本篇内容为泰勒公式和麦克劳林公式,主要用于近似计算,还是先搞个引入吧。
引子
f(x)在x=x0的邻域内n+1阶可导(包含x=x0)。现在用一个n次多项式Pn(x)近似的表示f(x)
Pn(x)=a0+a1(x-x0)+a2(x-x0)2+…+an(x-x0)n
Pn(x)的项数越多次数越高则值越精确,与f(x)越接近,可以理解成Pn(x)每多一项就做一次修正。
那么Pn(x)应该满足什么样的条件呢?
Pn(x0)=f(x0) 既然近似,二者在x=x0这一点的函数值应该相等,不然误差太大了
Pn’(x0)=f’(x0)
Pn’’(x0)=f’’(x0)
……
Pn(n)(x0)=f(n)(x0)
同理,Pn(x)和f(x)在x=x0处的一阶导数和高阶导数应该相等,表示二者离散的速度非常慢,从图像上看,二者应该几乎重合。
下面开始处理这个多项式
代入x=x0,Pn(x0)=a0=f(0)
- 通过求导确定系数
所以Pn(x)就应该是这个样子的
处理近似
很明显可以知道Pn(x)和f(x)之间是有误差的对吧,Pn(x)是个多项式,说的在明白一点,就算经过多次修正,用一个不是f(x)的东西去表示f(x)一定会存在误差的。这个误差成为余项,定义为Rn(x)
f(x)可以表示为多项式和余项(误差)之和即f(x)=Pn(x)+Rn(x)
Rn(x)则可以表示为Rn(x)=f(x)-Pn(x)
正文开始 😆
泰勒(Taylor)公式
定理1
若f(x)在x=x0邻域内n+1阶可导
则f(x)可以表示为f(x)=Pn(x)+Rn(x),其中Pn(x)表示如下
Rn(x)表示如下
证明
先梳理一下已知条件
上述条件必然是成立的,因为就是用这些限制条件找到的Pn(x)
开始证明(作者写完的时候看着也头皮发麻,没事 慢慢看)
定理2
若f(x)在x=x0邻域内n阶可导
则f(x)可以表示为f(x)=Pn(x)+Rn(x),其中Pn(x)表示如下
Rn(x)是(x-x0)n的高阶无穷小
证明
还是先梳理已知条件
Pn(x)长成这个鬼样子,一定满足以下条件
根据无穷小的比较层次,Rn(x)是(x-x0)n的高阶无穷小,即
Lagrange型余项和Peano型余项
5句话
- Lagrange型余项是这个样子的
- Peano型余项是这个样子的
- Lagrange型余项和Peano型余项都是Taylor公式的余项
- 邻域内n+1阶可导使用Lagrange型余项;邻域内n阶可导使用Peano型余项
- emmmm算了就4句吧
麦克劳林(Maclaurin)公式
这一块内容很好理解
啥是Maclaurin公式?
f(x)=Pn(x)+Rn(x)
多次重复,加强记忆
当x0=0时,Taylor公式就变成Maclaurin公式了,那么Maclaurin公式中的多项式Pn(x)就应该是这个样子的
余项的使用条件还是一样的
常用的麦克劳林公式
例题
例1
例2
例3
例4
好了 本篇内容宣告完结,是不是感觉终于完了?鉴于本篇内容较多,作者在写的时候已经尽量精简了,本篇没有总结部分,如果理解有困难,就多看几遍吧。