条件极值与拉格朗日乘数法.docx

§4条件极值

一、何谓条件极值

在讨论极值问题时，往往会遇到这样一种情形，就是函数的自变量要受到某些条件的限

制。决定一给定点(x

0

,y,z

0 0

)到一曲面G(x,y,z)?0的最短距离问题，就是这种情形。我

们 知 道 点 (x,y,z) 到 点 (x,y,z

0 0 0

) 的 距 离 为

(x?x)2?(y?y

(x?x)2?(y?y)2?(z?z)2

0 0 0

.现在的问题是要求出曲面G(x,y,z)?0

上的点(x,y,z)使F为最小.即问题归化为求函数F(x,y,z)在条件G(x,y,z)?0下的最

小值问题.

又如，在总和为 C 的几个正数x,x

1 2

,?x

n

的数组中，求一数组，使函数值

f?x2

1

x2

2

???x

n

2为最小，这是在条件x?x

1 2

???x

n

?C (x

i

?0)的限制下，

求函数f的极小值问题。这类问题叫做限制极值问题（条件极值问题）.

例1要设计一个容积为V的长方体形开口水箱.确定长、宽和高,使水箱的表面积最小.

分别以x、y和z表示水箱的长、宽和高,该例可表述为:在约束条件

xyz?V之下求函数S(x,y,z)?2(xz?yz)?xy的最小值.

条件极值问题的一般形式是在条件组?

(x,x

k 1 2

,?,x

n

)?0,

k?1,2,?,m (m?n)

限制下，求目标函数y?f(x,x

1 2

,?,x

n

)的极值.

对这种问题的解法有:化为无条件极值.

例 1 由 xyz?V 解出 z?

V , 并代入函数S(x,y,z) 中, 得到

xy

F(x,y)?2V(1?1)?xy,然后按(F,F

y x x y

)?(0,0),求出稳定点x?y?

32

32V

132Vz? ,最后判定在此稳定点上取的最小面积S?334V2

1

32V

2

然而,在一般情形下条件组中解出m个变元并不总是可能的.下面介绍的拉格朗日乘数法就是一种不直接依赖消元而求解条件极值问题的有效方法.

二、条件极值的必要条件

设在约束条件?(x,y)?0之下求函数z? f(x,y)的极值 .当满足约束条件的点

(x,y)是函数f(x,y)的条件极值点,且在该点函数?(x,y)满足隐函数存在条件时,由

0 0

方程?(x,y)?0决定隐函数y?g(x),于是点x就是一元函数z?f?x,g(x)?的极限点,

0

有 dz?f

?f g?(x)?0.代入 g?(x

?(x,y)

)?? x 0 0 ,

dx x y

0

?(x,y

?(x,y)

y 0 0

)

就有 f

x

(x,y

0 0

)?f

y

(x,y

0 0

)?x

y

0 0

(x,y)

0 0

?0,

即

f

?

f

?

?0

,

亦即(

f

,

f

)

(?

,??

)?0

.

x y

y x

x

y

y

x

可见向量(f , f

x y

)与向量(?

y

,??

x

)正交.注意到向量(?

x

,? )也与向量

y

(? ,??

y x

)正交, 即得向量(f , f

x y

)与向量(?

x

,? )线性相关,即存在实数

y

?,使 (f , f

x y

)+?(?

x

,? )?0.

y

?f

亦即 ? x

???

x??

x

?0,

?f ? ?0.

?

y y

三、Lagrange乘数法:

由上述讨论可见,函数z?f(x,y)在约束条件?(x,y)?0之下的条件极值点应是方

?f

? x

程组 ?f

(x,y)???

(x,y)???

(x,y)?0,

x(x,y)?0, 的解.

x

??y y

? (x,y)?0.

引进所谓Lagrange函数

L(x,y,?)?f(x,y)???(x,y), (称其中的实数?为Lagrange乘数)则上述方程组即为方程组

?L(x,y,?)?0,

? x

??L(x