全部版块 我的主页
论坛 经管考试 九区 经管在职研
5622 1
2020-09-01
拉格朗日乘数法怎么求极值?

拉格朗日乘法求极值真的是太难了,这里整理拉格朗日乘法求极值的方法给大家。

先温习一下拉格朗日乘法的定义:


在数学最优问题中,拉格朗日乘数法(以数学家约瑟夫·路易斯·拉格朗日命名)是一种寻找变量受一个或多个条件所限制的多元函数极值的方法。这种方法将一个有n 个变量与k 个约束条件最优化问题转换为一个有n + k个变量的方程组的极值问题,其变量不受任何约束。这种方法引入了一种新的标量未知数,即拉格朗日乘数:约束方程的梯度(gradient)的线性组合里每个向量的系数。

一、条件极值概述

无其他条件求多元函数的极值,有时候称为无条件极值

但在实际问题中,有时会遇到对函数的自变量还有附加条件的极值问题,称为条件极值

例如,求表面积为a^2而体积为最大的长方体的体积问题。设长方体的三棱长分为x、y、z,那么体积V=xyz。又由表面积条件,有2(xy+yz+xz)=a^2。此类条件极值可转化为无条件极值问题。即根据表面积条件将z表示成x、y的函数,即z=(a^2-2xy)/2(x+y),再把它带入V=xyz可得V的表达式(略),只与xy有关的无条件极值。

但在很多情形下,将条件极值化为无条件极值并不这样简单。拉格朗日乘数法可直接寻求条件极值,不必先把问题转化到无条件极值的问题。


二、拉格朗日乘数法

要找函数在附加条件下的可能极值点,可以先做拉格朗日函数


其中λ为参数(称为拉格朗日乘子)。求其对x与y的一阶偏导数,并使之为0,然后与附加条件联立,得到如下方程组:


由此解出x、y、λ,这样得到的(x,y)就是函数在附加条件下的可能极值点。

此方法还可以推广到多自变量多于两个而条件多于一个的情形,如对于4自变量,2条件的要求,即函数

在附加条件


下的极值,可以先做拉格朗日函数


其中λ、μ均为拉格朗日乘子,求其各一阶偏导数,并使之为0,并将其与附加条件联立方程组,可解得可能极值点。

更一般的表达式详见百度百科等。


三、方法推导

寻求函数在附加条件下去的极值的必要条件。

如果取得极值,那么首先有

假定在的某一邻域内均有连续一阶偏导数,且有,由隐函数存在定理1可知,根据附加条件确定的方程可以确定一个连续且具有连续倒数的函数,带入z得

于是取得极值等价于在取得极值,即有:


而根据隐函数求导公式,由附加条件可得


前两式联立可得


那么上式加上附加条件,即为取极值的必要条件,设,上述必要条件变为以下方程组


若引进辅助函数


那么方程组前两式就是


函数称为拉格朗日函数,参数λ称为拉格朗日乘子

(隐函数存在定理1:条件如定理中所示,对于方程,求其全导数


即得

)


四、应用实例

例:求函数在附加条件


下的极值

解:做拉格朗日函数


那么有如下方程组




与附加条件联立(求解过程略)便得。带入得极小值为



二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2020-9-2 09:05:42
在数学中的最优化问题中,拉格朗日乘数法(以数学家Joseph-Louis Lagrange命名)是一种寻找多元函数在其变量受到一个或多个条件的约束时的极值的方法。

这种方法可以将一个有n个变量与k个约束条件的最优化问题转换为一个解有n + k个变量的方程组的解的问题。这种方法中引入了一个或一组新的未知数,即拉格朗日乘数,又称拉格朗日乘子,或拉氏乘子,它们是在转换后的方程,即约束方程中作为梯度(gradient)的线性组合中各个向量的系数。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群