拉格朗日乘数法求得的是最值还是极值_微观经济拉格朗日方程求极值

拉格朗日乘数法求得的是最值还是极值_微观经济拉格朗日方程求极值一、拉格朗日乘数法简介在日常的生产生活中,当我们要要安排生产生活计划的时候,常常会在现实物理资源约束的条件下,计算得到收益最大或者损失最小的计划;像这种对自变量有附加条件的极值称为条件极值;拉格朗日乘数法是一种直接计算解决条件极值的方法;拉格朗日乘数法的定义如下:设有f(x,y),φ(x,y)f(x,y),\varphi(x,y)f(x,y),φ(x,y)两个函数,并且两者都有一阶连续偏导数,则做拉格朗日函数为F(x,y,λ)=f(x,y)+λφ(x,y)F(x,y,\lambda)

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46,售后保障稳定

一、拉格朗日乘数法简介

在日常的生产生活中,当我们要要安排生产生活计划的时候,常常会在现实物理资源约束的条件下,计算得到收益最大或者损失最小的计划; 像这种对自变量有附加条件的极值称为条件极值;拉格朗日乘数法是一种直接计算解决条件极值的方法;

拉格朗日乘数法的定义如下:

设有 f ( x , y ) , φ ( x , y ) f(x, y), \varphi(x,y) f(x,y),φ(xy) 两个函数,并且两者都有一阶连续偏导数,则做拉格朗日函数为

F ( x , y , λ ) = f ( x , y ) + λ φ ( x , y ) F(x, y, \lambda) = f(x, y) + \lambda \varphi(x,y) F(x,y,λ)=f(x,y)+λφ(xy)
令函数F的各个偏导数 F x = 0 , F y = 0 , F λ = 0 F_{x} = 0, F_{y} = 0, F_{λ} = 0 Fx=0,Fy=0,Fλ=0,计算各个偏导数并联立方程得到

{ f x ( x , y ) + λ φ x ( x , y ) = 0 f y ( x , y ) + λ φ y ( x , y ) = 0 φ ( x , y ) = 0 \left\{\begin{matrix} f_{x}(x,y) + \lambda \varphi_{x}(x,y)=0 \\ f_{y}(x,y) + \lambda \varphi_{y}(x,y)=0 \\ \varphi(x,y)=0 \end{matrix}\right. fx(x,y)+λφx(x,y)=0fy(x,y)+λφy(x,y)=0φ(x,y)=0
由此方程组解出拉格朗日函数稳定点 ( x 0 , y 0 , λ 0 ) (x_{0},y_{0},λ_{0}) (x0y0λ0),则 ( x 0 , y 0 ) (x_{0},y_{0}) (x0y0) 就是函数 f ( x , y ) f(x, y) f(x,y) 在附加条件 φ ( x , y ) = 0 \varphi(x,y)=0 φ(x,y)=0 下的可能极值点;

二、拉格朗日乘数法的推导

目标函数

f ( x , y ) = 0 (1) f(x, y) = 0 \tag{1} f(x,y)=0(1)

约束条件

φ ( x , y ) = 0 (2) \varphi(x,y) = 0 \tag{2} φ(xy)=0(2)
如果函数(1)在点 $ (x_{0}, y_{0}) $ 得到极值,那么首先会满足约束条件

φ ( x 0 , y 0 ) = 0 (3) \varphi(x_{0},y_{0}) = 0 \tag{3} φ(x0y0)=0(3)
f ( x , y ) f(x, y) f(x,y) φ ( x , y ) \varphi(x,y) φ(xy)在点 ( x 0 , y 0 ) (x_{0}, y_{0}) (x0,y0) 的某个邻域内有连续偏导数,且满足

φ y ( x 0 , y 0 ) ≠ 0 \varphi_{y}(x_{0},y_{0}) \ne 0 φy(x0y0)=0
由隐函数存在定理,式(2)在点 $(x_{0}, y_{0}) $ 的某邻域内能唯一确定一个单值可导且具有连续导数的函数 y = y ( x ) y=y(x) y=y(x) ,并且有 y 0 = f ( x 0 ) y_{0}=f(x_{0}) y0=f(x0),以及

d y   d x ∣ x = x 0 = − φ x ( x 0 , y 0 ) φ y ( x 0 , y 0 ) (4) \left.\frac{\mathrm{d} y}{\mathrm{~d} x}\right|_{x=x_{0}}=-\frac{\varphi_{x}\left(x_{0}, y_{0}\right)}{\varphi_{y}\left(x_{0}, y_{0}\right)} \tag{4}  dxdyx=x0=φy(x0,y0)φx(x0,y0)(4)
y = y ( x ) y=y(x) y=y(x) 带入公式(1)得到

z = f ( x , y ( x ) ) (5) z = f(x, y(x)) \tag{5} z=f(x,y(x))(5)
公式(5)也同公式(1)在 $(x_{0}, y_{0}) $ 处取的极值,有一元函数取得极值的必要条件可得

d z   d x ∣ x = x 0 = f x ( x 0 , y 0 ) + f y ( x 0 , y 0 ) d y   d x ∣ x = x 0 = 0 (6) \left.\frac{\mathrm{d} z}{\mathrm{~d} x}\right|_{x=x_{0}}=f_{x}\left(x_{0}, y_{0}\right)+\left.f_{y}\left(x_{0}, y_{0}\right) \frac{\mathrm{d} y}{\mathrm{~d} x}\right|_{x=x_{0}}=0 \tag{6}  dxdzx=x0=fx(x0,y0)+fy(x0,y0) dxdyx=x0=0(6)
将公式(4)带入公式(6)得到

f x ( x 0 , y 0 ) − f y ( x 0 , y 0 ) ⋅ φ x ( x 0 , y 0 ) φ y ( x 0 , y 0 ) = 0 (7) f_{x}\left(x_{0}, y_{0}\right)-f_{y}\left(x_{0}, y_{0}\right) \cdot \frac{\varphi_{x}\left(x_{0}, y_{0}\right)}{\varphi_{y}\left(x_{0}, y_{0}\right)}=0 \tag{7} fx(x0,y0)fy(x0,y0)φy(x0,y0)φx(x0,y0)=0(7)
为了解出 $(x_{0}, y_{0}) $ ,引入辅助变量

λ 0 = − f y ( x 0 , y 0 ) φ y ( x 0 , y 0 ) \lambda_{0}=-\frac{f_{y}\left(x_{0}, y_{0}\right)}{\varphi_{y}\left(x_{0}, y_{0}\right)} λ0=φy(x0,y0)fy(x0,y0)

则公式(3)和公式(7)均成立等价于

{ f x ( x 0 , y 0 ) + λ 0 φ x ( x 0 , y 0 ) = 0 f y ( x 0 , y 0 ) + λ 0 φ y ( x 0 , y 0 ) = 0 φ ( x 0 , y 0 ) = 0 (8) \left\{\begin{array}{l} f_{x}\left(x_{0}, y_{0}\right)+\lambda_{0} \varphi_{x}\left(x_{0}, y_{0}\right)=0 \\ f_{y}\left(x_{0}, y_{0}\right)+\lambda_{0} \varphi_{y}\left(x_{0}, y_{0}\right)=0 \\ \varphi\left(x_{0}, y_{0}\right)=0 \end{array}\right. \tag{8} fx(x0,y0)+λ0φx(x0,y0)=0fy(x0,y0)+λ0φy(x0,y0)=0φ(x0,y0)=0(8)
f ( x , y ) , φ ( x , y ) f(x, y), \varphi(x,y) f(x,y),φ(xy) 给定的前提下,我们可以通过公式(8)计算得到 ( x 0 , y 0 , λ 0 ) (x_{0}, y_{0}, \lambda_{0}) (x0,y0,λ0) ,我们可根据公式(8)的特点构造以下函数

F ( x , y , λ ) = f ( x , y ) + λ ϕ ( x , y ) F(x, y, \lambda)=f(x, y)+\lambda \phi(x, y) F(x,y,λ)=f(x,y)+λϕ(x,y)

可以看到公式(8)等价 F ( x , y , λ ) F(x, y, \lambda) F(x,y,λ) 的以下偏导数

{ F x ( x 0 , y 0 , λ 0 ) = 0 F y ( x 0 , y 0 , λ 0 ) = 0 F λ ( x 0 , y 0 , λ 0 ) = 0 \left\{\begin{array}{l} F_{x}\left(x_{0}, y_{0}, \lambda_{0}\right)=0 \\ F_{y}\left(x_{0}, y_{0}, \lambda_{0}\right)=0 \\ F_{\lambda}\left(x_{0}, y_{0}, \lambda_{0}\right)=0 \end{array}\right. Fx(x0,y0,λ0)=0Fy(x0,y0,λ0)=0Fλ(x0,y0,λ0)=0

通过以上推演过程,函数 F ( x , y , λ ) F(x, y, \lambda) F(x,y,λ) 称为拉格朗日函数,参数λ称为拉格朗日乘数,点 ( x 0 , y 0 , λ 0 ) (x_{0}, y_{0}, \lambda_{0}) (x0,y0,λ0) 称为 F ( x , y , λ ) F(x, y, \lambda) F(x,y,λ) 的驻点或稳定点.

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:http://www.javaforall.cn/234962.html原文链接:http://www.javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • RBAC权限管理

    RBAC权限管理

    2021年11月29日
  • Python和Java哪个就业前景好?

    Python和Java哪个就业前景好?Python和Java这两大编程语言,很多人都喜欢拿来比较,一个是后起之秀,潜力无限;一个是行业经典,成熟稳定,对于想从事IT技术的人员来说,很难抉择,那么,Python和Java到底哪一个就业前景更好呢?Python在国外应用相对成熟,在国内还处于起步阶段,近两年,随着人工智能、机器学习的、大数据以及云计算的兴起,Python发展势如破竹,很多企业开始进入该行列,Python人才是必不可少环…

  • request对象常用方法总结

    request对象常用方法总结JSP内置对象:request对象  客户端的请求信息被封装在request对象中,通过它才能了解到客户的需求,然后做出响应。它是HttpServletRequest类的实例。request对象具有请求域,即完成客户端的请求之前,该对象一直有效。常用方法如下:常用方法方法介绍StringgetParameter(Stringname)返回name指定参数的参数值Str

  • 微管滑动模型动画_滑动平均序列

    微管滑动模型动画_滑动平均序列因为本人是自学深度学习的,有什么说的不对的地方望大神指出指数加权平均算法的原理TensorFlow中的滑动平均模型使用的是滑动平均(MovingAverage)算法,又称为指数加权移动平均算法(exponenentiallyweightedaverage),这也是ExponentialMovingAverage()函数的名称由来。先来看一个简单的例子,这个例子来自吴恩达老师的De…

    2022年10月24日
  • 详解QueryPerformanceCounter中出现LARGE_INTEGER[通俗易懂]

    详解QueryPerformanceCounter中出现LARGE_INTEGER[通俗易懂]LowPart低32位。HighPart高32位。QuadPart有符号的64位整数。LARGE_INTEGER结构实际上是一个联合。如果你的编译器具有内置支持64位整数,使用QuadPa

  • Java面试题:详细说明一下可重入锁ReentrantLock的原理

    Java面试题:详细说明一下可重入锁ReentrantLock的原理原文地址:https://baijiahao.baidu.com/s?id=1594800969528243663&wfr=spider&for=pc一个关于打水的小故事话说从前有一个村子,在这个村子中有一口水井,家家户户都需要到这口井里打水喝。由于井水有限,大家只能依次打水。为了实现家家有水喝,户户有水用的目标,村长绞尽脑汁,最终想出了一个比较合理的方案。首先,在水井…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号