معادله شرط (Constraint Equation)، در ریاضیات (Mathematics)

انواع معادلات (Equation) را در آموزش زیر شرح دادیم :

معادله شرط (Constraint Equation) :

🔍 تعریف: معادله شرط معادله ای است که محدودیت های یک سیستم را بیان می کند. در مکانیک، این معادلات روابط بین مختصات تعمیم یافته را نشان می دهند (مثلا برای آونگ،

\[ x^2 + y^2 = L^2 \]

). در بهینه سازی، قیود به صورت تساوی یا نامساوی ظاهر می شوند.

\[ g(x_1, x_2, \dots, x_n) = 0 \]

📌 ویژگی های اصلی:

قیود هولونومیک: قیودی که فقط به مختصات وابسته هستند (نه به سرعت).

قیود غیرهولونومیک: قیودی که به سرعت نیز وابسته هستند (مثل غلتش بدون لغزش).

کاربرد در بهینه سازی: قیود تساوی و نامساوی در مسائل بهینه سازی (برنامه ریزی ریاضی).

ضریب لاگرانژ: برای اعمال قید در مسائل بهینه سازی از ضرایب لاگرانژ استفاده می شود.

💡 مثال های متنوع:

🔹 مثال ۱ (آونگ ساده):

\[ x^2 + y^2 = L^2 \]

.

🔹 مثال ۲ (ذره روی یک سطح):

\[ f(x,y,z) = 0 \]

.

🔹 مثال ۳ (غلتش استوانه):

\[ \dot{x} - R\dot{\theta} = 0 \]

(قید غیرهولونومیک).

🔹 مثال ۴ (بهینه سازی): ماکزیمم کردن حجم یک استوانه با سطح ثابت: قید

\[ 2\pi R^2 + 2\pi R h = S \]

.

🌍 کاربردها: مکانیک (سیستم های مقید)، رباتیک (محدودیت های حرکتی)، بهینه سازی (مسائل با قیود)، اقتصاد (تخصیص منابع).

📝 نکته جالب: روش ضرایب لاگرانژ برای حل مسائل بهینه سازی با قیود توسط ژوزف لویی لاگرانژ در کتاب "Mécanique Analytique" (۱۷۸۸) معرفی شد. این روش یکی از قدرتمندترین ابزارها در ریاضیات کاربردی است.

🧮 روش ضرایب لاگرانژ: برای یافتن اکسترمم تابع

\[ f(x) \]

تحت قید

\[ g(x)=0 \]

، تابع لاگرانژی

\[ \mathcal{L}(x, \lambda) = f(x) - \lambda g(x) \]

را ساخته و مشتقات جزئی را صفر می کنیم.

⚠️ نکته: قیود غیرهولونومیک را نمی توان به صورت معادله جبری بین مختصات نوشت. آنها به شکل معادلات دیفرانسیل ظاهر می شوند.

📈 قیود در دینامیک: در دینامیک سیستم های مقید، معادلات حرکت با استفاده از اصل دالامبر یا معادلات لاگرانژ با ضرایب لاگرانژ نوشته می شوند.

🔬 مثال عددی: ماکزیمم کردن حجم یک استوانه با سطح کل S. قید:

\[ 2\pi R^2 + 2\pi R h = S \]

. با روش لاگرانژ،

\[ R = \sqrt{\frac{S}{6\pi}} \]

و

\[ h = 2R \]

به دست می آید.