拉格朗日乘数法

拉格朗日乘数法（Lagrange Multiplier Method）是数学优化中处理等式约束极值问题的经典方法。它通过引入“拉格朗日乘子”，巧妙地将一个有约束的问题转化为无约束的问题。

1. 核心思想：几何上的“相切”

对于目标函数 和约束条件 ：

• 直观理解：想象目标函数 的等高线。当你沿着约束曲线 运动时，如果你还能走向更高或更低的等高线，说明还没达到极值。
• 关键结论：极值点必然出现在目标函数等高线与约束曲线相切的地方。
• 数学表达：在切点处，两者的梯度向量（垂直于曲线的方向）是平行的。即： 这里的 就是拉格朗日乘子。

2. 计算步骤：四步走

假设要求 在约束 下的极值：

1. 构造拉格朗日函数： 注：减号改加号也可以，不影响最终 的求解。
2. 求偏导并置零： 对所有自变量 和乘子 分别求偏导，令其等于 0：
3. 解方程组：算出所有的驻点 。
4. 确定极值：将得到的驻点代入原函数 ，通过比较数值大小或结合实际背景判断最大值或最小值。

3. 经典示例

问题：求 在约束 下的最大值。

• 构造函数：
• 求导：
• 求解：联立得 。
• 结果：最大值为 。

4. 局限

• 仅限等式：该方法原生只支持 。
• 不等式约束：如果约束是 ，则需要升级到 KKT 条件（Karush-Kuhn-Tucker）。
• 驻点非极值：求出的是驻点，还需要根据海森矩阵（Hessian Matrix）或物理意义确认是否为真正的极值点。