第5讲 微分应用(Appl. of Differentiation)
💡

1. 函数的极值
1.1 全局极值与局部极值
基本定义:
- 全局最大值 在c点:
f(c)≥f(x)对定义域D中所有x成立
- 全局最小值 在c点:
f(c)≤f(x)对定义域D中所有x成立
- 局部最大值 在c点:
f(c)≥f(x)在c点附近的开区间成立
- 局部最小值 在c点:
f(c)≤f(x)在c点附近的开区间成立
金融案例:
投资组合收益曲线中的最高点(全局最大)代表最优投资方案,短期波动中的高点(局部最大)可能提示卖出时机。
1.2 极值定理
定理内容:
若函数f在闭区间[a,b]上连续,则:
- f必定在区间上取得全局最大/最小值
- 极值点只可能出现在:
临界点判定:
⎩⎨⎧f′(c)=0(驻点)或f′(c) 不存在 示例:
分析函数f(x)=x3−12x在[-3,5]的极值:
- 求导:f′(x)=3x2−12
- 解方程 3x2−12=0→x=±2
- 比较端点与临界点函数值:
f(−3)=−27, f(−2)=16, f(2)=−16, f(5)=65
2. 核心微分定理
2.1 费马定理
定理陈述:
若f在c点取得局部极值,则:
- c必定是临界点
- 若f在c点可导,则 f′(c)=0
证明思路:
假设c为极大值点,当h趋近于0时:
- 右导数:limh→0+hf(c+h)−f(c)≤0
- 左导数:limh→0−hf(c+h)−f(c)≥0
- 因此必须 f′(c)=0
2.2 中值定理(MVT)

定理内容:
若函数f满足:
- 在[a,b]连续
- 在(a,b)可导
则存在c∈(a,b)使得:
f′(c)=b−af(b)−f(a) 金融应用:
在固定收益证券分析中,用于验证利率曲线的平滑性,确保存在某个时间点的瞬时利率等于平均利率。
3. 曲线特性分析
3.1 一阶导数检验法
操作步骤:
- 确定所有临界点
- 绘制符号变化表:
案例:
分析f(x)=x4−8x2:
- 临界点:x=0,x=±2
- 符号分析:
- x>2时:f' > 0
结论:x=-2和x=2为极小值,x=0为极大值
3.2 凹凸性与拐点

函数的凹凸性解释:
- 凹函数(concave down 或简称 concave):当函数图像向下弯曲时,我们称该函数为凹函数。这意味着函数图像位于任意两点之间的切线下方。
- 凸函数(concave up 或称为 convex):当函数图像向上弯曲时,我们称该函数为凸函数。这意味着函数图像位于任意两点之间的切线上方。
从数学角度看,凹凸性可以通过函数的二阶导数来判断:
- 当二阶导数为正时(f''(x) > 0),函数凸(向上弯曲)
- 当二阶导数为负时(f''(x) < 0),函数凹(向下弯曲)
拐点: 凹凸性发生改变的点
这个概念在微积分和优化理论中非常重要,因为它帮助我们理解函数的形状和变化趋势。
典型案例:
期权价格曲线:
4. 高阶应用工具
4.1 泰勒展开

多项式展开式:
f(x)=k=0∑nk!f(k)(a)(x−a)k+Rn 余项公式:
Rn=(n+1)!f(n+1)(c)(x−a)n+1 
金融应用:
- 欧式期权Delta近似:
C(S+ΔS)≈C(S)+Δ⋅ΔS+21Γ(ΔS)2 - 风险因子敏感性分析
4.2 洛必达法则
应用条件:
当极限形式为(00)或(∞∞)时:
x→alimg(x)f(x)=x→alimg′(x)f′(x) 计算示例:
求极限(limx→0sin2xln(1+3x)):
- 验证形式:0/0型
- 应用法则:
x→0lim2cos2x3/(1+3x)=23 5. 学习路径建议
循序渐进四步法:
- 基础巩固:
- 几何理解:
- 金融建模:
- 扩展提升:
典型错误防范:
- 混淆局部极值与全局极值 → 记住要比较所有临界点和端点
- 忽略拐点的二阶导验证 → 必须保证f''(x)在拐点两侧变号
实践项目建议:
构建股票价格波动模型,通过微分法确定最佳买卖点,并计算相应风险敞口。
附:练习合集
练习