多元中值定理
定理:多元中值定理与中值不等式
- 定理
- 依赖深度 layer 22
- 分析学
- 多元微分
thm.mean-value-multi · 定理 · 微积分 · 多元
陈述
中值定理:设 在开集 上可微, 且线段 。则存在 使
中值不等式:若 可微,则
说明
⭐ 一维中值定理靠 Rolle,Rolle 靠「连续函数在闭区间取到最值」—— 而多元没有这一条(等号版本对 值函数是假的: 绕一圈,,但 处处非零、)。
⭐ 所以多元真正好用的是不等式版本:它只需要「沿线段用一元中值定理 + 范数估计」,不需要任何最值存在性。后面压缩映射原理与逆映射定理用的全是它。
⚠ 标量情形( 值域是 )的等号版本要好小心:通常的证法是对 用一维 MVT,得到的是「存在 使 」—— 这里的 依赖于 ,不能当成常数用。
它指向谁(出边)
推出 2
-
沿线段的中值定理迭代 多元 Taylor 公式
第一步:沿线段化归到一元。 令 、,。用链式法则逐次求导可得
其中 是 重线性型( 时即对称双线性型 )。
第二步:一元 Taylor。 对 在 上用带 Lagrange 余项的一元 Taylor 公式(
thm.taylor),存在 使第三步:展开成多重指标。 把 按多重指标展开: 重线性型在 上的取值是
代入第二步即得节点里写的形式(余项同样按 展开)。
第四步:估计余项。 余项每项含 个 的分量,且 在有界闭球上连续(故有界),于是 。∎
⭐ 关键在第 3 步: 重线性型与多重指标导数之间差一个组合系数 —— 这个系数正是把「 是一个多线性型」翻译成「」的桥梁。
-
压缩映射原理 逆映射定理(有限维)
记 ,。
第一步:化归到 、、。 令 。则 、,而 的局部可逆性与逆的光滑性等价于 的。以下就设 、、。
第二步: 在小球上是压缩。 由 与 的连续性,存在 使 时 。于是对 ,由中值不等式(
thm.mean-value-multi)第三步:对每个小 ,解 。 设 。定义 。若 则 (注意 ),故 把闭球 映入自身;它又是系数 的压缩映射。闭球在 中完备,由压缩映射原理(
thm.banach-fixed-point) 有唯一不动点 ,即 。第四步:唯一性(局部单射)。 若 且 ,则 ,取范数得 ,故 。于是记 、,则 是双射。(把 取成开球与开原像之交,、 都开。)
第五步:逆映射连续。 对 ,记 。由第三步的论证
故 : 甚至 Lipschitz。
第六步: 可导且 。 对 记 、(即 )。由 在 可微
两边作用 并用第五步的 :。按定义这就是 在 可微,且 。
第七步: 连续。 ; 连续、 连续、求逆(在 上)连续(
prop.inverse-continuous型的论证:逆的表达式含 与伴随矩阵,都连续),故 连续,即 。∎⭐ 第 2 步的化归(把 变成 )是全部技巧所在:一旦导数是恒等, 就成为压缩的,于是「解方程」就变成了「找不动点」。第 6 步则说明「逆映射的导数是导数的逆」是定义的自然产物,不是额外结论。
谁指向它(入边)
推出 1
-
一维 MVT + 链式法则 多元中值定理
等号版本(值域为 ):令 (),。由链式法则(
thm.chain-rule-multi) 在 上可导且由一维中值定理(
thm.mvt),存在 使 ,即 。∎不等式版本(值域为 ):等号版本对向量值函数不成立(反例见节点说明),所以改用积分 / 逼近论证。对 有
(分量逐个用一元牛顿–莱布尼茨公式即得。)取范数并用 :
(这一步只用到了「闭线段上的连续函数取到上确界」,不需要多元最值定理。)∎
⭐ 不等式版本才是后面真正用到的形式:
thm.inverse-function与thm.inverse-function-banach全靠它把 弄成压缩映射。
参考
- Rudin, Principles of Mathematical Analysis, Ch. 9
- Lang, Undergraduate Analysis, Ch. XVI
同一星团的其他概念 25 个
- 赋范空间layer 9
- 梯度layer 11
- 浸入 / 淹没 / 嵌入layer 12
- 压缩映射layer 14
- Banach 空间layer 15
- 压缩映射原理layer 15
- 偏导数layer 16
- 方向导数layer 17
- Hessian 矩阵layer 17
- 可微与全微分layer 18
- Jacobi 矩阵layer 19
- 多元链式法则layer 20
- 混合偏导相等layer 22
- 逆映射定理layer 23
- 多元 Taylor 公式layer 23
- 隐函数定理layer 24
- 逆映射定理(Banach 版)layer 24
- Morse 引理layer 24
- Sard 定理layer 24
- 极值判别(Hessian 判据)layer 24
- 常秩定理layer 25
- 隐函数定理(Banach 版)layer 25
- 正则值原像定理layer 25
- Lagrange 乘子法layer 26