พิมพ์คำที่ต้องการค้นหา ทั้งภาษาไทยและอังกฤษ

  1. หน้าแรก
  2. คลังความรู้
  3. แคลคูลัสหลายตัวแปร
  4. 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

เขียนโดย อาจารย์มดอัปเดต
สรุปใน 30 วินาที
  • จุดวิกฤต: ∇f=0\nabla f = \mathbf 0 · ทดสอบ: D=fxxfyy−fxy2D = f_{xx}f_{yy} - f_{xy}^2 · D>0, fxx>0D>0,\ f_{xx}>0 ต่ำสุด · D>0, fxx<0D>0,\ f_{xx}<0 สูงสุด · D<0D<0 อานม้า
  • บริเวณปิด: เทียบค่าที่จุดวิกฤตภายใน กับค่าสุดขีดบนขอบ และมุม
  • Lagrange: สุดขีดของ ff ภายใต้ g=cg = c ที่ ∇f=λ∇g\nabla f = \lambda\nabla g · λ=df∗/dc\lambda = df^*/dc
  • กำลังสองน้อยสุด: เลือก a,ba, b ให้ S=∑(yi−axi−b)2S = \sum(y_i - ax_i - 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\nabla f = \mathbf 0 จุดที่ทำให้เป็นจริง (หรือที่อนุพันธ์ไม่มีค่า) เรียกว่าจุดวิกฤต (critical point) แต่ในสองตัวแปร จุดวิกฤตมีสามชนิด ไม่ใช่สอง: ต่ำสุด สูงสุด และจุดอานม้า (saddle point) ซึ่งโค้งขึ้นทางหนึ่งและโค้งลงอีกทางหนึ่ง การทดสอบอนุพันธ์อันดับสองจำแนกทั้งสามด้วยตัวเลขตัวเดียวคือ DD

O1 Critical point (necessary condition) จุดวิกฤต (เงื่อนไขจำเป็น)

f มีค่าสุดขีดสัมพัทธ์ที่จุดภายใน (a,b) ⇒ fx(a,b)=0 และ fy(a,b)=0  (∇f=0)f \text{ มีค่าสุดขีดสัมพัทธ์ที่จุดภายใน } (a, b) \ \Rightarrow\ f_x(a, b) = 0 \ \text{และ}\ f_y(a, b) = 0\ \ (\nabla f = \mathbf 0)

เป็นเงื่อนไข “จำเป็น” ไม่ใช่ “เพียงพอ”: ∇f=0\nabla f = \mathbf 0 อาจเป็นจุดอานม้า · ตรวจเฉพาะจุดภายในของโดเมน และจุดที่อนุพันธ์ไม่นิยาม (เช่นยอดแหลมของกรวย)

O2 Second derivative test การทดสอบอนุพันธ์อันดับสอง

D=fxxfyy−fxy2=det⁡H,{D>0, fxx>0⇒ต่ำสุดสัมพัทธ์ (local min)D>0, fxx<0⇒สูงสุดสัมพัทธ์ (local max)D<0⇒จุดอานม้า (saddle)D=0⇒ไม่สรุปD = f_{xx}f_{yy} - f_{xy}^2 = \det\mathbf H,\qquad \begin{cases} D > 0,\ f_{xx} > 0 & \Rightarrow \text{ต่ำสุดสัมพัทธ์ (local min)}\\ D > 0,\ f_{xx} < 0 & \Rightarrow \text{สูงสุดสัมพัทธ์ (local max)}\\ D < 0 & \Rightarrow \text{จุดอานม้า (saddle)}\\ D = 0 & \Rightarrow \text{ไม่สรุป} \end{cases}

D>0D>0 หมายถึงโค้งทิศเดียวกันทุกแนว (ชามหรือโดม) · D<0D<0 โค้งตรงข้ามกันในบางแนว (อานม้า) · ค่า DD ต้องคิด “ที่จุดวิกฤต” เท่านั้น

O3 Hessian and eigenvalues เมทริกซ์เฮสเซียนและค่าเฉพาะ

H=(fxxfxyfyxfyy):λ1,λ2>0⇒min⁡,λ1,λ2<0⇒max⁡,λ1λ2<0⇒saddle\mathbf H = \begin{pmatrix} f_{xx} & f_{xy}\\ f_{yx} & f_{yy}\end{pmatrix}:\quad \lambda_1,\lambda_2 > 0 \Rightarrow \min,\quad \lambda_1,\lambda_2 < 0 \Rightarrow \max,\quad \lambda_1\lambda_2 < 0 \Rightarrow \text{saddle}

ใช้ได้กับ nn ตัวแปร: ต่ำสุดเมื่อ H\mathbf H เป็นบวกแน่นอน (positive definite) · det⁡H=λ1λ2=D\det\mathbf H = \lambda_1\lambda_2 = D และ tr⁡H=λ1+λ2\operatorname{tr}\mathbf H = \lambda_1 + \lambda_2 · ค่าเฉพาะเป็นความโค้งของผิวในทิศหลัก (ดูค่าเฉพาะ)

แล็บจุดวิกฤตและ Hessian

เลือกตัวอย่างหรือพิมพ์ฟังก์ชันของคุณ โปรแกรมหาจุด ∇f=0\nabla f = \mathbf 0 ทั้งหมดในกรอบ จำแนกชนิดด้วย DD และ fxxf_{xx} แล้วทำเครื่องหมายบนผิวและแผนที่เส้นชั้น ลองตัวอย่าง “ลิงอานม้า (D = 0)” เพื่อดูกรณีที่การทดสอบไม่สรุป

ต่ำสุดสัมพัทธ์ (local min)D > 0, f_xx > 0สูงสุดสัมพัทธ์ (local max)D > 0, f_xx < 0จุดอานม้า (saddle)D < 0D = f_xx f_yy − (f_xy)² (ทดสอบอนุพันธ์อันดับสอง · second derivative test)
จุดวิกฤตสามชนิด: ต่ำสุดสัมพัทธ์ (local minimum) สูงสุดสัมพัทธ์ (local maximum) และจุดอานม้า (saddle point) พร้อมเส้นชั้นความสูงของแต่ละชนิด
ตัวอย่าง O-1 · จำแนกจุดวิกฤต

หาและจำแนกจุดวิกฤตของ f(x,y)=x4+y4−4xyf(x, y) = x^4 + y^4 - 4xy

  1. fx=4x3−4y=0f_x = 4x^3 - 4y = 0 และ fy=4y3−4x=0f_y = 4y^3 - 4x = 0 → y=x3y = x^3 และ x=y3x = y^3

  2. แทน y=x3y = x^3 ใน x=y3x = y^3: x=x9x = x^9 → x(x8−1)=0x(x^8 - 1) = 0 ได้ x=0,1,−1x = 0, 1, -1 (ค่าจริง) จึงได้จุด (0,0), (1,1), (−1,−1)(0, 0),\ (1, 1),\ (-1, -1)

  3. อนุพันธ์อันดับสอง: fxx=12x2f_{xx} = 12x^2 · fyy=12y2f_{yy} = 12y^2 · fxy=−4f_{xy} = -4

  4. ที่ (0,0)(0,0): D=0⋅0−16=−16<0D = 0\cdot0 - 16 = -16 < 0 → จุดอานม้า

  5. ที่ (1,1)(1, 1) และ (−1,−1)(-1,-1): fxx=12, fyy=12f_{xx} = 12,\ f_{yy} = 12 → D=144−16=128>0D = 144 - 16 = 128 > 0 และ fxx>0f_{xx} > 0 → ต่ำสุดสัมพัทธ์ ทั้งสองจุด ค่า f=1+1−4=−2f = 1 + 1 - 4 = -2

(0,0)(0,0): อานม้า f=0f = 0 · (1,1)(1,1) และ (−1,−1)(-1,-1): ต่ำสุดสัมพัทธ์ f=−2f = -2

ตัวอย่าง O-2 · เมื่อ D = 0

f(x,y)=x3−3xy2f(x, y) = x^3 - 3xy^2 (monkey saddle) ที่ (0,0)(0, 0)

  1. fx=3x2−3y2, fy=−6xyf_x = 3x^2 - 3y^2,\ f_y = -6xy → (0,0)(0, 0) เป็นจุดวิกฤต (และเป็นจุดเดียว)

  2. fxx=6x, fyy=−6x, fxy=−6yf_{xx} = 6x,\ f_{yy} = -6x,\ f_{xy} = -6y ที่จุดกำเนิดเป็น 0 ทั้งหมด → D=0D = 0 ทดสอบไม่สรุป

  3. ตรวจด้วยการพิจารณาตามเส้น: ตามแกน xx f=x3f = x^3 ซึ่งเป็นลบเมื่อ x<0x < 0 และบวกเมื่อ x>0x > 0 → ไม่ใช่ทั้งสูงสุดและต่ำสุด

  4. เป็นจุดอานม้าชนิด “สามหุบ” (ผิวมีสามร่องขึ้นและสามร่องลง เหมือนอานสำหรับลิงที่มีหาง)

D=0D = 0 การทดสอบไม่สรุป · ตรวจโดยตรงพบเป็นจุดอานม้า

ค่าสุดขีดสัมบูรณ์บนบริเวณปิด กลาง

การทดสอบ DD 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\text{(1) หา } f \text{ ที่จุดวิกฤตภายใน}\ \ \text{(2) หาค่าสุดขีดของ } f \text{ บนขอบ (ลดเป็นตัวแปรเดียว) รวมมุม}\ \ \text{(3) เทียบทุกค่า: มากสุด = max สัมบูรณ์ น้อยสุด = min สัมบูรณ์}

ไม่ต้องใช้ DD · ขอบที่เป็นเส้นโค้งอาจใช้ตัวคูณลากรองจ์ (ด้านล่าง) แทนการแทนค่า

ตัวอย่าง O-3 · บนสี่เหลี่ยมผืนผ้า

หาค่าสูงสุดและต่ำสุดสัมบูรณ์ของ f(x,y)=x2−2xy+2yf(x, y) = x^2 - 2xy + 2y บน 0≤x≤3, 0≤y≤20 \le x \le 3,\ 0 \le y \le 2

  1. จุดวิกฤตภายใน: fx=2x−2y=0f_x = 2x - 2y = 0 และ fy=−2x+2=0f_y = -2x + 2 = 0 → (1,1)(1, 1) อยู่ภายใน · f(1,1)=1−2+2=1f(1, 1) = 1 - 2 + 2 = 1

  2. ขอบล่าง y=0y = 0, 0≤x≤30 \le x \le 3: f=x2f = x^2 ต่ำสุด 0 ที่ x=0x = 0 สูงสุด 9 ที่ x=3x = 3

  3. ขอบขวา x=3x = 3, 0≤y≤20 \le y \le 2: f=9−6y+2y=9−4yf = 9 - 6y + 2y = 9 - 4y ลดลง จาก 9 (ที่ y=0y = 0) ถึง 1 (ที่ y=2y = 2)

  4. ขอบบน y=2y = 2, 0≤x≤30 \le x \le 3: f=x2−4x+4=(x−2)2f = x^2 - 4x + 4 = (x - 2)^2 ต่ำสุด 0 ที่ x=2x = 2 สูงสุด 4 ที่ x=0x = 0

  5. ขอบซ้าย x=0x = 0, 0≤y≤20 \le y \le 2: f=2yf = 2y จาก 0 ถึง 4

  6. เทียบค่าที่ได้ทั้งหมด: 1, 0, 9, 1, 0, 4, 41,\ 0,\ 9,\ 1,\ 0,\ 4,\ 4 → มากสุด 9 ที่ (3,0)(3, 0) · น้อยสุด 0 ที่ (0,0)(0, 0) และ (2,2)(2, 2)

สูงสุดสัมบูรณ์ f=9f = 9 ที่ (3,0)(3, 0) · ต่ำสุดสัมบูรณ์ f=0f = 0 ที่ (0,0)(0, 0) และ (2,2)(2, 2) (จุดวิกฤต (1,1)(1,1) ให้แค่ f=1f = 1 ซึ่งเป็นจุดอานม้า)

ตัวอย่าง O-4 · กล่องไม่มีฝา (เครื่องกล)

กล่องสี่เหลี่ยมไม่มีฝาทำจากแผ่นโลหะ 12 ตารางเมตร ออกแบบให้ความจุสูงสุด

  1. ให้ยาว xx กว้าง yy สูง zz · ปริมาตร V=xyzV = xyz · พื้นที่ผิว xy+2yz+2xz=12xy + 2yz + 2xz = 12

  2. แก้ z=12−xy2(x+y)z = \dfrac{12 - xy}{2(x + y)} แล้วแทน: V(x,y)=xy(12−xy)2(x+y)V(x, y) = \dfrac{xy(12 - xy)}{2(x + y)} (ฟังก์ชันสองตัวแปร)

  3. แก้ Vx=Vy=0V_x = V_y = 0 (โดยสมมาตรของ xx กับ yy) ได้ x=y=2x = y = 2 (จุดวิกฤตที่ใช้ได้ คือ x,y>0x, y > 0)

  4. z=12−42⋅4=1z = \dfrac{12 - 4}{2\cdot 4} = 1 · V=2⋅2⋅1=4V = 2\cdot2\cdot1 = 4 ลูกบาศก์เมตร

  5. เหตุผลว่าเป็นสูงสุด: V→0V \to 0 ที่ขอบ (x→0x\to0, y→0y\to0 หรือ xy→12xy \to 12) และจุดวิกฤตเดียวที่ภายในจึงต้องเป็นค่าสูงสุด

ขนาด 2×2×12 \times 2 \times 1 ม. (ฐานสี่เหลี่ยมจัตุรัส สูงครึ่งหนึ่งของด้านฐาน) ปริมาตร 44 ม³

ตัวคูณลากรองจ์ (Lagrange Multipliers) กลาง

งานออกแบบมีเงื่อนไขเสมอ: ปริมาตรต้องได้ 355 mL งบประมาณ 1 ล้านบาท ลวดยาว 100 เมตร วิธีของลากรองจ์หาค่าสุดขีดของ f(x,y)f(x, y) ภายใต้เงื่อนไข g(x,y)=cg(x, y) = c โดยไม่ต้องแก้เงื่อนไขหาตัวแปรตัวหนึ่ง ภาพเรขาคณิตคือ: เดินตามเส้นเงื่อนไข g=cg = c แล้วดูเส้นชั้นของ ff ที่เดินผ่าน ค่า ff เพิ่มขึ้นขณะที่เส้นชั้นตัดเส้นเงื่อนไข และหยุดเพิ่ม (สุดขีด) ตอนที่เส้นชั้นเพียงสัมผัสเส้นเงื่อนไข ณ จุดสัมผัส เส้นสัมผัสร่วม แปลว่าเส้นตั้งฉากร่วม นั่นคือ ∇f∥∇g\nabla f \parallel \nabla g

O5 Lagrange condition เงื่อนไขของลากรองจ์

∇f=λ ∇g,g(x,y)=c⟺{fx=λ gxfy=λ gyg(x,y)=c(3 สมการ 3 ตัวไม่ทราบ x,y,λ)\nabla f = \lambda\,\nabla g,\quad g(x, y) = c \qquad\Longleftrightarrow\qquad \begin{cases} f_x = \lambda\,g_x\\ f_y = \lambda\,g_y\\ g(x,y) = c \end{cases}\quad(\text{3 สมการ 3 ตัวไม่ทราบ } x, y, \lambda)

ใช้ได้เมื่อ ∇g≠0\nabla g \ne \mathbf 0 บนเส้นเงื่อนไข · สามตัวแปรก็เหมือนกัน (4 สมการ 4 ตัวไม่ทราบ) · เทียบค่า ff ที่ทุกจุดที่ได้ แล้วเลือกมากสุด/น้อยสุด · วิธีจำ: สร้าง L=f−λ(g−c)\mathcal L = f - \lambda(g - c) แล้วตั้ง ∇L=0\nabla\mathcal L = \mathbf 0

O6 Two constraints สองเงื่อนไข

∇f=λ ∇g+μ ∇h,g=c1, h=c2(f(x,y,z))\nabla f = \lambda\,\nabla g + \mu\,\nabla h,\quad g = c_1,\ h = c_2 \quad(f(x,y,z))

เมื่อมีเงื่อนไขสองข้อในสามตัวแปร จุดเหมาะสมที่สุดอยู่บนเส้นโค้งที่เป็นรอยตัดของสองผิว และ ∇f\nabla f อยู่ในระนาบที่ขึงด้วย ∇g\nabla g กับ ∇h\nabla h

O7 Meaning of λ (shadow price) ความหมายของ λ

λ=df∗dc,f∗(c)=ค่าสุดขีดเมื่อเงื่อนไขเป็น g=c\lambda = \frac{df^{*}}{dc},\qquad f^{*}(c) = \text{ค่าสุดขีดเมื่อเงื่อนไขเป็น } g = c

ถ้าผ่อนเงื่อนไขเพิ่ม Δc\Delta c ค่าเหมาะสมที่สุดเปลี่ยนประมาณ λ Δc\lambda\,\Delta c · ในงานวิศวกรรมบอกว่า “ลงทุนเพิ่มทรัพยากร 1 หน่วยคุ้มแค่ไหน”

แล็บลากรองจ์: เส้นชั้นสัมผัสเส้นเงื่อนไข

เส้นหนาสีดำคือเงื่อนไข g=cg = c เส้นสีคือเส้นชั้นของ ff ที่จุดสุดขีดลูกศรสีฟ้า (∇f\nabla f) และสีส้มประ (∇g\nabla g) ซ้อนทับกัน (ขนานกัน) คลิกบนเส้นเงื่อนไขที่จุดใดก็ได้เพื่อดูว่ามุมระหว่างสองลูกศรเป็นศูนย์เฉพาะที่ตำแหน่งเหล่านี้เท่านั้น

xy∇f (น้ำเงิน) ∥ ∇g (เขียว)max/min f = x² + 2y²เมื่อ g = x² + y² = 1∇f = λ ∇g, g = 1เขียว = เส้นเงื่อนไข g = 1น้ำเงิน-ส้ม = เส้นชั้นของ fที่จุดสัมผัส ทิศ ∇f // ∇g
ตัวคูณลากรองจ์ (Lagrange multiplier): ที่จุดเหมาะสมที่สุด เส้นชั้นของ ff สัมผัสเส้นเงื่อนไข g=cg = c จึง ∇f\nabla f ขนาน ∇g\nabla g
ตัวอย่าง O-5 · รั้วสี่เหลี่ยมพื้นที่สูงสุด

ลวดยาว 20 เมตรล้อมรั้วสี่เหลี่ยมผืนผ้า ให้พื้นที่ f=xyf = xy มากสุด เมื่อ g=x+y=10g = x + y = 10 (ครึ่งเส้นรอบรูป) · และหา λ\lambda

  1. ∇f=⟨y,x⟩\nabla f = \langle y, x\rangle · ∇g=⟨1,1⟩\nabla g = \langle 1, 1\rangle → y=λ, x=λy = \lambda,\ x = \lambda จึง x=yx = y

  2. เงื่อนไข x+y=10x + y = 10 → x=y=5x = y = 5 · f=25f = 25 ตารางเมตร (จัตุรัสพื้นที่สูงสุด)

  3. λ=5\lambda = 5 · ตรวจความหมาย: เมื่อ x+y=cx + y = c พื้นที่สูงสุดคือ f∗=c2/4f^* = c^2/4 จึง df∗/dc=c/2=5df^*/dc = c/2 = 5 ที่ c=10c = 10 ตรงกับ λ\lambda ✓

  4. ตีความ: ต่อลวดเพิ่ม 1 เมตร (เส้นรอบรูปเป็น 21 m จึง cc เพิ่ม Δc=0.5\Delta c = 0.5) พื้นที่สูงสุดเพิ่มประมาณ λ Δc=5×0.5=2.5\lambda\,\Delta c = 5 \times 0.5 = 2.5 ตร.ม. · ตรวจ: c=10.5c = 10.5 ให้ f∗=10.52/4=27.56f^* = 10.5^2/4 = 27.56 เพิ่มจาก 25 อยู่ 2.56 ✓

x=y=5x = y = 5, fmax⁡=25f_{\max} = 25 m², λ=5\lambda = 5

ตัวอย่าง O-6 · สุดขีดบนวงกลม

หาค่าสูงสุดและต่ำสุดของ f(x,y)=x2+2y2f(x, y) = x^2 + 2y^2 บนวงกลม x2+y2=1x^2 + y^2 = 1

  1. ∇f=⟨2x,4y⟩\nabla f = \langle 2x, 4y\rangle · ∇g=⟨2x,2y⟩\nabla g = \langle 2x, 2y\rangle · ตั้ง 2x=2λx2x = 2\lambda x และ 4y=2λy4y = 2\lambda y

  2. กรณี x≠0x \ne 0: λ=1\lambda = 1 แล้ว 4y=2y4y = 2y → y=0y = 0 → x=±1x = \pm 1 · f=1f = 1

  3. กรณี y≠0y \ne 0: λ=2\lambda = 2 แล้ว 2x=4x2x = 4x → x=0x = 0 → y=±1y = \pm 1 · f=2f = 2

  4. เทียบ: f(±1,0)=1, f(0,±1)=2f(\pm1, 0) = 1,\ f(0, \pm1) = 2

สูงสุด f=2f = 2 ที่ (0,±1)(0, \pm1) (λ=2\lambda = 2) · ต่ำสุด f=1f = 1 ที่ (±1,0)(\pm1, 0) (λ=1\lambda = 1)

ตัวอย่าง O-7 · กระป๋องใช้โลหะน้อยที่สุด (เครื่องกล)

กระป๋องทรงกระบอกจุ 355 cm³ ออกแบบรัศมี rr และความสูง hh ให้พื้นที่ผิว A=2πr2+2πrhA = 2\pi r^2 + 2\pi rh น้อยที่สุด

  1. เงื่อนไข g=πr2h=355g = \pi r^2 h = 355 · ∇A=⟨4πr+2πh, 2πr⟩\nabla A = \langle 4\pi r + 2\pi h,\ 2\pi r\rangle · ∇g=⟨2πrh, πr2⟩\nabla g = \langle 2\pi rh,\ \pi r^2\rangle (ตัวแปรเรียง r,hr, h)

  2. จาก 2πr=λπr22\pi r = \lambda\pi r^2 ได้ λ=2/r\lambda = 2/r

  3. แทนใน 4πr+2πh=λ⋅2πrh=4πh4\pi r + 2\pi h = \lambda\cdot 2\pi rh = 4\pi h → 4πr=2πh4\pi r = 2\pi h → h=2rh = 2r

  4. เงื่อนไข: πr2(2r)=355\pi r^2(2r) = 355 → r=355/(2π)3=3.837r = \sqrt[3]{355/(2\pi)} = 3.837 cm → h=7.674h = 7.674 cm

  5. Amin⁡=6πr2=6π(14.72)=277.5A_{\min} = 6\pi r^2 = 6\pi(14.72) = 277.5 cm² · กระป๋องที่ดีที่สุดมีความสูง = เส้นผ่านศูนย์กลางพอดี (ในทางปฏิบัติกระป๋องจริงสูงกว่าเพราะเหตุผลการจับถือ รอยตะเข็บ และต้นทุนพิมพ์)

r=3.84r = 3.84 cm, h=7.67h = 7.67 cm (h=2rh = 2r) · พื้นที่ผิวต่ำสุด ≈277.5\approx 277.5 cm²

ตัวอย่าง O-8 · คานที่แข็งแรงที่สุดจากท่อนซุง (โยธา)

ตัดคานสี่เหลี่ยมกว้าง ww สูง hh จากซุงกลมเส้นผ่านศูนย์กลาง D=0.50D = 0.50 m ให้ความแข็งแรง f=wh2f = wh^2 (ซึ่งแปรผันตามโมดูลัสหน้าตัด S=wh2/6S = wh^2/6) สูงสุด

  1. เงื่อนไข: มุมคานอยู่บนวงกลม w2+h2=D2w^2 + h^2 = D^2 · ∇f=⟨h2, 2wh⟩\nabla f = \langle h^2,\ 2wh\rangle · ∇g=⟨2w, 2h⟩\nabla g = \langle 2w,\ 2h\rangle

  2. h2=2λwh^2 = 2\lambda w และ 2wh=2λh2wh = 2\lambda h → (เมื่อ h≠0h \ne 0) λ=w\lambda = w → h2=2w2h^2 = 2w^2

  3. แทนในเงื่อนไข: w2+2w2=D2w^2 + 2w^2 = D^2 → w=D/3=0.2887w = D/\sqrt3 = 0.2887 m และ h=D2/3=0.4082h = D\sqrt{2/3} = 0.4082 m

  4. h/w=2=1.414h/w = \sqrt2 = 1.414 — อัตราส่วนคลาสสิกของคานไม้จากซุงกลม (ไม่ใช่สี่เหลี่ยมจัตุรัสซึ่งได้ w=h=0.354w = h = 0.354 และ wh2=0.0442wh^2 = 0.0442 เทียบกับค่าที่ดีที่สุด 0.2887×0.40822=0.04810.2887\times0.4082^2 = 0.0481, ดีกว่า 8.9%)

w=0.289w = 0.289 m, h=0.408h = 0.408 m (h/w=2h/w = \sqrt2) · แข็งแรงกว่าหน้าตัดจัตุรัสจากซุงเดียวกันราว 9%

กำลังสองน้อยสุด (Least Squares) และการถดถอยเชิงเส้น กลาง

วัดข้อมูลมาหลายจุด (xi,yi)(x_i, y_i) ซึ่งมีสัญญาณรบกวน ต้องการเส้นตรง y=ax+by = ax + b ที่ “พอดีที่สุด” นิยามความพอดีด้วยผลรวมกำลังสองของความคลาดเคลื่อนในแนวตั้ง S(a,b)=∑(yi−axi−b)2S(a, b) = \sum (y_i - ax_i - b)^2 แล้วเลือก a,ba, b ที่ทำให้ SS ต่ำสุด นี่คือปัญหาหาค่าต่ำสุดของฟังก์ชันสองตัวแปร (ตัวแปรคือ a,ba, b ไม่ใช่ x,yx, y!) ซึ่ง SS เป็นฟังก์ชันกำลังสองของ a,ba, b จึงมีชามเดียว จุดวิกฤตเดียวคือต่ำสุดแน่นอน และได้สมการเชิงเส้นแก้ตรง ๆ

O8 Normal equations (line fit) สมการปกติของเส้นตรง

∂S∂a=0, ∂S∂b=0 ⇒ {(∑xi2)a+(∑xi)b=∑xiyi(∑xi)a+n b=∑yi ⇒ a=n∑xiyi−∑xi∑yin∑xi2−(∑xi)2,  b=yˉ−axˉ\frac{\partial S}{\partial a} = 0,\ \frac{\partial S}{\partial b} = 0 \ \Rightarrow\ \begin{cases} \left(\sum x_i^2\right)a + \left(\sum x_i\right)b = \sum x_iy_i\\ \left(\sum x_i\right)a + n\,b = \sum y_i \end{cases}\ \Rightarrow\ a = \frac{n\sum x_iy_i - \sum x_i\sum y_i}{n\sum x_i^2 - \left(\sum x_i\right)^2},\ \ b = \bar y - a\bar x

เส้นผ่านจุดศูนย์กลางข้อมูล (xˉ,yˉ)(\bar x, \bar y) เสมอ · ต้องมีค่า xx ต่างกันอย่างน้อยสองค่า (ตัวส่วน ≠0\ne 0) · สรุปไว้ใช้เป็นฟังก์ชัน LINEST / polyfit

O9 Coefficient of determination ความพอดีของเส้น

R2=1−Smin⁡∑(yi−yˉ)2R^2 = 1 - \frac{S_{\min}}{\sum (y_i - \bar y)^2}

R2=1R^2 = 1 เส้นผ่านทุกจุดพอดี · R2≈0R^2 \approx 0 เส้นตรงไม่ช่วยอธิบายข้อมูล

O10 Matrix form รูปเมทริกซ์

Aθ≈y ⇒ A ⁣⊤A θ=A ⁣⊤y,A=(x11⋮⋮xn1)\mathbf A\boldsymbol\theta \approx \mathbf y \ \Rightarrow\ \mathbf A^{\!\top}\mathbf A\,\boldsymbol\theta = \mathbf A^{\!\top}\mathbf y,\quad \mathbf A = \begin{pmatrix} x_1 & 1\\ \vdots & \vdots\\ x_n & 1\end{pmatrix}

ใช้ได้กับพหุนามและโมเดลเชิงเส้นในพารามิเตอร์ทุกแบบ · เชื่อมกับพีชคณิตเชิงเส้น

แล็บกำลังสองน้อยสุด: ชามของ S(a, b)

เลือกชุดข้อมูลจากงานไฟฟ้า เครื่องกล หรือโยธา แล้วลากจุดสีส้มบนแผนที่ขวา (ระนาบ aa–bb) หรือใช้แถบเลื่อน เส้นประบนกราฟซ้ายจะเปลี่ยน ส่วนเส้นประสีแดงแสดงความคลาดเคลื่อนแต่ละจุด เมื่อจุดสีส้มไปถึงจุดสีเขียว (ก้นชาม) ผลรวมกำลังสอง SS น้อยที่สุด ตรงกับเส้นสีเขียวที่คำนวณจากสมการปกติ คลิกบนกราฟซ้ายเพื่อเพิ่มจุดข้อมูลได้

ตัวอย่าง O-9 · เส้นตรงที่พอดีกับข้อมูลสี่จุด

ข้อมูล (1,2.1), (2,3.9), (3,6.2), (4,7.8)(1, 2.1),\ (2, 3.9),\ (3, 6.2),\ (4, 7.8) จงหา y=ax+by = ax + b

  1. ผลรวม: n=4n = 4 · ∑x=10\sum x = 10 · ∑y=20.0\sum y = 20.0 · ∑x2=30\sum x^2 = 30 · ∑xy=2.1+7.8+18.6+31.2=59.7\sum xy = 2.1 + 7.8 + 18.6 + 31.2 = 59.7

  2. สมการปกติ: 30a+10b=59.730a + 10b = 59.7 และ 10a+4b=20.010a + 4b = 20.0

  3. จากสมการที่สอง b=5−2.5ab = 5 - 2.5a แทนในสมการแรก: 30a+50−25a=59.730a + 50 - 25a = 59.7 → 5a=9.75a = 9.7 → a=1.94a = 1.94 และ b=5−4.85=0.15b = 5 - 4.85 = 0.15

  4. ตรวจ: เส้นผ่านจุดศูนย์กลาง (xˉ,yˉ)=(2.5,5.0)(\bar x, \bar y) = (2.5, 5.0): 1.94(2.5)+0.15=5.01.94(2.5) + 0.15 = 5.0 ✓

y=1.94x+0.15y = 1.94x + 0.15

ตัวอย่าง O-10 · หาค่าความต้านทานจากการวัด V–I (ไฟฟ้า)

วัดกระแส II (mA) = 1, 2, 3, 4, 5, 6 ได้แรงดัน VV (V) = 0.51, 1.03, 1.49, 2.02, 2.52, 2.98 ประมาณความต้านทาน RR

  1. กฎของโอห์ม V=RIV = RI: ความชัน aa ของกราฟ VV–II คือ RR (หน่วย V/mA = kΩ)

  2. กำลังสองน้อยสุดให้ a=0.4957a = 0.4957 kΩ และ b=0.0233b = 0.0233 V (ค่าชดเชยของเครื่องวัด/อ็อฟเซต)

  3. R≈496 ΩR \approx 496\ \Omega · R2=0.9996R^2 = 0.9996 เส้นตรงอธิบายข้อมูลได้ดีมาก และ bb เล็กมากเทียบกับ VV สูงสุด

  4. ถ้าบังคับเส้นผ่านจุดกำเนิด (b=0b = 0) จะได้ R=∑IV/∑I2=45.6/91=0.5011R = \sum IV/\sum I^2 = 45.6/91 = 0.5011 kΩ (501 Ω) ใกล้กัน · หากต้องการประเมินความไม่แน่นอนของ RR ใช้ความแปรปรวนของส่วนเหลือ

R≈496 ΩR \approx 496\ \Omega (R2=0.9996R^2 = 0.9996) · ออฟเซตเครื่องวัด ≈23\approx 23 mV

ขั้นตอนแก้โจทย์ออกแบบ พื้นฐาน

  1. เขียนฟังก์ชันเป้าหมาย ff (ต้นทุน พื้นที่ผิว กำลัง ความผิดพลาด) และตัวแปรทั้งหมดพร้อมหน่วย
  2. ระบุเงื่อนไข ถ้ามีสมการเงื่อนไข เลือก (ก) แทนค่าลดตัวแปร หรือ (ข) ลากรองจ์ (เมื่อแทนยาก หรือต้องการ λ\lambda)
  3. หาจุดวิกฤต แก้ ∇f=0\nabla f = \mathbf 0 (ไม่มีเงื่อนไข) หรือ ∇f=λ∇g\nabla f = \lambda\nabla g (มีเงื่อนไข)
  4. ตรวจชนิด ด้วย DD หรือเหตุผลของบริเวณปิด (เทียบกับขอบ) หรือสังเกตว่าค่า →∞\to \infty ที่ขอบ
  5. ตรวจความสมเหตุสมผล หน่วย ขนาดที่ได้เป็นไปได้ทางกายภาพ (เช่นขนาดไม่เป็นลบ) และเทียบกับค่าตัวเลขอย่างหยาบ
สาขาปัญหาวิธี
ไฟฟ้าพารามิเตอร์ตัวควบคุมที่ทำให้ค่าความผิดพลาด J(Kp,Ki)J(K_p, K_i) ต่ำสุดจุดวิกฤต / gradient descent (จูน PID)
ไฟฟ้าหาแบบจำลองเส้นตรงของเซนเซอร์จากการสอบเทียบกำลังสองน้อยสุด (การสอบเทียบ)
เครื่องกลรูปทรงถัง/ท่อที่ใช้วัสดุน้อยที่สุดLagrange (ตัวอย่าง O-7)
เครื่องกลกล่อง/ครีบระบายความร้อนที่รับกำลังได้สูงสุดในพื้นที่จำกัดจุดวิกฤต + บริเวณปิด
โยธาหน้าตัดคานที่แข็งแรงสุดจากวัสดุกลมLagrange (ตัวอย่าง O-8)
โยธาจุดตั้งสถานีที่ทำให้ระยะทางรวมถึงจุดต่าง ๆ สั้นที่สุดกำลังสองน้อยสุดและจุดวิกฤต

ข้อผิดพลาดที่พบบ่อย พื้นฐาน

  1. สรุปว่าจุดวิกฤตทุกจุดคือสูงสุดหรือต่ำสุด ต้องแยกจุดอานม้าด้วย DD (เช่น (0,0)(0,0) ของ x2−y2x^2 - y^2)
  2. ใช้ DD ที่จุดที่ไม่ใช่จุดวิกฤต · ต้องแก้ ∇f=0\nabla f = \mathbf 0 ก่อนเสมอ
  3. ลืมตรวจขอบ ในโจทย์บริเวณปิด ค่าสูงสุดสัมบูรณ์มักอยู่บนขอบหรือที่มุม (ตัวอย่าง O-3 ค่าสูงสุดอยู่ที่มุม)
  4. ลืมเทียบค่า ff หลังหาจุดจาก Lagrange · วิธีนี้ให้ “ผู้ต้องสงสัย” ไม่ได้บอกว่าจุดไหนสูงสุดหรือต่ำสุด
  5. สับสนตัวแปรของกำลังสองน้อยสุด · ตัวแปรเมื่อหาค่าต่ำสุดคือ a,ba, b (พารามิเตอร์) ส่วน xi,yix_i, y_i คือข้อมูลคงที่

ไปต่อที่อินทิกรัลสองชั้นและสามชั้น ซึ่งรวมค่าของฟังก์ชันหลายตัวแปรทั่วบริเวณเพื่อหาปริมาตร มวล และจุดศูนย์กลางมวล

คำถามที่พบบ่อย

จุดวิกฤต (critical point) ของฟังก์ชันสองตัวแปรหาอย่างไร?

ตั้ง fx=0f_x = 0 และ fy=0f_y = 0 พร้อมกันแล้วแก้ระบบสมการ ได้จุดที่ผิวมีระนาบสัมผัสแนวนอน (หรือจุดที่ fxf_x หรือ fyf_y ไม่มีค่า) ตัวอย่าง f=x4+y4−4xyf = x^4 + y^4 - 4xy: 4x3−4y=04x^3 - 4y = 0 และ 4y3−4x=04y^3 - 4x = 0 ได้ (0,0),(1,1),(−1,−1)(0,0), (1,1), (-1,-1) จากนั้นจำแนกชนิดด้วยการทดสอบอนุพันธ์อันดับสอง

การทดสอบอนุพันธ์อันดับสอง (second derivative test) ทำอย่างไร?

คำนวณ D=fxxfyy−fxy2D = f_{xx}f_{yy} - f_{xy}^2 ที่จุดวิกฤต ถ้า D>0D > 0 และ fxx>0f_{xx} > 0 เป็นค่าต่ำสุดสัมพัทธ์ ถ้า D>0D > 0 และ fxx<0f_{xx} < 0 เป็นค่าสูงสุดสัมพัทธ์ ถ้า D<0D < 0 เป็นจุดอานม้า (saddle point) ถ้า D=0D = 0 ทดสอบนี้ไม่สรุป ต้องดูแบบอื่น เช่นตัวอย่าง x3−3xy2x^3 - 3xy^2 ที่ D=0D = 0 แต่เป็นจุดอานม้า

ตัวคูณลากรองจ์ (Lagrange multiplier) ใช้เมื่อไร และ λ แปลว่าอะไร?

ใช้หาค่าสูงสุด-ต่ำสุดของ ff ภายใต้เงื่อนไข g(x,y)=cg(x,y) = c โดยแก้ ∇f=λ∇g\nabla f = \lambda\nabla g ร่วมกับ g=cg = c ความหมายเชิงเรขาคณิตคือที่จุดเหมาะสม เส้นชั้นของ ff สัมผัสเส้นเงื่อนไข จึง gradient ขนานกัน ส่วน λ\lambda เท่ากับ df∗/dcdf^*/dc คืออัตราที่ค่าเหมาะสมที่สุดเปลี่ยนเมื่อผ่อนเงื่อนไข (shadow price) เช่นขยายงบประมาณ 1 หน่วยจะได้ผลดีขึ้นประมาณ λ\lambda หน่วย

กำลังสองน้อยสุด (least squares) เกี่ยวกับอนุพันธ์ย่อยอย่างไร?

เส้นตรง y=ax+by = ax + b ที่พอดีกับข้อมูลที่สุดคือเส้นที่ทำให้ผลรวมกำลังสองความคลาดเคลื่อน S(a,b)=∑(yi−axi−b)2S(a,b) = \sum (y_i - ax_i - b)^2 น้อยที่สุด ซึ่งเป็นปัญหาหาค่าต่ำสุดของฟังก์ชันสองตัวแปร a,ba, b ตั้ง ∂S/∂a=0\partial S/\partial a = 0 และ ∂S/∂b=0\partial S/\partial b = 0 ได้ระบบสมการปกติ (normal equations) เชิงเส้นสองสมการ แก้หา a,ba, b ตรง ๆ ได้ นี่คือที่มาของ linear regression

หาค่าสูงสุด-ต่ำสุดสัมบูรณ์บนบริเวณปิดทำอย่างไร?

เมื่อบริเวณปิดและมีขอบเขต (closed and bounded) ค่าสุดขีดสัมบูรณ์มีแน่นอน ให้ (1) หาจุดวิกฤตภายในและคำนวณ ff (2) หาค่าสุดขีดบนขอบโดยลดเป็นปัญหาตัวแปรเดียวทีละด้าน ตรวจมุมด้วย (3) เปรียบเทียบค่าทั้งหมด ค่ามากสุดคือค่าสูงสุดสัมบูรณ์ ค่าน้อยสุดคือค่าต่ำสุดสัมบูรณ์ ไม่ต้องทดสอบด้วยอนุพันธ์อันดับสอง

อาจารย์มด · ธีรวุฒิ แสวงบุญ
อาจารย์สาขาวิชาวิศวกรรมไฟฟ้า มหาวิทยาลัยราชภัฏธนบุรี สมุทรปราการ · ดูโปรไฟล์