形式陈述
设 a < b ,实值函数 f : [ a , b ] → R 在闭区间上连续 理路 连续性 Continuity · Continuous function 函数在输入微小变化时输出可被控制为任意小变化的性质。 ,在开区间 ( a , b ) 的每一点可导 理路 导数 Derivative 函数增量比在步长趋零时的极限。 。则存在 c ∈ ( a , b ) ,使
f ( b ) − f ( a ) = f ′ ( c ) ( b − a ) . 这就是 Lagrange 中值定理。它把整个区间上的增量,表示为“某个内部点的导数乘以区间长度”。端点处不要求可导,内部的导数也不要求连续。[1,2]
介值定理讨论“经过哪些高度”,中值定理讨论“出现哪些变化率”。 介值定理 理路 介值定理 Intermediate value theorem 连续函数在实区间上不能跳过中间高度;由完备性证明存在性,并厘清二分法、唯一性和不动点迭代。 只需连续,保证端点高度之间的值被取到;本定理还需内部可导,保证割线斜率在某个内部点成为导数。两个名称相近,结论中的对象却不同。
直觉
把 f 看成位置随时间的变化,割线斜率是这段时间的平均速度,导数是瞬时速度。定理说,在上述连续、可导条件下,平均速度会在某个时刻真正出现。它不要求速度单调,也不指定那个时刻,更不保证只有一个。若以秒记录时间、以米记录位置,两种速度的单位都是米每秒;定理比较的是同一种量,而不是把位置值与速度值混在一起。
几何上,可以从曲线减去端点连线。令
ℓ ( x ) = f ( a ) + f ( b ) − f ( a ) b − a ( x − a ) , h ( x ) = f ( x ) − ℓ ( x ) . 新的曲线满足 h ( a ) = h ( b ) = 0 。找到它的一条水平切线,就等于在原曲线上找到一条与割线平行的切线。“减去直线”把平均变化率问题变成了等高端点问题。
水平切线为什么必然出现
先看一个内部极大点 c 。当 u > 0 足够小时,差商 ( f ( c + u ) − f ( c ) ) / u ≤ 0 ;当 u < 0 足够小时,分子仍非正,差商却非负。若两侧极限合成同一个导数,这个数只能是 0 。内部极小点同理。这是 Fermat 引理。
接着证明 Rolle 定理,也就是两端等高时必有内部零导数点的情形。由极值定理 理路 极值定理 Extreme value theorem 连续实值函数在非空紧空间上取得最大值和最小值。 ,连续函数在闭区间上取到最大值和最小值。若函数恒定,任取内部点即可;若不恒定,而两端等高,至少一个严格高于或低于端点值的最值落在内部。Fermat 引理就在该点给出零导数。再应用到上面的 h ,便得到中值定理。
两个函数的增量怎样在同一点比较
若另一个实值函数 g 也在 [ a , b ] 连续、在 ( a , b ) 可导,则 Cauchy 中值定理给出某个共同的 c ,满足
( f ( b ) − f ( a ) ) g ′ ( c ) = ( g ( b ) − g ( a ) ) f ′ ( c ) . 这是无需除法的基本形式。额外假设 g ′ 在内部处处非零时,Rolle 定理保证 g ( b ) ≠ g ( a ) ,才可写成
f ( b ) − f ( a ) g ( b ) − g ( a ) = f ′ ( c ) g ′ ( c ) . 取 g ( x ) = x ,便回到 Lagrange 版本。不能只因某个表达式像比值,就跳过分母非零的检查。
Cauchy 版本使用同一种构造:令
H ( x ) = ( f ( b ) − f ( a ) ) ( g ( x ) − g ( a ) ) − ( g ( b ) − g ( a ) ) ( f ( x ) − f ( a ) ) . H 两端均为零;在 Rolle 定理给出的点上令 H ′ ( c ) = 0 ,恰好得到交叉相乘的等式。
例子与边界
中值点可以算出,也可以不唯一
对 f ( x ) = x 2 在 [ 0 , 2 ] 上应用定理,先核对多项式在闭区间连续、内部可导;再算端点平均变化率 ( 4 − 0 ) / ( 2 − 0 ) = 2 ;最后解 f ′ ( c ) = 2 c = 2 ,得到 c = 1 ,确实位于内部。这个例子只有一个中值点,是因为导数 2 x 严格递增,唯一性来自这个额外性质。
同一个函数在 [ 1 , 4 ] 上给出平均变化率 5 ,对应 c = 5 / 2 。中值点随所选区间改变。因此把定理用于一族小区间时,通常只能知道存在某个 c ,不能把它固定为原先算出的那个点。
f ( x ) = x 3 在 [ − 1 , 1 ] 上的割线斜率为 1 ,而 3 c 2 = 1 给出 c = ± 1 / 3 。这两个不同的内部点都满足定理。恒等函数的每个内部点都符合条件,中值点也不必是区间中点。因此,把结论写成“存在唯一的 c ”会改变命题。
两个假设分别排除了什么
| x | 在 [ − 1 , 1 ] 连续,端点等高,但内部可导处的导数只取 − 1 或 1 。唯一可能转向的位置 0 恰好不可导,因而找不到零导数点。连续性保证图形不断开,却不消除尖角。
再令 f ( x ) = x 对 0 ≤ x < 1 成立,单独规定 f ( 1 ) = 0 。内部处处有 f ′ = 1 ,但端点割线斜率为 0 。这里失败的是端点连续性:把终点突然挪走,平均增量就不再反映内部的变化。
向量值的平均变化不必在某一时刻出现
曲线 γ ( t ) = ( cos t , sin t ) 在 [ 0 , 2 π ] 绕圆一周,首尾相同;但 γ ′ ( t ) = ( − sin t , cos t ) 始终具有长度 1 。因此不存在 c 使 γ ′ ( c ) = 0 。分别对坐标应用标量定理,得到的中值点也可能不同,不能强行合并。
有限维向量值函数仍有相应的不等式:若在闭区间连续、内部可导且 ‖ γ ′ ( t ) ‖ ≤ M ,则 ‖ γ ( b ) − γ ( a ) ‖ ≤ M ( b − a ) 。欧氏范数下可沿总位移方向投影成标量函数,再应用中值定理;保留下来的是增量上界,不是同一个向量导数的精确等式。
推论与应用
在一个区间上任取 x < y ,都有 f ( y ) − f ( x ) = f ′ ( c ) ( y − x ) 。因此,f ′ ≥ 0 推出单调不减,f ′ > 0 推出严格递增,f ′ ≡ 0 推出常值。严格递增反过来不要求导数处处为正,x 3 在 0 的导数就是零。更一般地,若 m ≤ f ′ ≤ M ,则 m ( y − x ) ≤ f ( y ) − f ( x ) ≤ M ( y − x ) 。这里“区间”负责让 x , y 之间的所有点都在定义域内;在两个不相连的区间上,函数可以分别取不同常数,而导数仍处处为零。
把变化率变成可用的误差界
若 | f ′ | ≤ M ,同一个等式给出 | f ( y ) − f ( x ) | ≤ M | y − x | 。例如 f ( x ) = x 在 [ 1 , 4 ] 上满足 | f ′ ( x ) | ≤ 1 / 2 ,因此输入的两个可能值 x , y 只要都在这个区间内,就有 | y − x | ≤ | y − x | / 2 。若测量结果是 2.25 、输入误差不超过 0.02 ,则真实输入落在 [ 2.23 , 2.27 ] ⊂ [ 1 , 4 ] ,所以平方根与 1.5 的差不超过 0.01 。这里先检查整段可能输入仍在导数界有效的区间内,再使用上界。这是覆盖该区间的确定保证,不需要知道中值点在哪里。
当 M < 1 且映射保持适当完备空间时,这也是验证收缩映射 理路 Banach 不动点定理 Banach fixed-point theorem · Contraction mapping theorem 完备空间中的统一压缩给出唯一不动点;用几何尾和证明收敛,并把后验误差与残差转成停止证书。 条件的一种办法。
若掌握导数的上下界,还可以双向夹住增量。下面 log 均表示自然对数;若 0 < a < b ,在某个 c ∈ ( a , b ) 有
log b − log a = b − a c , b − a b < log b − log a < b − a a . 不必求出 c ,只需夹住 1 / c 就得到增量界。特别地,对 x > 0 ,有 x / ( 1 + x ) < log ( 1 + x ) < x 。在 [ 1 , e ] 这个可显式求解的例子中,中值点为 e − 1 。
Cauchy 中值定理把两个增量的比较转成同一点上两个导数的比较,是 L'Hôpital 法则证明中的工具;通过构造具有多个零点的辅助函数,Rolle 的同一机制还进入 Taylor 余项 理路 泰勒定理 Taylor's theorem 足够光滑函数由有限阶导数多项式加余项表示。 与插值误差 理路 多项式插值余项 Interpolation remainder · Polynomial interpolation error 在足够光滑条件下以高阶导数和节点乘积表示插值函数误差,并明确该表达式的适用边界。 。使用这些结果时仍须保留各自的可导阶数和区间条件,不能只沿用一个“局部控制整体”的口号。
参考资料
[1] Jiří Lebl, Basic Analysis I: Introduction to Real Analysis ,作者在线版,§4.2“The mean value theorem”,访问于 2026-09-21;Rolle、Lagrange、Cauchy 版本及证明。
[2] Stephen Abbott, Understanding Analysis , 2nd ed., Springer, 2015,Chapter 5,尤其 §5.3“The Mean Value Theorem”。
[3] Walter Rudin, Principles of Mathematical Analysis , 3rd ed., McGraw-Hill, 1976,Chapter 5;导数、单调性和向量值函数的增量估计。