n공간 전체에서 정의된 일급함수 g의 등위면 g=c에서 n공간의 한 점 P에 이르는 최단거리를 주는 점은 항상 존재한다. 이 때 grad(12|X−P|2)=X−P 이므로, (이하로 grad는 ∇) 최단점 X에서는 (∇g(X)=0이 아니라면)
X−P=λ∇g(X)
인 실수 λ가 존재한다. (목적함수를 12|X−P|2로 잡은 것)
구체적으로,
S:={(x1,...,xn)|a1x1+...+anxn=c} 라고 하자.
이 때, A:=(a1,...,an)으로 두면, 점 P=(p1,...,pn)과 S사이의 최단거리는
X−P=λA,A⋅X=c
를 만족시키는 점 X와 P사이의 거리다.
양변에 A를 곱하면
A⋅(X−P)=λ|A|2
λ=c−A⋅P|A|2
구하는 점 X는
X=P+λA=P+c−A⋅P|A|2A
이때의 거리는
|X−P|=|λA|=|c−A⋅P||A|=|a1p1+...+anpn−c|√a21+...+a2n
Nice to meet you everyone.
I’m an engineer of Korea, working on image object recognition.
Any help (especially about my English translation) would be welcomed.
pilhoon-at-gmail-dot-com
2014년 3월 6일 목요일
2014년 3월 5일 수요일
analytic proof for Lagrange
P가 극점
함수 f가 초곡면(n공간에서 미분 가능한 등위면) g로 제한됨
S:={X∈U|g(X)=c}
gradg(P)=0 인 경우는 당연히 gradf(P)와 일차종속( λ1gradf(P)+λ2gradg(P)=0 )
아닌 경우,
점 P에서 S의 접평면의 임의의 벡터 v는, S에 포함되는 곡선 X(t)중에서
X(0)=P,X′(0)=v
로 주어진다. 그러면 h(t):=f(X(t))도 t=0일 때 극값을 가진다. 따라서
0=h′(0)=gradf(P)⋅X′(0)
gradg(P)도 등위면 S에 수직이므로 gradf(P)와 gradg(P)는 나란하다.
t는 임의로 잡은 값이므로 어떤 값이어도 무관하다.
함수 f가 초곡면(n공간에서 미분 가능한 등위면) g로 제한됨
S:={X∈U|g(X)=c}
gradg(P)=0 인 경우는 당연히 gradf(P)와 일차종속( λ1gradf(P)+λ2gradg(P)=0 )
아닌 경우,
점 P에서 S의 접평면의 임의의 벡터 v는, S에 포함되는 곡선 X(t)중에서
X(0)=P,X′(0)=v
로 주어진다. 그러면 h(t):=f(X(t))도 t=0일 때 극값을 가진다. 따라서
0=h′(0)=gradf(P)⋅X′(0)
gradg(P)도 등위면 S에 수직이므로 gradf(P)와 gradg(P)는 나란하다.
t는 임의로 잡은 값이므로 어떤 값이어도 무관하다.
피드 구독하기:
글 (Atom)