泰勒级数详解

2023-12-22 20:18
文章标签 详解 级数 泰勒

本文主要是介绍泰勒级数详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

      • 1.多项式的函数图像特点
      • 2.用多项式对 exexe^ x 进行逼近
      • 3.用多项式对 sin(x) 进行逼近
      • 4.泰勒公式与拉格朗日中值定理的关系
      • 5.泰勒公式是怎么推导的?
      • 6.泰勒公式的用处

泰勒公式一句话描述:就是用多项式函数去逼近光滑函数。
先来感受一下:
这里写图片描述
定理:
设 n 是一个正整数。如果定义在一个包含 a 的区间上的函数 f 在 a 点处 n+1 次可导,那么对于这个区间上的任意 x,都有

f(x)=f(a)+f1!(xa)+f(2)(a)2!(xa)2+...+fn(a)n!(xa)n+Rn(x) f ( x ) = f ( a ) + f ′ 1 ! ( x − a ) + f ( 2 ) ( a ) 2 ! ( x − a ) 2 + . . . + f n ( a ) n ! ( x − a ) n + R n ( x )

其中的多项式称为函数在a 处的泰勒展开式,剩余的 Rn(x) R n ( x ) 是泰勒公式的余项,是 (xa)n ( x − a ) n 的高阶无穷小。
泰勒公式的定义看起来气势磅礴,高端大气。如果 a=0 的话,就是麦克劳伦公式,即 f(x)=Nn=0fn(0)n!xn+Rn(x) f ( x ) = ∑ n = 0 N f n ( 0 ) n ! x n + R n ( x ) ,这个看起来简单一点,我们下面只讨论麦克劳伦公式,可以认为和泰勒公式等价。

1.多项式的函数图像特点

f(x)=Nn=0fn(0)n!xn f ( x ) = ∑ n = 0 N f n ( 0 ) n ! x n 展开来就是 f(0)+f(0)x+f′′(0)2!x2+...+fn(0)n!xn,f(0),f′′(0)2! f ( 0 ) + f ′ ( 0 ) x + f ″ ( 0 ) 2 ! x 2 + . . . + f n ( 0 ) n ! x n , f ( 0 ) , f ″ ( 0 ) 2 ! ,这些都是常数,我们暂时不管,先看看其中最基础的组成部分,幂函数有什么特点。
这里写图片描述
这里写图片描述
可以看到,幂函数其实只有两种形态,一种是关于 Y 轴对称,一种是关于原点对称,并且指数越大,增长速度越大。
那幂函数组成的多项式函数有什么特点呢?
这里写图片描述
怎么才能让 x^2 和 x^9 的图像特性能结合起来呢?
这里写图片描述
我们来动手试试看看系数之间如何压制的:
这里写图片描述

2.用多项式对 ex e x 进行逼近

ex e x 是麦克劳伦展开形式上最简单的函数,有 e 就是这么任性。
ex=1+x+12!x2+...+1n!xn+Rn(x) e x = 1 + x + 1 2 ! x 2 + . . . + 1 n ! x n + R n ( x )
这里写图片描述
增加一个 14!x4 1 4 ! x 4 看看
这里写图片描述
可以看出, 1n!xn 1 n ! x n 不断的弯曲着那根多项式形成的铁丝去逼近 ex e x 。并且 n 越大,起作用的区域距离0越远。

3.用多项式对 sin(x) 进行逼近

sin(x) 是周期函数,有非常多的弯曲,难以想象可以用多项式进行逼近。
sin(x)=x13!x3++(1)n(2n+1)!x(2n+1)+Rn(x) s i n ( x ) = x − 1 3 ! x 3 + ⋯ + ( − 1 ) n ( 2 n + 1 ) ! x ( 2 n + 1 ) + R n ( x )
这里写图片描述
同样的,我们再增加一个 17!x7 1 7 ! x 7 试试。
这里写图片描述
可以看到 17!x7 1 7 ! x 7 在适当的位置,改变了 x13!x3+15!x5 x − 1 3 ! x 3 + 1 5 ! x 5 的弯曲方向,最终让 x13!x3+15!x517!x7 x − 1 3 ! x 3 + 1 5 ! x 5 − 1 7 ! x 7 更好的逼近了 sin(x) s i n ( x )

4.泰勒公式与拉格朗日中值定理的关系

拉格朗日中值定理:如果函数 f(x) 满足,在 [a,b] 上连续,在 (a,b) 上可导,那么至少有一点 θ(a<θ<b) θ ( a < θ < b ) 使等式 f(θ)=f(a)f(b)ab f ′ ( θ ) = f ( a ) − f ( b ) a − b 成立。—-维基百科
数学定义的文字描述总是非常严格、拗口,我们来看下拉格朗日中值定理的几何意义:
这里写图片描述
这个和泰勒公式有什么关系?泰勒公式有个余项 Rn(x) R n ( x ) 我们一直没有提。
余项即使用泰勒公式估算的误差,即 f(x)n=0Nf(n)(a)n!(xa)n=Rn(x) f ( x ) − ∑ n = 0 N f ( n ) ( a ) n ! ( x − a ) n = R n ( x )
余项的代数式是, Rn(x)=f(n+1)(θ)(n+1)!(xa)(n+1) R n ( x ) = f ( n + 1 ) ( θ ) ( n + 1 ) ! ( x − a ) ( n + 1 ) ,其中 a<θ<x a < θ < x 。是不是看着有点像了?
当 N=0 的时候,根据泰勒公式有, f(x)=f(a)+f(θ)(xa) f ( x ) = f ( a ) + f ′ ( θ ) ( x − a ) ,把拉格朗日中值定理中的 b 换成 x ,那么拉格朗日中值定理根本就是 N=0 时的泰勒公式。
结合拉格朗日中值定理,我们来看看 N=0 的时候,泰勒公式的几何意义:
这里写图片描述
当 N=0 的时候,泰勒公式几何意义很好理解,那么 N=1,2, N = 1 , 2 , ⋯ 呢?
这个问题我是这么理解的:首先让我们去想象高阶导数的几何意义,一阶是斜率,二阶是曲率,三阶四阶已经没有明显的几何意义了,或许,高阶导数的几何意义不是在三维空间里面呈现的,穿过更高维的时空才能俯视它的含义。现在的我们只是通过代数证明,发现了高维投射到我们平面上的秘密。
还可以这么来思考泰勒公式,泰勒公式让我们可以通过一个点来窥视整个函数的发展,为什么呢?
因为点的发展趋势蕴含在导数之中,而导数的发展趋势蕴含在二阶导数之中……四不四很有道理啊?

5.泰勒公式是怎么推导的?

很多同学看到这段时,可能有点看不懂,我在牛顿插值的几何解释是怎么样的? - 知乎,这个回答里尝试重新作答了。
根据“以直代曲、化整为零”的数学思想,产生了泰勒公式。
这里写图片描述
如上图,把曲线等分为 n 份,分别为 a1a2an a 1 , a 2 , ⋯ , a n , a1=aa2=a+Δxan=a+(n1)Δx a 1 = a , a 2 = a + Δ x , ⋯ , a n = a + ( n − 1 ) Δ x 。我们可以推出( Δ2Δ3 Δ 2 , Δ 3 可以认为是二阶、三阶微分,其准确的数学用语是差分,和微分相比,一个是有限量,一个是极限量):
f(a2)=f(a+Δx)=f(a)+Δf(x) f ( a 2 ) = f ( a + Δ x ) = f ( a ) + Δ f ( x )
f(a3)=f(a+2Δx)=f(a+Δx)+Δf(a+Δx)=f(a)+2Δf(x)+Δ2f(x) f ( a 3 ) = f ( a + 2 Δ x ) = f ( a + Δ x ) + Δ f ( a + Δ x ) = f ( a ) + 2 Δ f ( x ) + Δ 2 f ( x )
f(a4)=f(a+3Δx)=f(a)+4Δf(x)+6Δ2f(x)+4Δ3f(x)+Δ4f(x) f ( a 4 ) = f ( a + 3 Δ x ) = f ( a ) + 4 Δ f ( x ) + 6 Δ 2 f ( x ) + 4 Δ 3 f ( x ) + Δ 4 f ( x )
也就是说,f(x)全部可以由 a 和 \Delta x 决定,这个就是泰勒公式提出的基本思想。据此的思想,加上极限 \Delta x \to 0 ,就可以推出泰勒公式。

6.泰勒公式的用处

多项式这种函数是我们可以亲近的函数,它们很开放、很坦白,心里想什么就说什么,比如 f(x)=23x f ( x ) = 2 − 3 x ,这个多项式会告诉我们想问的任何消息,甚至更多,譬如,我们问:“嘿,老兄,你在4那点的值是多少?”这时 f(x) 会毫不犹豫的回答:“你把4代进来,就会得到 23×4=10 2 − 3 × 4 = − 10 ,顺便告诉你,我最近长了奇怪的疹子,痒的要命,还好这两天症状减轻了…”。但是 ln(x) 阴暗、多疑,要是问它:“嗨,你在3的值是多少啊?”你得到的答案可能是:“你要干什么?为什么打听别人的私事?你以为凭着你那点加减乘除的三脚猫功夫就可以查出我的底细?况且我在3的值是多少,干你什么事!”—-《微积分之倚天宝剑》
泰勒公式最直接的一个应用就是用于计算,计算机一般都是把 sin(x) 进行泰勒展开进行计算的。
泰勒公式还可以把问题简化,比如计算, limx0sin(x)x lim x → 0 s i n ( x ) x ,代入 sin(x) 的泰勒展开有: limx0sin(x)x=limx0x+o(x3)x=1 lim x → 0 s i n ( x ) x = lim x → 0 x + o ( x 3 ) x = 1 ,其中其中 o(x3) o ( x 3 ) 是泰勒公式里面的余项,是高阶无穷小, limx0o(x3)=0 lim x → 0 o ( x 3 ) = 0
泰勒公式求高:
这里写图片描述
以上内容转自:
https://www.zhihu.com/question/21149770/answer/111173412

这篇关于泰勒级数详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/525323

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)

K8S(Kubernetes)开源的容器编排平台安装步骤详解

K8S(Kubernetes)是一个开源的容器编排平台,用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述: 安装步骤: 安装Docker:K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master:在集群中选择一台主机作为Master节点,安装K8S的控制平面组件,如AP

嵌入式Openharmony系统构建与启动详解

大家好,今天主要给大家分享一下,如何构建Openharmony子系统以及系统的启动过程分解。 第一:OpenHarmony系统构建      首先熟悉一下,构建系统是一种自动化处理工具的集合,通过将源代码文件进行一系列处理,最终生成和用户可以使用的目标文件。这里的目标文件包括静态链接库文件、动态链接库文件、可执行文件、脚本文件、配置文件等。      我们在编写hellowor

LabVIEW FIFO详解

在LabVIEW的FPGA开发中,FIFO(先入先出队列)是常用的数据传输机制。通过配置FIFO的属性,工程师可以在FPGA和主机之间,或不同FPGA VIs之间进行高效的数据传输。根据具体需求,FIFO有多种类型与实现方式,包括目标范围内FIFO(Target-Scoped)、DMA FIFO以及点对点流(Peer-to-Peer)。 FIFO类型 **目标范围FIFO(Target-Sc

019、JOptionPane类的常用静态方法详解

目录 JOptionPane类的常用静态方法详解 1. showInputDialog()方法 1.1基本用法 1.2带有默认值的输入框 1.3带有选项的输入对话框 1.4自定义图标的输入对话框 2. showConfirmDialog()方法 2.1基本用法 2.2自定义按钮和图标 2.3带有自定义组件的确认对话框 3. showMessageDialog()方法 3.1

脏页的标记方式详解

脏页的标记方式 一、引言 在数据库系统中,脏页是指那些被修改过但还未写入磁盘的数据页。为了有效地管理这些脏页并确保数据的一致性,数据库需要对脏页进行标记。了解脏页的标记方式对于理解数据库的内部工作机制和优化性能至关重要。 二、脏页产生的过程 当数据库中的数据被修改时,这些修改首先会在内存中的缓冲池(Buffer Pool)中进行。例如,执行一条 UPDATE 语句修改了某一行数据,对应的缓

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

web群集--nginx配置文件location匹配符的优先级顺序详解及验证

文章目录 前言优先级顺序优先级顺序(详解)1. 精确匹配(Exact Match)2. 正则表达式匹配(Regex Match)3. 前缀匹配(Prefix Match) 匹配规则的综合应用验证优先级 前言 location的作用 在 NGINX 中,location 指令用于定义如何处理特定的请求 URI。由于网站往往需要不同的处理方式来适应各种请求,NGINX 提供了多种匹