（一）拉格朗日乘子法——分析推导

如果$z=f(x,y)$在条件$g(x,y)=0$的条件下，在点$(x_0,y_0)$取得极值，如下图所示。

那么，$f(x,y)$的梯度与$g(x,y)$的梯度平行，即向量$({f_x}'(x_0,y_0),{f_y}'(x_0,y_0))$与向量$({g_x}'(x_0,y_0),{g_y}'(x_0,y_0))$平行。所以有

$$\frac{{f_x}'(x_0,y_0)}{{g_x}'(x_0,y_0)}=\frac{{f_y}'(x_0,y_0)}{{g_y}'(x_0,y_0)}=-\lambda_0 \qquad (1)$$
即
$$\left\{\begin{matrix} {f_x}'(x_0,y_0)+\lambda_0{g_x}'(x_0,y_0)=0\\ \\ {f_y}'(x_0,y_0)+\lambda_0{g_y}'(x_0,y_0)=0\\ \\ g(x_0,y_0)=0 \end{matrix}\right. \qquad (2)$$
引入辅助函数 $L(x,y, \lambda)=f(x,y)+\lambda g(x,y)$，对该函数求偏导得
$$\left\{\begin{matrix} \frac{\partial L(x,y, \lambda)}{\partial x}={f_x}'(x,y)+\lambda{g_x}'(x,y)=0\\ \\ \frac{\partial L(x,y, \lambda)}{\partial y}={f_y}'(x,y)+\lambda{g_y}'(x,y)=0\\ \\ \frac{\partial L(x,y, \lambda)}{\partial \lambda}=g(x,y)=0 \end{matrix}\right. \qquad(3)$$
求偏导的结果显示，公式(3)实际上就是公式(2)，这意味着求 条件极值问题可以转化为 无条件极值问题求解。其中，辅助函数 $L(x,y, \lambda)=f(x,y)+\lambda g(x,y)$是 拉格朗日函数。即求 $z=f(x,y)$在条件 $g(x,y)=0$的条件下，在点 $(x_0,y_0)$取得极值的问题可以转化为求解拉格朗日函数 $L(x,y, \lambda)=f(x,y)+\lambda g(x,y)$偏导数为0的解.