ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC KHOA HỌC

NGUYỄN THÀNH CÔNG

NGUYÊN LÝ LAGRANGE
TRONG CÁC BÀI TOÁN CỰC TRỊ

LUẬN VĂN THẠC SĨ TOÁN HỌC

Thái Nguyên - 2014

 ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KHOA HỌC

NGUYỄN THÀNH CÔNG

NGUYÊN LÝ LAGRANGE
TRONG CÁC BÀI TOÁN CỰC TRỊ

Chuyên ngành: Toán ứng dụng

Mã số: 60.46.01.12

LUẬN VĂN THẠC SĨ TOÁN HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC

GS-TS Trần Vũ Thiệu

Thái nguyên - 2014

 LỜI NÓI ĐẦU

Trong lý thuyết và ứng dụng ta thường gặp các bài toán cực trị (tìm cực đại
và cực tiểu). Khi giải một bài toán cực trị người ta thường tìm cách đưa nó về
các bài toán đơn giản hơn: với số biến hoặc số ràng buộc ít hơn, thậm chí không
có ràng buộc càng tốt. Ý tưởng này được thể hiện rõ nét trong phương pháp
nhân tử Lagrange và trong một số phương pháp tối ưu khác. Nguyên lý
Lagrange tạo cơ sở lý thuyết cho phương pháp nhân tử Lagrange giải bài toán
cực trị có ràng buộc, đặc biệt là các bài toán với ràng buộc đẳng thức.
Mục tiêu của luận văn này là tìm hiểu nguyên lý Lagrange trong lý thuyết

các bài toán cực trị, chủ yếu xét trong không gian hữu hạn chiều ℝn và ứng dụng
nguyên lý này vào việc tìm nghiệm (cực tiểu và cực đại) của các bài toán cực trị
có hay không có ràng buộc, đặc biệt là các bài toán quen thuộc trong số học và
hình học, nhằm nâng cao kiến thức và khả năng trong giảng dạy và nghiên cứu
về toán tối ưu nói riêng và toán ứng dụng nói chung.
Nội dung luận văn được viết trong ba chương.
Chương 1 “Bài toán cực trị” trình bày khái quát về bài toán cực trị có hoặc
không có ràng buộc, nhắc lại các khái niệm về nghiệm cực tiểu (cực đại) địa
phương (toàn cục), sự tồn tại nghiệm của bài toán, các điều kiện đòi hỏi nghiệm
bài toán cần thỏa mãn (điều kiện cần và điều kiện đủ), dựa vào đó tìm nghiệm
tối ưu của bài toán.
Chương 2 “Nguyên lý Lagrange” trình bày kết quả lý thuyết về điều kiện
cần tối ưu (cấp 1, cấp 2) và điều kiện đủ tối ưu (cấp 2) cho nghiệm cực tiểu địa
phương của bài toán qui hoạch phi tuyến với ràng buộc đẳng thức và trình bày
phương pháp nhân tử Lagrange đưa bài toán có ràng buộc đẳng thức về bài toán
(không ràng buộc) của hàm Lagrange (bằng hàm mục tiêu ban đầu cộng với các
hàm ràng buộc, sau khi đã nhân với các hệ số gọi là các nhân tử Lagrange).

1
 Chương 3 “Áp dụng giải bài toán cực trị” trình bày các ứng dụng của
nguyên lý Lagrange vào việc tìm nghiệm cực tiểu hay cực đại của một số bài
toán cực trị, chủ yếu là bài toán với ràng buộc đẳng thức. Đặc biệt xét các bài
toán quen thuộc trong số học và hình học, bài toán về chứng minh các bất đẳng
thức, bài toán về khoảng cách, bài toán Steiner. Đây là những bài toán có ý
nghĩa thực tế, được các nhà toán học nổi tiếng đề ra hoặc nêu cách giải. Qua đó
giới thiệu một số ứng dụng của lý thuyết tối ưu trong thực tiễn.
Do thời gian và kiến thức còn hạn chế nên chắc chắn luận văn này còn có
những thiếu sót nhất định, kính mong quí thầy cô và các bạn đóng góp ý kiến để
tác giả tiếp tục hoàn thiện luận văn sau này.
Nhân dịp này tác giả luận văn xin bày tỏ lòng biết ơn sâu sắc tới GS-TS
Trần Vũ Thiệu, Viện Toán học - Viện Hàn Lâm Khoa học và Công nghệ Việt
Nam đã tận tình chỉ bảo, giúp đỡ tôi trong quá trình làm luận văn.
Bên cạnh đó tôi cũng xin bày tỏ lòng biết ơn đến ban giám hiệu trường Đại
học Khoa học Thái Nguyên, Khoa Toán - Tin, Trung tâm học liệu Đại học Thái
Nguyên đã tận tình động viên, tạo điều kiện giúp đỡ tôi trong thời gian học tập
và làm luận văn.
Tôi xin bày tỏ lòng biết ơn sâu sắc đến Viện Toán học - Viện Hàn Lâm
Khoa học và Công nghệ Việt Nam đã tạo điều kiện thuận lợi cho tôi trong thời
gian học tập nghiên cứu.
Tôi xin gửi lời cảm ơn chân thành đến những người thân trong gia đình,
bạn bè và đồng nghiệp về những sự quan tâm, động viên và giúp đỡ tôi trong
thời gian qua.
Thái Nguyên, ngày 09 tháng 3 năm 2014
Học viên

Nguyễn Thành Công

2
 Chương 1
BÀI TOÁN CỰC TRỊ

Chương này nhắc lại một số khái niệm cơ bản về bài toán cực trị có hoặc
không có ràng buộc, các khái niệm nghiệm cực tiểu (cực đại) địa phương (toàn
cục), sự tồn tại nghiệm của bài toán, các điều kiện đòi hỏi nghiệm bài toán cần
thỏa mãn (điều kiện tối ưu cần và đủ). Nội dung của chương được tham khảo
chủ yếu từ các tài liệu [1], [2], [4] và [6].
1.1. CÁC KHÁI NIỆM CƠ BẢN
1.1.1. Ví dụ về bài toán cực trị
Các bài toán cực trị đã biết từ bậc phổ thông. Để làm ví dụ, ta xét hai bài
toán quen thuộc trong hình học phẳng.
Bài toán 1 (Bài toán Heron). Tìm trên đường thẳng đã cho một điểm sao
cho tổng khoảng cách từ điểm đó tới hai điểm cho trước là nhỏ nhất? (Hình 1.1).
Bài toán 2. Vẽ nội tiếp trong hình tròn một hình chữ nhật có diện tích lớn
nhất? (Hình 1.2).
y y
B (d, b) (x, y)

A (0, a) r
x
0
1 2 x
0 Ĉ ( x̂ , 0) C (x, 0)

A'(0,- a)

Hình 1.1 Hình 1.2

Bài toán 1 tìm cực tiểu (minimum), bài toán 2 tìm cực đại (maximum). Cực
tiểu và cực đại được gọi chung là cực trị (extremum). Đôi khi người ta dùng từ
tối ưu (optimization), nghĩa là tốt nhất hay hoàn hảo nhất. Như vậy, bài toán 1
và 2 là các bài toán cực trị hay bài toán tối ưu. Lý thuyết các bài toán tìm giá trị
nhỏ nhất (lớn nhất) của hàm gọi là lý thuyết bài toán cực trị hay lý thuyết tối ưu.

3
 Các bài toán 1 và 2 được mô tả bằng lời, không dùng công thức. Các bài
toán cực trị nảy sinh từ các lĩnh vực khoa học hay từ thực tiễn thường như vậy:
chúng được mô tả bằng lời theo thuật ngữ có nội dung của lĩnh vực nảy sinh ra
các bài toán đó. Để có thể áp dụng được lý thuyết tối ưu thì cần chuyển bài toán
sang ngôn ngữ toán học. Cách làm này gọi là hình thức hóa bài toán. Cùng một
bài toán có thể được hình thức hóa theo nhiều cách khác nhau và cách giải có
đơn giản và hiệu qủa hay không thường phụ thuộc rất nhiều vào mức độ thành
công của sự hình thức hóa đó. Ta hình thức hóa bài toán 1 và 2 như sau.
Bài toán 1: Vẽ trục Ox dọc theo đường thẳng đã cho và trục Oy vuông góc
đi qua điểm A (xem Hình 1.1). Giả sử tọa độ của hai điểm đã cho là: A = (0, a)
và B = (d, b); tọa độ của điểm cần tìm C = (x, 0). Khoảng cách từ A tới C và từ B

tới C lần lượt là |AC| = a 2  x 2 và |BC| = b 2  (d  x ) 2 . Từ đó, ta đi đến bài

toán: Tìm cực tiểu của hàm một biến

f(x) = a2  x2 + b 2  (d  x ) 2 với x ∈ ℝ.

Bài toán 2: Giả sử đường tròn được mô tả bởi phương trình x2 + y2 = r2, Vẽ
các trục Ox và Oy song song với các cạnh hình chữ nhật và ký hiệu (x, y) là tọa
độ của đỉnh hình chữ nhật nằm ở góc phần tư thứ nhất (xem Hình 1.2). Khi đó
diện tích hình chữ nhật bằng 4xy. Ta nhận được bài toán: Tìm cực đại của hàm
hai biến f(x, y) = 4xy với điều kiện
g1(x, y) = x2 + y2 - r2 = 0, g2(x, y) = x ≥ 0, g3(x, y) = y ≥ 0.
Có thể thấy điều kiện x ≥ 0, y ≥ 0 là thừa và bài toán tìm cực đại của 4xy
với x 2 + y2 = r2 tương đương bài toán với điều kiện bất đẳng thức x2 + y2 ≤ r2.
Bất kỳ bài toán đã hình thức hóa nào cũng được xây dựng theo cách tương

tự, nó bao gồm các yếu tố sau đây: phiếm hàm f : X → ℝ ∪ {+ ∞, - ∞} (X là

miền xác định của phiếm hàm f) và ràng buộc, tức là tập con D ⊂ X.
Ta giải thích một số ký hiệu và thuật ngữ thường gặp trong lý thuyết tối ưu:
R là đường thẳng thực mở rộng, tức là tập các số thực cộng thêm hai giá trị + ∞

4
và - ∞; cách viết F : X → Y có nghĩa là ánh xạ F có miền xác định là không gian

X và với mỗi phần tử x ∈ X, phần tử F(x) nằm trong không gian Y; ta dùng từ
phiếm hàm để chỉ ánh xạ vào đường thẳng thực mở rộng R . Như vậy, hình thức
hóa bài toán cực trị có nghĩa là mô tả chính xác các yếu tố f, X và D.
Với bài toán đã hình thức hóa ta dùng cách viết

f(x) → inf (sup), x ∈ D. (P)

để chỉ bài toán tìm cực tiểu (cực đại). Khi cần xét cả hai bài toán cực tiểu và cực
đại, ta viết

f(x) → extr, x ∈ D.
Như vậy, cách viết hình thức cho các bài toán 1 và 2 như sau.

Bài toán 1 (X = D = ℝ - đường thẳng thực):

f(x) = a2  x2 + b 2  (d  x ) 2 → inf. (P1)

Bài toán 2 (X = ℝ2 - mặt phẳng hai chiều):

f(x, y) = 4xy → sup, x2 + y2 = r2, x ≥ 0, y ≥ 0. (P2)
Bài toán (P2), như đã nói ở trên, có cách hình thức hóa khác:
f(x, y) = 4xy → sup, x2 + y2 = r2. ( P2 )

Bài toán (P1) không có ràng buộc, bài toán (P2) có ràng buộc D = {(x, y) ∈

ℝ2 : x2 + y2 = r2, x ≥ 0, y ≥ 0} cho ở dạng đẳng thức và bất đẳng thức, còn bài

toán ( P2 ) có ràng buộc D = {(x, y) ∈ ℝ2 : x2 + y2 = r2} cho ở đạng đẳng thức.

1.1.2. Một số thuật ngữ

Như vậy, bài toán tối ưu

f(x) → inf (sup) với x  D (P)
là bài toán tìm véctơ x*  D sao cho f(x*)  f(x) (f(x*) ≥ f(x)) với mọi x  D,

trong đó D ⊂ ℝn là một tập khác rỗng và f : D → ℝ là một hàm số thực tùy ý.

5
 Định nghĩa 1.1. Hàm f gọi là hàm mục tiêu, tập D gọi là tập ràng buộc hay
miền chấp nhận được. Một véctơ (điểm) x  D gọi là một phương án (lời giải,
nghiệm) chấp nhận được. Véctơ x*  D sao cho f(x*)  f(x) (hay f(x*) ≥ f(x))
với mọi x  D gọi là một phương án (lời giải, nghiệm) tối ưu của bài toán.

Trường hợp D = ℝn ta có bài toán tối ưu không ràng buộc, thường viết là

min {f(x) : x  ℝn} hay minn f(x).

xR

Khi D ⊂ ℝn ta có bài toán tối ưu có ràng buộc và tập D thường có dạng

D = {x  ℝn : gi(x)  0, i = 1, ... , m, hj(x) = 0, j = 1, ... , p}

với gi, hj : ℝ n  ℝ là các hàm số cho trước, gọi là các hàm ràng buộc. Khi đó,
bài toán (P) có thể viết dưới dạng tường minh:
min {f(x) : gi(x)  0, i = 1, ... , m, hj(x) = 0, j = 1, ... , p}.
Các hệ thức gi(x)  0 gọi là các ràng buộc bất đẳng thức, các hệ thức hj(x)
= 0 gọi là các ràng buộc đẳng thức. Ràng buộc bất đẳng thức dạng xj  0 (- xj 
0) gọi là ràng buộc không âm hay ràng buộc về dấu.
Nhận xét là min{f(x) : x  D} = - max{- f(x) : x  D}, vì thế bài toán tìm
cực tiểu có thể đưa được về bài toán tìm cực đại và ngược lại.

Định nghĩa 1.2. Ta nói điểm x̂ ∈ D là một nghiệm cực tiểu địa phương

của (P) và viết x̂ ∈ loc min P nếu có số  > 0 sao cho f( x̂ ) ≤ f(x) với mọi x ∈ D

và ||x - x̂ || < . Nếu f ( x̂ ) < f(x) với mọi x  D, x  x̂ và ||x - x̂ || <  thì x̂ được
gọi là một nghiệm cực tiểu địa phương chặt của (P).
Định nghĩa 1.3. Điểm x̂  D được gọi là một nghiệm cực tiểu toàn cục
hay cực tiểu tuyệt đối của (P) nếu f ( x̂ )  f(x) với mọi x  D và ta viết x̂ ∈ abs

min P. Nếu f( x̂ ) < f(x) với mọi x  D, x  x̂ thì x̂ được gọi là nghiệm cực tiểu
toàn cục chặt của (P).

6
 Các khái niệm nghiệm cực đại địa phương và nghiệm cực đại toàn cục

được định nghĩa tương tự và ta viết x̂ ∈ loc max P hay x̂ ∈ abs max P.
Đối với hàm tùy ý f trên tập D, ký hiệu tập tất cả các điểm cực tiểu (cực
đại) toàn cục của f trên D là Argmin xD f(x) (Argmax x  D f(x)).
Khi xét một bài toán tối ưu ta mong muốn tìm nghiệm cực trị (cực tiểu, cực
đại) toàn cục của nó. Tuy nhiên, một nghiệm như thế có thể không tồn tại.
Chẳng hạn, hàm một biến f(x) = x hay f(x) = ex không có nghiệm cực tiểu toàn

cục trên tập số thực ℝ do hàm f(x) = x giảm vô hạn tới -  khi x dần tới - , còn

hàm f(x) = ex luôn nhận giá trị dương và giảm tới 0 khi x dần tới - .
Tập {f(x) : x  D} được gọi là miền giá trị của hàm f. Có hai khả năng:
a) Tập {f(x) : x  D} bị chặn dưới, nghĩa là có một số m sao cho m  f(x)
với mọi x  D. Trong trường hợp này cận dưới lớn nhất của {f(x) : x  D} là
một số thực và được ký hiệu là inf f(x). Chẳng hạn, inf ex = 0.
xD xR

b) Tập {f(x) : x  D} không bị chặn dưới (tức là tập này chứa các số thực
nhỏ tùy ý). Trong trường hợp này ta viết inf f(x) = - .
xD

Trong Bài toán 1 cực tiểu tuyệt đối x̂ xác định điểm cần tìm Ĉ = ( x̂ , 0)
được đặc trưng bởi sự kiện hình học đã biết là các góc nhọn tạo nên bởi cạnh
A Ĉ và Ĉ B với trục Ox phải bằng nhau (góc tới bằng góc phản xạ) và giá trị tối

ưu của bài toán là fmin = (a  b) 2  d 2 ( Ĉ là giao điểm của A'B với trục Ox,
xem Hình 1.1).
Trong Bài toán 2 hình chữ nhật cần tìm là hình vuông cạnh bằng 2r/ 2 ,
tương ứng với nghiệm x̂ = ŷ = r/ 2 và fmax = 2r2 (xem Hình 1.2).
Lý thuyết bài toán cực trị đưa ra các qui tắc tìm nghiệm của bài toán,
thường là tách ra tập các điểm gọi là điểm tới hạn (thường bao gồm các điểm tại
đó đạo hàm theo mọi biến bằng 0, các điểm không có đạo hàm và các điểm biên

7
của miền ràng buộc ...). Tập này có thể rộng hơn tập điểm cực trị địa phương
hay toàn cục. Sau khi tìm được các điểm tới hạn, sử dụng các điều kiện tối ưu
cần và đủ, tìm ra các điểm cực tiểu (hay cực đại).
Để minh họa, ta xét ví dụ tìm các điểm tới hạn, các điểm cực trị địa phương
và cực trị toàn cục của bài toán sau.
Bài toán 3 (Hình 1.3). Tìm cực trị của hàm một biến
f(x) = x3(x2 - 1) → extr, - 1 ≤ x ≤ 2. (P3)
Cực trị toàn cục của bài toán có thể đạt được tại hai đầu mút của đoạn [- 1,
2] hoặc tại điểm trong. Nếu cực trị đạt tại điểm trong thì tại đó đạo hàm của f

phải bằng 0, tức là f '(x) = 0 ⇔ 5x4 - 3x2 = 0 ⇔ x ∈ {- 3 / 5 , 0, 3 / 5 }.

y f(x)

x1 x2 x3 x4 x5
x
- 1 - 3/5 0 1 2
3/5

Hình 1.3. Các điểm tới hạn

Như vậy có 5 điểm tới hạn: x 1 = - 1, x2 = - 3 / 5 , x3 = 0, x4 = 3 / 5 , x5 = 2,
trong đó x2, x 3, x4 là các điểm dừng. Từ đồ thị của hàm f (Hình 1.3) ta thấy x1, x4

∈ loc min P3; x2, x 5 ∈ loc max P3; x 4 ∈ abs min P3; x 5 ∈ abs max P3. Từ đó

fmin = - 6 0,6 /25 ≈ - 0,1859 và fmax = 24.

1.2. SỰ TỒN TẠI NGHIỆM TỐI ƯU

Câu hỏi tự nhiên đặt ra là bài toán được xét có hay không có nghiệm tối ưu
(cực tiểu hay cực đại toàn cục)? Trả lời cho câu hỏi này là
Định lý 1.1 (Định lý Weierstrass). Một hàm liên tục f trên một tập D
compac, khác rỗng đạt được cực tiểu và cực đại trên D.