拉格朗日乘數法

閱讀原文

預備知識 導數與函數極值, 梯度

   若要求函數 f(x_1,dots, x_N)m 個約束條件 g_i(x_1, dots, x_N)  (i = 1,dots, M) 下的極值, 可用拉格朗日乘數法, 令拉格朗日函數為

Lambda(x_1,dots, x_N) = f + sum_{i=1}^M lambda_i g_i   (1)

其中 lambda_i 為未知任意常數. 同時滿足約束條件和

frac{partialLambda}{partial x_i} = 0 quad (i = 1,dots, N)   (2)

的點, 就是函數 f(x_1, dots, x_N) 的極值點或穩定點.

幾何理解

   下面舉一個二元函數的例子以說明拉格朗日乘數法的幾何意義.

圖1:例 1

例 1

   求函數 f(x,y) = -a(x^2 + y^2) 在軌跡 x+y = c 約束下的最值( a,c 均為常數).

   從幾何上來理解, 函數 f(x,y) 是一個倒置的拋物面, 其等高線的俯視圖如圖 1 藍色的箭頭代表函數值增加最大的方向, 即梯度的方向. 考察點沿著同一條等高線的位置變化時, 函數值不變. 曲面上任意一點的梯度為


abla F = frac{partial F}{partial x} hat {mathbf x} + frac{partial F}{partial y} hat {mathbf y} = -2axhat {mathbf x} -2ayhat {mathbf y} = -2amathbf r   (3)

其中 mathbf r 為位矢. 這說明, 梯度的方向總是延徑向向內, 與距離成正比.

   約束條件如圖 1 中紅線所示, 我們要求的就是紅線上面函數 f 的極值. 在該題的情況下, 所求的極值顯然在紅線離原點最近的地方出現.

(剩下部分見頂部的「閱讀原文」)

推薦閱讀:

煤氣泄漏什麼會發生爆炸?
運動與靜止的辯證關係是什麼?
勻速圓周運動的加速度(求導法)
和弦時空
接近光速時間會變慢嗎?

TAG:高等數學 | 微積分 | 物理學 |