泰勒公式(二)

上一篇我们介绍了泰勒公式以及它的证明过程,今天我们来看看一些常用函数的泰勒公式。首先回顾一下:

6c02e9b99f9fb801dfbfcf4055c743af.png

1

对于零点处的泰勒公式,我们又称为麦克劳林公式

c0b3a32855ff3045e58bfd5703bc1787.png

通常情况下,我们只研究函数的麦克劳林公式,因为其他任何的取值都可以转化为在零点的情况:

5ab0d5a08eeb5a5d0a3442e584a6f22f.png

下面来看几个基本初等函数的泰勒公式。

  • 指数函数

d0254f621f54fd2a221377e8ad99b2ec.png

  • 三角函数

124093217eb134d5223d7162c563ec0b.png

8665abb930130d3ec65477e968066469.png

  • 幂函数

260ed4bfd327f4e5a3bdb5949828f285.png

利用上面的公式我们可以求一些复合函数的泰勒公式。举几个例子。

  • 例1

c7aed3325e3eec278eb2e9b9270d4cb9.png

  • 例2

5a4696051a2f053c375f74359d1972df.png

2

对于泰勒公式,我们有定理:

4c3a754bd646caca837384f0ba0eec03.png

证明非常简单,直接对f(x)的泰勒公式求导即可。这里不再给出。我们来看剩余基本初等函数的泰勒公式。

  • 对数函数

4bfa345e973ad9c01b0a6891d2c9e8fd.png

  • 反三角函数

993c7b39c30183562ce0ebfe3a6a907d.png

3

泰勒公式应用的范围很广,我们举例来说明!

1.近似计算

我们注意到余项,其实是一个很高阶的无穷小量,它代表用泰勒多项式近似原函数时的误差,这个误差在一定程度代表了近似的精度。利用泰勒公式我们可以计算某些近似值,比如自然底数e

32eeeae139ef70cff59e41d3df8015da.png

可见,这样估计的误差是很小的,当n取值越大,这个误差就越小。当n趋于无穷时,问题就转化为求数列极限。

泰勒公式计算近似值时并非是所有误差都很小的:

1d67fc67a5239cc14477027cc2afff5c.png

结果到小数点第二位就不精确了。因此,这样的近似结果误差率很大,我们需要另辟蹊径:

9d77f411f7abe98dd298c774614922ea.png

2.求极限

泰勒公式在求极限问题上有时候是非常好用的。

f65aa6e2521fd0c0c5b2888d3578e90b.png

a322cc9d329e0fbe129f140d4711ef9e.png

3.证明不等式

泰勒公式第三个作用是可以用来证明一些不等式。

8d6a65785acebabde3388947beb6cf17.png

4.求曲线渐进性

我们知道,曲线渐近线的充要条件是:

07f2b1f307dea7e9b0f7e1652837f60d.png

下面看一个例子。

2e4d25ef556c5542604af6d5008e7cb7.png

  • 5
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在MATLAB中,可以使用泰勒公式进行多项式拟合。泰勒公式是一种将一个函数在某一点附近展开成无穷多项的方法,用于近似表示原函数。通过选择合适的阶数,可以得到更精确的拟合结果。 要在MATLAB中使用泰勒公式进行拟合,可以利用函数polyfit。这个函数可以根据给定的数据点,拟合出满足最小二乘法准则的多项式,并返回多项式的系数。 具体步骤如下: 1. 准备数据。将需要进行拟合的数据点存储在向量x和y中。 2. 使用polyfit函数进行拟合。语法为:p = polyfit(x, y, n),其中x和y分别是数据点的横纵坐标,n是多项式的阶数。该函数将返回一个包含多项式的系数的向量p。 3. 使用polyval函数计算拟合曲线的值。语法为:y_fit = polyval(p, x),其中p是拟合得到的多项式的系数向量,x是需要计算拟合值的横坐标。该函数将返回一个包含拟合曲线的值的向量y_fit。 4. 可选:根据需要绘制原始数据点和拟合曲线。使用plot函数将原始数据点绘制成散点图,使用plot函数将拟合曲线绘制成连续的曲线。 下面是一个使用泰勒公式进行拟合的MATLAB代码示例: ```matlab x = [1, 2, 3, 4, 5]; y = [2, 4, 6, 8, 10]; n = 2; % 多项式的阶数 p = polyfit(x, y, n); % 拟合多项式的系数 x_fit = linspace(min(x), max(x), 100); % 生成用于计算拟合曲线的横坐标 y_fit = polyval(p, x_fit); % 计算拟合曲线的纵坐标 plot(x, y, 'o'); % 绘制原始数据点 hold on; plot(x_fit, y_fit); % 绘制拟合曲线 xlabel('x'); ylabel('y'); legend('原始数据', '拟合曲线'); ``` 这段代码将根据给定的数据点拟合出一个二次多项式,并绘制出原始数据点和拟合曲线。你可以根据自己的需求修改数据点和多项式的阶数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

整得咔咔响

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值