- หน้าแรก
- คลังความรู้
- แคลคูลัสหลายตัวแปร
- ค่าสุดขีด
// บทที่ 24.4 · แคลคูลัสหลายตัวแปร · Optimization
ค่าสูงสุด-ต่ำสุดของฟังก์ชันหลายตัวแปร: จุดวิกฤต Hessian ตัวคูณลากรองจ์ (Lagrange Multiplier) และกำลังสองน้อยสุด
วิศวกรทำงานกับ “ค่าที่ดีที่สุด” ตลอดเวลา: ออกแบบกระป๋องที่ใช้โลหะน้อยที่สุดสำหรับปริมาตรที่กำหนด หาจุดทำงานของแผงโซลาร์ให้ได้กำลังสูงสุด หรือหาเส้นตรงที่พอดีกับข้อมูลที่วัดมา ทั้งหมดคือการหาค่าสูงสุดหรือต่ำสุดของฟังก์ชันหลายตัวแปร หน้านี้สอนครบสามระดับ: จุดวิกฤตและการทดสอบอนุพันธ์อันดับสอง (Hessian) ค่าสุดขีดที่มีเงื่อนไขด้วยตัวคูณลากรองจ์ และกำลังสองน้อยสุด พร้อมแล็บสามชุดที่เห็นการสัมผัสกันของเส้นชั้นกับเส้นเงื่อนไข
สรุปใน 30 วินาที
- จุดวิกฤต: ∇f=0 · ทดสอบ: D=fxxfyy−fxy2 · D>0, fxx>0 ต่ำสุด · D>0, fxx<0 สูงสุด · D<0 อานม้า
- บริเวณปิด: เทียบค่าที่จุดวิกฤตภายใน กับค่าสุดขีดบนขอบ และมุม
- Lagrange: สุดขีดของ f ภายใต้ g=c ที่ ∇f=λ∇g · λ=df∗/dc
- กำลังสองน้อยสุด: เลือก a,b ให้ S=∑(yi−axi−b)2 ต่ำสุด → สมการปกติเชิงเส้น 2 สมการ
ระดับพื้นฐาน ปี 1 · แคลคูลัส 1กลาง แคลคูลัส 3 · คณิตศาสตร์วิศวกรรมขั้นสูง พิสูจน์ · ทฤษฎี
จุดวิกฤต (Critical Points) และการทดสอบอนุพันธ์อันดับสอง พื้นฐาน
ที่ยอดเขาหรือก้นหุบ ผิวราบในแนวนอน: ความชันตามแกนทั้งสองเป็นศูนย์ นั่นคือ ∇f=0 จุดที่ทำให้เป็นจริง (หรือที่อนุพันธ์ไม่มีค่า) เรียกว่าจุดวิกฤต (critical point) แต่ในสองตัวแปร จุดวิกฤตมีสามชนิด ไม่ใช่สอง: ต่ำสุด สูงสุด และจุดอานม้า (saddle point) ซึ่งโค้งขึ้นทางหนึ่งและโค้งลงอีกทางหนึ่ง การทดสอบอนุพันธ์อันดับสองจำแนกทั้งสามด้วยตัวเลขตัวเดียวคือ D
O1 Critical point (necessary condition) จุดวิกฤต (เงื่อนไขจำเป็น)
f มีค่าสุดขีดสัมพัทธ์ที่จุดภายใน (a,b) ⇒ fx(a,b)=0 และ fy(a,b)=0 (∇f=0)
เป็นเงื่อนไข “จำเป็น” ไม่ใช่ “เพียงพอ”: ∇f=0 อาจเป็นจุดอานม้า · ตรวจเฉพาะจุดภายในของโดเมน และจุดที่อนุพันธ์ไม่นิยาม (เช่นยอดแหลมของกรวย)
O2 Second derivative test การทดสอบอนุพันธ์อันดับสอง
D=fxxfyy−fxy2=detH,⎩⎨⎧D>0, fxx>0D>0, fxx<0D<0D=0⇒ต่ำสุดสัมพัทธ์ (local min)⇒สูงสุดสัมพัทธ์ (local max)⇒จุดอานม้า (saddle)⇒ไม่สรุป
D>0 หมายถึงโค้งทิศเดียวกันทุกแนว (ชามหรือโดม) · D<0 โค้งตรงข้ามกันในบางแนว (อานม้า) · ค่า D ต้องคิด “ที่จุดวิกฤต” เท่านั้น
O3 Hessian and eigenvalues เมทริกซ์เฮสเซียนและค่าเฉพาะ
H=(fxxfyxfxyfyy):λ1,λ2>0⇒min,λ1,λ2<0⇒max,λ1λ2<0⇒saddle
ใช้ได้กับ n ตัวแปร: ต่ำสุดเมื่อ H เป็นบวกแน่นอน (positive definite) · detH=λ1λ2=D และ trH=λ1+λ2 · ค่าเฉพาะเป็นความโค้งของผิวในทิศหลัก (ดูค่าเฉพาะ)
แล็บจุดวิกฤตและ Hessian
เลือกตัวอย่างหรือพิมพ์ฟังก์ชันของคุณ โปรแกรมหาจุด ∇f=0 ทั้งหมดในกรอบ จำแนกชนิดด้วย D และ fxx แล้วทำเครื่องหมายบนผิวและแผนที่เส้นชั้น ลองตัวอย่าง “ลิงอานม้า (D = 0)” เพื่อดูกรณีที่การทดสอบไม่สรุป
จุดวิกฤตสามชนิด: ต่ำสุดสัมพัทธ์ (local minimum) สูงสุดสัมพัทธ์ (local maximum) และจุดอานม้า (saddle point) พร้อมเส้นชั้นความสูงของแต่ละชนิด
ตัวอย่าง O-1 · จำแนกจุดวิกฤตหาและจำแนกจุดวิกฤตของ f(x,y)=x4+y4−4xy
fx=4x3−4y=0 และ fy=4y3−4x=0 → y=x3 และ x=y3
แทน y=x3 ใน x=y3: x=x9 → x(x8−1)=0 ได้ x=0,1,−1 (ค่าจริง) จึงได้จุด (0,0), (1,1), (−1,−1)
อนุพันธ์อันดับสอง: fxx=12x2 · fyy=12y2 · fxy=−4
ที่ (0,0): D=0⋅0−16=−16<0 → จุดอานม้า
ที่ (1,1) และ (−1,−1): fxx=12, fyy=12 → D=144−16=128>0 และ fxx>0 → ต่ำสุดสัมพัทธ์ ทั้งสองจุด ค่า f=1+1−4=−2
(0,0): อานม้า f=0 · (1,1) และ (−1,−1): ต่ำสุดสัมพัทธ์ f=−2
ตัวอย่าง O-2 · เมื่อ D = 0f(x,y)=x3−3xy2 (monkey saddle) ที่ (0,0)
fx=3x2−3y2, fy=−6xy → (0,0) เป็นจุดวิกฤต (และเป็นจุดเดียว)
fxx=6x, fyy=−6x, fxy=−6y ที่จุดกำเนิดเป็น 0 ทั้งหมด → D=0 ทดสอบไม่สรุป
ตรวจด้วยการพิจารณาตามเส้น: ตามแกน x f=x3 ซึ่งเป็นลบเมื่อ x<0 และบวกเมื่อ x>0 → ไม่ใช่ทั้งสูงสุดและต่ำสุด
เป็นจุดอานม้าชนิด “สามหุบ” (ผิวมีสามร่องขึ้นและสามร่องลง เหมือนอานสำหรับลิงที่มีหาง)
D=0 การทดสอบไม่สรุป · ตรวจโดยตรงพบเป็นจุดอานม้า
ค่าสุดขีดสัมบูรณ์บนบริเวณปิด กลาง
การทดสอบ D บอกแค่ค่าสุดขีด “สัมพัทธ์” (เฉพาะละแวก) งานออกแบบจริงมักถามค่าสุดขีด “สัมบูรณ์” บนบริเวณที่กำหนด เช่นกำลังสูงสุดในช่วงแรงดันที่ใช้ได้ ทฤษฎีบทค่าสุดขีด (Extreme Value Theorem) รับรองว่าฟังก์ชันต่อเนื่องบนบริเวณปิดและมีขอบเขตมีค่าสูงสุดและต่ำสุดแน่นอน ค่าเหล่านั้นอยู่ที่จุดวิกฤตภายในหรือบนขอบ
O4 Absolute extrema on a closed region ค่าสุดขีดสัมบูรณ์บนบริเวณปิด
(1) หา f ที่จุดวิกฤตภายใน (2) หาค่าสุดขีดของ f บนขอบ (ลดเป็นตัวแปรเดียว) รวมมุม (3) เทียบทุกค่า: มากสุด = max สัมบูรณ์ น้อยสุด = min สัมบูรณ์
ไม่ต้องใช้ D · ขอบที่เป็นเส้นโค้งอาจใช้ตัวคูณลากรองจ์ (ด้านล่าง) แทนการแทนค่า
ตัวอย่าง O-3 · บนสี่เหลี่ยมผืนผ้าหาค่าสูงสุดและต่ำสุดสัมบูรณ์ของ f(x,y)=x2−2xy+2y บน 0≤x≤3, 0≤y≤2
จุดวิกฤตภายใน: fx=2x−2y=0 และ fy=−2x+2=0 → (1,1) อยู่ภายใน · f(1,1)=1−2+2=1
ขอบล่าง y=0, 0≤x≤3: f=x2 ต่ำสุด 0 ที่ x=0 สูงสุด 9 ที่ x=3
ขอบขวา x=3, 0≤y≤2: f=9−6y+2y=9−4y ลดลง จาก 9 (ที่ y=0) ถึง 1 (ที่ y=2)
ขอบบน y=2, 0≤x≤3: f=x2−4x+4=(x−2)2 ต่ำสุด 0 ที่ x=2 สูงสุด 4 ที่ x=0
ขอบซ้าย x=0, 0≤y≤2: f=2y จาก 0 ถึง 4
เทียบค่าที่ได้ทั้งหมด: 1, 0, 9, 1, 0, 4, 4 → มากสุด 9 ที่ (3,0) · น้อยสุด 0 ที่ (0,0) และ (2,2)
สูงสุดสัมบูรณ์ f=9 ที่ (3,0) · ต่ำสุดสัมบูรณ์ f=0 ที่ (0,0) และ (2,2) (จุดวิกฤต (1,1) ให้แค่ f=1 ซึ่งเป็นจุดอานม้า)
ตัวอย่าง O-4 · กล่องไม่มีฝา (เครื่องกล)
กล่องสี่เหลี่ยมไม่มีฝาทำจากแผ่นโลหะ 12 ตารางเมตร ออกแบบให้ความจุสูงสุด
ให้ยาว x กว้าง y สูง z · ปริมาตร V=xyz · พื้นที่ผิว xy+2yz+2xz=12
แก้ z=2(x+y)12−xy แล้วแทน: V(x,y)=2(x+y)xy(12−xy) (ฟังก์ชันสองตัวแปร)
แก้ Vx=Vy=0 (โดยสมมาตรของ x กับ y) ได้ x=y=2 (จุดวิกฤตที่ใช้ได้ คือ x,y>0)
z=2⋅412−4=1 · V=2⋅2⋅1=4 ลูกบาศก์เมตร
เหตุผลว่าเป็นสูงสุด: V→0 ที่ขอบ (x→0, y→0 หรือ xy→12) และจุดวิกฤตเดียวที่ภายในจึงต้องเป็นค่าสูงสุด
ขนาด 2×2×1 ม. (ฐานสี่เหลี่ยมจัตุรัส สูงครึ่งหนึ่งของด้านฐาน) ปริมาตร 4 ม³
ตัวคูณลากรองจ์ (Lagrange Multipliers) กลาง
งานออกแบบมีเงื่อนไขเสมอ: ปริมาตรต้องได้ 355 mL งบประมาณ 1 ล้านบาท ลวดยาว 100 เมตร วิธีของลากรองจ์หาค่าสุดขีดของ f(x,y) ภายใต้เงื่อนไข g(x,y)=c โดยไม่ต้องแก้เงื่อนไขหาตัวแปรตัวหนึ่ง ภาพเรขาคณิตคือ: เดินตามเส้นเงื่อนไข g=c แล้วดูเส้นชั้นของ f ที่เดินผ่าน ค่า f เพิ่มขึ้นขณะที่เส้นชั้นตัดเส้นเงื่อนไข และหยุดเพิ่ม (สุดขีด) ตอนที่เส้นชั้นเพียงสัมผัสเส้นเงื่อนไข ณ จุดสัมผัส เส้นสัมผัสร่วม แปลว่าเส้นตั้งฉากร่วม นั่นคือ ∇f∥∇g
O5 Lagrange condition เงื่อนไขของลากรองจ์
∇f=λ∇g,g(x,y)=c⟺⎩⎨⎧fx=λgxfy=λgyg(x,y)=c(3 สมการ 3 ตัวไม่ทราบ x,y,λ)
ใช้ได้เมื่อ ∇g=0 บนเส้นเงื่อนไข · สามตัวแปรก็เหมือนกัน (4 สมการ 4 ตัวไม่ทราบ) · เทียบค่า f ที่ทุกจุดที่ได้ แล้วเลือกมากสุด/น้อยสุด · วิธีจำ: สร้าง L=f−λ(g−c) แล้วตั้ง ∇L=0
O6 Two constraints สองเงื่อนไข
∇f=λ∇g+μ∇h,g=c1, h=c2(f(x,y,z))
เมื่อมีเงื่อนไขสองข้อในสามตัวแปร จุดเหมาะสมที่สุดอยู่บนเส้นโค้งที่เป็นรอยตัดของสองผิว และ ∇f อยู่ในระนาบที่ขึงด้วย ∇g กับ ∇h
O7 Meaning of λ (shadow price) ความหมายของ λ
λ=dcdf∗,f∗(c)=ค่าสุดขีดเมื่อเงื่อนไขเป็น g=c
ถ้าผ่อนเงื่อนไขเพิ่ม Δc ค่าเหมาะสมที่สุดเปลี่ยนประมาณ λΔc · ในงานวิศวกรรมบอกว่า “ลงทุนเพิ่มทรัพยากร 1 หน่วยคุ้มแค่ไหน”
แล็บลากรองจ์: เส้นชั้นสัมผัสเส้นเงื่อนไข
เส้นหนาสีดำคือเงื่อนไข g=c เส้นสีคือเส้นชั้นของ f ที่จุดสุดขีดลูกศรสีฟ้า (∇f) และสีส้มประ (∇g) ซ้อนทับกัน (ขนานกัน) คลิกบนเส้นเงื่อนไขที่จุดใดก็ได้เพื่อดูว่ามุมระหว่างสองลูกศรเป็นศูนย์เฉพาะที่ตำแหน่งเหล่านี้เท่านั้น
ตัวคูณลากรองจ์ (Lagrange multiplier): ที่จุดเหมาะสมที่สุด เส้นชั้นของ f สัมผัสเส้นเงื่อนไข g=c จึง ∇f ขนาน ∇g
ตัวอย่าง O-5 · รั้วสี่เหลี่ยมพื้นที่สูงสุดลวดยาว 20 เมตรล้อมรั้วสี่เหลี่ยมผืนผ้า ให้พื้นที่ f=xy มากสุด เมื่อ g=x+y=10 (ครึ่งเส้นรอบรูป) · และหา λ
∇f=⟨y,x⟩ · ∇g=⟨1,1⟩ → y=λ, x=λ จึง x=y
เงื่อนไข x+y=10 → x=y=5 · f=25 ตารางเมตร (จัตุรัสพื้นที่สูงสุด)
λ=5 · ตรวจความหมาย: เมื่อ x+y=c พื้นที่สูงสุดคือ f∗=c2/4 จึง df∗/dc=c/2=5 ที่ c=10 ตรงกับ λ ✓
ตีความ: ต่อลวดเพิ่ม 1 เมตร (เส้นรอบรูปเป็น 21 m จึง c เพิ่ม Δc=0.5) พื้นที่สูงสุดเพิ่มประมาณ λΔc=5×0.5=2.5 ตร.ม. · ตรวจ: c=10.5 ให้ f∗=10.52/4=27.56 เพิ่มจาก 25 อยู่ 2.56 ✓
x=y=5, fmax=25 m², λ=5
ตัวอย่าง O-6 · สุดขีดบนวงกลมหาค่าสูงสุดและต่ำสุดของ f(x,y)=x2+2y2 บนวงกลม x2+y2=1
∇f=⟨2x,4y⟩ · ∇g=⟨2x,2y⟩ · ตั้ง 2x=2λx และ 4y=2λy
กรณี x=0: λ=1 แล้ว 4y=2y → y=0 → x=±1 · f=1
กรณี y=0: λ=2 แล้ว 2x=4x → x=0 → y=±1 · f=2
เทียบ: f(±1,0)=1, f(0,±1)=2
สูงสุด f=2 ที่ (0,±1) (λ=2) · ต่ำสุด f=1 ที่ (±1,0) (λ=1)
ตัวอย่าง O-7 · กระป๋องใช้โลหะน้อยที่สุด (เครื่องกล)กระป๋องทรงกระบอกจุ 355 cm³ ออกแบบรัศมี r และความสูง h ให้พื้นที่ผิว A=2πr2+2πrh น้อยที่สุด
เงื่อนไข g=πr2h=355 · ∇A=⟨4πr+2πh, 2πr⟩ · ∇g=⟨2πrh, πr2⟩ (ตัวแปรเรียง r,h)
จาก 2πr=λπr2 ได้ λ=2/r
แทนใน 4πr+2πh=λ⋅2πrh=4πh → 4πr=2πh → h=2r
เงื่อนไข: πr2(2r)=355 → r=3355/(2π)=3.837 cm → h=7.674 cm
Amin=6πr2=6π(14.72)=277.5 cm² · กระป๋องที่ดีที่สุดมีความสูง = เส้นผ่านศูนย์กลางพอดี (ในทางปฏิบัติกระป๋องจริงสูงกว่าเพราะเหตุผลการจับถือ รอยตะเข็บ และต้นทุนพิมพ์)
r=3.84 cm, h=7.67 cm (h=2r) · พื้นที่ผิวต่ำสุด ≈277.5 cm²
ตัวอย่าง O-8 · คานที่แข็งแรงที่สุดจากท่อนซุง (โยธา)ตัดคานสี่เหลี่ยมกว้าง w สูง h จากซุงกลมเส้นผ่านศูนย์กลาง D=0.50 m ให้ความแข็งแรง f=wh2 (ซึ่งแปรผันตามโมดูลัสหน้าตัด S=wh2/6) สูงสุด
เงื่อนไข: มุมคานอยู่บนวงกลม w2+h2=D2 · ∇f=⟨h2, 2wh⟩ · ∇g=⟨2w, 2h⟩
h2=2λw และ 2wh=2λh → (เมื่อ h=0) λ=w → h2=2w2
แทนในเงื่อนไข: w2+2w2=D2 → w=D/3=0.2887 m และ h=D2/3=0.4082 m
h/w=2=1.414 — อัตราส่วนคลาสสิกของคานไม้จากซุงกลม (ไม่ใช่สี่เหลี่ยมจัตุรัสซึ่งได้ w=h=0.354 และ wh2=0.0442 เทียบกับค่าที่ดีที่สุด 0.2887×0.40822=0.0481, ดีกว่า 8.9%)
w=0.289 m, h=0.408 m (h/w=2) · แข็งแรงกว่าหน้าตัดจัตุรัสจากซุงเดียวกันราว 9%
กำลังสองน้อยสุด (Least Squares) และการถดถอยเชิงเส้น กลาง
วัดข้อมูลมาหลายจุด (xi,yi) ซึ่งมีสัญญาณรบกวน ต้องการเส้นตรง y=ax+b ที่ “พอดีที่สุด” นิยามความพอดีด้วยผลรวมกำลังสองของความคลาดเคลื่อนในแนวตั้ง S(a,b)=∑(yi−axi−b)2 แล้วเลือก a,b ที่ทำให้ S ต่ำสุด นี่คือปัญหาหาค่าต่ำสุดของฟังก์ชันสองตัวแปร (ตัวแปรคือ a,b ไม่ใช่ x,y!) ซึ่ง S เป็นฟังก์ชันกำลังสองของ a,b จึงมีชามเดียว จุดวิกฤตเดียวคือต่ำสุดแน่นอน และได้สมการเชิงเส้นแก้ตรง ๆ
O8 Normal equations (line fit) สมการปกติของเส้นตรง
∂a∂S=0, ∂b∂S=0 ⇒ {(∑xi2)a+(∑xi)b=∑xiyi(∑xi)a+nb=∑yi ⇒ a=n∑xi2−(∑xi)2n∑xiyi−∑xi∑yi, b=yˉ−axˉ
เส้นผ่านจุดศูนย์กลางข้อมูล (xˉ,yˉ) เสมอ · ต้องมีค่า x ต่างกันอย่างน้อยสองค่า (ตัวส่วน =0) · สรุปไว้ใช้เป็นฟังก์ชัน LINEST / polyfit
O9 Coefficient of determination ความพอดีของเส้น
R2=1−∑(yi−yˉ)2Smin
R2=1 เส้นผ่านทุกจุดพอดี · R2≈0 เส้นตรงไม่ช่วยอธิบายข้อมูล
O10 Matrix form รูปเมทริกซ์
Aθ≈y ⇒ A⊤Aθ=A⊤y,A=x1⋮xn1⋮1
ใช้ได้กับพหุนามและโมเดลเชิงเส้นในพารามิเตอร์ทุกแบบ · เชื่อมกับพีชคณิตเชิงเส้น
แล็บกำลังสองน้อยสุด: ชามของ S(a, b)
เลือกชุดข้อมูลจากงานไฟฟ้า เครื่องกล หรือโยธา แล้วลากจุดสีส้มบนแผนที่ขวา (ระนาบ a–b) หรือใช้แถบเลื่อน เส้นประบนกราฟซ้ายจะเปลี่ยน ส่วนเส้นประสีแดงแสดงความคลาดเคลื่อนแต่ละจุด เมื่อจุดสีส้มไปถึงจุดสีเขียว (ก้นชาม) ผลรวมกำลังสอง S น้อยที่สุด ตรงกับเส้นสีเขียวที่คำนวณจากสมการปกติ คลิกบนกราฟซ้ายเพื่อเพิ่มจุดข้อมูลได้
ตัวอย่าง O-9 · เส้นตรงที่พอดีกับข้อมูลสี่จุดข้อมูล (1,2.1), (2,3.9), (3,6.2), (4,7.8) จงหา y=ax+b
ผลรวม: n=4 · ∑x=10 · ∑y=20.0 · ∑x2=30 · ∑xy=2.1+7.8+18.6+31.2=59.7
สมการปกติ: 30a+10b=59.7 และ 10a+4b=20.0
จากสมการที่สอง b=5−2.5a แทนในสมการแรก: 30a+50−25a=59.7 → 5a=9.7 → a=1.94 และ b=5−4.85=0.15
ตรวจ: เส้นผ่านจุดศูนย์กลาง (xˉ,yˉ)=(2.5,5.0): 1.94(2.5)+0.15=5.0 ✓
y=1.94x+0.15
ตัวอย่าง O-10 · หาค่าความต้านทานจากการวัด V–I (ไฟฟ้า)วัดกระแส I (mA) = 1, 2, 3, 4, 5, 6 ได้แรงดัน V (V) = 0.51, 1.03, 1.49, 2.02, 2.52, 2.98 ประมาณความต้านทาน R
กฎของโอห์ม V=RI: ความชัน a ของกราฟ V–I คือ R (หน่วย V/mA = kΩ)
กำลังสองน้อยสุดให้ a=0.4957 kΩ และ b=0.0233 V (ค่าชดเชยของเครื่องวัด/อ็อฟเซต)
R≈496 Ω · R2=0.9996 เส้นตรงอธิบายข้อมูลได้ดีมาก และ b เล็กมากเทียบกับ V สูงสุด
ถ้าบังคับเส้นผ่านจุดกำเนิด (b=0) จะได้ R=∑IV/∑I2=45.6/91=0.5011 kΩ (501 Ω) ใกล้กัน · หากต้องการประเมินความไม่แน่นอนของ R ใช้ความแปรปรวนของส่วนเหลือ
R≈496 Ω (R2=0.9996) · ออฟเซตเครื่องวัด ≈23 mV
ขั้นตอนแก้โจทย์ออกแบบ พื้นฐาน
- เขียนฟังก์ชันเป้าหมาย f (ต้นทุน พื้นที่ผิว กำลัง ความผิดพลาด) และตัวแปรทั้งหมดพร้อมหน่วย
- ระบุเงื่อนไข ถ้ามีสมการเงื่อนไข เลือก (ก) แทนค่าลดตัวแปร หรือ (ข) ลากรองจ์ (เมื่อแทนยาก หรือต้องการ λ)
- หาจุดวิกฤต แก้ ∇f=0 (ไม่มีเงื่อนไข) หรือ ∇f=λ∇g (มีเงื่อนไข)
- ตรวจชนิด ด้วย D หรือเหตุผลของบริเวณปิด (เทียบกับขอบ) หรือสังเกตว่าค่า →∞ ที่ขอบ
- ตรวจความสมเหตุสมผล หน่วย ขนาดที่ได้เป็นไปได้ทางกายภาพ (เช่นขนาดไม่เป็นลบ) และเทียบกับค่าตัวเลขอย่างหยาบ
| สาขา | ปัญหา | วิธี |
| ไฟฟ้า | พารามิเตอร์ตัวควบคุมที่ทำให้ค่าความผิดพลาด J(Kp,Ki) ต่ำสุด | จุดวิกฤต / gradient descent (จูน PID) |
| ไฟฟ้า | หาแบบจำลองเส้นตรงของเซนเซอร์จากการสอบเทียบ | กำลังสองน้อยสุด (การสอบเทียบ) |
| เครื่องกล | รูปทรงถัง/ท่อที่ใช้วัสดุน้อยที่สุด | Lagrange (ตัวอย่าง O-7) |
| เครื่องกล | กล่อง/ครีบระบายความร้อนที่รับกำลังได้สูงสุดในพื้นที่จำกัด | จุดวิกฤต + บริเวณปิด |
| โยธา | หน้าตัดคานที่แข็งแรงสุดจากวัสดุกลม | Lagrange (ตัวอย่าง O-8) |
| โยธา | จุดตั้งสถานีที่ทำให้ระยะทางรวมถึงจุดต่าง ๆ สั้นที่สุด | กำลังสองน้อยสุดและจุดวิกฤต |
ข้อผิดพลาดที่พบบ่อย พื้นฐาน
- สรุปว่าจุดวิกฤตทุกจุดคือสูงสุดหรือต่ำสุด ต้องแยกจุดอานม้าด้วย D (เช่น (0,0) ของ x2−y2)
- ใช้ D ที่จุดที่ไม่ใช่จุดวิกฤต · ต้องแก้ ∇f=0 ก่อนเสมอ
- ลืมตรวจขอบ ในโจทย์บริเวณปิด ค่าสูงสุดสัมบูรณ์มักอยู่บนขอบหรือที่มุม (ตัวอย่าง O-3 ค่าสูงสุดอยู่ที่มุม)
- ลืมเทียบค่า f หลังหาจุดจาก Lagrange · วิธีนี้ให้ “ผู้ต้องสงสัย” ไม่ได้บอกว่าจุดไหนสูงสุดหรือต่ำสุด
- สับสนตัวแปรของกำลังสองน้อยสุด · ตัวแปรเมื่อหาค่าต่ำสุดคือ a,b (พารามิเตอร์) ส่วน xi,yi คือข้อมูลคงที่
ไปต่อที่อินทิกรัลสองชั้นและสามชั้น ซึ่งรวมค่าของฟังก์ชันหลายตัวแปรทั่วบริเวณเพื่อหาปริมาตร มวล และจุดศูนย์กลางมวล
คำถามที่พบบ่อย
จุดวิกฤต (critical point) ของฟังก์ชันสองตัวแปรหาอย่างไร?
ตั้ง fx=0 และ fy=0 พร้อมกันแล้วแก้ระบบสมการ ได้จุดที่ผิวมีระนาบสัมผัสแนวนอน (หรือจุดที่ fx หรือ fy ไม่มีค่า) ตัวอย่าง f=x4+y4−4xy: 4x3−4y=0 และ 4y3−4x=0 ได้ (0,0),(1,1),(−1,−1) จากนั้นจำแนกชนิดด้วยการทดสอบอนุพันธ์อันดับสอง
การทดสอบอนุพันธ์อันดับสอง (second derivative test) ทำอย่างไร?
คำนวณ D=fxxfyy−fxy2 ที่จุดวิกฤต ถ้า D>0 และ fxx>0 เป็นค่าต่ำสุดสัมพัทธ์ ถ้า D>0 และ fxx<0 เป็นค่าสูงสุดสัมพัทธ์ ถ้า D<0 เป็นจุดอานม้า (saddle point) ถ้า D=0 ทดสอบนี้ไม่สรุป ต้องดูแบบอื่น เช่นตัวอย่าง x3−3xy2 ที่ D=0 แต่เป็นจุดอานม้า
ตัวคูณลากรองจ์ (Lagrange multiplier) ใช้เมื่อไร และ λ แปลว่าอะไร?
ใช้หาค่าสูงสุด-ต่ำสุดของ f ภายใต้เงื่อนไข g(x,y)=c โดยแก้ ∇f=λ∇g ร่วมกับ g=c ความหมายเชิงเรขาคณิตคือที่จุดเหมาะสม เส้นชั้นของ f สัมผัสเส้นเงื่อนไข จึง gradient ขนานกัน ส่วน λ เท่ากับ df∗/dc คืออัตราที่ค่าเหมาะสมที่สุดเปลี่ยนเมื่อผ่อนเงื่อนไข (shadow price) เช่นขยายงบประมาณ 1 หน่วยจะได้ผลดีขึ้นประมาณ λ หน่วย
กำลังสองน้อยสุด (least squares) เกี่ยวกับอนุพันธ์ย่อยอย่างไร?
เส้นตรง y=ax+b ที่พอดีกับข้อมูลที่สุดคือเส้นที่ทำให้ผลรวมกำลังสองความคลาดเคลื่อน S(a,b)=∑(yi−axi−b)2 น้อยที่สุด ซึ่งเป็นปัญหาหาค่าต่ำสุดของฟังก์ชันสองตัวแปร a,b ตั้ง ∂S/∂a=0 และ ∂S/∂b=0 ได้ระบบสมการปกติ (normal equations) เชิงเส้นสองสมการ แก้หา a,b ตรง ๆ ได้ นี่คือที่มาของ linear regression
หาค่าสูงสุด-ต่ำสุดสัมบูรณ์บนบริเวณปิดทำอย่างไร?
เมื่อบริเวณปิดและมีขอบเขต (closed and bounded) ค่าสุดขีดสัมบูรณ์มีแน่นอน ให้ (1) หาจุดวิกฤตภายในและคำนวณ f (2) หาค่าสุดขีดบนขอบโดยลดเป็นปัญหาตัวแปรเดียวทีละด้าน ตรวจมุมด้วย (3) เปรียบเทียบค่าทั้งหมด ค่ามากสุดคือค่าสูงสุดสัมบูรณ์ ค่าน้อยสุดคือค่าต่ำสุดสัมบูรณ์ ไม่ต้องทดสอบด้วยอนุพันธ์อันดับสอง
มด
อาจารย์มด · ธีรวุฒิ แสวงบุญ
อาจารย์สาขาวิชาวิศวกรรมไฟฟ้า มหาวิทยาลัยราชภัฏธนบุรี สมุทรปราการ · ดูโปรไฟล์