안녕하세요. 지난 포스팅의 미적분학 - 다변수 함수의 최대최소에서는 다변수 함수가 정의된 정의역 내에서 최댓값과 최솟값을 구하는 방법에 대해서 알아보았습니다. 오늘은 다변수 함수와 함께 특별한 제약조건(constraint)이 포함되었을 때 다변수 함수의 최댓값과 최솟값을 구하는 방법인 라그랑주 승수법(Method of Lagrange Multiplier)에 대해서 알아보도록 하겠습니다. 라그랑주 승수법의 기본 개념을 이해하기 위해 위 그림을 함께 설명하도록 하겠습니다. 여기서 $y = f(x, y)$의 다변수 함수가 주어졌다고 가정하겠습니다. 그리고 $f(x, y) = C$로 이어진 분홍선 선 그래프는 함수 $y = f(x, y)$의 등고선을 의미합니다. 이제부터 저희가 원하는 것은 $g(x, y) = ..
안녕하세요. 지난 포스팅의 미적분학 - 선형근사에서는 $x = a$의 근방에서 임의의 함수 $f(x)$의 값을 근사하는 선형근사(Linear Approximation)에 대해서 알아보았습니다. 오늘은 미분의 활용 예시로 최대값과 최소값을 구하는 과정에 대해서 알아보도록 하겠습니다. 미적분학 - 목차에서 다양한 주제의 미적분학 관련 포스팅들을 보실 수 있습니다. 1. 정의 : 전역 최대 (Global Maximum)와 전역 최소 (Global Minimum) 함수 $f$가 $x \in D$에 대해서 점 $x = c$에서 $f(c) \ge f(x)$를 만족하면 $f$는 전역 최대(Global Maximum) 또는 절대 최대(Absolute Maximum)이 존재하며 $f(c)$를 정의역 $D$에서의 $f$의..