μ œμ•½ 쑰건 μ•„λž˜μ—μ„œ ν•¨μˆ˜μ˜ 극값을 μ°ΎλŠ” 방법에 λŒ€ν•΄. Constraint Curve와 Level Curveκ°€ μ ‘ν•  λ•Œ μ΅œλŒ€/μ΅œμ†Œλ₯Ό 이룬닀. μ œμ•½ 쑰건이 두 개일 λ•ŒλŠ” Lagrange Multiplierκ°€ 2개 ν•„μš”ν•¨. ✌️

9 minute read

λ³΅μˆ˜μ „κ³΅ν•˜κ³  μžˆλŠ” μˆ˜ν•™κ³Όμ˜ μ‘Έμ—…μ‹œν—˜μ„ μœ„ν•΄ ν•™λΆ€ μˆ˜ν•™ κ³Όλͺ©λ“€μ„ λ‹€μ‹œ κ³΅λΆ€ν•˜κ³  μžˆμŠ΅λ‹ˆλ‹€. 미적뢄학 포슀트 전체 보기

A powerful method for finding extreme values of constrained functions

β€œλΌκ·Έλž‘μ£Ό μŠΉμˆ˜λ²•(Lagrange Multiplier)β€λΌλŠ” 방법둠은 μ œν•œ 쑰건이 μžˆλŠ” μƒν™©μ—μ„œ ν•¨μˆ˜μ˜ κ·Ήκ°’(extreme value)λ₯Ό κ°•λ ₯ν•œ 방법이닀. μ§€κΈˆκΉŒμ§€ μ•žμž₯μ—μ„œ 배운 미적뢄학2 λ‚΄μš©μ„ μ „λΆ€ λ°”νƒ•μœΌλ‘œ ν•˜λŠ” μ€‘μš”ν•œ μ‘μš© 사둀 쀑 ν•˜λ‚˜λ‹€.

The Lagrange Multiplier

picture from wikimedia

κ±°λ‘μ ˆλ―Έν•˜κ³  λ°”λ‘œ μ–΄λ–»κ²Œ ν•˜λŠ” 건지 λ°”λ‘œ μ‚΄νŽ΄λ³΄μž.

이차원 평면 상에 ν•¨μˆ˜ $z = f(x, y)$κ°€ μžˆλ‹€. 이 ν•¨μˆ˜μ˜ μ΅œλŒ€/μ΅œμ†Œ 값을 κ΅¬ν•˜λŠ” 것이 λͺ©ν‘œμ΄λ‹€. 그런데 μ΅œλŒ€/μ΅œμ†Œ 값을 ν•¨μˆ˜μ˜ μ •μ˜μ—­ 전체가 μ•„λ‹ˆλΌ νŠΉμ • κ΅­μ†Œ λ²”μœ„μ— μ•ˆμ—μ„œμ˜ μ΅œλŒ€/μ΅œμ†Œ 값을 μ°Ύκ³  μ‹Άλ‹€. μ΄λ•Œ, κ΅­μ†Œ λ²”μœ„λŠ” μ˜μ—­(Region)이 μ•„λ‹ˆλΌ $g(x, y) = k$λΌλŠ” κ³‘μ„ μœΌλ‘œ μ£Όμ–΄μ§„ 상황이닀. 이 곑선 μœ„μ—μ„œ ν•¨μˆ˜ $f(x, y)$의 μ΅œλŒ€/μ΅œμ†Œ 값을 ꡬ해야 ν•˜λ©°, $g(x, y) = k$λ₯Ό μ œμ•½μ‘°κ±΄(Constraint)라고 ν•œλ‹€.

곑선 $g(x, y) = k$ μœ„μ— μ‘΄μž¬ν•˜λŠ” ν•¨μˆ˜ $f(x, y)$의 μ΅œλŒ€/μ΅œμ†Œ κ°’μ˜ μœ„μΉ˜κ°€ $(a, b)$라고 ν•˜μž. 그러면, μœ„μΉ˜ $(a, b)$λŠ” μ•„λž˜μ˜ μ•„λž˜μ˜ 등식을 λ§Œμ‘±ν•œλ‹€.

\[g(a, b) = k\]

μ œμ•½μ‘°κ±΄μ„ μ΄λ£¨λŠ” 곑선 $g(x, y) = k$에 μžˆμœΌλ‹ˆ 이건 λ‹Ήμ—°ν•˜λ‹€.

\[\nabla f = \lambda \nabla g\]

κ°‘μžκΈ° Gradient Vectorκ°€ λ‚˜μ™”λ‹€!! μœ„μ˜ 식은 μ΅œλŒ€/μ΅œμ†Œ μœ„μΉ˜ $(a, b)$μ—μ„œ ν•¨μˆ˜ $f(x, y)$와 $g(x, y)$의 Gradient Vectorκ°€ μ„œλ‘œ 같은(parallel) λ°©ν–₯을 λ°”λΌλ³Έλ‹€λŠ” 것을 λ§ν•œλ‹€. 평행을 ν‘œν˜„ν•˜κΈ° μœ„ν•΄ $\lambda \in \mathbb{R}$둜 ν‘œν˜„ν•œ 것.

μœ„μ™€ 같은 Gradient Vectorκ°€ ν‰ν–‰ν•œ 상황이 λ‚˜μ˜€λŠ” μ΄μœ λŠ” μ œμ•½μ‘°κ±΄ $g(x, y) = k$ 곑선과 ν•¨μˆ˜ $f(x, y)$의 Level Curve $f(x, y) = z_0$κ°€ μ„œλ‘œ μ ‘ν•˜κΈ° λ•Œλ¬Έμ΄λ‹€.

μ²˜μŒμ—λŠ” Constraint Curve와 Level Curveκ°€ μ ‘ν•œλ‹€λŠ” 쑰건이 이해가 μ•ˆ λ˜μ—ˆλ‹€. β€œκΌ­ μ ‘ν•΄μ•Όλ§Œ μ΅œλŒ€/μ΅œμ†Œκ°€ μžˆλŠ”κ±΄κ°€?β€λΌλŠ” 생각이 λ“€μ—ˆλ‹€. κ·Έλž˜μ„œ μ°Ύμ•„λ³΄λ‹ˆ stackexchange μ‚¬μ΄νŠΈμ—μ„œ μš”λŸ° 닡변을 μ°Ύκ³  λ“œλ””μ–΄ 이해가 μ’€ λ˜μ—ˆλ‹€.

For $f(x, y) = d$, you increment value $d$ until you touch $𝑔(x, y)=c$. In the moment of contact you take a minimum. If you go on, just before $f(x, y) = d$ leaves the contact, you take the maximum.

즉, $f(x, y) = d_{min}$ν•˜λŠ” μ μ—μ„œλΆ€ν„° 점점 ν•¨μˆ«κ°’μ„ ν‚€μš°λ©° Level Curveλ₯Ό ν™•μž₯ν•˜λ‹€κ°€ $g(x, y) = k$와 μ ‘ν•˜λŠ” κ·Έ μˆœκ°„μ΄ minimum μˆœκ°„μ΄λ‹€. μ—¬κΈ°μ„œ Level Curve의 값을 더 늘리면 μ œμ•½μ‘°κ±΄μ€ λ§Œμ‘±ν•˜μ§€λ§Œ μ ‘ν•˜λ˜ μˆœκ°„λ³΄λ‹€λŠ” ν•¨μˆ«κ°’μ΄ 컀져버린닀.

picture from wikimedia

그림을 곁듀여 ν•¨κ»˜ μ΄ν•΄ν•΄λ³΄μž.


\[\nabla f = \lambda \nabla g\]

Gradient Vector둜 이뀄진 식은 벑터 등식이닀. λ”°λΌμ„œ 이것을 ν’€κΈ° μœ„ν•΄μ„  μ„±λΆ„λ³„λ‘œ 등식을 μ„Έμ›Œμ„œ ν’€λ©΄ λœλ‹€. 처음의 μ œμ•½ 쑰건 μ‹κΉŒμ§€ 같이 적으면 μ•„λž˜μ™€ κ°™λ‹€.

\[\begin{aligned} f_x &= \lambda g_x \\ f_y &= \lambda g_y \\ g(x, y) &= k \end{aligned}\]

μœ„μ˜ 연립방정식을 ν’€λ©΄ μ œμ•½μ‘°κ±΄ μœ„μ—μ„œμ˜ μ΅œλŒ€/μ΅œμ†Œκ°’κ³Ό κ·Έ μœ„μΉ˜λ₯Ό μ•Œ 수 μžˆλ‹€. μœ„μ˜ μ—°λ¦½μ‹μ—μ„œ ꡬ해야 ν•  λ―Έμ§€μˆ˜λŠ” μ΅œλŒ€μ΅œμ†Œκ°’μ˜ μœ„μΉ˜ $(x, y)$ 뿐만 μ•„λ‹ˆλΌ multiplier인 $\lambda$의 값도 λ―Έμ§€μˆ˜λ‘œμ„œ κ·Έ 값을 μ°Ύμ•„μ•Ό ν•œλ‹€. μ΄λ•Œ $\lambda$λŠ” κ·Έ 값을 찾아도 별 μ˜λ―ΈλŠ” μ—†μ§€λ§Œ 방정식을 풀닀보면 κ·Έ 값을 λ°˜λ“œμ‹œ μ°Ύμ•„μ•Ό ν•œλ‹€λŠ” κ±Έ κΉ¨λ‹«κ²Œ λœλ‹€. (μ˜ˆμ œμ—μ„œ 느끼게 될 것.)

Constrained Maxima/Minima

Find the point $(x, y, z)$ on the plane $2x + y - z = 5$ that is closest to the origin.

평면 $g(x, y, z) = 5$ μœ„μ— μžˆμœΌλ©΄μ„œλ„ distance ν•¨μˆ˜ $d(x, y, z) = x^2 + y^2 + z^2$의 값을 μ΅œμ†Œν™” ν•˜λŠ” 점 $p(x, y, z)$λ₯Ό μ°Ύμ•„μ•Ό ν•œλ‹€. Lagrange Methodλ₯Ό μ‚¬μš©ν•΄ Gradient에 λŒ€ν•œ 식 $\nabla d = \lambda \nabla g$을 μ„Έμš°λ©΄

\[\begin{aligned} 2x &= 2 \lambda \\ 2y &= \lambda \\ 2z &= - \lambda \\ \end{aligned}\]

이것을 $g(x, y, z) = 2x + y - z = 5$에 λŒ€μž…ν•˜λ©΄, $2 \lambda + \lambda/2 + \lambda/2 = 5$κ°€ 되고, $\lambda = 5/3$이 λœλ‹€.

이λ₯Ό λ°”νƒ•μœΌλ‘œ λ‹€μ‹œ $(x, y, z)$에 λŒ€μž…ν•˜λ©΄, closest point $(x, y, z) = (5/3, 5/6, -5/6)$κ°€ λœλ‹€. $\blacksquare$

Lagrange Method with Two Constraints

Thomas Calculus 13th ed.

μ–΄λ–€ κ²½μš°λŠ” μ œμ•½ 쑰건이 2개 μ‘΄μž¬ν•  μˆ˜λ„ μžˆλ‹€.

\[g_1(x, y, z) = 0 \text{ and } g_2(x, y, z) = 0\]

μ΄λ•Œ 두 μ œμ•½μ‘°κ±΄μ€ λ‘˜λ‹€ λ―ΈλΆ„κ°€λŠ₯ ν•˜λ©°, Gradient Vectorκ°€ μ„œλ‘œ ν‰ν–‰ν•˜μ§€ μ•Šμ•„μ•Ό ν•œλ‹€.

두 μ œμ•½μ‘°κ±΄ $g_1 = 0$와 $g_2 = 0$κ°€ μ„œλ‘œ κ΅μ°¨ν•˜μ—¬ 생긴 곑선 $C$λ₯Ό μƒκ°ν•΄λ³΄μž. μš°λ¦¬λŠ” 이 곑선 $C$ μœ„μ—μ„œ ν•¨μˆ˜ $f(x, y, z)$의 κ·ΉλŒ€/κ·Ήμ†Œ 값을 μ°Ύμ•„μ•Ό ν•œλ‹€. 그리고, 곑선 $C$λŠ” ν•¨μˆ˜ $f(x, y, z)$와 μ ‘ν•˜λŠ” μ§€μ μ—μ„œ κ·ΉλŒ€/κ·Ήμ†Œ 값을 κ°–λŠ”λ‹€. 이것은 μ œμ•½μ‘°κ±΄μ΄ ν•˜λ‚˜ μ˜€μ„ λ•Œμ™€ λΉ„μŠ·ν•œ νŒ¨ν„΄μ΄λ‹€.

\[C \perp \nabla f\]

또, 곑선 $C$λŠ” $\nabla g_1$, $\nabla g_2$와도 수직 관계λ₯Ό 이룬닀. 이것은 곑선 $C$κ°€ μ œμ•½μ‘°κ±΄μ„ μ΄λ£¨λŠ” 평면 μœ„μ— μ‘΄μž¬ν•˜κΈ° λ•Œλ¬Έμ΄λ‹€.

\[C \perp \nabla g_1 \text{ and } C \perp \nabla g_2\]

μœ„μ˜ 두 사싀을 λ°”νƒ•μœΌλ‘œ $\nabla f$κ°€ μ„œλ‘œ ν‰ν–‰ν•˜μ§€ μ•Šμ€ 두 벑터 $\nabla g_1$, $\nabla g_2$κ°€ μ΄λ£¨λŠ” 평면 μœ„μ— μžˆμŒμ„ 생각해볼 수 μžˆλ‹€. λ”°λΌμ„œ μ•„λž˜μ™€ 같은 일차 κ²°ν•© 식이 μœ λ„λœλ‹€.

\[\nabla f = \lambda \nabla g_1 + \mu \nabla g_2\]


예제λ₯Ό 톡해 쒀더 μ΅ν˜€λ³΄μž.

The plane $x + y + z = 1$ cuts the cylinder $x^2 + y^2 = 1$ in an ellipse. Find the points on the ellipse that lie closest to and farthest from the origin.

Thomas Calculus 13th ed. - Example Problem

μ œμ•½ 쑰건과 거리 ν•¨μˆ˜λ₯Ό μ •μ˜ν•˜μž.

\[\begin{aligned} g_1 &= x + y + z - 1 = 0 \\ g_2 &= x^2 + y^2 - 1 = 0 \\ d &= x^2 + y^2 + z^2 \end{aligned}\]

Lagrange Method에 따라 Gradient에 λŒ€ν•œ μ„±λΆ„μœΌλ‘œ 등식듀을 μ„Έμš°μž.

\[\begin{aligned} \lambda + 2x \mu &= 2x \\ \lambda + 2y \mu &= 2y \\ \lambda &= 2z \\ \end{aligned}\]

μœ„μ˜ 등식에 $\lambda = 2z$λ₯Ό λŒ€μž…ν•˜κ³  μ •λ¦¬ν•˜λ©΄

\[\begin{aligned} z &= x(1 - \mu) \\ z &= y(1 - \mu) \\ \end{aligned}\]

μœ„μ˜ 등식은 2κ°€μ§€ κ²½μš°μ—μ„œ μ„±λ¦½ν•˜κ²Œ λ˜λŠ”λ°,

  1. $z = 0$이고, $\mu = 1$
  2. $x = y$이고, $\mu \ne 1$

1번의 κ²½μš°λŠ” $\lambda = 2z = 0$이 되고, 지점은 $(1, 0, 0)$ λ˜λŠ” $(0, 1, 0)$이 λœλ‹€. κ·Έλ¦Όμ—μ„œ $x$μΆ•, $y$μΆ• μœ„μ— μžˆλŠ” 점듀이며, closest pointλ₯Ό 이룬닀.

2번의 κ²½μš°λŠ” $x = y = \pm \frac{1}{\sqrt{2}}$κ°€ 되며, $z = 1 \mp \sqrt{2}$κ°€ λœλ‹€. κ·Έλ¦Όμ—μ„œ $P_1$, $P_2$κ°€ λ°”λ‘œ κ·Έ 점듀이며, farthest pointλ₯Ό 이룬닀.

Categories:

Updated: