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:https://javaforall.cn/234962.html原文链接:https://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

  • 小明の魔法计划——最长上升子序列[通俗易懂]

    小明の魔法计划——最长上升子序列[通俗易懂]Think:1知识点:最长上升子序列2反思:知识体系需要加深拓展SDUT题目链接小明の魔法计划TimeLimit:1000MSMemoryLimit:65536KBProblemDescription在一个遥远的数学魔法国度,小明在学习一个魔法,这个魔法需要一些施法材料,所幸的是施法材料已经准备好了,下一步就是建立魔法阵了,每一个施法材料都有一个特性值,表示为一个大于1小

  • jps查看java进程(进程的等待状态)

    列出PID和Java主类名jps2017Bootstrap2576Jps列出pid和java完整主类名jps-l2017org.apache.catalina.startup.Bootstrap2612sun.tools.jps.Jps列出pid、主类全称和应用程序参数jps-lm2017org.apache.catalina.startup.Boots…

  • 电压采集采样电路设计

    电压采集采样电路设计电压的采集是我们进行电路设计常常用到的,具体的采集类型上又分为直流采集和交流采集,将源电压通过一系列的电路设计,最终通过AD(数模转换芯片或单片机内部AD)读入MCU,并执行相应的决策,是我们大多设计的要求。下文将通过具体的实例介绍如何设计合适的电压采集电路。直流电压采集要求:采集一个输出范围为20V-28V的Uo电压信号到0-3.3V的AD。设计思路:将20v到28v中的8…

  • 基于内容的图像检索技(CBIR)术相术介绍

    基于内容的图像检索技(CBIR)术相术介绍本文主要简单的介绍了基于内容的图像检索(CBIR:Content-BasedImageRetrieval)的相关技术,其是指根据图像对象的内容及上下文信息在大规模多媒体数据中检索所需信息。基于内容的图像检索技术通过近几十年的发展已经取得了丰硕的成果,文中对对图像检索的相关内容进行简单的分析,并对与图像检索相关的资料进行了简单的整理和收集。

  • Centos7单节点部署RabbitMQ

    Centos7单节点部署RabbitMQ

  • pycharm专业版 没有试用30天按钮,需要登录的解决方案「建议收藏」

    pycharm专业版 没有试用30天按钮,需要登录的解决方案「建议收藏」pychram在2021年9月30日之后的版本,需要用户登录后才能开启试用;以此来抵制盗版(虽然没有什么用…)新版本是长这样:没有了之前的Evaluateforfree选项;进入的解决方案:注册一个JetBrains帐户;注册地址:https://account.jetbrains.com/login?_ga=2.268514929.1239888694.1637728385-1574465557.1637728385填写邮箱地址后,在邮箱中进行下一步操作;邮箱发送可能有

    2022年10月30日

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