- •3.Нелинейное программирование
- •3.1. Экстремумы в многомерных задачах
- •3.1.2 Матрицца Гессе (гессиан)
- •3.1.3 Необходимые и достаточные условия экстремума
- •3.2 Классическая задача математического программирования. Метод множителей Лагранжа (случай двух переменных)
- •3.2.1 Постановка задачи и функция Лагранжа
- •3.2.2 Необходимые условия экстремума в классической задаче математического программирования (задаче Лагранжа)
- •3.2 Задача нелинейного программирования
- •3.2.1 Постановка задачи
- •3.2 Задача с ограничениями неотрицательности
- •4. Теория фирмы
- •4.1 Производственная функция
- •4.2 Геометрические представления
- •3.5 Неоклассическая теория фирмы
3.Нелинейное программирование
3.1. Экстремумы в многомерных задачах
Пусть n-мерный вектор, а F(x) – дважды непрерывно дифференцируемая функция переменной x , т.е. F(x) функция n переменных xi. Обозначим градиент1 F(x) в точке x0 = т.е. это n-мерный вектор-столбец, координатами которого являются частные производные F(x) по координатам xi, вычисленные в некоторой точке x0. Как известно, первый дифференциал представляется в виде скалярного произведения вектора-градиента на вектор смещения dx.
dF(x0) = dx1 + dx2 + …+ dxn = ( dx)
3.1.2 Матрицца Гессе (гессиан)
Для того, чтобы в векторной форме записать второй дифференциал нам понадобится построить специальную матрицу. Вычислив градиенты каждой из координат вектора-градиента , мы получим n векторов, каждый из которых содержит n координат, равных вторым частным производным функции F(x). Расположив координаты этих n векторов по столбцам матрицы, мы получим квадратную n-мерную матрицу; такая матрица называется матрицей Гессе или гессианом функции F(x):
Т.к. , то гессиан всегда симметричная матрица, и, следовательно, может порождать квадратичную форму. Второй дифференциал d2F представляет собой сумму произведений вторых частных производных на произведение соответствующих приращений независимых переменных:
Легко видеть, что перед нами квадратичная форма относительно приращений переменных dx1, dx2, dx3, … dxn, коэффициенты которой совпадают с элементами матрицы Гессе (гессиана). d2F(x0) = (dx dx)
Здесь dx=(dх1, dх2, dх3,... dхn) – вектор-строка, а dx – соответствующий вектор-столбец, круглые скобки означают скалярное (матричное) произведение. При введенных обозначениях выражение для приращения дважды непрерывно дифференцируемой функции двух переменных выглядит абсолютно так же, как и для приращения функции одной переменной и может рассматриваться как приращение функции одной векторной переменной
F=F(x0+x)– F(x0)=
3.1.3 Необходимые и достаточные условия экстремума
Вполне аналогично случаю одной переменной необходимым условием экстремума является тождественное равенство нулю первого дифференциала, что эквивалентно требованию равенства градиента нуль-вектору = 0 . Точки, в которых это условие выполнено, называются, как и в случае одной переменной, стационарными.
Достаточное условие наличия экстремума формулируется так же, как и в случае одной переменной: для наличия экстремума в стационарной точке достаточна знакоопределенность второго дифференциала, причем положительная определенность достаточна для минимума, а отрицательная определенность для максимума:
d2F(x0) = (dx dx) > 0 min
d2F(x0) = (dx dx) < 0 max
По критерию Сильвестра для положительной определенности квадратичной формы необходимо и достаточно, чтобы все главные миноры матрицы квадратичной формы были положительны, а для отрицательной определенности квадратичной формы необходимо и достаточно, чтобы знаки главных миноров чередовались, т.е. чтобы у минора i-го порядка был знак (–1)i. Таким образом, критерий Сильвестра, примененный к гессиану, дает нам инструмент для выяснения вопроса о наличии экстремума в стационарной точке функции нескольких переменных.