多元函数奇偶性

多元函数奇偶性

多元函数的定义域

  • 定义域根据函数的变量数不同,有不同的形式
    • 一元函数 y = f ( x ) y=f(x) y=f(x),定义域可以是数集
    • 二元函数 z = f ( x , y ) z=f(x,y) z=f(x,y),定义域可以是一平面区域,是平面点集
    • 三元函数 v = f ( x , y , z ) v=f(x,y,z) v=f(x,y,z),定义域是一块空间区域,是空间点集
    • n n n圆函数,定义域为 n n n维点集
自然定义域
  • 根据仅根据表达式本身是否有意义来判定定义域
    • 比如分式中分母不为0
    • 偶次根式内不可为负数
    • 对数函数的真数为正数
特定定义域
  • 根据实际需要或者认为规定的的区域,比如给定积分区域(积分限)

n n n元函数

  • y y y是一个 n n n元函数,记为 y = f ( x 1 , x 2 , ⋯ , x i , ⋯ , x n ) y=f(x_1,x_2,\cdots,x_i,\cdots,x_n) y=f(x1,x2,,xi,,xn)

    • 其中 x i x_i xi表示函数 f f f的第 i i i个自变量

奇偶性

  • 一般讨论的是关于某个自变量 x i x_i xi的奇偶性
  • n n n元函数 y = f ( x 1 , x 2 , ⋯ , x i , ⋯ , x n ) y=f(x_1,x_2,\cdots,x_i,\cdots,x_n) y=f(x1,x2,,xi,,xn), f f f是关于 x i x_i xi的偶函数,则 f ( x 1 , x 2 , ⋯ , − x i ‾ , ⋯ , x n ) f(x_1,x_2,\cdots,\large\underline{-x_i}\normalsize,\cdots,x_n) f(x1,x2,,xi,,xn)= f ( x 1 , x 2 , ⋯ , x i ‾ , ⋯ , x n ) f(x_1,x_2,\cdots,\large\underline{x_i}\normalsize,\cdots,x_n) f(x1,x2,,xi,,xn)
  • f f f是关于 x i x_i xi的奇函数 f ( x 1 , x 2 , ⋯ , − x i ‾ , ⋯ , x n ) f(x_1,x_2,\cdots,\large\underline{-x_i}\normalsize,\cdots,x_n) f(x1,x2,,xi,,xn)= − f ( x 1 , x 2 , ⋯ , x i ‾ , ⋯ , x n ) \large-\normalsize f(x_1,x_2,\cdots,\large\underline{x_i}\normalsize,\cdots,x_n) f(x1,x2,,xi,,xn)

一元函数

  • y = f ( x ) y=f(x) y=f(x)
    • f ( x ) f(x) f(x)为偶函数: f ( − x ) = f ( x ) f(-x)=f(x) f(x)=f(x)关于 x = 0 x=0 x=0( y y y轴)对称
    • f ( x ) f(x) f(x)维奇函数: f ( − x ) = − f ( x ) f(-x)=-f(x) f(x)=f(x),关于 ( 0 , 0 ) (0,0) (0,0)(原点)对称

二元函数

  • z = f ( x , y ) z=f(x,y) z=f(x,y)

    • 以分量 x x x为例

      • 奇函数: f ( − x , y ) = − f ( x , y ) f(-x,y)=-f(x,y) f(x,y)=f(x,y),函数关于点 ( 0 , y , 0 ) (0,y,0) (0,y,0)对称
        • P ( x , y , z ) P(x,y,z) P(x,y,z) f ( x , y ) f(x,y) f(x,y)上的点, z = f ( x , y ) z=f(x,y) z=f(x,y),而 f ( − x , y ) f(-x,y) f(x,y)= − f ( x , y ) -f(x,y) f(x,y)= − z -z z
        • Q ( − x , y , − z ) Q(-x,y,-z) Q(x,y,z)也位于 f ( x , y ) f(x,y) f(x,y)
        • P , Q P,Q P,Q两点的位置关系?
          • 方法1:
            • 显然两个点有相同的 y y y轴坐标,从而它们必然同时位于平面 y = y y=y y=y
            • 并且两个点有互为相反数的 x , y x,y x,y轴坐标, P P P位于平面 x = x , z = z x=x,z=z x=x,z=z两平面交线上,而 Q Q Q位于 x = − x , y = − y x=-x,y=-y x=x,y=y两平面的交线上,这两条交线关于原点(或 y y y轴)对称,分别和平面 y = y y=y y=y所截,得到 P , Q P,Q P,Q两点
            • 因此 P , Q P,Q P,Q两点关于 ( 0 , y , 0 ) (0,y,0) (0,y,0)对称
          • 方法2:
            • 由两点间坐标公式, ( − x + x 2 , y + y 2 , z − z 2 ) (\frac{-x+x}{2},\frac{y+y}{2},\frac{z-z}{2}) (2x+x,2y+y,2zz)= ( 0 , y , 0 ) (0,y,0) (0,y,0),可知 P , Q P,Q P,Q两点关于 M ( 0 , y , 0 ) M(0,y,0) M(0,y,0)对称
            • M M M点位于直线 x = 0 , z = 0 x=0,z=0 x=0,z=0上(即 y y y轴上)
            • 因此 P , Q P,Q P,Q两点关于 ( 0 , y , 0 ) (0,y,0) (0,y,0)对称
        • 因此,函数 f ( x , y ) f(x,y) f(x,y)的图形关于 y y y轴对称
      • 偶函数: f ( − x , y ) = f ( x , y ) f(-x,y)=f(x,y) f(x,y)=f(x,y),函数关于平面 x = 0 x=0 x=0对称
        • P ( x , y , z ) P(x,y,z) P(x,y,z) f ( x , y ) f(x,y) f(x,y)上的点, z = f ( x , y ) z=f(x,y) z=f(x,y),而 f ( − x , y ) f(-x,y) f(x,y)= f ( x , y ) f(x,y) f(x,y)= z z z
        • Q ( − x , y , z ) Q(-x,y,z) Q(x,y,z)也位于 f ( x , y ) f(x,y) f(x,y)
        • 中点坐标公式: P , Q P,Q P,Q的中点为 ( 0 , y , z ) (0,y,z) (0,y,z),该点属于平面 x = 0 x=0 x=0
        • P , Q P,Q P,Q两点关于 x = 0 x=0 x=0(即坐标面 y O z yOz yOz面)对称
        • 因此函数 f ( x , y ) f(x,y) f(x,y)的图形关于 x = 0 x=0 x=0面对称
    • 分量 y y y类似地讨论

小结

  • 在一元函数 y = f ( x ) y=f(x) y=f(x)中,偶函数是关于直线 ( x = 0 ) (x=0) (x=0)对称,而奇函数关于点 ( 0 , 0 ) (0,0) (0,0),即 x = 0 , y = 0 x=0,y=0 x=0,y=0对称
    • 点表示为 ( x , y ) (x,y) (x,y)
  • 在二元函数 z = f ( x , y ) z=f(x,y) z=f(x,y)中,偶函数是关于面对称,而奇函数关于直线对称
    • 点表示为 ( x , y , z ) (x,y,z) (x,y,z)
    • 以自变量 x x x为例,关于 x x x的偶函数图形关于 x = 0 x=0 x=0面对称,奇函数图形关于 x = 0 , z = 0 x=0,z=0 x=0,z=0,即 y y y
    • 而对于自变量 y y y,关于 y y y的偶函数图形关于 y = 0 y=0 y=0面对称,奇函数图形关于 y = 0 , z = 0 y=0,z=0 y=0,z=0,即 y y y
  • 也就是说,对称中心都上升了一个维度,从点到线,从线到面
  • 本质上都是两点关于它们的中点对称,分析中点的特点来判断对称中心是什么

结论分析和记忆👺

  • 对于一元奇(偶)函数为,自变量轴为 x x x
  • 自变量 x x x沿着从原点(或正区间内第一点有定义的 x 0 x_0 x0处)开始,分析曲线变化
    • f ( x ) f(x) f(x)是奇函数, x x x x x x轴正方向进行的变化情况与负方向的变化情况相反
    • f ( x ) f(x) f(x)是偶函数, x x x x x x轴正方向进行的变化情况与负方向的变化情况相同(对称)
  • 对于二元奇(偶)函数,自变量设为 x , y x,y x,y,分析曲面的变化情况
    • f ( x , y ) f(x,y) f(x,y)是关于 x x x的奇函数, x x x x x x轴正方向进行的变换情况与负方向的变化情况相反
    • f ( x , y ) f(x,y) f(x,y)是关于 x x x偶函数, x x x x x x轴正方向进行的变化情况与负方向的变化情况相同(对称)

推广

  • 更一般的
    • 对于 n n n元函数 w = f ( x 1 , x 2 , ⋯ , x n ) w=f(x_1,x_2,\cdots,x_n) w=f(x1,x2,,xn),视为 n + 1 n+1 n+1维空间,将写维点的形式: ( x 1 , x 2 , ⋯ , x n , w ) (x_1,x_2,\cdots,x_n,w) (x1,x2,,xn,w)
    • f f f关于自变量 x i x_i xi为奇函数(以 i = 1 i=1 i=1为例),那么 P ( x 1 , x 2 , ⋯ , x n , w ) P(x_1,x_2,\cdots,x_n,w) P(x1,x2,,xn,w), Q ( − x 1 , x 2 , ⋯ , x n , − w ) Q(-x_1,x_2,\cdots,x_n,-w) Q(x1,x2,,xn,w),其对称中心点为 M ( 0 , x 2 , ⋯ , x n , 0 ) M(0,x_2,\cdots,x_n,0) M(0,x2,,xn,0),对称中心为超平面 x 1 = 0 , w = 0 x_1=0,w=0 x1=0,w=0;(即令第 i i i维自变量取0和最后意味取 0 0 0)
    • f f f关于自变量 x i x_i xi为偶函数(以 i = 1 i=1 i=1为例),那么 P ( x 1 , x 2 , ⋯ , x n , w ) P(x_1,x_2,\cdots,x_n,w) P(x1,x2,,xn,w), Q ( − x 1 , x 2 , ⋯ , x n , w ) Q(-x_1,x_2,\cdots,x_n,w) Q(x1,x2,,xn,w),其对称中心点为 M ( 0 , x 2 , ⋯ , x n , w ) M(0,x_2,\cdots,x_n,w) M(0,x2,,xn,w),对称中心为超平面 x 1 = 0 x_1=0 x1=0
    • i ≠ 1 i\neq{1} i=1时,情形类似

应用和实例

  • f ( x , y ) f(x,y) f(x,y)= y x 2 y{x^2} yx2,假设 f f f的定义域(区域)是关于 x , y x,y x,y轴对称的区域(比如其自然定义域下)
    • 那么显然, f f f关于 y y y是奇函数;图形关于 x x x轴对称
    • 同时 f f f是关于 x x x的偶函数,图形关于 x = 0 x=0 x=0平面对称
  • 在这里插入图片描述

二元绝对值不等式确定的区域

  • ∬ D ( ∣ x ∣ + y e x 2 ) d σ \iint\limits_{D}({|x|+ye^{x^2}})\mathrm{d}\sigma D(x+yex2)dσ, ( D : ∣ x ∣ + ∣ y ∣ = 1 ) (D:|x|+|y|=1) (D:x+y=1)

  • 二元一次绝对值方程对应的草图

    • 对于 g ( x , y ) = ∣ x ∣ + ∣ y ∣ = 1 g(x,y)=|x|+|y|=1 g(x,y)=x+y=1,前去绝对值

      • ∣ x ∣ = x |x|=x x=x, ( x ⩾ 0 ) (x\geqslant{0}) (x0); ∣ x ∣ = − x |x|=-x x=x, ( x < 0 ) (x<0) (x<0)
      • ∣ y ∣ = y |y|=y y=y, ( y ⩾ 0 ) (y\geqslant{0}) (y0), ∣ y ∣ = − y |y|=-y y=y, ( y < 0 ) (y<0) (y<0)
    • 得到四个二元一次方程:在平面直角坐标系 x O y xOy xOy中对应于4条直线段

      • 1 = { − x − y , x < 0 , y < 0 − x + y x < 0 , y ⩾ 0 x − y , x ⩾ 0 , y < 0 x + y , x ⩾ 0 , y ⩾ 0 1=\begin{cases} -x-y,&x<0,y<0 \\-x+y &x<0,y\geqslant 0 \\x-y,&x\geqslant 0,y<0 \\x+y,&x\geqslant 0,y\geqslant 0 \end{cases} 1= xy,x+yxy,x+y,x<0,y<0x<0,y0x0,y<0x0,y0
    • 四条直线段所在直线分别转换为斜截式: y = − x − 1 y=-x-1 y=x1; y = x + 1 y=x+1 y=x+1; y = − x − 1 y=-x-1 y=x1; y = 1 − x y=1-x y=1x

  • 将他们分别绘制,得到一个边长为1的正方形(菱形)

    • 在这里插入图片描述

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.mzph.cn/news/156903.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ZYNQ_project:lcd_pic_400x400

在lcd液晶屏上显示400x400像素的图片&#xff0c; 像素信息通过电脑的串口调试助手&#xff0c;发送给fpga&#xff0c;存储在例化的双端口ram中&#xff0c; 在要显示图像区域&#xff0c;读取ram中的像素信息。 模块框图&#xff1a; 时序图&#xff1a; 代码&#xff1a;…

O-Star|再相识

暑去秋来&#xff0c;岁月如梭&#xff0c;几名"O-Star"们已经入职一段时间&#xff0c;在这期间他们褪去青涩&#xff0c;逐渐适应了公司的工作环境和文化&#xff0c;迈向沉稳&#xff5e; 为了进一步加深校招生之间的交流与了解&#xff0c;提高校招生的凝聚力和…

gitlab

Gitlab 安装git yum安装 [rootgit ~]# yum -y install git编译安装 Git官网 #安装依赖关系 [rootgit ~]# yum install curl-devel expat-devel gettext-devel openssl-devel zlib-devel autoconf gcc perl-ExtUtils-MakeMaker # 编译安装 [rootgit ~]# tar -zxf git-2.0…

基于 Eureka 的 Ribbon 负载均衡实现原理【SpringCloud 源码分析】

目录 一、前言 二、源码分析 三、负载均衡策略 一、前言 如下图&#xff0c;我们在 orderserver 中通过 restTemplate 向 usersever 发起 http 请求&#xff0c;在服务拉取的时候&#xff0c;主机名 localhost 是用服务名 userserver 代替的&#xff0c;那么该 url 是一个可…

Java动态代理JKD版本

1、ISale.java package com.atguigu; public interface ISale {void saleShaoBing();void saleJianBing();void saleYueBing();void saleManTou(); }2、WuDa.java package com.atguigu;//Target:目标类、目标对象 public class WuDa implements ISale{//target method:目标方法…

目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】点云

目录 点云及三维图像处理 点云概念 点云的处理 点云的数据处理

DAY60 84.柱状图中最大的矩形

84.柱状图中最大的矩形 题目要求&#xff1a;给定 n 个非负整数&#xff0c;用来表示柱状图中各个柱子的高度。每个柱子彼此相邻&#xff0c;且宽度为 1 。 求在该柱状图中&#xff0c;能够勾勒出来的矩形的最大面积。 思路 单调栈 本地单调栈的解法和接雨水的题目是遥相呼…

Doris表的动态分区

动态分区是在Doris 0.12版本中引入的新功能。旨在对表级别的分区实现生命周期管理(TTL),减少用户的使用负担。 目前实现了动态添加分区及动态删除分区的功能。动态分区只支持Range分区。 1 原理 在某些使用场景下,用户会将表按照天进行分区划分,每天定时执行例行任务,这时…

git -1

1.创建第一个仓库并配置local用户信息 git config git config --global 对当前用户所有仓库有效 git config --system 对系统所有登录的用户有效 git config --local 只对某个仓库有效 git config --list 显示配置 git config --list --global 所有仓库 git config --list…

微信小程序 prettier 格式化

一、安装prettier插件 二、打开设置 然后再打开setting.json 新增代码 {"editor.formatOnSave": true,"editor.defaultFormatter": "esbenp.prettier-vscode","prettier.documentSelectors": ["**/*.wxml", "**/*.wx…

Rust开发——变量、静态变量与常量

1.变量 在 Rust 中&#xff0c;类型安全是通过静态类型系统来实现的。变量绑定默认情况下是不可变的&#xff08;immutable&#xff09;。 在 Rust 中声明一个变量时&#xff0c;默认情况下它是不可变的。例如&#xff1a; fn main() {let x &#xff1a;i32 5; // 这是一个…

代码随想录算法训练营第三十一天| 455 分发饼干 376 摆动序列 53 最大子数组和

目录 455 分发饼干 376 摆动序列 53 最大子数组和 455 分发饼干 将胃口值与饼干进行排序使其从小到大。 从后向前遍历胃口值&#xff0c;并取得此时最大的饼干值&#xff0c;如果饼干大于当前胃口值则将答案res加一&#xff0c;并且将饼干减一。 class Solution {public in…

基于 Glibc 版本升级的 DolphinDB 数据查询性能优化实践

在高并发查询、查询需要涉及很多个分区的情况下&#xff0c;低版本的 glibc&#xff08;低于2.23&#xff09;会严重影响查询性能。需要升级 glibc 解决该问题优化性能。我们撰写了本文&#xff0c;通过 patchelf 工具修改可执行文件和动态库的 rpath&#xff0c;达到无需升级系…

专业课140+总分420+东南大学920专业综合考研,信息学院通信专业考研分享

专业课140总分420东南大学920专业综合考研&#xff0c;信息学院通信专业考研分享 我是三月开始系统考研备战&#xff0c;寒假先看的高数全书&#xff0c;奈何在家效率极其低下&#xff0c;才草草看了前三四章。回校后学习的比较认真&#xff0c;每天大概保持10个小时左右&…

3分钟看完NVIDIA GPU架构及演进

近期随着 AI 市场的爆发式增长&#xff0c;作为 AI 背后技术的核心之一 GPU&#xff08;图形处理器&#xff09;的价格也水涨船高。GPU 在人工智能中发挥着巨大的重要&#xff0c;特别是在计算和数据处理方面。目前生产 GPU 主流厂商其实并不多&#xff0c;主要就是 NVIDIA、AM…

前端为什么不能直接连数据库

其实也不是不可以&#xff0c;只是这样做有很多不好的地方&#xff0c;但是如果是一个只有几个人用的内网小系统&#xff0c;是没有问题的。主要基于以下原因考虑 安全性问题&#xff1a;前端信息都是公开的&#xff0c;从前端访问数据库&#xff0c;就需要将数据库的地址&…

学习黑马AJAX

今天开始学习黑马的AJAX课程&#xff0c;一上来就是注册案例&#xff0c;开始很不习惯axios的语法&#xff0c;感觉好别扭&#xff0c;但前面花了比较长的时间重复敲&#xff0c;现在也熟悉了很多&#xff0c;后面以为的几节课都是围绕http协议的&#xff0c;首先是url的目标资…

利用OpenCV实现图片中导线的识别

下面是一个需求&#xff0c;识别图片中的导线&#xff0c;要在图像中检测导线&#xff0c;我们需要采用不同于直线检测的方法。由于OpenCV没有直接的曲线检测函数&#xff0c;如同它对直线提供的HoughLines或HoughLinesP&#xff0c;检测曲线通常需要更多的图像处理步骤和算法&…

java io流中为什么使用缓冲流就能加快文件读写速度

FileInputStream的read方法底层确实是通过调用JDK层面的read方法&#xff0c;并且这个JDK层面的read方法底层是使用C语言编写的&#xff0c;以实现高效的文件读取功能。但是它会涉及多次内核态与操作系统交互。当我们使用FileInputStream的read方法读取文件时&#xff0c;首先会…

UEC++ day7

敌人NPC机制 敌人机制分析与需求 新建一个character类来作为敌人&#xff0c;直接建蓝图设置骨骼网格&#xff0c;因为敌人可能多种就不规定死&#xff0c;然后这个敌人肯定需要两个触发器&#xff0c;一个用于大范围巡逻&#xff0c;一个用于是否达到主角近点进行攻击 注意我…