查看: 1016|回复: 0

泰勒公式,泰勒级数和麦克劳林公式

[复制链接]

31

主题

36

帖子

116

积分

注册会员

Rank: 2

积分
116
QQ
发表于 2017-2-24 13:14:08 | 显示全部楼层 |阅读模式 | 百度 
Kaito Kid的评分为95--时间:2564-10-01 20:27:02.howking2011的评分为93--时间:2687-12-24 08:07:32,孤月饮伴的评分为64--时间:2464-11-19 15:58:32,28150146的评分为57--时间:2328-06-13 17:11:12。夏景熙680的评分为18--时间:2567-12-05 09:17:12,小辣椒JM的评分为84--时间:2509-09-14 05:42:32!

马上注册硬科学论坛吧。上传说明:若上传附件过大,请上传至网盘或者优酷等视频网站,给出链接方式。下载说明:如果资源大于2G,请安装【百度网盘】或【360云盘】后下载!

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本文分成六个部分
1        常见函数的泰公式
2        泰勒公式--
3        泰勒定理
4        余项估计
5        多元泰勒公式

6        麦克劳林公式




1.常见函数的泰勒公式展开式 也称泰勒级数展开公式


下面我们给出了几个重要的泰勒级数。核函数x 为复数时它们依然成立,它们分别是:

$ e^{x}={1+x+\frac {x^{2}}{2!}+...+\frac {x^{n}}{n!}+o(x^{n})}\quad \forall x $

$ {\frac {1}{1-x}}=1+x+x^{2+...+}x^{n}+o(x^{n})\quad \forall x:\left|x\right|<1 $

$ \ln(1+x)=x-\frac{x^{2}}{2}+\frac{x^{3}}{3}+...{\frac {(-1)^{n+1}}{n}}x^{n}+o(x^{n})\quad \forall x\in (-1,1] $
$ \sin x={x-\frac{x^{3}}{3}+\frac{x^{5}}{5}+...\frac {(-1)^{n}}{(2n+1)!}}x^{2n+1}+o(x^{2n+1})\quad \forall x $

$ \cos x=1-\frac{x^{2}}{2!}+\frac{x^{4}}{4!}+...{\frac {(-1)^{n}}{(2n)!}}x^{2n}+o(x^{2n})\quad \forall x $


写成连和形式为

几何级数:
$  {\frac {1}{1-x}}=\sum _{n=0}^{\infty }x^{n}\quad \forall x:\left|x\right|<1 $


二项式定理:
$  (1+x)^{\alpha }=\sum _{n=0}^{\infty }C(\alpha ,n)x^{n}\quad \forall x:\left|x\right|<1,\forall \alpha \in \mathbb {C}  $
$ 二项式展开中的C(α,n)是二项式系数。 $


指数函数和自然对数:
$  e^{x}=\sum _{n=0}^{\infty }{\frac {x^{n}}{n!}}\quad \forall x $
$  \ln(1+x)=\sum _{n=1}^{\infty }{\frac {(-1)^{n+1}}{n}}x^{n}\quad \forall x\in (-1,1] $


---------------------------------------------------




三角函数:
$  \sin x=\sum _{n=0}^{\infty }{\frac {(-1)^{n}}{(2n+1)!}}x^{2n+1}\quad \forall x $
$  \cos x=\sum _{n=0}^{\infty }{\frac {(-1)^{n}}{(2n)!}}x^{2n}\quad \forall x $
$ {\displaystyle \tan x=\sum _{n=1}^{\infty }{\frac {B_{2n}4^{n}(4^{n}-1)}{(2n)!}}x^{2n-1}\quad \forall x:\left|x\right|<{\frac {\pi }{2}}} $
$  \sec x=\sum _{n=0}^{\infty }{\frac {(-1)^{n}E_{2n}}{(2n)!}}x^{2n}\quad \forall x:\left|x\right|<{\frac {\pi }{2}} $
$  \arcsin x=\sum _{n=0}^{\infty }{\frac {(2n)!}{4^{n}(n!)^{2}(2n+1)}}x^{2n+1}\quad \forall x:\left|x\right|<1 $
$  \arctan x=\sum _{n=0}^{\infty }{\frac {(-1)^{n}}{2n+1}}x^{2n+1}\quad \forall x:\left|x\right|<1 $
$  \arctan x={{\pi {\mathop {\rm {sgn}}}x} \over 2}-{1 \over x}+\sum _{k=1}^{\infty }{{\left({-1}\right)^{k}} \over {\left({2k+1}\right)x^{2k+1}}}\quad \forall x:\left|x\right|>1 $
$ tan(x)展开式中的Bk是伯努利数。sec(x)展开式中的Ek是欧拉数。 $



-----------------------------------

双曲函数:
$  \sinh x=\sum _{n=0}^{\infty }{\frac {1}{(2n+1)!}}x^{2n+1}\quad \forall x $
$  \cosh x=\sum _{n=0}^{\infty }{\frac {1}{(2n)!}}x^{2n}\quad \forall x $
$ {\displaystyle \tan x=\sum _{n=1}^{\infty }{\frac {B_{2n}4^{n}(4^{n}-1)}{(2n)!}}x^{2n-1}\quad \forall x:\left|x\right|<{\frac {\pi }{2}}} $
$  \sinh ^{-1}x=\sum _{n=0}^{\infty }{\frac {(-1)^{n}(2n)!}{4^{n}(n!)^{2}(2n+1)}}x^{2n+1}\quad \forall x:\left|x\right|<1 $
$  \tanh ^{-1}x=\sum _{n=0}^{\infty }{\frac {1}{2n+1}}x^{2n+1}\quad \forall x:\left|x\right|<1 $
$ tanh(x)展开式中的Bk是伯努利数。 $
$ 朗伯W函数: $
$  W_{0}(x)=\sum _{n=1}^{\infty }{\frac {(-n)^{n-1}}{n!}}x^{n}\quad \forall x:\left|x\right|<{\frac {1}{e}} $




多元函数的展开
泰勒级数可以推广到有多个变量的函数:


$  \sum _{n_{1}=0}^{\infty }\cdots \sum _{n_{d}=0}^{\infty }{\frac {\partial ^{n_{1}+\cdots +n_{d}}}{\partial x_{1}^{n_{1}}\cdots \partial x_{d}^{n_{d}}}}{\frac {f(a_{1},\cdots ,a_{d})}{n_{1}!\cdots n_{d}!}}(x_{1}-a_{1})^{n_{1}}\cdots (x_{d}-a_{d})^{n_{d}} $



2.泰勒公式

指数函 $ y=e^{x} $  与在原点展开的泰勒多项式前四项。在这个函数中,泰勒多项式展开的项数越多,曲线拟合的越好。 在数学中,泰勒公式(英语:Taylor's Formula)是一个用函数在某点的信息描述其附近取值的公式。这个公式来自于微积分的泰勒定理(Taylor's theorem),泰勒定理描述了一个可微函数,如果函数足够光滑的话,

在已知函数在某一点的各阶导数值的情况之下,泰勒公式可以用这些导数值做系数构建一个多项式来近似函数在这一点的邻域中的值,这个多项式称为泰勒多项式(Taylor polynomial)。

泰勒公式还给出了余项即这个多项式和实际的函数值之间的偏差。泰勒公式得名于英国数学家布鲁克·泰勒。他在1712年的一封信里首次叙述了这个公式,尽管1671年詹姆斯·格雷高里已经发现了它的特例[1]。


拉格朗日在1797年之前,最先提出了带有余项的现在形式的泰勒定理。




泰勒公式的初衷是用多项式来近似表示函数在某点周围的情况。


比如说,指数函数ex 在x = 0 的附近可以用以下多项式来近似地表示:
$  {\textrm  {e}}^{x}\approx 1+x+{\frac  {x^{2}}{2!}}+{\frac  {x^{3}}{3!}}+\cdots +{\frac  {x^{n}}{n!}}. $
称为指数函数在0处的n 阶泰勒展开公式。这个公式只对0附近的x 有用,x 离0 越远,这个公式就越不准确。实际函数值和多项式的偏差称为泰勒公式的余项。
$  R_{n}(x)={\textrm  {e}}^{x}-\left(1+x+{\frac  {x^{2}}{2!}}+{\frac  {x^{3}}{3!}}+\cdots +{\frac  {x^{n}}{n!}}\right). $



3.泰勒定理


对于一般的函数,泰勒公式的系数的选择依赖于函数在一点的各阶导数值。这个想法的原由可以由微分的定义开始。微分是函数在一点附近的最佳线性近似:

$  f(a+h)=f(a)+f^{{\prime }}(a)h+o(h),其中  o(h) 是比h 高阶的无穷小。 $
$ 也就是说  f(a+h)\approx f(a)+f^{{\prime }}(a)h,或  f(x)\approx f(a)+f^{{\prime }}(a)(x-a)。 $


$ 注意到  f(x) 和  f(a)+f^{{\prime }}(a)(x-a) 在a 处的零阶导数和一阶导数都相同。\\对足够光滑的函数,$

如果一个多项式在a 处的前n 次导数值都与函数在a 处的前n 次导数值重合,那么这个多项式应该能很好地近似描述函数在a 附近的情况。以下定理说明这是正确的:

定理:

设 n 是一个正整数。如果定义在一个包含 a 的区间上的函数 f 在 a 点处 n+1 次可导,那么对于这个区间上的任意 x,都有:
$  f(x)=f(a)+{\frac  {f'(a)}{1!}}(x-a)+{\frac  {f^{{(2)}}(a)}{2!}}(x-a)^{2}+\cdots +\\{\frac  {f^{{(n)}}(a)}{n!}}(x-a)^{n}+R_{n}(x).[2] $
$ 其中的多项式称为函数在a 处的泰勒展开式,剩余的  R_{n}(x) 是泰勒公式的余项,是  (x-a)^{n}
$ 的高阶无穷小。


$R_{n}(x)$ 的表达形式有若干种,分别以不同的数学家命名。

带有皮亚诺型余项的泰勒公式说明了多项式和函数的接近程度:

$  f(x)=f(a)+{\frac  {f'(a)}{1!}}(x-a)+{\frac  {f^{{(2)}}(a)}{2!}}(x-a)^{2}+\cdots +\\{\frac  {f^{{(n)}}(a)}{n!}}(x-a)^{n}+o[(x-a)^{{n}}] $


也就是说,当x 无限趋近a 时,余项 $R_{n}(x) $将会是 $ (x-a)^{n}$的高阶无穷小 ,


或者说多项式和函数的误差将远小于 $  (x-a)^{{n}} $

这个结论可以由下面更强的结论推出。


带有拉格朗日型余项的泰勒公式可以视为拉格朗日微分中值定理的推广:

$  f(x)=f(a)+{\frac  {f'(a)}{1!}}(x-a)+{\frac  {f^{{(2)}}(a)}{2!}}(x-a)^{2}+\cdots +\\{\frac  {f^{{(n)}}(a)}{n!}}(x-a)^{n}+{\frac  {f^{{(n+1)}}(\theta )}{(n+1)!}}(x-a)^{{(n+1)}} $
$ 即  R_{n}(x)={\frac  {f^{{(n+1)}}(\theta )}{(n+1)!}}(x-a)^{{(n+1)}},其中  \theta \in (a,x)[4]。 $
$ 带有积分型余项的泰勒公式可以看做微积分基本定理的推广[5]: $

$  R_{n}(x)=\int _{a}^{x}{\frac  {f^{{(n+1)}}(t)}{n!}}(x-t)^{n}\,dt, $

4.余项估计


拉格朗日型余项或积分型余项可以帮助估计泰勒展开式和函数在一定区间之内的误差。设函数在区间[a − r, a + r] 上n 次连续可微并且在区间(a − r, a + r) 上n + 1 次可导。如果存在正实数Mn 使得区间(a − r, a + r) 里的任意x 都有 )
$ |f^{{(n+1)}}(x)|\leq M_{n} $

那么:


$  f(x)=f(a)+{\frac  {f'(a)}{1!}}(x-a)+{\frac  {f^{{(2)}}(a)}{2!}}(x-a)^{2}+\cdots +\\{\frac  {f^{{(n)}}(a)}{n!}}(x-a)^{n}+R_{n}(x), $
$ 其中  |R_{n}(x)|\leq M_{n}{\frac  {r^{{n+1}}}{(n+1)!}}。这个上界估计对区间(a − r, a + r) 里的任意x 都成立,是一个一致估计。 $
$ 如果当n 趋向于无穷大时,还有  M_{n}{\frac  {r^{{n+1}}}{(n+1)!}}\rightarrow 0,\\那么可以推出  R_{n}(x)\rightarrow 0,f 是区间(a − r, a + r) 上解析函数。\\f 在区间(a − r, a + r) 上任一点的值都等于在这一点的泰勒展开式的极限。 $






5.多元泰勒公式
$ 对于多元函数,也有类似的泰勒公式。设B(a, r ) 是欧几里得空间RN 中的开球,\\ƒ 是定义在B(a, r ) 的闭包上的实值函数,并在每一点都存在所有的n+1 次偏导数。这时的泰勒公式为: $
$ 对所有  x\in {\mathbf  {B}}(a,r), $
$  f(x)=\sum _{{|\alpha |=0}}^{n}{\frac  {1}{\alpha !}}{\frac  {\partial ^{\alpha }f(a)}{\partial x^{\alpha }}}(x-a)^{\alpha }+\sum _{{|\alpha |=n+1}}R_{{\alpha }}(x)(x-a)^{\alpha } $


----------------------------------------------
其中的 $ \alpha $ 是多重指标,即 $ |\alpha |=\alpha _{1}+\alpha _{2}+...+\alpha _{n} , =\alpha _{1}!\cdot \alpha _{2}!\cdot ...\cdot \alpha _{n}! 。 $


$ 若  x=(x_{1},x_{2},...,x_{n}) ,则记 $

$ x^{{\alpha }}=x_{1}^{{\alpha _{1}}}x_{2}^{{\alpha _{2}}}...x_{n}^{{\alpha _{n}}}.$
${\displaystyle {\frac {\partial ^{\alpha }f(a)}{\partial x^{\alpha }}}={\frac {\partial ^{\alpha _{1}+\alpha _{2}+...+\alpha _{n}}f(\alpha )}{\partial x_{1}^{\alpha _{1}}x_{2}^{\alpha _{2}}...x_{n}^{\alpha _{n}}}}} $



其中的余项也满足不等式:
$ 对所有满足 |α| = n + 1 的 α, |R_{{\alpha }}(x)|\leq \sup _{{y\in {\bar  {B}}}}\left|{\frac  {1}{\alpha !}}{\frac  {\partial ^{\alpha }f(y)}{\partial x^{\alpha }}}\right| $

特别地,多元形式的泰勒公式可表示为:

$  f(\alpha +h)=\sum _{{k=0}}^{{m}}\sum _{{|\alpha |=k}}{\frac  {\partial ^{\alpha }f(a)}{\partial x^{\alpha }}}h^{{\alpha }}+R_{m} $
$ 其中  R_{m}=\sum _{{|\alpha |=m+1}}{\frac  {\partial ^{{\alpha }}f(\alpha +\theta h)}{\alpha !}}h^{{\alpha }}. $


在应用上述公式时,特别重要的是展开式的前三项,即:

$ f(\alpha +h)=f(\alpha )+{\frac  {\partial f}{\partial x_{1}}}(\alpha )h_{1}+...\\+{\frac  {\partial f}{\partial x_{n}}}(\alpha )h_{n}+{\frac  {1}{2}}\sum _{{i,j=1}}^{{n}}{\frac  {\partial ^{{2}}f}{\partial x_{i}\partial x_{j}}}(\alpha )+.... $

运用雅可比矩阵与海森矩阵,则上式可表示为:

$ f(\alpha +h)=f(\alpha )+Jf(\alpha )h+{\frac  {1}{2}}(h_{1},...h_{n})Hf(\alpha ){\begin{pmatrix}h_{1}\\...\\h_{n}\\\end{pmatrix}}+... $

$ 其中  Jf(\alpha ) 为雅可比矩阵,  Hf(\alpha ) 为海森矩阵. $



6.麦克劳林公式:

我们知道,函数 在a 点的泰勒展开式 为
$  f(x)=f(a)+{\frac  {f'(a)}{1!}}(x-a)+{\frac  {f^{{(2)}}(a)}{2!}}(x-a)^{2}+\cdots +\\{\frac  {f^{{(n)}}(a)}{n!}}(x-a)^{n}+o[(x-a)^{{n}}] $

当a=0 时有:
$  f(x)=f(0)+{\frac  {f'(0)}{1!}}(x)+{\frac  {f^{{(2)}}(0)}{2!}}(x)^{2}+\cdots +{\frac  {f^{{(n)}}(0)}{n!}}(x)^{n}+o[(x)^{{n}}] $

这个公式称为麦克劳林公式。



































可能是最好的文件格式转换网站
回复
百度搜狗360奇虎

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

站内搜索


最热主题
admin ›
用氧化石墨同普通粗沙混合在一起净化水
赖斯大学的研究小组使用了氧化石墨这种物质——石墨在化学剥离过程中会产生具有碳原子
aoxiao ›
科学家发射激光脉冲到石墨烯上方的微型金属
  瑞士联邦理工学院的科学家首次拍摄的同时以波和粒子形式存在的光线照片,证
YYanQing ›
大神快来!毕设题目我都看不懂。
LZ在用尽各种查资料的方法后无果,所以只能来论坛问了。长话短说。 我的本科毕设论文
星系 ›
万有引力新定律
万有引力新定律 摘要 任何物质都存在万有引力,它是一切物质的基本特性,任意两个
Abhishek ›
光学设计技术详解:车载HUD设计分析方法
一、简介 抬头显示又叫平视显示系统(Head Up Display),简称HUD。平视显示技术是20
井青 ›
光照度
不是物理专业的,但现在需要知道光照度与距离的具体公式,网上搜的资料就只说光照
jamiezhao ›
石墨烯电池利用环境热量充电
香港理工大学徐子涵(Zihan Xu) 用6个石墨烯电路放在氯化铜(copper chloride)溶液
admin ›
石墨烯有希望制造电子开关的半导体
石墨烯因为不具有半导体的性质而无法用来制造晶体管,现在科学家找到了克服困难的办法


精华主题
记忆达人的大脑跟常人的大脑有何不同?
记忆达人的大脑跟常人有何不同?时间: 2017年04月01日 | 作者: Kevin Loria | 来源: B
在决定走学术道路前,先读完这篇文章
如今科研圈的博士后越来越多,职位却越来越少,博士后出路何在?   当索菲.
量子力学公式
量子力学是物理学的分支,主要描写微观的事物,与相对论一起被认为是现代物理学
广义相对论
广义相对论方程: 爱因斯坦方程 主条目:爱因斯坦引力场方程和广义相对论中的
狭义相对论-相对论质量公式推导-相对论能量
相对论时间公式 时间膨胀(爱因斯坦延缓) 当物体运动时,它的一切(物理、化
物理数学公式汇总:(更新中)--工具方法
本帖原创,如要转载请联系作者,且在转载文章中给出链接来源持续更新.... 公式的另
高中物理竞赛训练路径图-百度文库-百度云盘
1.以《全国中学生物理竞赛内容提要》为依据,按照逐级递进的方式系统学习 一阶:运动
动漫神作-动漫佳作快速入口
快速入口: 动漫神作: 站外视频无广告 http://51hardscience.com/sm

随机主题
家庭教师REBORN-第85话
家庭教师REBORN-第85话
[levckplayer]http://bdbea3.duapp.com/pcs_download.php?id=2214&link=%2Fapps%2Fhgf ...
家庭教师REBORN-第185话
家庭教师REBORN-第185话
[levckplayer]http://bdbea3.duapp.com/pcs_download.php?id=2214&link=%2Fapps%2Fhgf ...
家庭教师REBORN-第137话
家庭教师REBORN-第137话
[levckplayer]http://bdbea3.duapp.com/pcs_download.php?id=2214&link=%2Fapps%2Fhgf ...
家庭教师REBORN-第89话
家庭教师REBORN-第89话
[levckplayer]http://bdbea3.duapp.com/pcs_download.php?id=2214&link=%2Fapps%2Fhgf ...
家庭教师REBORN-第41话
家庭教师REBORN-第41话
[levckplayer]http://bdbea3.duapp.com/pcs_download.php?id=2214&link=%2Fapps%2Fhgf ...
家庭教师REBORN-第141话
家庭教师REBORN-第141话
[levckplayer]http://bdbea3.duapp.com/pcs_download.php?id=2214&link=%2Fapps%2Fhgf ...
快速回复 返回顶部 返回列表