Функция Лагранжа в механике и оптимизации¶

Функция Лагранжа — скалярная функция, обобщающая понятие разности кинетической и потенциальной энергии механической системы, а также используемая в вариационном исчислении и математической оптимизации для описания состояния или условий экстремума. В классической механике она определяется как \( L = T - V \), где \( T \) — кинетическая энергия, \( V \) — потенциальная энергия системы. Через функцию Лагранжа формулируются уравнения движения, а в задачах оптимизации — необходимые условия экстремума при ограничениях.

¶История

Понятие введено в 1788 году Жозефом Луи Лагранжем в трактате «Аналитическая механика». Лагранж предложил описывать движение механических систем не через силы (подход Ньютона), а через энергию и обобщённые координаты. Это позволило единообразно решать задачи с ограничениями и связями, включая системы со многими степенями свободы.

В XIX веке Уильям Роуэн Гамильтон развил подход, введя функцию Гамильтона \( H = T + V \) и канонические уравнения. В XX веке метод Лагранжа был перенесён в теорию оптимального управления (принцип максимума Понтрягина) и в математическое программирование, где функция Лагранжа стала инструментом учёта ограничений.

¶Функция Лагранжа в механике

Для системы с обобщёнными координатами \( q_i \) и скоростями \( \dot{q}_i \) функция Лагранжа записывается как

\[ L(q, \dot{q}, t) = T(q, \dot{q}, t) - V(q, t). \]

Движение системы подчиняется уравнениям Эйлера — Лагранжа:

\[ \frac{d}{dt}\left(\frac{\partial L}{\partial \dot{q}_i}\right) - \frac{\partial L}{\partial q_i} = 0. \]

Эти уравнения эквивалентны второму закону Ньютона, но не требуют явного учёта сил реакции связей. Примеры:

• Свободная частица: \( L = \frac{m v^2}{2} \), уравнения дают равномерное прямолинейное движение.
• Математический маятник: \( L = \frac{m l^2 \dot{\varphi}^2}{2} + m g l \cos\varphi \), откуда следует уравнение колебаний.
• Система с электромагнитным полем: вводится обобщённый потенциал, зависящий от заряда и векторного потенциала.

Важное свойство — инвариантность относительно выбора обобщённых координат: значение \( L \) может меняться, но уравнения движения сохраняют форму.

¶Функция Лагранжа в оптимизации

В задачах математического программирования рассматривается задача минимизации \( f(x) \) при ограничениях \( g_i(x) = 0 \), \( h_j(x) \le 0 \). Функция Лагранжа имеет вид

\[ \mathcal{L}(x, \lambda, \mu) = f(x) + \sum_i \lambda_i g_i(x) + \sum_j \mu_j h_j(x), \]

где \( \lambda_i \), \( \mu_j \) — множители Лагранжа. Необходимые условия экстремума (условия Каруша — Куна — Таккера) включают стационарность \( \mathcal{L} \) по \( x \), выполнение ограничений и неотрицательность множителей при неравенствах.

Метод множителей Лагранжа позволяет свести задачу с ограничениями к задаче без ограничений, что широко применяется в экономике, теории управления, машинном обучении (например, в методе опорных векторов).

¶Двойственность

Для задачи оптимизации вводится двойственная функция \( g(\lambda, \mu) = \inf_x \mathcal{L}(x, \lambda, \mu) \). Двойственная задача состоит в максимизации \( g \) по допустимым множителям. При выполнении условий регулярности (например, Слейтера) значения прямой и двойственной задач совпадают — свойство сильной двойственности. Двойственный подход используется в линейном программировании, сетевых задачах и при анализе чувствительности решений.

¶Связь с другими формулировками

• Функция Гамильтона: получается преобразованием Лежандра по скоростям: \( H = \sum_i p_i \dot{q}_i - L \), где \( p_i = \partial L / \partial \dot{q}_i \) — обобщённые импульсы.
• Действие: интеграл \( S = \int L \, dt \); принцип наименьшего действия утверждает, что真实ная траектория доставляет экстремум действию.
• Плотность лагранжиана: в теории поля используется \( \mathcal{L}(\phi, \partial_\mu \phi) \), а уравнения движения получаются из вариации действия по полю.

¶Применение

Функция Лагранжа применяется в:

• теоретической и прикладной механике (робототехника, динамика машин);
• аналитической механике и теории поля;
• оптимальном управлении и траекторных задачах;
• экономике (задачи потребительского выбора, равновесие);
• машинном обучении (регуляризация, SVM, нейронные сети с ограничениями);
• квантовой механике (формализм интегралов по траекториям Фейнмана).

¶Ограничения и критика

Метод Лагранжа требует гладкости функций и выполнения условий регулярности; при вырожденных ограничениях множители могут не существовать. В невыпуклых задачах условия Каруша — Куна — Таккера дают лишь необходимые, но не достаточные условия. В механике лагранжев формализм менее удобен при наличии диссипативных сил, которые приходится вводить искусственно.

Источники: Ландау Л. Д., Лифшиц Е. М. «Механика»; Гантмахер Ф. Р. «Лекции по аналитической механике»; Бойд С., Ванденберге Л. «Выпуклая оптимизация»; материалы по вариационному исчислению и теории оптимального управления.