拉格朗日乘数法:约束下求最值的通法

拉格朗日乘数法通过引入乘数 λ\lambda,把「约束 g=0g=0 下求 ff 的最值」转化为方程组 ∇f=λ∇g\nabla f=\lambda\nabla g,是条件最值问题的通用解法。

本质:约束曲线的梯度与目标函数的梯度在最值点必平行——把这句几何事实写成方程组,就是拉格朗日乘数法。

适用前提与边界条件

  1. 目标函数与约束函数需光滑(偏导数连续),约束集有界封闭时最值必在驻点取到
  2. 求出驻点后必须逐一比较函数值,并检查约束边界或奇点,不能只列方程

常见表现形式

  • 构造 $L=f-\lambda g$,偏导全部置零联立约束求解
  • 等值线族与约束曲线相切处即候选最值点
  • 不等式约束时先按等式约束找候选,再检查内部驻点

在哪些母题中出现

标准流程

步骤操作
构造函数
求偏导,
联立约束
比较全部候选点代回 ,最大者即最大值

从相切到平行

高中的几何解法告诉我们:最值发生在直线 与椭圆相切处。相切意味着两条曲线的切线重合、法线平行,而梯度正是法线方向——所以「相切」翻译成大学语言就是「梯度平行」。拉格朗日乘数法不是新发明,是把高中的几何直觉写成了可机械执行的代数程序。

典例精析

例 1(基本流程) 求 在约束 下的最值。

构造 。求偏导:、、。前两式相加得 ,分两支:(舍,与第一式 矛盾)或 。由 代入约束得 ,故驻点 、, 值分别为 、,最大 、最小 。

例 2(三分支讨论) 求 在 下的最值。

构造 ,偏导 、、 给出 。代入约束 得 ,故最大值为 、最小值为 。这里 分支与前两式矛盾,舍去。

例 3(多约束情形) 求 在 与 下的最值。

两个约束引入两个乘数 、:。偏导 ()给出 ,由 与 得 ,再由约束 得 ,,故最值为 。多约束时乘数个数等于约束个数。

辨析与提醒

  • 分支随手丢弃: 意味着目标函数梯度为零,即目标函数自身的驻点。例 2 中 与 矛盾故舍;但若题目改为 , 给出的就是球心处目标最小值,不可丢。每个分支必须单独判断与约束是否相容。
  • 只列偏导忘约束: 元目标加 个约束,应有 个方程( 个偏导加 个约束),缺一不可。学生常列完偏导就停笔,忘了联立约束方程,导致候选点求不全。
  • 驻点当最值:乘数法只给候选点,最大最小必须把全部候选点(含边界与奇点)代回目标函数比较得出。例 1 若只算 就答最大值 ,会漏掉 处的最小值 。

拉格朗日乘数法的三种身份

视角看法优势
几何等值线与约束曲线相切直观、可画图
代数偏导方程组联立约束程序固定、可机械化
极值引入乘数把约束极值化为无约束极值统一处理有约束与无约束

三种身份对应三种用法:几何用来破题与核对答案合理性,代数用来执行计算,极值观点用来把握它与普通驻点法的连续性。拉格朗日乘数法之所以是「通法」,正因为它在三种视角下都能站得住脚。

正例与反例

✅ 正例

  • 求 x−yx-y 在 x2+y2+xy=1x^2+y^2+xy=1 下的最值:1=λ(2x+y)1=\lambda(2x+y) 与 −1=λ(2y+x)-1=\lambda(2y+x) 相加得 x+y=0x+y=0

❌ 反例

  • 列出方程组后直接写最大值为 22 不验证:必须把驻点 (1,−1)(1,-1)、(−1,1)(-1,1) 代回目标函数比较

高频误解与考试易错

  • 解出 λ=0\lambda=0 分支随手丢弃:它对应目标函数自身的驻点,需单独判断是否与约束相容
  • 只列偏导方程忘记约束方程本身:nn 个偏导方程加 11 个约束,缺一不可
  • 不解方程组就断言最值:乘数法只给候选点,最大最小要比较得出

常见问题

拉格朗日乘数法的几何意义是什么?
最值点处目标函数的等值线与约束曲线相切,即两者梯度平行:∇f=λ∇g\nabla f=\lambda\nabla g,与高中「直线族与椭圆相切」是同一画面。
它和初等解法哪个好?
初等解法巧而快但挑题;乘数法程序固定、不挑题,是初等技巧失效时的兜底通法。
拉格朗日是谁?
拉格朗日(Lagrange,1736—1813),法国数学家,19 岁就当上教授,在分析力学、数论、天体力学都有奠基性贡献,乘数法出自他对变分问题的研究。

依据与出处

  • 同济大学《高等数学》下册:多元函数的条件极值与拉格朗日乘数法