zoukankan      html  css  js  c++  java
  • 一元泰勒公式

    泰勒公式是高等数学中的一个非常重要的内容,它将一些复杂的函数逼近近似地表示为简单的多项式函数,泰勒公式这种化繁为简的功能,

    使得它成为分析和研究许多数学问题的有力工具。

    定义:函数 $f(x)$ 在含 $x_{0}$ 的某个开区间 $(a,b)$ 内具有直到 $n + 1$ 阶导数,则对任意的 $x in (a,b)$ 有

    $$f(x) = frac{f(x_{0})}{0!} + frac{f^{'}(x_{0})}{1!}(x-x_{0}) + frac{f^{''}(x_{0})}{2!}(x-x_{0})^{2}+...+frac{f^{(n)}(x_{0})}{n!}(x-x_{0})^{n} + R_{n}(x)$$

    观察式子可知,泰勒公式是以某个 $n+1$ 阶可导点 $x_{0}$ 的各阶导数为系数,$x-x_{0}$ 为幂次项所构成的一个多项式

    也可以写成其它形式,如

    $$f(x_{0} + h) = frac{f(x_{0})}{0!} + frac{f^{'}(x_{0})}{1!}h + frac{f^{''}(x_{0})}{2!}h^{2}+...+frac{f^{(n)}(x_{0})}{n!}h^{n} + R_{n}(x)$$

    这里的 $R_{n}(x)$ 即为误差,因为使用多项式函数在某可导的点展开,逼近给定函数,最后肯定会有一点误差,我们称之为余项。

    余项有几种不同的形式:

        1)拉格朗日余项:这个余项的需要 $n+1$ 阶导数,其形式为

    $$R_{n}(x) = frac{f^{(n+1)}(xi)}{(n+1)!}(x-x_{0})^{n+1}$$

           其中 $xi$ 介于 $x$ 和 $x_{0}$ 之间。

        2)佩亚诺余项:其形式为

    $$R_{n}(x) = o((x-x_{0})^{n})$$

    那这个公式怎么来的呢?下面是一种思路。

    我们知道导函数的公式是这样子的:

    $$f^{'}(x_{0}) = lim_{x ightarrow x_{0}}frac{f(x) - f(x_{0})}{x-x_{0}}$$

    去掉极限符号,引入误差得 $alpha (x)$$lim_{x ightarrow x_{0}} alpha (x) = 0$

    $$frac{f(x) - f(x_{0})}{x-x_{0}} = f^{'}(x_{0}) + alpha (x) \
    herefore ; f(x) - f(x_{0}) = f^{'}(x_{0})(x-x_{0}) + alpha (x) cdot (x-x_{0}) \
    herefore ; f(x) = f(x_{0}) + f^{'}(x_{0})(x-x_{0}) + alpha (x) cdot (x-x_{0})$$

    $$lim_{x ightarrow x_{0}} frac{alpha (x)(x-x_{0})}{x-x_{0}} = 0$$

    所以记

    $$o(x-x_{0}) = alpha (x) cdot (x-x_{0}) \
    herefore ; f(x) = f(x_{0}) + f^{'}(x_{0})(x-x_{0}) + o(x-x_{0})$$

    很明显,上面这个式子就是一阶泰勒公式。

    那么如何得到二阶的呢?

    先比较一下二阶泰勒和一阶泰勒形式上的差别。它们前两项都是一样的,只不过二阶的又多出了一项。高阶无穷小的记号实际上是一个「收纳筐」,

    它里面装着很多隐藏着的东西。如此,我们猜测,二阶泰勒多出来的这一项,一定是从一阶泰勒那个高阶无穷小中「分析」出来的。

    对余项进行分析,像把它变成一个 $x-x_{0}$ 的平方项和一个误差项的和,很明显想到做极限,即

    $$lim_{x ightarrow x_{0}}frac{o(x-x_{0})}{(x-x_{0})^{2}} = lim_{x ightarrow x_{0}} frac{f(x) - f(x_{0}) - f^{'}(x_{0})(x-x_{0})}{(x-x_{0})^{2}} = lim_{x ightarrow x_{0}} frac{f^{'}(x) - f^{'}(x_{0})}{2(x-x_{0})} = frac{1}{2}f^{''}(x)$$

    去掉极限符号,引入误差 $alpha_{1} (x)$,$lim_{x ightarrow x_{0}} alpha_{1} (x) = 0$

    $$frac{o(x-x_{0})}{(x-x_{0})^{2}} = frac{1}{2}f^{''}(x) + alpha_{1} (x) \
    herefore ; o(x-x_{0}) = frac{1}{2}f^{''}(x)(x-x_{0})^{2} + alpha_{1} (x)(x-x_{0})^{2}$$

    代入一阶泰勒公式中,有:

    $$f(x) = f(x_{0}) + f^{'}(x_{0})(x-x_{0}) + frac{1}{2}f^{''}(x)(x-x_{0})^{2} + alpha_{1} (x)(x-x_{0})^{2} \
    = f(x_{0}) + f^{'}(x_{0})(x-x_{0}) + frac{1}{2}f^{''}(x)(x-x_{0})^{2} + o((x-x_{0})^{2})$$

    这就是二阶泰勒公式!其余更高阶项可如法炮制。

  • 相关阅读:
    创业团队的狼性管理:慈不掌兵 义不聚财
    爱德华·斯诺登
    塞班岛
    大兴雷克萨斯深度剖析2013款LS460L_深圳大兴雷克萨斯_太平洋汽车网
    金字塔底端_百度百科
    左立_百度百科
    志大才疏_百度百科
    JS~json日期格式化
    MVVM架构~knockoutjs系列之从Knockout.Validation.js源码中学习它的用法
    JS~重写alter与confirm,让它们变成fancybox风格
  • 原文地址:https://www.cnblogs.com/yanghh/p/13377417.html
Copyright © 2011-2022 走看看