求最值十大经典方法

经典例题

题目：已知 x² + 4y² = 2，求 x + 2y 的最大值。

这是一道经典的高中数学最值问题，今天我们用 10种不同方法 来解决它！

方法一：凑对偶式

核心思路

构造一个"对偶"的表达式，利用平方的非负性来求最值。

解题过程

我们知道：

(x + 2y)² + (x - 2y)² = 2x² + 8y² = 2(x² + 4y²)

题目告诉我们 x² + 4y² = 2，代入上式：

(x + 2y)² + (x - 2y)² = 2 × 2 = 4

因为任何数的平方都 ≥ 0，所以：

(x + 2y)² ≤ 4

开方后得到：

|x + 2y| ≤ 2

结论：x + 2y 的最大值是 2，当 x = 2y 时取得。

Python 实现

# 凑对偶式法求解
import sympy as sp

defsolve_by_dual():
# 1. 定义符号变量
    x, y = sp.symbols('x y')

# 2. 构造对偶式
    expr1 = (x + 2*y)**2# 目标表达式的平方
    expr2 = (x - 2*y)**2# 对偶表达式的平方
    dual_sum = expr1 + expr2
    print(f"对偶式和: (x+2y)² + (x-2y)² = {sp.expand(dual_sum)}")

# 3. 因式分解对偶式
    simplified = sp.factor(dual_sum)
    print(f"化简后: {simplified}")

# 4. 代入约束条件 x² + 4y² = 2
    constrained_sum = simplified.subs(x**2 + 4*y**2, 2)
    print(f"代入约束条件后: {constrained_sum}")

# 5. 利用平方非负性求最大值
# (x+2y)² + (x-2y)² = 4，因为 (x-2y)² ≥ 0
# 所以 (x+2y)² ≤ 4
    max_squared = constrained_sum
    print(f"\n因为 (x-2y)² ≥ 0，所以 (x+2y)² ≤ {max_squared}")

# 6. 求最大值
    max_value = sp.sqrt(max_squared)
    print(f"因此 |x + 2y| ≤ {max_value}")

# 7. 求取等号条件：(x-2y)² = 0 ⇒ x = 2y
    print(f"\n取等号条件: (x-2y)² = 0 ⇒ x = 2y")

# 8. 解方程组求极值点
    eq1 = sp.Eq(x, 2*y)
    eq2 = sp.Eq(x**2 + 4*y**2, 2)
    solutions = sp.solve((eq1, eq2), (x, y))
    print(f"极值点: {solutions}")

# 9. 验证结果
for sol in solutions:
        x_val, y_val = sol
        result = x_val + 2*y_val
        print(f"当 x={x_val}, y={y_val} 时，x + 2y = {result}")

return max_value, solutions

max_val, points = solve_by_dual()
print(f"\n【凑对偶式法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {points[1]}")

输出：

对偶式和: (x+2y)² + (x-2y)² = 2*x**2 + 8*y**2
化简后: 2*(x**2 + 4*y**2)
代入约束条件后: 4

因为 (x-2y)² ≥ 0，所以 (x+2y)² ≤ 4
因此 |x + 2y| ≤ 2

取等号条件: (x-2y)² = 0 ⇒ x = 2y  
极值点: [(-1, -1/2), (1, 1/2)]
当 x=-1, y=-1/2 时，x + 2y = -2
当 x=1, y=1/2 时，x + 2y = 2   

【凑对偶式法】x + 2y 的最大值为: 2
取得最大值时的点: (1, 1/2)

评价：巧思妙解，利用对偶式快速放缩，适合对称结构问题

方法二：万能 k 法

核心思路

把要求的表达式设为 k，转化为一元二次方程有解的条件。

解题过程

令 k = x + 2y，则 x = k - 2y，代入约束条件：

(k - 2y)² + 4y² = 2

展开整理：

8y² - 4ky + (k² - 2) = 0

这是关于 y 的一元二次方程，要有实数解，判别式必须 ≥ 0：

Δ = b² - 4ac = (-4k)² - 4×8×(k² - 2) ≥ 0

计算得：

16k² - 32k² + 64 ≥ 0
-16k² + 64 ≥ 0
k² ≤ 4
-2 ≤ k ≤ 2

结论：k 的最大值是 2。

Python 实现

# 万能k法求解
import sympy as sp

defsolve_by_k_method():
# 1. 定义符号变量
    k, y = sp.symbols('k y')

# 2. 构造关于y的方程
    eq = sp.Eq(8*y**2 - 4*k*y + (k**2 - 2), 0)
    print(f"关于 y 的方程: {eq}")

# 3. 计算判别式
    delta = sp.discriminant(eq, y)
    print(f"判别式 Δ = {delta}")

# 4. 解方程 Δ = 0，求边界值
    boundary_values = sp.solve(sp.Eq(delta, 0), k)
    print(f"边界值: {boundary_values}")

# 5. 求最大值
    max_k = max(boundary_values)
    print(f"k 的最大值为: {max_k}")

# 6. 求极值点
    x, y = sp.symbols('x y')
    sol = sp.solve([sp.Eq(x + 2*y, max_k), sp.Eq(x**2 + 4*y**2, 2)], (x, y))
    print(f"\n极值点: {sol}")

# 7. 验证结果
for solution in sol:
        x_val, y_val = solution
        result = x_val + 2*y_val
        print(f"当 x={x_val}, y={y_val} 时，x + 2y = {result}")

return max_k, sol

max_val, points = solve_by_k_method()
print(f"\n【万能k法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {points}")

输出：

关于 y 的方程: Eq(k**2 - 4*k*y + 8*y**2 - 2, 0)
判别式 Δ = 64 - 16*k**2
边界值: [-2, 2]
k 的最大值为: 2

极值点: [(1, 1/2)]
当 x=1, y=1/2 时，x + 2y = 2   

【万能k法】x + 2y 的最大值为: 2
取得最大值时的点: [(1, 1/2)] 

评价：通杀全场，将最值问题转化为方程有解条件，适用范围极广

方法三：基本不等式

核心思路

利用基本不等式：对于任意实数 a 和 b，都有 a² + b² ≥ 2ab。

解题过程

令 a = x，b = 2y，则：

x² + (2y)² ≥ 2 × x × 2y = 4xy

已知 x² + 4y² = 2，所以：

2 ≥ 4xy ⇒ xy ≤ 1/2

再看目标表达式：

(x + 2y)² = x² + 4xy + 4y² = (x² + 4y²) + 4xy = 2 + 4xy

代入 xy ≤ 1/2：

(x + 2y)² ≤ 2 + 4×(1/2) = 4

结论：x + 2y ≤ 2。

Python 实现

# 基本不等式法求解
import sympy as sp

defsolve_by_inequality():
# 1. 定义符号变量
    x, y = sp.symbols('x y')

# 2. 基本不等式：a² + b² ≥ 2ab
    a, b = x, 2*y

# 3. 计算不等式两边
    left = a**2 + b**2
    right = 2*a*b
    print(f"基本不等式: {left} ≥ {right}")

# 4. 代入约束条件 x² + 4y² = 2
    left_constrained = left.subs(x**2 + 4*y**2, 2)
    print(f"代入约束条件 x² + 4y² = 2 后: {left_constrained} ≥ {right}")

# 5. 推导 xy 的范围
# 2 ≥ 4xy ⇒ xy ≤ 1/2
    print(f"即: 2 ≥ 4xy ⇒ xy ≤ 1/2")

# 6. 展开目标函数的平方
    target_squared = (x + 2*y)**2
    expanded = sp.expand(target_squared)
    print(f"\n目标函数平方展开: (x + 2y)² = {expanded}")

# 7. 代入约束条件求最大值
# (x + 2y)² = x² + 4xy + 4y² = (x² + 4y²) + 4xy = 2 + 4xy
    target_with_constraint = expanded.subs(x**2 + 4*y**2, 2)
    print(f"代入约束后: (x + 2y)² = {target_with_constraint}")

# 8. 代入 xy 的上限
# (x + 2y)² ≤ 2 + 4×(1/2) = 4
    max_squared = target_with_constraint.subs(x*y, sp.Rational(1, 2))
    print(f"当 xy = 1/2 时，(x + 2y)² = {max_squared}")

# 9. 求最大值
    max_value = sp.sqrt(max_squared)
    print(f"因此 |x + 2y| ≤ {max_value}")

# 10. 求取等号条件：a = b 即 x = 2y
    print(f"\n取等号条件: x = 2y")

    eq1 = sp.Eq(x, 2*y)
    eq2 = sp.Eq(x**2 + 4*y**2, 2)
    solutions = sp.solve((eq1, eq2), (x, y))
    print(f"极值点: {solutions}")

# 11. 验证结果
for sol in solutions:
        x_val, y_val = sol
        result = x_val + 2*y_val
        print(f"当 x={x_val}, y={y_val} 时，x + 2y = {result}")

return max_value, solutions

max_val, points = solve_by_inequality()
print(f"\n【基本不等式法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {points[1]}")

输出：

基本不等式: x**2 + 4*y**2 ≥ 4*x*y
代入约束条件 x² + 4y² = 2 后: 2 ≥ 4*x*y
即: 2 ≥ 4xy ⇒ xy ≤ 1/2

目标函数平方展开: (x + 2y)² = x**2 + 4*x*y + 4*y**2
代入约束后: (x + 2y)² = 4*x*y + 2
当 xy = 1/2 时，(x + 2y)² = 4
因此 |x + 2y| ≤ 2

取等号条件: x = 2y
极值点: [(-1, -1/2), (1, 1/2)]
当 x=-1, y=-1/2 时，x + 2y = -2
当 x=1, y=1/2 时，x + 2y = 2

【基本不等式法】x + 2y 的最大值为: 2
取得最大值时的点: (1, 1/2)

评价：基石方法，均值不等式是不等式证明的基础，必须熟练掌握

方法四：轮换对称

核心思路

观察约束条件的对称性，假设变量满足某种对称关系时取极值。

解题过程

观察 x² + (2y)² = 2，发现形式对称。

假设 x = 2y（让两个平方项相等），代入：

(2y)² + 4y² = 2 ⇒ 8y² = 2 ⇒ y² = 1/4 ⇒ y = ±1/2

当 y = 1/2 时，x = 1，此时：

x + 2y = 1 + 2×(1/2) = 2

结论：最大值是 2。

Python 实现

# 轮换对称法求解
from sympy import symbols, Eq, solve

defsolve_by_symmetry():
    x, y = symbols('x y')
# 假设 x = 2y（对称条件）
    sol = solve([Eq(x, 2*y), Eq(x**2 + 4*y**2, 2)], (x, y))
# 计算目标函数值
    values = [s[0] + 2*s[1] for s in sol]
    max_value = max(values)
return max_value, sol

max_val, points = solve_by_symmetry()
print(f"【轮换对称法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {points[1]}")

输出：

【轮换对称法】x + 2y 的最大值为: 2
取得最大值时的点: (1, 1/2)

评价：慧眼识珠，通过观察对称性快速定位极值点，需验证确保正确性

方法五：权方和不等式

核心思路

利用分式形式的不等式，适用于幂次结构的问题。

解题过程

权方和不等式的特殊形式：

a²/b + c²/d ≥ (a+c)²/(b+d)

应用到本题：

x²/1 + (2y)²/1 ≥ (x + 2y)²/(1+1)

左边就是 x² + 4y² = 2，所以：

2 ≥ (x + 2y)²/2 ⇒ (x + 2y)² ≤ 4

结论：x + 2y ≤ 2。

Python 实现

# 权方和不等式法求解
import sympy as sp

defsolve_by_quanfanghe():
# 1. 定义符号变量
    x, y = sp.symbols('x y')

# 2. 权方和不等式形式
# a₁²/b₁ + a₂²/b₂ ≥ (a₁ + a₂)²/(b₁ + b₂)
    a1, a2 = x, 2*y
    b1, b2 = 1, 1

# 3. 计算左边
    left_side = a1**2/b1 + a2**2/b2
    print(f"权方和左边: x²/1 + (2y)²/1 = {sp.simplify(left_side)}")

# 4. 代入约束条件 x² + 4y² = 2
    left_with_constraint = left_side.subs(x**2 + 4*y**2, 2)
    print(f"代入约束条件后左边 = {sp.simplify(left_with_constraint)}")

# 5. 计算右边
    right_side = (a1 + a2)**2 / (b1 + b2)
    print(f"权方和右边: (x + 2y)²/(1 + 1) = {sp.simplify(right_side)}")

# 6. 应用不等式求最大值
# 2 ≥ (x + 2y)²/2
# (x + 2y)² ≤ 4
    max_squared = 2 * left_with_constraint
    print(f"\n由不等式得: (x + 2y)² ≤ {sp.simplify(max_squared)}")

# 7. 求最大值
    max_value = sp.sqrt(max_squared)
    print(f"因此 |x + 2y| ≤ {max_value}")

# 8. 求取等号条件
# 权方和取等条件：a₁/b₁ = a₂/b₂
# 即 x/1 = 2y/1 ⇒ x = 2y
    print(f"\n取等号条件: x/1 = 2y/1 ⇒ x = 2y")

    eq1 = sp.Eq(x, 2*y)
    eq2 = sp.Eq(x**2 + 4*y**2, 2)
    solutions = sp.solve((eq1, eq2), (x, y))
    print(f"极值点: {solutions}")

# 9. 验证结果
for sol in solutions:
        x_val, y_val = sol
        result = x_val + 2*y_val
        print(f"当 x={x_val}, y={y_val} 时，x + 2y = {result}")

return max_value, solutions

max_val, points = solve_by_quanfanghe()
print(f"\n【权方和不等式法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {points[1]}")

输出：

权方和左边: x²/1 + (2y)²/1 = x**2 + 4*y**2
代入约束条件后左边 = 2
权方和右边: (x + 2y)²/(1 + 1) = (x + 2*y)**2/2

由不等式得: (x + 2y)² ≤ 4      
因此 |x + 2y| ≤ 2

取等号条件: x/1 = 2y/1 ⇒ x = 2y
极值点: [(-1, -1/2), (1, 1/2)] 
当 x=-1, y=-1/2 时，x + 2y = -2
当 x=1, y=1/2 时，x + 2y = 2   

【权方和不等式法】x + 2y 的最大值为: 2
取得最大值时的点: (1, 1/2)

评价：高阶技巧，分式结构不等式，对幂次问题有奇效，掌握后可快速口算

方法六：柯西不等式

核心思路

利用向量内积的性质，非常适合线性组合的最值问题。

解题过程

柯西不等式：

(a₁b₁ + a₂b₂)² ≤ (a₁² + a₂²)(b₁² + b₂²)

令 a₁=1, a₂=1, b₁=x, b₂=2y，则：

(x + 2y)² ≤ (1² + 1²)(x² + (2y)²) = 2 × 2 = 4

结论：x + 2y ≤ 2。

Python 实现

# 柯西不等式法求解
import sympy as sp

defsolve_by_cauchy():
# 1. 定义符号变量
    x, y = sp.symbols('x y')

# 2. 柯西不等式形式
# (a₁b₁ + a₂b₂)² ≤ (a₁² + a₂²)(b₁² + b₂²)
    a1, a2 = 1, 1
    b1, b2 = x, 2*y

# 3. 计算左边：(a₁b₁ + a₂b₂)²
    left_side = (a1*b1 + a2*b2)**2
    print(f"目标函数平方: (x + 2y)² = {sp.simplify(left_side)}")

# 4. 计算右边：(a₁² + a₂²)(b₁² + b₂²)
    right_side = (a1**2 + a2**2) * (b1**2 + b2**2)
    print(f"柯西不等式右边: (1² + 1²)(x² + (2y)²) = {right_side}")
    print(f"展开后: {sp.expand(right_side)}")

# 5. 代入约束条件 x² + 4y² = 2
# 使用 factor 先因式分解，再替换
    right_factor = sp.factor(right_side)
    print(f"因式分解后: {right_factor}")
    right_with_constraint = right_factor.subs(x**2 + 4*y**2, 2)
    print(f"代入约束条件 x² + 4y² = 2 后右边 = {sp.simplify(right_with_constraint)}")

# 6. 应用柯西不等式求最大值
# (x + 2y)² ≤ 4 ⇒ |x + 2y| ≤ 2
    max_value = sp.sqrt(right_with_constraint)
    print(f"\n由柯西不等式得: |x + 2y| ≤ {max_value}")

# 7. 求取等号条件：a₁/b₁ = a₂/b₂
# 即 1/x = 1/(2y) ⇒ x = 2y
    eq1 = sp.Eq(x, 2*y)
    eq2 = sp.Eq(x**2 + 4*y**2, 2)

# 8. 解方程组求极值点
    solutions = sp.solve((eq1, eq2), (x, y))
    print(f"\n取等号条件: x = 2y")
    print(f"极值点: {solutions}")

# 9. 验证结果
for sol in solutions:
        x_val, y_val = sol
        result = x_val + 2*y_val
        print(f"当 x={x_val}, y={y_val} 时，x + 2y = {result}")

return max_value, solutions

max_val, points = solve_by_cauchy()
print(f"\n【柯西不等式法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {points[1]}")

输出：

目标函数平方: (x + 2y)² = (x + 2*y)**2
柯西不等式右边: (1² + 1²)(x² + (2y)²) = 2*x**2 + 8*y**2
展开后: 2*x**2 + 8*y**2
因式分解后: 2*(x**2 + 4*y**2)
代入约束条件 x² + 4y² = 2 后右边 = 4

由柯西不等式得: |x + 2y| ≤ 2

取等号条件: x = 2y
极值点: [(-1, -1/2), (1, 1/2)] 
当 x=-1, y=-1/2 时，x + 2y = -2
当 x=1, y=1/2 时，x + 2y = 2   

【柯西不等式法】x + 2y 的最大值为: 2
取得最大值时的点: (1, 1/2)

评价：向量神器，与权方和不等式等价，是处理线性组合最值的利器

方法七：几何意义法

核心思路

把代数问题转化为几何图形，直观易懂。

解题过程

• 约束条件 x² + 4y² = 2 是一个椭圆
• 目标函数 x + 2y = k 是一组斜率为 -1/2 的平行线

当直线与椭圆相切时，k 取得极值。

将 x = k - 2y 代入椭圆方程：

(k - 2y)² + 4y² = 2

相切时只有一个交点，判别式为 0：

Δ = 16k² - 32(k² - 2) = 0 ⇒ k = ±2

Python 实现

# 几何意义法求解
defsolve_by_geometry():
from sympy import symbols, discriminant, solve, Eq
    k, y = symbols('k y')
# 直线与椭圆相切时判别式为0
    eq = Eq(8*y**2 - 4*k*y + (k**2 - 2), 0)
    delta = discriminant(eq, y)
    k_values = solve(delta, k)
    max_value = max(k_values)
# 求切点坐标
    x, y = symbols('x y')
    sol = solve([Eq(x + 2*y, max_value), Eq(x**2 + 4*y**2, 2)], (x, y))
return max_value, sol

max_val, points = solve_by_geometry()
print(f"【几何意义法】x + 2y 的最大值为: {max_val}")
print(f"切点坐标: {points}")

输出：

【几何意义法】x + 2y 的最大值为: 2
切点坐标: [(1, 1/2)]

评价：直观易懂，将代数问题几何化，适合理解问题本质

方法八：三角函数法

核心思路

利用椭圆的参数方程，将问题转化为三角函数求最值。

解题过程

椭圆 x²/a² + y²/b² = 1 的参数方程是：

x = a·cosθ, y = b·sinθ

对于 x² + 4y² = 2，即 x²/(√2)² + y²/(√2/2)² = 1：

x = √2·cosθ, y = (√2/2)·sinθ

代入目标函数：

x + 2y = √2·cosθ + 2×(√2/2)·sinθ = √2(cosθ + sinθ)

利用三角恒等式：

cosθ + sinθ = √2·sin(θ + π/4)

所以：

x + 2y = √2 × √2·sin(θ + π/4) = 2·sin(θ + π/4)

因为 sin 的最大值是 1，所以：

x + 2y ≤ 2

Python 实现

# 三角函数法求解
import sympy as sp
import numpy as np

defsolve_by_trigonometry():
# 1. 定义符号变量
    theta = sp.symbols('theta')

# 2. 椭圆参数方程
    x = sp.sqrt(2) * sp.cos(theta)  # x = √2·cosθ
    y = (sp.sqrt(2)/2) * sp.sin(theta)  # y = (√2/2)·sinθ

# 3. 代入目标函数
    expr = x + 2*y
    print(f"代入参数方程: x + 2y = {sp.simplify(expr)}")

# 4. 化简三角表达式
    simplified = sp.simplify(expr / sp.sqrt(2))
    print(f"化简后: (x + 2y)/√2 = {simplified}")

# 5. 用 sympy 求 sin 函数的最大值
    max_sin_value = sp.maximum(sp.sin(theta), theta, sp.Interval(0, 2*sp.pi))
    print(f"\nsinθ 在 [0, 2π] 的最大值为: {max_sin_value}")

# 6. 计算 x + 2y 的最大值
# x + 2y = √2·√2·sin(θ + π/4) = 2·sin(θ + π/4)
    max_value = sp.sqrt(2) * sp.sqrt(2) * max_sin_value
    print(f"因此 x + 2y 的最大值为: {sp.simplify(max_value)}")

# 7. 求取得最大值时的角度
# sin(θ + π/4) = 1 时，θ + π/4 = π/2
    theta_solutions = sp.solve(sp.Eq(sp.sin(theta + sp.pi/4), 1), theta)
    theta_max = theta_solutions[0]
    print(f"\nsin(θ + π/4) = 1 的解: θ = {theta_max}")

# 8. 计算极值点坐标
    x_max = sp.sqrt(2) * sp.cos(theta_max)
    y_max = (sp.sqrt(2)/2) * sp.sin(theta_max)

    print(f"\n当 θ = {sp.N(theta_max, 3)} 时:")
    print(f"  x = √2·cos(θ) = {sp.N(x_max, 4)}")
    print(f"  y = (√2/2)·sin(θ) = {sp.N(y_max, 4)}")
    print(f"  x + 2y = {sp.N(x_max + 2*y_max, 4)}")

return sp.simplify(max_value), (sp.N(x_max), sp.N(y_max))

max_val, point = solve_by_trigonometry()
print(f"\n【三角函数法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: x={float(point[0]):.2f}, y={float(point[1]):.2f}")

输出：

代入参数方程: x + 2y = 2*sin(theta + pi/4)
化简后: (x + 2y)/√2 = sqrt(2)*sin(theta + pi/4)

sinθ 在 [0, 2π] 的最大值为: 1
因此 x + 2y 的最大值为: 2

sin(θ + π/4) = 1 的解: θ = pi/4

当 θ = 0.785 时:
  x = √2·cos(θ) = 1.000     
  y = (√2/2)·sin(θ) = 0.5000
  x + 2y = 2.000

【三角函数法】x + 2y 的最大值为: 2
取得最大值时的点: x=1.00, y=0.50

评价：参数化利器，将椭圆转化为三角函数，需要扎实的三角恒等变换功底

方法九：向量法

核心思路

构造向量，利用向量点积的性质求最值。

解题过程

构造两个向量：

向量 a = (1, 1)
向量 b = (x, 2y)

向量点积性质：

a·b ≤ |a| × |b|

计算：

a·b = 1×x + 1×(2y) = x + 2y
|a| = √(1² + 1²) = √2
|b| = √(x² + (2y)²) = √(x² + 4y²) = √2

所以：

x + 2y ≤ √2 × √2 = 2

Python 实现

import sympy as sp

# 定义符号变量
x, y = sp.symbols("x y")

# 构造向量
v1 = sp.Matrix([1, 1])   # 向量 a = (1, 1)
v2 = sp.Matrix([x, 2*y]) # 向量 b = (x, 2y)

# 计算点积
dot = v1.dot(v2)  # a·b = x + 2y

# 计算向量模长
am = sp.sqrt(v1.dot(v1))  # |a| = √(1² + 1²) = √2
bm = sp.sqrt(v2.dot(v2))  # |b| = √(x² + (2y)²) = √(x² + 4y²)

# 约束条件
exp1 = sp.Eq(x**2 + 4*y**2, 2)

# 向量点积性质：a·b ≤ |a| × |b|
print("点积 a·b =", dot)
print("|a| =", am)
print("|b| =", bm)
print("不等式:", dot, "≤", am, "×", bm)

# 代入约束条件 |b| = √2
bm_substituted = bm.subs(x**2 + 4*y**2, 2)
max_val = am * bm_substituted
print("代入约束条件后 |b| =", bm_substituted)
print("因此最大值为 |a| × |b| =", max_val)

# 求极值点：当 a 与 b 同向时取等号，即 v1 = k * v2
k = sp.symbols('k')
eq1 = sp.Eq(1, k * x)      # 1 = k*x
eq2 = sp.Eq(1, k * 2*y)    # 1 = k*2y
eq3 = sp.Eq(x**2 + 4*y**2, 2)  # 约束条件

solution = sp.solve((eq1, eq2, eq3), (x, y, k))
print("\n极值点：")
for sol in solution:
    x_val, y_val, k_val = sol
    print(f"  x = {x_val}, y = {y_val}，此时 x + 2y = {x_val + 2*y_val}")
print(f"\n【向量法】x + 2y 的最大值为: {max_val}")
print(f"取得最大值时的点: {solution[1][:2]}")

输出：

点积 a·b = x + 2*y
|a| = sqrt(2)
|b| = sqrt(x**2 + 4*y**2)
不等式: x + 2*y ≤ sqrt(2) × sqrt(x**2 + 4*y**2)
代入约束条件后 |b| = sqrt(2)
因此最大值为 |a| × |b| = 2

极值点：
  x = -1, y = -1/2，此时 x + 2y = -2
  x = 1, y = 1/2，此时 x + 2y = 2   

【向量法】x + 2y 的最大值为: 2
取得最大值时的点: (1, 1/2)

评价：构造思维，通过向量点积性质求最值，需要一定的数学想象力

方法十：拉格朗日乘数法

核心思路

这是高等数学的方法，通过构造拉格朗日函数求条件极值。

解题过程

构造拉格朗日函数：

L(x, y, λ) = x + 2y + λ(2 - x² - 4y²)

分别对 x、y、λ 求偏导并令其为 0：

∂L/∂x = 1 - 2λx = 0  ⇒  x = 1/(2λ)
∂L/∂y = 2 - 8λy = 0  ⇒  y = 2/(8λ) = 1/(4λ)
∂L/∂λ = 2 - x² - 4y² = 0

由前两式得 x = 2y，代入第三式：

(2y)² + 4y² = 2 ⇒ y = ±1/2, x = ±1

结论：最大值为 f(1, 1/2) = 2。

Python 实现

# 拉格朗日乘数法求解
from scipy.optimize import minimize

defsolve_by_lagrange():

defobjective(vars):
        x, y = vars
return -(x + 2*y)  # 求最大值转化为求负最小值

defconstraint(vars):
        x, y = vars
return x**2 + 4*y**2 - 2

    result = minimize(objective, [1, 0.5], constraints={'type': 'eq', 'fun': constraint})
    max_value = -result.fun
    x_opt, y_opt = result.x
return max_value, (x_opt, y_opt)

max_val, point = solve_by_lagrange()
print(f"【拉格朗日乘数法】x + 2y 的最大值为: {max_val:.2f}")
print(f"取得最大值时的点: x={point[0]:.2f}, y={point[1]:.2f}")

输出：

【拉格朗日乘数法】x + 2y 的最大值为: 2.00
取得最大值时的点: x=1.00, y=0.50

评价：通用大法，高等数学经典方法，适用于各类条件极值问题

方法总结

最终结论

答案：x + 2y 的最大值是 2

取得条件：当且仅当 x = 1，y = 1/2 时取得。

关注公众号，获取更多数学和编程解题技巧！

导读