泰勒板题？

有关导数

是指函数的 切线（或者说函数图像相邻的两个点的直线）的斜率。表述为 $f^{\prime }(x)={\lim }_{x\to \infty }\frac{f(x+\Delta x)-f(x)}{\Delta x}$ 。

结论一：$\forall f(x)=x^n,f^{\prime }(x)=n{x}^{n-1}$ 。

结论二：$\forall f(x)=f_1(x)+f_2(x),f^{\prime }(x)=f_1^{\prime }(x)+f_2^{\prime }(x)$ 。

结论三：$\forall f(x)=c\times g(x),f^{\prime }(x)=c\times g^{\prime }(x)$ 。

有关泰勒展开

概述

泰勒展开，是用另一种方式来 部分表示 已知函数（对于大多数函数来说，可以在全体实数域上表示）。

其思想，是在 $x=x_0$ 处使得 $g(x)=f(x)$ 且其 增长率 相同。

如何使得增长率相同？——导数相同！完全相同是不可能的。——再次泰勒展开 模拟！

所以，用递归的定义，就应该 大概 是这个样子（实际上是有系数的）：

Function Taylor(f(x)){
	return f(x0)+(x-x0)*Taylor(f'(x0));
	/* x-x0 是为了让 x=x0 时，只存在前面的 f(x0) 一项 */
}

来看看百度百科上的定义：

若函数 $f(x)$ 在包含 $x_0$ 的某个闭区间 $[a,b]$ 上具有 $n$ 阶导数，且在开区间 $(a,b)$ 上具有 $(n+1)$ 阶导数，则对闭区间 $[a,b]$ 上任意一点 $x$ ，成立下式：$f(x)=\frac{f(x_0)}{0!}+\frac{f^{\prime }(x_0)}{1!}(x-x_0)+\frac{f^{\prime \prime }(x_0)}{2!}(x-x_0{)}^2+...+\frac{f^{(n)}(x_0)}{n!}(x-x_0{)}^n+R_n(x)$
其中，$f^{(n)}$ 表示 $f(x)$ 的 $n$ 阶导数，等号后的多项式称为函数 $f(x)$ 在 $x_0$ 处的泰勒展开式，剩余的 $R_n(x)$ 是泰勒公式的余项，是 $(x-x_0{)}^n$ 的高阶无穷小。

用我的话来说：

$$f(x)=f(x_0)+\sum _{k=1}^{+\infty }\frac{f^{(k)}(x_0)}{k!}(x-x_0{)}^k$$

$f^{(k)}$ 表示 $f$ 的 $k$ 次导数。没有导数还展开个屁。你试试狄利克雷函数？

尝试

试着计算泰勒展开式 $g(x)$ 中的每一阶导数：

解释：$x_0$ 为常数，故 $f(x_0)$ 为常数，在取导后消失；对于 $\frac{f^{(i)}(x_0)}{j!}(x-x_0{)}^j$ ，左边是常数。

$$g^{\prime }(x)=\frac{f^{\prime }(x_0)}{0!}+\frac{f^{\prime \prime }(x_0)}{1!}(x-x_0)+\frac{f^{\prime \prime \prime }(x_0)}{2!}(x-x_0{)}^2+...+\frac{f^{(n)}(x_0)}{(n-1)!}(x-x_0{)}^{n-1}$$

$$g^{\prime \prime }(x)=\frac{f^{\prime \prime }(x_0)}{0!}+\frac{f^{\prime \prime \prime }(x_0)}{1!}(x-x_0)+\frac{f^{\prime \prime \prime \prime }(x_0)}{2!}(x-x_0{)}^2+...+\frac{f^{(n)}(x_0)}{(n-2)!}(x-x_0{)}^{n-2}$$

$$\dots \dots$$

可以发现，$g(x)$ 的每一阶导数在 $x=x_0$ 处的取值都与 $f$ 相同！

这是在几何画板¹中进行的尝试。可以发现，这两个函数是一模一样的！

题目

题目描述
有一个数列$a$，满足$a_1=\sqrt{1.5}-1,a_{i+1}=\frac{1-4i\times a_i}{2i-1}(1\le i)$，求$a_n$。

输入格式
一行一个正整数$n(1\le n\le 10^6)$。

输出格式
一行一个浮点数 $a_n$ （保留至小数点后 $8$ 位）。

思路和代码

暴力递推

直接上代码——

#include <cstdio>
#include <cmath>
double ans[105]; int n;
int main(){
	scanf("%d",&n);
	ans[1] = sqrt(1.5)-1.0;
	for(int i=1; i<n; ++i)
		ans[i+1] = (1-4.0*i*ans[i])/(2.0*i-1);
	printf("%.8f\n",ans[n]);
	return 0;
}

让我们来试点数据。

测试一
输入10
输出0.01748215
还行。

测试二
输入100
输出1209114318209024.75000000
正确输出0.00167499

很明显，$\mathtt{W}\mathtt{r}\mathtt{o}\mathtt{n}\mathtt{g}\mathtt{A}\mathtt{n}\mathtt{s}\mathtt{w}\mathtt{e}\mathtt{r}$ 了。样例都过不了。

倒推法

考虑将公式等价变换，得到 $a_i=\frac{1-(2i-1)a_{i+1}}{4i}$ 。

据大佬Freopen说，这个 $a_{i+1}$ 的系数 $\frac{2i-1}{4i}$ 是“收敛的”（蒟蒻作者也没有搞懂是什么意思），于是他假设 $a_{1000000}=0$ ，倒推回来得 $a_1=\sqrt{1.5}-1$ ，恰好。然后他 $\mathtt{A}\mathtt{c}\mathtt{c}\mathtt{e}\mathtt{p}\mathtt{t}\mathtt{a}\mathtt{b}\mathtt{l}\mathtt{e}$ 了……

于是倒推的精度更高（忽略大佬 我的理解是，$\frac{2i-1}{4i}\approx 0.5$，如果 $a_n$ 偏差了 $1$ ，那么在计算 $n$ 次后就只偏差了大约 $0.5^n$ ，在 $n\to \infty$ 时可以忽略不计），没有精度问题。

#include <cstdio>
#include <cmath>
double ans[1000005]; int n;
int main(){
	ans[1000000] = 0;
	for(int i=999999; i>=1; --i)
		ans[i] = (1-(2*i-1)*ans[i+1])/(4*i);
	scanf("%d",&n);
	printf("%.8f\n",ans[n]);
	return 0;
}

泰勒展开

终于进入正解了！Freopen大佬秀我一脸。

设 $f(x)=\sqrt{x}-1$ ，有 $f^{\prime }(x)=\frac{1}{2}{x}^{-\frac{1}{2}},f^{\prime \prime }(x)=-\frac{1}{4}{x}^{-\frac{3}{2}},\dots$（由导数结论一可得）。

将其在 $x_0=1$ 处（为什么？因为这是 无穷项 的泰勒展开式，若 $x_0\ne 1$ ，则涉及到的 $x_0$ 的幂将难以计算）泰勒展开，得到了最最最最关键的东西：

$$f(x)=\frac{f(1)}{0!}+\frac{f^{\prime }(1)}{1!}(x-1)+\frac{f^{\prime \prime }(1)}{2!}(x-1{)}^2+\cdots$$

现在展开很麻烦。我们用它来干嘛的来着？——求 $a_1$ 的有理表达式！很明显，$a_1=f(1.5)$ ，直接将 $x=1.5$ 代入泰勒展开式中，就可以得到：

$$a_1=\frac{1}{4\times 1}-\frac{1}{4\times 2}+\frac{1\times 3}{4\times 2\times 3}-\cdots$$

用递推公式硬推，得：

$$a_2=\frac{1}{4\times 2}-\frac{1\times 3}{4\times 2\times 3}+\frac{1\times 3\times 5}{4\times 2\times 3\times 4}-\cdots$$

$$a_3=\frac{1}{4\times 3}-\frac{1\times 5}{4\times 3\times 4}+\frac{1\times 5\times 7}{4\times 3\times 4\times 5}-\cdots$$

$$a_4=\frac{1}{4\times 4}-\frac{1\times 7}{4\times 4\times 5}+\frac{1\times 7\times 9}{4\times 4\times 5\times 6}-\cdots$$

发现规律了吗？

$$a_n=\frac{1}{4n}-\frac{(2n-1)}{4n(n+1)}+\frac{(2n-1)(2n+1)}{4n(n+1)(n+2)}-\cdots$$

虽然确实有无穷项，但是这个值收敛的很快。经试验，只需要约 $1000$ 次，就可以达到 $10^{-8}$ 的精度。当然不是我试验的，是标程这么打的。

#include<cstdio>
int main(){
    int n; scanf("%d",&n);
    double b = 0, t = 1/(n*4.0);
    for(int j=1; j<=1000; ++j)
        b += t, t = -(2*n+2*j-3)*t/4.0/(n+j);
    printf("%.8f\n",(double)b);
    return 0;
}

---

1. 数学软件，见官网 ↩︎