1 与原点的最短距离

假如有方程：

图像是这个样子滴：

现在我们想求其上的点与原点的最短距离：

这里介绍一种解题思路。首先，与原点距离为 的点全部在半径为 的圆上：

那么，我们逐渐扩大圆的半径：

显然，第一次与 相交的点就是距离原点最近的点：

此时，圆和曲线相切，也就是在该点切线相同：

至此，我们分析出了：

2 等高线

为了继续解题，需要引入等高线。这些同心圆：

可以看作函数 的等高线：

根据梯度的性质（关于梯度可以查看如何通俗地理解梯度？），梯度向量：

是等高线的法线：

另外一个函数 的等高线为：

之前的曲线 就是其中值为3的等高线：

，因此，梯度向量：

也垂直于等高线 ：

梯度向量是等高线的法线，更准确地表述是：

3 拉格朗日乘子法

3.1 求解

根据之前的两个分析：

综合可知，在相切点，圆的梯度向量和曲线的梯度向量平行：

也就是梯度向量平行，用数学符号表示为：

还必须引入 这个条件，否则这么多等高线，不知道指的是哪一根：

因此联立方程：

求一下试试：

这就是拉格朗日乘子法。

3.2 定义

要求函数 在 约束下的极值这种问题可以表示为：

 意思是subject to，服从于，约束于的意思。

可以列出方程组进行求解：

用这个定义来翻译下刚才的例子，要求：

令：

求：

联立方程进行求解：

3.3 变形

这个定义还有种变形也比较常见，要求：

定义：

求解下面方程组即可得到答案：

把等式左边的偏导算出来就和上面的定义是一样的了。

3.4 多个约束条件

如果增加一个约束条件呢？比如说：

求：

从图上看约束条件是这样的：

很显然所求的距离是这样的：

那这三者的法线又有什么关系呢？ 的法线是 和 的法线的线性组合：

假设：

那么线性组合就表示为：

联立方程：

即可求解。

往更高纬度走的话，多约束条件的情况下，问题变为了 围成的曲线 和 相切，直观上看 必然在 张成的空间中：

这点的严格性这里就不证明了。

文章最新版本在（有可能会有后续更新）：如何通俗地理解拉格朗日乘子法？