Untuk fungsi terdiferensialkan pada domain terbuka, ekstrem lokal interior memiliki gradien nol. Kondisi ini bersifat perlu, bukan cukup. Untuk dua variabel pada titik kritis, misalkan D=f_xx f_yy−(f_xy)². Jika D>0, f_xx>0 memberikan minimum lokal ketat dan f_xx<0 memberikan maksimum lokal ketat; D<0 memberikan saddle. Tes ini memerlukan regularitas turunan kedua yang sesuai di sekitar titik tersebut.
Ketika D=0, tes turunan kedua tidak konklusif, bukan bukti adanya saddle. Fungsi x⁴+y⁴ dan x⁴−y⁴ memiliki Hessian nol yang sama di titik asal, tetapi satu memiliki minimum ketat dan yang lain berubah tanda. Evaluasi sepanjang arah yang berbeda atau gunakan ketaksamaan langsung. Untuk bentuk kuadratik, kepastian positif memberikan interpretasi Hessian yang lebih umum.
Pada kendala kesamaan halus g(x,y)=c dengan gradien tak nol g, selesaikan gradien f=lambda gradien g bersama-sama dengan g=c. Persamaan-persamaan ini menghasilkan kandidat; mereka tidak mengklasifikasikan atau menjamin ekstrem global. Jika gradien kendala hilang, kondisi regularitas gagal dan persamaan pengali dapat melewatkan ekstrem terkendala. Perlakukan titik-titik seperti itu secara terpisah. Untuk x²+y²=a dan xy=b>0, (x−y)²=a−2b menunjukkan perlunya a≥2b. Ini juga cukup: ambil s=√(a+2b), d=√(a−2b), x=(s+d)/2 dan y=(s−d)/2. Nilai-nilai real ini memiliki xy=b dan x²+y²=a. Syarat minimum saja memerlukan pengecekan ketercapaian ini untuk menetapkan kelayakan solusi.
Fungsi kontinu pada himpunan layak kompak mencapai ekstrem global. Untuk menemukannya, bandingkan semua kandidat interior dan semua bagian batas, termasuk sudut dan ujung. Untuk persegi panjang, optimalkan pembatasan pada setiap sisi. Untuk cakram, batas lingkaran mungkin menggunakan parameter atau pengali. Menyelesaikan hanya gradien tanpa kendala mengabaikan kemungkinan pemenang di batas.