⽹⻚ 新闻 贴吧 知道 ⽹盘 图⽚ 视频 地图 ⽂库 百科 百度⾸⻚ 登录 注册

 拉格朗⽇乘数法 进⼊词条  播报  编辑  讨论 4  收藏  赞 登录

 拉格朗⽇乘数法 进⼊词条 全站搜索 帮助

近期有不法分⼦冒充百度百科官⽅⼈员，以删除词条为由威胁并敲诈相关企业。在此严正声明：百度百科是免费编辑平台，绝不存在收费代编服务，请勿上当受骗！ 详情>> 

⾸⻚ 秒懂百科 特⾊百科 ⽤户 知识专题 权威合作  下载百科APP  个⼈中⼼

拉格朗⽇乘数法  播报  编辑  讨论  上传视频

⾼等数学术语

⼀分钟了解拉格朗⽇乘数法 00:48 不等式⼀题多解，拉格朗⽇乘数法Y… 08:49

  收藏  408  205

本词条由“科普中国”科学百科词条编写与应⽤⼯作项⽬ 审核 。

在数学最优问题中，拉格朗⽇乘数法（以数学家约瑟夫·路易斯·拉格朗⽇命名）是⼀种寻找变量受⼀个或多个条件所限制的
多元函数的极值的⽅法。这种⽅法将⼀个有n 个变量与k 个约束条件的最优化问题转换为⼀个有n + k个变量的⽅程组的极值问
题，其变量不受任何约束。这种⽅法引⼊了⼀种新的标量未知数，即拉格朗⽇乘数：约束⽅程的梯度（gradient）的线性组合⾥
每个向量的系数。 [1] 此⽅法的证明牵涉到偏微分，全微分或链法，从⽽找到能让设出的隐函数的微分为零的未知数的值。

中⽂名 拉格朗⽇乘数法 提出者 Joseph Lagrange

外⽂名 Lagrange Multiplier Method 提出时间 1791年 拉格朗⽇乘数法的概述图（1

表达式 L=f(x,y,z)+λφ(x,y,z) 适⽤领域 函数 张）
应⽤学科 ⾼等数学 微观经济学

科普中国
▪ 证明 致⼒于权威的科学传播
1 基本信息 3 应⽤举例
⽬录 ▪ 定义介绍
▪ 求极值
▪ 例题⼀
▪ ⼏何意义 2 解题思路 ▪ 例题⼆ 本词条认证专家为

刘军 副研究员 审核
中国科学院⼯程热物理研究所

基本信息  播报  编辑

定义介绍 权威合作编辑
设给定⼆元函数z=ƒ(x,y)和附加条件φ(x,y)=0，为寻找z=ƒ(x,y)在附加条件下的极值点，先做拉格朗⽇函数 “科普中国”科学百科词条编写…
，其中λ为参数。 “科普中国”是为我国科普信息化
建设塑造的全...
令F(x,y,λ)对x和y和λ的⼀阶偏导数等于零，即
什么是权威编辑
[1]
F'x=ƒ'x(x,y)+λφ'x(x,y)=0

F'y=ƒ'y(x,y)+λφ'y(x,y)=0 词条统计

浏览次数：1634790次
F'λ=φ(x,y)=0
编辑次数：50次历史版本

由上述⽅程组解出x,y及λ，如此求得的(x,y)，就是函数z=ƒ(x,y)在附加条件φ(x,y)=0下的可能极值点。 最近更新：canguanxihu （2022-08-3

0）
若这样的点只有⼀个，由实际问题可直接确定此即所求的点。
突出贡献榜
⼏何意义 yu45
[1]
设给定⽬标函数为 ，约束条件为 。

1 80后怀旧零⻝ 12 恋爱测试
如图1所示，曲线 为约束条件 ， 为⽬标函数的等值线
2 37游戏平台 13 模拟⾃动选号机
族。
3 迈巴赫S600 14 智商测试
4 采购与供应管理 15 采购企业
在 、 偏导数都连续的条件下，⽬标函数 在约束条件
5 怎么创建⽹站 16 CAD教程
下的可能极值点 ，从⼏何上看，必是⽬标函数等值线曲线族
6 扬声器⼚家 17 ⼯作计划管理
中与约束条件曲线能相切的那个切点。 7 埃摩森猎头公司 18 ⼩孩智商测试
8 显微镜下的细菌 19 电⼦合同软件
因为两曲线在切点处必有公法线，所以⽬标函数等值线在点 处法向量
9 ⼼理测试题90题 20 饥荒云服务器
与约束条件曲线在点 处法向量
10 标牌供应⼚家 21 舆情分析报告
平⾏，即 图1 11 海⼝落户 22 ⼆次元检测仪

也就是说，存在实数 ，使下式成⽴

需要注意的是，⽬标函数等值线与约束条件曲线的切点未必就是⽬标函数 在约束条件 下的极值点

（如图1中的 点）。

证明
以三元函数为例，即求⽬标函数：u=f(x,y,z) 在限制条件：①G（x,y,z）=0 ② H（x,y,z）=0下的极值。

[1]
假定f,G,H具有连续的偏导数，且Jacobi矩阵：

注释：这⾥表示的是2x3的矩阵，Hx和Gx分别表示H,G对x求偏导。

在满⾜约束条件的点处是⾏满秩，即Rank(J)=2。

先考虑取到条件极值的必要条件，上述约束条件实际是空间曲线的⽅程。设曲线上⼀点( , , ) 为条件极值点，由于

在该点处rank(J)≠0，不妨假设在( , , )点处 ，则由隐函数存在定理，在点（ , , )附近由该⽅程

可以确定 y=y(x),z=z(x)，其中 =y( ), =z( )，它是这个曲线⽅程的参数形式。

将它们带⼊⽬标函数，原问题就转化为函数：

的⽆条件极值问题， 是函数 （x）的极值点，因此有 '（x）=0。

也就是

[2]
这说明向量 gradf( , , )与向量 正交，即与曲线在点( , , )的切向量正交，因
此这点的梯度grad f(,,)可以看做是曲线在点 ( , , ) 处的法平⾯上的向量。在根据平⾯上任意⼀个向量都可以有⼀对不共
线的向量线性表示，⼜由于这个法平⾯是由grad G(x0,y0,z0)与gradH( , , )张成的，因此，存在常数a,b使得 gradf( ,
, )=a*grad G(x0,y0,z0)+b*gradH(x0,y0,z0)。

这就是点(,,)为条件极值点的必要条件。

将上述⽅程写成分量的形式，就可以得到。

求极值
[1]
求函数f(x,y,z)在条件φ(x,y,z)=0下的极值。

⽅法（步骤）是：

1.做拉格朗⽇函数L=f(x,y,z)+λφ(x,y,z),λ称拉格朗⽇乘数；

2.求L分别对x,y,z,λ求偏导，得⽅程组,求出驻点P(x,y,z)；

如果这个实际问题的最⼤或最⼩值存在，⼀般说来驻点只有⼀个，于是最值可求。

条件极值问题也可以化为⽆条件极值求解，但有些条件关系⽐较复杂，代换和运算很繁，⽽相对来说“拉格朗⽇乘数法”不需
代换，运算简单⼀点，这就是优势。

条件φ(x,y,z)⼀定是个等式，不妨设为φ(x,y,z)=m

则再建⼀个函数g(x,y,z)=φ(x,y,z)-m

g(x,y,z)=0以g(x,y,z)代替φ(x,y,z)

在许多极值问题中，函数的⾃变量往往要受到⼀些条件的限制，⽐如，要设计⼀个容积为 V的⻓⽅体形开⼝⽔箱，确定⻓、
宽和⾼，使⽔箱的表⾯积最⼩.。设⽔箱的⻓、宽、⾼分别为 x,y,z， 则⽔箱容积V=xyz。

焊制⽔箱⽤去的钢板⾯积为 S=2xz+2yz+xy

这实际上是求函数 S 在 V 限制下的最⼩值问题。

这类附有条件限制的极值问题称为条件极值问题，其⼀般形式是在条件限制下，求函数F的极值。

条件极值与⽆条件极值的区别

条件极值是限制在⼀个⼦流形上的极值，条件极值存在时⽆条件极值不⼀定存在，即使存在⼆者也不⼀定相等。

例如，求⻢鞍⾯ z=x^2-y^2+1 被平⾯XOZ 平⾯所截的曲线上的最低点。

从其⼏何图形可以看出整个⻢鞍⾯没有极值点，但限制在⻢鞍⾯被平⾯ 平⾯所截的曲线上，有极⼩值 1，这个极⼩值就称为

条件极值。

必要条件

设在约束条件之下求函数的极值。满⾜约束条件的点是函数的条件极值点，且在该点函数满⾜隐函数存在条件时， 由⽅程定
隐函数 ，于是点就是⼀元函数的极限点。

[1]
Lagrange乘数法

由上述讨论可⻅，函数在约束条件之下的条件极值点应是⽅程组的解。

引进所谓Lagrange函数(称其中的实数 为Lagrange乘数 )，则上述⽅程组即为⽅程组。

因此，解决条件极值通常有三种⽅法：

1）直接的⽅法是从⽅程组（1）中解出 并将其表示为 代⼊ 消去 成为变量为 的函数将问题化为函数⽆条件极值问题；

2）在⼀般情形下，要从⽅程组（1）中解出 来是困难的，甚⾄是不可能的，因此上⾯求解⽅法往往是⾏不通的。通常采⽤的
拉格朗⽇乘数法，是免去解⽅程组（1）的困难，将求 的条件极值问题化为求下⾯拉格朗⽇函数的稳定点问题，然后根据所讨论
的实际问题的特性判断出哪些稳定点是所求的极值的。

3）在给定的条件下，若是可以将未知数代换或是解出，则可以将条件极值转化为⽆条件极值，从⽽避免引⼊拉格朗⽇乘数
的麻烦。

注意：▽φ(x,y,z)=0 且 φ(x,y,z)=0的点不会被该⽅法计算到，因此，若求最⼤值或最⼩值时，应把这些点列出来并单独计算。

解题思路  播报  编辑

我们知道，对于“限制条件为等式，x值均为正值"的最⼤化问题， 满⾜最⼤化的x组合⼀定满⾜：F(i)(x*)-Σλj Gj(i)(x*)=0,

i=1,2,3,.....n, j=1,2,...m. 从这⾥我们看到，如果限制条件 Gj(x*)=cj 中的 cj 变化 dcj ，如果全部作⽤于x(i)，那么引起的
dx(i)=dcj/Gj(i)(x*)，从⽽导致⽬标⽅程取值变化dF=F(i)(x*)dcj/Gj(i)(x*)=λj*dcj 。

那么我们得到：λj=dF/dcj。也就是说，拉格朗⽇乘数其实代表的是cj对最⼤化⽬标函数F的边际影响。虽然这⾥考虑的是仅
仅cj发⽣变化，我们可以对此加以推⼴，⽐如整体的c向量发⽣变化到 c+dc,dc是⼀个m-维向量，那么F的总变化量dF就是Σλj
dCj, j=1,2,...m。

举⼀个具体的实例：假如⼀个计划经济体系下，政府实施如前所述的最⼤化问题(在有限资源如劳动⼒、⾃然矿产，⼈⼒资本
等的限制下使社会整体效⽤/福利最⼤化)，并已经找到了满⾜最⼤化条件的x组合。假设万能的上帝允许该国的劳动⼒资源可以额
外增加dc1，那么根据拉格朗⽇乘数的经济学含义我们知道给整个社会带来的福利将是λ1*dc1。但是上帝说：要获得这个额外的
劳动⼒资源，你们必须以⼀定数量的其他资源⽐如⼟地来跟我交换，以示公平。那么我们⼈类政府该拿多少⼟地来跟上帝换呢？
指定该⼟地数量为dx2，那么由此减少的社会福利是λ2*dc2。如果λ1*dc1>λ2*dc2，上帝不会答应,如果反之我们不会答应。所以
必然有λ1*dc1=λ2*dc2，也就是dc2=(λ1/λ2)dc1。学过初级微观的朋友⻢上可以看出,这跟微观经济学中相对价格的概念⼗分相
似。相对价格反映物与物之间的交换价值，即⼈们愿意怎么样进⾏物与物的交换。不同的是，这⾥的价格不是以钱来计算，⽽是
以社会福利来衡量；这⾥的相对价格λ1/λ2中的λ1和λ2是基于解决社会福利最⼤化问题⽽计算出来的,不同于市场中的价格
P1,P2。由于这个原因,我们把λ叫做"影⼦价格"(shadow price)。如果我们偶尔发现某个市场经济下市场价格之⽐恰恰等于影⼦价
格之⽐,我们称这个市场被⼀双看不⻅的⼿所指引，因为该市场居然可以⾃发调整解决社会福利的最⼤化问题。

再来考虑"限制条件为⾮等式"的情况。 我们知道市场价格通常都不可能为零或负数，但是影⼦价格确不同，它描述的是限制
⽅程右⽅cj对整体⽬标函数值的边际影响。在限制条件Gj为⾮等式的情况下，增加额外的cj不⼀定就意味着⽬标函数值的增加。
⽐如：限制条件为"社会某消费产品不得⾼于cj"，⽬标函数为投资量，如果cj提⾼，那么消费该产品增加，导致投资量减少，⽬标
函数值减少，这时影⼦价格就是⼀个负值。再⽐如：⽬标函数为产量，限制条件为"同时参加劳动的⼯⼈数量不得⾼于cj"。如果cj
增加，那么同时劳动的⼯⼈数量增加，可能导致劳动⼒边际产量递减效应的发⽣，这时总产量可能不增反降。这时我们情愿不增
加⼯⼈。换句话说，我们情愿把⼀些资源放在⼀旁不予利⽤(free disposal).这时候再增加这些劳动⼒资源，对总产量已经没有作
⽤了，所以影⼦价格为零。 事实上，根据库恩-塔克定理，这⼀点是很明显的。库恩-塔克定理说，满⾜最⼤化问题解的x⼀定使
得下⾯的条件满⾜：

Lλ(x, λ)>=0, λ>=0, 互补松散

就是说，如果Lλ(x, λ)=c-G(x*)>0，那么说明有资源余缺闲置，这时λ=0。如果Lλ(x, λ)=c-G(x*)=0，那么说明资源全部被使⽤,

其边际效⽤λ>0。

注意：这⾥我们通过对拉格朗⽇乘数的解释考查了cj的微⼩变动dcj对⽬标函数最⼤值的变化的影响，这就是开篇所说的⽐较
静态研究—研究参数θ的变化对最⼤值的影响。所以我们在进⾏⽐较静态研究的时候必须把⽬标函数看成是同时关于x和参数θ的
函数，基于这⼀点，我们从另⼀个⻆度来看λ的确定，考察参数cj。如果cj变化⼀点点到cj+dcj，那么相应地最佳组合x*变动到
x*+dx*，最⼤⽬标值也由F(x*)变化为F(x*+dx*)。由泰勒⼀阶展开我们得到：dF=F(x*+dx*)-F(x*)=Fx(x*)dx*+Fcj(x*)dcj。根据拉格朗
⽇乘数法⼀阶必要条件，我们有Fx(x*)=λj Gx(x*)，所以dF=λj Gx(x*)dx*+Fcj(x*)dcj=λj Gx(x*)dx*，我们⼜知道根据限制条件⽅程
G(x*)=cj，在cj变化到cj+dcj的过程中，Gx(x*)dx*=dcj，所以dF=λj dcj。同样推导出了λ的定义式。更⼀般地，如果F和G都是关于
x和参数θ的函数，如果参数θ变动到θ+dθ,x随之变动到x+dx，那么：

dF=F(x+dx,θ+dθ)-F(x,θ)=Fx(x,θ)dx+Fθ(x,θ)dθ=λGx(x,θ)dx+Fθ(x,θ)dθ...(1)

由于G是关于x和θ的函数G(x,θ)=c，所以在θ变化的过程中始终有

Gx(x,θ)dx+Gθ(x,θ)dθ=dc...................................................(2)

代⼊(1)式，我们得到：

dF=λdc -λGθ(x,θ)dθ+Fθ(x,θ)dθ=Lθ(x,λ,θ)dθ+λdc....................(3)

这就是最⼀般化的⽐较静态公式。我们在研究影⼦价格λ的时候，没有考虑任何参数θ的变化，所以公式(3)的第⼀项为零，这
样dF=λdc。反之，我们在某些情况下不考虑c的变化，⽽侧重于参数θ的变化，这时公式(3)变化为： dF=Lθ(x,λ,θ)dθ。如果只有
函数F跟θ有关,⽽G跟θ⽆关，那么公式(3)简化为dF=Fθ(x,θ)dθ。

注意：

1、在参数θ变化的过程中，θ-->θ+dθ,x-->x+dx，但是对⽬标函数值的影响却只要考虑拉格朗⽇函数对θ的偏微分，⽽且该偏
微分在原来最优点x处取值，这是我们⽤泰勒⼀阶展开应该得到的结论。

2、这⾥的x虽然没有标上星号*，但不⾔⾃明的是它们都应该是最优组合，⽽且它们也都是关于参数θ的函数x(θ)。如果我们
把最⼤化了的F定义成⼀个新函数最优⽬标⽅程V(θ)，那么由刚刚推导出来的公式(3)dF=Fθ(x,θ)dθ 我们有 Vθ(θ)=Fθ(x(θ),θ)。再次
提醒注意，这⾥的x(θ)是满⾜最⼤化条件的最优点。

如果我们再定义⼀个普通⽬标函数F(x',θ)，但是这⾥的x'是任意值，不⼀定是最优点x(θ)。假设对应这个x'的能使 F 函数值最
⼤的θ是θ'，那么V(θ)在θ'点处的斜率为：Vθ(θ')=Fθ(x(θ'),θ')。但我们知道,x(θ')=x'，所以Fθ(x(θ'),θ')=Fθ(x',θ')。⽽后者就是函数
F(x',θ)在点θ'的斜率，这就是说函数V(θ)和函数F(x',θ)在点(x',θ')处的斜率相等。这个结论对于x'取任意⼀个固定值都是成⽴的，所
以从⼏何图形上来看：最优⽬标函数V(θ)把普通⽬标函数曲线族紧紧包围。因此dF=Fθ(x,θ)dθ 往往⼜称为"包络定理"(envelope
theorem)。微观经济学⾥⾯的短期成本和⻓期成本之间的关系就是符合信封定理的，因为这⾥的成本都是满⾜了成本最⼩化之后
的成本。

均衡原则

微观经济学研究消费者⾏为时，所要阐述的核⼼问题是消费者均衡的原则。所谓消费者均衡指的是⼀个有理性的消费者所采
取的均衡购买⾏为。进⼀步说，它是指保证消费者实现效⽤最⼤化的均衡购买⾏为。

但⼈的需要或欲望是⽆限的，⽽满⾜需要的⼿段是有限的。所以微观经济学所说的效⽤最⼤化只能是⼀种有限制的效⽤最⼤
化。⽽这种限制的因素就是各种商品的价格和消费者的货币收⼊⽔平。

⾸先，我们先引⼊⼀些名词解释：

总效⽤(TU)：消费者在⼀定时间内消费⼀定数量某种商品或商品组合所得到的总的满⾜。

边际效⽤(MU)：消费者在所有其它商品的消费⽔平保持不变时，增加消费⼀单位某种商品所带来的满⾜程度的增加，也就是
说指增加⼀单位某种商品所引起的总效⽤的增加。

商品数量(Q)，商品价格(P)， 收⼊(I)

边际效⽤的公式表达为：MU=∂TU/∂Q

那么如何才能实现制约条件下的效⽤最⼤化的商品组合呢？

就是当消费者把全部收⼊⽤于购买各种商品时，他从所购买的每⼀种商品所得到的边际效⽤与其价格的⽐例都相同，这样的
商品组合就是最佳的或均衡的商品组合。

假设当消费者选择两种商品x,y时，消费者均衡原则的公式表达为:

MUx/Px = MUy/Py("/"为分数线）

制约条件的公式表达式为：I=Px∙Qx+Py∙Qy。那么这⼀结论是如何推导出来的呢？解决这⼀问题最直接的⽅法就是拉格朗⽇
乘数法。

上⾯说到：在利⽤偏导数求多元函数的极值时，若函数的⾃变量有附加条件，则称之为条件极值。这时，可⽤拉格朗⽇乘数
法求条件极值。具体⽅法如下：

设给定⼆元函数z=ƒ(x,y)和附加条件φ(x,y)=0，为寻找z=ƒ(x,y)在附加条件下的极值点，先做拉格朗⽇函数
L(x,y)=ƒ(x,y)+λφ(x,y)，其中λ为参数。求L(x,y)对x和y的⼀阶偏导数，令它们等于零，并与附加条件联⽴，即

L'x(x,y)=ƒ'x(x,y)+λφ'x(x,y)=0

L'y(x,y)=ƒ'y(x,y)+λφ'y(x,y)=0

φ(x,y)=0

套⽤到微观经济学⾥⾯：设效⽤函数U(Qx,Qy),为使它在制约条件下取得极值，⾸先建⽴拉格朗⽇函数：L=U(Qx,Qy)+λ( I-
Px∙Qx-Py∙Qy)，λ为参数。求L(x,y)对x和y的⼀阶偏导数，令它们等于零，并与附加条件连⽴。

∂L/∂Qx=∂U/∂Qx-λPx=0 （1）

∂L/∂Qy=∂U/∂Qy-λPy=0 （2）

I-Px∙Qx-Py∙Qy=0 （3）

将⽅程（1）除以⽅程（2），得：

∂U/∂Qx =Px 即 MUx = MUy

∂U/∂Qy =Py

所以，消费者要实现两种商品的效⽤最⼤化，边际效⽤的⽐率应该等于价格⽐率。

以上是关于x和y两种商品所说的，是否同样适⽤于多种商品呢？答案是肯定的。如果消费者在n种商品中做出选择，则消费
者均衡的原则可表达为：

MU1=MU2 =MU3 = …=MUn

P1= P2= P3=...= Pn

这⼀结论同样可⽤拉格朗⽇乘数法证明。 
拉格朗⽇乘数法可推⼴到求n元函数ƒ(x1,x2,…,xn)在m个附加条件φ(x1,x2,…,xn)下的条件极值。 
⽅法如下： 

（1）做拉格朗⽇函数L(x1,x2,…,xn)=ƒ(x1,x2,…,xn)+ ∑λiφi(x1,…x2)；


（2）求L(x1,…xn)关于x1,…xn的偏导数，令它们等于零，并与附加条件联⽴，即


L'xi==ƒ'xi+ ∑λiφ'i=0 ,i=1,2,…,n

φk(x1,x2,…,xn)=0 ,k=1,2,…,n

求解此⽅程组，可得到极值点。

回到我们的问题中，设效⽤函数U(Qx1,Qx2,…Qxn)，为使它在制约条件下取得极值,⾸先建⽴拉格朗⽇函数：

L=U(Qx1,Qx2,…Qxn )+λ(I-Px1∙Qx1-P2∙Qy2-…-Pxn∙Qxn)，λ为参数。求L(x1,x2,…xn)对x1,…,xn的⼀阶偏导数，令它们等于
零，并与附加条件联⽴。

∂L/∂Qx1=∂U/∂Qx1-λPx1=0 （1）

∂L/∂Qx2=∂U/∂Qx2-λPx2=0 （2）

…… …

∂L/∂Qxn=∂U/∂Qxn-λPxn=0 （n）

I-Px1∙Qx1-P2∙Qy2-…-Pxn∙Qxn

将⽅程（1）到（n）相除，即得，

MUx1 = MUx2 =…=MUxn

Px1 =Px2 =...=Pn

所以，消费者要实现n种商品的效⽤最⼤化，边际效⽤的⽐率应该等于价格⽐率。

应⽤举例  播报  编辑

例题⼀
抛物⾯被平⾯截成⼀个椭圆。 求该椭圆到坐标原点的最⻓和最短距离。

以上⾯⽔箱设计为例，看⼀看拉格朗⽇乘数法求解条件极值的过程。

解： 这个问题的实质是求函数在条件下的最⼩值问题， 应⽤拉格朗⽇乘法，令

L='2*(x*z+y*z)+x*y+v*(x*y*z-V)'

dLdx=diff(L,'x')

dLdy=diff(L,'y')

dLdz=diff(L,'z')

dLdv=diff(L,'v')

dLdx =2*z+y+v*y*z

dLdy =2*z+x+v*x*z

dLdz =2*x+2*y+v*x*y

dLdv =x*y*z-V

令 L 的各偏导等零，解⽅程组求稳定点。

s1='2*z+y+v*y*z';

s2='2*z+x+v*x*z';

s3='2*x+2*y+v*x*y';

s4='x*y*z-V';

[v,x0,y0,z0]=solve(s1,s2,s3,s4)

v=

[ -2*2^(2/3)/V^(1/3)]

[ -8*(-1/4*2^(1/3)*V^(1/3)+1/4*i*3^(1/2)*2^(1/3)*V^(1/3))^2/V]

[ -8*(-1/4*2^(1/3)*V^(1/3)-1/4*i*3^(1/2)*2^(1/3)*V^(1/3))^2/V]

x0 =[ 2^(1/3)*V^(1/3)]

y0 =[ 2^(1/3)*V^(1/3)]

z0 =[ 1/2*2^(1/3)*V^(1/3)]

这⾥显然只有实数解才有意义，所以 L 的稳定点只有下⾯⼀个。

⼜已知所求的问题确实存在最⼩值，从⽽解出的稳定点就是最⼩值点，即⽔箱⻓宽与为⾼的2倍时⽤钢板最省。

例题⼆
再看⼀个条件极值求解问题。

抛物⾯被平⾯截成⼀个椭圆，求这个椭圆到坐标原点的最⻓最短距离。

解 这个问题的实质是求函数在条件下的最⼤、最⼩值问题，应⽤拉格朗⽇乘法，令

L='x^2+y^2+z^2+v*(x^2+y^2-z)+h*(x+y+z-1)'

dLdx=diff(L,'x')

dLdy=diff(L,'y')

dLdz=diff(L,'z')

dLdv=diff(L,'v')

dLdh=diff(L,'h')

dLdx =2*x+2*v*x+h

dLdy =2*y+2*v*y+h

dLdz =2*z-v+h

dLdv =x^2+y^2-z

dLdh =x+y+z-1

s1='2*x+2*v*x+h'

s2='2*y+2*v*y+h'

s3='2*z-v+h'

s4='x^2+y^2-z'

s5='x+y+z-1'

[h,v,x0,y0,z0]=solve(s1,s2,s3,s4,s5)

x0,y0,z0

x0 =

[ 3/4-1/4*i*13^(1/2)]

[ 3/4+1/4*i*13^(1/2)]

[ -1/2+1/2*3^(1/2)]

[ -1/2-1/2*3^(1/2)]

y0 =

[ 3/4+1/4*i*13^(1/2)]

[ 3/4-1/4*i*13^(1/2)]

[ -1/2+1/2*3^(1/2)]

[ -1/2-1/2*3^(1/2)]

z0 = -1/2,-1/2, 2-3^(1/2),2+3^(1/2)

即稳定点有两个

因为函数在有界闭集 上连续，必有最⼤值和最⼩值，⽽求得的稳定点⼜恰是两个，所以它们⼀个是最⼤点，另⼀个是最⼩。

x1=-1/2+1/2*3^(1/2)

x2=-1/2-1/2*3^(1/2)

y1=-1/2+1/2*3^(1/2)

y2=-1/2-1/2*3^(1/2)

z1=2-3^(1/2)

z2=2+3^(1/2)

f1=(x1^2+y1^2+z1^2)^(1/2)

f2=(x2^2+y2^2+z2^2)^(1/2)

f1 = 0.5829 ; f2 = 4.2024

词条图册 更多图册 

分享你的世界 查看更多 

拉格朗⽇乘数法，词条内容有误
拼写错误。应该是disposal

1 北⽩川煜⼦

参考资料

1 华中科技⼤学数学系 ．⼤学数学系列教材·微积分学(上)：⾼等教育出版社，2008

2 孙涛．数学分析经典习题解析：⾼等教育出版社，2004年4⽉

学术论⽂ 内容来⾃

樊福印. 以拉格朗⽇乘数法求极值为参照的⽐较研究．《哈尔滨师范⼤学⾃然…》，2013

杨秀玲. 拉格朗⽇乘数法定理的充分条件．《⼤庆⾼等专科学校学报》，2001

刘剑锋，李宏伟，刘智慧. 拉格朗⽇乘数法求解极值点的讨论．《⾼等数学研究》，2017

戎海武. 关于拉格朗⽇乘数法的两点思考．《CNKI;WanFang》，2013

张雅琴. 对条件极值和拉格朗⽇乘数法的研讨．《现代电⼒》，1989

查看全部

 搜索发现
拉格朗⽇乘数法 ⾼中数学数列解题技巧 两位数乘两位数的速算法 数学快速计算⽅法 ⾼中必背88个数学公式
奥数题 1⼀⼀9九宫格数独⼝诀 学好数学的⽅法20条 两位数除法怎么教孩⼦ 怎样才能数学好

 新⼿上路  我有疑问  投诉建议

成⻓任务 编辑⼊⻔ 内容质疑 在线客服 举报不良信息 未通过词条申诉
编辑规则 本⼈编辑 官⽅贴吧 意⻅反馈 投诉侵权信息 封禁查询与解封

©2022 Baidu 使⽤百度前必读 | 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号

京公⽹安备11000002000001号