利润， 因此可断定当 此时最大利润为 * 7.7 最小二乘法 设观测或实验数据如下： x x0 x1 … xm f(x) y0 y1 … ym 能否找到一个简单易算的 p(x) ， p(xi) ? yi 总体上尽可能小. 使得 f(x) ? p(x). 这时不要求 p(xi) = yi , 而只要 * 使 最小 使 最小 p(xi) ? yi 总体上尽可能小 使 最小 常见做法 太复杂 ? 不可导，求解困难 ? 最小二乘法：目前最好的多项式曲线拟合算法 最小二乘法 * 其中 待定. 线性模型 使偏差的平方和 达到最小。 * 的最小值. 得到 求二元函数 利用二元函数求极值方法 ，则所得一次函数为 这种利用偏差平方和最小的方法称为最小二乘法. 7.7最小二乘法 * * * 思考 1.如何确定二次多项式？ 2.指数函数如何用线性模型？ * 变量 变量 通过实验数据或观察数据、历史资料来研究两个变量之间的关系， 7.7 最小二乘法 找出两个变量之间的函数关系的近似表达式，是一种建立数学模 型的常用方法. 设观测或实验数据如下： 要找到变量 和 的函数关系的近似表达式 . 首先将数据在平面直角坐标系中标出，观察数据的分布是否接近 假设函数关系为一次函数，即设 ，其中 这样建立的数学模型称为线性模型. 一条直线或某种类型的曲线.如果数据分布接近一条直线，则可以 待定， * 实际实验数据是不可能在任何一条直线上的，那么如何确定这条 越小越好，达到最小时确定的两个参数 就是所求. 直线呢？确定的原则是：数据与待定直线之间的偏差的绝对值的 总和 由于绝对值不便于利用微分方法，所以改用偏差