一、拉格朗日乘数法简介
在日常的生产生活中，当我们要要安排生产生活计划的时候，常常会在现实物理资源约束的条件下，计算得到收益最大或者损失最小的计划； 像这种对自变量有附加条件的极值称为条件极值；拉格朗日乘数法是一种直接计算解决条件极值的方法；
拉格朗日乘数法的定义如下：
设有 \(f(x, y), \varphi(x，y)\) 两个函数，并且两者都有一阶连续偏导数,则做拉格朗日函数为
\[F(x, y, \lambda) = f(x, y) + \lambda \varphi(x，y)
\]
令函数F的各个偏导数 \(F_{x} = 0, F_{y} = 0, F_{λ} = 0\),计算各个偏导数并联立方程得到
\[\left\{\begin{matrix}
f_{x}(x,y) + \lambda \varphi_{x}(x,y)=0 \\
f_{y}(x,y) + \lambda \varphi_{y}(x,y)=0 \\
\varphi(x,y)=0
\end{matrix}\right.
\]
由此方程组解出拉格朗日函数稳定点 \((x_{0}，y_{0}，λ_{0})\),则 \((x_{0}，y_{0})\) 就是函数 \(f(x, y)\) 在附加条件 \(\varphi(x,y)=0\) 下的可能极值点;
二、拉格朗日乘数法的推导
目标函数
\[\begin{equation}
f(x, y) = 0
\end{equation}
\]
约束条件
\[\begin{equation}
\varphi(x，y) = 0
\end{equation}
\]
如果函数(1)在点 $ (x_{0}, y_{0}) $ 得到极值，那么首先会满足约束条件
\[\begin{equation}
\varphi(x_{0}，y_{0}) = 0
\end{equation}
\]
设 \(f(x, y)\) 与 \(\varphi(x，y)\)在点 \((x_{0}, y_{0})\) 的某个邻域内有连续偏导数，且满足
\[\varphi_{y}(x_{0}，y_{0}) \ne 0
\]
由隐函数存在定理，式(2)在点 $(x_{0}, y_{0}) $ 的某邻域内能唯一确定一个单值可导且具有连续导数的函数 \(y=y(x)\) ，并且有 \(y_{0}=f(x_{0})\),以及
\[\begin{equation}
\left.\frac{\mathrm{d} y}{\mathrm{~d} x}\right|_{x=x_{0}}=-\frac{\varphi_{x}\left(x_{0}, y_{0}\right)}{\varphi_{y}\left(x_{0}, y_{0}\right)}
\end{equation}
\]
将 \(y=y(x)\) 带入公式(1)得到
\[\begin{equation}
z = f(x, y(x))
\end{equation}
\]
公式(5)也同公式(1)在 $(x_{0}, y_{0}) $ 处取的极值，有一元函数取得极值的必要条件可得
\[\begin{equation}
\left.\frac{\mathrm{d} z}{\mathrm{~d} x}\right|_{x=x_{0}}=f_{x}\left(x_{0}, y_{0}\right)+\left.f_{y}\left(x_{0}, y_{0}\right) \frac{\mathrm{d} y}{\mathrm{~d} x}\right|_{x=x_{0}}=0
\end{equation}
\]
将公式(4)带入公式(6)得到
\[\begin{equation}
f_{x}\left(x_{0}, y_{0}\right)-f_{y}\left(x_{0}, y_{0}\right) \cdot \frac{\varphi_{x}\left(x_{0}, y_{0}\right)}{\varphi_{y}\left(x_{0}, y_{0}\right)}=0
\end{equation}
\]
为了解出 $(x_{0}, y_{0}) $ ，引入辅助变量
\[\lambda_{0}=-\frac{f_{y}\left(x_{0}, y_{0}\right)}{\varphi_{y}\left(x_{0}, y_{0}\right)}
\]
则公式(3)和公式(7)均成立等价于
\[\begin{equation}
\left\{\begin{array}{l}
f_{x}\left(x_{0}, y_{0}\right)+\lambda_{0} \varphi_{x}\left(x_{0}, y_{0}\right)=0 \\
f_{y}\left(x_{0}, y_{0}\right)+\lambda_{0} \varphi_{y}\left(x_{0}, y_{0}\right)=0 \\
\varphi\left(x_{0}, y_{0}\right)=0
\end{array}\right.
\end{equation}
\]
在 \(f(x, y), \varphi(x，y)\) 给定的前提下，我们可以通过公式(8)计算得到 \((x_{0}, y_{0}, \lambda_{0})\) ,我们可根据公式(8)的特点构造以下函数
\[F(x, y, \lambda)=f(x, y)+\lambda \phi(x, y)
\]
可以看到公式(8)等价 \(F(x, y, \lambda)\) 的以下偏导数
\[\left\{\begin{array}{l}
F_{x}\left(x_{0}, y_{0}, \lambda_{0}\right)=0 \\
F_{y}\left(x_{0}, y_{0}, \lambda_{0}\right)=0 \\
F_{\lambda}\left(x_{0}, y_{0}, \lambda_{0}\right)=0
\end{array}\right.
\]
通过以上推演过程，函数 \(F(x, y, \lambda)\) 称为拉格朗日函数，参数λ称为拉格朗日乘数，点 \((x_{0}, y_{0}, \lambda_{0})\) 称为 \(F(x, y, \lambda)\) 的驻点或稳定点.
