第6章多元函数微分学9-10(条件极值—拉格朗日乘数法则)

拉格朗日乘数法是高等数学中求多元函数极值常用的方法，该方法针对某些高考中二元及三元变量最值问题，不失为一种既实用又简便的方法。

拉格朗日乘数法：求在约束条件
,下f(x,y,z)的极值时，拉格朗日函数 L(x,y,z)= f(x,y,z)-λ μ ,可由L x =0, L y =0, L z =0, , ,解出函数可能的极值点，求出目标函数f(x,y,z)的极值。

这里L x =0, L y =0, L z =0可以理解为关于x,y,z 求偏导数，λ，μ称为拉格朗日乘数。

例．已知22
3x y xy ++=，求22x y xy +-的最大值和最小值。

1.已知正实数,x y 满足24xy x y ++=，则1x y ++的最小值为__________．
2.若正实数
的最大值是 ． 3.若实数,x y 满足221x y xy ++=，则x y +的最大值_________.
4.设正实数x ，y ，z 满足x 2－3xy ＋4y 2－z ＝0，则当z xy 取得最小值时，x ＋2y －z 的最大值为( )
5.设a,b,c 为实数，且满足a+2b+3c=6,则a 2+4b 2+9c 2的最小值为__________
6．已知实数a,b,c 满足a+b+c=0, a 2+b 2+c 2=1,则a 的最大值为___________.
7．对于0c >，当非零实数a ，b 满足224240a ab b c -+-=，且使|2|a b +最大时，
345a b c
-+的最小值为 .8.已知a,b [0,1],a+b=1,求 + +(1-a)(1-b)的取值范围。

（若去掉条件a+b=1呢）
y x ，x y +。

第六节 多元函数的极值及其求法在实际问题中，我们会大量遇到求多元函数的最大值、最小值的问题. 与一元函数的情形类似，多元函数的最大值、最小值与极大值、极小值密切的联系. 下面我们以二元函数为例来讨论多元函数的极值问题.分布图示★ 引例 ★ 二元函数极值的概念 例1-3★ 极值的必要条件 ★ 极值的充分条件★ 求二元函数极值的一般步骤 ★ 例4 ★ 例5★ 求最值的一般步骤 ★ 例6 ★ 例7★ 例8 ★ 例9 ★ 例10 ★ 例11 ★ 条件极值的概念 ★ 拉格郎日乘数法 ★ 例12★ 例 13 ★ 例 14 ★ 例 15 ★ 例 16*数学建模举例★ 线性回归问题 ★ 线性规划问题★ 内容小结 ★ 课堂练习★ 习题6-6内容要点一、二元函数极值的概念定义1 设函数),(y x f z =在点),(00y x 的某一邻域内有定义, 对于该邻域内异于),(00y x 的任意一点),(y x , 如果),,(),(00y x f y x f <则称函数在),(00y x 有极大值；如果),,(),(00y x f y x f >则称函数在),(00y x 有极小值; 极大值、极小值统称为极值. 使函数取得极值的点称为极值点.定理1 (必要条件) 设函数),(y x f z =在点),(00y x 具有偏导数, 且在点),(00y x 处有极值, 则它在该点的偏导数必然为零，即.0),(,0),(0000==y x f y x f y x (6.1)与一元函数的情形类似，对于多元函数，凡是能使一阶偏导数同时为零的点称为函数的驻点.定理2 (充分条件) 设函数),(y x f z =在点),(00y x 的某邻域内有直到二阶的连续偏导数，又,0),(00=y x f x .0),(00=y x f y 令.),(,),(,),(000000C y x f B y x f A y x f yy xy xx === (1) 当02>-B AC 时，函数),(y x f 在),(00y x 处有极值，且当0>A 时有极小值),(00y x f ；0<A 时有极大值),(00y x f ；(2) 当02<-B AC 时，函数),(y x f 在),(00y x 处没有极值;(3) 当02=-B AC 时，函数),(y x f 在),(00y x 处可能有极值，也可能没有极值.根据定理1与定理2，如果函数),(y x f 具有二阶连续偏导数，则求),(y x f z =的极值的一般步骤为：第一步 解方程组,0),(,0),(==y x f y x f y x 求出),(y x f 的所有驻点；第二步 求出函数),(y x f 的二阶偏导数，依次确定各驻点处A 、 B 、 C 的值，并根据2B AC -的符号判定驻点是否为极值点. 最后求出函数),(y x f 在极值点处的极值.二、二元函数的最大值与最小值求函数),(y x f 的最大值和最小值的一般步骤为:（1）求函数),(y x f 在D 内所有驻点处的函数值;（2）求),(y x f 在D 的边界上的最大值和最小值;（3）将前两步得到的所有函数值进行比较，其中最大者即为最大值, 最小者即为最小值. 在通常遇到的实际问题中，如果根据问题的性质，可以判断出函数),(y x f 的最大值（最小值）一定在D 的内部取得，而函数),(y x f 在D 内只有一个驻点，则可以肯定该驻点处的函数值就是函数),(y x f 在D 上的最大值（最小值）.三、条件极值 拉格朗日乘数法前面所讨论的极值问题，对于函数的自变量一般只要求落在定义域内，并无其它限制条件，这类极值我们称为无条件极值. 但在实际问题中，常会遇到对函数的自变量还有附加条件的的极值问题. 对自变量有附加条件的极值称为条件极值.拉格朗日乘数法设二元函数),(y x f 和),(y x ϕ在区域D 内有一阶连续偏导数，则求),(y x f z =在D 内满足条件0),(=y x ϕ的极值问题，可以转化为求拉格朗日函数),(),(),,(y x y x f y x L λϕλ+=（其中λ为某一常数）的无条件极值问题.于是，求函数),(y x f z =在条件0),(=y x ϕ的极值的拉格朗日乘数法的基本步骤为：(1) 构造拉格朗日函数),(),(),,(y x y x f y x L λϕλ+=其中λ为某一常数;(2) 由方程组⎪⎩⎪⎨⎧===+==+=0),(,0),(),(,0),(),(y x L y x y x f L y x y x f L y y y x x x ϕλϕλϕλ解出λ,,y x , 其中x , y 就是所求条件极值的可能的极值点.注：拉格朗日乘数法只给出函数取极值的必要条件, 因此按照这种方法求出来的点是否为极值点, 还需要加以讨论. 不过在实际问题中, 往往可以根据问题本身的性质来判定所求的点是不是极值点.拉格朗日乘数法可推广到自变量多于两个而条件多于一个的情形:四、数学建模举例例题选讲二元函数极值的概念例1 (E01) 函数2232y x z +=在点(0, 0)处有极小值. 从几何上看，2232y x z +=表示一开口向上的椭圆抛物面，点)0,0,0(是它的顶点.（图7-6-1）.例2 (E02) 函数22y x z +-=在点(0,0)处有极大值. 从几何上看，22y x z +-= 表示一开口向下的半圆锥面，点)0,0,0(是它的顶点.（图7-6-2）.例3 (E03) 函数22x y z -= 在点(0,0)处无极值. 从几何上看，它表示双曲抛物面（马 鞍面）（图7-6-3）例4 (E04) 求函数x y x y x y x f 933),(2233-++-=的极值.解 先解方程组解得驻点为),0,1(),2,1(),0,3(-).2,3(-再求出二阶偏导数),(y x f xx ,66+=x ),(y x f xy ,0=),(y x f yy .66+-=y在点 (1, 0) 处, ,06122>⋅=-B AC 又,063),(0963),(22⎪⎩⎪⎨⎧=+-==-+=y y y x f x x y x f y x ,0>A 故函数在该点处有极小值;5)0,1(-=f在点 (1, 2) 处, )0,3(-处，,06122<⋅-=-B AC 故函数在这两点处没有极值;在点)2,3(-处，,0)6(122>-⋅-=-B AC 又,0<A 故函数在该点处有极大值.31)2,3(=-f例5 证明函数 y y ye x e z -+=cos )1(有无穷多个极大值而无一极小值.二元函数的最大值与最小值.证 由⎪⎩⎪⎨⎧=--='=+-='0)1(cos 0sin )1(y x e z x e z y y y x).(1)1(Z k y k x k ∈⎩⎨⎧--==π 又,cos )1(x e z A y xx +-=''=,sin x e z B y xy -=''=).2(cos y x e z C y yy--=''= 在点))(0,2(z n n ∈π处,,2-=A ,0=B ,1-=C ,022>=-B AC又,0<A 所以函数z 取得极大值;在点))(2,)12((z n n ∈-+π处,,12-+=e A ,0=B ,2--=e C ,0422<--=---e e B AC 此时函数无极值.证毕.二元函数的最大值与最小值例6 求函数y xy x y x f 22),(2+-=在矩形域 |),{(y x D =}20,30≤≤≤≤y x上的最大值和最小值.解 先求函数),(y x f 在D 内驻点.由,022=-=y x f x 022=+-=x f y 求得f 在D 内部的唯一驻点 (1, 1),且.1)1,1(=f 其次求函数),(y x f 在D 的边界上的最大值和最小值.如图所示.区域D 的边界包含四条直线段.,,,4321L L L L在1L 上,0=y ,)0,(2x x f =.30≤≤x 这是x 的单调增加函数,故在1L 上f 的最大值为,9)0,3(=f 最小值为.0)0,0(=f同样在2L 和4L 上f 也是单调的一元函数,易得最大值、最小值分别为,9)0,3(=f 1)2,3(=f (在2L 上),,4)2,0(=f 0)0,0(=f (在4L 上),而在3L 上,2=y ,44)2,(2+-=x x x f ,30≤≤x 易求出f 在3L 上的最大值,4)2,0(=f 最小值.0)2,2(=f将f 在驻点上的值)1,1(f 与4321,,,L L L L 上的最大值和最小值比较,最后得到f 在D 上的最大值,9)0,3(=f 最小值.0)2,2()0,0(==f f例7 求二元函数)4(),(2y x y x y x f z --==在直线6=+y x , x 轴和y 轴所围成的闭区域D 上的最大值与最小值.解 先求函数在D 内的驻点，解方程组 ,0)4(),(0)4(2),(222⎩⎨⎧=---='=---='y x y x x y x f y x y x xy y x f xx 得唯一驻点),1,2(且,4)1,2(=f 再求),(y x f 在D 边界上得最值，在边界6=+y x 上，即,6x y -=于是),2)(6(),(2--=x x y x f由,02)6(42=+-='x x x fx 得4,021==x x ,264=-==x x y 而,64)2,4(-=f 所以4)1,2(=f 为最大值，64)2,4(-=f 为最小值.例8 求函数 32233),(x y x y x f -+=在区域16:22≤+y x D 上的最小值.解 先求),(y x f 在D 内的极值.由,36),(2x x y x f x -=',6),(y y x f y =' 解方程组⎩⎨⎧==-060362y x x 得驻点(0, 0), (2, 0). 由于,6)0,0(=''xxf ,0)0,0(=''xy f ,6)0,0(=''yy f ,6)0,2(-=''xxf ,0)0,2(=''xy f .6)0,2(=''yy f 所以, 在点 (0, 0) 处,0362<-=-AC B ,06>=A 故在 (0, 0) 处有极小值.0)0,0(=f 在点 (2, 0) 处,0362>=-AC B 故函数在点 (2, 0)处无极值.再求),(y x f 在边界1622=+y x 上的最小值.由于点),(y x 在圆周1622=+y x 上变化,故可解出),44(1622≤≤--=x x y 代入),(y x f 中，有z ),(y x f =32233x y x -+=348x -=),44(≤≤-x这时z 是x 的一元函数,求得在]4,4[-上的最小值.164-==x z 最后比较可得,函数32233),(x y x y x f -+=在闭区间D 上的最小值.16)0,4(-=f例9 求 122+++=y x yx z 的最大值和最小值.解 x z 22222)1()(2)1(+++-++=y x y x x y x ,0=y z 22222)1()(2)1(+++-++=y x y x y y x ,0=解得驻点 ⎪⎪⎭⎫ ⎝⎛21,21和,21,21⎪⎪⎭⎫ ⎝⎛-- 因为,01lim 22=+++∞→∞→y x y x y x 即边界上的值为零.又 ,2121,21=⎪⎪⎭⎫ ⎝⎛z ,2121,21-=⎪⎪⎭⎫ ⎝⎛--z 所以最大值为,21最小值为.21-例10 (E05) 某厂要用铁板做成一个体积为32m 的有盖长方体水箱. 问当长、宽、高各 取怎样的尺寸时, 才能使用料最省.解 设水箱的长为,xm 宽为,ym 则其高应为./2xym 此水箱所用材料的面积 A ⎪⎪⎭⎫ ⎝⎛⋅+⋅+=xy x xy y xy 222⎪⎪⎭⎫ ⎝⎛++=y x xy 222).0,0(>>y x 此为目标函数.下面求使这函数取得最小值的点).,(y x 令,0222=⎪⎭⎫ ⎝⎛-=x y A x .0222=⎪⎪⎭⎫ ⎝⎛-=y x A y 解这方程组,得唯一的驻点,23=x .23=y根据题意可断定,该驻点即为所求最小值点. 因此当水箱的长为m 32、宽为m 32、高为=⋅33222m 32时，水箱所用的材料最省.注: 体积一定的长方体中,以立方体的表面积为最小.例11 (E06) 设1q 为商品A 的需求量, 2q 为商品B 的需求量, 其需求函数分别为,10420,4216212211p p q p p q -+=+-=总成本函数为2123q q C +=，其中21,p p 为商品A 和B 的价格, 试问价格21,p p 取何值时可使利润最大?解 按题意，总收益函数为),10420()42216(2122112211p p p p p p q p q p R -+++--=+=于是总利润函数为)2()3(2211-+-=-=p q p q C R L).10420)(2()4216)(3(212211p p p p p p -+-++--=为使总利润最大，求一阶偏导数，并令其为零：,08414211=+-=∂∂p p p L )2(10)10420()3(422111---++-=∂∂p p p p p L ,02082821=-+=p p由此解得 ,14,26321==p p 又因 .0)20)(4(8)(22<---=''⋅''-''yy xx xy L L L 故取价格14,26321==p p 时利润可达最大，而此时得产量为.6,921==q q例12 求函数xyz u =在附加条件a z y x /1/1/1/1=++ ()0,0,0,0>>>>a z y x (1)下的极值.解 作拉格朗日函数),,,(λz y x L )./1/1/1/1(a z y x xyz -+++=λ由.3.3/.0)/1/1/1(30/0/0/222a x y x a xyz z y x xyz z xy L y xz L x yz L zy x ===⇒=⇒=++-⇒⎪⎩⎪⎨⎧=-==-==-=λλλλλ故)3,3,3(a a a 是函数xyz u =在条件(1)下唯一驻点.把条件(1)确定的隐函数记作),,(y x z z =将目标函数看作),,(),(y x F y x z xy u =⋅=再应用二元函数极值的充分条件判断,知点,3,3(a a )3a 是函数xyz u =在条件(1)下的极小值点.而所求极值为.273a条件极值 拉格朗日乘数法例13 (E07) 求表面积为2a 而体积为最大的长方体的体积.解 设长方体的三棱长为,,,z y x 则问题就是在条件 ),,(z y x ϕ2222a xz yz xy -++=0=(1) 下, 求函数)0,0,0(>>>=z y x xyz V 的最大值.作拉格朗日函数),,,(λz y x L ),222(2a xz yz xy xyz -+++=λ 由..,0)(20)(20)(2z y x z x y x z y z y z x y x x y xy L z x xz L z y yz L zy x ==⇒++=++=⇒⎪⎩⎪⎨⎧=++==++==++=λλλ代入 (1) 式,得唯一可能的极值点:,6/6a z y x ===由问题本身意义知,此点就是所求最大值点.即,表面积为2a 的长方体中,以棱长为6/6a 的正方体的体积为最大,最大体积.3663a V =例14 在经济学中有个Cobb-Douglas 生产函数模型,),(1a a y cx y x f -=式中x 代 表劳动力的数量, y 为资本数量(确切地说是y 个单位资本), c 与)10(<<a a 是常数, 由各工厂的具体情形而定. 函数值表示生产量.现在已知某制造商的Cobb-Douglas 生产函数是=),(y x f ,1004143y x 每个劳动力与每单位资本的成本分别是150元及250元. 该制造商的总预算是50000元. 问他该如何分配这笔钱用于雇用劳动力与资本，以使生产量最高.解 这是个条件极值问题，求函数4143100),(y xy x f =在条件50000250150=+y x 下的最大值. 令)25015050000(100),,(413y x y x y x L --+=λλ，由方程组⎪⎩⎪⎨⎧=--==-==-=--0250150500000250250150754343141y x L yx L y x L xx x λλ 中的第一个方程解得,21411y x -=λ将其代入第二个方程中，得 ,0125254141343=---y x y x 在该式两边同乘,4341y x 有,012525=-y x 即.5y x =将此结果代入方程组的第三个方程得,50,250==y x 即该制造商应该雇用250个劳动力而把其余得部分作为资本投入，这时可获得最大产量.16719)50,250(=f例15 (E08) 设销售收入R (单位:万元)与花费在两种广告宣传的费用y x ,(单位:万元) 之间的关系为yy x x R +++=101005200 利润额相当五分之一的销售收入, 并要扣除广告费用. 已知广告费用总预算金是25万元, 试问如何分配两种广告费用使利润最大?解 设利润为,z 有 z y x R --=51.1020540y x y y x x --+++=,限制条件为.25=+y x 这是条件极值问题.令),,(λy x L )25(1020540-++--+++=y x y x yy x x λ 从,01)5(2002=+-+=λx L x 01)10(2002=+-+=λy L y22)10()5(y x +=+又,25x y -=解得,15=x .10=y 根据问题本身的意义及驻点的唯一性即知,当投入两种广告的费用分别为15万元和10万元时,可使利润最大.例16 设某电视机厂生产一台电视机的成本为c , 每台电视机的销售价格为p , 销售量为x .假设该厂的生产处于平衡状态, 即电视机的生产量等于销售量. 根据市场预测, 销售量x 与销售价格为p 之间有下面的关系:ap Me x -= )0,0(>>a M (1) 其中M 为市场最大需求量, a 是价格系数. 同时, 生产部门根据对生产环节的分析, 对每台电视机的生产成本c 有如下测算: x k c c ln 0-= (1,0>>x k ), (2) 其中0c 是只生产一台电视机时的成本, k 是规模系数. 根据上述条件, 应如何确定电视机的售价p , 才能使该厂获得最大利润?解 设厂家获得的利润为,u 每台电视机售价为,p 每台生产成本为,c 销售量为,x 则.)(x c p u -=于是问题化为利润函数x c p u )(-=在附加条件(1)、(2) 下的极值问题.利用拉格朗日乘数法,作拉格朗日函数:),,,,(μλc p x L ).ln ()()(0x k c c Me x x c p ap +-+-+-=-μλ令x L x k c p /)(μλ++-=,0=p L ap aMe x -+=λ,0=c L μ+-=x .0=将 (1) 代入 (2),得 ).(ln 0ap M k c c --= (3)由 (1) 及0=p L 知 ,1-=a λ即./1a -=λ (4)由0=c L 知,μ=x 即 .1/=μx将 (3)、(4)、(5) 代入,0=x L 得,0/1)(ln 0=+--+-k a ap M k c p由此得 *p .1/1ln 0akk a M k c --+-=由问题本身可知最优价格必定存在,故这个*p 就是电视机的最优价格.数学建模举例1．最小二乘法数理统计中常用到回归分析，也就是根据实际测量得到的一组数据来找出变量间的函数关系的近似表达式. 通常把这样得到的函数的近似表达式叫做经验公式. 这是一种广泛采用的数据处理方法. 经验公式建立后，就可以把生产或实践中所积累的某些经验提高到理论上加以分析，并由此作出某些预测. 下面我们通过实例来介绍一种常用的建立经验公式的方法.例17 (E09) 测定刀具的磨损速度，按每隔一小时测量一次刀具厚度的方式，得到如下 实测数据：8.243.257.251.263.265.268.260.27)(76543210)(76543210毫米刀具厚度小时时间顺序编号i i y t i试根据这组实测数据建立变量y 和t 之间的经验公式).(t f y =解 观察散点图，易发现所求函数)(t f y =可近似看作线性函数，因此可设,)(b at t f +=其中a 和b 是待定常数，但因为图中各点并不在同一条直线上，因此希望要使偏差)7,,2,1,0()(Λ=-i t f y i i 都很小.为了保证每个这个的偏差都很小，可考虑选取常数,,b a 使∑=+-=702)]([i i i b at yM 最小.这种根据偏差的平方和为最小的条件来选择常数b a ,的方法叫做最小二乘法.求解本例：可考虑选取常数,,b a 使∑=+-=702)]([i i i b at yM 最小.把M 看成自变量a和b 的一个二元函数，那么问题就可归结为求函数),(b a M M =在那些点处取得最小值.令,0)]([20)]([2707⎪⎪⎩⎪⎪⎨⎧=+--=∂∂=+--=∂∂∑∑==i i i i i i i b at y b M t b at y a M即 .0)]([0)]([77⎪⎪⎩⎪⎪⎨⎧=+-=+-∑∑==i i i i i i i b at y t b at y 整理得.871717171712⎪⎪⎩⎪⎪⎨⎧=+=+∑∑∑∑∑=====i i i i i i i i i i i y b t a t y t b t a (1) 计算，得.0.717,5.208,140,28717171271====∑∑∑∑====i ii i i iii ity ytt代入(1)，得 ⎩⎨⎧=+=+5.20882871728140b a b a.125.27,3036.0=-=b a于是，所求经验公式为 .125.273036.0)(+-==t t f y (2) 根据上式算出的)(i t f 与实测的i y 有一定的偏差，见下表：注：偏差的平方和,108165.0=M 其平方根.392.0=M 我们把M 称为均方误差，它的大小在一定程度上反映了用经验公式近似表达原来函数关系的近似程度的好坏.注：本例中实测数据的图形近似为一条直线，因而认为所求函数关系可近似看作线性函数关系，这类问题的求解比较简便.有些实际问题中，经验公式的类型虽然不是线性函数，但我们可以设法把它转化成线性函数的类型来讨论.2．线性规划问题求多个自变量的线性函数在一组线性不等式约束条件下的最大值最小值问题，是一类完全不同的问题，这类问题叫做线性规划问题. 下面我们通过实例来说明.例18 (E10) 一份简化的食物由粮和肉两种食品做成, 每份粮价值30分, 其中含有4单位醣, 5单位维生素和2单位蛋白质; 每一份肉价值50分, 其中含有1单位醣, 4单位维生素和4单位蛋白质. 对一份食物的最低要求是它至少要由8单位醣, 20单位维生素和10单位蛋白质组成, 问应当选择什么样的食物, 才能使价钱最便宜.解 设食物由x 份粮和y 份肉组成，其价钱为.5030y x C +=由食物的最低要求得到三个不等式约束条件，即：为了有足够的醣，应有;84≥+y x 为了有足够的维生素，应有;2045≥+y x为了有足够的蛋白质，应有;1042≥+y x 并且还有.0,0≥≥y x 上述五个不等式把问题的解限制在平面上如图的阴影区域中，现在考虑直线族.5030y x C +=当C 逐渐增加时，与阴影区域相交的第一条直线是通过顶点S 的直线，S 是两条直线 2045=+y x 和1042=+y x 的交点，所以点S 对应于C 的最小值的坐标是),65,310(即这种食物是由313份粮和65份肉组成. 代入y x C 5030+=即得到所要求的食物的最低价格32141655031030min =⨯+⨯=C 分.下面的例子是用几何方法来解决的.例19 (E11) 一个糖果制造商有500g 巧克力, 100g 核桃和50g 果料. 他用这些原料生产三种类型的糖果. A 类每盒用3g 巧克力, 1g 核桃和1g 果料, 售价10元. B 类每盒用4g 巧克力和1g 核桃, 售价6元. C 类每盒是5g 巧克力, 售价4元. 问每类糖果各应做多少盒, 才能使总收入最大?解 设制造商出售C B A ,,三类糖果各为z y x ,,盒，总收入是z y x R 4610++=(元). 不等式约束条件由巧克力、核桃和果料的存货限额给出，依次为 .50,100,500543≤≤+≤++x y x z y x当然，由问题的性质知，y x ,和z 也是非负的，所以 .0,0,0≥≥≥z y x 于是，问题化为：求R 的满足这些不等式的最大值.上述不等式把允许的解限制在Oxy 空间中的一个多面体区域之内(如图).在平行平面R z y x =++4610中只有一部分平面和这个区域相交，随着R 增大，平面离原点越来越远.显然，R 的最大值一定出现在这样的平面上，这种平面正好经过允许值所在多面体区域的由图可见，R 的最大值是920元，相应的点是，)30,50,50(所以A 类50盒，B 类30盒，C 类30盒时收入最多.课堂练习1.求函数)(2)(),(22222y x y x y x f --+=的极值.2.求函数)sin(sin sin ),(y x y x y x f z +-+==在由x 轴, y 轴及直线π2=+y x 所围成三角形中的最大值.3.某工厂生产两种产品A 与B, 出售单价分别为10元与9元, 生产x 单位的产品A 与生产y 单位的产品B 的总费用是:)()33(01.03240022元y xy x y x +++++求取得最大利润时, 两种产品的产量各多少?。

多元函数条件极值拉格朗日乘数怎么解1. 转化为无条件极值在讨论多元函数极值问题时，如果遇到除了在定义域中寻求驻点（可能的极值点）外，对自变量再无别的限制条件，我们称这类问题为函数的无条件极值。

如求的极值，就是无条件极值问题。

然而在实际中，我们也会遇到另一类问题。

比如，讨论表面积为的长方体的最大体积问题。

若设长方体的三度为, 则体积，同时应满足于是我们的问题的数学含义就是：当自变量满足条件下取何值时能使函数取得最大值。

（这里我们暂不论证指出这个最大值就是极大值）。

一般抽象出来，可表为如下形式：即函数在条件下的取极大（小）值问题。

今后，我们称这种问题为函数的条件极值问题。

对自变量有附加条件的极值称为条件极值。

一般称为目标函数，为约束条件( 或约束方程) 。

对于有些实际问题, 可以把条件极值问题化为无条件极值问题。

例如上述问题, 由条件, 解得, 于是得 V .只需求 V 的无条件极值问题。

例6 求函数在约束条件下的条件极值。

解由约束条件可解出代入目标函数，有：令得驻点由于当时，，当时，在时取极大值，又当时，由约束条件可解出，而，此例说明条件极值可有如下一种解法：如果能从约束方程中解出一个自变量，代入目标函数后，就可转化为无条件极值。

通过讨论无条件极值可得问题的解答。

但在很多实际问题中，往往不容易从约束条件中解出一个自变量，从而上述方法就失效了。

因此，对条件极值我们应讨论一般解法。

2. 关于条件极值的拉格朗日乘数法在很多情形下, 将条件极值化为无条件极值并不容易。

需要另一种求条件极值的专用方法, 这就是拉格朗日乘数法。

拉格朗日乘数法：要找函数 z = f ( x , y ) 在条件 j ( x , y ) = 0 下的可能极值点, 可以先构成辅助函数 F ( x , y ) = f ( x , y )+ lj ( x , y ) , 其中 l 为某一常数。

然后解方程组.由这方程组解出 x , y 及 l , 则其中( x , y ) 就是所要求的可能的极值点。

多元函数条件极值的求解方法一、拉格朗日乘子法拉格朗日乘子法是一种常用的求解多元函数条件极值问题的方法，其基本思想是将约束条件转化为目标函数的等式约束，通过构造拉格朗日函数来求解极值点。

具体步骤如下：1.确定目标函数和约束条件。

假设目标函数为f(x,y,...)，约束条件为g(x,y,...)=0。

2.构造拉格朗日函数。

将目标函数和约束条件相乘，并引入拉格朗日乘子λ，构造拉格朗日函数L(x,y,...,λ)=f(x,y,...)+λg(x,y,...)3.求解极值点。

对L(x,y,...,λ)分别对变量x,y,...,λ求偏导数，令其等于0，得到一组方程。

解方程组，得到拉格朗日乘子λ和变量的值。

4.检查结果。

将求得的解代入目标函数中，计算函数值，检查是否为极值点。

若不是，返回第3步，重新求解。

二、隐函数定理隐函数定理是求解多元函数条件极值问题的另一种方法，该方法适用于函数的值无法用显式的表达式表示的情况。

具体步骤如下：1.确定目标函数和约束条件。

假设目标函数为f(x,y,...)，约束条件为g(x,y,...)=0。

2.构造拉格朗日函数。

将约束条件g(x,y,...)=0表示为G(x,y,...,z)=0，其中z是一个待定参数。

3. 利用隐函数定理。

对 G(x, y, ..., z) 关于 z 求导，得到隐函数关系式 dz/dx = -∂G/∂x / ∂G/∂z，dz/dy = -∂G/∂y / ∂G/∂z。

求得dz/dx 和 dz/dy 后，得到 z(x, y) 的形式。

4.代入目标函数。

将x和y分别用z表示，得到函数f(z)。

对f(z)求导，令其等于0，解方程求得z(x,y)的极值点。

5.检查结果。

将求得的z(x,y)代入目标函数f(x,y,...)中，计算函数值，检查是否为极值点。

若不是，返回第4步，重新求解。

总结：拉格朗日乘子法适用于目标函数和约束条件可用显式表达式表示的情况下，且求解过程相对简单。

拉格朗日乘数法拉格朗日函数拉格朗日乘数法和拉格朗日函数是高等数学和微积分中的重要概念，其中拉格朗日乘数法是一种求取极值的方法，而拉格朗日函数则是用来描述多元函数的一种数学工具。

下面将就这两个概念作进一步的讲解。

拉格朗日乘数法是求取多元函数的一个局部极值的一种方法，在此情况下，多元函数是具有约束条件的。

这种方法的基本思想是，将问题转化为一个不受约束条件限制的问题来求解。

比如说，我们要求取函数$f(x,y)$在满足条件$g(x,y)=0$的所有点上的极值，那么我们就可以将问题转化成求解函数$L(x,y,\lambda)=f(x,y)-\lambda g(x,y)$的极值，其中$\lambda$是一个未知的系数，称为拉格朗日乘子。

这种方法的根本思想是，在原问题的可行解集和$L(x,y,\lambda)$的可行解集之间建立一种等价关系，使得在新的问题中仍然能够求取目标函数的极值。

而拉格朗日函数则是用来描述多元函数中的一种数学工具。

对于具有一些约束条件的函数$f(x_1,x_2,\cdots,x_n)$，我们可以构造一个类似于拉格朗日乘数法中的函数$L(x_1,x_2,\cdots,x_n,\lambda_1,\lambda_2,\cdots,\lambda_m)$，其中$\lambda_i$是拉格朗日乘子，而$L$则称为拉格朗日函数。

通过对这个函数的求导，我们可以得到一组方程式，其中某些方程式不受拉格朗日乘子所约束，而某些方程式则必须要满足一定的条件。

这些方程式的解就可以告诉我们原函数在约束条件下的最优解。

总的来说，拉格朗日乘数法和拉格朗日函数都是微积分学中非常重要的概念，它们可以帮助我们更加高效地求取多元函数的局部最优解。

如果您对这些概念还不是很熟悉，可以从基础的微积分学开始学习，逐步掌握各种计算方法，以提高您在这方面的能力。

多元函数的拉格朗日乘数法多元函数的拉格朗日乘数法是一种用于求解多元函数约束条件下的极值问题的方法。

它是由法国数学家约瑟夫·拉格朗日在18世纪末提出的，用于解决自然科学中的优化问题。

拉格朗日乘数法在经济学、工程学和物理学等领域都有广泛的应用。

一、拉格朗日乘数法的基本原理拉格朗日乘数法的基本原理可以通过以下步骤来说明：1. 建立约束条件：假设我们要求解的问题是最大化或最小化多元函数 f(x1, x2, ..., xn) 的取值，同时还有一些约束条件 g1(x1, x2, ..., xn) = c1, g2(x1, x2, ..., xn) = c2, ..., gm(x1, x2, ..., xn) = cm。

2. 构造拉格朗日函数：将约束条件与目标函数合并成一个拉格朗日函数L(x1, x2, ..., xn, λ1, λ2, ..., λm)，其中λ1, λ2, ..., λm 是称为拉格朗日乘数的系数。

3. 求解方程组：对拉格朗日函数求偏导数，并令其等于零，得到一组包括原函数和约束条件的方程组。

解这个方程组，可以得到原问题的极值点。

二、一个具体的例子为了更好地理解拉格朗日乘数法，我们来看一个具体的例子。

假设我们的目标是最大化函数 f(x, y) = x^2 + y^2，同时满足约束条件 g(x, y) = x + y = 1。

首先，我们构造拉格朗日函数L(x, y, λ) = x^2 + y^2 + λ(x + y - 1)，其中λ 是拉格朗日乘数。

然后，对拉格朗日函数求偏导数：∂L/∂x = 2x + λ∂L/∂y = 2y + λ∂L/∂λ = x + y - 1将上述方程组与约束条件 g(x, y) = x + y - 1 相联立，可以得到以下方程组：2x + λ = 02y + λ = 0x + y - 1 = 0解这个方程组，我们可以求得 x = 1/2，y = 1/2，λ = -1。

高中数学备课教案多元函数的条件极值与拉格朗日乘数法高中数学备课教案-多元函数的条件极值与拉格朗日乘数法一、引言多元函数的条件极值与拉格朗日乘数法是高中数学课程中的重要内容之一。

本文将介绍多元函数的条件极值的概念及其判定条件，并详细讲解拉格朗日乘数法的原理和应用。

通过本课教案的学习，学生将能够准确理解和运用多元函数的条件极值及拉格朗日乘数法，并能够解决相关的实际问题。

二、多元函数的条件极值1. 概念及定义多元函数的条件极值是指在一定的限制条件下，函数取得的极大值或极小值。

与单元函数的极值相似，多元函数的条件极值也是在局部范围内进行判定的。

2. 判定条件多元函数的条件极值有以下两种判定条件：（1）一阶导数法：通过对多元函数的偏导数进行求解，判断偏导数为0的点是否为极值点。

（2）二阶导数法：通过求解多元函数的二阶偏导数，判断二阶偏导数的正负性来判断点的类型：极大值、极小值或鞍点。

三、拉格朗日乘数法1. 概念及原理拉格朗日乘数法是一种求解带条件的多元函数极值的方法。

通过构建拉格朗日函数，将约束条件融入目标函数中，并通过解方程组求解出极值点坐标。

2. 应用步骤（1）确定目标函数和约束条件，列出拉格朗日函数：L(x, y, λ) = f(x, y) - λg(x, y)其中，f(x, y)为目标函数，g(x, y)为约束条件，λ为拉格朗日乘数。

（2）求解方程组：∇L(x, y, λ) = 0解方程组得到(x0, y0, λ0)为可能的极值点。

（3）构建极值点的类型判定表通过计算二阶偏导数或其他方法，得出(x0, y0, λ0)的极值类型：极大值、极小值或鞍点。

（4）判断边界点如果有边界点的话，将边界点的值代入目标函数，比较与已求得的极值的大小，得出最终的极值。

四、教学设计1. 知识讲解通过板书、课件等形式，详细讲解多元函数的条件极值的概念、判定条件，以及拉格朗日乘数法的原理和应用步骤。

2. 实例演示给出多元函数的具体实例，引导学生运用条件极值的判定方法和拉格朗日乘数法，一步步求解极值。

拉格朗日条件极值法
拉格朗日乘数法（以数学家约瑟夫·路易斯·拉格朗日命名）是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。

这种方法将一个有n个变量与k个约束条件的最优化问题转换为一个有n+k个变量的方程组的极值问题，其变量不受任何约束。

这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度（gradient）的线性组合里每个向量的系数。

此方法的证明牵涉到偏微分，全微分或链法，从而找到能让设出的隐函数的微分为零的未知数的值。

条件极值是限制在一个子流形上的极值，条件极值存在时无条件极值不一定存在，即使存在二者也不一定相等。

多元函数与拉格朗日多元函数是指含有多个自变量的函数，例如f(x,y)、g(x,y,z)等。

在实际问题中，往往需要研究多元函数的最值、最优解等问题。

而拉格朗日乘数法则是一种常用的求解多元函数最值的方法。

拉格朗日乘数法是由法国数学家拉格朗日在18世纪提出的。

它的基本思想是将多元函数的约束条件转化为一个等式，然后通过引入拉格朗日乘数来求解最值。

具体来说，设多元函数f(x1,x2,...,xn)的约束条件为g(x1,x2,...,xn)=0，那么拉格朗日乘数法的求解过程可以表示为：1.构造拉格朗日函数L(x1,x2,...,xn,λ)=f(x1,x2,...,xn)+λg(x1,x2,...,xn)2.对L(x1,x2,...,xn,λ)分别对x1,x2,...,xn,λ求偏导数，并令它们等于0，得到n+1个方程组成的方程组。

3.解方程组，得到x1,x2,...,xn,λ的值。

4.将x1,x2,...,xn代入f(x1,x2,...,xn)中，得到最优解。

拉格朗日乘数法的优点在于它可以将多元函数的约束条件转化为一个等式，从而简化了求解过程。

同时，它也可以应用于一些特殊的问题，例如最小二乘法、经济学中的效用最大化等。

然而，拉格朗日乘数法也存在一些限制。

首先，它只适用于约束条件为等式的情况，对于不等式约束条件的问题，需要采用其他方法求解。

其次，它的求解过程比较繁琐，需要对多个方程进行求解，对于复杂的问题，可能需要借助计算机进行求解。

多元函数与拉格朗日乘数法是数学中的重要概念和方法，它们在实际问题中有着广泛的应用。

对于学习者来说，掌握这些知识可以帮助我们更好地理解和解决实际问题。