多个约束的lagrange multiplier证明.

UTF8gbsn

前面我们介绍了lagrange multiplier. 在单constraint的时候该怎么办.

f ( x ) , x ∈ R n g ( x ) = 0 , x ∈ R n \left. \begin{aligned} &f(x), x\in R^n\\ &g(x)=0, x\in R^n \end{aligned} \right. f(x),xRng(x)=0,xRn

L ( x , λ ) = f ( x ) − λ g ( x ) , ( x , λ ) ∈ R n + 1 L(x,\lambda)=f(x)-\lambda g(x), (x,\lambda)\in R^{n+1} L(x,λ)=f(x)λg(x),(x,λ)Rn+1

( x , λ ) (x,\lambda) (x,λ)求导, 得出稳定点, 最终求得极值.

多约束lagrange multiplier

现在假设我们的条件变了变成了下面的问题

f ( x ) , x ∈ R n g i ( x ) = 0 , x ∈ R n , i ∈ ( 1 , 2 , ⋯   , K ) \left. \begin{aligned} &f(x), x\in R^n\\ &g_i(x)=0, x\in R^n, i \in (1,2,\cdots, K) \end{aligned} \right. f(x),xRngi(x)=0,xRn,i(1,2,,K)

也就是说, 我们有 K K K个约束条件.

proof

我们如何来证明这个多约束问题呢?
我们可以肯定的是最优化点 x ∗ x^{*} x一定处在所有约束面上.
假设总的约束面为 C = { g 1 ( x ) = 0 , g 2 ( x ) = 0 , ⋯   , g K ( x ) = 0 } C=\{g_1(x)=0, g_2(x)=0, \cdots, g_K(x)=0\} C={g1(x)=0,g2(x)=0,,gK(x)=0}.
也就是说 x ∗ ∈ C x^{*}\in C xC.
又因为总的约束面在点 x ∗ x^{*} x的法向量一定是 { ∇ g 1 ( x ) , ∇ g 2 ( x ) , ⋯   , ∇ g K ( x ) } \{\nabla g_1(x), \nabla g_{2}(x), \cdots, \nabla g_{K}(x)\} {g1(x),g2(x),,gK(x)}
的线性组合.
v ( x ∗ ) = λ 1 ∇ g 1 ( x ∗ ) + λ 2 ∇ g 2 ( x ∗ ) + ⋯ + λ K ∇ g K ( x ∗ ) = ∇ f ( x ∗ ) v(x^{*}) = \lambda_1 \nabla g_1(x^{*})+\lambda_2\nabla g_{2}(x^{*})+ \cdots+\lambda_K \nabla g_{K}(x^{*}) = \nabla f(x^{*}) v(x)=λ1g1(x)+λ2g2(x)++λKgK(x)=f(x)

总结

那么这个乘数法为

L ( x , λ ) = f ( x ) − ∑ i = 1 K λ i g i ( x ) L(x,\lambda) = f(x)-\sum_{i=1}^{K}\lambda_i g_i(x) L(x,λ)=f(x)i=1Kλigi(x)

求导,求得稳定点,然后取极值即可.

本文不太严谨和详细, 如果需要严谨和更详细的证明请参考我的另一篇文章!!

更详细更严谨的证明

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值