ラグランジュ乗数 - Ciallo Wiki

1 基本概念

ラグランジュ乗数は、制約を受ける最適化問題を扱うための枠組みである。目的関数そのものの増減だけでなく、与えられた条件を同時に満たす点を探す点に特徴がある。特に等式制約では、独立変数を直接減らさなくても、補助変数を導入して極値候補を整理できる。

条件付き最適化は、ある条件の下で関数の最大値または最小値を求める問題である。たとえば、資源量が固定されたまま利益を最大化したり、長さや面積に制限がある状況で量を最小化したりする場合に用いられる。制約がない通常の最適化よりも、解の候補は限定される。

制約条件は、変数が満たすべき規則や制限を表す。等式制約では、複数の変数の関係が数式として固定される。これにより、探索できる領域は全空間ではなく、条件を満たす部分集合に絞られる。制約の形によって、解法の扱いやすさは大きく変わる。

ラグランジュ関数は、目的関数と制約条件を一つの式にまとめたものである。通常は、制約を係数付きで加え、同時に満たすべき条件を方程式として扱う。これによって、元の制約付き問題を、偏微分を用いる連立条件へと変換できる。

目的関数は、最大化または最小化したい量を表す。利益、距離、エネルギー、誤差など、対象分野に応じて意味は異なる。ラグランジュ法では、この関数の傾きが解の位置を決める中心的な情報となる。

制約項は、条件を数式として組み込む部分である。ラグランジュ関数では、制約式に乗数を掛けて目的関数へ加えるか、符号を変えて組み入れる。こうすることで、制約を満たす点では補助項が消え、条件の影響だけが勾配条件に反映される。

ラグランジュ乗数は、制約が最適値に与える影響の強さを示す係数として解釈できる。幾何学的には、目的関数の変化率と制約の方向を結びつける役割を持つ。応用分野では、制約を少し緩めたときに目的値がどの程度変わるかを表す感度指標として理解されることも多い。

この方法の基礎には、微分可能関数の極値条件とベクトルの幾何学がある。制約面上での最適点では、目的関数が許された方向に沿ってこれ以上改善できない状態が成立する。そのため、勾配の向きや接空間との関係が重要になる。

勾配は、関数が最も急に増加する方向を示すベクトルである。制約面の接平面は、その点で許される微小な移動の方向を表す。最適点では、目的関数の勾配が制約面に沿う方向へ変化しないため、制約の勾配と平行になる。

極値条件は、候補点が本当に最大値や最小値を与えるかを判断する基準である。ラグランジュ法では、まず一次条件で候補を見つけ、その後に必要に応じて追加の判定を行う。微分の情報だけで決まらない場合もあるため、周辺の曲がり方も重要になる。

必要条件は、極値であれば必ず満たす条件である。典型的には、目的関数の勾配が制約の勾配の線形結合で表されることを意味する。これにより、未知数と乗数を含む方程式が得られるが、候補点が極値であることまでは保証しない。

十分条件は、その条件が満たされれば極値であると断定できる基準である。二階微分やヘッセ行列を調べることで、候補点が局所最大・局所最小・鞍点のいずれかを判別する。制約付きでは、制約面に沿った曲率の情報が特に重要となる。

幾何学的には、最適点では目的関数の等高線と制約曲線や制約曲面が接する。接している点では、両者の法線方向が一致するため、勾配同士が平行になる。これがラグランジュ乗数法の直観的な核心である。

実際の計算では、問題を整理し、補助変数を含む方程式系として解く。見た目は複雑でも、手順自体は一定しており、変数と制約の数に応じて機械的に進められる。解析的に解ける場合もあれば、数値的な近似が必要な場合もある。

まず、最適化したい目的関数と、満たすべき制約を明確にする。変数の個数、制約の数、最大化か最小化かを整理することが重要である。問題の形が曖昧だと、後の式変形や判定が不安定になる。

次に、目的関数に制約を組み込み、ラグランジュ関数を作る。複数の制約がある場合は、それぞれに対応する乗数を導入する。こうして得られた関数は、元の条件付き問題を、微分可能な同時方程式の形に置き換える。

ラグランジュ関数を各変数と乗数で偏微分し、それぞれを0に等置する。すると、目的関数の勾配条件と制約条件を含む連立方程式が得られる。未知数が多くても、構造が明確なため、整理して解きやすい。

得られた解が、実際に求める最大値や最小値かどうかを確認する。候補が複数ある場合は、目的関数に代入して比較する。必要に応じて、二次の情報や境界の性質を調べ、局所的な解と大域的な解を区別する。

ラグランジュ乗数法は、変数が多く制約が明確な問題に広く使われる。物理学では保存則を伴う系の整理に役立ち、経済学では資源配分の分析に用いられる。統計学や工学でも、条件を課した推定や設計最適化に応用される。

力学では、運動の自由度に制約がある系を扱う際に有用である。たとえば、関節や拘束条件をもつ物体の運動方程式を立てるとき、見かけの力を導入して記述を簡潔にできる。これにより、運動の解析が体系的になる。

経済学では、予算制約のもとで効用や利益を最大化する問題に使われる。消費者の最適選択や企業の資源配分を表現する際に、制約付き最適化は基本的な道具となる。乗数は、制約の厳しさが意思決定に与える影響を示す指標としても扱われる。

統計学では、尤度最大化や制約付き推定で利用される。確率分布の母数に条件がある場合、ラグランジュ法によって推定量を導くことができる。合計が1になる確率変数の制約など、正規化条件を扱う場面でも有効である。

工学では、材料、形状、性能、コストなどを同時に考慮する設計問題に使われる。制約を守りながら効率を上げる必要があるため、この手法は実務的価値が高い。構造設計、制御、電気回路の最適化など、適用範囲は広い。