極值與反曲點
觀念
遞增、 遞減,所以在定義域的內部,局部極值只會出現在 或 不存在的點(臨界點,critical point);閉區間的端點要另外檢查。判斷是極大或極小:看 的變號(一階導數檢定),或看 的正負(二階導數檢定: 凹口向下 → 極大)。
的正負決定凹向 (concavity);凹向改變的點叫反曲點 (inflection point):候選點是 或 不存在的點,再確認兩側 變號。
算例:,,臨界點 ;, 極大、 極小; 在 ,是反曲點。
這就是最佳化的基礎:成本最小、利潤最大、梯度下降收斂到哪裡,全都在問臨界點;多變數版本用 Hessian 矩陣取代 。
例題
的局部極大值 (local maximum) 發生在
看解法與答案
逐項微分:。
提出 3 再因式分解(兩根和 、積 ):。
令 ,得臨界點 與 。
二階導數 。代入:(凹向下)→ 局部極大;(凹向上)→ 局部極小。
所以局部極大發生在 。
答案:
用在哪裡
- 交易凱利公式來自把長期對數成長率 對下注比例 求極大,勝率 55% 的對賭最適比例是 10%。
- 商業利潤 對售價 微分令其為 0,電商用它決定一件 T 恤該賣 390 還是 490 元。
- AI梯度下降停下來的地方就是臨界點;訓練曲線的損失不再下降,代表模型卡在導數為 0 的附近。
插畫


講解影片
學習路徑
先學會
- 微分法則 大一
學完可以接著學
- 二元函數極值 大二
互動練習在本機版
這個網站是觀念與例題的閱讀版。互動練習(每次出不同數字的新題、自動判對錯、錯題本、熟練度與複習排程)在「數學學院」本機版,目前還沒對外開放。