普林斯顿微积分读本 · 第十一章
用导数读懂函数的形状
函数的极值（extrema）是微积分中最基本的应用之一。理解函数在何处达到局部最高点（极大值）和局部最低点（极小值），是分析函数行为的核心步骤。
设函数 f 在点 a 的某个邻域内有定义：
极值是"局部"概念——函数在某个小范围内最高或最低。最值是"全局"概念——函数在整个定义域上最高或最低。一个局部极大值未必是全局最大值，但全局最大值一定是局部极大值（除非它出现在定义域的端点）。
临界点（critical point）是寻找极值的关键。点 x = a 是 f 的临界点，当且仅当满足以下条件之一：
费马定理告诉我们：如果 f 在 a 处有局部极值，且 f'(a) 存在，则 f'(a) = 0。也就是说，极值只可能出现在临界点处。但反过来不成立——临界点未必是极值点。
经典反例：f(x) = x³ 在 x = 0 处 f'(0) = 0，但 x = 0 不是极值点——函数在该点穿过水平切线继续上升。这说明 f'(a) = 0 只是极值的必要条件，不是充分条件。
通过观察 f'(x) 在临界点两侧的符号变化，可以判断该临界点是极大值还是极小值：
| f'(x) 的符号变化 | 结论 | 图像特征 |
|---|---|---|
| 从正变负（+ → -） | 局部极大值 | 函数先上升后下降，形成"山峰" |
| 从负变正（- → +） | 局部极小值 | 函数先下降后上升，形成"山谷" |
| 不变号（+ → + 或 - → -） | 不是极值 | 函数穿过水平切线继续运动 |
如果 f''(a) 容易计算，二阶导数检验法往往更快捷：
| 条件 | 结论 | 直觉 |
|---|---|---|
| f''(a) < 0 | 局部极大值 | 二阶导数为负意味着函数在 a 处"向下弯"，形成山峰 |
| f''(a) > 0 | 局部极小值 | 二阶导数为正意味着函数在 a 处"向上弯"，形成山谷 |
| f''(a) = 0 | 无法判断 | 需要回退到一阶导数检验法 |
f(x) = x⁴ 在 x = 0 处：f'(0) = 0，f''(0) = 0。此时二阶导数检验法失效，但用一阶导数检验法可知 f'(x) = 4x³ 从负变正，所以 x = 0 是极小值。再看 g(x) = -x⁴，同样 f''(0) = 0，但 x = 0 是极大值。而 h(x) = x³，f''(0) = 0，x = 0 不是极值。可见 f''(a) = 0 时三种情况都可能发生。
罗尔定理（Rolle's Theorem）是微分学中第一个重要的"存在性定理"，它保证了在特定条件下，函数图像上一定存在水平切线。
若函数 f 满足以下三个条件：
则存在至少一个点 c ∈ (a, b)，使得 f'(c) = 0。
想象一根弦连接函数图像上两个等高的点 (a, f(a)) 和 (b, f(b))。因为这两点在同一水平线上（f(a) = f(b)），函数从 a 到 b 的过程中必定先上升到某个最高点，或先下降到某个最低点，然后才能回到同一高度。在那个最高点或最低点，切线是水平的，即导数为零。
罗尔定理的几何意义可以概括为一句话：水平弦上必有水平切线。这是非常直观的——如果你在一条水平线上出发，最终回到同一水平线，途中一定有某个瞬间你的运动方向是水平的（既不上升也不下降）。
三个条件缺一不可。如果 f 不连续（如跳跃间断点），或 f 不可导（如尖角），或 f(a) ≠ f(b)，结论都可能不成立。例如 f(x) = |x| 在 [-1, 1] 上，f(-1) = f(1) = 1，但 f 在 x = 0 处不可导，而在 (0, 1) 内 f'(x) = 1 ≠ 0，在 (-1, 0) 内 f'(x) = -1 ≠ 0。
中值定理（Mean Value Theorem, MVT）是罗尔定理的直接推广，也是微积分中最重要的定理之一。它建立了函数值变化与导数之间的桥梁。
若函数 f 满足以下两个条件：
则存在至少一个点 c ∈ (a, b)，使得
右边 [f(b) - f(a)] / (b - a) 正是连接 (a, f(a)) 和 (b, f(b)) 两点的割线斜率。中值定理说：至少存在一处，切线的斜率等于割线的斜率。
连接函数图像上两点 (a, f(a)) 和 (b, f(b)) 画一条割线。中值定理保证：在这段曲线上，至少有一个点 c 处的切线与这条割线平行。
这是中值定理最直观的几何解释。无论函数曲线多么曲折，只要你取两个端点画割线，曲线上一定有某个点的切线方向与割线方向一致。罗尔定理是中值定理的特例——当割线是水平的时候。
如果把 f(x) 理解为位置函数 s(t)，那么 f'(c) 就是时刻 c 的瞬时速度，而 [f(b) - f(a)] / (b - a) 是从时刻 a 到时刻 b 的平均速度。
如果你开车从 A 城到 B 城，全程 120 公里，耗时 2 小时，那么平均速度为 60 km/h。中值定理告诉我们：在旅途中至少有一个时刻，你的瞬时速度恰好等于 60 km/h。即使你有时开得快、有时开得慢（甚至短暂停车），也一定有某个瞬间的速度恰好等于平均速度。
| 推论 | 陈述 | 意义 |
|---|---|---|
| 导数为零 → 常数 | 若 f'(x) = 0 对所有 x ∈ (a,b) 成立，则 f 在 (a,b) 上是常数 | 导数完全决定函数（差一个常数） |
| 导数相等 → 差为常数 | 若 f'(x) = g'(x) 对所有 x ∈ (a,b)，则 f(x) = g(x) + C | 相同导数的函数只差一个常数 |
| 单调性判别 | 若 f'(x) > 0 则 f 严格递增；若 f'(x) < 0 则 f 严格递减 | 导数符号决定函数增减 |
一阶导数告诉我们函数是上升还是下降，二阶导数则告诉我们函数上升或下降的"方式"——是加速还是减速，曲线是向上弯还是向下弯。
| 条件 | 名称 | 图像特征 | 直觉 |
|---|---|---|---|
| f''(x) > 0 | 凹向上（concave up） | ∪ 形（碗状） | 切线在曲线下方；函数"托住"切线 |
| f''(x) < 0 | 凹向下（concave down） | ∩ 形（拱状） | 切线在曲线上方；曲线"盖住"切线 |
把 f(x) 想象成位置函数，f'(x) 是速度，f''(x) 是加速度。f''(x) > 0 意味着"加速"——速度在增大，函数图像向上弯曲。f''(x) < 0 意味着"减速"——速度在减小，函数图像向下弯曲。
拐点（inflection point）是函数凹凸性发生改变的点。在拐点处，二阶导数要么等于零，要么不存在，并且二阶导数在拐点两侧变号。
与临界点类似，f''(a) = 0 只是拐点的必要条件。例如 f(x) = x⁴，f''(x) = 12x²，f''(0) = 0，但 f''(x) ≥ 0 对所有 x 成立，凹凸性没有改变，所以 x = 0 不是拐点。拐点要求二阶导数真正变号。
如果 f'(a) = 0 且函数在 a 处凹向上（f''(a) > 0），则 a 是极小值点——曲线像碗一样"托住"函数值。如果 f'(a) = 0 且函数在 a 处凹向下（f''(a) < 0），则 a 是极大值点——曲线像拱一样"盖住"函数值。这正是二阶导数检验法的几何基础。
掌握了导数与函数形状的关系后，我们可以建立一套系统的函数绘图方法。这套"10步法"确保你不遗漏任何关键信息，准确画出函数的完整图像。
| 步骤 | 内容 | 方法 |
|---|---|---|
| 1 | 确定定义域 | 找使函数有意义的 x 范围：分母不为零、根号内非负、对数真数为正等 |
| 2 | 求截距 | y 轴截距：令 x = 0；x 轴截距：令 f(x) = 0 |
| 3 | 判断奇偶性和周期性 | 奇函数：f(-x) = -f(x)；偶函数：f(-x) = f(x)；周期函数：f(x+T) = f(x) |
| 4 | 求渐近线 | 垂直渐近线：分母为零处；水平渐近线：lim(x→±∞) f(x)；斜渐近线 |
| 5 | 分析无穷远处的行为 | x→±∞ 时函数的趋势 |
| 6 | 求临界点 | 解 f'(x) = 0 和 f'(x) 不存在的点 |
| 7 | 做一阶导数符号表 | 用临界点将定义域分区，判断每区间内 f' 的符号，确定增减性 |
| 8 | 确定凹凸性 | 求 f''(x)，确定凹向上/凹向下的区间 |
| 9 | 找拐点 | 找 f''(x) = 0 或 f''(x) 不存在且变号的点 |
| 10 | 绘图 | 综合以上所有信息，画出函数图像 |
符号表（sign chart）是系统分析函数行为的核心工具。将临界点和不可导点按大小排列，它们把定义域分成若干区间。在每个区间内取一个测试点，判断 f'(x) 和 f''(x) 的符号，就能确定函数在每个区间内的增减性和凹凸性。一张完整的符号表包含了绘制函数图像所需的全部信息。
利润最大化：企业的利润函数 P(q) = R(q) - C(q)。令 dP/dq = 0 得到临界点，二阶导数 d²P/dq² < 0 确认极大值。这是微观经济学中确定最优产量的标准方法。
材料最省设计：设计容积固定的圆柱形罐头时，通过分析表面积函数 S(r) 的极值，发现当高度等于直径时用料最省。导数分析揭示了最优几何比例。
信号包络检测：在通信系统中，调幅信号的包络线由载波振幅的极值点确定。通过分析信号的导数，接收机可以提取调制信号，实现音频广播接收。
药物浓度峰值：口服药物后，血药浓度 C(t) 先上升（吸收阶段）后下降（代谢阶段）。通过求导找到 dC/dt = 0 的临界点，确定药物达到峰值浓度的时间 T_max，指导临床给药方案。
求 f(x) = x³ - 6x² + 9x + 1 的所有极值点，并判断是极大值还是极小值。
第一步：求一阶导数
第二步：求临界点
令 f'(x) = 0：3(x - 1)(x - 3) = 0，得 x = 1 和 x = 3。
第三步：用一阶导数检验法判断
做符号表：
x = 1 处 f' 从正变负 ⇒ 局部极大值
x = 3 处 f' 从负变正 ⇒ 局部极小值
第四步：计算极值
f(1) = 1 - 6 + 9 + 1 = 5（局部极大值）
f(3) = 27 - 54 + 27 + 1 = 1（局部极小值）
验证：用二阶导数检验法
f''(1) = 6 - 12 = -6 < 0 ⇒ 确认极大值
f''(3) = 18 - 12 = 6 > 0 ⇒ 确认极小值
证明：对任意实数 a, b，有 |sin(a) - sin(b)| ≤ |a - b|。
第一步：构造辅助函数
令 f(x) = sin(x)，则 f'(x) = cos(x)。
第二步：应用中值定理
不妨设 a < b（若 a > b，交换即可）。f(x) = sin(x) 在 [a, b] 上连续、可导，由 MVT，存在 c ∈ (a, b) 使得：
第三步：利用 |cos(c)| ≤ 1
因为 |cos(c)| ≤ 1 对所有 c 成立，所以：
第四步：推广
更一般地，对 f(x) = cos(x)，同理可证 |cos(a) - cos(b)| ≤ |a - b|。这个不等式说明正弦函数和余弦函数都是利普希茨连续（Lipschitz continuous）的，利普希茨常数为 1。
求 f(x) = x⁴ - 4x² + 3 的凹凸区间和拐点。
第一步：求二阶导数
第二步：求 f''(x) = 0 的点
即 x ≈ ±0.816
第三步：做二阶导数符号表
第四步：判断拐点
x = -√(2/3) 处：f'' 从正变负 ⇒ 拐点
x = √(2/3) 处：f'' 从负变正 ⇒ 拐点
第五步：计算拐点坐标
f(±√(2/3)) = (2/3)² - 4(2/3) + 3 = 4/9 - 8/3 + 3 = 4/9 - 24/9 + 27/9 = 7/9
绘制 f(x) = x/(x² - 1) 的完整图像。
第1步：定义域
x² - 1 ≠ 0 ⇒ x ≠ ±1。定义域：(-∞, -1) ∪ (-1, 1) ∪ (1, +∞)
第2步：截距
y 轴截距：f(0) = 0/(0-1) = 0，过原点 (0, 0)
x 轴截距：f(x) = 0 ⇒ x = 0，即原点
第3步：奇偶性
f(-x) = -x/(x² - 1) = -f(x)，所以 f 是奇函数，图像关于原点对称。只需分析 x ≥ 0 的部分。
第4步：渐近线
垂直渐近线：x = -1 和 x = 1（分母为零）
水平渐近线：lim(x→±∞) x/(x²-1) = lim(x→±∞) 1/x = 0，所以 y = 0
第5步：无穷行为
x→1+：分母从正方向趋近于 0，分子为正 ⇒ f(x)→+∞
x→1-：分母从负方向趋近于 0，分子为正 ⇒ f(x)→-∞
第6步：临界点
分子 -(x²+1) < 0 恒成立，分母 > 0 恒成立，所以 f'(x) < 0 对所有 x（x ≠ ±1）成立。
函数在定义域的每个区间内都严格递减，没有极值。
第7步：凹凸性
f''(x) = 0 ⇒ x = 0（因为 x²+3 > 0 恒成立）
分析 (x²-1)³ 的符号：
第8步：拐点
x = 0 处 f'' 从正变负（从 -1 到 0 是凹向上，从 0 到 1 是凹向下），所以 (0, 0) 是拐点。
第9步：综合绘图
函数图像关于原点对称，有三条分支：在 (-∞, -1) 和 (1, +∞) 各一支递减趋于 y=0，在 (-1, 1) 一支递减穿过原点。垂直渐近线 x = ±1，水平渐近线 y = 0。
以下 MATLAB 代码帮助你可视化极值分析、凹凸性和函数绘图。