局部最大值

局部最大值 (Local Maximum)

局部最大值 (Local Maximum)，亦称相对最大值 (Relative Maximum)，是微积分和数学分析中描述函数局部行为的核心概念：若函数在点 $c$ 的值不小于其邻域内所有点的函数值，则 $c$ 为局部最大点。

形式化定义

单变量函数：设 $f(x)$ 在包含 $c$ 的开区间 $(a, b)$ 内有定义。若对所有 $x \in (a, b)$ 有 $f(c) \geq f(x)$，则 $f(c)$ 为局部最大值，$c$ 为局部最大点。若对 $x \neq c$ 不等式严格成立（$f(c) > f(x)$），则为严格局部最大值。

多变量函数：对 $f(\mathbf{x})$（$\mathbf{x} \in \mathbb{R}^n$），若在 $\mathbf{c}$ 的某邻域内对所有 $\mathbf{x}$ 有 $f(\mathbf{c}) \geq f(\mathbf{x})$，则 $f(\mathbf{c})$ 为局部最大值。

与全局最大值的区别

局部最大值是函数图像上的局部"山峰"——一个函数可以有多个局部最大值；全局最大值是函数在整个定义域上的最大值，至多一个（但可在多点取到）。全局最大值必为局部最大值之一（或位于定义域边界）。

寻找局部最大值

根据费马引理 (Fermat's Theorem on stationary points)，可微函数在局部极值点处导数为零。局部最大值仅可能出现在临界点处：驻点（$f'(x) = 0$）或奇点（导数不存在）。

一阶导数测试：设 $c$ 为临界点。若 $c$ 左侧 $f'(x) > 0$（递增）而右侧 $f'(x) < 0$（递减），则 $c$ 为局部最大值。

二阶导数测试：设 $f'(c) = 0$ 且 $f''$ 存在。若 $f''(c) < 0$（凹函数），则 $c$ 为局部最大值；若 $f''(c) > 0$，则为局部最小值；若 $f''(c) = 0$，检验失效。

多变量情形

对 $f(x, y)$，解 $\nabla f(a, b) = \mathbf{0}$ 得临界点。利用Hessian矩阵 $H = \begin{pmatrix} f_{xx} & f_{xy} \\ f_{yx} & f_{yy} \end{pmatrix}$ 及行列式 $D = f_{xx}f_{yy} - (f_{xy})^2$：

• $D > 0$ 且 $f_{xx} < 0$：局部最大值。
• $D > 0$ 且 $f_{xx} > 0$：局部最小值。
• $D < 0$：鞍点。
• $D = 0$：检验失效。

示例

求 $f(x) = x^3 - 6x^2 + 9x + 1$ 的局部最大值。

临界点为 $x=1$ 和 $x=3$。$f''(x) = 6x - 12$：$f''(1) = -6 < 0$，故 $x=1$ 为局部最大值，$f(1) = 5$；$f''(3) = 6 > 0$，故 $x=3$ 为局部最小值。

应用

寻找局部最大值是最优化理论的核心，广泛用于：

• 经济学：消费者效用最大化、企业利润最大化。
• 统计学：最大似然估计（MLE）通过最大化似然函数求解参数。
• 工程学与物理学：信号峰值检测、系统性能最优化。