极值（Local Extremum）

什么是极值#

极值是一个局部概念：如果函数在某个点 $x_0$x0​ 的"附近"（邻域内）取到了最大值或最小值，那 $x_0$x0​ 就是一个极值点。

• 极大值：$x_0$x0​ 附近的函数值都比 $f(x_0)$f(x0​) 小
• 极小值：$x_0$x0​ 附近的函数值都比 $f(x_0)$f(x0​) 大

极值 ≠ 最值。一个函数可以有多个极小值，但全局最小值只有一个。

怎么找极值点#

对于可导函数，极值点的必要条件是导数为零：$f'(x_0) = 0$f′(x0​)=0。

再看二阶导数判断类型：

• $f''(x_0) > 0$f′′(x0​)>0：极小值（曲线在该点"凹"）
• $f''(x_0) < 0$f′′(x0​)<0：极大值（曲线在该点"凸"）

为什么 AI 关心极值#

训练模型就是在损失函数的曲面上找极小值。梯度下降沿着"下坡方向"走，最终停在某个极小值处——但不保证是全局最小值。这就是为什么深度学习中初始化、学习率调度等技巧很重要。