当前课程知识点:微积分——多元函数与重积分 >  第二章 多元函数微分学应用 >  第三节 多元函数的条件极值 >  三元函数条件极值问题的提法(之一)

返回《微积分——多元函数与重积分》慕课在线视频课程列表

三元函数条件极值问题的提法(之一)在线视频

三元函数条件极值问题的提法(之一)

下一节:三元函数条件极值问题的提法(之二)

返回《微积分——多元函数与重积分》慕课在线视频列表

三元函数条件极值问题的提法(之一)课程教案、知识点、字幕

好 前面我们介绍了二元函数

他条件极值问题的提法

接下面我们来看一下

三元函数条件极值问题的提法

对三元函数 我们可以提两种不同形式的条件极值问题

我们先看第一种

也就是三元函数

在一个约束条件下

他的条件极值问题

就是说我们现在考虑一个三元函数f(xyz)

我们要求他的最大值或者最小值

但是我们在求的时候

并不是在他的定义域中

来求他的最大最小

但是我们并不是在这个函数的定义域中

求他的局部最大

或者局部最小

我们要让xyz这个点

限定在某一张曲面上

这个曲面方程我们用g(xyz)=0来表示

所以说 我们可以这样来说

如果让xyz限定在这张曲面上时

我们来求这个函数

fxyz的局部最大和局部最小

这就是三元函数

在一个约束条件下的

条件极值问题的提法

在这与前面介绍的一样

f是目标函数

g是约束函数

而g(xyz)=0这个曲面就是约束条件

从几何上讲

我就是让三元函数的

自变量对应的点

不在定义域中变化

只是在定义域中

某一张曲面上变化

所以说这个约束条件极值问题的提法

在几何上应该是明确的

接下来我们 看一下

如果一个x0y0z0这个点

是这个条件极值问题的极值点的时候

他应该满足什么条件

也就是看一下

条件极值问题的必要条件是什么

他的必要条件

现在我们假设

这个约束函数g(xyz)

满足一定的条件

这个一定的条件

能够保证我们由这个约束条件出发

可以得到这个曲面的一个显示方程

显示方程 那我们把z与xy的关系

代到我们的目标函数里面去

我们就会得到f(xyz(xy))

这样 我们就利用f这个目标函数

与这个x为 xy的二元函数做复合

得到一个新的二元函数

这个二元函数我们不妨就记成h(xy)

现在我们求这个条件极值问题的解

也就是求这个二元函数的

非条件极值问题的解

根据非条件极值问题解的必要条件

那么在一定条件下

我们知道 在他的解的地方

这个函数关于x的偏导数应该是等0

根据复合函数的链导法则

这个函数关于x的偏导数也就是等于

偏f偏x再加上偏f偏z

再乘上偏z偏x

这个要等于0

类似的 这个二元函数

关于y的偏导数

也就是偏f偏y

再加上偏f偏z

再乘上偏z偏y

他也应该等于0

这就是非条件极值问题

那个极值点的必要条件

在这里面我们看一下

z关于x和z关于y的偏导数是什么

因为它是由这个等式确定的

那么我们根据隐函数的求导法

我们知道这个偏z偏x

应该就等于负的偏g偏x

再除上偏g偏z

类似的 这个z关于y的偏导数

应该等于负的偏g偏y

再除上一个偏g偏z

那我们把这两个导数的表达式

往这两个等式里面一代

我们就会得到这个关系

代到第一个等式里面去

我们会发现推出来的是

偏f偏x比上偏g偏x

应该等于偏f偏z再比上偏g偏z

也就是把x表达式代到第一个等式

我们移完项之后

会写成这个比值形式

把z关于y的偏导数

咱们代到第二个等式

整理以后我们会发现

是偏f偏y比上偏g偏y

应该等于偏f偏z再比上偏g偏z

那我们把这两个关系式整理一下

我们就推出了

在条件极值点这个地方

我们得到了偏f偏x

等 比上偏g偏x

等于偏f偏y比上偏g偏y

等于偏f偏z比上偏g偏z

当然在我们这个推导过程中

我们是说在一定条件下

那我们回过头来

看这个条件是什么

我们要从这个等式

得到这个函数

那么这个g(xyz)他应该满足

我们前面介绍过的

隐函数存在定理的条件

比如说他应该至少有一个解

其次他应该在某个范围上

具有一阶连续偏导数

同时他在相应的点

至少对某一个自变量的偏导数要不等于0

当然我们如果写成这个形式的时候

我们是不妨假设

他关于z的偏导数

在相应的点不等于0

我想这是对约束函数加的条件

接下来 我们在这个地方

做了复合函数求导运算

那他就应该满足

复合函数链导法则条件

比如说 我们要对目标函数f

加上可微 或者说加的再强一点

他具有一阶连续偏导数

那么 这个时候

跟约束函数的条件加在一起

我们就可以用链导法则

也就是说 我们得到条件极值点

满足的这个必要条件的时候

主要就是对约束函数和目标函数

加了具有一阶连续偏导数

二阶 约束函数的梯度

应该是不等于0的

好 说到梯度

那我们回过头来看一看

这个比值 这个比例式

这个比例式

根据我们前面梯度的计算式

我们知道 这个就是说的

f这个函数

他在条件极值点的梯度

应该是平行于这个目标函数

在条件极值点的梯度

所谓的平行 那么 也就是说

这两个向量肯定是线性相关的

这个也就是等价于在条件极值点处

这个梯度向量

加上λ倍的这个梯度向量

他应该是一个 0向量

是一个0向量

这就是我们得到的三元函数

在一个约束条件下

条件极值点要满足的必要条件

而我们把这个结论写成一个定理

我们条件极值点满足的必要条件

是这样子的

我们设函数f(xyz)和g(xyz)

都是具有一阶连续偏导数的函数

而且g(xyz)的梯度向量不会是0向量

那么如果x0y0z0这个点

是我们这个条件极值问题的解

那么在这一点处

目标函数f的梯度向量

与约束函数g的梯度向量

应该就是平行的

也就是说存在一个实数λ

使得这两个梯度向量

在这个线性组合下

是0向量

这就是我们得到的

条件极值点要满足的必要条件

从这个定理

我们自然可以看出

因为约束函数

他的梯度向量

根据梯度向量的几何意义

我们知道

他是要垂直于这张平面的

而这个条件说明

f的梯度向量与g(xyz)的梯度向量是平行的

所以说在条件极值点处

我们就得到了目标函数的梯度向量

应该是与约束条件

对应的这张曲面是垂直的

这个结论 我们可以直接推广到

一般的一个n元函数

在一个约束条件下的

条件极值点的情况

也就是说如果f是个n元函数

gx也是个n元函数

也就是说如果f是个n元函数

g也是个n元函数

那么f在g=0这个约束条件下的

条件极值问题的解

一定是满足在条件极值点处

f的梯度向量与g的梯度向量是平行的

微积分——多元函数与重积分课程列表:

第一章 多元函数微分学

-第一节 多元连续函数

--向量的内积与长度-1

--向量的内积与长度-2

--R^n中的点列的收敛性

--内点、外点、边界点-1

--内点、外点、边界点-2

--开集、闭集、区域

--多元函数的有关概念

--二重极限的定义

--二重极限的例题

--二次极限的定义

--连续与一致连续的定义

--连续函数的性质-1

--连续函数的性质-2

--连续函数的性质-3

-第一章 多元函数微分学--第一节练习题

-第二节 多元函数的偏导数

--偏导数的概念

--偏导数的几何意义

--高阶偏导数的概念

--混和偏导数与求导顺序无关的条件

-第一章 多元函数微分学--第二节练习题

-第三节 多元函数的全微分

--全微分的概念

--可微的必要条件

--可微的充分条件

--可微的充要条件

--多元函数的原函数

-第一章 多元函数微分学--第三节练习题

-第四节 多元函数的微分法

--复合函数微分法之一

--复合函数微分法之二

--复合函数求导数(举例)

--隐函数存在定理

--隐函数求导法(举例)

--隐函数组求导法

-第一章 多元函数微分学--第四节练习题

-第五节 多元函数的方向导数与梯度向量

--方向导数的概念

--方向导数的计算

--梯度向量的概念与计算

-第一章 多元函数微分学--第五节练习题

-第六节 映射及其微分

--映射与连续映射的概念

--映射的导数、微分、雅克比矩阵

--复合映射的微分法

-第一章 多元函数微分学--第六节练习题

-第七节 多元函数的泰勒公式(以二元函数为例)

--二元函数有Peano型余项的Taylor公式

--二元函数有Peano型余项的Taylor公式-2

--二元函数带有Lagrange型余项的泰勒公式

-第一章 多元函数微分学--第七节练习题

第二章 多元函数微分学应用

-第一节 多元函数微分学的几何应用

--空间曲线的切线与法平面(之一)

--空间曲线的切线与法平面(之二)

--空间曲线的切线与法平面问题举例

--曲面的切平面与法线(之一)

--曲面的切平面与法线(之二)

--曲面的切平面与法线(之三)

--曲面的切平面与法线问题举例

-第二章 多元函数微分学应用--第一节练习题

-第二节 多元函数的极值

--极值点的概念和必要条件

--极值点的判别法

--极值问题举例

-第二章 多元函数微分学应用--第二节练习题

-第三节 多元函数的条件极值

--二元函数条件极值问题的提法

--三元函数条件极值问题的提法(之一)

--三元函数条件极值问题的提法(之二)

--条件极值问题的直接解法

--条件极值问题的Lagrange解法

--条件极值问题举例

--多元函数在有界闭域上的最值

--最小二乘法

-第二章 多元函数微分学应用--第三节练习题

第三章重积分

-第一节 二重积分的概念和性质

--二重重积分引入

--二重积分定义

--二重积分性质

--关于二重积分性质的例题

-第二节 二重积分的计算

--二重积分的计算:直角坐标系(1)

--二重积分的计算:直角坐标系(2)

--二重积分的计算:直角坐标系(3)

-第三章重积分--第二节练习题

-第三节 极坐标系及一般坐标系

--极坐标系

--一般坐标系

--二重积分的一般坐标变换公式

--二重积分的计算:极坐标系

--二重积分的计算:极坐标系例题

--二重积分的计算:一般坐标系例题

-第三章重积分--第三节练习题

-第四节 三重积分

--三重积分的引入

--三重积分的定义

--三重积分的性质

--直角坐标系

--三重积分的计算:例题(1)

--三重积分的计算:例题(2)

--空间坐标变换

--空间柱坐标系

--空间柱坐标系例题(1)

--空间柱坐标系例题(2)

--球坐标系

--球坐标系例题

-第三章重积分--第四节 练习题

-第五节 第一类曲线积分

--第一类曲线积分的引入

--第一类曲线积分的定义

--第一类曲线积分的性质

--第一类曲线积分的计算公式

--第一类曲线积分的计算例题

-第三章重积分--第五节 练习题

-第六节 第一类曲面积分

--第一类曲面积分的引入

--第一类曲面积分的定义

--第一类曲面积分的性质

--第一类曲面积分的计算公式

--第一类曲面积分的计算例题(1)

--第一类曲面积分的计算例题(2)

-第三章重积分--第六节 练习题

-第七节 含参变量积分

--含参定积分的定义

--含参积分的连续性

--含参积分的导数

--含参积分的例题

-- 广义含参积分的一致收敛性

--广义含参积分的连续性和积分导数

-第三章重积分--第七节 练习题

第四章 向量分析

-第一节 第二类曲线积分

--第二类曲线积分的引入

--第二类曲线积分的定义

--第二类曲线积分的性质第二类曲线积分的性质

--第二类曲线积分的性质

-第四章 向量分析--第一节 练习题

-第二节 Green公式及其应用

--平面第二类曲线积分:Green公式

--平面第二类曲线积分的计算:利用Green 公式

-第四章 向量分析--第二节 练习题

-第三节 第二类曲面积分

--曲面的定向

--第二类曲面积分的引入

--第二类曲面积分的定义与性质

--第二类曲面积分的计算

-第四章 向量分析--第三节 练习题

-第四节 Gauss公式与Stokes公式

--Gauss公式

--第二类曲面积分的计算:Gauss公式

--Stokes公式及其应用

-第四章 向量分析--第四节 练习题

-第五节 无源场,保守场与调和场

--平面保守场

--势函数及其计算

--空间保守场

--常见的场

-第四章 向量分析--第五节 练习题

第五章 常微分方程

-第一节 微分方程的基本概念

--微分方程概念举例

--微分方程的基本概念

--一阶微分方程定解问题解的存在唯一性

-第二节 可求解的一阶微分方程(初等积分法)

--变量分离方程

--齐次型方程

--可化为齐次型方程的方程

--一阶线性微分方程的概念和解的性质

--一阶线性微分方程的解法

--Bernoulli方程

--可降阶方程(之一)

--可降阶方程(之二)

-第五章 常微分方程--第二节 练习题

-第三节 高阶线性微分方程解的结构

--线性微分方程解的性质

--函数组线性相关(无关)的概念

--函数组线性相关的必要条件

--线性微分方程解函数组线性相关的判别法

--线性微分方程解的结构

-第五章 常微分方程--第三节 练习题

-第四节 高阶线性常系数微分方程

--视频5--17 二阶线性齐次微分方程的特征法

--n阶线性齐次微分方程的特征法

-- 线性齐次微分方程的特征法举例

--二阶线性常系数非齐次微分方程的待定系数法

--二阶线性常系数非齐次微分方程的待定系数法(之一)举例

--二阶线性常系数非齐次微分方程的待定系数法(之二)

--二阶线性常系数非齐次微分方程的待定系数法(之二)举例

--二阶线性常系数非齐次微分方程的变动任意常数法

--二阶线性微分方程的变动任意常数法

--二阶线性微分方程的变动任意常数法(之二)

--欧拉方程

--欧拉方程举例

-第五章 常微分方程--第四节 练习题

三元函数条件极值问题的提法(之一)笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。