泰勒展开与牛顿迭代小结

泰勒展开

当年，泰勒看到了一个奇妙的函数，要计算某个点的值十分困难，于是他想到：能不能构造一个类似的函数，但是容易求出某个点的值呢？

于是，他就发明出了泰勒展开，即对于函数 $f(x)$，可以求出另一个用多项式表示函数 $g(x)$，使得 $g(x)$ 近似于 $f(x)$。

怎么构造呢？泰勒想到，要让这两个函数近似，那么得有一个点是重合的吧，不妨假设为 $x=0$ 时 $f(x)$ 与 $g(x)$ 重合，那么此时 $g(x)=f(0)$。

这样还不够，要让后面也尽可能重合，于是要让他们在 $0$ 点的一阶导数相同，即 $f^{\prime }(0)=g^{\prime }(0)$。

同样的，如果让二阶导数也相同，那么重合率会更高，一直重复下去，一直延伸到某个 $n$ 阶导也相同时，就能让 $g(x)$ 拥有我们想要的精度了。

由于 $g(x)$ 是个多项式的形式，即 $g(x)=a_0+a_{1}x+a_2{x}^2+a_3{x}^3+...$，所以 $g(x)$ 的 $k$ 阶导等于 $a_{k}k!$，而它的 $k$ 阶导要和 $f(0)$ 的 $k$ 阶导相同，所以有 $a_{k}k!=f^k(0)$，即 $a_k=\frac{f^k(0)}{k!}$，带入 $g(x)$ 得到：
$$g(x)\approx \frac{f(0)}{0!}+\frac{f^1(0)}{1!}x+\frac{f^2(0)}{2!}{x}^2+\frac{f^3(0)}{3!}{x}^3+...+\frac{f^n(0)}{n!}$$

如果无限展开下去，即 $n$ 趋于 $\infty$ 时，就可以将 $\approx$ 换成 $=$ 了。

并且，我们不一定要在 $0$ 点展开，假设在 $x_0$ 处展开，那么就得到：
$$g(x)=\frac{f(x_0)}{0!}+\frac{f^1(x_0)}{1!}(x-x_0)+\frac{f^2(x_0)}{2!}(x-x_0{)}^2+\frac{f^3(x_0)}{3!}(x-x_0{)}^3+...$$

这就是泰勒公式了。

牛顿迭代

这个东西是用来求一个函数 $f(x)$ 的零点的，但是不一定求得出来，而且如果有多个零点的话，只能求出 $1$ 个，但是多做几次说不定就能全部求出来。

具体的思想是这样的：先随便找一个 $x$，求出点 $(x,f(x))$ 处的切线方程，由于在这个点附近，切线近似于函数 $f(x)$ 的图像，于是不妨直接考虑这条切线的根，然后以这个根作为下一次递归的 $x$，不断重复，就能不断逼近 $f(x)$ 的根了，就像这样：

也有求不出来的，就像 $f(x)=x^{\frac{1}{3}}$，无论从哪个位置出发，一定会不断远离零点：

对于当前位置 $x$，考虑求出下一个位置 $x^{\prime }$。由于点 $(x,f(x))$ 处的切线斜率为 $f^{\prime }(x)$，所以 $x^{\prime }=x-\frac{f(x)}{f^{\prime }(x)}$。

而对于函数 $f(x)=x^{\frac{1}{3}}$，由于 $f^{\prime }(x)=\frac{1}{3}{x}^{-\frac{2}{3}}$，所以 $x^{\prime }=x-\frac{x^{\frac{1}{3}}}{\frac{1}{3}{x}^{-\frac{2}{3}}}=x-3x^{\frac{1}{3}-(-\frac{2}{3})}=x-3x=-2x$，所以会离零点 $x=0$ 越来越远。（参考上面的图也能发现这个结论）

多项式牛顿迭代

这个在多项式全家桶中用的很多，是用来求一个多项式的零点的。

假设此时要在模 $x^n$ 意义下求 $F(x)$ 的零点 $G(x)$，设 $G_0(x)$ 为 $F(x)$ 在模 $x^{\lceil \frac{n}{2}\rceil }$ 意义下的零点。

将 $F(x)$ 在 $G_0(x)$ 处进行泰勒展开，得到
$$F(G(x))\equiv F(G_0(x))+\frac{F^{\prime }(G_0(x))}{1!}(G(x)-G_0(x))+\frac{F^{\prime \prime }(G_0(x))}{2!}(G(x)-G_0(x){)}^2+...$$

由于 $F(G(x))\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$，所以 $F(G(x))\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil })$，而 $F(G_0(x))\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil })$，所以 $G(x)$ 的前 $\lceil \frac{n}{2}\rceil$ 项其实和 $G_0(x)$ 一样。

这样的话，$G(x)-G_0(x)$ 的最低次项就是 $x^{\lceil \frac{n}{2}\rceil }$，则 $(G(x)-G_0(x){)}^2$ 的最低次项就是 $x^{2\lceil \frac{n}{2}\rceil }$。

而上面的柿子是在模 $x^n$ 意义下进行的，也就是说，$(G(x)-G_0(x){)}^2$ 会被模掉，次数更高的也是，这样的话就得到了：
$$F(G(x))\equiv F(G_0(x))+F^{\prime }(G_0(x))(G(x)-G_0(x))$$

由于 $F(G(x))\equiv 0$，所以有：
$$\begin{array}{rl}F(G_0(x))+F^{\prime }(G_0(x))(G(x)-G_0(x))& \equiv 0\\ F^{\prime }(G_0(x))(G(x)-G_0(x))& \equiv -F(G_0(x))\\ G(x)& \equiv G_0(x)-\frac{F(G_0(x))}{F^{\prime }(G_0(x))}\end{array}$$

发现和上面牛顿迭代的柿子是差不多的qwq。

有了这个柿子就可以倍增求零点了。