极值

  「最大值」和「最小值」均重定向至此。关于幾個數之中最大或最小的一個，请见「最大與最小元」。

在数学中，极值（extremum）是极大值（maximum）与极小值（minimum）的统称，意指在一个域上函数取得最大值或最小值的点的函数值。而使函数取得极值的点（的横坐标）被称作极值点。这个域既可以是一个邻域，又可以是整个函数域（这时极值称为最值、全局极值、绝对极值）。

定义

• 局部（相对）最大值：如果存在一个ε > 0，使得所有满足|x-x^*| < ε的x都有f(x^*)≥ f(x)，我们就把点x^*对应的函数值f(x^*)称为一个函数f的局部最大值。从函数图像上看，局部最大值就像是山顶。
• 局部（相对）最小值：如果存在一个ε > 0，使得所有满足|x-x^*| < ε的x都有f(x^*)≤ f(x)，我们就把点x^*对应的函数值f(x^*)称为一个函数f的局部最小值。从函数图像上看，局部最小值就像是山谷的底部。
• 全局（绝对）最大值：如果点x^*对于任何x都满足f(x^*)≥ f(x)，则点f(x^*)称为全局最大值。
• 全局（绝对）最小值：如果点x^*对于任何x都满足f(x^*)≤ f(x)，则点f(x^*)称为全局最小值。

极值的概念不仅仅限于定义在实数域上的函数。定义在任何集合上的实数值函数都可以讨论其最大最小值。为了定义局部极值，函数值必须为实数，同时此函数的定义域上必须能够定义邻域。邻域的概念使得在x的定义域上可以有|x - x^*| < ε。

局部最大值（最小值）也被称为极值（或局部最优值），全局最大值（最小值）也被称为最值（或全局最优值）。

求极值的方法

求全局极值是最优化方法的目的。对于一元二阶可导函数，求极值的一种方法是求驻点（亦称为静止点，停留点，英語：stationary point），也就是求一阶导数为零的点。如果在驻点的二阶导数为正，那么这个点就是局部最小值；如果二阶导数为负，则是局部最大值；如果为零，则还需要进一步的研究。

一般地，如果在驻点处的一阶、二阶、三阶……直到N阶导数都是零，而N+1阶导数不为零，则当N奇数且N+1阶导数为正时，该点为极小值；当N是奇数且N+1阶导数为负时，该点为极大值；如果N是偶数，则该点不是极值。

如果这个函数定义在一个有界区域内，则还要检查局域的边界点。如果函数在定义域内存在不可导点，则这些不可导点也可能是极值点。

例子

• 函数$x^{2}$有惟一最小值，在x = 0　处取得。
• 函数$x^{3}$没有最值，也没有极值，尽管其一阶导数$3x^{2}$在x = 0处也为0。因为其二阶导数(6x)在该点也是0，但三阶导数不是零。
• 函数cos(x)有无穷多个最大值，在x =0, ±2π, ±4π, ...，与无穷多个最小值　在x =±π, ±3π ... .

求函数的极值时还应当考虑其不可导点，即导数不存在的点。如函数y=|x|中0处的导数不存在，事实上从图像上也能看出这一点来。而且0就是该函数的一个极小值。

多变量函数

对于多变量函数（多元函数），同样存在在极值点的概念。其定义为：

设$f(P)$在点$P_{0}$某邻域$U(P_{0})$内有定义，若对于所有$P_{0}$的去心邻域的点$P$，都有$f(P)<f(P_{0})$，则称$P_{0}$是$f(P)$的极大值；反之，则为极小值。

此外，也有鞍点的概念。

参见

• 机械平衡
• 极值定理