拉格朗日乘子定理:从一道2005年全国高中联赛试题的高等数学-拉格朗日乘子试题 2005 年全国高中联赛

2005 年那年的高考数学压轴题，把拉格朗日乘子定理那套又甩了出来。题目看着是优化难题，实际却是对“约束边界”的极致考验。咱们不用那些老掉牙的“起初、其次”去套连串，像坐过山车一样把思路捡起来，直接怼在数据上。 先说题。求函数 $f(x,y) = x^2 + y^2$ 在区域 $x ge 0, y ge 0, x+y le 1$ 下的最小值。
这时候第一反应肯定是找驻点，算偏导 $2x=0$ 和 $2y=0$，得 $(0,0)$。但这玩意儿在边界上可能才是真解。区域是个被切掉的角，这就好比在沙漠里找水，要么往回找，要么顺着河床摸。 那咱就不整虚的，直接画图（脑海里的草图）：原点 $(0,0)$ 是个死胡同，函数值 $0$。
可是 $x+y=1$ 这条线切得越近越好。当 $x=1/2, y=1/2$ 时，$f = 1/4+1/4=1/2$。
这时候感觉有点不对劲，出于原点在内部啊？不对，什么的，题目是 $x+y le 1$，那区域是包含原点的。原点是 $(0,0)$，函数值 $0$ 是最小的。
如何会有 $1/2$ 这个候选值呢？看来我刚刚的直觉忒蠢了，当作这是个无界区域。 重新理一遍：区域是 $x ge 0, y ge 0, x+y le 1$。
这是一个三角形，三个顶点分别是 $(0,0), (1,0), (0,1)$。函数 $x^2+y^2$ 是凸函数，极小点一定在边界上。$(0,0)$ 处值为 $0$，是最小的。
要是这题有坑，坑就在那个线性约束的勒什巴格（KKT）条件上。 我们代入拉格朗日乘子公式 $L = x^2+y^2 - lambda(x+y-1)$ 试试。 在 $(0,0)$ 处，$L_x=2x=0, L_y=2y=0, L_lambda=-lambda(1)=0$。所有偏导数都是零，极值存有。 在 $(1,0)$ 处，$L_x=2(1)=2 neq 0, L_y=0, L_lambda=-lambda(0)=0$。
这里偏导数不为零，说明约束不起功能，要么说是边界行为。 在 $(0,1)$ 处同理。 什么的，万一题目是求最大值呢？
要么约束变了？比如 $x^2+y^2=1$ 和 $x+y le 1$ 与此同时知足，求啥？一般这种题是“求 $x^2+y^2$ 的最小值”，那答案肯定是 $0$。
要不就题目隐含了 $x+y=1$ 这种刚性约束，那最小就是 $1/2$。 咱们换个角度，别管公式，直接代入数字算。假设最优解在内部，那梯度务必和外法线平行。内法线就是 $(0,1)$ 和 $(1,0)$ 方向。梯度 $(2x, 2y)$ 要平行于 $(1,1)$。设比值为 $k$，则 $2x=k, 2y=k implies x=y$。代入 $x+y=1 implies 2x=1 implies x=1/2$。得 $(1/2, 1/2)$，此时 $f = 1/2$。 那要是解在原点呢？梯度 $(0,0)$ 和 $(1,1)$ 平行，自然成立。
故此最小值确实是 $0$。 这就把刚刚的纠结给解开了。
实际上这道题的陷阱在于，大量学生一看到约束就立马设 $x+y=1$，忽略了 $(0,0)$ 这个平凡解。真正的数学美感在于，有时候约束最紧的地方，函数值反而变得最大，像爬山一样，得一步步往上爬，等到顶了。 再来看看向量空间里的例子。设 $u,v in mathbb{R}^n$，求 $|u+v|$ 的最小值，约束是 $u perp v$。
这时候拉格朗日乘子就是那个角度。
要是 $u,v$ 都是单位向量，且垂直，那它们的和长度就是 $sqrt{2}$。
这是几何直观，比算出来的 $1sqrt{cos^2theta + sin^2theta}$ 要直观得多。 最终，咱们总结这种题的解题逻辑。别死抠公式推导，把代码直接跑进数值里。设 $x=0.1, y=0.1, z=0.1$，代入算一遍，看哪个最小。
要是 $f(0,0)=0$ 比 $f(1,1)=2$ 小，那 $0$ 就是解。
要是题目问的是“在约束 $x+y ge 1$ 下最小”，那就要看哪个顶点更近。 总而言之，拉格朗日乘子定理不是用来记忆公式的，它是用来判断“哪条线最能卡住你”的。做题时，别怕公式长，怕的是你心算错了。数据摆在那，靠直觉去摸，比背公式管用得多。
这种数学题，归根结底，就是让你把“不可能三角”里的一个解找出来。