http://zh.wikipedia.org/wiki/%E6%8B%89%E6%A0%BC%E6%9C%97%E6%97%A5%E4%B9%98%E6%95%B0 
在维基上搜索“拉格朗日乘数”即可

例子

[编辑]很简单的例子

求此方程的最大值：

f(x, y) = x^2 y

同时未知数满足

x^2 + y^2 = 1

因为只有一个未知数的限制条件，我们只需要用一个乘数\lambda.

g (x, y) = x^2 +y^2 -1
\Phi (x, y, \lambda) = f(x,y) + \lambda g(x, y) = x^2 y + \lambda (x^2 + y^2 - 1)

将所有\Phi方程的偏微分设为零，得到一个方程组，最大值是以下方程组的解中的一个：

2 x y + 2 \lambda x = 0
x^2 + 2 \lambda y = 0
x^2 + y^2 -1 = 0

[编辑]另一个例子

求此离散分布的最大熵：

f(p_1,p_2,\ldots,p_n) = -\sum_{k=1}^n p_k\log_2 p_k.

所有概率的总和是1，因此我们得到的约束是g（p）= 1即

g(p_1,p_2,\ldots,p_n)=\sum_{k=1}^n p_k=1.

可以使用拉格朗日乘数找到最高熵（概率的函数）。对于所有的k 从1到n，要求

\frac{\partial}{\partial p_k}(f+\lambda (g-1))=0,

由此得到

\frac{\partial}{\partial p_k}\left(-\sum_{k=1}^n p_k \log_2 p_k + \lambda (\sum_{k=1}^n p_k - 1) \right) = 0.

计算出这n个等式的微分，我们得到：

-\left(\frac{1}{\ln 2}+\log_2 p_k \right) + \lambda = 0.

这说明pi都相等 (因为它们都只是λ的函数). 解出约束∑k pk = 1，得到

p_k = \frac{1}{n}.

因此，使用均匀分布可得到最大熵的值。