The Variance­Value Theorem:

A foray into functional analysis

Ogan Gurel

2 January 1993

Recall the Variance­Value Theorem which states that for any function  f ( t )  
continuous and differentiable over an interval [ a , b ] :
2
There exists a   t * ∈[a, b],  such that [ f ′ ( t *)] ≥
L
Mf (b) − f (a) O
P
2

M
N b−a P Q
It seemed strange that despite the deep ideas embodied in this result, 
one wasn't able to find any formulation of this theorem in any of the 
elementary calculus or introductory real analysis texts.  I was curious 
to know why in these texts the mean­value theorem took precedence over 
the variance value theorem.  

A practical answer is that the mean­value theorem is more useful, 
especially for the purposes of using calculus to approximate functions. 
With the mean­value theorem one can thus formulate a linear approximation 
to a function based on its derivative:

f ( t ) = f ′ ( a )[ t − a ]

which serves as a prelude to Taylor's theorem and generalized power 
series expansions.

2
Nevertheless I was still convinced of the importance of [ f ′ ( t )] .  I had 
originally interpreted this as the variance.  Upon further reading, 
however, I've come across the concept of the norm of a function  G ( x ) , 
which is a preliminary to the Banach spaces of functional analysis:

On page 155 (under problem 4.8.10) of Avner Friedman's Foundations of 
Modern Analysis, Dover, 1982, one can find the following inequality:

Let  X be a real normed linear space,   and let  u ( t )  be continuous and strongly differentiable in  ( a , b ).

du ( t )
Then for any  a < α < β < b ,      u ( b ) − u ( a )   ≤ ( β − α ) sup   
α ≤t ≤ β dt

which is equivalent, though more strongly formulated, to the "variance­
value" theorem.  It turns out that the concept of the norm of a function 
underlies functional analysis.  Thus, my original curiosity was answered 
in two ways.  First the variance value theorem can be found in more 
advanced discussions of analysis, and second, the concept of a norm of a 
function is important in further developments.  In this sense then, 
these thoughts were an early foray into functional analysis.

In conceptual terms, the variance value theorem theorem sets a minimum on 
the norm of a derivative, namely that it cannot be less than the norm of 
a straight line.  For the sake of simplicity, let us define the function 
du ( t )
over the unit interval [ 0 , 1] , rewrite  f ( t ) = u ( t )   and   f ′ ( t ) =  and rearrange. 
dt
The variance value theorem is thus:

sup    f ′ ( t )    ≥    f (1) − f ( 0 )
α ≤t ≤ β

But the next question arises: is there a maximum to the norm of a 
derivative?  Intuitively, one would think that there should be no such 
maximum since there really should be no limit to how fast a function may 
change.

Consider the function diagrammed below:  

f(t)

f(b) G

f(a) F
E
t
a b

For the curve representing the function, there must be a maximum to the 
arc length over the interval [ a , b ] .  In other words, for the curve to 
represent a function, a vertical line can only cut the curve once,: the 
curve cannot "curl" back over itself.  From the above diagram, the 
maximum arc length over this interval would is the sum of the lengths, EF 
and FG, given by the formula:
rmax    =    b − a + f ( b ) − f ( a )

The formula for arc length gives the length of the curve over the 
interval (for a function differentiable over the interval) and thus this 
must be less than  rmax .
 z
b
2
rab = 1 + [ f ′ ( t )] dt   ≤   rmax = b − a + f ( b ) − f ( a )
a

For simplicity, we take the interval [ 0 , 1] , so that:

z
1
2
1 + [ f ′ ( t )] dt    ≤     1    +     f (1) − f ( 0 )
0

Which by the following manipulations,

z
1
2
1 + [ f ′ ( t )] dt      −     1     ≤     f (1) − f ( 0 )
0

z
1
2
1 + [ f ′ ( t )] − 1  dt    ≤     f (1) − f ( 0 )
0

z
1
2
[ f ′ ( t )]   dt    ≤     f (1) − f ( 0 )
0

But, by the definition of the norm of a function:

z
1
2
G ( x )    ≡    [ G ( x )] dx
0

we get the following inequality:

f ′ ( t )    ≤     f (1) − f ( 0 )

This equation tells us that the norm of the derivative must be less than 
or equal to the total change of the function.  Contrast this with the 
previous result of the variance value theorem:
sup    f ′ ( t )    ≥    f (1) − f ( 0 )
α ≤t ≤ β

This equation states paradoxically that the norm of the derivative must 
be greater than or equal to the total change of the function  Since both 
conditions are true, we can thus state:

f ′ ( t )    =     f (1) − f ( 0 )

In other words, the norm of the derivative is exactly equal to the total 
change of the function.  And using the definition of the norm, we get:
 z
1

f ′ ( t )  dt   =     f (1) − f ( 0 )

0

and for an arbitrary interval [ a , b ] :

z
b

f ′ ( t )  dt   =     f ( b ) − f ( a )
a

which is, of course, the Fundamental Theorem of the Calculus.  Hence by 
considering the absolute limits of a function (its minimum and maximum 
possible lengths) defined over a metric space we converge to the 
Fundamental Theorem.  This is a remarkable result.  We analyzed the 
minimum length by appealing to differentiation, and likewise the maximum 
length via integration and found out that they were in a strange sense 
the same so that miraculously all differentiable functions straddle right 
in between these limits.  As a bonus we find that integration is the 
reverse of differentiation.  Put in these terms, the Fundamental Theorem 
of the Calculus can be more deeply thought of as the Fundamental Theorem 
of Functional Analysis.