平均值定理求最值公式-平均值定理最值公式

别急着去背“均值不等式”那个死记硬背的标题。咱们把这玩意儿当成生活中找规律的工具，要么说是那个在手机壳上偷偷跑程序的 MATLAB 脚本。它最核心的地位，实际上挺尴尬却又挺实在——它告诉我们在两个正数面前，总有一个比算术平均数“更小”的家伙在角落里默默潜伏。
不过这不是坏事，坏事是它害得的对变量的依赖，你要么把那个自变量 x 给定义死了，要么就得挖空求导当未知数解方程，别看能解，但看了就忘，得改天再琢磨。 这公式长啥样呢？好办来说，就是两个正数平均值小于等于它们的乘积，要么说两个正数乘积小于等于它们的平方平均。
你看，先把不等式写出来：$frac{a+b}{2} leq sqrt{ab}$。
这玩意儿简直就是降维打击，直接把一维空间压缩成了二维的几何图形。你把它画出来，就是一条抛物线 $sqrt{ab} = frac{a+b}{2}$ 的左边，它一辈子压着一条直线 $ab = text{const}$ 的右边。
这一压，就把原本复杂的代数关系硬生生压成了两个变量之间那种“大圆套小圆”的几何美感。当这两个圆交于一点时，里面的小圆就缩成了点。
这时候，两个数就相等了，平均值就取到了最大值。 如何算这个最大值？当两个数相等的时候，平均值最大。
要是它们不等呢？这时候平均值就小于几何平均数了。
要是你非要强行求最大值，那就得让你那个自变量 x 去充当那个唯一的常数。
这时候你就得把变量 x 给挖空，一边儿解方程，一边儿求导。
这过程别看能凑出结局，但看着挺繁琐，并且挺好办把自己绕晕。更有趣的是，这个“挖空求导”的方式，实际上就是求导数等于 0 的解，也就是那个临界点。
不过，这个方式有个致命的弱点：它只能针对特定结构求最值，像这类通用公式的直接应用，往往就需求修改参数，否则就找不到规律了。 为了让你对这些数字更有感，咱们举几个具体的例子。 先看那个经典的例子。假设你要设计一个水箱，里面装了水。
你想知道要是水面高度是 $h$ 厘米，且水箱底面积是 $S$ 平方厘米，那么这个时刻水的重量 $W$ 是多少？假设水的密度是 $rho$，那么 $W = rho S h$。
这时候，水位高度 $h$ 就是那个自变量。
要是我们想知道 $W$ 的最大值，根据均值定理，当 $h$ 取特定值时，重量最大。
这个特定值如何算？直接代入公式，$h = frac{text{体积}}{S}$。 再换个场景，比如你要算两个正整数的乘积最大值。设这两个数是 $a$ 和 $b$，它们的和固定为 10。
这时候，平均值定理告诉我们，当 $a$ 和 $b$ 相等时，乘积最大。
也就是说，$a$ 和 $b$ 都应当是 5。一检查发现，5 和 5 的和正好是 10，乘积也是 25。
这时候，平均值定理就把那个“乘积最大”的结论，直接封装成了一个“当两个数相等时乘积最大”的定理，省去了所有复杂的代数运算。 不过，均值定理在数学界的地位有点特殊，它时常被视为“均值不等式”的一个特例，但又不只是是。在大量高级数学课程里，这种基于平均值定理的推导，往往只是讲到一个台阶，然后就停住了，出于真正的难点在于后面的拓展。
比方说，当最小值定理发挥功能时，它描述的是最小值函数；当极大值定理功能时，它描述的是极大值函数。但这种在符号操作上的“平均”处理，在逻辑上实际上是存有根本性矛盾的。你没法用“平均值原理”去推导“极值原理”，出于这两种原理在逻辑链条上是彻底断裂的。 再看看另一个例子。设实数 $x$ 和 $y$ 都是正实数，且 $x+y=10$。求 $xy$ 的最大值。用均值不等式，出于 $x=y$ 时取等号，故此 $x=y=5$，最大值为 25。
那要是 $xy$ 是最小值呢？这时候，根据均值定理的逆否命题要么对偶形式，当 $x$ 和 $y$ 不相等时，$xy$ 会小于某个界限。
不过，要是非要让 $xy$ 取最小值，那一般意味着要让两个数尽可能远。
比方说，让 $x$ 接近 0，$y$ 接近 10，这时候乘积接近 0。但均值定理本身只 guarantee (保证) 最大值，它并不会保证最小值存有或达到。
这就是为啥大量人认定这个公式“不够好”的缘由，出于它侧重于上限，而上限往往比下限更难把握。 实际上，这个公式的威名主要来自于它的应用场景，而不是它本身的严谨性。在工程计算、经济学分析里，它简直是神兵利器。
比如资源分配难题，要是总资源固定，要分配给两个人，让他们拿到的“平均值”最大化，那他们两人的数量就得相等，这样互不干扰，效率最高。再比如物理难题里，两个质量相等、初速度相同的物体做平抛运动，经过相与此同工夫，它们的平均速度矢量大小相等。
这时候，要是再用均值定理去推导具体的位移公式，反而会认定有些富余，出于“平均速度相等”已经是显而易见了。 自然，也有人说均值不等式不够好用，出于它忒依赖变量相等了。
要是变量不相等如何办？这时候，你就得引入导数，要么引入其他不等式，比如凸函数的性质。但即便如此，均值定理依然是连接代数运算和几何直观的桥梁。它把一维的代数不等式，变成了二维的几何图形，把抽象的符号变成了具体的数量关系。别看它不能解决所有难题，比如不能解决那些需求与此同时知足多个约束条件害得极值不存有的情况，但它依然是最基础、最直观的工具之一。 最终总结一下，平均值定理求最值的核心逻辑就三个字：找平衡。在两个正数面前，平均值定理告诉你，平衡点就是最大值所在。当两个数相等时，它们离平均值最远吗？不对，它们离平均值最近，出于它们把平均值“撑”到了极限，使得它们的乘积（对于平方平均而言）最大了。
故此，求最值的难题，归根结底还是找那个让两个数“相等”的点。
要是你找不到这个点，要么发现这个点不合法（比如变成了负数），那这个平均值定理就是失效的。但只要你是在找最大值，且那两个数都是正数，那么这个公式简直就是你的救命稻草。
毕竟，哪位还没在某个数学难题里，出于找不到那个“相等”的平衡点，而不得不拿导数来硬掰呢？