多元函数微分学求极值代码

多元函数微分学中的极值点通常通过计算梯度（即各偏导数）来寻找，因为零梯度意味着方向上函数值不变，可能是极值点。在Python中，我们可以使用`scipy.optimize`模块中的`minimize`函数结合牛顿法（如L-BFGS算法）来寻找函数的局部最小值。以下是一个简单的示例，假设有一个二维函数f(x, y)：

from scipy.optimize import minimize

# 定义目标函数
def func(x):
    x1, x2 = x
    # 这里填写你的多变量函数表达式
    return (x1**2 + x2**2 - 1)**2 + (x1 - x2)**2

# 初始猜测点
x0 = [0, 0]

# 使用minimize求解极值
result = minimize(func, x0, method='L-BFGS-B', options={'disp': True})

# 输出结果
print("找到的极值点:")
print("x =", result.x)
print("函数值 =", result.fun)

#