条件极值拉格朗日乘数法例题

合集下载

条件极值拉格朗日乘数法

条件极值拉格朗日乘数法
切平面方程为
Fx (x0 , y0 , z0 )(x x0 ) Fy (x0 , y0 , z0 )( y y0 ) Fz (x0 , y0 , z0 )(z z0 ) 0
通过点M ( x0 , y0 , z0 )而垂直于切平面的直线
称为曲面在该点的法线.
法线方程为
x x0 y y0 z z0 Fx ( x0 , y0 , z0 ) Fy ( x0 , y0 , z0 ) Fz ( x0 , y0 , z0 )
法平面方程:
Fy Gy
Fz Gz
x
x0
Fz Gz
Fx Gx
y
y0
Fx Gx
Fy Gy
z
z0
0
例2、求曲线 x2 y2 z2 6 , x y z 0 在点
( 1 ,-2 ,1)处的切线及法平面方程。
解:
2 y 2z
T
1
1
即:
2z 2x ,
11
2x 2y
, 1
1
1, 2 ,1
T
1
,
y
' t
2t
,
z
' t
3t 2
在( 1 ,1 ,1 )点对应参数为 t = 1
T
1
,
2
,
3
切线方程:
x1 y1 z1
1
2
3
法平面方程:( x - 1)+2 ( y - 1 )+( z - 1 )=0
即: x + 2 y + 3 z = 6
2
y x
:
z
x
M0 x0 , y0 , z0
f x ( x0 , y0 )( x x0 ) f y ( x0 , y0 )( y y0 ) z z0 , 曲面在M处的法线方程为

一些典型的多元函数极值问题

一些典型的多元函数极值问题

一些典型的多元函数极值问题多元函数极值问题是数学分析中非常重要的研究对象,它们存在于许多实际问题中。

本文将介绍一些典型的多元函数极值问题,包括拉格朗日乘数法、约束条件下的优化、非线性规划等。

一、拉格朗日乘数法拉格朗日乘数法是一种常用的求解约束多元函数极值的方法。

在该方法中,将约束条件加入到目标函数中,并利用等式约束条件和拉格朗日乘数,将多元函数极值转化为无约束多元函数极值问题。

下面以一个简单的例子来说明拉格朗日乘数法。

假设有一个函数 $f(x,y,z)=x^2+2y^2+3z^2$,同时满足约束条件$x+2y+3z=6$,其中 $x,y,z$ 均为实数。

现在要求 $f(x,y,z)$ 在约束条件下的最小值。

根据拉格朗日乘数法,我们将函数 $f(x,y,z)$ 加上一个等式约束条件 $g(x,y,z)=x+2y+3z-6=0$,并构造拉格朗日函数$L(x,y,z,\lambda)=f(x,y,z)+\lambda g(x,y,z)$,其中 $\lambda$ 是拉格朗日乘数。

于是,我们可以写出拉格朗日函数:$$L(x,y,z,\lambda)=x^2+2y^2+3z^2+\lambda(x+2y+3z-6)$$接下来,我们要求 $L(x,y,z,\lambda)$ 对 $x,y,z,\lambda$ 的偏导数,令其都等于零,求得极值点。

即:$$\begin{cases} \dfrac{\partial L}{\partial x}=2x+\lambda=0\\\dfrac{\partial L}{\partial y}=4y+2\lambda=0 \\\dfrac{\partialL}{\partial z}=6z+3\lambda=0 \\ \dfrac{\partial L}{\partial\lambda}=x+2y+3z-6=0 \end{cases}$$解方程组得到:$x=-\dfrac{\lambda}{2},y=-\dfrac{\lambda}{2},z=-\dfrac{\lambda}{2},\lambda=2$。

拉格朗日乘数法例题

拉格朗日乘数法例题

拉格朗日乘数法例题引言拉格朗日乘数法(Lagrange Multiplier Method)是一种在数学优化问题中常用的方法。

它通过引入拉格朗日乘数,将约束条件与目标函数融合在一起,从而转化为一个无约束条件的优化问题。

本文将通过一个例题,详细介绍拉格朗日乘数法的应用与求解过程。

问题描述我们考虑一个最大化问题,即在一定约束条件下,找到使目标函数取得最大值的变量取值。

假设我们有一个函数 f(x,y,z) = x + y + z,而约束条件为 g(x,y,z) = x^2 + y^2 + z^2 - 1 = 0。

拉格朗日乘数法的原理拉格朗日乘数法的核心思想是将约束条件和目标函数结合在一起,通过引入拉格朗日乘数,将问题转化为一个无约束条件的优化问题。

具体地,对于上述问题,我们定义拉格朗日函数L(x,y,z,λ) = f(x,y,z) - λ * g(x,y,z),其中λ 是拉格朗日乘数。

我们的目标是找到使得拉格朗日函数取得最大值的变量取值。

为了求解该问题,我们需要满足以下条件: 1. 求解拉格朗日函数对自变量(x, y, z)和拉格朗日乘数λ 的偏导数,并令它们等于零,得到一组方程。

2. 解上述方程,得到自变量和拉格朗日乘数的取值。

3. 将自变量和拉格朗日乘数的取值代入拉格朗日函数,得到最大值。

求解过程首先,我们求解拉格朗日函数对自变量和拉格朗日乘数的偏导数,并令它们等于零。

∂L/∂x = ∂f/∂x - λ * ∂g/∂x = 1 - 2λx = 0 –(1) ∂L/∂y = ∂f/∂y - λ * ∂g/∂y = 1 - 2λy = 0 –(2) ∂L/∂z = ∂f/∂z - λ * ∂g/∂z = 1 - 2λz = 0 –(3)∂L/∂λ = -g(x,y,z) = 1^2 + 1^2 + 1^2 - 1 = 0 –(4)我们可以从方程组 (1)-(4) 中解得x = y = z = 1/(2√3),λ = √3/6。

拉格朗日乘数法例题

拉格朗日乘数法例题

拉格朗日乘数法例题拉格朗日乘数法是一种求解约束条件下优化问题的方法,它可以将约束条件转化为目标函数的一部分,从而将问题转化为无约束条件的优化问题。

下面我们通过一个例题来详细介绍拉格朗日乘数法的应用。

例题:求解以下优化问题:$$\max_{x,y}f(x,y)=x^2+2y^2$$满足约束条件:$$g(x,y)=x+y-1=0$$首先,我们需要将约束条件转化为目标函数的一部分。

根据拉格朗日乘数法,我们可以构造一个新的函数:$$L(x,y,\lambda)=f(x,y)-\lambda g(x,y)$$其中,$\lambda$是拉格朗日乘数。

现在我们要最大化$L(x,y,\lambda)$,即求$L$对$x$、$y$和$\lambda$的偏导数,并令其等于0。

对$x$求偏导数得到:$$\frac{\partial L}{\partial x}=2x-\lambda=0$$对$y$求偏导数得到:$$\frac{\partial L}{\partial y}=4y-\lambda=0$$对$\lambda$求偏导数得到:$$\frac{\partial L}{\partial \lambda}=x+y-1=0$$将上述三个方程联立起来解得:$$x=\frac{2}{5}, y=\frac{3}{5}, \lambda=\frac{8}{5}$$这就是最优解。

我们可以将其代入原函数$f(x,y)$中,得到最优值:$$f(\frac{2}{5},\frac{3}{5})=\frac{13}{5}$$因此,当$x=\frac{2}{5}$、$y=\frac{3}{5}$时,函数$f(x,y)$取得最大值$\frac{13}{5}$。

以上就是拉格朗日乘数法的应用过程。

需要注意的是,在实际应用中,拉格朗日乘数法可能会出现多个最优解的情况,此时需要进行进一步的分析和讨论。

同时,在约束条件较多或者复杂的情况下,拉格朗日乘数法可能不太适用,需要使用其他方法来求解。

(完整word版)拉格朗日乘数法.doc

(完整word版)拉格朗日乘数法.doc

1. 应用拉格朗日乘数法,求下列函数的条件极值:(1) f ( , )x 2y 2,若 x y 1 0;x y(2) f ( x, y, z,t ) x y z t, 若 xyzt c 4 (其中 x, y, z,t , 0, c 0 );(3) f ( x, y, z) xyz ,若 x 2 y 2 z 21, x y z0 .解 (1) 设 L( x, y,) x 2 y 2( x y 1) 对 L 求偏导数 ,并令它们都等于 0,则有L x 2x 0, L y 2 y0,L zx y 1 0.解之得x y 1 , 1.由于当 x, y时 ,f.故函数必在唯一稳定点处2 1 1 1取得极小值 , 极小值 f ( ,2 ) .2 2(2) 设 L (x, y, z, t,) x y zt( xyzt c 4 ) 且L x 1 yzt 0, L y 1xzt 0, L z1 xyt 0, L t 1xyz 0,Lxyzt c 40,解方程组得 x y z t c. 由于当 n 个正数的积一定时 ,其和必有最小值 ,故 f 一定存在唯一稳定点 (c, c ,c, c)取得最小值也是极小值 ,所以极小值 f(c, c ,c, c)=4c .(3) 设 L( x, y, z, ,u)xyz( x 2 y 2z 2 1) u( xy z) ,并令L x yz 2 x u 0, L y xz 2 y u 0, L z xy 2 z u 0,L x 2 y 2z 2 10,L ux y z 0,解方程组得x, y, z 的六组值为 :1 2 1 1 1 x1 xxxxx66 6 6 6 61 12 1 , y2 2 y , y , y , yy.6 6 66662 1 1 2 1 z1 zz z z z6666 66又 f (x, y, z) xyz 在有界闭集{( x, y, z) | x 2 y 2 z 21, x y z0}上连续 ,故有最值 .因此 ,极小值为f ( 1 , 1,2 ) f (2 , 1 , 1 )3 1 ,6 666666极大值为f (1 , 1 ,2 ) f ( 2, 1 , 1 ) 3 1 .66666662.(1) 求表面积一定而体积最大的长方体; (2)求体积一定而表面积最小的长方体。

用拉格朗日乘数法求极值步骤

用拉格朗日乘数法求极值步骤

用拉格朗日乘数法求极值步骤全文共四篇示例,供读者参考第一篇示例:拉格朗日乘数法是一种常用的数学工具,用于求解带有约束条件的极值问题。

在实际问题中,很多情况下都会存在一些条件限制,而拉格朗日乘数法正是针对这种情况而提出的一种解决方法。

下面我们将详细介绍使用拉格朗日乘数法求极值的步骤。

我们先来看一个简单的例子,假设我们要求函数f(x, y) = x^2 +y^2 在条件g(x, y) = x + y = 1下的最小值。

这个问题可以用如下的拉格朗日函数表示:L(x, y, λ) = f(x, y) - λg(x, y) = x^2 + y^2 - λ(x + y - 1)λ为拉格朗日乘数。

接下来的步骤就是通过对L(x, y, λ) 求偏导数来确定函数f(x, y) 在条件g(x, y) 下的极值点。

步骤一:计算L(x, y, λ) 对x, y的偏导数,并令其等于0,即求解以下方程组:步骤二:解方程组得到极值点,并判断是否为极值点。

在本例中,解方程组可得x = y = 1/2,λ = 1。

代入原函数f(x, y) = x^2 + y^2 可得最小值为1/2。

问题的解是f(x, y) = 1/2。

上面是一个简单的例子,下面我们将详细介绍拉格朗日乘数法求极值的一般步骤:步骤一:建立带有约束条件的拉格朗日函数。

假设我们要求函数f(x1, x2, ..., xn) 在条件g(x1, x2, ..., xn) = 0下的极值,那么其对应的拉格朗日函数为:步骤二:求解拉格朗日函数的梯度,令其等于零。

即求解以下方程组:∂L/∂x1 = ∂f/∂x1 - λ∂g/∂x1 = 0∂L/∂x2 = ∂f/∂x2 - λ∂g/∂x2 = 0...∂L/∂xn = ∂f/∂xn - λ∂g/∂xn = 0g(x1, x2, ..., xn) = 0步骤三:解方程组得到极值点,并判断是否为极值点。

解方程组可能有多个解,需要通过二阶导数判断哪一个是极值点。

拉格朗日乘子法例题

拉格朗日乘子法例题

拉格朗日乘数法主要用于解决约束优化问题。

以下是具体示例:
求函数f(x,y)=x^2*y的极值,同时满足约束条件g(x,y)=x^2+y^2-1=0。

首先,根据拉格朗日乘数法,引入拉格朗日乘子λ,构造拉格朗日函数
L(x,y,λ)=f(x,y)+λg(x,y)。

将f(x,y)和g(x,y)代入L(x,y,λ),得到L(x,y,λ)=x^2*y+λ(x^2+y^2-1)。

接着,对L(x,y,λ)求偏导,得到以下三个方程:
1.∂L/∂x=2xy+2λx=0
2.∂L/∂y=x^2+2λy=0
3.∂L/∂λ=x^2+y^2-1=0
由第一个和第二个方程可以得到x(y+λ)=0和y(x-λ)=0,进而解得三组可能的解:
(0,-1),(√2/2,√2/2),(-√2/2,-√2/2)。

然后,将这三组解代入原函数f(x,y),计算得到对应的函数值。

通过比较这些函数值,可以确定f(x,y)在约束条件g(x,y)=0下的极值。

以上便是使用拉格朗日乘数法解决约束优化问题的一个例子。

这种方法在经济学、最优化等领域有着广泛的应用。

条件极值拉格朗日乘数法

条件极值拉格朗日乘数法
解 构造拉格朗日函数,
F (x, y) x2 2 y2 (x2 y2 1)
则 Fx 2x 2x 0 Fy 4 y 2y 0
x2 y2 1 0
解得可能条件极值点为 (0,1)(, 0,1)(, 1,0)(, 1,0)
计算出 f (0,1) f (0,1) 2, f (1,0) f (1,0) 1,
曲面上通过M 的一切曲线在点M 的切线都在同一
平面上,这个平面称为曲面在点M 的切平面.
切平面方程为
Fx (x0 , y0 , z0 )(x x0 ) Fy (x0 , y0 , z0 )( y y0 ) Fz (x0 , y0 , z0 )(z z0 ) 0
通过点M ( x0 , y0 , z0 )而垂直于切平面的直线
2 y
2z,2z
2 x,2 x
2
y 1,2,1
2 3,0,3 61,0,3
切线方程:
x1 y2 z1
1
0
1
法平面方程: x - z = 0
(Tangent plane and normal line of surface)
1 设曲面方程为
F(x, y, z) 0
n
T
在曲面上任取一条通
0
z02 c2
1
0
y0
b, 3
z0
c 3
当切点坐标为 (a,b,c
)时,
333
四面体的体积最小Vmin
3 abc. 2
多元函数的极值
(取得极值的必要条件、充分条件)
无条件极值
多元函数的最值
条件极值
拉格朗日乘数法
11.4 微分法在几何上的应用
(Applications of differential calculus in geometry)

条件极值简介

条件极值简介
高州师范学院
11.3条件极值
极值问题
不带约束条件的极值问题,称为
无条件极值问题.
附有约束条件的极值问题,称为
条件极ห้องสมุดไป่ตู้问题.
高州师范学院
11.3条件极值
极值问题特点
无条件极值问题的特点:
其极值点的搜索范围是目标函数的定 义域.
条件极值问题的特点:
其极值点的搜索范围还要受到自变量 附加条件的限制.
这种方法称为拉格朗日乘数法, 辅助函数(x, y, )称为拉格朗日函数, 辅助变量 称为拉格朗日乘数.
高州师范学院
11.3条件极值
推广: 一般而言
求目标函数: y f ( x1 , x2 , , xn ) 在约束条件组 F1 ( x1 , x2 ,..., xn ) 0 F ( x , x ,..., x ) 0 2 1 2 n (m n) .............................. Fm ( x1 , x2 ,..., xn ) 0 下的条件极值.
高州师范学院
11.3条件极值
例如P204例7:水箱设计问题
目标函数: S ( x, y, z ) xy 2 xz 2 yz ( x 0, y 0, z 0) 约束条件: xyz V .
高州师范学院
11.3条件极值
条件极值问题的一般形式
求目标函数: y f ( x1 , x2 , , xn ) 在满足函数方程组(限制条件) F1 ( x1 , x2 ,..., xn ) 0 F2 ( x1 , x2 ,..., xn ) 0 (1) (m n) .............................. Fm ( x1 , x2 ,..., xn ) 0 下的极值. 这就是条件极值.函数方程组 称为联系方程组.

十四. 条件极值(约束极值)的Lagrange乘数法

十四. 条件极值(约束极值)的Lagrange乘数法

十四. 条件极值(约束极值)的Lagrange 乘数法问题: 求积为定值的两正数之和的最小值. 即, 设x > 0, y > 0, xy = a , 求x + y 的最小值. (本题当然可以用平均不等式求解. 不过, 我们现在要考虑的是求解这类问题的一般方法.) 解法一 y =x a , f (x ) = x +xa (x > 0, a > 0), 求f 的最小值 (驻点a ). 解法一是从所给条件(方程)解出某些变量, 化为无条件极值问题. 能否不解出变量而化为无条件极值问题?解法二 设f (x , y , λ ) = x + y + λ (xy - a ), 求其最小值:⎪⎩⎪⎨⎧=-==+==+=)3(,0)2(,01)1(,01 a xy f x f y f y x λλλ 从(1), (2)得x = y , 从(3)得x = y =a . 原问题的最小值存在, 故就是2a .条件极值问题: 求(目标)函数u = f (x ) (x = (x 1,…, x n )∈D ⊂ R n )在(约束)条件g i (x ) = 0 (i = 1, …, m , m < n )下的极值.设E = {x ∈D | g i (x ) = 0, i = 1, …, m }, a ∈E . 若存在开球B (a , r ) ⊂ D 使x ∈E ∩B (a , r )时f (x )≥f (a ) (f (x )≤f (a )), 则称f 在a 达到(满足条件g i (x ) = 0的)条件极小(极大)值. 条件极值必要条件(对n = 3, m = 2叙述) 设D ⊂ R 3开, f , g 1, g 2: D →R 是C (1)类函数, x =(x 1, x 2, x 3)∈D . 若f 在点a (= (a 1, a 2, a 3))处达到条件极值, 且rank a x g x g x g x g x g x g ⎪⎪⎪⎪⎭⎫ ⎝⎛∂∂∂∂∂∂∂∂∂∂∂∂322212312111 = 2, 则存在λ1, λ2 ∈R , 使 )()()(2211a x g a x g a x f jj j ∂∂+∂∂+∂∂λλ= 0 (j = 1, 2, 3), (*) 即a 是Lagrange 函数L = f + λ1g 1 + λ2 g 2的驻点.证 设a x x g g ),(),(3221∂∂≠0. 由隐函数定理, 存在a 1的邻域V 及C (1)类函数ϕ, ψ : V →R , 使x 2 = ϕ (x 1), x 3 = ψ (x 1), a 2 = ϕ (a 1), a 3 = ψ (a 1), 且g 1 (x 1, ϕ (x 1), ψ (x 1)) = 0, g 2 (x 1, ϕ (x 1), ψ (x 1)) = 0. (**)设F (x 1) = f (x , ϕ (x 1), ψ (x 1)) (x 1∈V ), 则a 1是F 的无条件极值点, 故0 = F ' (a 1) = 1x f (a ) +)()()()(1132a a f a a f x x ψϕ'+'.再由(**)得 ,0)()()()()(,0)()()()()(1321221213112111='∂∂+'∂∂+∂∂='∂∂+'∂∂+∂∂a a x g a a x g a x g a a x g a a x g a x g ψϕψϕ 上述三式表明向量grad f (a ), grad g 1(a ), grad g 2(a )均与向量(1,ϕ '(a 1),ψ '(a 1))垂直, 故这三个向量共面, 线性相关. 但a x x g g ),(),(3221∂∂≠0, 故grad g 1 (a ), grad g 2 (a )线性无关(不共线) [否则, ∃c 使grad g 1 (a ) = c grad g 2 (a ), 即)(1a x g i ∂∂= c )(2a x g i ∂∂(i = 1, 2), 从而a x x g g ),(),(3221∂∂= 0], 因而∃λ1, λ2 ∈R , 使grad f (a ) + λ1 grad g 1 (a ) + λ2 grad g 2 (a ) = 0. 按分量写, 就是(*). Lagrange 乘数法 求f (x ) = 0 (x =(x 1,…, x n ) ∈D ⊂ R n ) 在条件g i (x ) = 0 (i = 1, …, m )下的极值的方法如下:1°作函数L (x 1,…, x n , λ1,…, λm ) = f (x ) + λ1 g 1 (x ) + … + λm g m (x ) (x ∈D );2°令ix L ∂∂= 0(i = 1, …, n ), 与j L λ∂∂= 0即条件g j (x ) =0 (j = 1, …, m )联立, 求得驻点;3°找D 中使f , g 1, …, g m 不C (1)类的点, 及使rank ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛∂∂∂∂∂∂∂∂n m m n x g x g x g x g 1111< m 的点(这些点与驻点一起, 成为期望点);4°用无条件极值方法判断期望点是否为极值点:例如, 设目标函数为u = f (x , y , z ), 条件为g 1 (x , y , z ) = 0, g 2 (x , y , z ) = 0, 期望点为(a , b , c ). 若从条件可解得y = y (x ), z = z (x ), 则u = h (x ) = f (x , y (x ), z (x )), 可求得h' (x ) = f x + f y y' + f z z' , h" (x ) = … (求h' 和h" 时用到的y', z' 可从条件得到), 从h" (a )的正负判断点(a , b , c )极大还是极小.△ 求f (x , y , z ) = xy + yz 在条件x 2 + y 2 = 2, y + z = 2下的极值.解 设L (x , y , z , λ, μ) = xy + yz + λ (x 2 + y 2 - 2) + μ (y + z - 2). 令L x = L y = L z = 0, 得解得驻点P 1 (1,1,1) (λ = - ½ , μ = -1), P 2 (-1,1,1) (λ = ½ , μ = -1),P 3()235,213,213(),231,232)(235,213,2134++---=-=--+-P μλ (λ =232+, μ =231+). rank ⎪⎭⎫ ⎝⎛1 1 0 0 2 2y x = 2. 把y , z 看作x 的函数, 设h (x ) = f (x , y (x ), z (x )) = x y (x ) + y (x ) z (x ), (下面要判断h" 在驻点的值的正负, 以确定极值)从条件可得2x + 2 y y' = 0, y' + z' = 0, y' = -y x , z' =yx , 故h' (x ) = y + xy' + y' z + yz' = y -y xz y x -2+ x , h" (x ) = y' -3222111)(2y y y xz y z x z y y x xy -=+'-'+-'-(3xy 2 + x 3 + y 2z + x 2 z ), h" (1) = -6 < 0, h" (-1) =2 > 0, h" (53324312)213--=+-< 0, h" (5333614)213++=-> 0, 故在P 1 , P 3 处达极大,在P 2 ,P 4处达极小.解二 (因为所给条件之一比较简单, 故可减少条件, 降低维数) z = 2 - y , f (x , y , z ) = xy + y (2 - y ) = g (x , y ), 化为求g 在条件x 2 + y 2 = 2下的极值.设L (x , y , λ) = xy + 2y - y 2 + λ (x 2 + y 2- 2). 由L x = L y = 0, 得⎪⎩⎪⎨⎧=+=+-+=+2,0222,0222y x y y x x y λλ解得P 1 (1,1), P 2 (-1,1), P 3 (213,213-+-), P 4 (213-,213+-). (rank (2x , 2y ) = 1.) 设h (x ) = g (x , y (x )), 则h' (x ) = y + xy' + 2y' - 2yy' , h" (x ) = 2y' + xy" + 2y" - 2y' 2 - 2yy" . 由x 2+ y 2 = 2得y'=-yx , y" = -32y , 故 h" (x ) = -2y x - (x + 2 - 2y ) 32y -222y x =3442)(2y y x y x xy +--+-, h" (1) = -6, h" (-1) = 2, h" (213+-) = 3)213(633--< 0, h" (213-) = 3)213(633+---> 0. △求函数f (x , y ) = x 2 - xy + 2y 2 在条件x 2 + y 2 = 1下的最大最小值.解一 设L (x , y , λ) = x 2 - xy + 2y 2 + λ (x 2 + y 2- 1). 令L x = L y = 0, 得⎪⎩⎪⎨⎧=+=-+-=--,1,024,02222y x y y x x y x λλ解得x 2 =22423±±, y 2 =2241±, xy =22421±±, 故在驻点处f (x , y ) = 22222 =±. 因为f 连续, 集{(x , y ) | x 2 + y 2 = 1}有界闭, 故f 有最大、最小值, 依次为2+2, 2 -2. 解二 以条件代入, 得f (x , y ) = 1 + y 2 - xy , L (x , y , λ) = 1 + y 2 - xy + λ (x 2 + y 2 - 1), ….△ 求内接于半轴为a , b , c 的椭球、棱与轴平行的最大平行六面体的体积.解 设棱长为2x , 2y , 2z . 本题为求V = 8xyz 在条件2222b y a x ++22c z =1下的最大值. 设 L (x , y , z , λ) = 8xyz + λ (2222b y a x ++22c z - 1). 令L x = 8yz + 22a x λ= 0…①, L y = 8xz + 22b y λ= 0…②, L z = 8xy + 2λ2cz λ= 0 …③, 与条件联立. ①×x + ②×y + ③×z , 得24xyz + 2λ = 0, λ = -12xyz . 代入①, ②, ③, 得x =33a , y =33b , z =33c . 由于最大平行六面体存 在, 且驻点唯一, 故所求体积为938abc . △ p.167例2. 除书上的解法外, 也可以用条件之一将目标函数化为f (x , y , z ) = z + z 2, 从而设L (x , y , z , λ, μ) = z + z 2+ λ (x 2 + y 2 - z ) + μ (x + y + z - 1).△ 求椭圆⎩⎨⎧=++=-+0,04222z y x y x 距y 轴的最近点与最远点. 解 设L (x , y , z , λ, μ) = x 2 + z 2+ λ(2x 2 +y 2 -4) + μ (x + y + z ). 令L x = L y = … = 0, 解得P 1 (1,2, -1-2), P 2 (1,-2, -1+2), P 3 (-1,2, 1-2), P 4 (-1, -2, 1+2). f (P 1) = f (P 4) = 4 + 22, f (P 2)= f (P 3) = 4 - 22,故P 1 , P 4是最远点, P 2, P 3是最近点.解二 z = - x - y , x 2 + z 2 = 4 + 2xy , 设L (x , y , λ) = 4 + 2xy + λ (2x 2 + y 2 - 4). …△ 三角形三顶点分别在三条曲线f (x , y ) = 0, g (x , y ) = 0, h (x , y ) = 0上. 证明: 若三角形面积取极值, 则每条曲线在三角形的顶点处的法线必通过该三角形的垂心.证 设三顶点为A (x 1, y 1), B (x 2, y 2), C (x 3, y 3), 且f (x 1, y 1) = 0, g (x 2, y 2) = 0, h (x 3, y 3) =0, 则三角形面积S =11121332211y x y x y x =21(x 1 (y 2 - y 3) + x 2 (y 3 - y 1) + x 3 (y 1 - y 2)). 设 L (x 1, y 1, x 2, y 2, x 3, y 3, λ1, λ2, λ3) = S + λ1 f (x 1, y 1) + λ2 g (x 2, y 2) + λ3 h (x 3, y 3) .由11y x L L == 0得 ,0)(21,0)(2111123132⎪⎩⎪⎨⎧=+-=+-y x f x x f y y λλ2323x x y y --11x y f f = -1…(*). 因为11x y f f 是曲线f (x , y ) = 0在A 处的法线的斜率, 2323x x y y --是BC 的斜率, 故(*)式表明曲线f (x , y ) = 0在A 处 的法线与BC 垂直, 从而通过垂心.Lagrange 乘数法是解条件极值问题的基本方法, 显然, 变量数增加时计算量会很大, 因此还有其它方法. 此外, 求解条件极值问题时技巧也很重要. 例如p.168例3就可以用 初等方法解: 考虑g (x , y , z ) =xyz z y x f 1),,(1=, 该题化为求和数一定时积的最大值, 由 平均不等式立即得到rz y x 31111===时g 最大, 即x = y = z = 3r 时f 最小.。

(完整word版)拉格朗日乘数法

(完整word版)拉格朗日乘数法
故表面积一定而体积最大的长方体是正立方体.
(2)设长方体的长、宽、高分别为 ,体积为 ,则表面积 ,
限Hale Waihona Puke 条件: .设并令 解得
故体积一定而表面积最小的长方体是正立方体.
3.求空间一点 到平面 的最短距离.
解:由题意,相当于求 在条件 下的最小值问题.由几何学知,空间定点到平面的最短距离存在.
设 且
由(1),(2),(3)得 , , .
1.应用拉格朗日乘数法,求下列函数的条件极值:
(1) 若
(2) 若 (其中 );
(3) ,若 .
解(1)设 对L求偏导数,并令它们都等于0,则有
解之得 由于当 时, .故函数必在唯一稳定点处取得极小值,极小值
(2)设 且
解方程组得 由于当n个正数的积一定时,其和必有最小值,故f一定存在唯一稳定点(c, c ,c, c)取得最小值也是极小值,所以极小值f(c, c ,c, c)=4c .
(3)设 ,并令
解方程组得 的六组值为:
, , , , .
又 在有界闭集
上连续,故有最值.因此,极小值为
极大值为
2.(1)求表面积一定而体积最大的长方体;
(2)求体积一定而表面积最小的长方体。
解:(1)设长方体的长、宽、高分别为 ,表面积为 ,
则体积为 ,限制条件为 。

并令
解得 。
因此求长方体体积有最大值,且稳定点只有一个,所以最大值 。
代入(4)解得 .
所以
故 为所求最短距离.
4.证明:在 个正数的和为定值条件 下,这 个正数的乘积 的最大值为 .并由此结果推出 个正数的几何中值不大于算术中值 .
证:设 ,
, ,

多元函数极值与拉格朗日乘数法

多元函数极值与拉格朗日乘数法
22
推广: 自变量多于两个,
约束条件多于一个的情况.
例 目标函数 u f ( x, y, z, t)
约束条件 ( x, y, z, t) 0 (x, y, z,t) 0
拉格朗日函数
L( x, y, z, t, 1, 2 ) f ( x, y, z, t) 1( x, y, z, t) 2 (x, y, z, t)
20
说明 上例的条件极值问题,是通过将约束条件代入 目标函数中求解; 但并不是所有情况下都能这样做,更多时候 用到的是下面要介绍的,解决条件极值问题的 一般方法—— 拉格朗日乘数法
21
Lagrange(拉格朗日)乘数法
求函数 z f ( x, y) 在条件 ( x, y) 0
下的可能极值点, 先构造拉格朗日函数
(2) AC B2 0时, f ( x0 , y0 ) 不是极值;
(3)AC B2 0时 f ( x0 , y0 ) 可能是极值,
也可能不是极值.
4
求函数 z f ( x, y) 极值的一般步骤:
第一步
解方程组
f f
x y
( (
x, x,
y y
) )
0 0
求出实数解, 得驻点.
第二步 对于每一个驻点 ( x0 , y0 ), 求出二阶偏导数的值 A、B、C.
2
说明
1、驻点
具有偏导的极值点
如,点(0,0)是函数z xy的 驻点,但不是极值点.
2、偏导数不存在的点, 也可能是极值点.
例 z x2 y2
z
在点(0,0)处的偏导数不存在,
O•
x
y
但(0,0)是函数的极大值点.
3
二元函数极值的充分条件

条件极值与拉格朗日乘数法

条件极值与拉格朗日乘数法

§4条件极值一、何谓条件极值在讨论极值问题时,往往会遇到这样一种情形,就是函数的自变量要受到某些条件的限制。

决定一给定点),,(000z y x 到一曲面0),,(=z y x G 的最短距离问题,就是这种情形。

我们知道点),,(z y x 到点),,(000z y x 的距离为202020)()()(),,(z z y y x x z y x F -+-+-=.现在的问题是要求出曲面0),,(=z y x G 上的点),,(z y x 使F 为最小.即问题归化为求函数),,(z y x F 在条件0),,(=z y x G 下的最小值问题.又如,在总和为C 的几个正数n x x x ,,21的数组中,求一数组,使函数值22221n x x x f +++= 为最小,这是在条件C x x x n =+++ 21 )0(>i x 的限制下,求函数f 的极小值问题。

这类问题叫做限制极值问题(条件极值问题).例1 要设计一个容积为V 的长方体形开口水箱 . 确定长、宽和高 , 使水箱的表面积最小 .分别以x 、y 和z 表示水箱的长、宽和高 , 该例可表述为 : 在约束条件V xyz =之下求函数xy yz xz z y x S ++=)(2),,(的最小值 .条件极值问题的一般形式是在条件组)(,,2,1,0),,,(21n m m k x x x n k <== ϕ限制下, 求目标函数),,,(21n x x x f y =的极值.对这种问题的解法有: 化为无条件极值. 例 1 由V xyz =解出 xyVz =, 并代入函数),,(z y x S 中, 得到xy xy V y x F ++=)11(2),(, 然后按)0,0(),(=y x F F , 求出稳定点32V y x ==, 并有3221V z =, 最后判定在此稳定点上取的最小面积3243V S =.然而, 在一般情形下条件组中解出m 个变元并不总是可能的.下面介绍的拉格朗日乘数法就是一种不直接依赖消元而求解条件极值问题的有效方法. 二、条件极值的必要条件设在约束条件0),(=y x ϕ之下求函数=z ),(y x f 的极值 . 当满足约束条件的点),(00y x 是函数),(y x f 的条件极值点 , 且在该点函数),(y x ϕ满足隐函数存在条件时, 由方程0),(=y x ϕ决定隐函数)(x g y =, 于是点0x 就是一元函数())( , x g x f z =的极限点 , 有0)(='+=x g f f dx dzy x .代入 ),(),()(00000y x y x x g y x ϕϕ-=', 就有 0),(),(),(),(00000000=-y x y x y x f y x f y x y x ϕϕ,即 x f -y ϕy f x ϕ0= , 亦即 (x f , y f ) (⋅y ϕ ,x ϕ-)0= .可见向量(x f , y f )与向量(y ϕ , x ϕ-)正交. 注意到向量(x ϕ , y ϕ)也与向量(y ϕ , x ϕ-)正交, 即得向量(x f , y f )与向量(x ϕ , y ϕ)线性相关, 即存在实数λ, 使 (x f , y f ) + λ(x ϕ , y ϕ)0=.亦即 ⎩⎨⎧=+=+. 0, 0y yx x f f λϕλϕ三、 Lagrange 乘数法:由上述讨论可见 , 函数=z ),(y x f 在约束条件0),(=y x ϕ之下的条件极值点应是方程组⎪⎩⎪⎨⎧==+=+.0),(, 0),(),(, 0),(),(y x y x y x f y x y x f y y x x ϕλϕλϕ 的解.引进所谓Lagrange 函数),(),(),,(y x y x f y x L λϕλ+=, ( 称其中的实数λ为Lagrange 乘数 )则上述方程组即为方程组⎪⎩⎪⎨⎧===.0),,( , 0),,( , 0),,(λλλλy x L y x L y x L y x下面以三元函数 , 两个约束条件为例介绍Lagrange 乘数法的一般情况 . 例2 求函数xyz f = 在条件0,1222=++=++z y x z y x 下的极值。

拉格朗日乘数法求极值例题

拉格朗日乘数法求极值例题

拉格朗日乘数法求极值例题在数学中,求解极值问题是一个非常重要的课题,而拉格朗日乘数法则是一种常用的求解多元函数极值的方法。

本文将以一个具体的例题为例,介绍拉格朗日乘数法的具体应用过程。

例题:求函数$f(x,y)=x^2+y^2$在条件$g(x,y)=x+y-1=0$下的极值。

解题步骤:1.建立拉格朗日函数$L(x,y,lambda) = f(x,y) + lambdag(x,y)$将$f(x,y)$和$g(x,y)$代入,得到:$L(x,y,lambda) = x^2+y^2+lambda(x+y-1)$2.求$L(x,y,lambda)$的一阶偏导数:$frac{partial L}{partial x} = 2x + lambda$$frac{partial L}{partial y} = 2y + lambda$$frac{partial L}{partial lambda} = x+y-1$3.将一阶偏导数都置为0,解出$x,y,lambda$的值:$frac{partial L}{partial x} = 2x + lambda = 0 Rightarrow x = -frac{lambda}{2}$$frac{partial L}{partial y} = 2y + lambda = 0 Rightarrow y = -frac{lambda}{2}$$frac{partial L}{partial lambda} = x+y-1 = 0 Rightarrow x+y=1$由第三个式子可知,$x$和$y$的和为1,将$x$和$y$代入前两个式子中,得到:$-lambda + lambda = 0$$-lambda + lambda = 0$由此可知,$lambda$可以为任意数值,因此需要进一步求解。

4.将$x$和$y$代入条件$g(x,y)=x+y-1=0$中,得到:$-frac{lambda}{2} - frac{lambda}{2} -1 = 0 Rightarrow lambda = -2$5.将$lambda$代入$x$和$y$的表达式中,得到:$x = -frac{lambda}{2} = 1$$y = -frac{lambda}{2} = 1$因此,函数$f(x,y)=x^2+y^2$在条件$g(x,y)=x+y-1=0$下的极值为$2$,此时$x=y=1$。

多元函数的极值和最值条件极值拉格朗日乘数法

多元函数的极值和最值条件极值拉格朗日乘数法
若销售产品所得的利润等于销售量的 1 5
减去总广告费, 两种方式的广告费共25千元, 怎样分配两种方式的广告费能使利润最大,最大
利润是多少?

约束条件下的利润函数为
Lx, y S 25,
5
具体利润函数为 L(x, y) 40x 20y 5 x 10 y
在约束条件 x y 25
在点 3,2各计算值A 12;B 0;C 6。则B2 AC 0
则原函数在点 (3,2) ,取得最大值点。
在点 3,0各计算值A 12;B 0;C 6。则B2 AC 0
则原函数在点 (3,0) ,无极值点。
在点1,2各计算值A 12;B 0;C 6。则B2 AC 0
求函数 z=f(x,y)极值的一般步骤:
第一步 解方程组 fx ( x, y) 0, f y ( x, y) 0
求出实数解,得驻点.
第二步 对于每一个驻点( x0 , y0 ),
求出二阶偏导数的值 A、B、C.
第三步 定出 B2 AC 的符号,再判定是否是极值.
例4: 求函数f x, y x3 y3 3x2 3y2 9x的极值
拉格朗日函数是
G(x, y,) 40x 20y 25 x y 25
5 x 10 y
解一阶导数为零的方程组:
Gx x,
y

200
5 x2



0
Gy x,
y

200
10 y2



0
x y 25 0
解方程得 15,10
最大利润
x

x
x,

§4条件极值.

§4条件极值.
即得 x, y, z, t , 为可能的极值点坐标.
上页
下页
返回
拉格朗日乘数法 对于前面定义中所设的一般
目标函数和约束条件组, 应引入辅助函数
L( x1 , x2 ,
f ( x1 , x2 ,
, xn , 1 , 2 ,
, xn )
m k 1
, m )
, xn ). (3)
, m 称
从而 z f ( x, y) 在条件 ( x , y ) 0下可能的极值. 必要条件
f x ( x0 , y0 ) x ( x0 , y0 ) 0
f y ( x0 , y0 ) y ( x0 , y0 ) 0
( x0 , y0 ) 0
我们引入函数 L( x, y, ) f ( x, y) ( x, y) 上述必要条件恰好是函数L(x,y,)的驻点。
§4 条 件 极 值
一、问题引入 二、拉格朗日乘数法 三、应用举例
一、问题引入
例1 小王有400元钱,他决定用来购买两种急需物品: 计算机光盘和录音磁带,设他购买x张光盘,y盒录音磁 带达到最佳效果,效果函数为
U ( x , y ) ln x ln y
设每张光盘8元,每盒磁带10元, 问他如何分配这400元以达到最佳效果. 问题的实质: 在条件 8 x 10 y 400 下求 U ( x , y ) ln x ln y 的极值点. 很多极值问题, 目标函数的自变量不能在其定义域上 自由变化, 而是要受到某些条件的约束,即极值点的 搜索范围要受到各自不同条件的限制. 条件极值:对自变量有附加条件的极值.上 页 下 页 返 回
例2 要设计一个容积为 V 的长方形无盖水箱, 试问长、 宽、高各等于多少时, 可使得表面积达到最小?
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

条件极值拉格朗日乘数法例题
假设有一个函数 $f(x,y)=x^2+y^2$,同时有一个限制条件
$g(x,y)=xy-1=0$,求在该约束条件下$f(x,y)$的最小值和最大值。

首先根据拉格朗日乘数法,可以得到如下的方程组:
$$
begin{cases}
abla f(x,y)=lambda
abla g(x,y)
g(x,y)=0
end{cases}
$$
其中,$
abla f(x,y)$ 和 $
abla g(x,y)$ 分别是 $f(x,y)$ 和 $g(x,y)$ 的梯度向量。

对于本题来说,有:
$$
abla f(x,y) = begin{bmatrix} 2x 2y end{bmatrix}, qquad abla g(x,y) = begin{bmatrix} y x end{bmatrix}
$$
把上面的式子带入到拉格朗日方程组中可以得到:
$$
begin{cases}
2x = lambda y
2y = lambda x
xy - 1 = 0
end{cases}
$$
解这个方程组,我们可以得到两组解:
$$
begin{aligned}
& (x, y, lambda) = (sqrt{2}, sqrt{2}, 2), (-sqrt{2}, -sqrt{2}, -2)
& (x, y, lambda) = (-sqrt{2}, sqrt{2}, 2), (sqrt{2}, -sqrt{2}, -2)
end{aligned}
$$
接下来需要判断这些解的类型,即是极大值还是极小值。

为了方便起见,我们可以先计算函数 $f(x,y)$ 在条件
$g(x,y)=0$ 下的取值范围。

根据限制条件 $g(x,y)=xy-1=0$,有$x=frac{1}{y}$,把它代入到函数 $f(x,y)$ 中可以得到:
$$
f(x,y) = left(frac{1}{y}
ight)^2 + y^2 = frac{1}{y^2} + y^2
$$
由于 $y
eq 0$,所以 $f(x,y)$ 的定义域为 $mathbb{R}-{0}$。

同时,
我们可以发现当 $y
ightarrow pminfty$ 时,$f(x,y)$ 的取值趋近于无穷大,因此在条件 $g(x,y)=0$ 下,$f(x,y)$ 取到的最小值应该在某个有限区
间内。

对于第一组解 $(x, y, lambda) = (sqrt{2}, sqrt{2}, 2)$,
可以计算出 $f(x,y)=4$;而对于另外三组解,可以发现它们都不满
足 $xy>0$ 的条件,因此不是合法的解。

因此,在条件 $g(x,y)=0$ 下,函数 $f(x,y)$ 的最小值为 $4$,对应的解为 $(x, y) = (sqrt{2}, sqrt{2})$。

至于最大值,根据拉格朗日乘数法的结论,它一定在所有的合法解中取到。

因此,我们只需要在 $g(x,y)=0$ 的条件下,找到
$f(x,y)$ 的最大值即可。

由于函数 $f(x,y)$ 在 $x=y$ 时达到最小值
$frac{4}{sqrt{2}}$,因此为了使 $f(x,y)$ 取到最大值,$x$ 和$y$ 应该尽量远离 $x=y$ 这条线。

可以发现,在 $xy=1$ 的条件下,$x$ 和 $y$ 越远离 $x=y$ 这条直线,$f(x,y)$ 的值越大。

而当
$x$ 或 $y$ 趋近于无穷大时,$f(x,y)$ 的取值也趋近于无穷大。

因此,在条件 $g(x,y)=0$ 下,$f(x,y)$ 的最大值为正无穷大,但是
对应的解并不存在。

相关文档
最新文档