【数学分析笔记】第3章第2节 连续函数(4)

3. 函数极限与连续函数

3.2 连续函数

3.2.9 反函数的连续性定理

【定理3.2.2】【反函数连续性定理】设 y = f ( x ) y=f(x) y=f(x)在闭区间 [ a , b ] [a,b] [a,b]上连续且严格单调增加,设 f ( a ) = α , f ( b ) = β f(a)=\alpha,f(b)=\beta f(a)=α,f(b)=β,则反函数 f − 1 ( y ) f^{-1}(y) f1(y) [ α , β ] [\alpha,\beta] [α,β]上连续。
【证】先证 f f f的值域是 [ α , β ] [\alpha,\beta] [α,β]
∀ γ ∈ ( α , β ) \forall \gamma\in(\alpha,\beta) γ(α,β),集合 S = { x ∣ x ∈ [ a , b ] , f ( x ) < γ } \textbf{S}=\{x|x\in[a,b],f(x)<\gamma\} S={xx[a,b],f(x)<γ},则令 S \textbf{S} S的上确界为 x 0 x_{0} x0,当 x < x 0 , f ( x ) < γ x<x_{0},f(x)<\gamma x<x0,f(x)<γ(单调增加),当 x > x 0 , f ( x ) > γ x>x_{0},f(x)>\gamma x>x0,f(x)>γ
lim ⁡ x → x 0 − f ( x ) ≤ γ \lim\limits_{x\to x_{0}^{-}}f(x)\le\gamma xx0limf(x)γ(单调函数的单侧极限一定存在)
lim ⁡ x → x 0 + f ( x ) ≥ γ \lim\limits_{x\to x_{0}^{+}}f(x)\ge\gamma xx0+limf(x)γ
由于 f ( x ) f(x) f(x) x 0 x_{0} x0点连续,所以 lim ⁡ x → x 0 − f ( x ) = lim ⁡ x → x 0 + f ( x ) = f ( x 0 ) \lim\limits_{x\to x_{0}^{-}}f(x)=\lim\limits_{x\to x_{0}^{+}}f(x)=f(x_{0}) xx0limf(x)=xx0+limf(x)=f(x0)
所以 γ = f ( x 0 ) ∈ ( α , β ) \gamma=f(x_{0})\in(\alpha,\beta) γ=f(x0)(α,β)
∀ x ∈ ( a , b ) : f ( x ) ∈ ( α , β ) \forall x\in(a,b):f(x)\in(\alpha,\beta) x(a,b):f(x)(α,β)
f ( a ) = α , f ( b ) = β f(a)=\alpha,f(b)=\beta f(a)=α,f(b)=β,所以 f ( x ) f(x) f(x)的值域是 [ a , b ] [a,b] [a,b]
∀ y 0 ∈ ( α , β ) \forall y_{0}\in(\alpha,\beta) y0(α,β),要证 f − 1 f^{-1} f1 y 0 y_{0} y0连续
y = α y=\alpha y=α,证 f − 1 f^{-1} f1 α \alpha α右连续
y = β y=\beta y=β,证 f − 1 f^{-1} f1 β \beta β左连续

f ( x 0 ) = y 0 , ( f − 1 ( y 0 ) = x 0 ) f(x_{0})=y_{0},(f^{-1}(y_{0})=x_{0}) f(x0)=y0,(f1(y0)=x0)
∀ ε > 0 \forall \varepsilon>0 ε>0,找 δ > 0 , ∀ y ( ∣ y − y 0 ∣ < δ ) : ∣ f − 1 ( y ) − f − 1 ( y 0 ) ∣ ⇔ ∣ x − x 0 ∣ < ε \delta>0,\forall y(|y-y_{0}|<\delta):|f^{-1}(y)-f^{-1}(y_{0})|\Leftrightarrow |x-x_{0}|<\varepsilon δ>0,y(yy0<δ):f1(y)f1(y0)xx0<ε,取 δ = min ⁡ { y 0 − y 1 , y 2 − y 0 } \delta=\min\{y_{0}-y_{1},y_{2}-y_{0}\} δ=min{y0y1,y2y0},当 ∣ y − y 0 ∣ < δ |y-y_{0}|<\delta yy0<δ时,有 ∣ x − x 0 ∣ < ε |x-x_{0}|<\varepsilon xx0<ε,所以区间连续
对于左侧端点,找 δ 1 > 0 , ∀ y ( ∣ y − f ( a ) ∣ = ∣ y − α ∣ < δ 1 ) : ∣ f − 1 ( y ) − f − 1 ( α ) ∣ = ∣ f − 1 ( y ) − a ∣ ⇔ ∣ x − a ∣ < ε \delta_{1}>0,\forall y(|y-f(a)|=|y-\alpha|<\delta_{1}):|f^{-1}(y)-f^{-1}(\alpha)|=|f^{-1}(y)-a|\Leftrightarrow|x-a|<\varepsilon δ1>0,y(yf(a)=yα<δ1):f1(y)f1(α)=f1(y)axa<ε,取 δ 1 = min ⁡ { f ( a + ε ) − f ( a ) } \delta_{1}=\min\{f(a+\varepsilon)-f(a)\} δ1=min{f(a+ε)f(a)},当 ∣ y − α ∣ < δ |y-\alpha|<\delta yα<δ时,有 ∣ x − a ∣ < ε |x-a|<\varepsilon xa<ε,所以左端点连续
同理右端点连续。(后边证明端点连续是自己想的,欢迎数院大神批评指正)


【例】 y = sin ⁡ x , x ∈ [ − π 2 , π 2 ] , y ∈ [ − 1 , 1 ] y=\sin x,x\in[-\frac{\pi}{2},\frac{\pi}{2}],y\in[-1,1] y=sinxx[2π,2π],y[1,1],反函数为 y = arcsin ⁡ x , D = [ − 1 , 1 ] , R = [ − π 2 , π 2 ] y=\arcsin x,\textbf{D}=[-1,1],\textbf{R}=[-\frac{\pi}{2},\frac{\pi}{2}] y=arcsinx,D=[1,1],R=[2π,2π],所以 y = arcsin ⁡ x y=\arcsin x y=arcsinx [ − 1 , 1 ] [-1,1] [1,1]不仅连续,且严格单调增加。



【例3.2.9】 y = cos ⁡ x y=\cos x y=cosx,它的反函数是 y = arccos ⁡ x y=\arccos x y=arccosx D = [ − 1 , 1 ] , R = [ 0 , π ] \textbf{D}=[-1,1],\textbf{R}=[0,\pi] D=[1,1],R=[0,π]
y = tan ⁡ x y=\tan x y=tanx,它的反函数是 y = arctan ⁡ x , D = ( − ∞ , + ∞ ) , R = ( − π 2 , π 2 ) y=\arctan x,\textbf{D}=(-\infty,+\infty),\textbf{R}=(-\frac{\pi}{2},\frac{\pi}{2}) y=arctanx,D=(,+),R=(2π,2π)



【例3.2.10】 y = a x , ( a > 0 , a ≠ 1 ) y=a^{x},(a>0,a\ne 1) y=ax,(a>0,a=1),它的反函数是 y = log ⁡ a x , D = ( 0 , + ∞ ) , R = ( − ∞ , + ∞ ) y=\log_{a} x,\textbf{D}=(0,+\infty),\textbf{R}=(-\infty,+\infty) y=logax,D=(0,+),R=(,+)

【注】三角函数,反三角函数,指数函数,对数函数, y = x n , n ∈ Z , y = x α = e ln ⁡ x α = e α ln ⁡ x y=x^{n},n\in\mathbb{Z},y=x^{\alpha}=e^{\ln x^{\alpha}}=e^{\alpha\ln x} y=xn,nZ,y=xα=elnxα=eαlnx等……的复合函数都是在其定义域上连续

3.2.10 复合函数的连续性

问题: lim ⁡ u → u 0 f ( x ) = A , lim ⁡ x → x 0 g ( x ) = u 0 \lim\limits_{u\to u_{0}}f(x)=A,\lim\limits_{x\to x_{0}}g(x)=u_{0} uu0limf(x)=A,xx0limg(x)=u0,问 lim ⁡ x → x 0 f ∘ g ( x ) = A \lim\limits_{x\to x_{0}}f\circ g(x)=A xx0limfg(x)=A是否成立,实际上是错误的,反例: f ( u ) = { 0 , u = 0 1 u ≠ 0 , g ( x ) = x sin ⁡ 1 x f(u)=\left\{\begin{matrix} 0&,u=0 \\ 1&u\ne 0 \end{matrix}\right.,g(x)=x\sin \frac{1}{x} f(u)={01,u=0u=0,g(x)=xsinx1
lim ⁡ x → 0 g ( x ) = 0 \lim\limits_{x\to 0}g(x)=0 x0limg(x)=0 f ∘ g ( x ) = { 0 , x = 1 n π 1 x ≠ 1 n π f\circ g(x)=\left\{\begin{matrix} 0&,x=\frac{1}{n\pi} \\ 1&x\ne\frac{1}{n\pi} \end{matrix}\right. fg(x)={01,x=1x=1
x → 0 x\to 0 x0,取 x n ′ = 1 n π ≠ 0 x_{n}'=\frac{1}{n\pi}\ne 0 xn=1=0,但 lim ⁡ n → ∞ x n ′ = 0 \lim\limits_{n\to\infty}x_{n}'=0 nlimxn=0,则 lim ⁡ n → ∞ f ∘ g ( x n ′ ) ) = 0 \lim\limits_{n\to\infty}f\circ g(x_{n}'))=0 nlimfg(xn))=0,取 x n ′ ′ = 1 n π , x n ′ ′ ≠ 0 , x n ′ ′ → 0 , lim ⁡ n → ∞ f ∘ g ( x n ′ ′ ) = 1 x_{n}''=\frac{1}{n\pi},x_{n}''\ne0,x_{n}''\to 0,\lim\limits_{n\to\infty}f\circ g(x_{n}'')=1 xn′′=1,xn′′=0,xn′′0,nlimfg(xn′′)=1
由海涅定理, lim ⁡ x → 0 f ∘ g ( x ) \lim\limits_{x\to 0}f\circ g(x) x0limfg(x)不存在。
【注】这个函数0这一点不连续。 ∘ \circ 是复合函数的符号。


【定理3.2.3】 u = g ( x ) u=g(x) u=g(x) x 0 x_{0} x0连续, g ( x 0 ) = u 0 g(x_{0})=u_{0} g(x0)=u0 f ( u ) f(u) f(u) u 0 u_{0} u0连续,则 f ∘ g f\circ g fg x 0 x_{0} x0连续。
也即 lim ⁡ x → x 0 g ( x ) = u 0 , lim ⁡ u → u 0 f ( x ) = f ( u 0 ) \lim\limits_{x\to x_{0}}g(x)=u_{0},\lim\limits_{u\to u_{0}}f(x)=f(u_{0}) xx0limg(x)=u0,uu0limf(x)=f(u0),则 lim ⁡ x → x 0 f ∘ g ( x ) = f ∘ g ( x 0 ) = f ( u 0 ) \lim\limits_{x\to x_{0}}f\circ g(x)=f\circ g(x_{0})=f(u_{0}) xx0limfg(x)=fg(x0)=f(u0)
【证】 ε > 0 , ∃ η > 0 , ∀ u ( ∣ u − u 0 ∣ < η ) : ∣ f ( u ) − f ( u 0 ) ∣ < ε \varepsilon>0,\exists\eta>0,\forall u(|u-u_{0}|<\eta):|f(u)-f(u_{0})|<\varepsilon ε>0,η>0,u(uu0<η):f(u)f(u0)<ε
对上述 η > 0 , ∃ δ > 0 , ∀ x ( ∣ x − x 0 ∣ < δ ) : ∣ g ( x ) − g ( x 0 ) ∣ < η \eta>0,\exists\delta>0,\forall x(|x-x_{0}|<\delta):|g(x)-g(x_{0})|<\eta η>0,δ>0,x(xx0<δ):g(x)g(x0)<η
由于 g ( x 0 ) = u 0 g(x_{0})=u_{0} g(x0)=u0 ∣ g ( x ) − u 0 ∣ < η |g(x)-u_{0}|<\eta g(x)u0<η
所以 ∣ f ∘ g ( x ) − f ∘ g ( x 0 ) ∣ = ∣ f ∘ g ( x ) − f ( u 0 ) ∣ < ε \left|f \circ g(x)-f \circ g\left(x_{0}\right)\right|=\left|f \circ g(x)-f\left(u_{0}\right)\right|<\varepsilon fg(x)fg(x0)=fg(x)f(u0)<ε
lim ⁡ x → x 0 f ∘ g ( x ) = f ∘ g ( x 0 ) \lim\limits_{x \rightarrow x_{0}} f \circ g(x)=f \circ g\left(x_{0}\right) xx0limfg(x)=fg(x0)

【例3.2.10】 sh ⁡ x = e x − e − x 2 , ch ⁡ x = e x + e − x 2 \sh x=\frac{e^{x}-e^{-x}}{2},\ch x=\frac{e^{x}+e^{-x}}{2} shx=2exex,chx=2ex+ex(双曲正弦函数,双曲余弦函数),这两个函数是复合函数,比如 sh ⁡ x = e x − e − x 2 \sh x=\frac{e^{x}-e^{-x}}{2} shx=2exex可以写成 y = u + u − 1 2 , u = e x y=\frac{u+u^{-1}}{2},u=e^{x} y=2u+u1,u=ex u u u的值域是 u > 0 u>0 u>0,所以它复合后的结果也是连续的,所以 sh ⁡ x , ch ⁡ x \sh x,\ch x shx,chx ( − ∞ , + ∞ ) (-\infty,+\infty) (,+)连续。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/143339.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

iPhone 16系列:摄影艺术的全新演绎,探索影像新境界

在科技的浪潮中&#xff0c;智能手机摄影功能的进化从未停歇。 苹果公司即将推出的iPhone 16系列&#xff0c;以其卓越的相机升级和创新特性&#xff0c;再次站在了手机摄影的前沿。 从硬件到软件&#xff0c;从拍照体验到图像处理&#xff0c;iPhone 16系列都展现了其在移动…

通信工程学习:什么是PON无源光网络

PON&#xff1a;无源光网络 PON&#xff08;Passive Optical Network&#xff0c;无源光纤网络&#xff09;是一种采用光分路器等无源光器件进行信号传输和分配的光纤接入技术。它利用光纤作为传输媒介&#xff0c;通过无源设备将光信号从中心局&#xff08;如光线路终端OLT&am…

工号不够用了怎么办? - 华为OD统一考试(E卷)

2024华为OD机试&#xff08;E卷D卷&#xff09;最新题库【超值优惠】Java/Python/C合集 题目描述 3020年&#xff0c;空间通信集团的员工人数数量突破20亿&#xff0c;现有工号系统不够用的窘境。 现在&#xff0c;请你负责调研新工号系统。继承历史传统&#xff0c;新工号系…

瑞芯微RK3588开发板Linux系统添加自启动命令的方法,深圳触觉智能Arm嵌入式鸿蒙硬件方案商

本文适用于触觉智能所有Linux系统的开发板、主板添加自启动命令的方法&#xff0c;本次使用了触觉智能的EVB3588开发板演示&#xff0c;搭载了瑞芯微RK3588旗舰芯片。 该开发板为核心板加底板设计&#xff0c;为工业场景设计研发的模块化产品&#xff0c;10年以上稳定供货,帮助…

Selenium实现滑动滑块验证码验证!

背景&#xff1a;在部分的登录中有滑动验证码的验证&#xff0c;由于滑动验证码的缺块是随机的就导致实现起来比较困难&#xff01; 01、实现方案 模板匹配 通过openCV分析两个图片的相似度&#xff0c;获取两个相似度很高图片的坐标&#xff0c;从而计算两个图片的距离。 轮…

医学数据分析实训 项目九 糖尿病风险预测

文章目录 综合实践二 糖尿病遗传风险预测一、分析目标二、实现步骤三、数据准备四、特征工程五、模型构建六、性能度量七、提交要求 综合实践任务二 糖尿病遗传风险预测代码&#xff08;一&#xff09;数据准备&#xff08;二&#xff09;特征工程&#xff08;三&#xff09;模…

云原生(Cloud Native)简介及相关技术

云原生&#xff08;Cloud Native&#xff09;简介及相关技术 什么是云原生&#xff1f; 云原生&#xff08;Cloud Native&#xff09;是一种设计和开发应用程序的方法&#xff0c;旨在充分利用云计算的弹性、可扩展性和分布式架构优势。通过采用微服务架构、容器化、持续集成…

vscode软件在 C发中常用插件

一. 简介 本文简单介绍一下&#xff0c;当做 C开发时 vscode软件常用的插件。 vscode软件是 微软公司目前提供的一款免费的开发软件&#xff0c;可以通过 vscode官网下载 vscode。 二. vscode软件在 C开发中常用插件 注意&#xff1a;vscode软件安装后&#xff0c;可以直接…

【Canvas与诗词】《登科后》唐.孟郊

【成图】 【代码】 <!DOCTYPE html> <html lang"utf-8"> <meta http-equiv"Content-Type" content"text/html; charsetutf-8"/> <head><title>昔日龌龊不足夸</title><style type"text/css"&g…

算法知识点———并查集

并查集是一种用于管理元素所属集合的数据结构&#xff0c;实现为一个森林&#xff0c;其中每棵树表示一个集合&#xff0c;树中的节点表示对应集合中的元素。并查集支持两种操作&#xff1a; 合并&#xff08;Union&#xff09;&#xff1a;合并两个元素所属集合&#xff08;合…

OpenAI o1碎片化过程中探索与利用的泛化

在上一篇《OpenAI o1&#xff1a;隐含在训练与推理间的动态泛化与流形分布》笔记里尝试剖析OpenAI o1内部机理的过程中我们将目光聚焦在了「模型从训练到推理两个阶段的动态渐进与平衡」之上&#xff0c;并将其等价于对long reasoning chain&#xff08;长程推理链&步骤&am…

【重学 MySQL】三十四、加密与解密函数

【重学 MySQL】三十四、加密与解密函数 在 MySQL 中&#xff0c;加密与解密函数是保护数据安全的重要手段&#xff0c;它们允许开发者在存储和传输敏感数据时保持数据的保密性。 函数名描述返回值类型备注AES_ENCRYPT(str, key_str)使用 AES 算法加密字符串BLOB返回加密后的二…

梯度的定义是什么?一阶梯度、二阶梯度对应的优化器是什么?

梯度 梯度的定义一阶梯度、二阶梯度对应的优化器 梯度的定义 梯度的定义主要出现在多元函数的微分学中&#xff0c;是一个向量场&#xff0c;表示某一函数在该点处的方向导数沿着该方向取得最大值&#xff0c;即函数在该点处沿着该方向&#xff08;此梯度的方向&#xff09;变…

好用的网页翻译插件

软件介绍 「火山翻译&#xff0c;开箱即用免配置&#xff0c;完全免费无广告&#xff0c;开发的多语言翻译插件&#xff0c;基本涵盖众多小语种及国际通用语言的翻译&#xff0c;支持网页一键翻译、划词翻译、英语词典、生词本、吐司弹词记忆等丰富能力。 下载方式 请看文章…

Red Hat 和 Debian Linux 对比

原图的作者(https://bbs.deepin.org/post/209759) Red Hat Enterprise Linux https://www.redhat.com/ CentOS Linux https://www.centos.org/ Fedora Linux https://fedoraproject.org/ Debian https://www.debian.org/ Ubuntu https://cn.ubuntu.com/ https://ubuntu.c…

Python “字符串操作” ——Python面试100道实战题目练习,巩固知识、检查技术、成功就业

本文主要是作为Python中列表的一些题目&#xff0c;方便学习完Python的元组之后进行一些知识检验&#xff0c;感兴趣的小伙伴可以试一试&#xff0c;含选择题、判断题、实战题、填空题&#xff0c;答案在第五章。 在做题之前可以先学习或者温习一下Python的列表&#xff0c;推荐…

[数据集][目标检测]文本表格检测数据集VOC+YOLO格式6688张5类别

数据集格式&#xff1a;Pascal VOC格式YOLO格式(不包含分割路径的txt文件&#xff0c;仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)&#xff1a;6688 标注数量(xml文件个数)&#xff1a;6688 标注数量(txt文件个数)&#xff1a;6688 标注…

<<编码>> 第 14 章 反馈与触发器(5)--加法器综合 示例电路

带锁存器和选择器的 8 位加法器 info::操作说明 鼠标单击逻辑输入切换 0|1 状态 当 “来自锁存器” 位为 0 时, 选择 A; 否则, 选择锁存器的输出 注: 保存位 和 来自锁存器位 不能同时为高电平, 否则电路可能振荡. 实际上, 在模拟器中, 此电路经测试会振荡, 因为 来自锁存器位 …

【算法题】46. 全排列-力扣(LeetCode)

【算法题】46. 全排列-力扣(LeetCode) 1.题目 下方是力扣官方题目的地址 46. 全排列 给定一个不含重复数字的数组 nums &#xff0c;返回其 所有可能的全排列 。你可以 按任意顺序 返回答案。 示例 1&#xff1a; 输入&#xff1a;nums [1,2,3] 输出&#xff1a;[[1,2,3…

xxl-job、Quartz、power-job、elastic-job对比选型

一、框架对比 1. Quartz 优点&#xff1a;稳定性和可扩展性好&#xff0c;适用于企业级应用&#xff1b;调度功能丰富&#xff0c;满足多种需求。 缺点&#xff1a;本身不提供原生的分布式支持&#xff0c;需要通过扩展或与其他组件结合来实现分布式任务调度&#xff1b;调度…