微分中值定理是很重要的基础定理,很多定理都是以它为基础进行证明的。
1 罗尔中值定理
1.1 直觉
这是往返跑:
可以认为他从A 点出发,经过一段时间又回到了A 点,画成s-t (位移-时间)图就是:
根据常识,因为要回到起点,中间必定有速度为0的点:
拳击比赛中,步伐复杂:
但不论怎样,只要最后回到起点,中间必定有速度为0的点:
这就是罗尔中值定理。
1.2 罗尔中值定理
设函数满足以下三个条件:则存在\xi \in (a,b) ,使得f'(\xi)=0
f(x) 在闭区间[a,b] 连续是必须的,否则有可能没有f'(\xi)=0 :
在开区间(a,b) 可导也是必须的:
1.3 拓展
可能有的同学觉得,定理中的条件“f(x) 在闭区间[a,b] 连续、在\color{ForestGreen}{开区间(a,b)} 可导”比较古怪,为什么不是“f(x) 在闭区间[a,b] 连续、在\color{Magenta}{闭区间[a,b]} 可导”?
大概有两个原因,首先,“开区间可导”条件更弱,包含了“闭区间可导”;其次,”开区间可导”的函数并不一定就“闭区间可导”,比如:
f(x)= \begin{cases}x(1-x)\sin\frac{1}{x(1-x)},x\in(0,1)\neq 0\\0, &x=0,1 \end{cases} \\
此函数在图像如下:
此函数就是在[0,1] 连续,(1,0) 可导,在端点x=0,1 处导数不存在(类似于x\sin\frac{1}{x}在0点处不可导,可自行证明)。
2 拉格朗日中值定理
来看下交通管理中的区间测速:
时间a 采集到汽车的位移为f(a) ,时间b 采集到汽车的位移为f(b)
可以据此算出平均速度为:
\frac{f(b)-f(a)}{b-a}\\
比如算出来平均速度为70km/h ,平均速度是由瞬时速度叠加的结果,那么路程中的瞬时速度可能为:
下面是变速前进的速度变换动画(蓝色为大于,闪烁为平行即等于,绿色为小于):
如果限速60km/h ,那么根据汽车的平均速度为70km/h ,就可以判定路程中必然至少有一个点超速。
约瑟夫·拉格朗日伯爵,法国籍意大利裔数学家和天文学家,以他命名的拉格朗日中值定理就可以在数学层面解释刚才的现象。
2.1 拉格朗日中值定理
设函数满足以下两个条件:则存在\xi\in (a,b) ,使得f'(\xi)=\frac{f(b)-f(a)}{b-a}
这个定理的几何意义就是,至少存在一点的切线与端点的连线平行;物理意义是,至少存在一点的速度与平均速度相等:
把它旋转一下,使得f(a)=f(b) :
得到的就是罗尔中值定理,可见罗尔是拉格朗日的特例:
3 柯西中值定理
3.1 二维空间中的运动
之前讨论的是一维空间中的运动,下面来看看二维空间中的运动(关于这点,可以参看课程中“参数方程求导与相关变化率”这一节)。假设参数方程:
\begin{cases}x=g(t)\\y=f(t) \end{cases} \\
描述了一个二维空间中的运动:
为了方便描述,令A=(g(a),f(a)) 、B=(g(b),f(b)) ,那么上图描述的就是a 时刻在A 位置,b 时刻运动到了B 位置。向量\boldsymbol{a} 就表明了最终的运动方向:
仔细分析此运动过程,刚开始的时候,速度\boldsymbol{v} 的方向与\boldsymbol{a} 相反,也就是说点是反着走的:
所以需要不断转弯调整:
最终才能到达目的地:
容易想象,在转弯调整的过程中,必然会有\boldsymbol{v} 和\boldsymbol{a} 同向的时刻,比如t=\xi 时刻:
那么两者所在直线必然也平行:
此时,\boldsymbol{a} 所在直线的斜率:
\frac{f(b)-f(a)}{g(b)-g(a)}\\
以及\boldsymbol{v} 所在直线的斜率(根据参数方程的求导法则):
\frac{f'(\xi)}{g'(\xi)}\\
必然相等:
\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{f'(\xi)}{g'(\xi)}\\
这就是柯西中值定理。
3.2 定理
设函数f(x),g(x)满足以下条件:则存在\xi \in (a,b) ,使等式
\frac{f(b)-f(a)}{g(b)-g(a)}=\frac{f'(\xi)}{g'(\xi)}\\
成立。
可以把f(x),g(x) 组合成参数方程:
\begin{cases}x=f(t)\\y=g(t) \end{cases} \\
这样柯西中值定理就有类似于拉格朗日中值定理一样的几何意义:
如果:
\begin{cases}x=x\\y=f(x) \end{cases} \\
那么柯西中值定理就变为了拉格朗日中值定理,所以拉格朗日又是柯西的特例。
4 总结
三大微分中值定理的联系与区别:
本文为微分中值定理的节选,因为格式问题,还有一些证明、扩展没有贴上来,可以到原文去查看。
评论列表