導數的應用

極大值與極小值(maxima and minima)

想像某隻股票一天之內的價格。有些小凸起,它比緊鄰前後的時刻都高——這些是局部高點;而它一整天觸及的最高價,則是全局高點。低點也是同樣的道理。極大值與極小值不過就是函數的高點與低點,而微積分給了我們一套可靠的方法去把它們找出來,而不必盯著圖象費力猜測。

我們要區分局部(相對)極值與全局(絕對)極值。局部極大是比附近一切都高的點;全局極大則是在所考察的整個定義域上的最高值。要判別一個臨界點,一階導數判別法看 f' 是否由正變負(局部極大)、由負變正(局部極小),還是保持同號(兩者皆非)。二階導數判別法常常更快:若 f'(c) = 0 且 f''(c) < 0,曲線下凹,故 c 是局部極大;若 f''(c) > 0,曲線上凹,故 c 是局部極小;若 f''(c) = 0,則該判別法無法定論。

有兩點值得分清:閉區間上的每個全局極值,同時也是一個局部極值或端點;但局部極值未必是全局的——一座小山丘可以遠遠低於大山峰。最值定理保證:閉且有界區間上的連續函數,確實能同時取到全局極大與全局極小;若失去連續性、或區間不閉,這一保證便可能不成立。

f''(c) < 0 => local max ; f''(c) > 0 => local min

對 f(x) = x^2 - 4x,臨界點 x = 2 處 f''(x) = 2 > 0,故 x = 2 是局部(此處亦為全局)極小值。

當 f''(c) = 0 時,二階導數判別法會悄無聲息地失效——例如 f(x) = x^4 滿足 f''(0) = 0,可 x = 0 確實是極小值,這時應改用一階導數判別法。

又稱
extremamax and min最值极值極值