1. 拉格朗日标准型
[拉格朗日(Lagrange)中值定理]若函数f(x)满足条件：
（1）在闭区间[a,b]上连续；
（2）在开区间(a,b)内可导，则在(a,b)内至少存在一点ξ，使得
显然，罗尔定理是拉格朗日中值定理当f(a)=f(b)时的特殊情形，拉格朗日中值定理是罗尔定理的推广。
2. 拉格朗日适用范围
一．线性插值(一次插值） 已知函数f(x)在区间[xk ,xk+1 ]的端点上的函数值yk =f(xk ), yk+1 = f(xk+1 ),求一个一次函数y=P1 (x)使得yk =f(xk ),yk+1 =f(xk+1 ), 其几何意义是已知平面上两点(xk ,yk ),(xk+1 ,yk+1 ),求一条直线过该已知两点。
首先,插值法是：利用函数f (x)在某区间中插入若干点的函数值,作出适当的特定函数,在这些点上取已知值,在区间的其他点上用这特定函数的值作为函数f (x)的近似值,这种方法称为插值法.
其目的便就是估算出其他点上的函数值.
而拉格朗日插值法就是一种插值法.
3. 拉格朗日百度百科
拉格朗日出生在意大利的都灵。由于是长子，父亲一心想让他学习法律，然而，拉格朗日对法律毫无兴趣，偏偏喜爱上文学。
直到16岁时，拉格朗日仍十分偏爱文学，对数学尚未产生兴趣。16岁那年，他偶然读到一篇介绍牛顿微积分的文章《论分析方法的优点》，使他对牛顿产生了无限崇拜和敬仰之情，于是，他下决心要成为牛顿式的数学家。
在进入都灵皇家炮兵学院学习后，拉格朗日开始有计划地自学数学。由于勤奋刻苦，他的进步很快，尚未毕业就担任了该校的数学教学工作。20岁时就被正式聘任为该校的数学副教授。从这一年起，拉格朗日开始研究“极大和极小”的问题。他采用的是纯分析的方法。1758年8月，他把自己的研究方法写信告诉了欧拉，欧拉对此给予了极高的评价。从此，两位大师开始频繁通信，就在这一来一往中，诞生了数学的一个新的分支——变分法。
1759年，在欧拉的推荐下，拉格朗日被提名为柏林科学院的通讯院士。接着，他又当选为该院的外国院士。
1762年，法国科学院悬赏征解有关月球何以自转，以及自转时总是以同一面对着地球的难题。拉格朗日写出一篇出色的论文，成功地解决了这一问题，并获得了科学院的大奖。拉格朗日的名字因此传遍了整个欧洲，引起世人的瞩目。两年之后，法国科学院又提出了木星的4个卫星和太阳之间的摄动问题的所谓“六体问题”。面对这一难题，拉格朗日毫不畏惧，经过数个不眠之夜，他终于用近似解法找到了答案，从而再度获奖。这次获奖，使他赢得了世界性的声誉。
1766年，拉格朗日接替欧拉担任柏林科学院物理数学所所长。在担任所长的20年中，拉格朗日发表了许多论文，并多次获得法国科学院的大奖：1722年，其论文《论三体问题》获奖;1773年，其论文《论月球的长期方程》再次获奖;1779年，拉格朗日又因论文《由行星活动的试验来研究彗星的摄动理论》而获得双倍奖金。
在柏林科学院工作期间，拉格朗日对代数、数论、微分方程、变分法和力学等方面进行了广泛而深入的研究。他最有价值的贡献之一是在方程论方面。他的“用代数运算解一般n次方程(n4)是不能的”结论，可以说是伽罗华建立群论的基础。
4. 拉格朗日是什么
在数学最优化问题中，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）的线性组合里每个矢量的系数。
引入新变量拉格朗日乘数，即可求解拉格朗日方程
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。
5. 拉格朗日参数
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，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
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。
6. 拉格朗日标准型公式
拉格朗日法是描述流体运动的两种方法之一，又称随体法，跟踪法。
是研究流体各个质点的运动参数（位置坐标、速度、加速度等）随时间的变化规律。综合所有流体质点运动参数的变化，便得到了整个流体的运动规律。
在研究波动问题时，常用拉格朗日法
7. 拉格朗日表示法
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。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