平均值定理内容-平均值定理核心

在数学的漫长河流里，均值定理实际上是那个最温柔的节点。别把它当成一本正经的公式说明书，那玩意儿到处都是，像路边不起眼的小石子。它的核心实际上就一句话：只要函数是单调的，那个函数的平均值，大约率会落在对应的中点位置。
这话听着玄乎，但拆开看，它实际上是在说单调函数的图像要像个对的挺直的直线，它才愿意听你讲个算术平均值的故事。 大量人一听到平均值定理，脑子里立马蹦出高数里那几个形如 $frac{1}{b-a} int_a^b f(x) dx = frac{f(a)+f(b)}{2}$ 的东西。
那是把定积分和面积图拼起来的，把曲线下方的区域平均摊薄。但均值定理没那么复杂，它说的事更好办：要是函数从左往右跑，既没有往左跑，也没有往右跑，那就算你把所有点往中间一推，它们的平均高度，大约率也等于中点的高度。
这听起来有点道理，但真正的妙处在于，这个“大约”在啥情况下会变成立。 要知道，这个定理最迷人的地方，就是它不需求函数长得像哪位。它只要求函数是单调的。
比如看一个底为 1 的高为 1 的三角形，它的面积是 0.5。
要是我们要把它拉得挺长，变成一个底为 0.1 高为 1 的挺瘦的三角形，面积变成了 0.05。按照均值定理的思路，原来的平均值是 1，新的平均值就是 0.5。
这两个结局之间，中间是不是少了啥？实际上数学里有个叫“单调性”的东西，专门管这种拉长变胖要么变瘦的过程。
要是函数在区间内没有震荡，也没有波动，那就意味着中间的函数值，要么一辈子比两边的低，要么一辈子比两边的高。
这时候，均值定理就能稳住，把那个平均值准地定位在中点。 举个生活中的例子可能更接地气。想象你站在一条直线上，左边一个人高 1.8 米，右边一个人高 2.1 米。他们的平均身高就是 1.95 米。
要是你把他们往中间拉，左边的人变成 2 米，右边的人变成 2 米，中间是 2 米。按照均值定理，平均身高应当还是 2 米。结局确实没变，出于那个“拉”的过程没有让其中一个人的身高超过另一边，也没有让其中一个人突然矮下去。 但要是中间有人跳舞，这就费事了。假设左边是 1.8 米，中间那个跳得忽高忽低，待会儿 2 米待会儿 1.5 米，右边是 2.1 米。
这时候，整体平均身高就是 1.95 米。
可是，中点的位置是 2 米。
显然，1.95 米和 2 米差了 0.05 米。
这时候，那个跳舞的人制造了啥？他制造了震荡。均值定理之故此说了“大约”，就是出于震荡会让平均值跑偏，跑到中点去。但只要剔除掉那些震荡，剩下的单调局部，平均值就死死地套住中点了。 这种“大约”和“死死”的区别，实际上就藏在函数的凹凸性里。
要是函数是凹的（比如一个碗），平均值一般会比中点高；要是是凸的（比如一个坑），平均值一般会比中点低。但均值定理最了得的地方，是它只依赖单调性这个基础。它不需求你管函数是开口的还是闭口的，也不需求管它是波浪还是直线。
只要保证它一直单调递增要么一直单调递减，那个平均值就不会撒谎，它只会忠实地停留在中点。 再往细处看，这个定理在积分里实际上是个挺实用的工具。它告诉我们在做定积分的时候，有时候不用去算那些复杂的面积组合，只要看到函数单调，你就能直接跳到中点去猜平均值。
这在工程估算要么物理建模里特别有用。
比如估摸一片曲线分布的半导体材料，你算不出精确的平均载流子浓度，但你只要知道材料是从左到右逐步变好的，你就能够放心地说，那个平均浓度就在几何中点对应的浓度附近。 还有啊，这个定理实际上还能反着用。
要是已知某个平均值的偏差，你就能推断函数在单调性消亡前，它的能量要么分布特征。
这就好比看天气预报，要是今天说平均气温是 20 度，而实际统计发现偏差是 0.1 度，那你能够推断出，今天的风向和湿度不会让气温剧烈波动，否则预测就会大错特错。 总而言之，均值定理就是个朴素的真理：单调的函数，它的中心位置，就是它平均值的家。它不霸道，也不圆滑，它就是那个顽强的单调，守着那个中点，不动声色地告诉你：平均值，就在中间。