Taylor Series(泰勒级数)
文章目录
- 引子
- Why Taylor Series
- 函数$cos(x)$的近似
- 二阶近似
- 二阶近似$\cos(x)$总结
- 增加阶数近似
- 继续延伸
- 泰勒多项式
- 对任意函数近似
- 泰勒级数的几何意义
- 其他级数
- 几何级数
- 几何级数积分
- 二项式定理
- 引用
- 英语
引子
求解摆球的高度,蓝色线处为最低点
cosθ\cos\thetacosθ函数在这里显得很难求解 ,而且,
但当你采用近似的时候,问题就简单多了
当把约等于号左右两边的式子在图像上画出来后会发现,至少在θ=0\theta=0θ=0附近,两者的图像确实十分接近
那么上式中的二次级数是如何出现的呢?该怎样近似呢?
Why Taylor Series
学习泰勒级数,很大程度上就是为了在某个点附近用多项式函数,去近似其他函数。原因在于多项式比其他函数处理起来要容易的多。多项式函数计算容易,易于求导和积分
函数cos(x)cos(x)cos(x)的近似
二阶近似
现在先让我们看一看,在x=0x=0x=0处,如何使用二次多项式来近似cos(x)\cos(x)cos(x)
设P(x)=c0+c1x+c2x2P(x)=c_0+c_1x+c_2x^2P(x)=c0+c1x+c2x2,若随意选择多项式前的系数,以保证cos(x)=P(x)\cos(x)=P(x)cos(x)=P(x) ,那么这些系数该是多少呢?
先将x=0x=0x=0分别代入cos(x)和P(x)\cos(x)和P(x)cos(x)和P(x),假定两式相等,则可求得c0=1c_0=1c0=1
而当x=0x=0x=0代入cos(x)\cos(x)cos(x)和P(x)P(x)P(x),计算得到c0=1c_0=1c0=1后,c1和c2c_1和c_2c1和c2的值可以随意选取而对等式没有影响,因为x=0x=0x=0带入P(x)P(x)P(x)后直接将后面两项的值变成0
如果可以保证当x=0x=0x=0时,cos(x)和P(x)\cos(x)和P(x)cos(x)和P(x)不仅函数值相等,斜率也相等的话,那样岂不是更加精确么?否则,稍微偏离一点x=0x=0x=0,二者的函数值就会有很大偏差,那么该怎么求呢?——求导,计算斜率:
这里常数c1c_1c1掌握着我们在x=0x=0x=0处对一阶导数(斜率)的近似,所以让c1=0c_1=0c1=0,那么我们的近似函数P(x)P(x)P(x)的导数也变成了0
- c0c_0c0保证了P(x)P(x)P(x)和cos(x)\cos(x)cos(x)在x=0x=0x=0处的值近似相等,
- c1c_1c1保证了二者在x=0x=0x=0处的斜率近似相等,
- 而剩下的c2c_2c2可以保证cos(x)\cos(x)cos(x)和P(x)P(x)P(x)函数的斜率的增长率近似相等,也可以说是曲线的曲率近似相等。
下面我们计算c2c_2c2,核心在于求解cos(x)\cos(x)cos(x)和P(x)P(x)P(x)的二阶导数:
计算得到c2=−12c_2=-\frac{1}{2}c2=−21。下面我们验证一下P(x)P(x)P(x)对cos(x)\cos(x)cos(x)的近似效果如何:
二阶近似cos(x)\cos(x)cos(x)总结
这样一来,当你利用这三个给定的系数,让xxx的取值在000附近增减时,你近似函数的函数值的变化率(也就是斜率)和近似变化率的变化率(也就是曲率)就可以让P(x)P(x)P(x)尽可能的接近cos(x)\cos(x)cos(x)函数本身了。
增加阶数近似
我们也可以多添加几项高次项使得P(x)P(x)P(x)对cos(x)\cos(x)cos(x)函数的近似更精准。比如三次项:
求得c3=0c_3=0c3=0,因此P(x)=1−1/2x2P(x)=1-1/2x^2P(x)=1−1/2x2,不仅仅是cos(x)\cos(x)cos(x)在x=0x=0x=0处最佳的二阶近似函数,同时也是最佳的三阶近似函数。
还可以给P(x)P(x)P(x)增加一个四次项,这样在x=0x=0x=0处,P(x)P(x)P(x)的图像就更加接近cos(x)\cos(x)cos(x)的图像了
因此,当我们求解这个物理问题时,牵扯到求一个很小的角度的cos(x)\cos(x)cos(x)值时候,我们用多项式去近似,求解的cos(x)\cos(x)cos(x)值基本上丝毫不差了。
继续延伸
- 阶乘的形式是自然而然出现的。你对xnx^nxn连续取n次求导,多项式求导法则一层套一层,最后就会剩下一个为1∗2∗3∗∗...=n!1*2*3**...=n!1∗2∗3∗∗...=n!的常数。所以近似多项式中,第n项的系数并不是高阶导数本身,你需要再除以n个阶乘,来抵消这个效应。
- 其次,当我们往近似多项式中添加更高次项时,低阶的项并不会因此而改变。因此多项式任意n阶的导数在x=0x=0x=0的值都由唯一的一个系数控制
如果你想用多项式估计一个非零点附近的结果,比如x=πx=\pix=π,那么你换成使用P(x)P(x)P(x)关于(x−π(x-\pi(x−π)而不是xxx的多项式就可以得到相同的效果。
在一点处的各阶导数值的信息,转化成那一点附近函数值的信息
知道了cos(x)\cos(x)cos(x)的所有高阶导数,其实也就了解了关于cos(x)\cos(x)cos(x)的许多信息,即便你只关注在x=0x=0x=0一个取值
泰勒多项式
经过几个步骤的处理之后,我们得到的P(x)P(x)P(x)多项式,叫做cos(x)\cos(x)cos(x)的泰勒多项式
泰勒级数的直观理解(假设为时间x和速度y的关系)
- f(a)f(a)f(a): 表示从时刻a开始,当前的里程表的数值 f(a)f(a)f(a)是多少
- 一次项:拟合匀速运动,速度与时间的乘积
- 二次项:拟合匀加速度运动,比只拟合匀速运动接近f(a)f(a)f(a)值更加精确
- 三次项及以上:加速度也不是常数,用三次项表征加速度的变化率,以此类推到无穷多项
泰勒级数的定义:
在数学上,对于一个在实数或复数a{\displaystyle a}a邻域上,以实数作为变量或以复数作为变量的函数,并且是无穷可微的函数 f(x){\displaystyle f(x)}f(x),它的泰勒级数是以下这种形式的幂级数:
∑n=0∞f(n)(a)n!(x−a)n{\displaystyle \sum _{n=0}^{\infty }{\frac {f^{(n)}(a)}{n!}}(x-a)^{n}}n=0∑∞n!f(n)(a)(x−a)n
这里, n!{\displaystyle n!}n!表示 n{\displaystyle n}n的阶乘,而 f(n)(a) ​{\displaystyle f^{(n)}(a)\,\!}f(n)(a)表示函数fff在点aaa处的nnn阶导数。如果a=0a=0a=0,也可以把这个级数称为麦克劳林级数。
对任意函数近似
更加普遍的,我们需要近似任何函数的时候,都可以对其求导,获取各阶导数和导数在x=0x=0x=0的值,xnx^nxn项对应的系数就应该为x=0x=0x=0时函数的n阶导数值 再除以n!n!n!
- 下面公式中的第一项,x=0x=0x=0时,P(x)P(x)P(x)的常数项和被拟合的函数f(0)f(0)f(0)的值相等
- 下一项,也就是一次项,能让两者的斜率相等
- 二次项,能让两者斜率的变化率相等。
- 以此类推,高次项越多,近似拟合就越精准,但是多项式也会变得越来越复杂
如果你想求得不是x=0x=0x=0而是x=ax=ax=a附近的近似,你就要用(x−a)(x-a)(x−a)来改写多项式,然后计算在(x−a)(x-a)(x−a)处P(x)P(x)P(x)的各阶导数值。这样,改变aaa的值,就可以调整多项式函数在哪里近似原始函数了。
至此,泰勒多项式就能试用于所有的情况了。
example exe^xex
泰勒级数的几何意义
待续
其他级数
从其他视频资料中作为补充,请参考【补充资料参考】
几何级数
11−x\frac{1}{1-x}1−x1的级数展开如下式,注意xxx的取值范围为0<x<10<x<10<x<1
f(x)=11−x=1+x+x2+x3+x4+...+xnf(x)=\frac{1}{1-x}=1+x+x^2+x^3+x^4+...+x^nf(x)=1−x1=1+x+x2+x3+x4+...+xn
- 假设x=1x=1x=1,则级数会无线增加,导致无法收敛,变成无穷大
几何级数积分
−ln(1−x)-\ln{(1-x)}−ln(1−x)的级数展开如下式,注意xxx的取值范围为0<x<10<x<10<x<1
f(x)=−ln(1−x)=x+x2/2+x3/3+x4/4+...+xn/nf(x)=-\ln{(1-x)}=x+x^2/2+x^3/3+x^4/4+...+x^n/nf(x)=−ln(1−x)=x+x2/2+x3/3+x4/4+...+xn/n
- 假设x=1x=1x=1,则f(x)=−ln(1−x)=∞f(x)=-\ln{(1-x)}=\infinf(x)=−ln(1−x)=∞,右边多项式1+1/2+1/3+1/4+...1+1/2+1/3+1/4+...1+1/2+1/3+1/4+...。虽然每一项的值是随着n的增加不断减小的,但求和之后的值仍然是趋于无穷的,所以x=!0x=!0x=!0
二项式定理
帕斯卡三角
(1+x)0=(1+x)^0=(1+x)0= 111
(1+x)1=(1+x)^1=(1+x)1= 1+1x1+1x1+1x
(1+x)2=(1+x)^2=(1+x)2= 1+2x+1x21+2x+1x^21+2x+1x2
(1+x)3=(1+x)^3=(1+x)3= 1+3x+3x2+1x31+3x+3x^2+1x^31+3x+3x2+1x3
…
(1+x)p=(1+x)^p=(1+x)p=
当(1+x)p(1+x)^p(1+x)p中ppp不等于整数时,比如p=1/2,−1,πp=1/2, -1, \pip=1/2,−1,π等时,该如何展开?
该问题可以用泰勒级数展开
令f(x)=(1+x)pf(x)=(1+x)^pf(x)=(1+x)p
则:
(1+x)p=1+px+p(p−1)2!x2+p(p−1)(p−2)3!x3+...(1+x)^p=1+px+\frac{p(p-1)}{2!}x^2+\frac{p(p-1)(p-2)}{3!}x^3+...(1+x)p=1+px+2!p(p−1)x2+3!p(p−1)(p−2)x3+...
所以,二项式定理就是泰勒级数的展开的一个应用
(1+x)3=(1+x)^3=(1+x)3= 1+3x+3x2+1x31+3x+3x^2+1x^31+3x+3x2+1x3 展开为啥没有三阶以后的项了?
- 由于这个函数最高次幂为3三次,连续求导三次之后,再次求导所有项均为0了,所以后面的高次展开项就没有了。
- 但是,如果p=1/2,−1,πp=1/2, -1, \pip=1/2,−1,π等时,求导不会使导数为0,则高次项就会持续下去。
引用
本文主要参考下列视频内容,感谢视频作者及翻译的无私奉献!
- 【官方双语/合集】微积分的本质 - 系列合集
补充资料参考
- [微积分重点之微分学][MIT][Strang]09_幂级数和欧拉公式
英语
多项式函数:polynomials
Taylor Series(泰勒级数)相关推荐
- 『迷你教程』泰勒级数(Taylor series)的通俗看法
文章目录 幂级数 Taylor级数 Taylor级数展开的举例 泰勒多项式的近似值 泰勒级数的更多例子 机器学习中的Taylor级数 泰勒级数(Taylor series)展开 也叫 泰勒展开式 是一 ...
- 多元函数的泰勒展开(Taylor series expansion)
多元函数的泰勒展开(Taylor series expansion) 实际优化问题的目标函数往往比较复杂.为了使问题简化,通常将目标函数在某点附近()展开为泰勒(Taylor)多项式来逼近原函数. ① ...
- java 泰勒级数_鸡群优化算法(CSO)、蜻蜓算法(DA)、乌鸦搜索算法(CSA)、泰勒级数(Taylor series)...
一.鸡群优化算法(Chicken Swarm Optimization, CSO) CSO算法是由Meng等于2014年10月在第五次国际群体智能会议(ICSI)上提出的一种新的仿生算法,CSO算法模 ...
- 常见的统计术语翻译(转帖)
Absolute deviation, 绝对离差 Absolute number, 绝对数 Absolute residuals, 绝对残差 Acceleration array, 加速度立体阵 Ac ...
- CQF笔记Primer数学基础
CQF笔记Primer数学基础 1 Calculus 微积分 1.1 Basic Terminology 基本术语 1.2 Functions 函数 1.2.1 Explicit/Implicit R ...
- CQF笔记M1L3泰勒级数和转移概率密度函数
CQF笔记M1L3泰勒级数和转移密度函数 Module 1 Building Blocks of Quant Finance Lecture 2 Taylor Series and Transitio ...
- 有限增量公式、泰勒公式、泰勒级数、傅里叶级数的关系
参考资料: 1.泰勒公式.泰勒定理.泰勒级数.泰勒展开式之间的关系 2.这一切都从指数函数开始(2)--Fourier级数和变换 3.傅里叶级数 上图中从上到下对函数的估计越来越准确,误差越来越小 它 ...
- 用Python学《微积分B》(Taylor公式与曲线拟合)
Taylor公式是微分学部分集大成者,可以说,只有理解了Taylor公式,才能真正感受到微分学方法的神奇与强大.本文主要根据扈志明老师的<微积分B>课程的内容,总结我对Taylor公式的理 ...
- 用Python学《微积分B》(多元函数Taylor公式)
从一元微分到多元微分,主要把握这两点差异:一是导数变偏导数,二是叠加.从向量的角度来看,更容易理解:导数(偏导数)表征的是变化率,一元函数导数表示的是一个维度上的变化率,而多元函数导数表示的多个维 ...
最新文章
- 【camera-lidar-radar】基于卡尔曼滤波和扩展卡尔曼滤波的相机、激光雷达、毫米波雷达多传感器后融合
- 吴恩达神经网络和深度学习——第二周笔记
- Launcher3自定义壁纸旋转后拉伸无法恢复
- bitand( ) 函数用法
- 土木工程真的这么可怕吗?
- 关于linux系统中无法识别某一命令问题的解决方案
- ai圆角插件_【干货满满】AI软件技巧排版所需
- 如何配置cocos2d-x安卓开发环境?
- wordpress用途_8个热门WordPress多用途主题及其炫酷功能
- 基于RSSI及KNN算法的WiFi室内定位实现
- commvault oracle容灾,解析Commvault云管理解决方案如何实现数据的一体化管理
- 互斥锁的使用(学习笔记)
- 最受欢迎的webgl 3d引擎
- 最新800道高岗面试题:数据库+微服务 +并发编程+等,终现京东梦。我进了,你的还远吗?
- 跳槽真的难吗?20节专项课揭秘面试潜规则
- iOS仿QQ分组效果
- 我的警长 灵宝西所第一警务区 陈静
- 2013华为校园招聘面经
- The 50 Most Essential Pieces of Classical Music
- mvn install 和mvn package 区别