拉格朗日乘子法

拉格朗日乘子法

这一节主要描述约束条件下的函数极值,涉及拉格朗日乘子法及等高线相关知识。

问题引出

求双曲线xy=3上离原点最近的点
我们根据问题的描述来提炼出问题对应的数学模型,即:
minf(x,y) = x^2 + y^2(两点之间的欧氏距离应该还要进行开方,但是这并不影响最终的结果,所以进行了简化,去掉了平方)
s.t. xy=3(s.t.表示约束条件)
根据上式我们可以知道这是一个典型的约束优化问题,其实我们在解这个问题时最简单的解法就是通过约束条件将其中的一个变量用另外一个变量进行替换,然后代入优化的函数就可以求出极值。(即将y=\frac{3}{x}待会原式,求解原式一阶导等于0的x值,再代入)。在这里,引出拉格朗日乘子法,并利用其思想进行求解。
x^2+y^2=C的曲线族画出来,如下图所示,当曲线族中的圆与xy=3曲线进行相切时,切点到原点的距离最短。也就是说,当f(x,y)=C的等高线(这里先暂时用一下等高线的概念,后面会再进行解释)和双曲线g(x,y)相切时,我们可以得到上述优化问题的一个极值。(有可能是极大值,也有可能是极小值)。

Contour.png

现在原问题可以转化为求当
f(x,y)
g(x,y)
相切时,
x
y
的值是多少?
如果两个曲线相切,那么它们的切线相同,即法向量是相互平行的,
\nabla f//\nabla g

\nabla f//\nabla g
可以得到
\nabla f = \lambda * \nabla g

这时,我们将原有的约束优化问题转化为了一种对偶的无约束的优化问题,如下所示:
Pair.jpg

通过求解右边的方程组我们可以获取原问题的解,即:
2x=\lambda * y

2y=\lambda * x

xy=3

通过求解上式可得,
\lambda=2
或者是-2;当
\lambda=2
时,(x,y)=(sqrt(3), sqrt(3))或者(-sqrt(3), -sqrt(3)),而当
\lambda=-2
时,无解。所以原问题的解为(x,y)=(sqrt(3), sqrt(3))或者(-sqrt(3), -sqrt(3))。
通过举上述这个简单的例子就是为了体会拉格朗日乘数法的思想,即通过引入拉格朗日乘子(
\lambda
)将原来的约束优化问题转化为无约束的方程组问题。

拉格朗日乘子法基本形态

求函数z = f(x,y)在满足\varphi(x,y) = 0下的条件极值,可以转化为函数F(x,y,\lambda) = f(x,y) + \lambda \varphi(x,y)的无条件极值问题。

GradientParallel.png

绿线标出的是约束
g(x,y) = c
的点的轨迹。蓝线是
f(x,y)
的等高线。箭头表示梯度,和等高线的法线平行。
从图上可以直观地看出存在可能的极值点
M(x_0,y_0)
处,目标函数的梯度
{f'_x(x_0,y_0),f'_y(x_0,y_0)}
与约束条件的梯度
{\varphi'_x(x_0,y_0),\varphi'_y(x_0,y_0)}
平行,即
\frac{f'_x(x0,y0)}{\varphi'_x(x_0,y_0)} = \frac{f'_y(x_0,y_0)}{\varphi'_x(x_0,y_0)}

也就是说,存在实数
\lambda
,使下式成立:
{f'_x(x_0,y_0),f'_y(x_0,y_0)} + \lambda{\varphi'_x(x_0,y_0),\varphi'_y(x_0,y_0)} = 0

<font color=##ff0000>上式推导过程中,所说的两函数在极值点处的梯度平行,是如何得出的?</font>
Intuition.png

<font color=##ff0000>把拉格朗日乘子法的数学化抽象表达直观化,那就是,当函数上某点的梯度在约束曲线切向没有分量时,你就到达局部最高点了;换句话说,如果函数的梯度在约束曲线切向有分量,那么你就可以继续顺着这个分量移动以达到一个更高的高度。我们知道,约束曲线的切向是垂直于法向量的,所以这实际就是说函数的梯度要和曲线的法向量平行。</font>
约束曲线的法向是什么?假如一个约束曲线表达为g(x,y) = 0, 那么所谓曲线的法向量,其实就是曲面G在等高线g(x,y) = 0处的梯度!
为什么梯度的方向与等高线的切线方向垂直,或者就是曲线的法向量?
假设我们的函数为
f(x,y)
,在几何上表示是一个曲面,该曲面被平面
c
c
为常数)所截得的曲线l方程为:
\begin{align} z &= f(x,y),\\ z &= c. \end{align}

这条曲线
l
xy
轴面上的投影是一条平面曲线Q,它在
xy
平面中的方程为:
f(x,y) = c

则我们称平面曲线
Q
为函数
f(x,y)
的等高线。
由于等高线
f(x,y) = c
上任一一点的切线斜率用
\frac{dy}{dx}
来求。
则等高线
f(x,y) = c
上任一一点
(x,y)
处的法线的斜率为:
-\frac{1}{\frac{dy}{dx}} = -\frac{1}{-\frac{f_x}{f_y}} = \frac{f_y}{f_x}

\frac{dy}{dx} = -\frac{f_x}{f_y}的由来如下:
假设函数y = f(x)由方程F(x,y) = 0所确定,那么两边对x求导,即得:
\frac{\partial F}{\partial x} + (\frac{\partial F}{\partial y})(\frac{dy}{dx}) = 0
所以\frac{dy}{dx} = -\frac{\frac{\partial F}{\partial x}}{\frac{\partial F}{\partial y}} = - \frac{f_x}{f_y}。)

又因为梯度的计算式子为:
\frac{\partial f}{\partial x}i + \frac{\partial f}{\partial y}j

则可以得到梯度的方向为:
\frac{\frac{\partial f}{\partial y}}{\frac{\partial f}{\partial x}} = \frac{f_y}{f_x}

以上可以看出梯度的方向与等高线
f(x,y) = c
与法线方向是相同的,也就是梯度方向与等高线切线方向垂直。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342

推荐阅读更多精彩内容