我们考虑 ,并要求 构成向量范数的最小值。我们需要最小化 ,其中 。假设 是复数(或实数)。向量的范数定义为:

其中 是复数 的模。如果我们要求范数 最小化,我们可以使用拉格朗日乘数法来解决此问题。

定义拉格朗日函数:

其中 是拉格朗日乘数。

对每个变量求偏导数,并设置为零:



由这些方程,我们可以得到:

我们还需要满足约束条件 ,将上式代入约束条件中:



因此,。这说明在满足约束条件的情况下,向量范数的最小值为零,即:

因此, 构成向量范数的最小值是


在包含额外约束 的情况下,我们需要更新拉格朗日函数来考虑这个新约束。

原问题是最小化

约束条件为:

我们引入两个拉格朗日乘数 ,分别对应这两个约束条件。

定义拉格朗日函数:

我们分别对 求偏导数,并设置为零:





从方程 (5) 得到:

将 (6) 代入方程 (1):


从方程 (2) 和 (3) 得到:


将 (6), (8) 和 (9) 代入方程 (4):



将 (10) 代入 (8) 和 (9):


所以,我们有:



最后,计算范数的平方:

因此,最小化的范数的平方为