沿一条起伏路线行走,某处先上坡后下坡,它是附近的山顶;但远处可能还有更高山峰。函数的极大值描述局部比较,最大值则要与定义域内所有函数值比较。两者名称相似,判断范围却完全不同。
导数能发现增减方向改变的位置,但求整体最值还要检查端点、不可导点和实际可行域。
- 理解极大值、极小值是局部概念,最大值、最小值是整体概念。
- 会由导数在临界点两侧的符号变化判断极值。
- 知道 只是可导函数取极值的必要条件之一。
- 会求连续函数在闭区间上的最值并比较全部候选值。
- 会建立目标函数和可行域解决实际优化问题。
一、极值取决于邻域内的比较
若在 附近都有 ,则 是一个极大值;若附近都有 ,则是极小值。这里的“附近”只要求某个局部邻域,不必与整个定义域比较。
对可导函数,若 是定义域内部的极值点,通常有 。但反命题不成立: 在 处导数为零,却在零点前后都递增,没有极值。真正有效的判据是导数符号发生变化:从正变负,对应先增后减,取得极大值;从负变正,对应先减后增,取得极小值;若符号不变,则不是极值点。
不可导点也可能取得极值,如 在 处取得极小值。因此完整寻找候选点时,除了 ,还要考虑定义域内部导数不存在而函数有定义的点。
二、闭区间上的最大值与最小值
连续函数在闭区间 上一定能取得最大值和最小值。求解步骤是:
- 求出开区间 内所有临界点;
- 计算这些点以及两个端点处的函数值;
- 比较所有候选值,最大者为最大值,最小者为最小值。
端点不需要满足导数为零,却完全可能取得最值。若区间是开区间或无界区间,函数可能只有上界或下界而不取到,例如 在 上没有最大值和最小值。不能把闭区间定理直接搬到其他定义域。
极值看临界点两侧的增减变化,最值看整个可行域内所有候选值。导数负责筛选内部候选点,端点和不可导点必须额外加入比较。
三、极值表与图象信息
把临界点按从小到大排列,在每个区间标出 的正负,再写出 的增减箭头,就得到极值表。它不仅给出极值,还能帮助画草图、判断方程根的个数和参数位置。
若函数在某段先增后减,转折点是极大值点;若先减后增,是极小值点。极大值未必为正,极小值也未必为负,“大”“小”只是与邻近函数值比较。一个函数可以有多个极大值,其中某个极大值甚至小于另一个极小值,因为它们对应不同邻域。
若已知极值点反求参数,要同时满足导数为零与符号发生指定变化。只代入 可能得到不能形成极值的参数值,必须代回导数符号或用其他充分条件核验。
四、实际最优化的建模流程
优化问题先确定决策变量,再根据几何、成本或资源约束写出目标函数,并明确可行域。随后利用导数求内部候选点,与端点比较,最后把数学答案翻译回单位和实际条件。
例如矩形周长固定为 ,设一边长为 ,另一边为 ,可行域是 ,面积
,在 前为正、之后为负,因此正方形面积最大。若实际长度只能取整数,就应比较连续最优点附近的可行整数,而不能直接给出不可执行的小数。
设 。求极值,并求它在 上的最大值与最小值。
✏️ 查看分步解析
导数在 为正,在 为负,在 为正。因此 处取得极大值 , 处取得极小值 。
求闭区间最值还要计算端点:
比较 ,得到最大值为 ,在 处取得;最小值为 ,在 和 两处取得。局部极大值 显然不是区间最大值。
从边长为 的正方形纸片四角各剪去边长为 的小正方形,折成无盖盒。求体积最大时的 。
✏️ 查看分步解析
盒底边长为 ,高为 。可行域不是任意实数,而是 。体积
求导并因式分解:
在可行域内临界点为 。当 时导数为正,当 时导数为负,所以体积先增后减, 时取得最大值
答案为剪去边长 的正方形,最大体积为 立方单位。端点不在可行域,但趋近端点时体积都趋近零,也支持上述结论。
- 不能单独保证极值,必须检查两侧导数符号。
- 极大值是局部比较结果,不一定是最大值,也不一定大于所有极小值。
- 求闭区间最值不能遗漏端点和定义域内的不可导点。
- 开区间上即使有上界,也可能无法取到最大值。
- 实际优化先写可行域,最终答案还要满足单位、正数和整数等限制。
包装设计常在材料用量、容量和强度之间寻找最优方案。导数给出的临界点只对所建模型负责:若忽略接缝损耗、厚度或设备尺寸,数学最优值可能无法生产。因此应先把全部约束转化为可行域,求得候选方案后再做边界比较和现实校验。最优不是“导数等于零”的同义词,而是所有可行方案中的比较结果。
五、自测与解析
1. 驻点是否为极值点
在 处是否取得极值?
✏️ 查看答案
,零点两侧导数都为正,函数持续递增,所以 是驻点但不是极值点。
2. 端点比较
求 在 上的最值。
✏️ 查看答案
,内部临界点为 。比较 、、,最小值为 ,最大值为 。
3. 实际可行域
面积为 的矩形,一边长为 ,周长函数是什么,定义域是什么?
✏️ 查看答案
另一边为 ,周长 。边长必须为正,所以定义域为 。