Sie sind auf Seite 1von 5

Kapitel 7

Extremwerte für reellwertige


Funktionen in mehreren Variablen

7.1 Offene Mengen, lokale Extremstellen

Beispiel 7.1.1 (Rückblick: Extremwerte für reelwertige Funktionen in einer Varia-


blen). Wir betrachten die Funktion f : [0, 1] → R gegeben durch x 7→ x und stellen
fest, dass die notwendige Bedingung f ′ (x0 ) = 0 für eine Extremstelle in x0 nur dann
gültig ist, wenn der Definitionsbereich der Funktion f keine Randpunkte enthält.

Beispiel 7.1.1 motiviert die folgende Definition.

Definition 7.1.2 (offene Menge). Eine Menge U ⊂ Rn , n ∈ {1, 2, 3} heißt offen,


wenn kein am Rand von U liegender Punkt zu U selbst gehört.


Beispiel 7.1.3. (i) U = (x, y) ∈ R2 : x2 + y2 < 1 hat keine Randpunkte.
 
(ii) K = (x, y) ∈ R2 : x2 +y2 ≤ 1 hat die Randpunkte ∂K = (x, y) ∈ R2 : x2 +y2 =

1 . Hier bezeichnet ∂K die Menge der Randpunkte der Menge K.

(iii) V = (x, y) ∈ R2 : 0 < x < 1 und 0 < y < 1 hat keine Randpunkte.
 
(iv) L = (x, y) ∈ R2 : 0 < x ≤ 1 und 0 < y < 1 hat die Randpunkte ∂L = (1, y) ∈

R2 : 0 < y < 1 .

63
64 Extremwerte für reellwertige Funktionen in mehreren Variablen

Definition 7.1.4 (lokales Maximum, lokales Minimum). Es seien U ⊂ Rn eine


offene Menge und f : U → R eine Funktion.

(i) Ein Punkt x0 ∈ U heißt lokales Maximum von f, falls f in der Nähe von
x0 nicht größer wird, als bei x0 , das heißt, f(x) ≤ f(x0 ) für alle x ∈ U in der
Nähe von x0 ∈ U.

(ii) Ein Punkt x0 ∈ U heißt lokales Minimum von f, falls f in der Nähe von x0
nicht kleiner wird, als bei x0 , das heißt, f(x) ≥ f(x0 ) für alle x ∈ U in der
Nähe von x0 ∈ U.

Satz 7.1.5. Es seien U ⊂ Rn eine offene Menge und f : U → R partiell differen-


zierbar. Besitzt f ein x0 ∈ U eine lokale Extremstelle (ein lokales Maximum oder
ein lokales Minimum), so gilt

∂f ∂f
∇f (x0 ) = ~0, d.h.,
$ 
(x0 ) = . . . = (x0 ) = 0.
∂x1 ∂xn

Beispiel 7.1.6. Wir betrachten die Funktion f : R2 → R mit (x, y) 7→ f(x, y) =


1 − x2 − y2 . Dann ist (∇f)(x, y) = (−2x, −2y)T . Für welche (x, y) ∈ R2 gilt nun
(∇f)(x, y) = (0, 0)T . Es muß gelten −2x = 0 und −2y = 0, also x = y = 0. Damit
ist der Punkt (0, 0) ∈ R2 ein Kandidat für eine mögliche lokale Extremstelle. Beach-
te, dass f(x, y) ≤ 1 für alle (x, y) ∈ R2 und f(0, 0) = 1. Daher liegt in (0, 0) ein lokales
Maximum vor.

Bemerkung 7.1.7. Jede lokale Extremstelle ist Nullstelle des Gradienten, die Um-
kehrung gilt im allgemeinen nicht.

7.2 Eine Kriterium für die Art der lokalen


Extremstelle
Im folgenden betrachten wir die Situation, wenn n ∈ {2, 3}.
7.3. Minimieren und Maximieren unter Nebenbedingung 65

Definition 7.2.1 (Definitheit). Eine Matrix


 
a11 a12 a13
A = (aij )1≤i≤3 =  a21 a22 a23 
 
1≤j≤3
a31 a32 a33

heißt positiv definit, falls a11 > 0,


!
a11 a12
det = a11 · a22 − a12 · a21 > 0
a21 a22

und
 
a11 a12 a13
det  a21 a22 a23  = a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
 
a31 a32 a33
− a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 > 0.

A heißt negativ definite, falls −A = (−aij )1≤i≤3 positiv definite ist.


1≤j≤3

Satz 7.2.2. Es seien U ⊂ Rn eine offene Menge, f : U → R eine zweimal stetig


differenzierbare Funktion und x0 ∈ U ein Punkt mit (∇f)(x0 ) = ~0.

(i) Ist Hessf (x0 ) positiv definit, so hat f in x0 ∈ U ein lokales Minimum.

(ii) Ist Hessf (x0 ) negativ definit, so hat f in x0 ∈ U ein lokales Maximum.

(iii) Ist U ⊂ R2 und gilt det Hessf (x0 ) < 0, so liegt kein Extremstelle vor.

7.3 Minimieren und Maximieren unter


Nebenbedingung

Beispiel 7.3.1. Gegeben sei ein 12 m langer Draht aus dem die Kanten eines Qua-
ders von möglichst großem Volumen hergestellt werden sollen. Gesucht sind die
66 Extremwerte für reellwertige Funktionen in mehreren Variablen

Kantenlängen x, y und z des optimalen Quaders.


Es gilt die einschränkende Bedingung

4x + 4y + 4z = 12 ⇔ x + y + z = 3.

Das Volumen V soll maximiert werden, das heißt, es soll die Zielfunktion V(x, y, z) =
xyz maximiert werden. Wir betrachten also die Funktion V(x, y, z) = xyz unter den
Nebenbedingungen x + y + z = 3 und x, y, z > 0. Wir lösen nun die Nebenbedingung
x + y + z = 3 nach einer Variablen, etwa z, auf und setzen dies in die Zeilfunktion
ein. Es ist z = 3 − x − y. Einsetzen in V liefert

V(x, y) = xy(3 − x − y) = 3xy − x2 y − xy2 , x, y > 0.

Achtung: Auch z = 3 − x − y muß größer Null sein. Es muß also gelten 3 − x − y > 0,
also x + y < 3. Insgesamt betrachten wir also die Funktion

V(x, y) = 3xy − x2 y − xy2

auf dem neuen Definitionsbereich



U = (x, y) ∈ R2 : x > 0, y > 0, x+y<3 .

U ist eine offene Menge, daher können wir nun die Methode aus dem vorherigen
Abschnitt anwenden. Es ist

∇V (x, y) = (3y − 2xy − y2 , 3x − x2 − 2xy)T


$ 


und (∇V (x, y) = (0, 0)T genau dann wenn, 3y − 2xy − y2 = 0 und 3x − x2 − 2xy = 0.
Wir erhalten 3 − 2x − y = 0 und 2 − x − 2y = 0. Daraus folgt x = y = 1. Wir berechnen
nun HessV (1, 1) und erhalten
!
−2 −1
HessV (1, 1) = .
−1 −2

Diese Matrix ist negativ definite. Es liegt also ein lokales Maximum vor. Der optimale
Quader ist also der Einheitswürfel.

Das Verfahren zur Bestimmung von Extremwerten können wir wie folgt zusammen-
fassen:
Bemerkung 7.3.2. Gegeben sei ein Optimierungsproblem in n Variablen mit einer
Nebenbedingung, die in der Form einer Gleichung gegeben ist. Dann kann man das
Problem auf die folgende Weise lösen.
7.3. Minimieren und Maximieren unter Nebenbedingung 67

(i) Man löse die Gleichung der Nebenbedingung nach einer Variablen auf, bei
der das Auflösen am einfachsten geht.

(ii) Man setze das Ergebnis in die zu optimierende Zielfunktion ein, so dass diese
Funktion nur noch von n − 1 Variablen abhängt.

(iii) Man berechne den Gradienten und die Hesse-Matrix der neuen Zielfunktion.

(iv) Man bestimme die Nullstellen des Gradienten.

(v) Man setze die ermittelten Nullstellen des Gradienten in die Hesse-Matrix ein
und überprüfe, ob die Matrix positiv oder negativ definit ist. Falls sie positiv
definite ist, liegt ein Minimum vor, falls sie negativ definit ist liegt ein Maxi-
mum vor.