【导数和图像】图解普林斯顿微积分 10

2017 年 10 月 13 日 遇见数学 李想

第11 章导数和图像(The Derivative and Graphs)

11.1 函数的极值(Extrema of Functions)

如果 x = a 是函数 f 的一个极值点, 这就意味着函数 f 在a 点处有最大值或最小值, 不过这里还有区分两种极值: 全局极值和局部极值(global and local).

注: 全局极值和局部极值或称绝对极大值 Absolute maximum(minimum)和局部极值Local maximum(minimum).

11.1.1 全局极值和局部极值

每一个全局最大值都是局部最大值.

11.1.2 极值定理(The Extreme Value Theorem)

在第 5 章中, 我们看到过最大值与最小值定理(Max-Min Theorem): 连续函数在一个闭区间 [a, b] 内一定有一个全局最大值和一个全局最小值.

如果函数在 x = c 处的导数为零或导数不存在, 我们就称 x = c 为临界点(critical point), 又称驻点(Stationary Point). 值得注意的是, 一个函数的驻点不一定是这个函数的极值点(考虑到这一点左右一阶导数符号不改变的情况); 反过来, 在某设定区域内, 一个函数的极值点也不一定是这个函数的驻点(考虑到边界条件), 马上就再看到这一点. 

极值定理(Extreme Value Theorem)假设函数 f 定义在开区间 (a, b) 内, 并且点c 在 (a,b) 区间内. 如果点 c 为函数的局部最大值或最小值, 那么点c 一定为该函数的临界点. 也就是说, f'(c) = 0 或 f'(c) 不存在.

例如来看 f'(c) = 0 图形示例, 观察上图黄橙色一阶导函数与 x 轴相交的黑点部分.

11.1.3 求全局最大值和最小值

11.2 罗尔定理

罗尔定理(Rolle's Theorem)假设函数 f 在闭区间 [a,b] 内连续, 在开区间 (a, b) 内可导. 如果 f(a) = f(b); 那么在开区间 (a,b) 内至少存在一点 c, 使得 f'(c) = 0.

11.3 中值定理(Mean Value Theorem)

中值定理:假设函数 f 在闭区间 [a,b] 内连续, 在开区间 (a,b) 内可导, 那么在开区间 (a,b) 内至少有一点 c 使得  f ( b ) f ( a ) b a =f'(c) .

中值定理和罗尔定理这两个定理的条件几乎是相同的. 在两个定理中, 函数f 都要求在闭区间 [a,b] 内连续, 在开区间 (a,b) 内可导. 但罗尔定理还要求 f(a) = f(b), 中值定理则没要求这一点.

11.4 二阶导数和图像

如果把二阶导数看作导数的导数, 那么可以把二阶导数写为 (f')'(x) > 0. 这意味着导函数 f'(x) 始终是增函数.

观察下面图中不同的 (0,2) 与 (7.5, 10)范围二阶导数 f''(x) > 0 (凹向上, 如碗型: 凸函数Convex function), 所以导函数 f'(x) 始终是增函数;而在 (2,7.5) 区间二阶导数 f''(x) < 0(凹向下: 凹函数Concave function), 所以导函数 f'(x) 始终是减函数.

注: 国内凹凸函数有些书定义是相反的.

原函数凹凸性改变的地方,称之为拐点(inflection point), 也是上图区域颜色改变之处(用红点标识出来的地方).

关于拐点的更多说明

如 果 x = c 点是函数 f 的拐点, 则有 f''(c) = 0.

如果 f''(c) = 0, 则 c 点不一定都是函数 f 的拐点, 看下面反例的图形:

凸函数(凹向上函数)图像:

11.5 对导数为零点的分类

假设有一个函数 f 以及数c 使得 f'(c) = 0. 除了可以确定地说 c 点是函数 f 的临界点. 也就是 x=c 有三种可能:

  1. 局部最大值

  2. 局部最小值

  3. 水平拐点

在这三种情况下, 切线都是水平的. 如果只计算出 f'(c)=0 , 判别的方法有两种:

  1. 用一阶导数, 然后计算 x=c 左右两侧一阶导数的正负符号

  2. 用二阶导数, 考虑在 x=c 点的二阶导数的符号.

11.5.1 使用一次导数

假设 f'(c) = 0, 这时有:

  • 如果从左往右通过 c 点 f'(x) 的符号由正变负, 那么c 点为局部最大值;

  • 如果从左往右通过 c 点, f'(x) 的符号由负变正, 那么c 点为局部最小值;

  • 如果从左往右通过 c 点, f'(x) 的符号不发生变化, 那么c 点为水平拐点.


11.5.2 使用二阶导数

再来看一下当f'(c) = 0 时几种常见可能性:

  • 如果 f''(c) < 0, 那么x = c 为局部最大值;

  • 如果 f''(c) > 0, 那么x = c 为局部最小值;

  • 如果 f''(c) = 0, 那么无法判断发生了什么! 还需要使用上面一阶导数方法再做判别;


(本章完)


「予人玫瑰, 手留余香」

转发既是支持帮助[遇见数学]更快发展, 非常感谢!

登录查看更多
0

相关内容

最新《自动微分手册》77页pdf
专知会员服务
100+阅读 · 2020年6月6日
【普林斯顿大学-微软】加权元学习,Weighted Meta-Learning
专知会员服务
39+阅读 · 2020年3月25日
BAT机器学习面试题1000题(331~335题)
七月在线实验室
12+阅读 · 2018年8月13日
谷歌官方:反向传播算法图解
新智元
9+阅读 · 2018年6月29日
算法优化|梯度下降和随机梯度下降 — 从0开始
全球人工智能
8+阅读 · 2017年12月25日
图解机器学习
深度学习世界
3+阅读 · 2017年11月24日
BAT题库 | 机器学习面试1000题系列(第196~200题)
七月在线实验室
17+阅读 · 2017年11月16日
BAT题库 | 机器学习面试1000题系列(第191~195题)
七月在线实验室
6+阅读 · 2017年11月15日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
BAT机器学习面试1000题系列(第51~55题)
七月在线实验室
10+阅读 · 2017年10月8日
GAN的数学原理
算法与数学之美
14+阅读 · 2017年9月2日
Arxiv
7+阅读 · 2018年11月6日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
4+阅读 · 2018年3月14日
Arxiv
7+阅读 · 2018年1月21日
Arxiv
3+阅读 · 2017年12月18日
VIP会员
相关资讯
BAT机器学习面试题1000题(331~335题)
七月在线实验室
12+阅读 · 2018年8月13日
谷歌官方:反向传播算法图解
新智元
9+阅读 · 2018年6月29日
算法优化|梯度下降和随机梯度下降 — 从0开始
全球人工智能
8+阅读 · 2017年12月25日
图解机器学习
深度学习世界
3+阅读 · 2017年11月24日
BAT题库 | 机器学习面试1000题系列(第196~200题)
七月在线实验室
17+阅读 · 2017年11月16日
BAT题库 | 机器学习面试1000题系列(第191~195题)
七月在线实验室
6+阅读 · 2017年11月15日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
BAT机器学习面试1000题系列(第51~55题)
七月在线实验室
10+阅读 · 2017年10月8日
GAN的数学原理
算法与数学之美
14+阅读 · 2017年9月2日
相关论文
Arxiv
7+阅读 · 2018年11月6日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
4+阅读 · 2018年3月14日
Arxiv
7+阅读 · 2018年1月21日
Arxiv
3+阅读 · 2017年12月18日
Top
微信扫码咨询专知VIP会员