מחשבון מכפילי לגראנז'

מחבר: Henrick Yau
- July 21, 2026
| |

מחשבון מכפילי לגראנז'

מחשבון זה מוצא נקודות קיצון (מקסימום או מינימום) של פונקציה רב-משתנית תחת אילוץ אחד או יותר באמצעות כופלי לגראנז'. זוהי שיטה עוצמתית לבעיות אופטימיזציה עם אילוצים.

פונקציה ואילוצים

אפשרויות תצוגה

אודות כופלי לגראנז'

שיטת מכפילי לגראנז' היא שיטה למציאת קיצון (ערכי מקסימום או מינימום) של פונקציה רב-משתנית תחת אילוץ אחד או יותר. זוהי טכניקה בסיסית בתורת האופטימיזציה, עם יישומים בכלכלה, פיזיקה, הנדסה ותחומים רבים אחרים.

מושגי מפתח
  • פונקציית מטרה: הפונקציה f(x,y) אותה אנו רוצים למקסם או למזער.
  • אילוץ: תנאי g(x,y) = 0 המגביל את תחום האופטימיזציה שלנו.
  • לגראנז'יאן: פונקציה חדשה L(x,y,λ) = f(x,y) - λg(x,y) המשלבת את המטרה והאילוץ שלנו.
  • נקודות קריטיות: נקודות שבהן הגרדיאנט של f מקביל לגרדיאנט של g, בקנה מידה של מכפיל לגראנז' λ.
יישומים
  • כלכלה: אופטימיזציה של תועלת תחת אילוצי תקציב.
  • פיזיקה: מציאת מצבי שיווי משקל במערכות מכניות.
  • הנדסה: תכנון מבנים אופטימליים תחת אילוצים פיזיקליים.
  • חקר ביצועים: הקצאת משאבים ותכנון ייצור.

מהו מחשבון מכפילי לגראנז'?

מחשבון מכפילי לגראנז' עוזר לך למצוא את הערכים המקסימליים או המינימליים של פונקציה מרובת משתנים כאשר מופעל אילוץ אחד או יותר. הוא משתמש בשיטה מחשבון אינפיניטסימלי הנקראת מכפילי לגראנז', הנפוצה בבעיות אופטימיזציה שבהן פתרונות ישירים אינם אפשריים בשל מגבלות או תנאים שיש לקיים.

עבור פונקציה \( f(x, y) \) עם אילוץ \( g(x, y) = 0 \), אנו פותרים:
\( \nabla f(x, y) = \lambda \nabla g(x, y) \)
עם שני אילוצים \( g(x, y) = 0 \) ו- \( h(x, y) = 0 \), המערכת הופכת ל:
\( \nabla f(x, y) = \lambda \nabla g(x, y) + \mu \nabla h(x, y) \)

למה להשתמש במחשבון זה?

מחשבון זה שימושי עבור:

  • פתרון בעיות אופטימיזציה הכוללות הגבלות או גבולות.
  • הדמיה של האופן שבו פונקציית מטרה מתקשרת עם עקומות אילוץ.
  • חישוב אוטומטי של גרדיאנטים וערכי פונקציה ללא צורך באלגברה ידנית.
  • הבנת היישום של מכפילי לגראנז' בתחומים כמו כלכלה, הנדסה ופיזיקה.

הוא מועיל במיוחד אם אתה עובד על:

  • מיקסום רווח או יעילות תחת אילוצי משאבים
  • בעיות תכנון הנדסיות עם מגבלות מבניות או חומריות
  • ניתוח שיווי משקל בפיזיקה עם חוקי שימור

כיצד להשתמש במחשבון

  1. הזן את פונקציית המטרה שלך במונחים של x ו- y.
  2. הזן לפחות פונקציית אילוץ אחת (למשל, g(x,y) = 0).
  3. לחלופין, הוסף אילוץ שני על ידי סימון התיבה הרלוונטית.
  4. ספק ניחוש התחלתי עבור x ו- y. זה עוזר למחשבון להתחיל את הקירוב שלו.
  5. בחר כמה מקומות עשרוניים תרצה לראות בתוצאות שלך.
  6. בחר אם אתה מעוניין במקסימום, מינימום, או בכל הנקודות הקריטיות.
  7. לחץ על חשב כדי לראות תוצאות, שלבים וגרף (אם מופעל).

מה תראה

לאחר לחיצה על "חשב", הכלי מספק:

  • את הקואורדינטות של נקודות קריטיות המקיימות את תנאי לגראנז'.
  • את הערך של הפונקציה שלך בנקודות אלו.
  • את ערכי מכפילי לגראנז' (λ ואולי μ).
  • את סוג הקיצון שזוהה (מקסימום, מינימום, או לא מוגדר).
  • פירוט שלב אחר שלב של החישוב (אם מופעל).
  • הדמיה המציגה את הפונקציה, עקומות האילוץ והנקודות הקריטיות (אם מופעל).

שאלות נפוצות (FAQ)

האם אני צריך לדעת חשבון אינפיניטסימלי כדי להשתמש בזה?

לא, אבל הבנה של מה הם גרדיאנטים, אילוצים ונקודות קריטיות יכולה לעזור. מחשבון זה מבצע את העבודה הכבדה עבורך.

מהו מכפיל לגראנז'?

זהו ערך (המיוצג כ- λ או μ) המציין עד כמה האילוץ משפיע על האופטימיזציה. הוא חלק מהמערכת המאזנת בין הפונקציה לבין המגבלות שלה.

האם אני יכול להשתמש בזה עבור יותר משני משתנים?

כרגע, מחשבון זה מותאם לפונקציות דו-משתניות עם עד שני אילוצים. עבור ממדים גבוהים יותר, ייתכן שיהיה צורך בכלים מתקדמים יותר.

מה ההבדל בין זה לבין מחשבון נגזרת חלקית?

מחשבון נגזרת חלקית עוזר לחשב את הנגזרת של פונקציה מרובת משתנים ביחס למשתנה אחד בכל פעם. מחשבון זה משתמש בנגזרות חלקיות כחלק מפתרון בעיות אופטימיזציה עם אילוצים.

חקור כלים קשורים

מחשבון זה משמש לעתים קרובות בשילוב עם כלים אחרים, כגון:

  • מחשבון נגזרת חלקית – לחישוב גרדיאנטים ושיפועים בפונקציות מרובות משתנים.
  • מחשבון נגזרת מכוונת – לניתוח קצב השינוי בכיוונים ספציפיים.
  • מחשבון נגזרת שנייה – שימושי לקביעה מדויקת יותר של מקסימום או מינימום.
  • מחשבון נקודות קריטיות – לאיתור מקומות שבהם הנגזרות שוות לאפס או אינן מוגדרות.

מי מרוויח משימוש בכלי זה?

כלי זה מועיל לסטודנטים, מחנכים, מהנדסים, כלכלנים וחוקרים העובדים עם:

  • פונקציות מרובות משתנים
  • אופטימיזציה תחת אילוצים
  • מודלים מתמטיים מבוססי גרדיאנט

הוא מגשר על הפער בין תיאוריה ליישום, ומציע תובנה מיידית לתרחישי אופטימיזציה מוגבלת.