引入-极限的定义
设f(x)，当x->x0时，f(x)->A, limx->x0f(x)=A
理解：一个函数f(x)在他的自变量趋近一个值x0时，他的函数值也趋向一个固定的常数A的时候，那么我们说当x趋近于x0时f(x)的极限是A
引入-导数的定义
设f(x), x0→x0+▲x, f(x0)→f(x0+▲x)，▲y=f(x0+▲x) - f(x0)，lim▲x→0 ▲ y ▲ x \frac{▲y}{▲x} ▲x▲y=f’(x0)
理解：一个函数f(x)当他的自变量从x0取得一个增量▲x时，即自变量从x0变到x0+▲x时，他的函数值从f(x0)变到f(x0+▲x)，两个函数值相减就是对应的函数变化值▲y，如果当▲x→0时 ▲ y ▲ x \frac{▲y}{▲x} ▲x▲y的极限如果存在的话，我们就说f(x)在点x0处可导，把这个极限记作f’(x0)，f’(x0)就是f(x)在点x0处的导数，而导数的几何意义f’(x0)即函数f(x0)即函数f(x)的图像在点x0处切线的斜率
tips：n阶导数就是求n次导，几撇为几阶导数如f’'(x)为二阶导数，四阶及以上用括号包裹阶次，如f(4)(x)是代表四阶导数
引入-泰勒
对于一些比较复杂的函数，为了便于研究，往往希望能用一些简单的函数来近似的表达，我们常用多项式来近似表示函数
例如：（x→0）ex
≈
\approx
≈ 1+x,ln(1+x)
≈
\approx
≈ x,(1+x)a
≈
\approx
≈ 1+ax,
tan
\tan
tan x
≈
\approx
≈ x,
sin
\sin
sin x
≈
\approx
≈ x
但是这种近似表达式的精确度不高，它所产生的误差仅是关于x的高阶无穷小。为了提高精确度，自然想到用更高次的多项式来逼近于是，提出如下问题：
设f(x)在x,处具有n阶导数，试找出一个关于（x-x0）的n次多项式来近似地表达 f(x)
pn(x) = a0 + a1(x-x0) + a2(x-x0)2 +……+ a(x-x0)n
来近似表达f(x),要求使得 pn(x) 与 f(x) 之差是当 x→x0时比 (x-x0)n 高阶的无穷小。
- 加粗部分解释：当x→x0时，f(x)-pn(x)=o[(x-x0)n]
-
- 解释部分加粗解释：o[f(x)]是一个无穷小量符号，o[(x-x0)]是指(x-x0)n的高阶无穷小，该式称为佩亚诺余项
因为 f(x)-pn(x)=o[(x-x0)n]，所以可以改写为 f(x) = o[(x-x0)n ] + pn(x)
即 f(x)=a0 + a1(x-x0) + a2(x-x0)2 + ……+ an(x-x0)n + o[(x-x0)n]
为什么原本的近似会变成相等？
原本的近似是因为存在误差，而高阶无穷小就是这样的一个误差（余项），近似值加上这个误差（精确值），等式两边自然相等
令 x = x0
得到a0 =f(x)等式两边分别求导，再令x = x0
得到1!a1 = f’(x)等式两边求导再求导，再令x = x0
得到2!a2 =f’'(x)以此类推
n!an = f(n)(x)
an = f ( n ) ( x 0 ) n ! \frac{f^{(n)}(x~0~)}{n!} n!f(n)(x 0 )
f(x)=f(x0) + f’(x0)(x-x0) +
f
′
′
(
x
0
)
2
!
\frac{f''(x~0~)}{2!}
2!f′′(x 0 ) (x-x0)2 + ……+
f
(
n
)
(
x
0
)
n
!
\frac{f^{(n)}(x~0~)}{n!}
n!f(n)(x 0 )(x-x0)n + o[(x-x0)n]
我们可以得到
泰勒中值定理1（含佩亚诺余项的泰勒展开）：
前提条件：如果函数f(x)在x0处具有n阶导数，那么存在x0的一个领域，对于该临域内的任一x，有
f(x)=f(x0) + f’(x0)(x-x0) +
f
′
′
(
x
0
)
2
!
\frac{f''(x~0~)}{2!}
2!f′′(x 0 ) (x-x0)2 + ……+
f
(
n
)
(
x
0
)
n
!
\frac{f^{(n)}(x~0~)}{n!}
n!f(n)(x 0 )(x-x0)n + Rn(x)
其中Rn = o[(x-x0)n]即佩亚诺余项
泰勒中值定理1（含拉格朗日余项的泰勒展开）：
前提条件：如果函数f(x)在x0的某个临域U（x0）内具有（n+1）阶导数，那么对于该临域内的任一x（任一x
∈
\in
∈ (x0)），有
f(x)=f(x0) + f’(x0)(x-x0) +
f
′
′
(
x
0
)
2
!
\frac{f''(x{0})}{2!}
2!f′′(x0) (x-x0)2 + ……+
f
(
n
)
(
x
0
)
n
!
\frac{f^{(n)}(x~0~)}{n!}
n!f(n)(x 0 )(x-x0)n + Rn(x)
其中Rn =
f
(
n
+
1
)
(
ξ
)
(
n
+
1
)
!
\frac{f^{(n +1)}( \xi)}{(n+1)!}
(n+1)!f(n+1)(ξ)(x-x0)n 即拉格朗日余项，
ξ
\xi
ξ是x 与x0之间的某个值
泰勒到麦克劳林
比较
泰勒公式：f(x)=f(x0) + f’(x0)(x-x0) + f ′ ′ ( x 0 ) 2 ! \frac{f''(x~0~)}{2!} 2!f′′(x 0 ) (x-x0)2 + ……+ f ( n ) ( x 0 ) n ! \frac{f^( n ^)(x~0~)}{n!} n!f(n)(x 0 )(x-x0)n + f ( n + 1 ) ( ξ ) ( n + 1 ) ! \frac{f^( n +1^)( \xi)}{(n+1)!} (n+1)!f(n+1)(ξ)(x-x0)n , ξ ∈ \xi \in ξ∈(x,x0)
麦克劳林公式：f(x)=f(0) + f’(0)(x) + f ′ ′ ( 0 ) 2 ! \frac{f''(0)}{2!} 2!f′′(0) (x)2 + ……+ f ( n ) ( 0 ) n ! \frac{f^{(n)}(0)}{n!} n!f(n)(0)(x)n + f ( n + 1 ) ( θ x ) ( n + 1 ) ! \frac{f^{(n +1)}( \theta x)}{(n+1)!} (n+1)!f(n+1)(θx)(x-x0)n, θ ∈ \theta\in θ∈(0,1)
比较结果：将x0换成了0，将 ξ 换成了 θ x \xi 换成了 \theta x ξ换成了θx
例
1.f(x)=ex
f(0)=f’(0)=f"(0)=…f(n)(0)=e0=1
f(n+1)(
θ
\theta
θ x )=eθx
根据麦克劳林公式得：
f(x)=f(0)+f’(0)x+
f
′
′
(
0
)
2
!
\frac {f''(0)}{2!}
2!f′′(0)x2+…
f
n
(
x
)
n
!
x
n
\frac{f^n(x)}{n!}x^n
n!fn(x)xn+
f
n
+
1
(
θ
x
)
(
n
+
1
)
!
\frac{f^{n+1}(\theta x)}{(n+1)!}
(n+1)!fn+1(θx)x(n+1)
ex=e0+e0x+
e
0
2
!
\frac {e^0}{2!}
2!e0x2+……+
e
0
n
!
\frac {e^0}{n!}
n!e0xn+
e
θ
x
(
n
+
1
)
!
\frac{e^{\theta x}}{(n+1)!}
(n+1)!eθxx(n+1)
=1+x+
x
2
2
\frac{x^2}{2}
2x2+……+
x
n
n
!
\frac{x^n}{n!}
n!xn+
x
(
n
+
1
)
e
θ
x
(
n
+
1
)
!
\frac{x^{(n+1)e^{\theta x}}}{(n+1)!}
(n+1)!x(n+1)eθx
≈
\approx
≈ 1+x
扫一扫
8023
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
