当前位置: 首页 > news >正文

绝对值的性质和可视化

绝对值的性质和可视化

flyfish


绝对值函数y=∣x∣y = |x|y=x图形是一个以原点(0,0)为顶点的V形曲线:
x≥0x \geq 0x0时,y=xy = xy=x(斜率为1的直线);
x<0x < 0x<0时,y=−xy = -xy=x(斜率为-1的直线)。这个函数体现绝对值的非负性和对称性性质(即∣−x∣=∣x∣|-x| = |x|x=x

  1. 基础函数: 如y=∣x∣y = |x|y=x,这是所有变换的起点,顶点在原点(0,0),形成一个标准的V形。

  2. 垂直拉伸: 如y=2∣x∣y = 2|x|y=2∣x,将基础函数的y值乘以2,使图形在垂直方向上被拉伸为原来的2倍,V形的两条边变得更陡峭,但顶点仍在(0,0)。

  3. 右移: 如y=2∣x−3∣y = 2|x - 3|y=2∣x3∣,将函数y=2∣x∣y = 2|x|y=2∣x的图像向右平移3个单位,顶点从(0,0)移动到了(3,0)。

  4. 上移: 如y=2∣x−3∣+4y = 2|x - 3| + 4y=2∣x3∣+4,将函数y=2∣x−3∣y = 2|x - 3|y=2∣x3∣的图像向上平移4个单位,顶点从(3,0)移动到了(3,4),图形的形状和陡峭程度保持不变。

绝对值的性质

1. 非负性

对于任意实数xxx∣x∣≥0|x| \geq 0x0
绝对值表示距离,总为非负。
∣x∣=0|x| = 0x=0当且仅当x=0x = 0x=0

2. 对称性(偶函数性质)

∣−x∣=∣x∣|-x| = |x|x=x
绝对值忽略符号,只取正值。
证明:根据定义,∣x∣={x如果 x≥0−x如果 x<0|x| = \begin{cases} x & \text{如果 } x \geq 0 \\ -x & \text{如果 } x < 0 \end{cases}x={xx如果x0如果x<0,所以∣−x∣=∣x∣|-x| = |x|x=x

3. 乘法性质(绝对值的积)

对于任意实数x,yx, yx,y∣xy∣=∣x∣⋅∣y∣|x y| = |x| \cdot |y|xy=xy
乘积的绝对值等于绝对值的乘积。∣c⋅(f(x)−L)∣=∣c∣⋅∣f(x)−L∣|c \cdot (f(x) - L)| = |c| \cdot |f(x) - L|c(f(x)L)=cf(x)L,因为ccc是常数。
证明:考虑符号情况:
如果x,yx, yx,y同号,∣xy∣=xy=∣x∣∣y∣|x y| = x y = |x| |y|xy=xy=x∣∣y
如果异号,∣xy∣=−xy=∣x∣∣y∣|x y| = -x y = |x| |y|xy=xy=x∣∣y(因为一个负号被绝对值吸收)。

推广:对于多个乘积,∣x1x2⋯xn∣=∣x1∣∣x2∣⋯∣xn∣|x_1 x_2 \cdots x_n| = |x_1| |x_2| \cdots |x_n|x1x2xn=x1∣∣x2xn

4. 除法性质(绝对值的商)

对于任意实数x,yx, yx,yy≠0y \neq 0y=0),∣xy∣=∣x∣∣y∣\left| \frac{x}{y} \right| = \frac{|x|}{|y|}yx=yx
类似于乘法性质,从∣x∣=∣xy⋅y∣=∣xy∣∣y∣|x| = \left| \frac{x}{y} \cdot y \right| = \left| \frac{x}{y} \right| |y|x=yxy=yxy推导。
证明:直接由乘法性质推得。

5. 三角不等式(加法性质)

对于任意实数x,yx, yx,y∣x+y∣≤∣x∣+∣y∣|x + y| \leq |x| + |y|x+yx+y
绝对值的和大于或等于和的绝对值,表示“距离之和大于等于总距离”。
证明:分情况讨论:

  • 如果x,yx, yx,y同号,∣x+y∣=∣x∣+∣y∣|x + y| = |x| + |y|x+y=x+y
  • 如果异号,假设∣x∣≥∣y∣|x| \geq |y|xy,则∣x+y∣=∣x∣−∣y∣≤∣x∣+∣y∣|x + y| = |x| - |y| \leq |x| + |y|x+y=xyx+y

等号条件:当x,yx, yx,y同向(同正或同负)时成立。
推广:对于有限个,∣x1+x2+⋯+xn∣≤∣x1∣+∣x2∣+⋯+∣xn∣|x_1 + x_2 + \cdots + x_n| \leq |x_1| + |x_2| + \cdots + |x_n|x1+x2++xnx1+x2++xn

6. 逆三角不等式(减法性质)

对于任意实数x,yx, yx,y∣x−y∣≥∣∣x∣−∣y∣∣|x - y| \geq ||x| - |y||xy∣∣xy∣∣
表示两个绝对值的差小于等于差的绝对值,常用于证明收敛或界估计。
证明:从三角不等式变形:

  • ∣x∣=∣(x−y)+y∣≤∣x−y∣+∣y∣⇒∣x∣−∣y∣≤∣x−y∣|x| = |(x - y) + y| \leq |x - y| + |y| \Rightarrow |x| - |y| \leq |x - y|x=(xy)+yxy+yxyxy
  • 类似,∣y∣−∣x∣≤∣y−x∣=∣x−y∣|y| - |x| \leq |y - x| = |x - y|yxyx=xy
  • ∣x−y∣≥max⁡(∣x∣−∣y∣,∣y∣−∣x∣)=∣∣x∣−∣y∣∣|x - y| \geq \max(|x| - |y|, |y| - |x|) = ||x| - |y||xymax(xy,yx)=∣∣xy∣∣

等号条件:当x,yx, yx,y同向且一个是另一个的倍数时。

7. 平方性质

∣x∣2=x2|x|^2 = x^2x2=x2
绝对值的平方等于原数的平方,因为平方消除了负号。
证明:显然,(∣x∣)2=x2(|x|)^2 = x^2(x)2=x2(正数的平方或负数的平方都正)。

8. 最大/最小表示

∣x∣=max⁡(x,−x)|x| = \max(x, -x)x=max(x,x)
绝对值是 x 和 -x 中的较大者。
相关:在不等式中常用,如−∣x∣≤x≤∣x∣-|x| \leq x \leq |x|xxx

9. 连续性和导数

绝对值函数∣x∣|x|x在实轴上连续,但在 x=0 处不可导(左导数=-1,右导数=1)。
这在极限和微分中重要,但不直接是性质,而是推论。

importmatplotlib.pyplotaspltimportnumpyasnp# Set up the figure and axisfig,ax=plt.subplots(figsize=(8,6))ax.set_xlim(-6,6)ax.set_ylim(0,10)ax.set_xlabel('x')ax.set_ylabel('y')ax.grid(True)# Define x rangex=np.linspace(-6,6,1000)# Plot y = |x| (blue)y1=np.abs(x)ax.plot(x,y1,color='blue',label='y = |x|')# Plot y = 2|x| (red, vertical stretch by 2)y4=2*np.abs(x)ax.plot(x,y4,color='red',label='y = 2|x|')# Plot y = 2|x - 3| (green, shifted right by 3)y2=2*np.abs(x-3)ax.plot(x,y2,color='green',label='y = 2|x - 3|')# Plot y = 2|x - 3| + 4 (orange, shifted up by 4)y3=2*np.abs(x-3)+4ax.plot(x,y3,color='orange',label='y = 2|x - 3| + 4')# Add annotationsax.text(-5,2,'y = |x|',color='blue',fontsize=12)ax.text(-5.5,5,'y = 2|x|',color='red',fontsize=12)ax.text(0.5,3,'y = 2|x - 3|',color='green',fontsize=12)ax.text(1.5,8,'y = 2|x - 3| + 4',color='orange',fontsize=12)# Show plotplt.title('Transformations of Absolute Value Function')plt.legend()plt.show()
http://www.jsqmd.com/news/163006/

相关文章:

  • 深度剖析SPICE中BJT Gummel-Poon模型的应用
  • 炉石传说插件HsMod完整使用指南:55项功能快速上手
  • SPICE仿真下的二极管伏安特性核心要点
  • 2025年度海外猎头公司深度测评报告:全球化人才布局的优质伙伴甄选指南 - 短商
  • PyTorch-CUDA-v2.9镜像助力智能客服大模型训练
  • 证件阅读机以 “多证兼容、全场景适配” 的核心优势,构建了覆盖银行核心业务的服务网络,让跨境客户享受无差别的便捷服务
  • PyTorch-CUDA-v2.9镜像用于Stable Diffusion图像生成
  • Altium Designer中盲埋孔设计的PCB工艺实现详解
  • AI开发者福音:PyTorch-CUDA-v2.9预装镜像免费体验GPU算力
  • ScreenTranslator终极指南:快速掌握屏幕OCR翻译工具
  • 证件阅读机以 “多证兼容、全场景适配” 的核心优势,构建了覆盖银行核心业务的服务网络,让跨境客户享受无差别的便捷服务。
  • PyTorch-CUDA-v2.9镜像支持知识图谱嵌入训练
  • Amlogic平台固件烧录:usb_burning_tool操作指南
  • 边缘计算场景下PyTorch-CUDA-v2.9镜像的应用探索
  • Markdown写技术博客好帮手:PyTorch-CUDA-v2.9环境演示截图
  • Linux下libusb环境搭建:超详细版教程
  • 终极显卡性能调优指南:NVIDIA驱动隐藏功能深度挖掘
  • PyTorch-CUDA-v2.9镜像运行NeRF三维重建模型
  • 百度网盘直链解析完整教程:告别龟速下载的终极方案
  • Multisim仿真下三极管输入输出特性曲线分析
  • USB3.0层叠结构规划:完整示例高速板层设计
  • 开源大模型训练新选择:PyTorch-CUDA-v2.9 GPU环境评测
  • 技术破界,服务无界:证件阅读机驱动银行全球化转型
  • Docker镜像源推荐:高效拉取PyTorch-CUDA深度学习环境
  • PyTorch-CUDA-v2.9镜像助力舆情分析大模型落地
  • GitHub热门项目复现必备:PyTorch环境快速配置方法
  • PyTorch-CUDA-v2.9镜像让Git Commit记录更高效的开发流程
  • PyTorch-CUDA-v2.9镜像与TensorFlow共存方案探讨
  • GitHub开源项目复现指南:如何正确加载PyTorch依赖
  • PyTorch-CUDA-v2.9镜像支持FP16混合精度训练详解