拉格朗日乘子_约束条件下的极值问题：拉格朗日乘数法简介

在求解优化问题或者多元不等式时，我们经常需要在某些约束条件（constraints）下求极值，而这些约束条件经常会使解答变得十分复杂，所以今天我来介绍一种在分析学中常用的方法：拉格朗日乘数法（Method of Lagrange Multipliers）

---

为了更好的理解这个技巧，我们从一个十分简单的例子开始：

假设我们想要计算一个内切于椭圆的长方形的最大面积，椭圆方程如下：

假设长方形在第一象限内的顶坐标为

， 所以长方形的面积可以用一个多元函数表示：

(目标函数）

现在，我们将约束条件写做：

现在，函数

代表一个含参曲线

在这个问题中，我们要找的最大值就是椭圆和曲线的切点。如图所示：

为了找到这个合适的曲线，我们借助性质：两个曲线的梯度向量平行时，两曲线相切。

这意味着在切点处

是

的一个标量倍数。

（

为

向量微分算子，定义为

）

我们将这个标量记做

称这个标量

为

拉格朗日乘子(Lagrange Multipliers)。

拉格朗日定理给出了拉格朗日乘子存在的必要条件。