1. 程式人生 > >數學基礎系列(四)----拉格朗日乘子法、行列式、矩陣基礎

數學基礎系列(四)----拉格朗日乘子法、行列式、矩陣基礎

一、拉格朗日乘子法

1、通俗解釋

給個函式:$Z=f(x,y)$如何求出它的極值點呢?有了前面的知識,簡單來說直接求它的偏導不就OK了嗎?

  

那現在假如說對這個函式加上一個約束條件呢?也就說現在假如有這樣一個約束條件$2xy+2yz+2zx=S$,那該怎麼樣求出函式$Z(x,y,z)=xyz$的最大值呢?

在這樣的約束條件下,到底什麼點是我們想要的?

假如說我們現在有這樣一座山峰,這座山峰的高度是$f(x,y)$,其中有一條曲線是$g(x,y) =C$。曲線鑲嵌在山上,我們該如何找到曲線的最低點呢?

  

為了找到曲線上的最低點,首先就從最低的等高線(0那條)開始往上數。數到第三條,等高線終於和曲線有交點了(如上圖所示)。因為比這條等高線低的地方都不在約束範圍內,所以這肯定是這條約束曲線的最低點了。

而且約束曲線在這裡不可能和等高線相交,一定是相切。因為如果是相交的話,如下圖所示,那麼曲線一定會有一部分在B區域,但是B區域比等高線低,這是不可能的。

  

兩條曲線相切,意味著它們在這點的法線平行,也就是法向量只差一個任意的常數乘子(取為$-\lambda $):$\bigtriangledown f(x,y)=-\lambda \bigtriangledown g(x,y)$,其中$\bigtriangledown$表示偏導。

我們可以把上式的右邊移到左邊,並把常數移進微分運算元然後得到:$\bigtriangledown f(x,y)+\lambda \bigtriangledown g(x,y)=0$。

把這個式子重新解釋一下,這個就是$f(x,y)+\lambda g(x,y)$無約束情況下極值點的必要條件。簡單來說,就是把帶有約束條件下的求極值轉化為無約束條件下的求極值。

2、使用方法

然後我們看下拉格朗日乘子法具體的使用方法。求解函式:$z=f(x,y)$在條件$\varphi (x,y)=0$條件下的極值。

既然求極值,那就是令其偏導等於0。

建構函式$F(x,y)=f(x,y)+\lambda \varphi(x,y)$,其中$\lambda$為拉格朗日乘數。如此,我們就可以得到下面的這個表示式

  

這樣通過上面的方程組求解出來的(X,Y)就是極值點座標。

拉格朗日乘子法一般用於自變數多於兩個的條件下。

求解函式:$u=f(x,y,z,t) $在條件$\varphi (x,y,z,t)=0,\psi (x,y,z,t)=0$下的極值。

同理建構函式:$F(x,y,z,t)=f(x,y,z,t) +\lambda _{1}\varphi (x,y,z,t)+\lambda _{2}\psi (x,y,z,t)$。其中$\lambda _{1},\lambda _{2}$均為拉格朗日乘數,同樣通過偏導為0以及約束條件求解極值點座標。

3、例題

求函式$u=x^{3}y^{2}z$在約束條件x+y+z=12下的最大值。

同理建構函式:$F(x,y,z)=x^{3}y^{2}z+\lambda (x+y+z-12)$。然後分別求偏導,得到如下表達式。

$\left\{\begin{matrix}
F_{x}'=3x^{2}y^{2}z+\lambda =0\\
F_{y}'=2x^{3}yz+\lambda =0\\
F_{z}'=x^{3}y^{2}+\lambda =0\\
x+y+z=12
\end{matrix}\right.$

求解上面的方程組可以得到唯一駐點(6,4,2),這樣的話最大值$u_{max}=6^{3}\cdot 4^{2}\cdot 2=6912$。

二、行列式

1、二階行列式

首先來看看二元線性方程組的求解:$\left\{\begin{matrix}a_{11}x_{1}+a_{12}x_{2}=b_{1}\\ a_{21}x_{1}+a_{22}x_{2}=b_{2}\end{matrix}\right.$

對上面這個方程組求解可得:$\begin{matrix}(a_{11}a_{22}-a_{12}a_{21})x_{1}=b_{1}a_{22}-a_{12}b_{2}\\ (a_{11}a_{22}-a_{12}a_{21})x_{2}=a_{11}b_{2}-b_{1}a_{21}\end{matrix}$。

當$a_{11}a_{22}-a_{12}a_{21}\neq 0$時方程組有唯一解:$x_{1}=\frac{b_{1}a_{22}-a_{12}b_{2}}{a_{11}a_{22}-a_{12}a_{21}},x_{2}=\frac{a_{11}b_{2}-b_{1}a_{21}}{a_{11}a_{22}-a_{12}a_{21}}$。

根據上面的解看起來好像有些規律呀

  

表示式$a_{11}a_{22}-a_{12}a_{21}$即為二階行列式。

$D=\begin{vmatrix}a_{11} & a_{12}\\ a_{21} & a_{22}\end{vmatrix}=a_{11}a_{22}-a_{12}a_{21}$。其中aij(i=1,2;j=1,2)稱為元素。i代表行標,j代表列標。

2、三階行列式

二階看起來挺容易就算出來了,三階的呢?

  

3、例題

計算$D=\begin{vmatrix}1 & 2 & -4\\ -2 & 2 & 1\\ -3 & 4 & -2\end{vmatrix}$的行列式。

  

三、矩陣

1、何為矩陣

某航空公司在A,B,C,D四城市之間開闢了若干航線,如圖所示表示了四城市間的航班圖,如果從A到B有航班,則用帶箭頭的線連線 A 與B。

  

如果說我們用表格的形式來表示這種關係並且用1和0來表示城市之間是否聯通。

  

何為矩陣:輸入的資料就是矩陣,對資料做任何的操作都是矩陣的操作了。

  

矩陣的組成:矩陣是由行和列來組成的:

  

矩陣的特殊形式:行向量與列向量。$\begin{pmatrix}a_{1} & a_{2} & \cdots  & a_{n}\end{pmatrix}$,$\begin{pmatrix}a_{1}\\ a_{2}\\ \vdots \\ a_{n}\end{pmatrix}$

2、行列式與矩陣的區別

  

方陣:行和列的數量一樣就是方陣了,一般叫做n階方陣。

  

下面介紹幾種特殊的矩陣

  

同型矩陣和矩陣相等是一個事嗎?

兩個矩陣行列數相同的時候稱為同型矩陣,例如$\begin{pmatrix}1 & 2\\ 2 & 3\end{pmatrix}$與$\begin{pmatrix}2 & 4\\ 1 & 2\end{pmatrix}$

在同型的前提下,並且各個元素相等,這就是矩陣相等了:

  

3、矩陣的基本運算

假如說有兩個$M\times N$的矩陣$A=(a_{ij}),B=(b_{ij})$:

  

矩陣乘法的運算規律:

  

注意:矩陣的乘法是沒有交換律的&nb