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。