Riyaziyyatda Laqranj Metodu
Laqranj metodu, xüsusən də müəyyən şərtlərdə (məhdudiyyətlər) funksiyanın maksimuma çatdırılması və ya minimuma endirilməsi lazım olduqda, optimallaşdırma problemlərini həll etmək üçün geniş istifadə olunan hesablamalarda vacib bir texnikadır. Real həyatda məhdud kapitalla mənfəəti maksimuma çatdırmaq, məhdud resurslarla istehsal xərclərini minimuma endirmək və ya müəyyən şərtlərlə ən səmərəli dizaynı müəyyən etmək kimi problemlər çox vaxt məhdud optimallaşdırma istifadə edilərək modelləşdirilə bilər. Laqranj vurma metodu kimi də tanınan Laqranj metodunun əsas rol oynadığı yer budur.
Optimallaşdırmanın Əsas Konsepsiyaları
Elementar hesablamalarda, məhdudiyyətsiz optimallaşdırma, funksiyanın kritik nöqtələrini onun ilk törəməsi vasitəsilə tapmaqla həyata keçirilir: biz funksiyanın kritik nöqtələrini onun birinci törəməsi vasitəsilə tapmaqla, biz funksiyanın kritik nöqtələrini tapmaqla, biz funksiyanın kritik nöqtələrini tapmaqla, yəni f(x)=0, yəni f(x)=0, yəni f(x,y)=0, yəni f(x,y)=0, yəni f(x,y)=0 kimi bir şey verəcəyini yoxlayırıq. Lakin, bir çox məsələ o qədər də sadə deyil. Məsələn, biz funksiyanı maksimum dərəcədə artırmaq istəyirik, lakin funksiyanın kritik nöqtələri (x,y)=0, kimi) şərti ödəməlidir. Bu şərt həll sahəsini məhdudlaşdırır, ona görə də biz istəyə görə (x,y) və (y,y) seçimini edə bilmərik.
Laqranj metodu bu məhdudiyyətlərlə məhdudlaşan fəzada optimal nöqtəni tapmaq üçün sistemli bir yol təqdim edir. Bu metodun arxasındakı intuisiya həndəsə ilə bağlıdır: \(g(x,y)=0 \) məhdudiyyəti altında optimal nöqtədə \(f \) funksiyasının ən böyük dəyişikliyinin istiqaməti \(g \) məhdudiyyətinin ən böyük dəyişikliyinin istiqamətinə "paralel" olmalıdır. Çoxdəyişkənli funksiyanın ən böyük dəyişikliyinin istiqaməti qradiyentlə, yəni \( \nabla f \) və \( \nabla g \ ilə verilir. Buna görə də, optimal nöqtədə əlaqə aşağıdakı kimidir:
\[
\nabla f(x,y) = \lambda \nabla g(x,y)
\]
burada \( \lambda \) Laqranj vurucusu adlanan sabitdir.
Laqranj Çarpıcılarını Anlamaq
Laqranj vurucusu, \( \lambda \), məqsəd funksiyasının qradiyentini və məhdudiyyətlərin qradiyentini əlaqələndirən miqyaslama amili kimi başa düşülə bilər. Praktik olaraq, \( \lambda \) bizə məqsəd funksiyasını və məhdudiyyətləri təhlil etmək daha asan olan bir formaya "birləşdirməyə" kömək edir.
Məhdudlaşdırılmış optimallaşdırma məsələsini bir məhdudiyyətlə həll etmək üçün Laqranj funksiyası adlanan yeni bir funksiya qururuq:
\[
\mathcal{L}(x,y,\lambda) = f(x,y) – \lambda (g(x,y))
\]
Mənfi işarəsi sadəcə bir konvensiyadır; bəzən üstünlükdən asılı olaraq artı işarəsi istifadə olunur. Əsas fikir ondan ibarətdir ki, biz daha sonra bütün dəyişənlərə (\( \lambda \) daxil olmaqla) görə diferensiallaşdıraraq və sıfıra bərabərləşdirərək \( \mathcal{L} \)-nin stasionar nöqtələrini tapırıq:
\[
\frac{\partial \mathcal{L}}{\partial x} = 0,\quad \frac{\partial \mathcal{L}}{\partial y} = 0,\quad \frac{\partial \mathcal{L}}{\partial \lambda} = 0
\]
Son tənlik, \( \frac{\partial \mathcal{L}}{\partial \lambda} = 0 \), \( g(x,y)=0 \) məhdudiyyətini bərpa edir ki, yaranan tənliklər sistemi yenə də problem məhdudiyyətlərinə hörmətlə yanaşsın.
Lagranj metodunun addımları
Qısacası, Lagrange metodunun tətbiqi aşağıdakı kimi ümumiləşdirilə bilər:
1. Optimallaşdırılacaq funksiyanı təyin edin, məsələn, \(f(x,y) \).
2. Məhdudiyyətləri \(g(x,y)=0 \) şəklində təyin edin.
3. Laqranj funksiyasını \( \mathcal{L}(x,y,\lambda)=f(x,y)-\lambda g(x,y) \) şəklində ifadə edin.
4. \( \mathcal{L} \)-nin \(x \), \(y \) və \( \lambda \)-yə görə qismən törəmələrini hesablayın.
5. Qismən törəmələri sıfıra bərabər olan tənliklər sistemini həll edin.
6. Lazım gələrsə, namizəd həllərin maksimum və ya minimum nəticə verdiyini müəyyən etmək üçün onları sınaqdan keçirin.
Bu metod birdən çox məhdudiyyətə tətbiq oluna bilər. Əgər iki məhdudiyyət varsa, məsələn, \(g(x,y,z)=0 \) və \(h(x,y,z)=0 \), onda Laqranj tənliyi belə olur:
\[
\mathcal{L}(x,y,z,\lambda,\mu)=f(x,y,z) – \lambda g(x,y,z) – \mu h(x,y,z)
\]
Burada əlavə bir vurma, yəni \( \mu \) görünür.
Sadə Nümunə
Tutaq ki, funksiyanı maksimum dərəcədə artırmaq istəyirik:
\[
f(x,y)=xy
\]
məhdudiyyətlərlə:
\[
x + y = 10
\]
və ya \( g(x,y)=x+y-10=0 \) şəklində.
Laqranj forması:
\[
\mathcal{L}(x,y,\lambda)=xy-\lambda(x+y-10)
\]
Qismən törəmələr:
\[
\frac{\partial \mathcal{L}}{\partial x}=y-\lambda=0
\]
\[
\frac{\partial \mathcal{L}}{\partial y}=x-\lambda=0
\]
\[
\frac{\partial \mathcal{L}}{\partial \lambda}=-(x+y-10)=0
\]
İlk iki tənlikdən \(y=\lambda \) və \(x=\lambda \) alırıq, beləliklə \(x=y \). \(x+y=10 \) məhdudiyyətinə yerləşdirdikdə \(2x=10 \Rightarrow x=5 \) alınır. Beləliklə, \(y=5 \) alınır.
Beləliklə, \(x+y=10 \) məhdudiyyəti altında \(xy \)-nin maksimum dəyəri \(x=5 \) və \(y=5 \) nöqtələrində baş verir, maksimum dəyəri \(f(5,5)=25 \) olur. Bu nəticə də intuisiya ilə uyğun gəlir: sabit cəm üçün iki müsbət ədədin hasili bərabər olduqda maksimum olur.
Lagranj metodunun həndəsi mənası
Həndəsi olaraq, \(g(x,y)=0 \) məhdudiyyəti müstəvidə bir əyri əmələ gətirir. Optimumu bütün müstəvi üzərində deyil, yalnız əyri boyunca axtarırıq. Optimal nöqtədə məhdudiyyət əyrisinə toxunan \(f(x,y)=k \) səviyyə əyrisi onların qradiyentlərinin paralel olduğunu göstərir. Bu toxunma \( \nabla f=\lambda \nabla g \) tənliyinə çevrilir.
Bu məna Laqranj metodunun niyə işlədiyini izah etməyə kömək edir: əgər \(f\) qradiyenti məhdudiyyətin qradiyentinə paralel deyilsə, məhdudiyyət əyrisində \(f\) dəyərinin arta və ya azala biləcəyi istiqamətlər hələ də mövcuddur. Optimal nöqtə, məhdudiyyəti pozmadan "ən sürətli yuxarı" istiqamətinin götürülə bilmədiyi zaman dəqiq olaraq baş verir.
Müxtəlif sahələrdə tətbiqlər
Laqranj metodları hesablamaya əsaslansa da, müxtəlif fənlərdə geniş istifadə olunur. İqtisadiyyatda onlar faydalılıq nəzəriyyəsi və istehsalın optimallaşdırılmasında istifadə olunur. Fizikada Laqranj konsepsiyasının analitik mexanika ilə tarixi və riyazi əlaqələri var. Mühəndislik və kompüter elmlərində onlar qabarıq optimallaşdırma və maşın öyrənməsində ədədi metodlar da daxil olmaqla bir çox optimallaşdırma alqoritmlərinin əsasını təşkil edir.
Bundan əlavə, Laqranj vurucularının çox vaxt praktiki şərhləri olur. Məsələn, bəzi iqtisadi kontekstlərdə, \( \lambda \) məhdudiyyətin "kölgə qiymətini" göstərə bilər: məhdudiyyət bir qədər yumşaldıldıqda optimal dəyərin nə qədər dəyişdiyini.
Məhdudiyyətlər və vacib qeydlər
Laqranj metodu namizəd həllər təqdim edir, lakin onların qlobal maksimum və ya minima olduğuna zəmanət vermir. Bəzən müqayisə edilməli olan bir neçə stasionar nöqtə olur. Bundan əlavə, bu metod məhdudiyyət qradiyentinin həll nöqtəsində sıfırdan fərqli olduğu fərziyyəsini tələb edir; əgər \( \nabla g = 0 \), vəziyyət daha mürəkkəbləşir və xüsusi yanaşma tələb edir.
Təcrübədə, namizəd tapdıqdan sonra, tez-tez ikinci törəmə testindən istifadə etmək və ya namizəddəki funksiya dəyərlərini və mümkün domen sərhədlərini müqayisə etmək kimi əlavə şərtləri yoxlamalıyıq.
Bağlanır
Laqranjın hesablama metodu məhdud optimallaşdırma məsələlərinin həlli üçün güclü bir vasitədir. Vurucu \( \lambda \) tətbiq etməklə, bu metod, məhdudiyyətlər səbəbindən əvvəlcə çətin olan bir məsələni qismən törəmə tənliklərin strukturlaşdırılmış sisteminə çevirir. Bu metodu anlamaq təkcə təmiz riyaziyyatda deyil, həm də iqtisadiyyat, fizika, mühəndislik və optimallaşdırmaya əsaslanan bir çox digər sahələrdə olduqca vacibdir.
Laqranj metodunu mənimsəməklə, real dünya problemlərini daha riyazi və səmərəli şəkildə modelləşdirmək və həll etmək bacarığı qazanırıq - bu bacarıq müasir çoxdəyişkənli hesablama və optimallaşdırmada vacib təməldir.
