微積分二版
林光賢.陳天進.劉明郎著
Chapter 7 多變數微積分
Chapter 7 多變數微積分
課程內容
多變數函數
偏微分
多變數函數的極值
受制型極值與拉氏乘子 法
最小平方法
全微分
二重積分
學習目標
如何在三維坐標上描繪出
二個變數函數的圖形
如何求偏導數與多變數函
數的極值
如何使用拉氏乘子法求受
制型的極值
如何使用最小平方法建立
數學模型
瞭解全微分的意義及其應
用
如何求二重積分
多變數函數
本章之前所討論的函數都只有一個自變數,其格式 為 y = f(x) 。許多函數可能含有若干個自變數,例 如長途電話費就與三個變數有關:距離、通話時段 與通話時間。
首先介紹兩個變數的函數,函數 f 與二個變數 x
, y 有關,則寫成 z = f(x, y) , f(x, y) 的定義域為 函數有定義的所有有序對 (x, y) 的集合。值域則為 所有函數值的集合。
求定義域與函數值
設 ,求 (a) 定義域 (b) f
(9, 2) 。
設 f(x, y) = exy
lny ,求 (a) 定義域 (b) f(2, 1) 。
2
)
2,
(
yy x
x
f
成本函數與生產函數
求成本函數
某公司生產腳踏車與直排輪鞋,其每週的固定成本為 120000 元。其變動成本分別為腳踏車 2200 元,直排輪鞋 700 元。
(a) 求其成本函數。
(b) 求生產 200 台腳踏車與 300 雙直排輪鞋的總成本。
Cobb-Douglas 生產函數
經濟學家用來描述資本財與勞動力兩者間的關係稱為 Cobb-D ouglas 生產函數,其形式如下:
其中 K 表示資本財的單位, L 表示勞動力的單位。通 常資本財則包括建築物、設備與原物料,勞動力都以工時為 單位。若 P(K, L)=100K1/4L3/4,求 P(150, 220) 。
1 0
, 0 ,
) ,
(K L KL1 P
三個或更多變數的函數
求體積與面積
一個上面有開口的箱子,中間有隔板均分成二部分如下圖 所示。求箱子的體積 v 與箱子所需的紙板面積 M 。
解 : v = xyz
M = yz + 2xy + 3xz
描繪函數圖形
格式為 z = f(x, y) 的函數,欲描繪 z = f(x, y) 的圖 形需要使用三維空間才能描出點 (x, y, z) 。例如點 (2, 3, 4) 與 (2, 2, 3) 描繪於右圖。
通常函數 z = f(x, y) 的圖形 為三度空間的曲面 (surface)
。繪製含有二變數的函數圖 形需應用到三度空間的圖,
是一件不容易的事。
描繪函數圖形
繪出 f(x, y) = x2 + y2 的圖形。
解 : 先令 z = x2 + y2 。然後 選擇若干個 x 與 y 的值
。當 x = y = 0 ,得 z = 0 + 0 = 0 ,表示點 (0, 0, 0)
。當 x = 1 與 y = 1 ,得 z = 12 + 12 = 2 ,表示點 (1, 1, 2) 。當 x = 0 與 y = 2
,得 z = 0 + (2)2 = 4 ,表 示點 (0, 2, 4) 。其完整的 圖形如右圖。
相對極點
定義 7-1: 曲面 z = f(x, y) 上的點 (a, b, c) ,若對 (a, b) 周 圍某個區域內的所有 (x, y) 均有 f(a, b) f(x, y) ,稱為相對 極大點。
定義 7-2: 曲面 z = f(x, y) 上的點 (a, b, c) ,若對 (a, b) 周圍 某個區域內的所有 (x, y) 均有 f(a, b) f(x, y) ,稱為相對極小 點。
鞍 點
我們有時也會以相對極點 (relative extreme point) 來統稱相 對極大點與相對極小點這兩種極點。曲面上可能會有若干個 相對極點,甚至沒有極點。
另外下圖的點稱為鞍點 (saddle point) ,從曲面的一個曲線 來看鞍點是最高點,從另一條曲線來看這個最高點卻又變成 最低點,所以鞍點不是相對極點。
隨堂演練 7-1
1. 繪出 f(x, y) = 3x + y + 2z = 6 的圖形。
2. 存款 10,000 元於銀行帳戶 內,若連續型複型複利為 r% 且存款 t 年,將帳戶 的累積總存款記為 r 與 t 的函數為 A(r, t) ,求 A(5, 10) 。
3. 求下列函數的定義域:
4. 將下圖圓柱體的表面積表 示成 r 與 h 的函數 S(r, h) ,並求 S(3, 10) 。
y y x
x h
y x
y x g
y x
y x f
) 1 , ( c.
25 )
, ( b.
2 3
) , ( a.
2 2
偏微分
對於單一變數的函數 f(x) ,其導數 f '(x) 是用來度量 當獨立變數 x 產生變化時,函數值 f(x) 的變化率。
對於超過一個變數的函數 y = f(x1, x2, … , xn) 我們當然 也可以問當獨立變數 xi 改變時 f(x1, x2, … , xn) 的變 化為何?
多變數函數有多個導數,每個單一變數對應一個導數
,這個導數我們稱為偏導數 (partial derivative) ,其過 程稱為偏微分 (partial differentiation) 。
偏導數是用來度量當其中一個變數變動而其餘固定不 變時,多變數函數值的變化率。
偏導數
定義 7-3:
1. 函數 f(x, y) 對 x 的偏導數為
在計算 時, y 維持固定不變。
2. 函數 f(x, y) 對 y 的偏導數為
在計算 時, x 維持固定不變。
h
y x f y
h x f x h
f ( , ) ( , )
lim
0
x f
h
y x f h
y x f y h
f ( , ) ( , )
lim
0
y f
偏導數
求偏導數
偏導數常以寫在函數下的足標來表示,足標為 x 表示 對 x 的偏微分,足標為 y 表示對 y 的偏微分。即
若 f(x, y) = 5x3 3x2y4 6y3,求 fx(x, y) , fy(x, y) 。
若 f = exln y ,求 fx, fy 。
若 f = (xy3 + 2)3,求 fx 。
) 1 2
2 3
( ,
,
, 3 5 5 2 3 2
5
3
x x y y x y x y x x x y y x
yz xz y
x
y y x x
f f
y x f z
y x f y
x f
y x f y
x f
,
) , (
) , ( )
, (
), , ( )
, (
偏導數
求偏導數
若 ,求 gy。
若 f(x, y) = ln(x3+y3) ,求 fy(x, y) 。
若 ,求 fx(2, 1) 。
求 。
偏導數的意義
偏導數只對其中的一個變數微分,其餘的維持不變,因此 偏導數可解釋為一次只針對一個變數的瞬時變化率。
fx(x, y) = ( 當 y 固定時,函數 f 對 x 的瞬時變化率 )
fy(x, y) = ( 當 x 固定時,函數 f 對 y 的瞬時變化率 )
2 2
2 y x
g xy
2
) 2
,
(x y ex y
f
) (x3y2z
y f
偏導數的意義
設 Cobb-Douglas 生產函數為 P(K, L) = 20K0.3L0.7 。 求 PK(150, 120) 及 PL(150, 120) ,並解釋其意義。
解 : PK = 6K0.7L0.7
, P
K(150, 120)= 6(150)
0.7(120)
0.7 5.13
意義 : PK = 5.13 表示當資本財額外增加一單位時,產能約增加 5.13 單位。這稱為資本財的邊際生產量
解。 : PL
=14K
0.3L0.3, P
L(150, 120)=14(150)
0.3(120)
0.3 14.9
意義6
: PL = 14.96 表示當勞動力額外增加一單位時,產能約增加 14.96 單位。這稱為勞動力的邊際生產
量。這兩個值表示在 K = 150 與 L = 120 單位時,欲增加生產 量增加勞動力一單位的效果約等於增加一單位資本財的 3 倍
偏導數的意義
就如同導數一樣,偏導數也可以解釋成邊際函數。
令 C(x, y) 為生產 x 單位產品 A 與 y 單位產品 B 的成本函數,則
Cx(x, y) = ( 產品 A 的邊際成本函數,當產品 B 的產量 維持不變時 )
Cy(x, y) = ( 產品 B 的邊際成本函數,當產品 A 的產量 維持不變時 )
同理,對收入與利潤函數上述之定義同樣適用。偏 微分只定義一個變數的邊際函數,這時其他的變數 均維持不變。
求邊際利潤函數
某公司每日由生產 x 台電腦與 y 台鍵盤所得的利 潤為 P(x, y) = 6x3/2 + 4y3/2 + xy 。求其邊際利潤函數,
計算 Py(225, 400) 並解釋其意義。
解 : Px
(x, y) = 9x
1/2+ y, P
y(x, y) = 6y
1/2+ x
Py(225, 400) = 6(400)
1/2+ 225 = 345
意義 : 當產量為 225 台電腦與 400 台鍵盤時
,這時鍵盤的產量由 y = 400 增為 y = 401 時,利 潤約增加 345 元。
偏導數就是斜率
函數 f(x, y) 在三度空間上表示成曲面,偏導數則是曲面 上不同方向的斜率: 表示曲面上 P 點在 x 方向的斜率, 表示曲面上 P 點在 y 方向的斜率,如圖所示。
) , (x0 y0
x f
) , (x0 y0
y f
在右圖中,想像由點 P 往 y 軸的方向前進這時是上坡還是 下坡呢?這時是上坡的方向,
因為 。由點 P 沿 x 軸的方向前進則是下坡,因
為 。
0
x f
0
y f
偏導數就是斜率
某公司每週生產電視與收音機的數量分別表示為 x 與 y 。 其利潤函數 P(x, y) = 40x x2 + 80y y2 ,求此函數圖形 z
= P(x, y) 在點 (20, 40, 2000) 往 x 軸與 y 軸方向的斜率。
解 :
0 )
40 ( 2 80 )
40 , 20 (
2 80
0 )
20 ( 2 40 )
40 , 20 (
2 40
) 80
40
( 2 2 2
Pyy Px P
x Px
y x
y y
x x
Q = (20, 40, 2000) 為圖形 z
= P(x, y) 的最高點,這時正 是二個方向斜率均為 0 之
偏導數在經濟學的應用
偏導數可用來描述二種商品彼此為互相競逐型還是 互補型。
二種商品稱為彼此競逐型,當一種商品的需求增加 時伴隨的結果是另一種商品需求的減少。咖啡與茶 葉就是最古典的競逐型商品的範例,還有如國產汽 車與進口汽車的競爭、自用車通勤與大眾運輸工具 通勤、白米與麵粉的消費。
互補型商品表示二種商品間有同向的關係,當一種 商品的需求增加時,另一種商品的需求也跟著增加。
例如高爾夫球桿與高爾夫球鞋、刮鬍刀與刮鬍泡等
。
商品互為競逐型與互補型
假設有二種商品 A 與 B 。 x 與 y 分別表示商品 A 與 B 每 單位的價格。令函數 f(x, y) 表示商品 A 的需求函數,函數 g (x, y) 表示商品 B 的需求函數。此函數恆有下列關係:
: 因為商品 A 的價格 x 上升,則商品 A 的 需求會下降。
兩商品在價格 (x0, y0) 時為競逐型
: 表示當商品 B 的價格上升時,
商品 A 的需求增加;知 B 的價格上升時,商品 B 的需求 減少;商品 B 的需求減少導致商品 A 的需求增加。
兩商品在價格 (x0, y0) 時為互補型
: 表示某商品價格的上升必使另 一商品的需求減少,就是二者需求均減少。
0
,
0
y g x
f
0 )
, (
, 0 ) ,
( 0 0 0 0
yf x y gx x y
0 ) , (
, 0 ) ,
( 0 0 0 0
yf x y gx x y
競逐型與互補型
兩種商品 A 與 B ,當其價格分別為 x 與 y 時 的需求函數為
f(x, y) = 300 6x2
+ 10y
2(A 的需求函數 ) g(x, y) = 600 + 6x 2y
2(B 的需求函數 )
試問這兩種商品為競逐型還是互補型? 兩種商品 A 與 B ,當其價格分別為 x 與 y 時 的需求函數為
(A 的需求函數 )
(B 的需求函數 )
試問這兩種商品為競逐型還是互補型?y x
yy x x
y x g
y x f
4 34030
) , (
) , (
高階偏導數
重複執行偏微分於多變數函數上將產生高階偏導數 (higher order p artial derivative) 。因這時會遇到混合的偏微分,要注意其符號的 用法,就是先針對某個特定變數做偏微分,然後再對其他變數執 行偏微分。
我們將二階偏導數的符號及意義表列如下:
求二階偏導數
求函數 f(x, y) = x2y3 + e2x lny 的四個二階偏導數。
解 : 首先求 fx = 2xy3 + 2e2x lny
然後再求 fxx 與 fxy :
x xy y
xx x
e xy
f
y e
y
f 2 2 2
2 3
6
ln 4
2
再回到 f = x2y3 + e2x lny ,我們求 ffy y :3x2y2 1y e2x
然後再計算 fyx 與 fyy :
x yy y
x yx y
e y
x f
e xy
f
1 2 2
2 2 2
6 2
6
f換偏微分的先後次xy = fyx ,這表示調
序並無不同。
隨堂演練 7-2
1. 求 fx(x, y) 與 fy(x, y) 。
2. 驗證 fxy = fyx:
3. 存款 10,000 元 於銀行帳戶 內,存款 t 年以年息 r 的連 續型複利計息,則其帳戶總額 為 A(r, t) = 10000ert,求 ,並解釋其意義。
4. 求函數的三個一階偏導數
:
5. 根據所給的一組需求函判 別這兩種商品為競爭型或互 補型:
xy xy
xye y
x f
x e
y x f
) , ( b.
ln )
, ( a.
) 3 ln(
) , ( b.
) , ( a.
2 3 2
y x
y x f
e y
x
f x y
r t r A
( , )
) 2
ln(
) , , ( b.
3 2
) , , (
a. 2 2 2
z y xy
z y x f
z y
x z
y x f
y x
y x
g x
y y x f
x x
y x g
y x
y x f
20 )
, (
10 )
, ( b.
5 100
) , (
2 50 )
, ( a.
2 3
3 2
多變數函數的極值
函數 f(x, y) 的圖形可看成曲面,這個曲面就像地表的地形 有相對極大點 ( 山峰 ) 與相對極小點 ( 谷底 ) 以及鞍點。
以函數的觀點而言,函數在這些點產生相對極大值與相對極 小值或者兩者皆不是。本節將討論如何求出臨界點及使用二 階導數判別法來判別函數的相對極值。
山丘的最高點的斜率 ( 或稱坡度 ) , 不論從那個方向看都是 0 。這時可 以將一枝旗桿水平放在最高點上 ( 如圖 ) 。偏導數 fx 與 fy 分別表示 x 與 y 方向的斜率,所以在相對極 大點與極小點上這二個偏導數應該 均為 0 。我們就稱此點為臨界點 (c ritical point) 。
臨界點
定義 7-4: 若 fx(a, b) = 0 且 fy(a, b) = 0 ,則稱點 (a, b) 為函數 f(x, y) 的臨界點。
求臨界點
求函數 f(x, y) = 6x + 3y x2 y2 – xy 的臨界點。
D 判別法
D 判別法 : 若點 (a, b) 為函數 f(x, y) 的臨界點,令 D D = fxx(a, b) . fyy(a, b)[fxy(a, b)]2
1. 若 D > 0 且 fxx (a, b) < 0 ,則 f(a, b) 為函數 f(x, y) 的相對極大值。
2. 若 D > 0 且 fxx (a, b) > 0 ,則 f(a, b) 為函數 f(x, y) 的相對極小值。
3. 若 D < 0 ,則 (a, b) 為函數 f(x, y) 的鞍點。
使用 D 判別法應注意以下事項:
D > 0 並不足以保證該臨界點為相對極大值或相對極小值。需再檢查二階 導數的正負 ( 即檢查 fxx 或 fyy 均可 ) ,才能判定為相對極大或相對極 小。
D < 0 表示臨界點是鞍點,不必考慮 fxx 的正負。
D = 0 表示 D 判別法無法判別,這個臨界點可能是相對極大、相對極小 或鞍點。
利用 D 判別法求極值
利用 D 判別法求極值
求函數 f(x, y) = 6x + 3y x2 y2 – xy 的極值。
求相對極值
求函數 的相對極值。
求最大利潤
某汽車廠生產小型與中型轎車,小型車的價格函數為 p (x) = 60 8x , x ≦ 7 ;中型車的價格函數為 q(y) = 80
4y , y ≦ 20 ,價格以萬元為單位,生產量 x 與 y 則 表示每小時的產量。若該車廠的生產成本為 C(x, y) = 52x + 64y 8xy + 20 萬元。求車廠追求最大利潤的最佳生產量 與售價為何?並求其最大利潤。
2
) 2
,
(x y ex y
f
求相對極值
求最大利潤與最佳售價
某超商有白色蛋和棕色蛋可供顧客選購,這兩種蛋互為競 逐型商品,其銷售量依售價互相消長。假設該超商已知當 白色蛋每斤 x 元,棕色蛋每斤 y 元時,白色蛋每日的 銷售量為 W(x, y) = 35015x + 6y ( 斤 ) 。棕色蛋每日的 銷售量為 B(x, y) = 250 10y + 4x ( 斤 ) 。求超商每日售 蛋的最大收入,最佳售價 x 與 y 分別為何?
求相對極值
求函數 f(x, y) = x2 + y3 8x 27y 的相對極值。
獨佔事業與偶佔事業
最後我們介紹法國經濟學家 Antoine Cournot 於 1938 年比較獨佔 事業 (monopoly ,市場只有一家供應商 ) 與偶佔事業 (duopoly
,市場有二家競爭的供應商 ) 的差異。這個比較方法,應用多變 數函數求極大值的技巧,得到相當有趣的結果。
獨佔事業:假設劉先生擁有一口良質的礦泉,使用自有的泉源生 產礦泉水且為小鎮的唯一供應商,因為生產成本極低,此處不予 計算。如果他的價格函數為 p = 60 0.01x , x≦6000 ,其中 p 表示每日可以賣出 x 公升的價格。故劉先生的收入函數為 R(x)
= (60 0.01x)x = 60x 0.01x2。要使收入最大,求 R'(x) 並令其 等於 0 :
因此劉先生每日售出 3000 公升,售價則為 p = 60 0.01( 300 0) = 30 ( 元 / 公升 ) 。最大收入為 ( 因為二階導數為負 ) R(3000) = 60 . 3000 0.01(3000)2 = 90000 。
3000
0 02
. 0 60 )
( 060.02
x x x
R
偶佔事業
偶佔事業:劉先生的鄰居陳先生發現賣水還頗有賺頭,也開了一口 泉井生產起礦泉水和劉先生競爭。這時劉先生與陳先生需爭食同一 塊市場。設陳先生每日售出 y 公升。這時兩人的價格函數為 p
= 60 0.01(x + y) = 60 0.01x 0.01y
這兩人的收入仍是價格乘以數量:
( 劉的收入 ) = p . x = (60 0.01x 0.01y)x = 60x 0.01x2 0.01xy ( 陳的收入 ) = p . y = (60 0.01x 0.01y)y = 60y 0.01xy 0.01y2
兩人都想追求最大收入,故取偏導數並令其為 0 :
所以每人每日都賣出 2000 公升。售價則為 p = 60 0.01(2000 + 2000) = 60 – 40 = 20 ( 元 / 公升 ) 。每個人的收入則為 40000 元。
2000
0 2000 02
. 0 01
. 0 60
0 01
. 0 02
. 0
60
x y
y x
y x
獨佔事業與偶佔事業
我們列一個表比較獨佔與偶佔的差異如下:
由上表可知偶佔的情況生產較多的礦泉水,且售價也降低了。
Cournot 下結論認為競爭的狀態較獨佔的狀態對消費者有利。
但是,聰明的商人最後終究瞭解其收入 40000 元小於 90000 元 的一半,這會趨使他們走向合作,共享市場,最後變成獨佔 的狀態。這種狀態稱為聯合壟斷 (collusion) 。這就是當市場 僅有極少數的供應商時,最後會趨向聯合壟斷而不是完全競 爭的理由。
隨堂演練 7-3
1. 求函數 f(x, y) = 3x2 2xy + y2 + x 的臨界點。
2. 求函數 的相 對極值。
3. 求體積為 27 平方公尺的立方體,表面積最小的長、寬與 高。
4. 求三個正數其和為 48 ,其乘積為最大。
5. 某工廠生產 A 與 B 兩產品,其需求函數分別為 p(x, y)
= 4 x + 3y 與 q(x, y) = 8 + x 2y ,求其收入最大的定價 為何?
2 2
1 1
) 3 ,
(x y xy x y xy
f
受制型極值與拉氏乘子法
許多商業上的應用,希望找到多變數函數的最大值 與最小值,並且這些變數需滿足某些限制式 (constr aint) 。例如,公司想要獲取最大利潤並使其花費在 原定預算之內,或者某酒廠想要設計一個鋁罐希望 所使用的材料最小但容量正好為 500cc 。
這類受制型極值的問題可使用拉氏乘子法 (Lagrang e multiplier method) 求解,這方法是法國數學家 Jos eph Louis Lagrange (1736-1813) 所發明的。
求受制型的最大利潤
某家電公司,希望訂定最適當的標準型與豪華型洗 碗機的生產數量,以獲取最大的利潤。若已知其利 潤函數為 P(x, y) = 40x + 20y x2 y2 ( 元 ) ,其中
x 與 y 分別表示標準型與豪華型洗碗機的每日產量。
該公司每日的產能為 20 台洗碗機。
每日的產能為 20 台,可以寫成 x + y = 20 。在例 中我們欲求 P(x, y) 的最大值,此 P(x, y) 稱為目 標函數 (objective function) 。產能受制於 (subject t o, s.t.) x + y – 20 = 0 的限制式。問題可以寫成
0 20
s.t.max ( , ) 40 20 2 2
y
x x y x y x y
P
拉氏乘子法
我們利用多變數函數的方法來求解。首先,我們引入一個新的 變數 ,將此問題改寫成函數 L(x, y, ) 稱為拉氏函數 (Lagra nge function) ,為目標函數加上 乘以限制式:
拉氏函數有三個變數 x 、 y 與 ,我們分別對這三個變數求 偏導數並令其為 0 :
聯立方程式解為 x = 15 , y = 5 , = 10 因此 P(15, 5) 即 為最大利潤。所引進的變數 稱為拉氏乘子 (Lagrange multipl ier) 。
) 20 (
20 40
) , ,
(x y x y x2 y2 x y
L
0 20
0 2
20 2 0
40
y x
L
y
L x
L
y x
拉氏乘子法
拉氏乘子法
當利用拉氏乘子法找出臨界點後,這方法並未保證 所找到的臨界點即為目標函數的最大值或最小值。
D 判別法, D = fxxfyy (fxy)2 ,只適用於非受制型的 極值問題,在解受制型的極值問題並不適用。
遇到受制型的極值問題時,我們必須確認最大值或 最小值確實存在,也就是確定問題有答案,則解答 必在由拉氏乘子法所求出的臨界點之中。
要如何確認所求的問題有解呢?事實上,大部分合 理的應用問題都有解。
拉氏乘子法求最大面積
農夫想要沿著房子的一面牆圍一座矩形的畜欄,靠 牆的這邊不需要柵欄,如果他只準備 80 公尺的柵欄
,請問如何圍出最大的面積?
解 : 問題變為 :
先寫出拉氏函數
求拉氏函數的偏導數令其為 0 :
0 80 2
s.t.max
y x xy A
) 80 2
( )
, ,
(x y xy x y
L
0 80 2
00 2
y x L
x
L y
L
y x
4020 20
y x
拉氏乘子法求半徑與高
製罐公司設計容量為五公升的圓柱型鐵罐,希望使 用最少的材料,求此鐵罐的半徑與高。
解 : 為使鐵罐所使用的材料為最少,就是要求鐵罐有最小的表面 積。令半徑為 r ,高為 h ,則鐵罐的表面積為 A = 2r2 + 2r h 體積則為 V = r2 h 。所以原問題變成:
5000
s.t.
2 2
min 2
2
h r
rh r
A
拉氏函數為
求拉氏函數的偏導數令其為 0 :
) 5000 (
2 2
) , ,
(r h r2 rh r2h
L
0 5000
0 2
0 2
2 4
2
2
h r L
r r
L
rh h
r L
h r
h r 2
54 . 18.27
9 hr
拉氏乘子法求最大產能
某工廠預估其生產函數為 P(K, L) = 100K1/4 L3/4,其中 K 與 L 分別代表資本財與勞動力的單位數量。每單位的資本財成 本為 200 元,每單位的勞動力成本為 100 元。若每小時 所能使用的資本財及勞動力限制為 8000 元,求資本財與勞 動力的配置數量使產能為最大。
解 : 原問題變成
8000 100
200
s.t.max ( , ) 100 1 4 3 4
L
K L K L
K P
拉氏函數為
) 8000 100
200 (
( , , ) 100 1 4 3 4
L
K K L
L K
L
令其偏導數為 0 :
0 8000
100
200 100 0
75
0 200
25 1 4 1 4 4 3 4 3
L K
L K L
L
L K
L
L K
K
L 6 60
10 L
K
拉氏乘子的意義
拉氏乘子 有極重要的意義,若我們將目標函數的單位稱為「目標單 位」,限制式所使用的單位稱為「限制單位」,則 的意義如下。
|= 每增加額外一單位的限制單位約可增加的目標單位的數量。
觀察農夫圍畜欄的例子,農夫總共有 80 公尺的柵欄,這是他的預算。
因此 為每增加 1 公尺的材料畜欄所增加的面積。該例題的 = 20
,表示每增加 1 公尺的材料則畜欄約增加 20 平方公尺。
設農夫現有 81 公尺的材料,他可以將長度 y 增加 1 公尺,用掉多 出來的 1 公尺,面積就多出 20 平方公尺;他也可以將寬度增加 0.5 公尺,多出來的面積還是 20 平方公尺;但是如果我們以材料 81 公 尺,使用拉氏乘子法重解,所得的答案為 x = 20.25 , y = 40.5 , A = (20.25)(40.5) = 820.125 其所增加的面積應為 20.125 平方公尺,這是我 們前面解釋 時均宣稱「約」的原因。
受制型極值的幾何意義
求
2
s.t.max ( , ) 16 2 2
y
xf x y x y
解 : 拉氏函數為
L(x, y, ) = 16 – x2 – y2 + (x + y – 2) Lx = 2x + = 0
Ly = 2y + = 0 L = x + y – 2 = 0
14 )
1 , 1 (
1
,
1
f
y x
目標函數 f(x, y) = 16 x2 y2 為開口向下的拋物面,
其最大值出現在 (0, 0, 16) 。
求最大值與最小值
求函數 f(x, y) = 4xy 滿足 x2 + y2=50 的最大值與最小值。
解 :
拉氏函數為
L(x, y, ) = 4xy + (x2 + y2 – 50) Lx = 4y + 2x = 0Ly = x + 2y = 0 L = x2 + y2 – 50 = 0
yx x
y 2
2 ,
2 2 2
2xy yx , y x
即 y
2= x
2,所以 y = x 。代入
L= 0 ,得 2x
250 = 0 。因此, x
= 5 , y = 5 。 x = 5 與 y = 5
的組合,共可組成四個臨界點,如
下表:
隨堂演練 7-4
1. 求三個正數其和為 48 ,其 乘積為最大。
2. 某人欲建一塊矩形的停車 場,其中一邊利用現成建築 物的一面牆,其餘三邊使用 圍籬。若他有 200 公尺的 圍籬,應該如何圍出面積最 大的停車場?
3. 某工廠其生產函數為 P(K, L) = 100 K0.8L0.2,其中 K 與 L 分別代表資本財與勞 動力的單位數量。
每單位的資本財成本為 2 00 元,每單位的勞動力成 本為 100 元。若每日能使 用的總成本限制為 20000 元,求資本財與勞動力的配 置數量使產能為最大。
4. 計算隨堂演練第 2 題與第 3 題的 值,並解釋其意 義。
5.
0 ,
8
s.t.
) , ( max
2 2
y
x
y x
xy y
x f
最小平方法
本書使用許多數學模型描述利潤函數、生產函數與 成本函數等函數。這些函數如何得到的?
例如 Cobb-Douglas 生產函數 P = aKbL1b 。如何決 定 a 與 b 的值?這個問題稱為擬合曲線 (fitting curve) ,就是尋找一個函數,使該函數的圖形與所 收集資料呈現的圖形非常地擬合。
最簡單的問題為直線擬合 (fitting a straight line) , 就是給予一組資料點 (x1, y1) , (x2, y2) , … , (xn, yn) 找 到最「擬合」的直線方程式 y = ax + b ,最常使用 的方法為 最小平方法 (method of least squares) 。所 求出的直線可用來描述資料的趨勢或作預測。