微分学<4>——微分中值定理

2024-03-10 06:04
文章标签 定理 微分 微分学

本文主要是介绍微分学<4>——微分中值定理,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

索引

  • 微分中值定理
    • 极值
      • 定义4.1 极大(小)值
      • 定理4.1 Fermat引理
      • 定理4.2 Rolle定理
    • Lagrange中值定理
      • 定理4.3 Lagrange中值定理
      • 定理4.4 Cauchy中值定理
    • 导数对函数性质的刻画
    • Jensen不等式

微分中值定理

极值

定义4.1 极大(小)值

若存在 x 0 x_{0} x0的邻域 U ( x 0 , δ ) U\left ( x_{0}, \delta \right ) U(x0,δ),使得 ∀ x ∈ U ( x 0 ) , δ \forall x\in U\left ( x_{0}\right), \delta xU(x0),δ, f ( x ) ≤ f ( x 0 ) f\left(x\right ) \le f\left(x_{0}\right ) f(x)f(x0),则称 x 0 x_{0} x0是函数 f ( x ) f\left(x\right ) f(x)的一个极大值点。
若存在 x 0 x_{0} x0的邻域 U ( x 0 , δ ) U\left ( x_{0}, \delta \right ) U(x0,δ),使得 ∀ x ∈ U ( x 0 ) , δ \forall x\in U\left ( x_{0}\right), \delta xU(x0),δ, f ( x ) ≥ f ( x 0 ) f\left(x\right ) \ge f\left(x_{0}\right ) f(x)f(x0),则称 x 0 x_{0} x0是函数 f ( x ) f\left(x\right ) f(x)的一个极小值点。

定理4.1 Fermat引理

x 0 x_{0} x0是函数 f ( x ) f\left(x\right ) f(x)的一个极值点,且函数 f ( x ) f\left(x\right ) f(x)在点 x 0 x_{0} x0处可导,则 f ′ ( x 0 ) = 0 f^{\prime }\left ( x_{0} \right )=0 f(x0)=0

不妨设 x 0 x_{0} x0是函数 f ( x ) f\left(x\right ) f(x)的一个极大值点。
Δ x ∈ ( 0 , δ ) \Delta x\in \left ( 0,\delta \right ) Δx(0,δ),则 f ( x 0 + Δ x ) − f ( x 0 ) Δ x ≤ 0 \frac{f\left ( x_{0}+\Delta x \right )-f\left ( x_{0} \right ) }{\Delta x} \le 0 Δxf(x0+Δx)f(x0)0,
根据函数极限的保不等号性, f + ′ ( x 0 ) = lim ⁡ x 0 + → 0 f ( x 0 + Δ x ) − f ( x 0 ) Δ x ≤ 0 f^{\prime } _{+}\left ( x_{0} \right ) =\lim_{x_{0}^{+} \to 0} \frac{f\left ( x_{0}+\Delta x \right )-f\left ( x_{0} \right ) }{\Delta x}\le 0 f+(x0)=limx0+0Δxf(x0+Δx)f(x0)0;
同理令 Δ x ∈ ( − δ , 0 ) \Delta x\in \left ( -\delta,0 \right ) Δx(δ,0),则 f − ′ ( x 0 ) = lim ⁡ x 0 − → 0 f ( x 0 + Δ x ) − f ( x 0 ) Δ x ≥ 0 f^{\prime } _{-}\left ( x_{0} \right ) =\lim_{x_{0}^{-} \to 0} \frac{f\left ( x_{0}+\Delta x \right )-f\left ( x_{0} \right ) }{\Delta x}\ge 0 f(x0)=limx00Δxf(x0+Δx)f(x0)0,
因为函数 f ( x ) f\left(x\right ) f(x)在点 x 0 x_{0} x0处可导,所以函数 f ( x ) f\left(x\right ) f(x)在点 x 0 x_{0} x0 f + ′ ( x 0 ) = f − ′ ( x 0 ) = f ′ ( x 0 ) = 0 f^{\prime } _{+}\left ( x_{0} \right ) =f^{\prime } _{-}\left ( x_{0} \right ) =f^{\prime }\left ( x_{0} \right )=0 f+(x0)=f(x0)=f(x0)=0

定理4.2 Rolle定理

函数 f ( x ) f\left ( x \right ) f(x)在闭区间 [ a , b ] \left [ a,b \right ] [a,b]上连续,在开区间 ( a , b ) \left ( a,b \right ) (a,b)上可导, f ( a ) = f ( b ) f\left ( a \right )=f\left ( b \right ) f(a)=f(b),则 ∃ ξ ∈ ( a , b ) \exists \xi \in \left ( a,b \right ) ξ(a,b): f ′ ( ξ ) = 0 f^{\prime }\left ( \xi \right )=0 f(ξ)=0

根据最值定理, f ( x ) f\left ( x \right ) f(x) [ a , b ] \left [ a,b \right ] [a,b]上必有最大值 M M M和最小值 m m m,也就是 ∃ η \exists \eta η, ξ ∈ [ a , b ] \xi \in \left [ a,b \right ] ξ[a,b]: ∀ x ∈ [ a , b ] \forall x\in \left [ a,b \right ] x[a,b], f ( η ) = m = min ⁡ f ( x ) f\left ( \eta \right )=m= \min f\left ( x \right ) f(η)=m=minf(x), f ( ξ ) = M = max ⁡ f ( x ) f\left ( \xi \right )=M=\max f\left ( x \right ) f(ξ)=M=maxf(x)
不妨设函数 f ( x ) f\left ( x \right ) f(x)在闭区间 [ a , b ] \left [ a,b \right ] [a,b]上有最大值 M = f ( ξ ) M=f\left ( \xi \right ) M=f(ξ)
<1> M = f ( a ) ( = f ( b ) ) M=f\left ( a \right )(=f\left ( b \right )) M=f(a)(=f(b))
此时函数 f ( x ) f\left ( x \right ) f(x)为常数函数,显然 ∃ ξ ∈ ( a , b ) \exists \xi \in \left ( a,b \right ) ξ(a,b): f ′ ( ξ ) = 0 f^{\prime }\left ( \xi \right )=0 f(ξ)=0
<2> M ≠ f ( a ) ( = f ( b ) ) M\neq f\left ( a \right )(=f\left ( b \right )) M=f(a)(=f(b))
此时 M = f ( ξ ) M=f\left ( \xi \right ) M=f(ξ) f ( x ) f\left ( x \right ) f(x) [ a , b ] \left [ a,b \right ] [a,b]上的一个极大值, ξ \xi ξ是函数 f ( x ) f\left(x\right ) f(x)的一个极大值点,
根据Fermat引理, f ′ ( ξ ) = 0 f^{\prime }\left ( \xi \right )=0 f(ξ)=0

Lagrange中值定理

定理4.3 Lagrange中值定理

函数 y = f ( x ) y=f\left ( x \right ) y=f(x)在闭区间 [ a , b ] \left [ a,b \right ] [a,b]上连续,在开区间 ( a , b ) \left ( a,b \right ) (a,b)上可导,则 ∃ ξ ∈ ( a , b ) \exists \xi \in \left ( a,b \right ) ξ(a,b): f ′ ( ξ ) = f ( b ) − f ( a ) b − a f^{\prime } \left ( \xi \right )=\frac{f\left ( b\right ) -f\left ( a \right ) }{b-a} f(ξ)=baf(b)f(a)

任取 t ∈ ( a , b ) t \in \left ( a,b \right ) t(a,b), x = t x=t x=t处切线斜率为 f ′ ( t ) f^{\prime } \left ( t \right ) f(t)
另外连接闭区间 [ a , b ] \left [ a,b \right ] [a,b]端点的割线斜率为 k = f ( b ) − f ( a ) b − a k=\frac{f\left ( b \right )-f\left ( a \right ) }{b-a} k=baf(b)f(a),割线方程为 y − f ( a ) = ( f ( b ) − f ( a ) b − a ) ( x − a ) y-f\left ( a \right )=\left ( \frac{f\left ( b \right )-f\left ( a \right ) }{b-a} \right )\left ( x-a \right ) yf(a)=(baf(b)f(a))(xa),
而点 ( t , f ( t ) ) \left (t ,f\left (t \right ) \right ) (t,f(t))到割线 y = ( f ( b ) − f ( a ) b − a ) ( x − a ) y=\left ( \frac{f\left ( b \right )-f\left ( a \right ) }{b-a} \right )\left ( x-a \right ) y=(baf(b)f(a))(xa)的距离函数为 d ( t ) = ∣ k ( t − a ) + f ( a ) − f ( t ) ∣ 1 + k 2 d\left ( t \right )=\frac{\left | k\left ( t-a \right )+f\left ( a \right ) -f\left ( t \right )\right | }{\sqrt{1+k^{2} } } d(t)=1+k2 k(ta)+f(a)f(t), d ′ ( t ) = ∣ k − f ′ ( t ) ∣ 1 + k 2 d^{\prime } \left ( t \right ) =\frac{\left | k-f^{\prime } \left ( t \right ) \right | }{\sqrt{1+k^{2} } } d(t)=1+k2 kf(t),
因为 d ( t ) d\left ( t \right ) d(t)在闭区间 [ a , b ] \left [ a,b \right ] [a,b]上连续,在开区间 ( a , b ) \left ( a,b \right ) (a,b)上可导,且 d ( a ) = d ( b ) = 0 d \left ( a \right )= d \left ( b \right )=0 d(a)=d(b)=0,所以根据Rolle定理, ∃ ξ ∈ ( a , b ) \exists \xi \in \left ( a,b \right ) ξ(a,b): d ′ ( ξ ) = 0 d^{\prime }\left ( \xi \right )=0 d(ξ)=0,
解方程 d ′ ( ξ ) = ∣ k − f ′ ( ξ ) ∣ 1 + k 2 = 0 d^{\prime }\left ( \xi \right )=\frac{\left | k-f^{\prime } \left ( \xi \right ) \right | }{\sqrt{1+k^{2} } }=0 d(ξ)=1+k2 kf(ξ)=0,可得 f ′ ( ξ ) = k = f ( b ) − f ( a ) b − a f^{\prime } \left ( \xi \right ) =k=\frac{f\left ( b \right )-f\left ( a \right ) }{b-a} f(ξ)=k=baf(b)f(a)
从几何意义出发,同样根据距离函数 d ( t ) d\left ( t \right ) d(t)的分子部分,可以构造函数 φ ( x ) = f ( x ) − f ( a ) − f ( b ) − f ( a ) b − a ( x − a ) = f ( x ) − f ( a ) − k ( x − a ) \varphi \left ( x \right )=f\left ( x \right )-f\left ( a \right )-\frac{f\left ( b \right )-f\left ( a \right ) }{b-a}\left ( x-a \right )= f\left ( x \right )-f\left ( a \right )-k\left ( x-a \right ) φ(x)=f(x)f(a)baf(b)f(a)(xa)=f(x)f(a)k(xa), φ ( x ) \varphi \left ( x \right ) φ(x)仍然满足Rolle定理, ∃ ξ ∈ ( a , b ) \exists \xi \in \left ( a,b \right ) ξ(a,b): φ ′ ( ξ ) = 0 \varphi^{\prime } \left ( \xi \right )=0 φ(ξ)=0,代数方法与几何方法实质上殊途同归。

定理4.4 Cauchy中值定理

函数 y = f ( x ) y=f\left ( x \right ) y=f(x)在闭区间 [ a , b ] \left [ a,b \right ] [a,b]上连续,在开区间 ( a , b ) \left ( a,b \right ) (a,b)上可导,则 ∃ ξ ∈ ( a , b ) \exists \xi \in \left ( a,b \right ) ξ(a,b): f ′ ( ξ ) g ′ ( ξ ) = f ( b ) − f ( a ) g ( b ) − g ( a ) ( g ′ ( ξ ) ≠ 0 ) \frac{f^{\prime }\left ( \xi \right ) }{g^{\prime }\left ( \xi \right ) }=\frac{f\left ( b \right )-f\left ( a \right ) }{g\left ( b \right )-g\left ( a \right ) }\left ( g^{\prime}\left ( \xi \right ) \neq 0 \right ) g(ξ)f(ξ)=g(b)g(a)f(b)f(a)(g(ξ)=0)

联立参数方程:
{ y = f ( t ) x = g ( t ) \left\{\begin{matrix} y=f\left ( t \right ) \\ x=g\left ( t \right ) \end{matrix}\right. {y=f(t)x=g(t)
参考Lagrange中值定理,可构造函数 φ ( x ) = f ( x ) − f ( a ) − ( f ( b ) − f ( a ) g ( b ) − g ( a ) ) ( g ( x ) − g ( a ) ) \varphi \left ( x \right )=f\left ( x \right )-f\left ( a \right )-\left ( \frac{f\left ( b \right )-f\left ( a \right ) }{g\left ( b \right )-g\left ( a \right ) } \right ) \left ( g\left ( x \right ) -g\left ( a \right ) \right ) φ(x)=f(x)f(a)(g(b)g(a)f(b)f(a))(g(x)g(a)),后续过程与Lagrange中值定理一致。

导数对函数性质的刻画

Jensen不等式

这篇关于微分学<4>——微分中值定理的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/793287

相关文章

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc

Java验证辛钦大数定理

本实验通过程序模拟采集大量的样本数据来验证辛钦大数定理。   实验环境: 本实验采用Java语言编程,开发环境为Eclipse,图像生成使用JFreeChart类。   一,验证辛钦大数定理 由辛钦大数定理描述为: 辛钦大数定理(弱大数定理)  设随机变量序列 X1, X2, … 相互独立,服从同一分布,具有数学期望E(Xi) = μ, i = 1, 2, …, 则对于任意正数ε ,

CPC23三 K.(Lucas定理)

K.喵喵的神·数 Time Limit: 1 Sec Memory Limit: 128 MB Description 喵喵对组合数比较感兴趣,并且对计算组合数非常在行。同时为了追求有后宫的素质的生活,喵喵每天都要研究质数。 我们先来复习一下什么叫做组合数。对于正整数P、T 然后我们再来复习一下什么叫质数。质数就是素数,如果说正整数N的约数只有1和它本身,N

微积分直觉:隐含微分

目录 一、介绍 二、梯子问题 三、结论 四、一个额外的例子 一、介绍         让我们想象一个半径为 5 的圆,以 xy 平面为中心。现在假设我们想在点 (3,4) 处找到一条切线到圆的斜率。         好吧,为了做到这一点,我们必须非常接近圆和切线之间的空间,并沿着该曲线迈出一小步。该步骤的 y 分量为 dy,x 分量为

微分先行PID控制算法

微分先行PID控制算法 微分先行PID控制算法: 注:本文内容摘自《先进PID控制MATLAB仿真(第4版)》刘金琨 编著,研读此书受益匪浅,感谢作者! 微分先行PID控制算法: 微分先行PID控制结构,其特点是只对输出量 y ( k ) y(k) y(k)进行微分,而对给定值 y d ( k k ) y_d(kk) yd​(kk)不做微分。这样,在改变给定值时,输出不会改变

不完全微分PID控制算法

不完全微分PID控制算法 注:本文内容摘自《先进PID控制MATLAB仿真(第4版)》刘金琨 编著,研读此书受益匪浅,感谢作者! 在PID控制中,微分信号的引入可改善系统的动态特性,但也容易引起高频干扰,在误差扰动突变时尤其显出微分项的不足。若在控制算法中加入低通滤波器,则可以使系统性能得到改善。 克服上述缺点的方法之一是在PID算法中加入一个一阶惯性环节(低通滤波器) G f

量化交易面试:什么是中心极限定理?

中心极限定理(Central Limit Theorem, CLT)是概率论和统计学中的一个重要定理,它描述了在一定条件下,独立随机变量的和的分布趋向于正态分布的性质。这个定理在量化交易和金融分析中具有重要的应用价值。以下是对中心极限定理的详细解释: 基本概念: 中心极限定理指出,当我们从一个具有任意分布的总体中抽取足够大的样本时,样本均值的分布将近似于正态分布,无论原始总体的分布是什么样的。

中国剩余定理和扩展中国剩余定理(模板)

给你一元线性同余方程组,如下: 其中,当  ,  , ... ,  两两互质的话就是中国剩余定理 , 不互质的话就是扩展中国剩余定理。 给出中国剩余定理的计算过程和扩展中国剩余定理的推理过程: #include<bits/stdc++.h>using namespace std;#define int long long#define endl '\n'#define

等式(数论/唯一分解定理)

链接: https://www.nowcoder.com/acm/contest/90/F 来源:牛客网 题目描述 给定n,求1/x + 1/y = 1/n (x<=y)的解数。(x、y、n均为正整数) 输入描述: 在第一行输入一个正整数T。接下来有T行,每行输入一个正整数n,请求出符合该方程要求的解数。(1<=n<=1e9) 输出描述: 输出符合该方程要求的解数。

数论 - 算数基本定理的运用 --- nefu 118 : n!后面有多少个0

题目链接: http://acm.nefu.edu.cn/JudgeOnline/problemshow.php   Mean:   略。 analyse:  刚开始想了半天都没想出来,数据这么大,难道是有什么公式? 首先我们要知道一点:n!里面所有的0都是2*5得来的,而且不管怎样2的数量一定是>5的数量,所以我们只需要考虑有多少个5就可。 后面也是看了解题报告才知道有