1 基本概念
最小值定理所讨论的核心对象，是函数在一定定义域上的最小值问题。要理解该定理，首先需要区分“最小值”“下确界”“极小值”等基础概念。它们在直观上都与“最小”有关，但在数学上含义并不完全相同。
1.1 最小值的定义
设函数 \(f(x)\) 在集合 \(D\) 上有定义，如果存在某个点 \(x_0 \in D\)，使得对任意 \(x \in D\) 都有 \[ f(x_0)\le f(x), \] 则称 \(f(x_0)\) 为函数 \(f\) 在 \(D\) 上的最小值，点 \(x_0\) 为最小值点。
最小值强调“能够取到”。也就是说，不仅要求函数值下方有界，而且必须在定义域中真的存在一个点使该值达到。
1.2 最小值与下确界的区别
下确界是集合中所有下界里“最大的那个下界”。对于函数值集合而言，若 \(f(D)\) 有下确界 \(m\)，则 \(m\) 是所有函数值的最佳下界，但未必由某个点取到。
例如，函数 \(f(x)=x\) 在区间 \((0,1)\) 上的下确界为 0，但 0 不是最小值，因为没有任何 \(x\in(0,1)\) 使 \(f(x)=0\)。
因此，下确界与最小值的区别在于：前者侧重“界”，后者侧重“可达”。
1.3 极小值与最小值
极小值通常强调函数在某个点附近的比较关系，而最小值强调在整个定义域上的比较关系。二者有联系，但不等同。
1.3.1 局部极小值
若存在某个点 \(x_0\) 及其邻域，使得在该邻域内对所有点 \(x\) 都有 \[ f(x_0)\le f(x), \] 则称 \(f(x_0)\) 为局部极小值。
局部极小值只反映“局部范围内最小”，函数在更远处仍可能取得更小的值，因此它不一定是全局最小值。
1.3.2 全局最小值
若 \(f(x_0)\) 小于等于定义域内所有函数值，则称其为全局最小值。全局最小值必然是最小值，而最小值点对应的函数值也是全局意义上的最低点。
在最小值定理中，所保证的正是全局最小值的存在，而不仅仅是局部极小值。
2 定理陈述
2.1 最小值定理的标准表述
最小值定理通常表述为：若函数 \(f(x)\) 在闭区间 \([a,b]\) 上连续，则 \(f(x)\) 在该区间上必定能取得最小值。也就是说，存在一点 \(x_0\in[a,b]\)，使得对任意 \(x\in[a,b]\) 都有 \[ f(x_0)\le f(x). \]
该结论说明，连续函数在闭区间上不仅有下界，而且这个下界一定能够被区间内某点实现。
2.2 最大值定理与最小值定理的对应关系
最大值定理与最小值定理结构对称：若连续函数定义在闭区间上，则不仅有最小值，也有最大值。两者共同构成连续函数在紧区间上的基本性质。
从逻辑上看，证明方法通常也相互对应：一个可通过对函数 \(-f(x)\) 应用另一个定理来得到。由于 \[ \max f = - \min(-f), \] 因此最大值定理与最小值定理本质上属于同类结论。
2.3 定理适用的函数类型
2.3.1 连续函数
连续性是定理成立的关键条件之一。连续函数在闭区间上不会“跳过”某些函数值，因此其极端值能够被逐步逼近并最终取到。
2.3.2 实值函数
定理通常针对实值函数，即函数值属于实数范围。若函数值落在更复杂的数系或结构中，则“最小值”的定义与存在性需要另外讨论。
3 条件分析
3.1 区间条件
最小值定理并不是对所有定义域都成立，区间的形状对结论影响很大。
3.1.1 闭区间
闭区间包含端点，这一点十分重要。很多情况下，函数的最小值恰好出现在端点上；若端点被排除，则原本可取到的最小值可能不再存在。
3.1.2 有界区间
有界性保证区间不会无限延伸。若定义域无限延长，函数可能在“远处”不断下降而没有最低点，从而失去最小值。例如在无界区间上，函数即使连续，也未必取得最小值。
3.2 连续性条件
连续性确保函数图像没有断裂、跳跃或缺口。对于连续函数，函数值能够随自变量变化平稳过渡，因此在闭区间上往往能够把“下确界”提升为“最小值”。
若连续性被破坏，函数可能在某些点附近逼近一个值，却始终无法达到该值，从而导致最小值不存在。
3.3 条件缺失时的反例
3.3.1 非闭区间上的失效情况
例如函数 \(f(x)=x\) 在开区间 \((0,1)\) 上没有最小值。虽然它的下确界是 0，但 0 不属于定义域，因此无法实现。这个例子说明，区间不闭时，最小值定理可能失效。
3.3.2 非连续函数的失效情况
若函数在闭区间上不连续，也可能没有最小值。例如某些分段定义函数在某点处“断开”，使得函数值可以无限接近某个数，却永远取不到该数。此时即使定义域是闭区间，最小值仍不一定存在。
4 证明思路
4.1 基于有界性与上确界/下确界的证明
一种常见思路是先说明连续函数在闭区间上有下界，再利用实数的完备性，取其值域的下确界。接着证明这个下确界必须由某个点取到，否则可借助连续性构造出更大的下界，与“下确界”定义矛盾。
这种方法直接体现了“有下界”到“取到最小值”的过渡。
4.2 基于紧致性的证明
在现代分析中，闭区间 \([a,b]\) 可视为紧集。连续映射会把紧集映到紧集，而实数中的紧集具有闭且有界的性质，因此函数值集合的下确界必定属于该集合，从而得到最小值存在。
这种证明简洁而抽象，突出“连续像保持紧致”这一核心结构。
4.3 基于区间套或实数完备性的证明
另一类证明依赖区间套思想或实数完备性。通过不断缩小区间，把函数值逼近下确界所在的位置，再证明极限点处函数值正好达到该下界。
4.3.1 单调收敛思想
可构造一列函数值或一列区间，使其逐步向最小值逼近。由于实数的单调有界序列必收敛，这为找到候选点提供了基础。
4.3.2 最小值点的构造
在区间不断缩小的过程中，可以通过嵌套区间选取一个共同点，或通过收敛子列得到极限点。结合连续性，即可推出该点上的函数值等于下确界，从而成为最小值。
5 相关性质
5.1 最小值点的存在性
最小值定理的直接结论是最小值点存在。对连续函数而言，只要定义域满足闭区间条件，便可以保证至少有一个点达到全局最低值。
5.2 最小值点的可能不唯一性
最小值点未必唯一。函数可能在多个不同点取得同一个最小值，例如常数函数在整个区间上处处都是最小值点。也有函数只在一个点取到最小值。
5.3 最小值与函数图像的关系
从图像上看，最小值对应曲线在区间内的最低位置。若最小值在内部达到，常常表现为图像在该点附近呈“谷底”形状；若在端点达到，则图像最低点可能出现在区间边界处。
5.4 与极值定理的联系
最小值定理常与最大值定理并称为极值定理的两个方面。极值定理强调连续函数在闭区间上既能取到最大值，也能取到最小值，说明其值域具有良好的封闭性特征。
6 应用
6.1 求解最值问题
在实际解题中，最小值定理常用于判断函数最小值是否存在，再进一步通过导数、配方法、判别函数边界等手段求出具体数值。它为“先证明存在，再寻找表达式”的分析过程提供理论保障。
6.2 不等式证明
许多不等式证明可归结为研究某个函数的最小值。若能证明该函数在某区间上最小值非负，则原不等式便成立。这类方法在代数与分析中都十分常见。
6.3 优化与建模中的应用
在优化问题里，目标函数通常要在某个约束范围内达到最小。最小值定理为“最优解存在”提供了基础前提，因此常作为建模分析中的起点之一。它也提示我们：定义域的闭性与连续性往往是保证可优化性的关键。
6.4 物理与工程中的典型场景
在物理和工程中，最小值问题常对应能量最低、材料用量最省、误差最小或成本最低等情形。例如，某些稳定状态可以通过势能最小来描述；在设计问题中，目标函数最小化则意味着效率或代价达到最佳平衡。
7 典型例题
7.1 多项式函数的最小值
多项式函数在实数上连续，因此若将其限制在闭区间上，就可直接应用最小值定理判断最小值存在。随后通常结合求导、配方或比较端点值来确定最小值点。
7.2 三角函数在闭区间上的最小值
三角函数在其定义域内连续，限制在闭区间上时同样满足定理条件。例如在区间 \([0,2\pi]\) 上讨论 \(\sin x\) 或 \(\cos x\) 的最小值时，既要考虑内部临界点，也要检查端点。
7.3 分段函数的最小值分析
分段函数的关键在于检查各段连续性以及分界点处的函数值。若它在闭区间上连续，便可用最小值定理保证最小值存在；若存在间断，则需要分别考察各段，不能直接套用结论。
7.4 含参数函数的最小值讨论
含参数函数的最小值问题常随参数变化而改变。分析时通常先固定参数，判断函数在给定闭区间上的连续性，再研究最小值随参数的变化规律。这类问题在竞赛题和应用建模中都较常见。
8 常见误区
8.1 将下确界误认为最小值
最常见的错误之一，是把“下确界存在”直接等同于“最小值存在”。事实上，下确界可能并不被取到，尤其在开区间或某些非连续函数中更容易出现这种情况。
8.2 忽略定义域的闭性
很多结论的成立依赖于闭区间条件。若只看到“区间”而忽略它是否包含端点，就可能错误地套用最小值定理，导致结论失真。
8.3 误用连续性条件
连续性不是形式上的附加条件，而是结论成立的重要前提。若函数存在间断点，图像可能出现“缺口”，从而使最小值无法实现。判断时必须先验证连续性。
8.4 将局部极小值当作全局最小值
局部极小值只说明某点附近较小，并不能代表全局最小。若忽视这一点，容易在求值时只看局部而漏掉更低的函数值，尤其是在多峰函数或分段函数中更为常见。