TensorFlow 多元函数极值计算与可视化实例

Oliver

发布时间：2026-10-13 | 5人浏览过

原创

本文通过Python代码实例详解多元函数的极值判定，涵盖极大值、极小值及无极值（鞍点）三种情况。结合3D图形展示椭圆抛物面、锥面及马鞍面的几何特征，帮助理解极值点的数学定义与编程实现。

多元函数极值定义与Python实现概述

flyfish

python实现

设函数的某个邻域内有定义，对于该邻域内异于的点，如果都适合不等式

则称函数在点有极大值。

如果都适合不等式

则称函数在点有极小值．

极大值、极小值统称为极值。使函数取得极值的点称为极值点。

极小值案例：椭圆抛物面顶点分析

有极小值的例子

函数

在点（0，0）处有极小值。因为对于点 (0,0)的任一邻域内异于(0,0)的点，函数值都为正，而在点(0,0)处的函数值为零。从几何上看这是显然的，因为点(0,0,0)是开口朝上的椭圆抛物面

的顶点。

代码


from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-10, 10, 0.1)
Y = np.arange(-10, 10, 0.1)
X, Y = np.meshgrid(X, Y)
Z = (3*X**2 + 4*Y**2)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1)
plt.show()

极大值案例：下方锥面顶点分析

有极大值的例子

函数

在点（0，0）处有极大值。因为在点（0，0）处函数值为零，而对于点（0，0）的任一邻域内异于（0，0）的点，函数值都为负，点(0,0,0)是位于xOy平面下方的锥面$$z=-\sqrt{x^2+y^2}的顶点。

代码


from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-10, 10, 0.1)
Y = np.arange(-10, 10, 0.1)
X, Y = np.meshgrid(X, Y)
Z = np.sqrt(X**2 + Y**2)*(-1)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1)
plt.show()

无极值案例：马鞍面与鞍点解析

没有极大值也没有极小值的例子

函数z=xy在点（0，0）处既不取得极大值也不取得极小值。因为在点（0，0）处的函数值为零，而在点（0，0）的任一邻域内，总有使函数值为正的点，也有使函

数值为负的点。

像一个马鞍的图形

代码


from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-10, 10, 0.1)
Y = np.arange(-10, 10, 0.1)
X, Y = np.meshgrid(X, Y)
Z = X*Y
ax.plot_surface(X, Y, Z, rstride=1, cstride=1)
plt.show()

以上这篇TensorFlow 多元函数的极值实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。