4.6.5 Applied Optimization Problems¶

解决实际应用中的优化问题，如成本最小化、利润最大化、距离优化等

定义¶

应用优化问题是指利用微积分方法解决实际生活中需要最大化或最小化某个量的问题。这类问题的核心是找到函数的极值点。具体步骤为：(1)根据问题建立目标函数 \(f(x)\)；(2)确定定义域；(3)求导数 \(f'(x)\)；(4)令 \(f'(x)=0\) 求临界点；(5)利用一阶导数测试或二阶导数测试判断极值；(6)比较临界点和端点处的函数值，得出最大值或最小值。常见的应用包括成本最小化、利润最大化、面积/体积优化、距离优化等问题。

核心公式¶

\(f'(x) = 0 \text{ 或 } f'(x) \text{ 不存在，求临界点}\)
\(\text{一阶导数测试：若 } f'(x) \text{ 在 } x=c \text{ 处由正变负，则 } f(c) \text{ 为极大值；由负变正，则 } f(c) \text{ 为极小值}\)
\(f''(c) > 0 \Rightarrow f(c) \text{ 为极小值；} f''(c) < 0 \Rightarrow f(c) \text{ 为极大值}\)
\(\text{最优值出现在：临界点或定义域端点处}\)
\(P(x) = R(x) - C(x) \text{（利润 = 收益 - 成本）}\)

易错点¶

⚠️ 忽视定义域的限制：求出的临界点可能不在实际问题的定义域内，必须检查临界点是否满足实际约束条件（如长度、面积必须为正数）
⚠️ 只求临界点而不比较端点值：在闭区间上的优化问题中，最大值或最小值可能出现在端点处，不能只看临界点处的函数值
⚠️ 混淆极值与最值：极值是局部的，而优化问题通常要求全局最值，需要比较所有临界点和端点的函数值
⚠️ 导数计算错误或符号错误：在建立目标函数后求导时出错，或在一阶导数测试中判断符号变化时出错，导致错误判断极大值和极小值