為什麼將x2+y2=1中x和y的指數換成大偶數,其圖像會接近一個正方形?

x^n + y^n = 1的圖像在n趨於∞時,是正方形嗎?


可以把這個方程改寫成:

sqrt{frac{|x|^2 + |y|^2}{2}} = frac{sqrt{2}}{2}

然後推廣成

left(frac{|x|^p + |y|^p}{2}
ight)^frac{1}{p} = left(frac{1}{2}
ight)^frac{1}{p}

右邊常數不影響形狀,不妨考慮

left(frac{|x|^p + |y|^p}{2}
ight)^frac{1}{p} = 1

左邊這個表達式叫做冪平均數,它在p趨向於0的時候極限是幾何平均值 sqrt{|xy|} ,p趨向於無窮的時候極限是 max(|x|,|y|),而且隨著p的大小遞增,所以整個曲線就會慢慢向 max(|x|,|y|) = 1 收斂,而後者經過四個象限的鏡像延拓之後就是個正方形。如果反過來讓p越來越小,則會趨向於兩對雙曲線拼成的四角星。


都提到求導了為什麼不多求一次呢……

x^n+y^n = 1

nx^{n-1}+ny^{n-1}frac{dy}{dx}= 0 Rightarrow frac{dy}{dx}=-(frac{x}{y})^{n-1}

frac{d^2y}{dx^2} = -(n-1)(frac{x}{y})^{n-2}frac{y-xfrac{dy}{dx}}{y^2} = -(n-1)(frac{x}{y})^{n-2}frac{1+(frac{x}{y})^n}{y}

當n趨於正無窮的時候,可以看出在第一象限中y&>x的部分,曲率趨向於0,換言之函數圖象越平;其它部分則由對稱性得出。


嘿嘿,已經有答案說得很清楚啦~我從另一個角度說一下。
考慮unit ball B(單位球), B={x,y ∈R, x,y ≤1∣abs(x)^n+abs(y)^n=1},
最熟悉的是n=2,就是個圓環,n=1是個菱形, 然後隨著n變大, 漸漸趨近於一個正方形。這個有什麼意思呢?其實這些在泛函分析lp空間裡面很重要。一個空間的單位球反映了這個空間的性質。
n=p, 是lp 空間的單位球。lp空間里我們定義的p範數‖.‖p,所以當n=∞是無窮範數,相當於‖x‖p=sup ∣xi∣, x∈Rn (在x,y 情況下相當於取x,y 當中絕對值大的那個。現在就很好看為什麼是個正方形了。)
有什麼意義:
1.p≥1開始, 單位球凸, 所以n=p 是norm(範數?), P&<1並不滿足範數要求。
2.1&


恭喜你,騷年,你獨立發現了 從L^2 範數到 L^p 範數到 L^infty 範數的「幾何表示」。。。

思考題:當 pleq1 的時候會出現什麼情況? p
ightarrow0 的極限情況呢?


因為比1小的數的高次冪趨於0.

任何數的n次方根,當n很大的時候,趨於1.

那麼你會發現

x^n+y^n=c

當n是大偶數的時候,是趨於正方形,n是大奇數的時候,第一象限和坐標軸構成的圖形趨於正方形,如果c不是特別大,那麼圖形與坐標軸的交點總是在1附近。如果c小於1但不是特別接近0,那麼結論不變。


嘗試一下大一數分題的解法,記得不多了,有疏漏請指正:

x^n+y^n=1,也就是y=(1-x^n)^1/n.

由於圖像對稱,只考慮第一象限y&>x的八分之一個圖像。

為了證明函數圖像的極限是一個正方形,也就是要證明在這八分之一的圖像上,y的極限是1。

也就是對於任意x&<1,任意小的d,需要證明存在一個足夠大的N,使得當n&>N的時候,總有:

1-y&

也就是(1-d)^n&<1-x^n.

這個其實很直觀,n足夠大的時候左邊趨向於0,右邊趨向於1.非要證明的話也不難選一個中間數1/2好了,使得:

(1-d)^n&<1/2&<1-x^n.

左邊要求n&>ln(1/2)/ln(1-d),設為n1.

右邊要求n&>ln(1/2)/ln(x),設為n2.

然後取n的下界也就是N&>max(n1, n2)就好了。

也就是說,當n&>N時,|1-y|&

證畢!

不對,以上!


呃。。 說個更好理解的答案吧。

將表達式兩邊求導,得到隱函數的導數表達式(題主應該會吧?)
不難得到dy/dx=-(x/y)∧(n-1)

dy/dx為斜率。 由於n為偶數,所以直接以第一象限參考,其他象限類比即可。

先找3個特殊點。
A(1,0)B(0,1)C(a,a)
在A點,斜率是tan90o,即一條平行與Y軸的直線。
B點,斜率為0,平行於X軸的直線
C點,斜率為-1,平行於坐標軸二四象限夾角角平分線的直線。

故而得到結論1,無論n多大值,該圖形不會成為真正的正方形。

再回答題主的問題。 當x≠y ,且x≠0,y≠0時。那麼x/y要麼大於1,要麼小於1 當n趨於無窮時,該比值極限要不為0,要不為∞

顯然,n越大,其特端點(A,B)附近點的斜率越容易和其相同,自然看起來也就越像正方形了。


許多答主已經提點得很到位了。偏一下題。

在二維的直觀上,我們可以參照此圖:圖源為wiki

答主 @靈劍 提到了冪平均數(以 M_p 表示),這裡照顧一些好奇的中學生,故借題發揮,補充兩個證明(以下與原題無關)。

其中存在幾個熟知的平均

M_{-1}(x_1,dots,x_n) = frac{n}{frac{1}{x_1}+dots+frac{1}{x_n}} 調和平均

{displaystyle M_{0}(x_{1},dots ,x_{n})=lim _{p	o 0}M_{p}(x_{1},dots ,x_{n})={sqrt[{n}]{x_{1}cdot dots cdot x_{n}}}} 幾何平均(證明可利用e的指數函數進行轉化,然後通過洛必達法則(Lamp;amp;#x27;H?pitalamp;amp;#x27;s rule)進行。見文末。)

M_1(x_1,dots,x_n) = frac{x_1 + dots + x_n}{n} 算數平均

M_2(x_1,dots,x_n) = sqrt{frac{x_1^2 + dots + x_n^2}{n}} 平方平均

M_{3}(x_{1},dots ,x_{n})={sqrt[ {3}]{{frac {x_{1}^{3}+dots +x_{n}^{3}}{n}}}} 立方平均

……

在中學中我們有學過熟知的GM-AM不等式,可寫為 M_0leq M_1 ,更長的 M_{-1}leq M_0leq M_1leq M_2 等等;亦或通過一些技巧(如構造 f(x)=x^{frac{p}{q}}(p>q>0) 求二階導等)可以證明 M_p 關於 pin mathbb{R} 是不減的

但是,

M_{-infty}(x_1,dots,x_n) = lim_{p	o-infty} M_p(x_1,dots,x_n) = min {x_1,dots,x_n}

M_{+infty}(x_1,dots,x_n) = lim_{p	oinfty} M_p(x_1,dots,x_n) = max {x_1,dots,x_n}

這兩個極限的結果可能並不是很直觀,這裡補充一下其初等一些的證明。

由於 {x_i} 各項地位平等,擁有比 輪換對稱性(cyc)更好的 全對稱性(sym),所以我們大可通過兩兩交換以使  {displaystyle x_{1}geq dots geq x_{n}} (當然,此處其實可以不需要這麼強的條件,只需要 x_1 最大即可),如此不妨設後,根據定義,我們先證明

{sqrt[ {p}]{sum _{{i=1}}^{n}w_{i}x_{i}^{p}}}leq x_{1}

*為了一般性,這裡選擇帶權 w_i 的形式,你可以用常數 1/n 代替之。

*如果不太習慣看帶有 sigma 的表達式,可以把它在稿紙上展開,可能會更直觀。

以下假設 p 大於零(小於零時不等號均反向)

兩邊取 p 次冪去掉根號,我們得到

sum _{{i=1}}^{n}w_{i}x_{i}^{p}leq x_{1}^{p}

兩邊減去 w_1 x_1^p ,

sum _{{i=2}}^{n}w_{i}x_{i}^{p}leq (1-w_{1})x_{1}^{p}

sum _{{i=2}}^{n}{frac {w_{i}}{(1-w_{1})}}x_{i}^{p}leq x_{1}^{p}

因為權重和為1 , sum_{i=1}^n w_i=1,0<w_i<1

即(注意 i 的起始值是2)

sum _{{i=2}}^{n}{frac {w_{i}}{(1-w_{1})}}=1

所以移項以後,

sum _{{i=2}}^{n}{frac {w_{i}}{(1-w_{1})}}(x_{i}^{p}-x_{1}^{p})leq 0

根據我們的假設條件,這是成立的。取等當且僅當此有界序列兩兩相等, x_i=x_j .

*仿此證明,可得到一個下界 x_n

在 p&>0 時,做一次放縮,有

x_1sqrt[p]w_1={sqrt[ {p}]{w_{1}x_{1}^{p}}}<{sqrt[ {p}]{sum _{{i=1}}^{n}w_{i}x_{i}^{p}}}leq x_{1}

當p趨近於正無窮大時,根據夾逼定理,左式和右式極限均為 x_1 (因為 0<w_1<1,lim_{p	o infty} sqrt[p]{w_1}=1 ),所以中間的式子極限也跟它們相同。證畢。

PS:

{displaystyle M_{0}(x_{1},dots ,x_{n})=lim _{p	o 0}M_{p}(x_{1},dots ,x_{n})={sqrt[{n}]{x_{1}cdot dots cdot x_{n}}}}

以下為證明過程:

我們利用恆等式 x=e^{lnx} (x>0) 將原式(為了一般性,這裡選擇帶權 w_i 的形式,你可以用常數 1/n 代替之)改寫成方便使用洛必達法則(L"H?pital"s rule)的分式形式,這是一個求極限的常用技巧。

*為了避免指數部分字型大小太小,用 exp(x) 表示 e^x

M_p(x_1,dots,x_n) = exp{left( ln{left[left(sum_{i=1}^n w_ix_{i}^p 
ight)^{1/p}
ight]} 
ight) } = exp{left( frac{ln{left(sum_{i=1}^n w_ix_{i}^p 
ight)}}{p} 
ight) }

對指數部分,我們有

lim _{{p	o 0}}{frac {ln {left(sum _{{i=1}}^{n}w_{i}x_{{i}}^{p}
ight)}}{p}}=lim _{{p	o 0}}{frac {{frac {sum _{{i=1}}^{n}w_{i}x_{i}^{p}ln {x_{i}}}{sum _{{i=1}}^{n}w_{i}x_{i}^{p}}}}{1}}=lim _{{p	o 0}}{frac {sum _{{i=1}}^{n}w_{i}x_{i}^{p}ln {x_{i}}}{sum _{{i=1}}^{n}w_{i}x_{i}^{p}}}=sum _{{i=1}}^{n}w_{i}ln {x_{i}}=ln {left(prod _{{i=1}}^{n}x_{i}^{{w_{i}}}
ight)}

其中,第一個等號利用洛必達法則,對分子和分母分別求p的偏導數;第三個等號利用 lim_{p	o 0}x^p=1 以及權重和為1,即 sum_i w_i=1

再將結果回代(據複合函數的極限法則)即可

lim_{p 	o 0} M_p(x_1,dots,x_n) = exp{left( ln{left(prod_{i=1}^n x_i^{w_i} 
ight)} 
ight)} = prod_{i=1}^n x_i^{w_i} = M_0(x_1,dots,x_n)


證明其實不難,上面知友已給出答案。我就不幾張圖感受下

x**2+y**2=1

x**4+y**4=1

x**16+y**16=1

x**256+y**256=1

越來越方,256次下,從肉眼看已經是90度角了


第一眼想到隱函數求導。有人已經說了。
那我就再說個坐標系的拉伸吧。
y=x^n,這個圖像在第一象限到達(1,1)處前的形狀很鮮明。直角就這樣子折出來的。


對於任何一個絕對值小於1的x, 總存在足夠大的指數,讓y的絕對值從下面無限逼近於1.

對y來說,也一樣。


因為越二越方


三角換元


其實這樣想就很清楚了

考慮第一象限內邊長為1的正方形內部的任意點(x_0,y_0),橫縱坐標均小於1,當n足夠大時x_0^n+y_0^n&<1
因而這個點在該曲線和坐標軸圍成的圖形的內部,而對於在這個正方形外部的點,x_0^n+y_0^n&>1總成立
因此當n充分大,每個正方形內部的點都在曲線內,正方形外部的點都在曲線外,因此曲線會無限接近正方形。


由於我水平比較低,所以我習慣說人話:

第一,0.993的1000次方約等於0.001。
第二,0.001開1000次方根約等於0.993。

第一條告訴我們:任意一個大於0小於1的數a,給它來個n次方,只要n夠大,結果都會接近0,除非a真的等於1。

第二條告訴我們:任意一個大於0小於1的數b,給它開n次方根,只要n夠大,結果都會接近1,除非b真的等於0。

你把式子變成:

看出來了?當n很大時,只要x大於0小於1,x的2n次方都是接近0的,因此被開方數接近1,再開2n次方根,更加接近1。
因此,無論x取0到1之間的什麼數,y都是非常接近1的數。
直到x真的從0.99999……變成1,y立馬從接近1的數瞬間變成0。形象表示就是:


x2+y2=1

4次方的

6次方的.

這是8次方.

......
......

猜猜一百次方是什麼樣子

是不是很接近正方形呢?
這是為什麼呢?

就舉100次方的例子,我們知道,即使是0.9的100次方,結果也會是 0.00002656139...
這麼小意味著什麼呢,意味著當x=0.9時,x的100次方特別小,幾乎可以認為是0,所以y的100次方會特別接近1,在這個例子裡面,y的100次方是0.999973438...那麼y是多少呢,沒錯,小於1的數開方會更接近1,它大概是0.99999973438...

到此為止,我們知道x=0.9時,y應當等於1(實際上是0.99999973438),類似的,x=0.8、0.7...0.1或者更小的時候,它的100次方會更加接近0,而同理,y會更加接近於1。

那麼更大的x呢?比如x=0.99,很容易,我們可以想到,如果冪次更高,比如10000次冪,x的10000次方,其實不用10000,大家可以驗證一下,0.99的1000次方就已經是0.00004317...了,已經夠小了,類似的,我們也可以得出一個十分接近1的y。那麼0.99的10000次方是多少呢?emmm,它是0.0000000000000000(假設它有43個)224877。所以不用我贅述y會接近1了吧。


所以,在1000 次方,即使是1000次方,x即使到0.99,y也會十分接近1,這才會讓圖看起來十分像正方形。

哦,忘了加一條,這種函數關於x和y都是對稱的,所以我就討論了第一卦限,哦,第一象限...

手機打字好累...


不用帶特殊值,不用感性分析,不用數值分析,也不用畫圖,用極限理論即可解決。

把你的式子改成 |x|^{n}+|y|^{n}=1 ,這樣的話對於任何n&>0,等式都有非零解。

此外我們在改寫一下,題主的問題等價於 (|x|^{n}+|y|^{n})^{1/n}=1 , 以簡化問題(求了幾何平均,簡化了|x|=1,|y|=1時的討論)。

注意到等式左邊是一個關於n的連續函數,所以我們只要證明當n趨於正無窮,圖像是正方形,即可說明圖像會隨n增大趨於正方形。

整理一下,|y|=(1-|x|^n)^{1/n} , 所以x的定義域是-1和1及之間。同理,互換x和y,y的定義域也是-1和1及之間。

當|x|&<1, |y|=e^{ln(1-|x|^n)/n}

當n趨於無窮時, lim_{n->inf} e^{ln(1-|x|^n)/n}=e^{lim_{n->inf}ln(1-|x|^n)/n}=e^{lim_{n->inf}-|x|^nln|x|/(1-|x|^n)} , 洛必達法則, =e^{lim_{n->inf}ln|x|/(1/|x|^n-1)}=e^{constant/(infinity)}=e^0=1 .

亦即當|x|&<1且n趨於無窮,|y|=1.

同理,互換x和y,當|y|&<1且n趨於無窮,|x|=1.

那麼現在所有的解(x,y)可構成一個正方形(除頂點)了!

所以我們還差驗證一直沒有討論的當|x|=1且|y|=1的情況。

對於等式左端代入點(|x|=1,|y|=1),並令n趨於無窮:

lim_{n->inf}(1^{n}+1^{n})^{1/n}=lim_{n->inf}(2)^{1/n}=1 。所以(|x|=1,|y|=1)也是解

所以當n趨於無窮的時候,圖像是一個邊長為2的正方形(從-1到1)。

其實 (|x|^{n}+|y|^{n})^{1/n} 定義的是L-n norm,開n次根是為了取平均。如果你想了解更多的話,可以去查一下l^p space (Lebesgue space)。


把圖像分成4部分,只需注意到圖形具有凸性以及點 ((frac{1}{2})^{frac{1}{n}},(frac{1}{2})^{frac{1}{n}}) 在曲線x^n+y^n=1 上,就可以證明你的問題。

n=2情形

n=4情形

n=10的情形

基於python的代碼如下:

import numpy as np

import matplotlib.pyplot as plt

y, x = np.ogrid[-1.5:1.5:200j, -1.5:1.5:200j]

f = x**n + y**n

plt.figure(figsize=(9,4))

plt.subplot(121)

extent = [np.min(x), np.max(x), np.min(y), np.max(y)]

cs = plt.contour(f, extent=extent, levels=[1], colors=["b", "r"], linestyles=["solid", "dashed"], linewidths=[2, 2])

plt.subplot(122)

for c in cs.collections:

data = c.get_paths()[0].vertices

plt.plot(data[:,0], data[:,1], color=c.get_color()[0], linew=c.get_linewidth()[0])

plt.show()


換成x關於y的式子好了
假設是x^n+y^n=1,n∈2k,k∈Z*
y^n=1-x^n
我們看右邊 1-x^n

· x∈(-1,1)時,若n→∞,則x^n=0,1-x^n=1
y^n=1,y就是±1,形成的圖像就是平行於x軸兩條(-1,1)的直線

· 好,然後再取x=±1時,x^n永遠為1,1-x^n=0
y^n=0,y=0,所以在x=-1和1處y=0
x再取別的,偶數根號下&<0無意義了

至於在x=±1處為什麼有⊥x的線呢
因為這個函數永遠可導,所以必定是連續的,那麼我們得到就在x無限接近±1的地方得和x=±1的地方連一條平滑(嘛,在n→∞就乾脆畫直吧)的線咯

豈不是正方形~


考慮該圖形的內接正方形。

顯然內接正方形的頂點在 |x|=|y| 處.

易得內接正方形在第一象限內的頂點在 (sqrt[n]{frac{1}{2}},sqrt[n]{frac{1}{2}}) 處,既邊長為 2sqrt[n]{frac{1}{2}}

顯然該內接正方形隨著n的擴大迅速逼近外接正方形。


推薦閱讀:

有哪些讓人眼前一亮的函數?
為什麼定積分可以求面積?
如何學會傅里葉變換?
大學生如何克服高等數學恐懼症?
小波變換比傅里葉變換好在哪裡?

TAG:數學 | 趣味數學 | 函數 | 高等數學 |