改写一下曲线方程:
或者
其中 , , , .
这样各个参数的几何意义就更加明显了。
对曲线进行上下平移,它增大,曲线位置向上平移。在这个过程中曲线形状不改变;
对曲线进行左右平移,它增大,曲线位置向右平移,形状不改变。
对曲线在y方向作尺度变换,随着它增大,曲线被沿着y方向"拉长"。改变它的符号相当于把曲线关于 作对称变换。
的作用相对复杂一些。不妨设 ,研究 . 原来的曲线可以用前三条"规则"变换得到。首先观察到,当x趋向正/负无穷,y也趋向正/负无穷;通过在x=0处求导发现 是定义曲线的三次函数在此处的导数。这样可以根据 的符号画出曲线的大概图像。这里 ,画图时取其为1.
(此处取1)
(此处取-1)
可以这么理解, 的符号组合(一共6种,因为 )可以将三次曲线分类。在每一类分类下它们的具体大小,以及剩下的 的值并不影响三次方程曲线的"本质",只不过是将它拉伸,平移而已。
高次曲线大多可以按照这个方式确定大概形状,以及分类。不过对四次以上方程的曲线,这种方式的分析会稍微麻烦一些,而且不一定有像此处(以及对二次曲线)一样比较明显的特征。
=======================================================
上面的分类还可以有另外一种看法。三次函数的图像可以写作 。我们可以选择平面微分同胚变换群(或者仿射变换群)的一个子群,然后按照所有三次函数图像里面的群轨道分类。但是所有三次函数的图像都是微分同胚的(它们和x轴微分同胚),所以要得到有意义的分类,我们选择的群不能太大。上面说的那种分类实际上是选取了 ,其中,G是平移变换 , H是非退化对角线性变换 (这是把y轴进行可能改变方向的放缩). 这个群同构于 , 它占了三次函数图像里四个自由度中的三个。剩下的一个就是上面所说的 对应的那个。
如果是二次函数的图像,就没有第四个自由度了。所有二次函数图像的集合是 的一个轨道,就是说任何两个二次函数的图像都能通过其中的变换互相转换。
一次函数的图像只有两个自由度,任何一条平面上的直线都可以由 通过先旋转再上下平移得到( )
=======================================================
四次函数的图像稍微复杂一些。而且分类的标准本来就有一定的随意性。下面这种方法肯定不是最合适的,但是至少可以提供一种思路。
考虑四次函数的导函数,它是一个三次函数。可以按照之前的方法,先把三次函数的中心平移到y轴上。这样,加上整体的scaling(开口朝向),以及上下平移,我们去除了三个无关自由度。这样可以把四次函数写成这种形式:
, 导函数为 . 注意到随着 的符号不同, 改变对于图像的影响也是不同的。 下面可以分类讨论:
- . 此时 无论取什么值,导函数都只能有一个零点,对应的四次函数图像只有一个最小值(或者最大值)
- 。 此时 的取值会影响四次函数极值点的个数。计算可得到,当 , 它有三个极值点,或者说导函数有三个不同的零点。并且当 , 四次函数的图像直观上看右边"更低";反之亦然;在 时图像对称。
我们可以大概画出一个分类的"相图":
有点难看,不过大概就是这个意思。
更高次数的情况下,如果要进行类似的分类,要么把相图变成高维的,要么在一开始选择更大的微分同胚变换群,比如允许一般的仿射变换,等等。
可以考虑用类似的方法分类二元三次函数在 中的图像。
或者推广到一般的一元函数族,上面的方法只要求在选取合适的平面变换群之后剩下的自由参数比较少(要不然就不能很方便地画出图来了)。
最后还是要说,分类的方法是有一定主观性的。所有一元实光滑函数的图像都是微分同胚的,这种意义上来说只有一类而已。
来源:知乎 www.zhihu.com
作者:hya'tsint
【知乎日报】千万用户的选择,做朋友圈里的新鲜事分享大牛。 点击下载
延伸阅读:
在进行线性回归时,为什么最小二乘法是最优方法?
大数据时代下数学建模还有作用吗?
没有评论:
发表评论