平均值定理求最值公式-平均值求最值公式

均值定理这东西，说白了就是给函数找个“中位数”要么“平衡点”。别把平均值定理当成啥高深的数学理论，它就是个老生常谈，但有时候用起来却能把复杂的极限难题变得像凑数一样顺溜。大量人一见到“均值定理求最值”，心里就犯嘀咕：是不是要写一堆死板的公式？实际上不然，这东西就是让你别去死磕导数，有时候换个角度，直接套公式就能活。 起初得搞清楚里拉定理和柯西定理这两个名字，别搞混了。里拉定理就是一般说的平均值定理，核心思想是把函数画成一段段，比如从 -1 到 1，要么是从 0 到 1，最终算出中间那个点的值。柯西定理略微有点高深点，它涉及到向量要么更复杂的结构，有时候用来证明不等式，但在求最值的时候，实际上大量时候都能够退化成里拉定理的使用场景。 举个最好办的例子，就是求 $y = x^2$ 在区间 [-1, 1] 上的最大值难题。乍一看，这题仿佛得求导数，二阶导数大于 0 就知道是凹函数，最大值肯定在端点取到，那就是 1 和 -1，结局两个都是 1，没啥特别的。
可是，要是我们不看导数，直接从几何意义上来想，$y = x^2$ 是个开口向上的抛物线，那它的最高值肯定就在最左端要么最右端，也就是 x 取 -1 要么 1 的时候，y 就最大，等于 1。
这就跟泥巴堆成一座山，山顶在哪儿跟山脚在哪儿往死里拼，本来就在同一个地方。 再换一种情况，比如求 $y = (1 - x^2)$ 在区间 [-1, 1] 上的最大值。
这个函数是个倒过来的抛物线，中间高两边低，中位数那个点就是 x 等于 0 的时候，y 最大，等于 1。
这时候直接套里拉定理，函数在区间上是正的，最大值肯定在某个内点要么端点，计算一下端点值，发现都不一样，那就得老老实实找导数找零点，要么根据凹凸性判断。
这时候别看算法一样，但感觉彻底不同，一个感觉像找教室里的最高人，一个感觉像找蛋糕里最软的那一块。 实际上大量时候，我们不需求确实去推导里拉定理的严谨证明，有时候只要承认函数的单调性，要么函数的凹凸性，再加上区间端点的情况，直接套用公式要么好办的逻辑推导就能拿到答案。
比如求 $f(x) = x^3 - 3x$ 在 [-2, 2] 上的最值，导数算出来是 $3x^2 - 3$，令其为 0 拿到 $x = pm 1$，然后再比较端点和极值点，结局最大值是 5，最小值是 -5。但这还是忒常规了，我们来看看有没有更“偷懒”要么更“直接”的方式。 在解决一些特殊的函数最值难题时，特别是涉及到多个变量要么需求构造不等式的，里拉定理时常能派上大用场。
比如要证明 $x^2 + y^2 geq 2xy$ 这种根本不等式，要么在处理一些对称函数时，直接取平均值往往是最快的路径。
不需求去纠结每一步的推导细节，只要知道不等式的根本性质，直接代入区间端点要么中点，往往就能得出结论。 实际上，均值定理求最值，其精髓就在于“化繁为简”。
不管函数长得多么怪，比如分段函数，要么是有大量减法的式子，只要它能归约成一段单调的要么对称的结构，直接套上里拉定理，往往就能跳过复杂的过程。
比如求 $f(x) = x - 1/x$ 在 [1, e] 上的最值，直接代入端点计算，会发现最大值在 e 处取得，最小值在 1 处取得，整个过程行云流水，毫无波澜。 自然，关于里拉定理的严格定义，在高等数学里确实有相关的定理支撑，但我们在实际解题中，更多时候是把它当作一个工具，一个经过验证有效的逻辑链条。就像盖楼，中间不需求每次都重新设计地基，有时候盖好一层，发现结构没难题，再盖一层，要是中间发现有难题，再调整。里拉定理就是那个时常能铺平道路的工具。 另外，当函数的定义域是闭区间，且是连续函数时，根据介值定理，它的最大值和最小值一定在端点要么驻点处取得。
这时候，直接计算端点的函数值，再找驻点，比较大小，就是最稳妥的办法。
不需求那些复杂的辅助函数构造，也不需求画那么多图，只要算准了端点值，算准了驻点的函数值，就能拿到答案。 最终总结一下，均值定理求最值，实际上就是让数学回归到最本质的比较中。甭管是通过端点比较，还是通过极值点比较，最终目标都是找出那个“最大”要么“最小”的数值。
只要掌握了根本的性质，比如单调性、凹凸性，还有端点值的计算本事，这题根本就没难题了。别被那些复杂的定理名词吓到了，有时候，最朴素的方式往往最管用，最直白的逻辑往往最清楚。
这就是均值定理的魅力所在，它不只是公式，更是一种看待难题的思维方式。