加权积分中值定理(Weighted Integral Mean Value Theorem)
当函数在区间内某些区域更为重要时,需引入非负权函数 $g(x)$ 体现“重要性差异”。其推广形式为:
几何意义:曲边梯形的“加权面积”等价于以 $f(xi)$ 为高、$int_a^b g(x),dx$ 为底的矩形面积。
示例:设 $f(x) = x^2$,$g(x) = e^{-x}$ 在 $[0,1]$ 上,计算加权平均值点 $xi$。
应用:信号处理中对高频分量赋予更高权重的滤波器设计;经济学中对近期数据赋予更高权重的移动平均模型。
积分上限函数形式(Variable Upper Limit)
将积分上限设为变量 $x$,定义新函数 $F(x) = int_a^x f(t),dt$,则原定理可转化为:
物理意义:位移对时间的平均变化率等于某一瞬时速度(拉格朗日中值定理的积分形式)。
示例:质点速度 $v(t) = sin t + cos t$,求 $[0, pi/2]$ 内的平均速度对应时刻 $xi$。
多维空间推广(Higher-Dimensional Mean Value Theorem)
在 $mathbb{R}^n$ 空间中,设 $f$ 在有界闭区域 $Omega$ 上连续,则存在 $xi in Omega$,使得:
几何解释:三维曲顶柱体的体积等于以 $f(xi)$ 为高、底面积为 $text{Vol}(Omega)$ 的圆柱体体积。
示例:求函数 $f(x,y) = x^2 + y^2$ 在单位圆 $x^2 + y^2 leq 1$ 上的平均值。
应用:热力学中物体内部温度平均值计算;流体力学中速度场的空间平均;机器学习中损失函数在参数空间的平均行为。
概率测度形式(Probabilistic Mean Value Theorem)
在概率论中,若随机变量 $X$ 的概率密度函数为 $p(x)$,$f$ 为可测函数,则期望值可表示为:
意义:期望值是函数在支撑集上的某个点的取值,体现“平均表现”。
示例:设 $X sim U(0,2)$,求 $f(x) = e^x$ 的期望对应点 $xi$。
延伸:该形式是“琴生不等式”的直观基础——若 $f$ 凸,则 $mathbb{E}[f(X)] geq f(mathbb{E}[X])$。