什么是函数极值？
在微积分中，函数极值（Extreme Value）是描述函数在某一点附近取值特性的核心概念。简单来说，极值是指函数在某个局部范围内的“最高”或“最低”点。它不同于全局最大值或最小值（最值），极值强调的是“局部优势”。
设函数 f(x) 在点 x₀ 的某个邻域 U(x₀) 内有定义。
1. 如果对于该邻域内所有异于 x₀ 的点 x，都有 f(x) < f(x₀)，则称 f(x₀) 是函数 f(x) 的一个极大值，x₀ 称为极大值点。
2. 如果对于该邻域内所有异于 x₀ 的点 x，都有 f(x) > f(x₀)，则称 f(x₀) 是函数 f(x) 的一个极小值，x₀ 称为极小值点。
极大值和极小值统称为极值。
需要注意的是，极值是一个局部概念。一个函数可以有多个极大值和极小值。极大值不一定比极小值大，全局最大值也不一定在极值点取得（可能在端点取得）。
极值的判定方法
如何判断一个点是否为极值点？这是微积分学习中的重点。我们通常借助导数这一工具来进行判定。以下是两种最常用的充分条件：
第一充分条件：导数变号法
这是最通用、最基础的方法，适用于可导和不可导点。
- 若 f'(x) 在 x₀ 左侧为正，右侧为负（左正右负），则 f(x₀) 为极大值。
- 若 f'(x) 在 x₀ 左侧为负，右侧为正（左负右正），则 f(x₀) 为极小值。
- 若 f'(x) 在 x₀ 左右两侧符号相同，则 x₀ 不是极值点。
第二充分条件：二阶导数判别法
当函数二阶可导时，此方法更为简便，但前提是必须先找到驻点（即 f'(x₀)=0 的点）。
- 若 f'(x₀) = 0 且 f''(x₀) > 0，则 f(x₀) 为极小值（凹向上，谷底）。
- 若 f'(x₀) = 0 且 f''(x₀) < 0，则 f(x₀) 为极大值（凹向下，山峰）。
- 若 f''(x₀) = 0，则此方法失效，需改用第一充分条件或高阶导数判别。
费马引理（Fermat's Theorem）
费马引理揭示了极值点与导数之间的关系，它是求极值的基础理论依据。
内容：如果函数 f(x) 在 x₀ 处可导，且在 x₀ 处取得极值，那么必有 f'(x₀) = 0。
推论：可导函数的极值点一定是驻点。但驻点不一定是极值点（如 y=x³ 在 x=0 处）。
易混淆概念辨析
在考试和实际应用中，很多网友容易混淆以下几个概念。我们专门制作了以下对比表格：
| 比较项目 | 极值点 (Extremum) | 驻点 (Stationary Point) | 拐点 (Inflection Point) |
|---|---|---|---|
| 定义 | 函数取得局部最大或最小值的点 | 导数为0的点 (f'(x)=0) | 曲线凹凸性改变的点 |
| 导数关系 | 可导时 f'(x)=0 或 f'(x)不存在 | f'(x)=0 | f''(x)=0 或不存在 |
| 关系 | 可导函数的极值点必为驻点 | 驻点不一定是极值点 | 拐点不一定是极值点 |
| 几何意义 | 山峰或谷底 | 切线水平 | 曲线由凹变凸或由凸变凹 |
经典例题深度解析
理论结合实践，我们通过两个典型例题来演示求极值的完整流程。
题目：求函数 f(x) = (x-1)²(x+2) 的极值。
解析步骤：
- 求定义域： R
- 求导数：
f'(x) = 2(x-1)(x+2) + (x-1)²
= (x-1)[2(x+2) + (x-1)]
= (x-1)(3x+3)
= 3(x-1)(x+1) - 令 f'(x)=0： 解得 x₁=1, x₂=-1。
- 列表分析符号：
| x | (-∞, -1) | -1 | (-1, 1) | 1 | (1, +∞) |
|---|---|---|---|---|---|
| f'(x) | + | 0 | - | 0 | + |
| f(x) | ↗ | 极大值 | ↘ | 极小值 | ↗ |
结论：
当 x = -1 时，取得极大值 f(-1) = (-2)²(1) = 4。
当 x = 1 时，取得极小值 f(1) = 0。
题目：求函数 f(x) = x³ - 3x² + 2 的极值。
解析步骤：
- 求一阶导数： f'(x) = 3x² - 6x = 3x(x-2)
- 找驻点： 令 f'(x)=0，得 x=0 或 x=2。
- 求二阶导数： f''(x) = 6x - 6
- 代入驻点判断：
当 x=0 时，f''(0) = -6 < 0，故 x=0 是极大值点，极大值为 f(0)=2。
当 x=2 时，f''(2) = 6 > 0，故 x=2 是极小值点，极小值为 f(2) = 8 - 12 + 2 = -2。
极值理论的历史演变
理解极值的发展历史，有助于我们建立更深刻的数学直觉。
阿基米德的早期探索
阿基米德在研究抛物线弓形面积时，实际上已经涉及到了二次函数的极值问题，虽然他使用的是几何方法而非代数导数。
费马与导数的萌芽
皮埃尔·德·费马（Pierre de Fermat）提出了求极大值和极小值的方法，包括令导数为零的思想。这被视为微积分诞生的前奏。费马引理即以他的名字命名。
牛顿与莱布尼茨
艾萨克·牛顿和戈特弗里德·威廉·莱布尼茨独立建立了微积分体系，使得求导和求极值有了统系统的工具。二阶导数判别法在这一时期逐渐成形。
魏尔斯特拉斯与严谨化
卡尔·魏尔斯特拉斯（Karl Weierstrass）给出了极值的严格定义，并证明了魏尔斯特拉斯定理：闭区间上的连续函数必能取得最大值和最小值。这为极值理论奠定了坚实的逻辑基础。
网友们还关心：常见问题深度解答
根据搜索引擎数据和社区讨论，以下是关于函数极值的概念最高频的疑问：
答案：不一定。
导数为0的点称为驻点。驻点只是极值点的必要条件（对于可导函数），而非充分条件。最经典的反例是 f(x) = x³。在 x=0 处，f'(0)=0，但函数在 x=0 两侧单调递增，没有发生“峰”或“谷”的变化，因此 x=0 不是极值点，而是拐点。
答案：局部与全局的区别。
1. 范围不同：极值是局部概念，只要求在该点邻域内最大/最小；最值是全局概念，要求在整个定义域内最大/最小。
2. 位置不同：极值点通常在区间内部；最值点可能在区间内部（此时也是极值点），也可能在区间端点取得。
3. 数量不同：一个函数可能有多个极值，但在闭区间上，最大值和最小值各只有一个（尽管可能在多处取得）。
答案：可以。
极值的定义并不要求函数在该点可导。例如 f(x) = |x| 在 x=0 处不可导，但 x=0 显然是其极小值点。因此，在求极值时，除了找驻点（f'=0），还必须检查不可导点。
答案：不一定。
二阶导数为0只是拐点的必要条件。例如 f(x) = x⁴，f''(0)=0，但函数在 x=0 两侧都是凹向上的（f''(x)≥0），凹凸性没有改变，所以 x=0 不是拐点，而是极小值点。判断拐点必须看二阶导数在该点两侧是否变号。
掌握函数极值的概念是微积分应用的基石。从物理中的能量最小原理，到经济学中的成本最低分析，极值理论无处不在。关键在于理解：
- 极值是局部最优，最值是全局最优。
- 可导函数的极值点必为驻点，但驻点不一定是极值点。
- 判定极值时，第一充分条件（变号）最通用，第二充分条件（二阶导）最简便。
- 不要忘记检查不可导点和区间端点。