Тооцооллын Лагранжийн арга
Лагранжийн арга нь тооцооллын чухал арга бөгөөд оновчлолын асуудлыг шийдвэрлэхэд өргөн хэрэглэгддэг, ялангуяа тодорхой нөхцөлд (хязгаарлалт) функцийг хамгийн их байлгах эсвэл хамгийн бага байлгах шаардлагатай үед. Бодит амьдрал дээр хязгаарлагдмал капиталаар ашгийг хамгийн их байлгах, хязгаарлагдмал нөөцөөр үйлдвэрлэлийн зардлыг хамгийн бага байлгах, эсвэл тодорхой нөхцөлд хамгийн үр ашигтай загварыг тодорхойлох зэрэг асуудлыг хязгаарлагдмал оновчлол ашиглан загварчилж болно. Энэ бол Лагранжийн арга буюу Лагранжийн үржүүлэгчийн арга гэгддэг арга гол үүрэг гүйцэтгэдэг газар юм.
Оновчлолын үндсэн ойлголтууд
Энгийн тооцоололд хязгаарлалтгүй оновчлолыг \(f(x) \) функцийн эхний уламжлалаар дамжуулан түүний чухал цэгүүдийг олох замаар гүйцэтгэдэг: бид \(f'(x)=0 \)-г олоод дараа нь тухайн цэг нь хамгийн их эсвэл хамгийн бага утгыг гаргаж байгаа эсэхийг шалгана. Гэсэн хэдий ч олон асуудал тийм ч энгийн биш юм. Жишээлбэл, бид \(f(x,y) \) функцийг хамгийн их байлгахыг хүсч байгаа боловч \(x \) ба \(y \)-ийн утгууд нь \(g(x,y)=0 \) гэх мэт нөхцлийг хангах ёстой. Энэ нөхцөл нь шийдлийн орон зайг хязгаарладаг тул бид \(x \) ба \(y \)-г дур мэдэн сонгож чадахгүй.
Лагранжийн арга нь эдгээр хязгаарлалтаар хязгаарлагдсан орон зайд оновчтой цэгийг олох системчилсэн аргыг санал болгодог. Энэ аргын цаад зөн совин нь геометртэй холбоотой: \(g(x,y)=0 \) хязгаарлалтын дор оновчтой цэг дээр \(f \) функцийн хамгийн их өөрчлөлтийн чиглэл нь \(g \) хязгаарлалтын хамгийн их өөрчлөлтийн чиглэлтэй "параллель" байх ёстой. Олон хувьсагчтай функцийн хамгийн их өөрчлөлтийн чиглэлийг градиентээр, тухайлбал \( \nabla f \) ба \( \nabla g \) өгдөг. Тиймээс оновчтой цэг дээр дараах хамаарал биелнэ.
\[
\nabla f(x,y) = \lambda \nabla g(x,y)
\]
энд \( \lambda \) нь Лагранжийн үржүүлэгч гэж нэрлэгддэг тогтмол юм.
Лагранжийн үржүүлэгчийг ойлгох нь
Лагранжийн үржүүлэгч болох \( \lambda \)-г зорилгын функцийн градиент ба хязгаарлалтын градиентийг холбодог масштабын хүчин зүйл гэж ойлгож болно. Практикт \( \lambda \) нь бидэнд зорилгын функц болон хязгаарлалтыг шинжлэхэд хялбар хэлбэрт "нэгтгэхэд" тусалдаг.
Хязгаарлагдмал оновчлолын асуудлыг нэг хязгаарлалтаар шийдэхийн тулд бид Лагранжийн функц гэж нэрлэгддэг шинэ функцийг бүтээнэ:
\[
\маткал{L}(x,y,\lambda) = f(x,y) – \lambda (g(x,y))
\]
Хасах тэмдэг нь зүгээр л нэг тохиролцоонд хүрдэг; заримдаа сонголтоос хамааран нэмэх тэмдгийг ашигладаг. Гол санаа нь бид дараа нь бүх хувьсагч (\( \lambda \)-г оруулаад)-ын хувьд дифференциалчилж, тэгтэй тэнцүүлснээр \( \mathcal{L} \)-ийн суурин цэгүүдийг олох явдал юм:
\[
\frac{\partial \mathcal{L}}{\partial x} = 0,\quad \frac{\partial \mathcal{L}}{\partial y} = 0,\quad \frac{\partial \mathcal{L}}{\partial \lambda} = 0
\]
Эцсийн тэгшитгэл болох \( \frac{\partial \mathcal{L}}{\partial \lambda} = 0 \) нь \( g(x,y)=0 \) хязгаарлалтыг сэргээж, үүссэн тэгшитгэлийн систем нь бодлогын хязгаарлалтыг хүндэтгэсээр байна.
Лагранжийн аргын алхамууд
Товчхондоо Лагранжийн аргыг дараах байдлаар нэгтгэн дүгнэж болно.
1. Оновчлох функцийг тодорхойл, жишээлбэл \( f(x,y) \).
2. Хязгаарлалтыг \(g(x,y)=0 \) хэлбэрээр тодорхойл.
3. Лагранжийн функцийг \( \mathcal{L}(x,y,\lambda)=f(x,y)-\lambda g(x,y) \) гэж бичнэ үү.
4. \( \mathcal{L} \)-ийн \(x \), \(y \), болон \( \lambda \)-тай харьцуулсан хэсэгчилсэн уламжлалыг тооцоол.
5. Хэсэгчилсэн уламжлалууд нь тэг байх тэгшитгэлийн системийг бод.
6. Шаардлагатай бол хамгийн их эсвэл хамгийн бага утгыг гаргаж байгаа эсэхийг тодорхойлохын тулд нэр дэвшигч шийдлүүдийг туршина уу.
Энэ аргыг нэгээс олон хязгаарлалтад өргөтгөж болно. Хэрэв хоёр хязгаарлалт байгаа бол, жишээлбэл \(g(x,y,z)=0 \) ба \(h(x,y,z)=0 \), Лагранжийн томъёо дараах хэлбэртэй болно:
\[
\маткал{L}(x,y,z,\lambda,\mu)=f(x,y,z) – \lambda g(x,y,z) – \mu h(x,y,z)
\]
Энд нэмэлт үржүүлэгч гарч ирнэ, тухайлбал \( \mu \).
Энгийн жишээ
Функцийг хамгийн их байлгахыг хүсэж байна гэж бодъё:
\[
f(x,y)=xy
\]
хязгаарлалттайгаар:
\[
x+y=10
\]
эсвэл \( g(x,y)=x+y-10=0 \) хэлбэрээр байна.
Лагранжийн хэлбэр:
\[
\маткал{L}(x,y,\lambda)=xy-\lambda(x+y-10)
\]
Хэсэгчилсэн деривативууд:
\[
\frac{\partial \mathcal{L}}{\partial x}=y-\lambda=0
\]
\[
\frac{\partial \mathcal{L}}{\partial y}=x-\lambda=0
\]
\[
\frac{\partial \mathcal{L}}{\partial \lambda}=-(x+y-10)=0
\]
Эхний хоёр тэгшитгэлээс бид \(y=\lambda \) ба \(x=\lambda \)-г авна, ингэснээр \(x=y \). \(x+y=10 \) хязгаарлалтад орлуулбал \(2x=10 \Rightarrow x=5 \) гарна. Тиймээс \(y=5 \) гарч ирнэ.
Тиймээс \(x+y=10 \) хязгаарлалтын доорх \(xy \)-ийн хамгийн их утга нь \(x=5 \) ба \(y=5 \) цэгүүдэд тохиолдож, хамгийн их утга нь \(f(5,5)=25 \) байна. Энэ үр дүн нь мөн зөн совинтой нийцэж байна: тогтмол нийлбэрийн хувьд хоёр эерэг тооны үржвэр нь тэдгээр тэнцүү байх үед хамгийн их байна.
Лагранжийн аргын геометрийн утга
Геометрийн хувьд, \(g(x,y)=0 \) хязгаарлалт нь хавтгайд муруй үүсгэдэг. Бид бүхэл хавтгай дээрээс оновчтойг хайдаггүй, харин зөвхөн муруйн дагуу хайдаг. Хамгийн оновчтой цэг дээр хязгаарлалтын муруйд тангенц болох \(f(x,y)=k \) түвшний муруй нь тэдгээрийн градиентууд параллель байгааг харуулж байна. Энэ тангенцийг \( \nabla f=\lambda \nabla g \) тэгшитгэл болгон хувиргадаг.
Энэ утга нь Лагранжийн арга яагаад ажилладагийг тайлбарлахад тусалдаг: хэрэв \(f\) градиент нь хязгаарлалтын градиенттэй параллель биш бол хязгаарлалтын муруйд \(f\)-ийн утга нэмэгдэж эсвэл буурч болох чиглэлүүд байсаар байна. Хамгийн оновчтой цэг нь хязгаарлалтыг зөрчихгүйгээр "хамгийн хурдан дээшлэх" чиглэлийг авах боломжгүй болсон үед яг тохиолддог.
Төрөл бүрийн салбарт хэрэглэх
Тооцоололд үндэслэсэн боловч Лагранжийн аргуудыг янз бүрийн салбаруудад өргөн ашигладаг. Эдийн засгийн салбарт тэдгээрийг ашиглалтын онол болон үйлдвэрлэлийн оновчлолд ашигладаг. Физикийн салбарт Лагранжийн үзэл баримтлал нь аналитик механиктай түүхэн болон математикийн холбоотой байдаг. Инженерчлэл болон компьютерийн шинжлэх ухаанд эдгээр нь гүдгэр оновчлол болон машин сургалтын тоон аргууд зэрэг олон оновчлолын алгоритмуудын үндэс суурь болдог.
Түүнчлэн, Лагранжийн үржүүлэгчид нь ихэвчлэн практик тайлбартай байдаг. Жишээлбэл, зарим эдийн засгийн нөхцөлд \( \lambda \) нь хязгаарлалтын "сүүдрийн үнэ"-ийг илэрхийлж болно: хязгаарлалтыг бага зэрэг сулруулбал оновчтой утга хэр их өөрчлөгдөхийг.
Хязгаарлалтууд ба Чухал тэмдэглэлүүд
Лагранжийн арга нь боломжит шийдлүүдийг өгдөг боловч тэдгээр нь дэлхийн максимум эсвэл минимум гэсэн баталгаа өгөхгүй. Заримдаа харьцуулах олон суурин цэгүүд байдаг. Цаашилбал, энэ арга нь шийдлийн цэг дээр хязгаарлалтын градиент тэгээс ялгаатай гэсэн таамаглалыг шаарддаг; хэрэв \( \nabla g = 0 \) бол нөхцөл байдал илүү төвөгтэй болж, тусгай боловсруулалт шаарддаг.
Практикт, нэр дэвшигчийг олсны дараа бид хоёр дахь деривативын тестийг ашиглах эсвэл нэр дэвшигч дээрх функцийн утгуудыг болон боломжит домэйны хил хязгаарыг харьцуулах гэх мэт нэмэлт нөхцлийг шалгах шаардлагатай болдог.
Хаах
Лагранжийн тооцооллын арга нь хязгаарлагдмал оновчлолын бодлогуудыг шийдвэрлэх хүчирхэг хэрэгсэл юм. Үржүүлэгчийг \( \lambda \) нэвтрүүлснээр энэ арга нь хязгаарлалтаас болж анхандаа хэцүү байсан бодлогыг хэсэгчилсэн уламжлалын тэгшитгэлийн бүтэцлэгдсэн систем болгон хувиргадаг. Энэ аргыг ойлгох нь зөвхөн цэвэр математикт ашигтай төдийгүй эдийн засаг, физик, инженерчлэл болон оновчлолд тулгуурладаг бусад олон салбарт маш чухал ач холбогдолтой юм.
Лагранжийн аргыг эзэмшсэнээр бид бодит ертөнцийн асуудлуудыг илүү математик, үр ашигтайгаар загварчилж, шийдвэрлэх чадварыг олж авдаг бөгөөд энэ нь орчин үеийн олон хувьсагчтай тооцоолол ба оновчлолын чухал үндэс суурь болдог ур чадвар юм.
