证明指数函数是超越函数

1. 超越函数的定义:

1.1 代数函数:

如果函数 f ( x ) f(x) f(x) 满足以下代数等式,就是代数函数:
P ( x , y ) = p n ( x ) y n + p n − 1 ( x ) y n − 1 + . . . + p 1 ( x ) y + p 0 ( x ) = 0 , [ 1.1 ] P(x,y) = p_n(x)y^n+p_{n-1}(x)y^{n-1}+...+p_1(x)y+p_0(x)=0,\qquad[1.1] P(x,y)=pn(x)yn+pn1(x)yn1+...+p1(x)y+p0(x)=0,[1.1]
也就是说, 如果等式:
p n ( x ) f n ( x ) + p n − 1 ( x ) f n − 1 ( x ) + . . . + p 1 ( x ) f ( x ) + p 0 ( x ) = 0 , [ 1.2 ] p_n(x)f^n(x)+p_{n-1}(x)f^{n-1}(x)+...+p_1(x)f(x)+p_0(x)=0, \qquad[1.2] pn(x)fn(x)+pn1(x)fn1(x)+...+p1(x)f(x)+p0(x)=0,[1.2]
对于所有的 x x x在函数 f f f的定义域中都成立,这里 y y y是关于 x x x的函数,等式中的 y n y^n yn或者 f n ( x ) f^n(x) fn(x)的幂 n > = 1 n>=1 n>=1,方程中 y i y^i yi或者 f i ( x ) f^i(x) fi(x)的系数 p i ( x ) p_i(x) pi(x)是关于x的实系数多项式,并且 p n ( x ) p_n(x) pn(x)不等于0,(此处 p i ( x ) p_i(x) pi(x)的次数不必等于 i i i)。

1.2 超越函数:

如果一个函数 f ( x ) f(x) f(x)不是代数函数,就是超越函数,也就是说,它不满足任何形如 [ 1.1 ] [1.1] [1.1]的代数方程;

2. 证明指数函数是超越函数:

可以采用反证法和无限下降法来证明 e x e^x ex是超越函数:

2.1 证明:

假定 e x e^x ex是代数函数,那么会有一组多项式函数 p n ( x ) , p n − 1 ( x ) , p n − 1 ( x ) , . . . , p 1 ( x ) , p 0 ( x ) p_n(x), p_{n-1}(x), p_{n-1}(x),..., p_1(x), p_0(x) pn(x),pn1(x),pn1(x),...,p1(x),p0(x),此处 n > = 1 n>=1 n>=1并且 p n ( x ) p_n(x) pn(x)不等于0,使得等式
p n ( x ) ( e x ) n + p n − 1 ( x ) ( e x ) n − 1 + p n − 2 ( x ) ( e x ) n − 2 + . . . + p 1 ( x ) ( e x ) + p 0 ( x ) = 0 , p_n(x)(e^x)^n+p_{n-1}(x)(e^x)^{n-1}+p_{n-2}(x)(e^x)^{n-2}+...+p_1(x)(e^x)+p_0(x)=0, pn(x)(ex)n+pn1(x)(ex)n1+pn2(x)(ex)n2+...+p1(x)(ex)+p0(x)=0,
或者
p n ( x ) ( e n x ) + p n − 1 ( x ) ( e ( n − 1 ) x ) + p n − 2 ( x ) ( e ( n − 2 ) x ) + . . . + p 1 ( x ) ( e x ) + p 0 ( x ) = 0 , [ 2.1 ] p_n(x)(e^{nx})+p_{n-1}(x)(e^{(n-1)x})+p_{n-2}(x)(e^{(n-2)x})+...+p_1(x)(e^x)+p_0(x)=0,\qquad[2.1] pn(x)(enx)+pn1(x)(e(n1)x)+pn2(x)(e(n2)x)+...+p1(x)(ex)+p0(x)=0,[2.1]
对于所有的x,在 e x e^x ex的定义域成立,在所有那些使等式 [ 2.1 ] [2.1] [2.1]能够成立的多项式中,找到 e x e^x ex的次数 n n n最小的那一组多项式。同时假定 p 0 ( x ) p_0(x) p0(x)的次数为 m m m,对 p 0 ( x ) p_0(x) p0(x)求m+1次导数,可知:
d m + 1 d x m + 1 p 0 ( x ) = 0 , [ 2.2 ] \frac{d^{m+1}} {dx^{m+1}}p_0(x)=0,\qquad[2.2] dxm+1dm+1p0(x)=0,[2.2]
同时,对于 k = n , n − 1 , n − 2 , . . . , 1 , k=n, n-1, n-2,...,1, k=n,n1,n2,...,1, 有:
d d x p k ( x ) e k x = p k ′ ( x ) e k x + k p k ( x ) e k x = ( p k ′ ( x ) + k p k ( x ) ) e k x , \frac{d}{dx}p_k(x)e^{kx} = p_k'(x)e^{kx}+kp_k(x)e^{kx} = (p_k'(x)+kp_k(x))e^{kx}, dxdpk(x)ekx=pk(x)ekx+kpk(x)ekx=(pk(x)+kpk(x))ekx, (求一次导数)

d 2 d x 2 p k ( x ) e k x = ( p k ′ ′ ( x ) + k p k ′ ( x ) ) e k x + ( k p k ′ ( x ) + k 2 p k ( x ) ) e k x = ( p k ′ ′ ( x ) + 2 p k ( x ) + k 2 p k ( x ) ) e k x , \frac{d^2}{dx^2}p_k(x)e^{kx} = ( p_k''(x)+kp_k'(x) )e^{kx}+(kp_k'(x)+k^2p_k(x))e^{kx} = (p_k''(x)+2p_k(x)+k^2p_k(x))e^{kx}, dx2d2pk(x)ekx=(pk′′(x)+kpk(x))ekx+(kpk(x)+k2pk(x))ekx=(pk′′(x)+2pk(x)+k2pk(x))ekx,
(求二次导数)

⋮ \vdots

d m + 1 d x m + 1 p k ( x ) e k x = q x ( x ) e k x \frac{d^{m+1}}{dx^{m+1}}p_k(x)e^{kx} = q_x(x)e^{kx} dxm+1dm+1pk(x)ekx=qx(x)ekx
(求m+1次导数)

这里 q x ( x ) q_x(x) qx(x) p k ( x ) p_k(x) pk(x)的常数倍及其从一次到m+1次各阶导数的常数倍之和,如果 p k ( x ) p_k(x) pk(x)不等于0,那么 q k ( x ) q_k(x) qk(x)也就不等于0:因为这个多项式是各项不同次数之和;
因此 q n ( x ) q_n(x) qn(x)不等于0,(事先已申明, p n ( x ) p_n(x) pn(x)不等于0),那么,对等式 [ 2.1 ] [2.1] [2.1]两边求m+1次导数,可以得到:

q n ( x ) e n x + q n − 1 e ( n − 1 ) x + . . . + q 1 ( x ) e x = 0 , [ 2.3 ] q_n(x)e^{nx}+q_{n-1}e^{(n-1)x}+...+q_1(x)e^x=0,\qquad[2.3] qn(x)enx+qn1e(n1)x+...+q1(x)ex=0,[2.3]

(注意到:因为 [ 2.2 ] [2.2] [2.2],这个等式消去了 q 0 ( x ) q_0(x) q0(x)项);
左右两边除以 e x e^x ex x x x在实数域, e x > 0 e^x>0 ex>0,所以两边可以除 e x e^x ex),可以得到:

q n ( x ) e ( n − 1 ) x + q n − 1 e ( n − 2 ) x + . . . + q 1 ( x ) = 0 , [ 2.4 ] q_n(x)e^{(n-1)x}+q_{n-1}e^{(n-2)x}+...+q_1(x)=0,\qquad[2.4] qn(x)e(n1)x+qn1e(n2)x+...+q1(x)=0,[2.4]

对于所有的x, q n ( x ) q_n(x) qn(x)不等于0,并且 n − 1 > = 0 , n-1>=0, n1>=0,(因为已经申明 n > = 1 n>=1 n>=1),如果 n = 1 n=1 n=1,那么 p 1 ( x ) p_1(x) p1(x)不等于0,(因为 p n ( x ) p_n(x) pn(x)不等于0),从而 q 1 ( x ) q_1(x) q1(x)不等于0,而由等式 [ 2.4 ] [2.4] [2.4],我们可以得到, q 1 ( x ) = 0 , q_1(x)=0, q1(x)=0,这就导致了矛盾,所以,我们可以推断: n > 1 n>1 n>1;
由等式 [ 2.4 ] [2.4] [2.4]我们可以知道:有另外一组多项式,使得 e x e^x ex的最高次数为 n − 1 n-1 n1时, e x e^x ex也符合代数函数的定义,这和最初的声明 n n n是最小次数相矛盾,因此, e x e^x ex不是代数函数,而是超越函数。

3. 小结:

这个证明是通过代数函数的定义,反证法和无限下降法证得的,在这里,无限下降法可能不那么为人所知,和数学归纳法类似,无限下降法假定当前命题成立,然后推导出另外一个类似的命题,这个命题里面,某个数值会减小,一般是某个自然数,比如幂次,或者图形的长度等,因为自然数不可能无限制的减小下去,或者,当前自然数已经是最小的自然数(比如当前证明中的 e x e^x ex的幂),从而导致矛盾,命题得到证伪。

这个证明是翻译了以下链接指向的网页:
Transcendency Of The Exponential Functions

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.rhkb.cn/news/497310.html

如若内容造成侵权/违法违规/事实不符,请联系长河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

园区网综合拓扑实验

一、实验要求 实验拓扑图如上图所示 1、按照图示的VLAN及IP地址需求,完成相关配置 2、要求SW1为VLAN 2/3的主根及主网关 SW2为vlan 20/30的主根及主网关 SW1和SW2互为备份 3、可以使用super vlan(本实验未使用) 4、上层…

为什么深度学习和神经网络要使用 GPU?

为什么深度学习和神经网络要使用 GPU? 本篇文章的目标是帮助初学者了解 CUDA 是什么,以及它如何与 PyTorch 配合使用,更重要的是,我们为何在神经网络编程中使用 GPU。 图形处理单元 (GPU) 要了解 CUDA,我们需要对图…

WebRTC Simulcast 大小流介绍与优化实践

Simulcast 是 WebRTC 中的一种标准化技术 ,简称大小流。通过 Simulcast,客户端可以同时发送同一视频的多个版本。每个版本都以不同的分辨率和帧率独立编码,带宽较多的拉流端可以接收较高质量的视频流,带宽有限的拉流端则可以接收较…

R基于贝叶斯加法回归树BART、MCMC的DLNM分布滞后非线性模型分析母婴PM2.5暴露与出生体重数据及GAM模型对比、关键窗口识别

全文链接:https://tecdat.cn/?p38667 摘要:在母婴暴露于空气污染对儿童健康影响的研究中,常需对孕期暴露情况与健康结果进行回归分析。分布滞后非线性模型(DLNM)是一种常用于估计暴露 - 时间 - 响应函数的统计方法&am…

【从零开始入门unity游戏开发之——C#篇35】C#自定义类实现Sort自定义排序

文章目录 一、List<T>自带的排序方法1、List<T>调用Sort()排序2、 能够使用 Sort() 方法进行排序的本质 二、自定义类的排序1、通过实现泛型IComparable<T> 接口&#xff08;1&#xff09;示例&#xff08;2&#xff09;直接调用 int 类型的 CompareTo 方法进…

【驱动开发】设备分类、设备号申请和注销,注册和移除字符设备,以及一个基本的内核驱动程序框架代码

一、Linux内核对设备的分类 Linux的文件种类 序号符号类型文件内容文件名原信息1-普通文件√√√2d目录文件√√√3p管道文件√√4s本地socket文件√√5l链接文件软链接有;硬链接相当于别名√√6c字符设备√√7b块设备√√设备类型 Linux内核按驱动程序实现模型框架的不同,…

【最新】沃德协会管理系统源码+uniapp前端+环境教程

一.系统介绍 一款基于FastAdminThinkPHPUniapp开发的商协会系统&#xff0c;新一代数字化商协会运营管理系统&#xff0c;以“智慧化会员体系、智敏化内容运营、智能化活动构建”三大板块为基点&#xff0c;实施功能全场景覆盖&#xff0c;一站式解决商协会需求壁垒&#xff0…

Linux-frp_0.61.1内网穿透的配置和使用

下载frp frp官网 https://gofrp.org/zh-cn/docs/setup/ frp安装包下载地址 https://github.com/fatedier/frp/releases?page1 下载之后在服务器上 解压 tar -zxvf frp_0.61.1_linux_amd64.tar.gztar&#xff1a;一个用于压缩和解压缩的工具。-z&#xff1a;表示使用 gzi…

apifox

请求头head 如果传json串的话&#xff0c;需要将Content-Type覆盖为application/json 请求体body 有一个场景&#xff1a;我先创建任务&#xff0c;返回值为任务id&#xff0c;接着我要去根据任务id 删除这个任务 如果创建任务api的返回值中&#xff0c;任务id是以数组/ 对象…

C#运动控制系统:雷赛控制卡实用完整例子 C#雷赛开发快速入门 C#雷赛运动控制系统实战例子 C#快速开发雷赛控制卡

雷赛控制技术 DMC系列运动控制卡是一款新型的 PCI/PCIe 总线运动控制卡。可以控制多个步进电机或数字式伺服电机&#xff1b;适合于多轴点位运动、插补运动、轨迹规划、手轮控制、编码器位置检测、IO 控制、位置比较、位置锁存等功能的应用。 DMC3000 系列卡的运动控制函数库功…

从家谱的层级结构 - 组合模式(Composite Pattern)

组合模式&#xff08;Composite Pattern&#xff09; 组合模式&#xff08;Composite Pattern&#xff09;组合模式概述组合模式涉及的角色talk is cheap&#xff0c; show you my code总结 组合模式&#xff08;Composite Pattern&#xff09; 组合模式&#xff08;Composite…

基于 DINOv2 模型实现图搜图相似度检索任务

一、DINOv2 模型简介及使用 DINOv2是由Meta AI开发的第二代自监督视觉变换器模型&#xff0c;采用 Vision Transformer (ViT) 架构 。其核心特点是在无需人工标签的情况下&#xff0c;通过自监督学习技术&#xff0c;从海量无标注图像中学习有意义的视觉特征表示&#xff0c;类…

STM32高级 以太网通讯案例1:网络搭建(register代码)

需求描述 驱动W5500芯片&#xff0c;设置好IP&#xff0c;测试网络是否连通。 思考&#xff1a; 驱动W5500芯片是通过spi协议&#xff0c;所以和spi相关的有四个引脚&#xff0c;MOSI&#xff08;主出从入&#xff09;MISO&#xff08;主入从出&#xff09;SCK&#xff08;时…

详解VHDL如何编写Testbench

1.概述 仿真测试平台文件(Testbench)是可以用来验证所设计的硬件模型正确性的 VHDL模型&#xff0c;它为所测试的元件提供了激励信号&#xff0c;可以以波形的方式显示仿真结果或把测试结果存储到文件中。这里所说的激励信号可以直接集成在测试平台文件中&#xff0c;也可以从…

【数据结构】单链表的使用

单链表的使用 1、基本概念2、链表的分类3、链表的基本操作a、单链表节点设计b、单链表初始化c、单链表增删节点**节点头插&#xff1a;****节点尾插&#xff1a;****新节点插入指定节点后&#xff1a;**节点删除&#xff1a; d、单链表修改节点e、单链表遍历&#xff0c;并打印…

浅谈某平台多场景下反爬虫与风控业务

文章目录 1. 写在前面2. 内容反爬3. 账号风控3. 接口验签 【&#x1f3e0;作者主页】&#xff1a;吴秋霖 【&#x1f4bc;作者介绍】&#xff1a;擅长爬虫与JS加密逆向分析&#xff01;Python领域优质创作者、CSDN博客专家、阿里云博客专家、华为云享专家。一路走来长期坚守并致…

如何在网页端使用 IDE 高效地阅读 GitHub 源码?

如何在网页端使用 IDE 高效地阅读 GitHub 源码&#xff1f; 前言什么是 GitHub1s&#xff1f;使用 GitHub1s 阅读 browser-use 项目源码步骤 1: 打开 GitHub 项目页面步骤 2: 修改 URL 使用 GitHub1s步骤 3: 浏览文件结构步骤 4: 使用代码高亮和智能补全功能步骤 5: 快速跳转和…

Web Bluetooth API 开发记录

搞了一天的蓝牙串口协议被几个软件和AI带沟里面去了。 1.00001101-0000-1000-8000-00805f9b34fb 是spp协议。但是我用的称是使用的49535343-fe7d-4ae5-8fa9-9fafd205e455蓝牙低功耗spp协议 2.推荐一款软件Android-nRF-Connect github地址&#xff1a;https://github.com/Nor…

使用VS Code开发ThinkPHP项目

【图书介绍】《ThinkPHP 8高效构建Web应用》-CSDN博客 《ThinkPHP 8高效构建Web应用 夏磊 编程与应用开发丛书 清华大学出版社》【摘要 书评 试读】- 京东图书 ThinkPHP 8开发环境安装-CSDN博客 安装ThinkPHP项目的IDE 常用的集成开发环境&#xff08;IDE&#xff09;包括P…

开源轻量级文件分享服务Go File本地Docker部署与远程访问

???欢迎来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里可以感受到一份轻松愉快的氛围&#xff0c;不仅可以获得有趣的内容和知识&#xff0c;也可以畅所欲言、分享您的想法和见解。 推荐:kwan 的首页,持续学习,不断总结,共同进步,活到老学到老…