Loading [MathJax]/extensions/AssistiveMML.js

二元函数极值的充分条件

1 海森矩阵
定义 .对二元函数z=f(x,y)运用两次雅可比矩阵,可得:

\frac{\partial^2 z}{\partial(x,y)^2}=\frac{\partial }{\partial(x,y)}\left(\frac{\partial z}{\partial(x,y)}\right)=\begin{pmatrix}f_{xx}&f_{xy}\\f_{yx}&f_{yy}\end{pmatrix}

上述所得矩阵又称为 海森矩阵 (Hessian Matrix),又译作 黑塞矩阵 ,常用H来表示该矩阵:

H=\frac{\partial^2 z}{\partial(x,y)^2}=\begin{pmatrix}f_{xx}&f_{xy}\\f_{yx}&f_{yy}\end{pmatrix}

之前解释过,雅可比矩阵类似于一阶导数,以此类推,上述定义的海森矩阵就类似于二阶导数。

不光是形式上类似,作用上也类似,在《马同学图解微积分·上》中学习过,二阶导数的正负可以决定函数凹凸性,如下图所示。

马同学高等数学

f''(x) > 0说明函数f(x)是凹的

mapython only code
马同学高等数学

f''(x) < 0说明函数f(x)是凸的

mapython only code

类似的,当海森矩阵正定时,即f_{xx} > 0|H| > 0时,那么函数f(x,y)是凹的,如下图左侧所示;当海森矩阵负定时,即f_{xx} < 0|H| > 0时,那么函数f(x,y)是凸的,如下图右侧所示。

马同学高等数学

f_{xx} > 0|H| > 0时函数f(x,y)是凹的

mapython only code
马同学高等数学

f_{xx} < 0|H| > 0时函数f(x,y)是凸的

mapython only code
2 函数极值的充分条件
定理(函数极值的充分条件).设函数z=f(x,y)(x_0,y_0)点的某邻域连续且有一阶及二阶连续偏导数,其海森矩阵为:

H=\frac{\partial^2 z}{\partial(x,y)^2}=\begin{pmatrix}f_{xx}&f_{xy}\\f_{yx}&f_{yy}\end{pmatrix}

如果又有:

f_x(x_0,y_0)=f_y(x_0,y_0)=0

那么:

(1)f(x_0,y_0)为极小值,当f_{xx}(x_0,y_0) > 0|H|_{(x_0,y_0)} > 0(|H|_{(x_0,y_0)}就是|H|_{\begin{aligned}x=x_0\\y=y_0\end{aligned}})

(2)f(x_0,y_0)为极大值,当f_{xx}(x_0,y_0) < 0|H|_{(x_0,y_0)} > 0

(3)f(x_0,y_0)非极值点,当|H|_{(x_0,y_0)} < 0

(4)f(x_0,y_0)无法判断是否为极值点,当|H|_{(x_0,y_0)} = 0

上述定理不做证明,这里直观地解释一下。f_x(x_0,y_0)=f_y(x_0,y_0)=0说明(x_0,y_0)点是函数f(x,y)的一个驻点(x_0,y_0)点对应的函数f(x,y)上的点在下图中用红点来表示

  • f_{xx}(x_0,y_0) > 0|H|_{(x_0,y_0)} > 0时,可认为函数f(x,y)在红点附近的曲面是凹的,红点停驻在山谷,如下图左侧所示,所以(x_0,y_0)点是函数f(x,y)的一个极小值点
  • f_{xx}(x_0,y_0) < 0|H|_{(x_0,y_0)} > 0时,可认为函数f(x,y)在红点附近的曲面是凸的,红点停驻在山顶,如下图右侧所示,所以(x_0,y_0)点是函数f(x,y)的一个极大值点
    马同学高等数学

    f_{xx}(x_0,y_0) > 0|H|_{(x_0,y_0)} > 0

    马同学高等数学

    f_{xx}(x_0,y_0) < 0|H|_{(x_0,y_0)} > 0

  • |H|_{(x_0,y_0)} < 0时,可认为函数f(x,y)在红点附近的曲面起伏不定,如下图所示,所以(x_0,y_0)点不是函数f(x,y)的一个极值点
    马同学高等数学

    |H|_{(x_0,y_0)} < 0

关注马同学
马同学高等数学
微信公众号:matongxue314