函数极值点的判定定理(函数极值判定定理)

函数极值点的判定定理：从理论到应用的深度解析

在微积分的广阔天地中，函数极值（Extremum） 是一个核心概念。无论是工程优化、经济模型中的成本最小化，还是物理学中的能量最低状态，寻找函数的最大值或最小值都是解决实际问题关键一步。而连接“导数”与“极值”的桥梁，正是函数极值点的判定定理。 本文将系统梳理极值点的定义、第一充分条件、第二充分条件以及更高阶的判定方法，并通过实例分析，帮助读者构建完整的知识体系。

一、 基本概念：什么是极值点？

在深入判定定理之前，必须明确极值点的定义。 设函数 在点 的某个邻域内有定义。如果对于该邻域内所有异于 的点 ，都有： ，则称 为函数的极大值， 为极大值点； ，则称 为函数的极小值， 为极小值点。 极大值与极小值统称为极值，极大值点与极小值点统称为极值点。 注意：极值是局部概念。极大值不一定比极小值大，极值也不一定比区间端点的函数值大。

二、 费马引理：极值点的必要条件

在讨论“如何判定”之前，我们先看“极值点具备什么性质”。 费马引理（Fermat's Lemma） 指出： 如果函数 在点 处可导，且在 处取得极值，那么必有 。 这意味着，可导函数的极值点一定是驻点（Steady Point）。 然而，逆命题不成立： 的点（驻点）不一定是极值点。例如 在 处，，但该点既非极大值也非极小值，而是拐点。 因此，我们需要更进一步的充分条件来判定驻点是否为极值点。

三、 第一充分条件：利用一阶导数的符号变化

这是最通用、最基础的判定方法，适用于可导和不可导的情况。

定理内容

设函数 在点 处连续，且在 的去心邻域内可导： 1. 若 在 左侧为正（），右侧为负（），即导数由正变负，则 是极大值。 2. 若 在 左侧为负（），右侧为正（），即导数由负变正，则 是极小值。 3. 若 在 左右两侧符号相同，则 不是极值。

直观理解

一阶导数 代表函数的切线斜率，即函数的增减趋势。 “增-减”意味着函数先上升后下降，形成山峰（极大值）。 “减-增”意味着函数先下降后上升，形成山谷（极小值）。

示例

判定 的极值点。 1. 求导：。 2. 令 ，得驻点 。 3. 分析符号变化： 在 左侧 ，右侧 极小值。 在 左侧 ，右侧 极大值。 在 左侧 ，右侧 极小值。

四、 第二充分条件：利用二阶导数

当函数二阶可导时，使用二阶导数判定更为简便，避免了讨论邻域符号的繁琐过程。

定理内容

设函数 在点 处具有二阶导数，且满足 ： 1. 若 ，则 是极大值。 2. 若 ，则 是极小值。 3. 若 ，则此方法失效，需回到第一充分条件或高阶导数判定。

几何意义

二阶导数 代表函数的凹凸性。 表示函数在 附近是凸的（Concave Down，开口向下），驻点位于峰顶，故为极大值。 表示函数在 附近是凹的（Concave Up，开口向上），驻点位于谷底，故为极小值。

示例

判定 在 处的极值情况。 1. 求一阶导：。令 ，确认 是驻点。 2. 求二阶导：。 3. 代入 ：。 4. 结论： 是极小值点。 局限性：若 ，例如 在 处，，但 显然是极小值点。此时第二充分条件无法直接得出结论。

五、 高阶导数判定法：当二阶导数为零时

当 且 时，我们可以考察更高阶的导数。

定理内容

设函数 在 处具有 阶导数，且满足： 1. 若 为偶数： 极大值 极小值 2. 若 为奇数： 不是极值点（通常是拐点）。

记忆口诀

“偶极奇拐”：阶数为偶数时是极值，阶数为奇数时不是极值。 符号决定正负：最高阶非零导数为正，开口向上（极小）；为负，开口向下（极大）。

示例

判定 在 处是否为极值。 1. 。 等等，这个例子选得不好，因为 根本不是驻点。 让我们换一个经典例子： 在 处。 1. 。 2. 。 3. 是偶数，且值为正。 4. 结论： 是极小值点。

六、 特殊情况：不可导点的极值判定

上述定理主要针对可导函数。但在实际应用中，函数可能在某些点不可导（如尖点、角点），这些点也可能成为极值点。 判定方法： 1. 找出所有驻点（）和不可导点。 2. 使用第一充分条件（检查导数符号变化）来判定这些点。 经典案例： 在 处不可导。 当 时，。 当 时，。 导数由负变正，故 是极小值点。

七、 总结与对比

为了便于应用，我们将三种主要判定方法进行对比：

判定方法	适用条件	优点	缺点
第一充分条件	函数连续，去心邻域可导	通用性强，适用于不可导点	需计算邻域符号，步骤稍多
第二充分条件	函数二阶可导，且	计算简便，只需代入一点	当 时失效
高阶导数法	函数 阶可导	解决 的情况	求高阶导数计算量大

函数极值点的判定是微积分应用的核心技能。在实际解题中，建议遵循以下流程： 1. 求定义域。 2. 求一阶导数 ，找出所有驻点（）和不可导点。 3. 优先尝试第二充分条件进行快速筛选。 4. 对于二阶导数为零的点或不可导点，回归第一充分条件或高阶导数法进行深入分析。 掌握这些定理，不仅有助于解决数学考试中的难题，更能培养我们利用数学工具分析现实世界中“最优解”问题的思维能力。