求证平方和函数$f(x)=\sum_{i=1}^n(x-a_i)^2$取最小值时x为算术平均数的方法

嘿，这里有几种不同的证明思路，说不定能给你新的启发，咱们一个个来看：

这是最直观的分析学路子，适合已经接触过导数的场景：

• 先把函数展开成标准二次函数形式：
  f(x) = Σ(x - a_i)² = nx² - 2(Σa_i)x + Σa_i²
• 对x求一阶导数，找临界点：
  f’(x) = 2nx - 2Σa_i
• 令导数等于0，解出的x就是算术平均数：
  2nx - 2Σa_i = 0 ⇒ x = (a₁+a₂+...+aₙ)/n
• 验证这是最小值点：二阶导数f''(x)=2n，因为n是正整数，二阶导数恒正，说明这个临界点是极小值点；又因为原函数是开口向上的二次函数，所以这个极小值点就是整个定义域的最小值点。

纯代数操作，不用微积分也能把道理说透：
先把函数展开成二次函数：
f(x) = nx² - 2(Σa_i)x + Σa_i²
接下来给这个式子配方，拆成完全平方加常数项：

f(x) = n[x² - 2*(Σa_i/n)*x] + Σa_i²
= n[(x - Σa_i/n)² - (Σa_i/n)²] + Σa_i²
= n(x - μ)² + Σa_i² - (Σa_i)²/n

这里的μ=(Σa_i)/n就是算术平均数。
因为n是正整数，(x-μ)²永远是非负的，所以只有当x=μ时，平方项为0，f(x)才能取到最小的常数项Σa_i² - (Σa_i)²/n。

换个角度，从距离平方和的意义来理解：
把每个a_i看成数轴上的一个点，f(x)其实就是点x到这n个点的距离平方和。结合统计学里的方差概念，推导会更直观：
已知方差Var(a_i) = (1/n)Σ(a_i - μ)²，把Σ(x - a_i)²展开变形：

Σ(x - a_i)² = Σ[(x - μ) + (μ - a_i)]²
= Σ(x-μ)² + 2(x-μ)Σ(μ - a_i) + Σ(μ - a_i)²

因为Σ(μ - a_i) = nμ - Σa_i = 0，式子直接简化为：
Σ(x - a_i)² = n(x - μ)² + nVar(a_i)
显然n(x-μ)²是非负的，只有当x=μ时，这一项为0，平方和就取到了最小值nVar(a_i)。
从几何上看，μ就是这n个点的“重心”，不管是一维数轴还是高维空间，重心都是使到各点距离平方和最小的点，这是个很自然的结论。

还有个极简的验证思路，不用复杂定理，纯展开就能证明：
假设μ是算术平均数，我们可以证明对任意实数x，都有Σ(x - a_i)² ≥ Σ(μ - a_i)²：
展开左边：
Σ(x - a_i)² = Σ[(μ + (x - μ)) - a_i]² = Σ[(μ - a_i) + (x - μ)]²
= Σ(μ - a_i)² + 2(x - μ)Σ(μ - a_i) + n(x - μ)²
因为Σ(μ - a_i)=0，左边就等于Σ(μ - a_i)² + n(x - μ)²，而n(x - μ)²≥0，所以Σ(x - a_i)² ≥ Σ(μ - a_i)²，等号当且仅当x=μ时成立。

内容的提问来源于stack exchange，提问作者Angel Politis