二阶导数判别法
黑塞矩阵
定义
定义是对概念、术语或对象含义的精确描述。理解定义是学习任何知识领域的基础,每个概念都有其明确的定义。
设函数 z=f(x,y) 具有二阶连续偏导数,称矩阵
Hf(x,y)=(fxxfyxfxyfyy)
为函数 f 的黑塞矩阵(Hessian matrix)。
由于混合偏导数连续时 fxy=fyx,黑塞矩阵是对称矩阵。
对于 n 元函数 f(x1,…,xn),黑塞矩阵为 n×n 矩阵:
Hf=fx1x1fx2x1⋮fxnx1fx1x2fx2x2⋮fxnx2⋯⋯⋱⋯fx1xnfx2xn⋮fxnxn
二元函数的二阶导数判别法
数学定理
定理是数学中经过严格证明的命题,是数学推理的基础。定理通常包含条件和结论,是数学知识体系的重要组成部分。
定理1
极值的充分条件:设函数 z=f(x,y) 在驻点 (x0,y0) 的某邻域内具有一阶和二阶连续偏导数,令
A=fxx(x0,y0),B=fxy(x0,y0),C=fyy(x0,y0)
判别式 Δ=AC−B2,则:
- 当 Δ>0 时,函数在 (x0,y0) 处取得极值:
- A>0(或 C>0)时为极小值
- A<0(或 C<0)时为极大值
- 当 Δ<0 时,函数在 (x0,y0) 处不是极值(鞍点)
- 当 Δ=0 时,无法确定,需要用定义或其他方法进一步判断
(用黑塞矩阵的正定性)
- Δ>0 且 A>0 ⟺ 黑塞矩阵正定 ⟺ 极小值
- Δ>0 且 A<0 ⟺ 黑塞矩阵负定 ⟺ 极大值
- Δ<0 ⟺ 黑塞矩阵不定 ⟺ 鞍点
- Δ=0 ⟺ 黑塞矩阵半正定/半负定 ⟺ 无法确定
这一结论可以推广到 n 元函数:驻点处黑塞矩阵正定则为极小值点,负定则为极大值点,不定则为鞍点。
n元函数的二阶导数判别法
数学定理
定理是数学中经过严格证明的命题,是数学推理的基础。定理通常包含条件和结论,是数学知识体系的重要组成部分。
定理2
设 n 元函数 f 在驻点 P0 处具有二阶连续偏导数,Hf(P0) 为黑塞矩阵,则:
- 若 Hf(P0) 正定,则 P0 是极小值点
- 若 Hf(P0) 负定,则 P0 是极大值点
- 若 Hf(P0) 不定,则 P0 不是极值点(鞍点)
- 若 Hf(P0) 半正定或半负定,则无法确定
矩阵正定性的判定:所有顺序主子式大于0为正定;奇数阶顺序主子式小于0、偶数阶大于0为负定。
判别法失效的情形
当 Δ=0 时,二阶导数判别法失效,需要用定义或更高阶导数判断。
- f(x,y)=x4+y4 在 (0,0) 处:A=B=C=0,Δ=0,但实际是极小值点。
- f(x,y)=−x4−y4 在 (0,0) 处:Δ=0,但是极大值点。
- f(x,y)=x3+y3 在 (0,0) 处:Δ=0,但不是极值点。
这三个例子说明 Δ=0 时各种情况都可能发生,必须具体分析。
典型例题
例题1:求极值
求函数 f(x,y)=x3+y3−3xy 的极值。
参考答案
极值二阶导数判别法驻点
- 由上节例题知驻点为 (0,0) 和 (1,1)
- 二阶偏导数:fxx=6x,fxy=−3,fyy=6y
- 在 (0,0) 处:A=0,B=−3,C=0,Δ=0×0−(−3)2=−9<0,故 (0,0) 不是极值点(鞍点)
- 在 (1,1) 处:A=6,B=−3,C=6,Δ=6×6−9=27>0,且 A=6>0,故 (1,1) 是极小值点
- 极小值:f(1,1)=1+1−3=−1
答案:极小值为 f(1,1)=−1,(0,0) 是鞍点。
例题2:判别法失效
求 f(x,y)=x4+y4−x2−y2 的极值。
参考答案
极值高阶函数判别法
- fx=4x3−2x=2x(2x2−1),fy=4y3−2y=2y(2y2−1)
- 令 fx=fy=0,解得 x=0 或 x=±21;y=0 或 y=±21
- 驻点共9个:(0,0),(0,±21),(±21,0),(±21,±21)
- fxx=12x2−2,fxy=0,fyy=12y2−2
- 在 (±21,±21) 处:A=4,B=0,C=4,Δ=16>0,A>0,极小值 f=−21
- 在 (0,±21) 和 (±21,0) 处:A=−2 或 C=−2,Δ=−4<0,鞍点
- 在 (0,0) 处:A=−2,B=0,C=−2,Δ=4>0,A<0,极大值 f(0,0)=0
答案:极大值 f(0,0)=0;极小值 f(±21,±21)=−21(共4个极小值点);其余4个为鞍点。
例题3:三元函数极值
求 f(x,y,z)=x2+y2+z2+2x+4y−6z 的极值。
参考答案
极值三元函数黑塞矩阵正定
- fx=2x+2,fy=2y+4,fz=2z−6
- 令偏导数为零:x=−1,y=−2,z=3,驻点 (−1,−2,3)
- 黑塞矩阵:H=200020002
- 顺序主子式:2>0,2002=4>0,∣H∣=8>0,黑塞矩阵正定
- 故 (−1,−2,3) 是极小值点
- 极小值:f(−1,−2,3)=1+4+9−2−8−18=−14
答案:极小值为 f(−1,−2,3)=−14。
练习题
练习1
求 f(x,y)=x3−y3+3x2+3y2−9x 的极值。
参考答案
极值二阶导数判别法
- fx=3x2+6x−9=3(x+3)(x−1),fy=−3y2+6y=−3y(y−2)
- 驻点:x=−3 或 1;y=0 或 2,共4个驻点
- fxx=6x+6,fxy=0,fyy=−6y+6
- (1,0):A=12,C=6,Δ=72>0,A>0,极小值 f=−5
- (1,2):A=12,C=−6,Δ=−72<0,鞍点
- (−3,0):A=−12,C=6,Δ=−72<0,鞍点
- (−3,2):A=−12,C=−6,Δ=72>0,A<0,极大值 f=31
答案:极小值 f(1,0)=−5,极大值 f(−3,2)=31,其余为鞍点。
练习2
求 f(x,y)=e2x(x+y2+2y) 的极值。
参考答案
极值指数函数二阶导数判别法
- fx=e2x(2x+2y2+4y+1),fy=e2x(2y+2)
- 令 fy=0:y=−1;代入 fx=0:2x+2−4+1=0,x=21
- 驻点 (21,−1)
- fxx=e2x(4x+4y2+8y+4),fxy=e2x(4y+4),fyy=2e2x
- 在 (21,−1) 处:A=2e,B=0,C=2e,Δ=4e2>0,A>0,极小值
- f(21,−1)=e(21+1−2)=−2e
答案:极小值为 f(21,−1)=−2e。
总结
本文出现的符号
| 符号 | 类型 | 读音/说明 | 在本文中的含义 |
|---|
| A,B,C | 二阶偏导 | A, B, C | fxx,fxy,fyy 在驻点处的值 |
| Δ | 判别式 | delta | AC−B2 |
| Hf | 黑塞矩阵 | Hessian of f | 二阶偏导数构成的矩阵 |
| det(H) | 行列式 | determinant | 矩阵的行列式 |
中英对照
| 中文术语 | 英文术语 | 音标 |
|---|
| 二阶导数判别法 | second derivative test | /ˈsɛkənd dɪˈrɪvətɪv tɛst/ |
| 黑塞矩阵 | Hessian matrix | /ˈhɛsiən ˈmeɪtrɪks/ |
| 判别式 | discriminant | /dɪˈskrɪmɪnənt/ |
| 正定矩阵 | positive definite matrix | /ˈpɒzətɪv ˈdɛfənət ˈmeɪtrɪks/ |
| 负定矩阵 | negative definite matrix | /ˈnɛɡətɪv ˈdɛfənət ˈmeɪtrɪks/ |
| 不定矩阵 | indefinite matrix | /ɪnˈdɛfənət ˈmeɪtrɪks/ |
| 半正定 | positive semidefinite | /ˈpɒzətɪv ˌsɛmiˈdɛfənət/ |
| 顺序主子式 | leading principal minor | /ˈliːdɪŋ ˈprɪnsəpəl ˈmaɪnər/ |
| 充分条件 | sufficient condition | /səˈfɪʃənt kənˈdɪʃən/ |