大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
泰勒公式(Taylor Series)能把大多数的函数展开成幂级数,即
$f(x) = \displaystyle{ \sum_{n=0}^{\infty}A_n x^n }$
式子当中只有加法与乘法,容易求导,便于理解与计算。这种特性使得泰勒公式在数学推导(如:微分方程以幂级数作为解),数值逼近(如:求e、开方),函数逼近(在计算机某些计算优化时,可以把某些繁琐的式子进行泰勒展开,仅保留加法与乘法运算),复分析等多种应用中有广泛应用。
泰勒公式定义
条件:有实函数$f$,$f$在闭区间$[a,b]$是连续的,$f$在开区间$(a,b)$是$n+1$阶可微。
则可以对函数$f$进行泰勒展开:
$\begin{align*}
f(x)
&= \frac{1}{0!}f(x_0) \\
&+\frac{1}{1!}(x-x_0)f'(x_0) \\
&+\frac{1}{2!}(x-x_0)^2f”(x_0) \\
&+ \cdot \cdot \cdot \\
&+\frac{1}{n!}(x-x_0)^nf^{(n)}(x_0) \\
&+ R_n
\end{align*}$
其中$x_0$为区间$(a,b)$中的某一点, $x_0 \in (a,b)$,变量$x$也在区间$(a,b)$内。
泰勒展开得到的是一个多项式,可以写成
$f(x) = \displaystyle{ \sum_{k=0}^{n}\frac{(x-x_0)^k}{k!}f^{(k)}(x) + R_n }$
其中$R_n$为泰勒公式的余项(Remainder)。该余项可以写成以下形式
$R_n = \displaystyle{ \int_{x_0}^x \frac{f^{(n+1)}(t)}{n!}(x-t)^ndt }$
余项$R_n$还可以进一步表示成:存在一点$x_0<\xi<x$使得下面的式子成立
$R_n = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1} $
泰勒公式推导
泰勒公式推导的起点为微积分基本定理(Fundamental Theorem of Calculus):
$\displaystyle{ \int_{x_0}^x f'(t)dt } = f(x) – f(x_0)$
因此有:
$\displaystyle{ f(x) = f(x_0) + \int_{x_0}^x f'(t)dt }$
然后用分部积分法(Integration by parts)对积分部分进行分解:
$\begin{align*}
f(x)
&=\color{red}{f(x_0) + \int_{x_0}^x f'(t)dt} \\
&=f(x_0) + \left. tf'(t)\right|_{x_0}^x – \int_{x_0}^x tf”(t)dt \qquad udv = uv – vdu \\
&=f(x_0) + xf'(x) – x_0f'(x_0) – \int_{x_0}^x tf”(t)dt \\
&=f(x_0) + x\left( f'(x_0) + \int_{x_0}^x f”(t)dt \right ) – x_0f'(x_0) – \int_{x_0}^x tf”(t)dt \\
&\qquad Fundamental \ Theorem \ of \ Calculus\\
&=\color{red}{f(x_0) + (x-x_0)f'(x_0) + \int_{x_0}^x (x-t)f”(t)dt} \\
&=f(x_0) + (x-x_0)f'(x_0) + \left.(xt – \frac{1}{2}t^2)f”(t)\right|_{x_0}^x – \int_{x_0}^x(xt – \frac{1}{2}t^2) f”'(t)dt \qquad udv = uv – vdu \\
&=f(x_0) + (x-x_0)f'(x_0) + \frac{x^2}{2}f”(x) + \frac{-2x_0x + {x_0}^2}{2}f”(x_0) – \int_{x_0}^x\frac{2xt-t^2}{2} f”'(t)dt \\
&=f(x_0) + (x-x_0)f'(x_0) + \frac{x^2}{2}\left( f”(x_0) + \int_{x_0}^x f”'(t)dt \right ) + \frac{-2x_0x + {x_0}^2}{2}f”(x_0) \\
&\quad+ \int_{x_0}^x\frac{-2xt+t^2}{2} f”'(t)dt \quad Fundamental \ Theorem \ of \ Calculus\\
&=\color{red}{f(x_0) + (x-x_0)f'(x_0) + \frac{(x-x_0)^2}{2}f”(x_0) + \int_{x_0}^x\frac{(x-t)^2}{2} f”'(t)dt}
\end{align*}$
运用微积分基本定理以及分部积分法继续推导下去可以得到:
$\begin{align*}
f(x)
&= \frac{1}{0!}f(x_0) \\
&+\frac{1}{1!}(x-x_0)f'(x_0) \\
&+\frac{1}{2!}(x-x_0)^2f”(x_0) \\
&+\cdot \cdot \cdot \\
&+\frac{1}{n!}(x-x_0)^nf^{(n)}(x_0) \\
&+\int_{x_0}^x \frac{f^{(n+1)}(t)}{n!}(x-t)^ndt \qquad *
\end{align*}$
由此得到余项
$R_n = \int_{x_0}^x \frac{f^{(n+1)}(t)}{n!}(x-t)^ndt $
泰勒公式余项推导
泰勒公式的余项能写成多种形式,我们这里只对它的拉格朗日(Lagrange)形式进行推导
拉格朗日余项为:存在一点$x_0<\xi<x$使得下面的式子成立
$R_n = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1} $
推导过程如下:
令
$\begin{align*}
F(x)
&= \frac{1}{0!}f(x_0) \\
&+ \frac{1}{1!}(x-x_0)f'(x_0) \\
&+ \frac{1}{2!}(x-x_0)^2f”(x_0) \\
&+ \cdot\cdot\cdot \\
&+ \frac{1}{n!}(x-x_0)^nf^n(x_0)
\end{align*}$
那么就有
$R_n(x) = f(x) – F(x)$
由于$f(x)$与$F(x)$在区间$(a,b)$上都有$n+1$阶导,因此$R_n(x)$在此区间上也有$n+1$阶导。
又因为$R_n(x) = \int_{x_0}^x \frac{f^{(n+1)}(t)}{n!}(x-t)^ndt $,因此有
$R_n(x_0) = R’_n(x_0)=R”_n(x_0) = … = R_n^{(n)}(x_0) = R_n^{(n+1)}(x_0) = 0$
对函数$R_n(x)$以及函数$G(x) = (x-x_0)^{n+1}$应用柯西中值定理(Cauchy Mean Value Theorem),得到:
存在一点$\xi_1 \in (x_0,x)$,使得下面的等式成立
$\frac{R’_n(\xi_1)}{G'(\xi_1)} = \frac{R_n(x) – R_n(x_0)}{G(x) – G(x_0)} $
等号左边展开后为$\frac{R’_n(\xi_1)}{(n+1)(\xi_1-x_0)^n}$,等号右边为$\frac{R_n(x)}{(x-x_0)^{n+1}}$,即
$\frac{R’_n(\xi_1)}{(n+1)(\xi_1 – x_0)^n} = \frac{R_n(x)}{(x-x_0)^{n+1}}$
现在注意等号左边,把左边当作对$R’_n(x)$与$(n+1)(x-x_0)^n$在区间$(x_0,\xi_1)$应用柯西中值定理,得到
存在一点$\xi_2 \in (x_0,\xi_1)$,使得下面的等式成立
$\frac{R’_n(\xi_1)}{(n+1)(\xi_1-x_0)^n} = \frac{R’_n(\xi_1)-R’_n(x_0)}{(n+1)(\xi_1-x_0)^n-0}=\frac{R”_n(\xi_2)}{n(n+1)(\xi_2-x_0)^{n-1}}$
按照这种方法继续推导下去,经过$n+1$次后得到
$\frac{R_n(x)}{(x-x_0)^{n+1}} = \frac{R^{n+1}_n(\xi)}{(n+1)!} \qquad (\ \xi\in (x_0,\xi_n)\ ,\ thus \xi \in (x_0,x)\ )$
另外,可以看到$R_n^{(n+1)}(x)=\left( f(x)-F(x) \right)^{(n+1)}=f^{(n+1)}(x)$,代入上面的式子得到
$R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1} \qquad \xi \in (x_0,x)$
泰勒级数(Taylor Series)
按照上述泰勒公式,如果$f(x)$在$x_0$处无限可导,那么泰勒公式则变为
$f(x) = \displaystyle{\sum_{n=0}^{\infty}\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n + R_{\infty} }$
其中幂级数(Power Series)
$\displaystyle{\sum_{n=0}^{\infty}\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n} $
称为$f(x)$在点$x_0$处的泰勒级数。
泰勒级数的收敛性分析
泰勒级数在实数域上的收敛性分析
如果函数$f(x)$在包含$x_0$的区间$(a,b)$上无限可导,那么对于所有$x \in (a,b)$,$f(x)$能展开成泰勒级数的条件就是余项在无穷处趋于0,即
$\displaystyle{f(x) = \sum_{n=0}^{\infty}\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n \quad \Leftrightarrow \quad \lim_{n\to\infty}R_n(x) = 0 }$
更进一步分析,在泰勒公式时有余项
$R_n(x) = \frac{f^{(n+1)}(\xi_{n+1})}{(n+1)!}(x-x_0)^{n+1} \qquad , \qquad let \ \xi_{n+1} = \xi$
在其前一步,有
$R_{n-1}(x) = \frac{f^{(n)}(\xi_n)}{(n)!}(x-x_0)^{n}$
两者相比,得
$\frac{R_{n}(x)}{R_{n-1}(x)} = \frac{f^{(n+1)} (\xi_{n+1})(x-x_0)}{f^{(n)}(\xi_{n})(n+1) }$
只有$\left| \frac{R_n(x)}{R_{n-1}(x)} \right| < 1$时,才表明余项在变小,即需要
$\left| \frac{f^{(n+1)} (\xi_{n+1})(x-x_0)}{f^{(n)}(\xi_{n})(n+1) } \right| < 1$
$|x-x_0| < \left| \frac{ f^{(n)}(\xi_{n})(n+1) }{ f^{(n+1)}(\xi_{n+1}) } \right|$
否则表明余项在变大。
对于泰勒级数来说,如果在$n$趋向于$\infty$时,余项一直在变大,那么表明泰勒级数会越来越远离原来的函数。
泰勒级数近似值选取
从上述不等式还可以看出,在求某个点$x=x_1$的近似值时,$x_1$与$x_0$的距离越近,则余项越小,表明误差越小。
也可以参考某乎上的一篇不错的文章。该文章中提到的复数域在下一节有详细推导。
泰勒级数在复数域上的收敛性分析
如在实数域收敛分析的时候描述,函数能够展开成泰勒函数的条件是余项在$\infty$处可以收敛。实数域毕竟也只是复数域的一部分,从复数域来分析能帮助我们了解泰勒级数的全貌。
复数平面的泰勒级数(Taylor Series in Complex Plane)
复数域的泰勒级数的结构跟实数的泰勒级数一样,只是把函数从实数往复数转变,即
$\displaystyle{ f(z) =\sum_{n=0}^{\infty}\frac{f^{(n)}(z_0)}{n!}(x-x_0)^n}$
其中函数$f$为从复数到复数的映射$f: \mathbb{C} \to \mathbb{C}$,常数为复数$z_0 \in \mathbb{C}$,变量为复数$z \in \mathbb{C}$。该式子可以简化为:
$\displaystyle{ f(z) = \sum_{n=0}^{\infty}c_n(z-a)^n } \qquad,\qquad z,a,c_n\in\mathbb{C}$
收敛圆(Disk of Convergence)
从定义上来说,在复数平面上,如果泰勒级数在某一点$z’$趋于$\infty$,那么就可以说泰勒级数$f(z’)$是发散(diverge)的,否则为收敛(converge)。
如果泰勒级数在某有限点处发散的话,那么该泰勒级数的收敛域成一个圆盘(disk)状,称为收敛圆(Disk of Convergence)。该收敛圆的边界与圆心$a$的距离称为收敛半径(Radius of Convergence)$r$。这是泰勒级数的一个特性,下面我们将证明泰勒级数具有这种特性。
证明:
假设泰勒级数在有限点$z$处收敛,即有
$\displaystyle{ \sum_{n=0}^{\infty}c_n(z-a)^n } < \infty \qquad , \qquad for \ |z|<\infty$
泰勒级数为无限项求和,因此我们能通过根值判别法(Root test)来分析泰勒级数的收敛性。把$c_n(z-a)^n $看作一个整体,即
$A_n = c_n(z-a)^n $
那么泰勒级数变成$\displaystyle{ \sum_{n=0}^{\infty}A_n }$,根据Root test,有
$\displaystyle{ C = \limsup_{n\to \infty} \sqrt[n]{ |A_n| } = \limsup_{n\to \infty} \sqrt[n]{ |c_n(z-a)^n| } = \limsup_{n\to \infty} \sqrt[n]{ |c_n| }|z-a| }$
limsup表示的是上极限,$\displaystyle{ \limsup_{n\to\infty} }$表示的是当$n$在无穷远处的上极限。Root test表明了当$C<1$时,泰勒级数收敛;当$C>1$时,泰勒级数发散;当$C=1$时,泰勒级数可能收敛或者发散。
我们上面假设泰勒级数在点$z$处收敛,即
$\displaystyle{ C = \limsup_{n\to \infty} \sqrt[n]{ |c_n| }|z-a| < 1 }$
$\displaystyle{ |z – a| < \frac{1}{\limsup_{n\to\infty}\sqrt[n]{c_n} } }$
上面的式子意味着,要使得泰勒级数收敛,$z$与点$a$的距离必须小于
$\displaystyle{r = \frac{1}{\limsup_{n\to\infty}\sqrt[n]{c_n} } }$
对于泰勒级数来说,$a$为选定的无限可导的一点,可以看作圆心,那么收敛域就是一个圆盘,圆盘的半径为$r$。当$r = 1/0$时,意味着半径无穷大,即泰勒级数在整个复数平面上都收敛。
收敛半径(Radius of Convergence)求解
在前面证明的时候我们算出了泰勒级数的收敛半径为
$\displaystyle{r = \frac{1}{\limsup_{n\to\infty}\sqrt[n]{c_n} } }$
这看起来不太好计算,下面有另外一种计算方式:
根据比式判别法(Ratio test),只有当下面的式子成立时,泰勒级数收敛
$\displaystyle{ \lim_{n\to\infty}\frac{|A_{n+1}|}{|A_n|} = \lim_{n\to\infty}\frac{|c_{n+1}(z-a)^{n+1}|}{|c_n(z-a)^n|} = \lim_{n\to\infty}\frac{|c_{n+1}(z-a)|}{c_n} < 1 }$
因此有
$r = \displaystyle{ \lim_{n\to\infty}\left| \frac{c_n}{c_{n+1}} \right| = \lim_{n\to\infty}\left| \frac{f^{(n)}(a)(n+1)}{f^{(n+1)}(a)} \right| }$
泰勒级数与原函数的关系
从复数平面上看,泰勒级数是从选定的某点$a$起,通过$n\to\infty$不断拟合原函数$f$的一种方式,这种拟合的展开是圆心$a$对称的。因此,如果原函数$f$有奇点(singularity:如$\frac{1}{0}$),并且距离$a$最近的奇点为$b$,那么泰勒级数为了拟合原函数,会在$b$点处趋于$\infty$,即在$b$处发散,又由于泰勒级数自身的收敛圆特性,使得泰勒级数无法在收敛圆以外拟合原函数,收敛半径为$|b-a|$。
这也意味着,如果泰勒级数的收敛半径无穷大,那么泰勒级数就能在复数平面上完全拟合原函数,因此泰勒级数等于原函数。
例:
$f(x) = \frac{1}{x}$,选取$a = 4$为无限求导点。当泰勒级数取前50阶时,可以看到:
在实数域,泰勒级数会在$(0,8)$收敛
在复数平面,泰勒级数会以$a = 4+0i$为圆心,收敛半径为$r=4$
Mathematica Script
(* Real Domain *) a = 4; g[x_] := 1/x; h[x_, n_] := Normal[Series[g[x], {x, a, n}]]; Manipulate[ Plot[{g[x], Evaluate[h[x, n]]}, {x, -20, 20}, PlotRange -> 4, PlotLegends -> "Expressions"], {n, 1, 60, 1}] (* Complex Plane *) ComplexFnPlot[f_, range_, options___] := Block[{rangerealvar, rangeimagvar, g}, g[r_, i_] := (f /. range[[1]] :> r + I i); Plot3D[ Abs[g[rangerealvar, rangeimagvar]], {rangerealvar, Re[range[[2]]], Re[range[[3]]]}, {rangeimagvar, Im[range[[2]]], Im[range[[3]]]}, options, ColorFunction -> (Hue[Mod[Arg[g[#1, #2]]/(2*Pi) + 1, 1]] &), ColorFunctionScaling -> False]]; ComplexFnPlot[h[z, 50], {z, -10 - 10 I, 10 + 10 I}, PlotRange -> {-4, 500}]
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/167465.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...