深入理解拉格朗日乘子法

一个最短路径问题

假设你在M点,需要先到河边再回到C点,如何规划路线最短?

1235843-20190510093147837-121525787.jpg

假设:
河流曲线满足方程 \(g(x,y) = 0\)(例如 如果它是一个圆:\(g(x,y)=x^2+y^2-r^2=0\)),用P表示河边上的任意 \(P(x,y)\) 点,用 \(d(M,P)\) 表示M,P之间距离,那么问题可以描述为:$max f(P) $, 约束于 \(g(P)=0\)\(g(x,y)=x^2+y^2-r^2=0\)

如何求解问题?

1. 从几何意义中获得灵感:

首先,\(f(P)\) 是一个标量(只有大小没有方向),那么在上图的二维空间中必然存在了一个标量场 \(f(P)\),即对于每一个点P都对应着一个 \(f(P)\)值,它代表经过该点的路径总和是多少。
如果我们画出它的等值线(场线),就会发现它呈椭圆向外辐射:

1235843-20190510093156464-237517394.png

显然,\(f(P)\)的等值线与河边曲线的交点P即为我们想求的点。

那么问题来了: 这样的点满足何种性质?(如果没有性质也就无法列出关系式进行求解,但是这么特殊的点极有可能存在良好某种特性)

最直观的性质: 等值线(椭圆)在P点的法向量n与河边曲线的法向量m平行:

\(n= \lambda m\)

1235843-20190510093201589-651753638.png

而在多元微积分中,一个函数h在某一点P的梯度是点P所在等值线(二维)或等值面(三维)的法向量,即\(n= \nabla h(P)\) ,所以对于函数 f , g :

\(n = \lambda m \Rightarrow \nabla f(P) = \lambda \, \nabla g(P) \Rightarrow \begin{pmatrix} f_{x}\\ f_{y} \end{pmatrix} = \lambda\begin{pmatrix} g_{x}\\ g_{y} \end{pmatrix} \Rightarrow f_{x} = \lambda g_{x} \; (1) \\ f_{y} = \lambda g_{y} \; (2)\)

即由相交点的性质我们得到了2个关系式(因为是二维平面,对于三维则可以得到三个关系式,以此类推),

再加上我们的约束条件:

\(g(P)=g(x,y)=0 \; (3)\)

一共三个关系式。由线性代数中知识可知3个关系式,3个未知量,\((x,y,\lambda)\) 极可能有唯一解,当然也不排除会出现多个解甚至无穷多解 (例如下图河边是一条直线,且M,C就在河边时)。

1235843-20190510093236860-204215248.png

2. 从数学公式中获得灵感

仍然是问题:

\(max f(P) = d(M,P) + d(P, C)\)
\(subject to: g(P) = 0\)

我们知道在多元微积分中如果想求一个函数的极值一般的做法是把 \(\nabla f(P)=0\) ,如何把这个公式和我们的约束条件 \(g(P)=0\) 统一在一起呢?

答案是引入\(\lambda\) 并且定义一个新的函数 \(F(P,\lambda)=f(P)- \lambda g(P)\) ,

令: \(\nabla F(P, \lambda) = \nabla F(x,y, \lambda)= \begin{pmatrix}F_{x} \\F_{y} \\F_{\lambda}\end{pmatrix}=0\) 与我们要求解的优化问题是等价的。

\(F_{x} = 0 \Rightarrow f_{x} - \lambda g_{x} = 0 \Rightarrow f_{x} = \lambda g_{x} \; (1) \\F_{y} = 0 \Rightarrow f_{y} - \lambda g_{y} = 0 \Rightarrow f_{y} = \lambda g_{y} \; (2)\\g(x,y) = 0 \; (3)\)

转载于:https://www.cnblogs.com/P3nguin/p/7767029.html

展开阅读全文
评论将由博主筛选后显示,对所有人可见 | 还能输入1000个字符

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读