条件最值模型：带着约束求最大最小

条件最值模型研究变量满足某个等量关系时目标式的最大最小值，解法从小学放缩到拉格朗日乘数法层层升级，是一题多解的典型载体。

结构：两个（或多个）变量被一个等量关系拴住，在这个「绳子」上求另一个式子的最大或最小值。

标准形：在约束 $g(x,y)=0$ 下，求目标式 $f(x,y)$ 的最大值与最小值。

适用前提与边界条件

约束必须是等量关系（等式）；不等式约束需另用线性规划或分类讨论处理
求出的只是候选最值，必须验证取等条件真实存在，模型才算闭环

求解策略

恒等变形：把约束配成「非负项 + 目标项」，平方非负直接放缩
换元消元：和差换元消交叉项，化为标准二次曲线
判别式法：令目标式为参数 $k$ ，由方程有实解圈定 $k$ 的范围
三角换元：平方和为定值时改由角度驱动，振幅即最值
几何相切：目标式看成直线族，最值发生在与约束曲线相切处
拉格朗日乘数法：梯度平行列方程组，通法兜底
二次型对角化：特征值给出各方向伸缩率，最值落在最长方向

在哪些母题中出现

清华强基题：x²+y²+xy=1 求 x-y 最大值的七种解法

解法工具箱对照

策略	学段	核心动作	适用信号
恒等变形	小学	配平方放缩	结构整齐、系数简单
判别式法	初中	参数化后令 $Δ \geq 0$	消元后是二次方程
三角换元	高中	平方和交给角度	平方和为定值
几何相切	高中	直线族扫曲线	目标式为线性式
乘数法	大学	梯度平行联立	适用于一般光滑约束
二次型	大学	正交对角化	二次齐次约束

模型识别口诀

一句话识别条件最值：「变量有绳子（约束等式），目标要拔尖（最大最小）。」识别成功后再看两件套——约束长什么样、目标式长什么样——对照上表挑工具，多数竞赛与强基题都能较快定出方向。

正例与反例

✅ 正例

已知 $x^2+y^2+xy=1$ 求 $x-y$ 最大值：七种学段解法层层升级，最终都在 $(1,-1)$ 取到 $2$

❌ 反例

由 $(x-y)^2\leq4$ 直接答最大值为 $2$ 而不回代：万一 $x+y=0$ 与约束矛盾， $2$ 就是假最值

高频误解与考试易错

只求出上界就宣称最大值：不验证等号取到，答案可能根本达不到
换元后约束变形走样：新变量之间的隐含关系（如 $u,v$ 的取值配套）被忽略
默认最值点一定对称： $x+y=0$ 对本题成立纯属巧合，换题即失效

常见问题

条件最值和自由最值有什么区别？

自由最值在整个定义域内找；条件最值只能在约束曲线上找，候选点大幅减少，也才有了相切、判别式等专属工具。

判别式法什么时候失效？

消元后不能化为二次方程（例如出现根号、分式或高次）时判别式不可用，需要换三角换元或拉格朗日乘数法。

七种解法里学哪一种最划算？

按学段学：小学恒等变形、初中判别式、高中三角换元与相切、大学乘数法与二次型。思想相通，工具随学段升级。

依据与出处

人教A版（2019 审定）选择性必修第一册第三章《圆锥曲线的方程》