Экстремумы и исследование функций

Задача об экстремуме

Найти максимум или минимум — одна из самых практичных математических задач. Компания хочет максимизировать прибыль. Инженер — минимизировать потребление энергии. Физик — найти конфигурацию с минимальной энергией.

Математический анализ даёт систематический инструментарий.

Необходимые условия экстремума

Теорема Ферма: Если f дифференцируема в точке x₀ и в ней достигается локальный экстремум, то f'(x₀) = 0.

Точки, где f' = 0 или f' не существует — критические точки. Экстремумы могут быть только в критических точках. Но не каждая критическая точка — экстремум: f(x) = x³, f'(0) = 0, но x = 0 — не экстремум (точка перегиба).

Достаточные условия

Признак первой производной: Если f' меняет знак с + на − при переходе через x₀, то x₀ — максимум. С − на + — минимум. Без смены знака — не экстремум.

Признак второй производной: Если f'(x₀) = 0 и f''(x₀) > 0, то x₀ — минимум. Если f''(x₀) < 0 — максимум. Если f''(x₀) = 0 — неопределённость, нужен другой признак.

Выпуклость и точки перегиба

Функция выпукла вниз на интервале, если f'' > 0. Выпукла вверх — f'' < 0.

Точка перегиба — точка смены выпуклости. В ней f'' = 0 (необходимо, но не достаточно).

Схема исследования функции

1. Область определения
2. Чётность/нечётность, периодичность
3. Нули, знак функции
4. Асимптоты (вертикальные, горизонтальные, наклонные)
5. Монотонность: f' > 0 — возрастает, f' < 0 — убывает
6. Экстремумы
7. Выпуклость, точки перегиба
8. График

Наклонная асимптота: y = kx + b, где k = lim(x→∞) f(x)/x, b = lim(x→∞) (f(x) - kx).

Глобальные экстремумы

На замкнутом отрезке [a, b] максимум и минимум достигаются (теорема Вейерштрасса). Их нужно искать среди:

• критических точек внутри отрезка
• значений на концах a и b

Для неограниченных областей ситуация сложнее.

Практические задачи

Задача о наибольшей площади. Из проволоки длиной L сделать прямоугольник максимальной площади. При 2(a+b) = L максимум S = ab достигается при a = b = L/4 (квадрат).

Задача о минимальной стоимости. Такие задачи возникают в экономике: минимизация затрат при ограничениях.

Выпуклость и экономические приложения

Функция называется выпуклой на интервале, если f''(x) ≥ 0. Экономический смысл: убывающая предельная производительность капитала — выпуклость производственной функции. Когда производственная функция вогнута (f'' < 0), предельный продукт убывает: каждая дополнительная единица капитала даёт всё меньше прироста. Это фундамент теории убывающей отдачи.

Неравенство Йенсена: Для выпуклой функции f: f(E[X]) ≤ E[f(X)]. Здесь E — математическое ожидание. Это неравенство лежит в основе многих экономических теорем: нейтральный к риску агент оценивает лотерею выше пессимиста (при вогнутой функции полезности).

Метод множителей Лагранжа (первое знакомство)

Когда минимизируется функция при ограничении, «слепое» нахождение критических точек не работает — нужно учитывать ограничение. Метод множителей Лагранжа решает это систематически: добавляем слагаемое λ · (ограничение) к целевой функции. Оптимум достигается там, где градиент целевой функции параллелен градиенту ограничения.

Экономический пример: Максимизировать полезность U(x, y) = √x + √y при бюджетном ограничении px + qy = I. Решение даёт x* = I/(2p), y* = I/(2q) — потребитель тратит половину дохода на каждый товар (в данном случае). Множитель Лагранжа λ = 1/(2√(pI)) — это предельная полезность дохода: как изменится максимальная полезность при увеличении бюджета на единицу.

Асимптоты и поведение на бесконечности

Для рациональных функций f(x) = P(x)/Q(x) поведение при x → ∞ определяется соотношением степеней числителя и знаменателя. Если deg P = deg Q: горизонтальная асимптота y = a_n/b_n. Если deg P = deg Q + 1: наклонная асимптота. Если deg P > deg Q + 1: f → ∞ (расходимость).

Выпуклость и вторая производная: экономические приложения

Знак второй производной f''(x) определяет выпуклость: f'' > 0 — выпуклая вниз (кривая «чаши», функция затрат с возрастающей предельной стоимостью), f'' < 0 — выпуклая вверх (кривая «колокола», функция полезности с убывающей предельной полезностью). Точки перегиба — где f''(x) = 0 и знак меняется — это моменты ускорения или торможения роста. В анализе данных точка перегиба на S-образной кривой (логистическая функция) — момент, когда скорость распространения продукта/болезни/информации максимальна. Двойная производная является стандартным инструментом в экономике поведения для оценки степени неприятия риска: агент с вогнутой функцией полезности (u'' < 0) является риск-аверсивным.

Вопрос для размышления: Функция f(x) = x + sin x не имеет горизонтальной асимптоты, но и не уходит в бесконечность «монотонно». Как описать её поведение при x → ∞?

Условия второго порядка в задачах оптимизации

Для различения минимума, максимума и перегиба используют условия второго порядка. Если f'(x₀) = 0: при f''(x₀) > 0 — локальный минимум; f''(x₀) < 0 — локальный максимум; f''(x₀) = 0 — неопределённость, нужен анализ знака f'. В многомерном случае (f: ℝⁿ → ℝ) вместо f'' используется матрица Гессе H: если H положительно определена в критической точке — это минимум; отрицательно определена — максимум; неопределённого знака — седловая точка. В выпуклой оптимизации и машинном обучении (SVM, логистическая регрессия) функция потерь выпукла — её Гессе положительно полуопределён, что гарантирует отсутствие локальных минимумов кроме глобального.