极值:修订间差异
外观
删除的内容 添加的内容
小 機器人 新增: fa:بیشینه و کمینه |
Cat-a-lot:分類間移動:從Category:最优化到Category:數學最佳化 |
||
(未显示25个用户的36个中间版本) | |||
第1行: | 第1行: | ||
{{redirect-multi|2|最大值|最小值|幾個數之中最大或最小的一個|最大與最小元}} |
|||
{{Unreferenced|time=2022-02-19T23:51:36+00:00}} |
|||
{{NoteTA |
|||
|G1 = Math |
|||
|1 = zh-cn:全局; zh-tw:全域; |
|||
|2 = zh-cn:最优; zh-tw:最佳; |
|||
}} |
|||
{{微積分學}} |
{{微積分學}} |
||
⚫ | |||
⚫ | |||
== 定义 == |
== 定义 == |
||
⚫ | |||
⚫ | |||
⚫ | |||
*'''全局(绝对)最小值''':如果点''x<sup>*</sup>''对于任何''x''都满足''f(x<sup>*</sup>)≤ f(x)'',则点''f(x<sup>*</sup>)''称为全局最小值。 |
|||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | |||
== 求极值的方法 == |
== 求极值的方法 == |
||
求全局极值是[[最优化]]方法的目的。对于一元二阶[[可导]]函数,求极值的一种方法是求[[驻点]](亦称为静止点,停留点, |
求全局极值是[[最优化]]方法的目的。对于一元二阶[[可导]]函数,求极值的一种方法是求[[驻点]](亦称为静止点,停留点,{{lang-en|stationary point}}),也就是求一阶导数为零的点。如果在[[驻点]]的二阶导数为正,那么这个点就是局部最小值;如果二阶导数为负,则是局部最大值;如果为零,则还需要进一步的研究。 |
||
一般地,如果在驻点处的一阶、二阶、三阶……直到N阶导数都是零,而N+1阶导数不为零,则当N |
一般地,如果在驻点处的一阶、二阶、三阶……直到N阶导数都是零,而N+1阶导数不为零,则当N奇数且N+1阶导数为正时,该点为极小值;当N是奇数且N+1阶导数为负时,该点为极大值;如果N是偶数,则该点不是极值。 |
||
如果这个函数定义在一个有界区域内,则还要检查局域的边界点。 |
如果这个函数定义在一个有界区域内,则还要检查局域的边界点。如果函数在定义域内存在不可导点,则这些不可导点也可能是极值点。 |
||
如果函数在定义域内存在不可导点,则这些不可导点也可能是极值点。 |
|||
== 例子 == |
== 例子 == |
||
* 函数<math>x^2</math>有惟一最小值,在''x'' = 0 处取得。 |
|||
* 函数 |
* 函数<math>x^3</math>没有最值,也没有极值,尽管其一阶导数<math>3x^2</math>在''x'' = 0处也为0。因为其二阶导数(6''x'')在该点也是0,但三阶导数不是零。 |
||
⚫ | |||
* 函数 <math>x^3</math> 没有最值,也没有极值,尽管其一阶导数<math>3x^2</math> 在'x'' = 0处也为 0。因为其二阶导数(6''x'') 在该点也是0,但三阶导数不是零。 |
|||
⚫ | |||
⚫ | |||
求函数的极值时还应当考虑其不可导点,即导数不存在的点。 |
|||
⚫ | |||
== 多变量函数 == |
== 多变量函数 == |
||
对于多变量函数 |
对于多变量函数(多元函数),同样存在在极值点的概念。其定义为: |
||
:设<math>f(P)</math>在点<math>P_0</math>某[[邻域]]<math>U(P_0)</math>内有定义,若对于所有<math>P_0</math>的[[邻域|去心邻域]]的点<math>P</math>,都有<math>f(P)<f(P_0)</math>,则称<math>P_0</math>是<math>f(P)</math>的极大值;反之,则为极小值<ref>不同文献对此定义尚未统一。在部分文献中,此定义又称“绝对极值点”,与“≥”、“≤”的定义相区别</ref>。 |
|||
此外,也有[[鞍点]]的概念。 |
|||
== 参见 == |
== 参见 == |
||
* [[机械平衡]] |
* [[机械平衡]] |
||
* [[极值定理]] |
* [[极值定理]] |
||
==注脚== |
|||
{{reflist}} |
|||
[[Category:微积分]] |
[[Category:微积分]] |
||
[[Category:数学分析]] |
[[Category:数学分析]] |
||
[[Category:最 |
[[Category:數學最佳化]] |
||
[[ar:العظمى والصغرى]] |
|||
[[ca:Màxims i mínims]] |
|||
[[cs:Extrém funkce]] |
|||
[[cy:Uchafbwyntiau ac isafbwyntiau]] |
|||
[[en:Maxima and minima]] |
|||
[[eo:Maksimumo kaj minimumo]] |
|||
[[es:Extremos de una función]] |
|||
[[fa:بیشینه و کمینه]] |
|||
[[he:נקודת קיצון]] |
|||
[[it:Massimo e minimo di una funzione]] |
|||
[[ja:極値]] |
|||
[[pl:Minimum i maksimum (funkcje)]] |
|||
[[pt:Pontos extremos de uma função]] |
|||
[[ru:Экстремум]] |
|||
[[sl:Ekstrem funkcije]] |
|||
[[tt:Экстремум]] |
|||
[[uk:Екстремум]] |
2022年4月18日 (一) 12:23的最新版本
此條目没有列出任何参考或来源。 (2022年2月19日) |
系列條目 |
微积分学 |
---|
在数学中,极值(extremum)是极大值(maximum)与极小值(minimum)的统称,意指在一个域上函数取得最大值或最小值的点的函数值。而使函数取得极值的点(的横坐标)被称作极值点。这个域既可以是一个邻域,又可以是整个函数域(这时极值称为最值、全局极值、绝对极值)。
定义
[编辑]- 局部(相对)最大值:如果存在一个ε > 0,使得所有满足|x-x*| < ε的x都有f(x*)≥ f(x),我们就把点x*对应的函数值f(x*)称为一个函数f的局部最大值。从函数图像上看,局部最大值就像是山顶。
- 局部(相对)最小值:如果存在一个ε > 0,使得所有满足|x-x*| < ε的x都有f(x*)≤ f(x),我们就把点x*对应的函数值f(x*)称为一个函数f的局部最小值。从函数图像上看,局部最小值就像是山谷的底部。
- 全局(绝对)最大值:如果点x*对于任何x都满足f(x*)≥ f(x),则点f(x*)称为全局最大值。
- 全局(绝对)最小值:如果点x*对于任何x都满足f(x*)≤ f(x),则点f(x*)称为全局最小值。
极值的概念不仅仅限于定义在实数域上的函数。定义在任何集合上的实数值函数都可以讨论其最大最小值。为了定义局部极值,函数值必须为实数,同时此函数的定义域上必须能够定义邻域。邻域的概念使得在x的定义域上可以有|x - x*| < ε。
局部最大值(最小值)也被称为极值(或局部最优值),全局最大值(最小值)也被称为最值(或全局最优值)。
求极值的方法
[编辑]求全局极值是最优化方法的目的。对于一元二阶可导函数,求极值的一种方法是求驻点(亦称为静止点,停留点,英語:stationary point),也就是求一阶导数为零的点。如果在驻点的二阶导数为正,那么这个点就是局部最小值;如果二阶导数为负,则是局部最大值;如果为零,则还需要进一步的研究。
一般地,如果在驻点处的一阶、二阶、三阶……直到N阶导数都是零,而N+1阶导数不为零,则当N奇数且N+1阶导数为正时,该点为极小值;当N是奇数且N+1阶导数为负时,该点为极大值;如果N是偶数,则该点不是极值。
如果这个函数定义在一个有界区域内,则还要检查局域的边界点。如果函数在定义域内存在不可导点,则这些不可导点也可能是极值点。
例子
[编辑]- 函数有惟一最小值,在x = 0 处取得。
- 函数没有最值,也没有极值,尽管其一阶导数在x = 0处也为0。因为其二阶导数(6x)在该点也是0,但三阶导数不是零。
- 函数cos(x)有无穷多个最大值,在x =0, ±2π, ±4π, ...,与无穷多个最小值 在x =±π, ±3π ... .
求函数的极值时还应当考虑其不可导点,即导数不存在的点。如函数y=|x|中0处的导数不存在,事实上从图像上也能看出这一点来。而且0就是该函数的一个极小值。
多变量函数
[编辑]对于多变量函数(多元函数),同样存在在极值点的概念。其定义为:
此外,也有鞍点的概念。
参见
[编辑]注脚
[编辑]- ^ 不同文献对此定义尚未统一。在部分文献中,此定义又称“绝对极值点”,与“≥”、“≤”的定义相区别