论文_浅析函数极值的求法及应用[1]综述

XX学院

毕业论文

浅析函数极值的求法及应用

院系： 数学与计算机科学学院 专业： 数学与应用数学 年级、班级： 08数本 姓名： XXX 学号： XXXXXXX 指导教师(职称)： XXXXX

2012 年 3 月 15 日

浅析函数极值的求法及应用

摘要 函数极值是数学研究的重要内容之一，故对函数极值问题的探讨具有重要意义。

本文讨论了利用拉格朗日乘数法、柯西不等式法和梯度法求函数条件极值，以及利用方向导数判别法、MATLAB法求函数无条件极值，归纳出了函数极值在不等式证明、物理学、生产销售和蜂房最优化问题的若干应用。

关键词 函数 极值 求法 应用

Analysis of the function extreme value solution and its application

Abstract

The extreme value of function is one of the important contents of mathematics study,so the

function extreme problems of the function extreme value has important significance.This paper discusses the use of the Lagrange multiplier method,the Cauchy inequality method and gradient method for function conditional extremum,and the use of directional derivative method,MATLAB software and function unconditional extremum,summarized some applications about the extreme value of function in the proof of inequality, physics, production and sales and bee house problems.

Keywords function；extreme value；solution；application

I

目录

摘要…………………………………………………………………………………………Ⅰ 关键词………………………………………………………………………………………Ⅰ 第一章 引言…………………………………………………………………………………1 第二章 函数极值的定义及其存在的条件…………………………………………………1

2.1多元函数极值的定义………………………………………………………………2 2.2多元函数极值存在的条件…………………………………………………………2 第三章 函数极值的若干求法………………………………………………………………3

3.1拉格朗日乘数法求极值……………………………………………………………3 3.2柯西不等式法求极值………………………………………………………………4 3.3梯度法求极值………………………………………………………………………5 3.4利用方向导数判别多元函数的极值………………………………………………7 3.5 Matlab求函数极值…………………………………………………………………9 第四章 函数极值理论的应用 ……………………………………………………………12

4.1函数极值在不等式证明中的应用…………………………………………………12 4.2函数极值在物理学中的应用………………………………………………………13 4.3函数极值在生产销售中的利润最大化方案的应用……………………………14 4.4运用函数极值分析蜂房的最优化问题……………………………………………15 第五章 结束语………………………………………………………………………………18 致谢语………………………………………………………………………………………18 引用文献……………………………………………………………………………………18

II

第一章 引言

函数极值一直是数学研究的重要内容之一，在科学与生产实践中存在着许多和极值有关问题。由于函数极值应用广泛，加之函数本身变化纷繁，所以人们对求函数极值的方法研究较多，这些与许多数学家的努力是分不开的。他们将理论与实际有机的结合起来，不仅为科研打下了良好的基础，也为诸多领域的实际工作提供了便捷，如在物理、经济、现实生活等方面提供了便捷的方法，使得许多问题很便利的得以解决。

多元函数涉及到的量比较多，在求解某类形式上比较复杂的函数极值问题比较困难，所以在本文将重点介绍多元函数极值的求法。而我们在解题的过程当中常常会遇到一些具有某些条件的多元函数极值的求解，在解这种条件极值的问题时当然我们不能不考虑其条件，那么我们什么时候、什么地方、如何用这些条件就成了我们所关心的问题。所以，本文重点探讨多元函数条件极值问题。针对多元函数条件极值求法，文中归纳出了三种方法，拉格朗日乘数法、柯西不等式法、梯度法。其中拉格朗日乘数法就是求条件极值最常用的方法。对于求无条件极值，求解的方法相对来说就更多了，除了数学分析课本介绍的判别法之外还有方向导数判别法等。随着现代科技的进步，计算机软件已得到广泛应用，应用软件求解函数极值应运而生，大学期间就开设了《数学建模与数学实验》的课程，可以从中学习运用MATLAB软件求函数极值，它不但方便而且准确，是一种求无条件极值的好方法。在解题的过程中合理的选择一种好的方法，就等于成功了一半，同时可以大大减少解题的时间，对拓展解题的思路是很有帮助的。

函数极值在不等式证明、物理学、生产销售和蜂房最优化问题等方面有着广泛的应用。不等式的证明是数学学习过程中我们经常遇到的，其对综合能力和分析能力的要求都很高。目前有多种形式的方法来证明不等式，本文以举例说明的方式给出应用多元函数条件极值的解法来解决不等式证明的思想，即在不等式证明中，适当变换目标函数和相应的条件来证明不等式。函数极值在物理学中的应用也是非常广泛的，比如利用函数极值来证明光的折射定律等。在生产和销售商品的过程中销售量、成本与售价是相互影响的，厂家可以运用函数极值，知道如何选择合理的销售价格才能获得最大利润。很多的数学模型都源于生活，是从一些实际问题中抽象出来的，所以，可以通过探讨函数极值的方法来分析现实生活中许多有趣的问题，如著名的数学家华罗庚就利用极值探讨过蜂房结构有关的数学问题。

综上所述，我们对函数极值的求法及应用做一个比较全面的了解是相当重要的。

第二章 函数极值的定义及其存在的条件

极值的概念来自数学应用中的最大最小值问题，定义在一个有界闭区域上的每一个连续函数都必定达到它的最大值和最小值，问题在于要确定它在哪些点处达到最大值或最小值。我们先来了解下一元函数极值的定义。

定义1：设函数f(x)在x0的某个邻域有定义，如果对x0该邻域的所有点，都有

f(x)f(x0)，

则f(x0)是函数f(x)的一个极大值；如果对x0该邻域的所有的点，都有

f(x)f(x0)，

则f(x0)是函数f(x)的一个极小值。极大值和极小值统称为极值；极大点和极小点

- 1 -

统称为极值点。

下面重点了解多元函数极值的定义及其存在的条件。 2.1 多元函数极值的定义：

定义2：设n(n2)元函数zf(x1,x2,,xn)在点p0(x10,x20,,xn0)的某个邻域内有定义，如果对该邻域内任一异于p0(x10,x20,,xn0)的点p(x1,x2,,xn)都有

f(x1,x2,,xn)f(x10,x20,,xn0)，

则称函数在点p0(x10,x20,,xn0)有极大值f(x10,x20,,xn0)；类似的，若在该邻域内任一异于p0(x10,x20,,xn0)的点p(x1,x2,,xn)都有

f(x1,x2,,xn)f(x10,x20,,xn0)，

则称函数在点p0(x10,x20,,xn0)有极小值f(x10,x20,,xn0)。 2.2 多元函数极值存在的条件

定理1：（必要条件）若n(n2)元函数zf(x1,x2,,xn)在点(x10,x20,,xn0)存在偏导数，且在该点取得极值，则有fxi(x10,x20,,xn0)0 (i1,2,,n)。

证明：因为函数zf(x1,x2,,xn)在点p0(x1,x2,,xn) 取得极值, 所以固定

000x2,,xn在x20,,xn0后所得的一元函数f(x1,x20,,xn0)在点x1取得极值，于是

fx1(x1,x20,,xn0)同理fx2(x10,x2,,xn0)x2x200x1x100，

xnxn00,,fxn(x10,x20,,xn)0，

因此gradfp0 [fx1,fx2,,fxn]p0。

定理2[1]：（充分条件）设n(n2)元函数f(x1,x2,,xn)在(x10,x20,,xn0)附近具有二阶连续偏导数，且(x10,x20,,xn0)为zf(x1,x2,,xn)的驻点。那么当二次型

g()fxixj(x10,x20,,xn0)ij

i,j1n正定时，f(x10,x20,,xn0)为极小值；当g()负定时，f(x10,x20,,xn0)为极大值；当g()不定时，f(x10,x20,,xn0)不是极值。

记aijfxixj(x10,x20,,xn0)，并记

- 2 -

a11a21 Akak1a12a22ak2a13a23，

akk它称为f的k阶黑塞矩阵。 特殊地，当n2时，有如下推论：

推论1：若二元函数zf(x,y)在点(x0,y0)的某领域内具有一阶和二阶连续偏导数，且 fx(x0,y0)0,fy(x0,y0)0，

令 Afxx(x0,y0),Bfxy(x0,y0),Cfyy(x0,y0)，则

A0,取极大值①当ACB20时，；

A0,取极小值②当ACB20时，没有极值； ③当ACB20时，不能确定。

第三章 函数极值的若干求法

函数极值问题是数学中的一个重点问题，在讨论极值问题时，往往会遇到函数的自

变量要受某些条件的，从而引出了极值和条件极值问题（或极值问题）。例如，决定一给定点(x0,y0,z0)到一曲面G(x,y,z)0的最短距离的问题就是条件极值问题。下面3.1、3.2和3.3将重点探讨函数条件极值的求法。

3.1拉格朗日乘数法求极值

拉格朗日乘数法是一种寻找变量受一个或多个条件所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。拉格朗日乘数法是求多元函数条件极值一种最常用的方法。

,mn）组求目标函数f(x1,x2,,xn)在条件函数k(x1,x2,,xn)0，（k1,2,,m下的极值。若f(x1,x2,,xn)及k(x1,x2,,xn)有连续的偏导数，且雅克比矩阵

(1,2,,n)的秩为m，则可以用拉格朗日乘数法求极值。

(x1,x2,,xn)首先，构造拉格朗日函数

L(x1,x2,,xn,1,,m)=f(x1,x2,,xn)+kk(x1,x2,,xn)，

k1m - 3 -

L2,n,x0,i1,然后，解方程组i，从此方程组中解出驻点的坐标，

L0,ki,2,m,k[2](0)(0)(0，进而求出函数的极值。 P(x,x,,x)012nxy例1：求函数zx2y2在条件1下的极值。

ab解：本题是条件极值问题，设拉格朗日函数为

xy F(x,y)x2y2(1)

abF2x0xa 令 Fy2y0

bxyab1a2b2解得 axby22

2abab2a2b2,y2故得驻点 x2 2abab又 FxxFyy2,Fxy0

22(dx)(dy)所以 d2F(x,y)20

ab2a2b故 x022,y022是极小值点

ababa2b2极小值 zx0y02

ab2223.2柯西不等式法求极值

柯西不等式是由法国数学家柯西（Cauchy）研究得到的一个非常重要的不等式，柯西不等式非常重要，灵活巧妙地应用它，可以使一些较为困难的问题迎刃而解。某些函数的极值可以转化为柯西不等式的形式求解。

柯西不等式：对于任意的实数a1,a2,,an和b1,b2,,bn，总有

(a1b1a2b2anbn)2(a12a22an2)(b12b22bn2)，

简述为“积和方不大于方和积”，aiR ， biR ，当且仅当实数a1,a2,,an与

- 4 -

3b1,b2,,bn对应成比例时，等号成立。由此，得到两个重要结论：

（1）若a1x1a2x2anxnS，则

bxbxbx2112222nnS2aaab1b2bn21222n

22（2）若b1x12b2x2bnxnT，则

22ana12a2a1x1a2x2anxn()T

b1b2bn4（其中biR i1,2,,n）。

在使用时，往往要采取一些方法，如巧拆常数、巧变结构、巧设数组等，构造符合柯西不等式的形式及条件，继而达到使用柯西不等式解决有关的问题。

149例2：设x,y,z0,且xyz1,求u =的最小值。

xyz 解:由柯西不等式可得

u149149xyzxyzxyz

2149xyz

xyz12336

2y2z2及xyz1 由 x492111可得 x,y,z，

632此时 umin36

本题通过巧用 “1”构造出了符合柯西不等式的形式及条件，继而达到解题目的。

3.3梯度法求极值

梯度法每次迭代都是沿迭代点函数值下降最快的方向搜索，所以梯度法又名最速下降法，是无约束优化方法中最基本的方法之一。

用梯度法求目标函数f(x1,x2,,xn)在条件函数i(x1,x2,,xn)0，

(i1,2,,m,mn)组下的极值，方程组

- 5 -

mgradf(x1,x2,,xn)igradi(x1,x2,,xn)的解,就是所求极值问题的可能极值i1(x,x,,x)0,(i1,2,,m)ni12点[5]。

其中gradf表示目标函数f(x1,x2,,xn)的梯度向量(fff,,,)， x1x2xngradi表示条件函数i(x1,x2,,xn)的梯度向量(ii,,,i)。 x1x2xn实质上这种解法可以看作是将拉格朗日乘数法用梯度的形式来简写。这是因为将以

上的梯度形式按各分量写开，就是拉格朗日乘数法的形式。

例3：试求n个正数，其和为定值l的条件下，什么时候乘积最大，并证明

nx1x2xn1(x1x2xn)。 n证明：本题的实质是求yf(x1,x2,,xn)x1x2xn在条件x1x2xnl下的最大值问题。根据本文定理,列出下列方程组,求解可能的极值点。

grad(x1x2xn)grad(x1x2xnl) xxxln12进一步求解得

x2x3xn,x1x3xn,,x1x2xn11,1,,1  x1x2xnl容易得到

x1x2xnl, n111根据题意，则,,,是唯一的极大值点，也是最大值点。所以

nnn11f(x1,x2,,xn)，即nx1x2xn(x1x2xn)。

nn2这一方法当然适合于二元函数和三元函数的条件极值问题。例如:求zf(x,y)在条

gradf(x,y)grad(x,y)件(x,y)0下的极值, 只要列出方程组，再求出相应的

(x,y)0,x,y,则其中(x,y)是可能的极值点。

- 6 -

例4：求斜边之长为l的一切直角三角形中最大周长的直角三角形。

解：设两条直角边为x,y，本题的实质是求f(x,y)xyl在条件x2y2l2 下的极值问题。

222grad(xyl)grad(xyl)根据梯度法,列出方程组 2 22xyl1,12x,2y进一步求解得 2 22xyl容易解出 xyl 2ll根据题意,是唯一的极大值点,也是最大值点。

22所以，当两条直角边都为l时,直角三角形的周长最大。 2函数无条件极值也是解决数学问题中会经常遇到的，对于它的求法也有很多。下面3.4和3.5讲重点探讨函数无条件极值的求法。

3.4利用方向导数判别多元函数的极值

定义3[6]：设函数fx在点x0的某邻域Ux0内有定义，令xx0，xUx0，若lim0f(x)f(x0)存在，称此极限为函数fx在点x0沿方向lxx0的方向导数，记作

fx0。

引理1[3]：设二元函数f(x,y)在点p0x0,y0的某邻域Ux0内连续，在U0p0内可微，px,yU0p0，用l表示方向pp0。

（1）若flp0，则f(p)在点p0取得极大值； （2）若flp0，则f(p)在点p0取得极小值。

与二元函数相类似。多元函数也可以利用方向导数来判别极大值和极小值。现将上述引理推广到多元函数的情况并举例说明。

定理3：设多元函数f(x1,,xn)在点p0(x01,,x0n)的某邻域Up0内连续，在

U0p0内可微，px1,,xnU0p0，用l表示方向pp0。

- 7 -

（1）若flp0，则f(p)在点p0取得极大值； （2）若flp0，则f(p)在点p0取得极小值。

证明：设p(x,y)为领域内任意一点，L为领域内过点p0(x0,y0)和p(x,y)的直线段，由假设知，函数zf(x,y)在点p(x,y)处沿pp0方向的导数flp0，且在L上点

p0(x0,y0)与p(x,y)处，该方向的方向导数均为正。由引理知，f(x,y)在L上单调减少，即f(x0,y0)f(x,y)。由p(x,y)的任意性，f(x0,y0)是极大值。情形（2）同理可证。

推论2：设多元函数f(x1,,xn)在p0(x01,,x0n)的某邻域U0p0内连续，在U0p0内可微，px1,,xnU0p0。

（1）若fx1x1x01fxn(xnx0n)0，则fx1,xn在p0取极大值； （2）若fx1x1x01fxn(xnx0n)0，则fx1,xn在p0取极小值。 例5：讨论函数ufx,y,zx2y2z22x4y6z的极值。 解：先求三个一阶偏导数，令它们为0。

解方程组得稳定点，再利用定理的推论确定极值。

ux2x20,uy2y40,uz2z60 求得稳定点为1,2,3

x12x2y22y4z32z62x122y22z3022 由推论知ufx,y,zx2y2z22x4y6z在点1,2,3处取得极小值。

upf1,2,3123221426314。

022也可以利用上述方法按下面的步骤判别极值： (1) 求出函数f(x,y)的驻点p0(x0,y0),用射线a0,邻域划分成若干区域；

(2) a0,2,,3及fx0,fy0将p0的22,,3ff0,0上和各部分区域内，判断方向导数各项符号，进及

2xy而判断方向导数的符号；

(3) 根据定理3、推论2判断该驻点是否为极值点。

例6：求函数f(x,y)=4(xy)x2y2的极值。

- 8 -

解：令fx42x0,fy42y0，得到稳定点p2,2，即驻点2,2方向导数

flp42xcosa(42y)sina 在点p2,2邻近，各项符号见表1：



0

0,/2

/2

/2,  ,3/2

3/2

3/2,2

42x - - 0 + + + 0 -

cos + + 0 - - - 0 +

42y 0 - - - 0 + + + sin 0 + + + 0 - - -

f/l - - - - - - - -

表1

所以flp0，由定理1,点(2,-2)为极大值。

3.5 MATLAB求函数极值

MATLAB是一款可用于数值计算的高级技术计算语言和交互式环境的商业数学软件。用它来求函数既方便，又可避免复杂的计算，可谓好处多多。

MATLAB提供了基于单纯形算法求解函数极值的函数fmin和fmins，•它们分别用于单变量函数和多变量函数的最小值，其调用格式为： x=fmin('fname',x1,x2) x=fmins('fname',x0)

这两个函数的调用格式相似。其中fmin函数用于求单变量函数的最小值点。fname是被最小化的目标函数名，x1和x2限定自变量的取值范围。fmins函数用于求多变量函数的最小值点，x0是求解的初始值向量[7]。

例7：解函数f(x,y)x3y33x23y29x的极值。

解：实验使用的函数与命令

1、函数求导指令diff； 2、方程求解指令sovle； 3、显示文本指令 disp；

4、创建二维等高线指令contour：

1）contour(Z)，参数Z为一个矩阵，表示相对于XY平面的高度，Z最小为2行2列的矩阵；

2）contour(Z, n)，根据矩阵绘制n组等高线； 3）contour(Z, v)，根据矢量v绘制指定等高线；

4）contour(X, Y, Z)或contour(X, Y, Z, n)或contour(X, Y, Z, v)，其中矢量X,Y,分别表示两个坐标范围。如果它们为矩阵，必须与矩阵Z大小相同，此时的Z为一般用函数surf创建的面。

- 9 -

解题总共分为四步： 第一步，求解偏导数

ff, 。 xyMATLAB的M文件程序及结果： syms x y;

f=x^3-y^3+3*x^2+3*y^2-9*x; diff(f,x) diff(f,y)

ans =3*x^2+6*x-9 ans =-3*y^2+6*y

第二步，求解驻点坐标：

>> [x,y]=solve('3*x^2+6*x-9=0','-3*y^2+6*y=0','x','y') 得到四个驻点为

P ( 1,0),Q(-3,0),R(1,2),S(-3,2) 第三步，求借二阶偏导数，并输出结果 >>A=diff(f,x,2)

>>B=diff(diff(f,x),y) >>C=diff(f,y,2) A =6*x+6 B =0

C =-6*y+6

第四步，分别判别P, Q, R, S四点是否为极值，建立M文件，自动判断P, Q, R, S四点的极值情况：

xx=[1 -3 1 -3]; %驻点横坐标 yy=[0 0 2 2]; %驻点纵坐标 for i=1:4

D=(6*xx(i)+6)*(-6*yy(i)+6) if D>0

if (6*xx(i)+6)<0 x=xx(i) y=yy(i)

disp('为极大值点；') disp('极大值为')

fmax=x^3-y^3+3*x^2+3*y^2-9*x elseif (6*xx(i)+6)>0 x=xx(i) y=yy(i)

disp('为极小值点；') disp('极小值为')

fmin=x^3-y^3+3*x^2+3*y^2-9*x end end

- 10 -

if D<0

x=xx(i) y=yy(i)

disp('该点不是极值点；') end if D==0 x=xx(i) y=yy(i)

disp('无法确定！') end end

运行输出结果为 x =1 y =0

为极小值点； 极小值为 fmin = -5 x = -3 y =0

该点不是极值点； x =1 y =2

该点不是极值点； x = -3 y =2

为极大值点； 极大值为 fmax =31

下面绘出函数图形观察极值点和鞍点的情形，在函数曲面图1左中，观察不到细节。而右图的等高线图中有两个极值点(1, 0 )，(-3, 2 )，又因为极值点有等高线环绕，而(-3, 0 )，(1, 2)周围没有等高线，故不是极值点，是鞍点。

x=-5:0.1:5; y=-1:0.1:3;

[X,Y]=meshgrid(x,y);

Z=X.^3-Y.^3+3*X.^2+3*Y.^2-9*X; subplot(2,1,1); mesh(X,Y,Z);

title('函数曲面图') subplot(2,1,2); contour(X,Y,Z,200); xlabel('x'); ylabel('y');

title('等高线图')

- 11 -

图1 函数曲面图与等高线图

第四章 函数极值理论的应用

函数极值不但在数学、物理等学科中有着广泛的应用，而且在现实生活中的某些问题也可以借助函数极值来分析。下面归纳了函数极值在不等式证明、物理学、生产销售和蜂房最优化问题的应用。

4.1函数极值在不等式证明中的应用

不等式证明具有很强的技巧性，是对知识的综合性灵活运用。我们已经接触了很多证明不等式的方法，本节给出应用函数极值的求法来解决不等式证明，即在不等式证明中，适当变换目标函数和相应的条件，把问题转化为求函数极值的问题。

xynxnyn,其中n1,x0,y0。 例8：证明不等式22xnyn证明：设函数f(x,y)= ,在求条件xyc下的最小值。

2根据拉格朗日乘数法，做辅助函数

xnynL(x,y,)(xyc)，则

2Lnn1nx0, 即=-xn1 ① x22nLnn1y0, 即=-yn1 ②

2y2Lxyc=0 ③  - 12 -

由①和②解得xy，将xy代入③解得：xyc 2xnyn∴函数f(x,y)= 存在最小值,而无最大值。

2所以函数在(

cc,)处取得最小值。 22xynxnyn1cncncn，当n=1时等式成立。 故[+]=n=222222关于不等式的证明，高中时候就有学过一种很清晰的思路，即要证明一个式子大于

等于0或小于等于0，只需证明这个式子的最小值大于等于0或最大值小于等于0。

例9：证明不等式：eyxlnxxxy0,(x1,y0)。

证明：令f(x,y)eyxlnxxxy，则只需证明函数f(x,y)在区域

D{(x,y)|x1y,上存在最小值且大于等于0。

对于x1，令fy(x,y)eyx0，得ylnx，且 当0ylnx时，fy(x,y)0，当ylnx时，fy(x,y)0 易知 ylnx为最小值点，

即在曲线ylnx上f(x,y)取得最小值。 最小值f(x,lnx)elnxxlnxxxlnx0。 故在D上f(x,y)0，即eyxlnxxxy0。

4.2函数极值在物理学中的应用

函数极值为其它学科问题的求解带来了方便，其在物理学中就有着非常广泛的应用，比如可以利用函数极值来证明光的折射定律。

例10：设定点A和B位于以平面分开的不同光介质中，从A点射出的光线折射后到达B点，已知光在两介质中的传播速度分别为v1，v2，求需时最短的传播方式。

解：设A到平面的距离为a，B到平面的距离为b(见图2)，

CDd，光线从A点射到M点所需时间为

a，

v1cos光线从M点射到B点所需时间为

b，

v2cos 且CMMDd，即atanbtand， 图2

- 13 -

问题转化为函数f(,)ab在条件tanbtand下的最小值。 v1cosv2cosab1(atanbtand)；

v1cosv2cos作拉格朗日函数L(,,)asinaL012vcos2cos1bsinb令 L0， 122vcoscos2L1atanbtand0由此解得1sinsin，即光线的入射角与折射角应满足： v1v2sinv1（光的折射定律）时光线传播时间最短。 sinv24.3函数极值在生产销售中的利润最大化方案的应用

在生产和销售商品的过程中，销售价格上涨将使厂家在单位商品上获得的利润增加，但同时也使消费者的购买欲望下降，造成销售量下降，导致厂家消减产量。但在规模生产中，单位商品的生产成本是随着产量的增加而降低的，因此销售量、成本与售价是相互影响的。厂家要选择合理的销售价格才能获得最大利润。

例11：假设某企业在两个相互分割的市场上出售同一种产品，两个市场的需求函数分别是P1182Q1,P212Q2,其中P1和P2分别表示该产品在两个市场的价格(单位：万元/吨),Q1和Q2分别表示该产品在两个市场的销售量(即需求量,单位:吨)，并且该企业生产这种产品的总成本函数是C2Q5,其中Q表示该产品在两个市场的销售总量，即QQ1Q2。

（1）如果该企业实行价格差别策略,试确定两个市场上该产品的销售量和价格,使该企业获得最大利润；

（2）如果该企业实行价格无差别策略，试确定两个市场上该产品的销售量及其统一的价格，使该企业的总利润最大化；并比较两种价格策略下的总利润大小。

22解：(1)总利润函数LRCPQ110Q25。 1Q1P2Q2(2Q5)2Q1Q21622Q2100； 14Q1160,LQ令LQ分别得唯一驻点Q14(吨),Q25(吨)，

对应的价格分别为P110(万元/吨),P27(万元/吨)。

- 14 -

又实际问题一定存在最大值，故最大值必在唯一驻点处取得，即最大利润为

L24252164105552(万元)。

(2)如果实行价格无差别策略，即P1P2,则有约束条件2Q1Q26。 作拉格朗日函数

2F(Q1,Q2,)2Q12Q216Q110Q25(2Q1Q26)

14Q11620FQ22Q2100 令 FQF2Q1Q260解得唯一驻点Q15(吨)，Q24(吨)， 对应的统一价格P1P28(万元/吨)。

又实际问题一定存在最大值，故最大值必在唯一驻点处达到，即最大利润为

L25242165104549(万元)。

由上述可知，企业实行差别定价所得最大总利润要大于统一定价时的最大总利润。 4.4运用函数极值分析蜂房的最优化问题

8随着现代科学技术的迅速发展，人们在解决各种实际问题时更加精确化和定量化，数学更加深入的渗透到生活领域。很多的数学模型都源于生活，是从一些实际问题中抽象出来的，因此我们可以运用函数极值将现实生活中的某些问题加以分析。

例12：著名生物学家达尔文说：巢房的精巧构造十分符合需要，如果一个人在观赏精密细致的蜂巢后，而不知加以赞扬，那人一定是个糊涂虫。有人比喻小小蜜蜂是卓越的建筑师。他们认为蜜蜂们“设计”的蜂房是最优化的。蜂窝是一个三维体建筑，但每一个蜂巢都是正六棱柱体，而蜂蜡墙的总面积仅与蜂巢的截面有关。由此可以抽象出一个数学问题，即寻找体积相同、表面积最小的立体模型。假设蜂房的边长为固定边长，运用函数极值与微分知识，我们可以计算出满足设想的模型数据。

问题分析：建立一个模型，假设蜂房是一个固定边长为R的标准正六棱柱，上方被替换成三个交于一个共同点的菱形。如下图3所示，我们先将四面体ABCD截下，再将ABD与ABO贴合，得到图4，再对另外两个四面体做同样的动作，最终得到图5。

图3 图4 图5

柱的地面是空的，而总体面积会是一个常数，不妨设成V，假设CCO，接下来是求此柱体的表面积S表，然后求出并证明当为何值时S表最小。

- 15 -

先是计算蜂房（图5）的表面积。表面积为六棱柱的柱面面积S周，减掉六个小三角形S三，再加上三个菱形面积S菱。由于它是正六棱柱构成的，所以我们可以只算一小部分的表面积即可。

体积V，底面积S底为六个小的正三角形组成，边长为R， 所以底面积S底632332RR， 42得到柱高hV23V， S底9R243V。3R

因此周围的表面积S周6hR

图6 图7 图8

切掉的六个小三角形面积需要注意一下，因为是最后最高点与底面和最短边长的夹角，事实上CD的边长的长度等于图二中OC的长度，用侧面来看就可以很清楚的知道关系了(图8)，所以 CDCO1R3S三6RcotR2cot，

222Rcot，因此六个小三角形的总面积为2三个菱形总面积S菱311332ABCC=33RRcscRcsc(见图9、10)。 222

图9 图10

所以蜂房的表面积S表=S周S三+S菱43V32332RcotRcsc。 3R22进一步的，我们发现总表面积呈现一个和有关的函数﹙因为V和R都固定了﹚，

并且在 0 ～ 90 度之间cot与csc是连续可微分的。

- 16 -

因此我们可以利用微分的方法求出S表的极值：

3332R2csc2Rcsccot， S表对微分 S表220 令S表R0，csc0 csc3cot13cos； sinsin如果0，sin0 cos11cos154.7。 331cos1下面计算S表 3332132cos1R2csccsccotRcsccot2csc3S表223321331333R23()33() 22222229292272R488

213cos1

922R0 4154.7时，表面积S表有最小值。 3所以 cos1第五章 结束语

通过本文对函数极值求法及应用的论述，我们深刻的体会到学习函数极值的重要性。函数极值的求法种类还有很多，而且随着数学的发展，可能会更加丰富，更加有趣，因本人能力有限，只例举出了以上几种方法。函数极值不仅在经济生产和现实生活中有着广泛的应用，还在物理学，化学，生物工程等学科有重要的作用。因此函数极值问题的研究具有重大的现实意义。通过上述函数极值的求法与应用，旨在能为今后的学习和实际工作带来一定的方便。

- 17 -

致谢语

本论文是在XXX老师的悉心指导下完成的，XXX老师对我的论文思想和写作给了许多的建议，在此我要向李美莲老师表示最衷心的感谢和最深厚的敬意。由于本人的水平有限，所以论文可能存在着一些理论不完善。在此也恳请各位专家和老师给予批评与指导，谢谢你们！

引用文献

[1] 陈纪修，於崇华等.数学分析(下册)[M].北京：高等教育出版社，2004.10. [2] 复旦大学数学系.数学分析(第三版，下册)[M].北京:高等教育出版社,2007. [3] 王仁发.高等代数专题研究[M].北京:广播电视大学出版社,2003．

[4] 汪元伦.两类多元函数条件极值的简捷求法[J].绵羊师范学院学报,2008.27(2):14-15. [5] 肖翔,许伯生.运用梯度法求条件极值[J].上海工程技术大学教育研究,2006(1):35-37. [6] 余兴民.利用方向导数判别函数极值[J].商洛师范专科学校学报,2002.20-21. [7] 赵静,但琦.数学建模与数学实验(第三版)[M].北京:高等教育出版社,2008. [8] 华罗庚.谈谈与蜂房结构有关的数学问题[M].北京:科学出版社,2002.

- 18 -