跳转到内容

极值

维基百科,自由的百科全书

这是本页的一个历史版本,由202.125.219.55留言2017年4月29日 (六) 03:37 多变量函数编辑。这可能和当前版本存在着巨大的差异。

在数学中,极大值与极小值(又被称为极值)是指在一个上函数取得最大值(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)。

定义

  • 局部最大值:如果存在一个ε > 0,使的所有满足|x-x*| < εx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局部最大值。从函数图像上看,局部最大值就像是山顶。
  • 局部最小值:如果存在一个ε > 0,使的所有满足|x-x*| < εx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(或称‘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(或称‘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。

全局最值一定是局部极值,反之则不然。

极值的概念不仅仅限于定义在实数上的函数。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

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

  • 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

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:

在点邻域内有定义,若对于所有去心邻域的点,都有,则称的极大值;反之,则为极小值[1]

此外,也有鞍点的概念。

参见

注脚

  1. ^ 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