[高等数学学习记录] 泰勒公式
1 知识点
1.1 要求
为简化计算, 通常用多项式近似表达复杂函数:
设函数 f ( x ) f(x) f(x) 在含有 x 0 x_0 x0 的开区间内具有 ( n + 1 ) (n+1) (n+1) 阶导数, 试找出一个关于 ( x − x 0 ) (x-x_0) (x−x0) 的 n n n 次多项式 p n ( x ) p_n(x) pn(x) 近似表达 f ( x ) f(x) f(x);
要求 p n ( x ) p_n(x) pn(x) 与 f ( x ) f(x) f(x) 之差是比 ( x − x 0 ) n (x-x_0)^n (x−x0)n 高阶的无穷小, 并给出误差 ∣ f ( x ) − p n ( x ) ∣ |f(x)-p_n(x)| ∣f(x)−pn(x)∣ 的具体表达式.
1.2 泰勒多项式
设 p n ( x ) p_n(x) pn(x) 的形式为:
p n ( x ) = a 0 + a 1 ( x − x 0 ) + a 2 ( x − x 0 ) 2 + ⋯ + a n ( x − x 0 ) n ( 1 ) p_n(x)=a_0+a_1(x-x_0)+a_2(x-x_0)^2+\cdots + a_n(x-x_0)^n \qquad (1) pn(x)=a0+a1(x−x0)+a2(x−x0)2+⋯+an(x−x0)n(1)
假设 p n ( x ) p_n(x) pn(x) 与 f ( x ) f(x) f(x) 在 x 0 x_0 x0 处的函数值相等, 且同阶导数在 x 0 x_0 x0 处的值也相等, 得:
f ( x 0 ) = p n ( x 0 ) f ′ ( x 0 ) = p n ′ ( x 0 ) f ′ ′ ( x 0 ) = p n ′ ′ ( x 0 ) ⋯ f ( n ) ( x 0 ) = p n ( n ) ( x 0 ) } ( 2 ) \left.\begin{aligned}f(x_0)=p_n(x_0)\\f'(x_0)=p'_n(x_0)\\f''(x_0)=p''_n(x_0)\\ \cdots\\f^{(n)}(x_0)=p_n^{(n)}(x_0)\end{aligned}\right\}\qquad (2) f(x0)=pn(x0)f′(x0)=pn′(x0)f′′(x0)=pn′′(x0)⋯f(n)(x0)=pn(n)(x0)⎭ ⎬ ⎫(2)
由 ( 1 ) (1) (1) 式和 ( 2 ) (2) (2) 式得:
f ( x 0 ) = p n ( x 0 ) = a 0 + 0 + ⋯ + 0 = a 0 f ′ ( x 0 ) = p n ′ ( x 0 ) = 0 + a 1 ⋅ 1 + 0 + ⋯ + 0 = a 1 f ′ ′ ( x 0 ) = p n ′ ′ ( x 0 ) = 0 + 0 + a 2 ⋅ 2 ! + 0 + ⋯ + 0 = a 2 ⋅ 2 ! ⋯ f ( n ) ( x 0 ) = p ( n ) ( x 0 ) = 0 + ⋯ + 0 + a n ⋅ n ! = a n ⋅ n ! } ( 3 ) \left.\begin{aligned}f(x_0)=p_n(x_0)=a_0+0+\cdots +0=a_0 \\ f'(x_0)=p'_n(x_0)=0+a_1\cdot 1+0+\cdots +0=a_1 \\ f''(x_0)=p''_n(x_0)=0+0+a_2\cdot 2! +0+\cdots +0 = a_2\cdot2!\\ \cdots \\ f^{(n)}(x_0)=p^{(n)}(x_0)=0+\cdots +0+a_n\cdot n!= a_n\cdot n!\end{aligned}\right\}\qquad (3) f(x0)=pn(x0)=a0+0+⋯+0=a0f′(x0)=pn′(x0)=0+a1⋅1+0+⋯+0=a1f′′(x0)=pn′′(x0)=0+0+a2⋅2!+0+⋯+0=a2⋅2!⋯f(n)(x0)=p(n)(x0)=0+⋯+0+an⋅n!=an⋅n!⎭ ⎬ ⎫(3)
将 ( 3 ) (3) (3) 式变换, 得:
a 0 = f ( x 0 ) a 1 = f ′ ( x 0 ) a 2 = f ′ ′ ( x 0 ) 2 ! ⋯ a n = f ( n ) ( x 0 ) n ! } ( 4 ) \left.\begin{aligned}a_0=f(x_0) \\ a_1=f'(x_0) \\ a_2=\frac{f''(x_0)}{2!} \\ \cdots \\ a_n=\frac{f^{(n)}(x_0)}{n!}\end{aligned}\right\}\qquad (4) a0=f(x0)a1=f′(x0)a2=2!f′′(x0)⋯an=n!f(n)(x0)⎭ ⎬ ⎫(4)
将 ( 4 ) (4) (4) 式代入 ( 1 ) (1) (1) 式, 得:
p n ( x ) = f ( x 0 ) + f ′ ( x 0 ) ( x − x 0 ) + f ′ ′ ( x 0 ) 2 ! ( x − x 0 ) 2 + ⋯ + f ( n ) ( x 0 ) n ! ( x − x 0 ) n ( 5 ) p_n(x)=f(x_0)+f'(x_0)(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n\qquad (5) pn(x)=f(x0)+f′(x0)(x−x0)+2!f′′(x0)(x−x0)2+⋯+n!f(n)(x0)(x−x0)n(5)
( 5 ) (5) (5) 式称为函数 f ( x ) f(x) f(x) 按 ( x − x 0 ) (x-x_0) (x−x0) 的幂展开的 n n n 次泰勒多项式, 是函数 f ( x ) f(x) f(x) 的近似表达.
1.3 带有拉格朗日型余项的泰勒公式
[泰勒(Taylor)中值定理] 如果函数 f ( x ) f(x) f(x) 在含有 x 0 x_0 x0 的某个开区间 ( a , b ) (a,b) (a,b) 内具有直到 ( n + 1 ) (n+1) (n+1) 阶的导数,则对任一 x ∈ ( a , b ) x\in(a,b) x∈(a,b),有:
f ( x ) = f ( x 0 ) + f ′ ( x 0 ) ( x − x 0 ) + f ′ ′ ( x 0 ) 2 ! ( x − x 0 ) 2 + ⋯ + f ( n ) ( x 0 ) n ! ( x − x 0 ) n + R n ( x ) ( 6 ) f(x)=f(x_0)+f'(x_0)(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+\cdots + \frac{f^{(n)}(x_0)}{n!}(x-x_0)^n+R_n(x) \qquad (6) f(x)=f(x0)+f′(x0)(x−x0)+2!f′′(x0)(x−x0)2+⋯+n!f(n)(x0)(x−x0)n+Rn(x)(6)
其中,
R n ( x ) = f ( n + 1 ) ( ξ ) ( n + 1 ) ! ( x − x 0 ) n + 1 ( 7 ) R_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}\qquad (7) Rn(x)=(n+1)!f(n+1)(ξ)(x−x0)n+1(7)
公式 ( 6 ) (6) (6) 称为函数 f ( x ) f(x) f(x) 按 ( x − x 0 ) (x-x_0) (x−x0) 的幂展开的带有拉格朗日型余项的 n n n 阶泰勒公式.
公式 ( 7 ) (7) (7) 称为拉格朗日型余项,其中的 ξ \xi ξ 介于 x 0 x_0 x0 与 x x x 之间.
当 n = 0 n=0 n=0 时,泰勒公式变成拉格朗日中值公式 f ( x ) = f ( x 0 ) + f ′ ( ξ ) ( x − x 0 ) f(x)=f(x_0)+f'(\xi)(x-x_0) f(x)=f(x0)+f′(ξ)(x−x0) ( ξ \xi ξ 介于 x 0 x_0 x0 与 x x x 之间).
如果 x 0 = 0 x_0=0 x0=0,则 ξ ∈ ( 0 , x ) \xi\in(0,x) ξ∈(0,x),可以令 ξ = θ x ( 0 < θ < 1 ) \xi=\theta x(0<\theta <1) ξ=θx(0<θ<1) .
1.4 泰勒公式的误差
以多项式 p n ( x ) p_n(x) pn(x) 近似表达函数 f ( x ) f(x) f(x) 时, 其误差为 ∣ R n ( x ) ∣ |R_n(x)| ∣Rn(x)∣ .
如果对于某个固定的 n n n, 当 x ∈ ( a , b ) x\in (a,b) x∈(a,b) 时, ∣ f ( n + 1 ) ( x ) ∣ ≤ M |f^{(n+1)}(x)|\leq M ∣f(n+1)(x)∣≤M, 则有:
∣ R n ( x ) ∣ = ∣ f ( n + 1 ) ( ξ ) ( n + 1 ) ! ( x − x 0 ) n + 1 ∣ ≤ M ( n + 1 ) ! ∣ x − x 0 ∣ n + 1 ( 8 ) \begin{vmatrix}R_n(x)\end{vmatrix}=\begin{vmatrix}\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}\end{vmatrix}\leq \frac{M}{(n+1)!}\begin{vmatrix}x-x_0\end{vmatrix}^{n+1}\qquad (8) Rn(x) = (n+1)!f(n+1)(ξ)(x−x0)n+1 ≤(n+1)!M x−x0 n+1(8)
及
lim x → x 0 R n ( x ) ( x − x 0 ) n = 0 ( 9 ) \lim_{x\rightarrow x_0}\frac{R_n(x)}{(x-x_0)^n}=0\qquad (9) x→x0lim(x−x0)nRn(x)=0(9)
可见, 当 x → x 0 x\rightarrow x_0 x→x0 时, 误差 ∣ R n ( x ) ∣ |R_n(x)| ∣Rn(x)∣ 是比 ( x − x 0 ) n (x-x_0)^n (x−x0)n 高阶的无穷小, 即:
R n ( x ) = o [ ( x − x 0 ) n ] ( 10 ) R_n(x)=o[(x-x_0)^n]\qquad (10) Rn(x)=o[(x−x0)n](10)
公式 ( 10 ) (10) (10) 称为佩亚诺(Peano)型余项.
1.5 带有佩亚诺型余项的泰勒公式
在不需要余项的精确表达时, n n n 阶泰勒公式也可写成:
f ( x ) = f ( x 0 ) + f ′ ( x 0 ) ( x − x 0 ) + f ′ ′ ( x 0 ) 2 ! ( x − x 0 ) 2 + ⋯ + f ( n ) ( x 0 ) n ! ( x − x 0 ) n + o [ ( x − x 0 ) n ] ( 11 ) f(x)=f(x_0)+f'(x_0)(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+\cdots + \frac{f^{(n)}(x_0)}{n!}(x-x_0)^n+o[(x-x_0)^n]\qquad (11) f(x)=f(x0)+f′(x0)(x−x0)+2!f′′(x0)(x−x0)2+⋯+n!f(n)(x0)(x−x0)n+o[(x−x0)n](11)
公式 ( 11 ) (11) (11) 称为 f ( x ) f(x) f(x) 按 ( x − x 0 ) (x-x_0) (x−x0) 的幂展开的带有佩亚诺型余项的 n n n 阶泰勒公式.
1.6 带有拉格朗日型余项的麦克劳林公式
公式 ( 6 ) (6) (6) 中,如果取 x 0 = 0 x_0=0 x0=0,则 ξ \xi ξ 在 0 0 0 与 x x x 之间. 因此可以令 ξ = θ x ( 0 < θ < 1 ) \xi=\theta x(0<\theta <1) ξ=θx(0<θ<1) ,从而泰勒公式变为带有拉格朗日型余项的麦克劳林公式:
f ( x ) = f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 ! x 2 + ⋯ + f ( n ) ( 0 ) n ! x n + f ( n + 1 ) ( θ x ) ( n + 1 ) ! x n + 1 ( 0 < θ < 1 ) ( 12 ) . f(x)=f(0)+f'(0)x+\frac{f''(0)}{2!}x^2+\cdots +\frac{f^{(n)}(0)}{n!}x^n+\frac{f^{(n+1)}(\theta x)}{(n+1)!}x^{n+1}(0<\theta<1)\qquad (12). f(x)=f(0)+f′(0)x+2!f′′(0)x2+⋯+n!f(n)(0)xn+(n+1)!f(n+1)(θx)xn+1(0<θ<1)(12).
1.7 带有佩亚诺型余项的麦克劳林公式
如果取 x 0 = 0 x_0=0 x0=0,则公式 ( 11 ) (11) (11) 变换为带有佩亚诺型余项的麦克劳林公式:
f ( x ) = f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 ! x 2 + ⋯ + f ( n ) ( 0 ) n ! x n + o ( x n ) ( 13 ) f(x)=f(0)+f'(0)x+\frac{f''(0)}{2!}x^2+\cdots +\frac{f^{(n)}(0)}{n!}x^n+o(x^n) \qquad (13) f(x)=f(0)+f′(0)x+2!f′′(0)x2+⋯+n!f(n)(0)xn+o(xn)(13)
2 练习题
[题1] 按 ( x − 4 ) (x-4) (x−4) 的幂展开多项式 f ( x ) = x 4 − 5 x 3 + x 2 − 3 x + 4 f(x)=x^4-5x^3+x^2-3x+4 f(x)=x4−5x3+x2−3x+4.
[解]
根据公式 ( 5 ) (5) (5) 得:
p n ( x ) = f ( x 0 ) + f ′ ( x 0 ) ( x − x 0 ) + f ′ ′ ( x 0 ) 2 ! ( x − x 0 ) 2 + ⋯ + f ( n ) ( x 0 ) n ! ( x − x 0 ) n p_n(x)=f(x_0)+f'(x_0)(x-x_0)+\frac{f''(x_0)}{2!}(x-x_0)^2+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0)^n pn(x)=f(x0)+f′(x0)(x−x0)+2!f′′(x0)(x−x0)2+⋯+n!f(n)(x0)(x−x0)n
此题 x 0 = 4 x_0=4 x0=4:
原式 = f ( 4 ) + f ′ ( 4 ) ( x − 4 ) + f ′ ′ ( 4 ) 2 ! ( x − 4 ) 2 + f ′ ′ ′ ( 4 ) 3 ! ( x − 4 ) 3 + f ( 4 ) 4 ! ( x − 4 ) 4 + 0 + ⋯ + 0 =f(4)+f'(4)(x-4)+\frac{f''(4)}{2!}(x-4)^2+\frac{f'''(4)}{3!}(x-4)^3+\frac{f^{(4)}}{4!}(x-4)^4+0+\cdots +0 =f(4)+f′(4)(x−4)+2!f′′(4)(x−4)2+3!f′′′(4)(x−4)3+4!f(4)(x−4)4+0+⋯+0
= − 56 + 21 ( x − 4 ) + 37 ( x − 4 ) 2 + 11 ( x − 4 ) 3 + ( x − 4 ) 4 =-56+21(x-4)+37(x-4)^2+11(x-4)^3+(x-4)^4 =−56+21(x−4)+37(x−4)2+11(x−4)3+(x−4)4
[题2] 应用麦克劳林公式,按 x x x 的幂展开函数 f ( x ) = ( x 2 − 3 x + 1 ) 3 f(x)=(x^2-3x+1)^3 f(x)=(x2−3x+1)3.
[解]
根据麦克劳林公式得:
p n ( x ) p_n(x) pn(x)
= f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 ! x + ⋯ + f ( 6 ) ( 0 ) 6 ! x + 0 + ⋯ + 0 =f(0)+f'(0)x+\frac{f''(0)}{2!}x+\cdots +\frac{f^{(6)}(0)}{6!}x+0+\cdots +0 =f(0)+f′(0)x+2!f′′(0)x+⋯+6!f(6)(0)x+0+⋯+0
= 1 − 9 x + 30 x 2 − 45 x 3 + 30 x 4 − 9 x 5 + x 6 =1-9x+30x^2-45x^3+30x^4-9x^5+x^6 =1−9x+30x2−45x3+30x4−9x5+x6
[题3] 求函数 f ( x ) = x f(x)=\sqrt{x} f(x)=x 按 ( x − 4 ) (x-4) (x−4) 的幂展开的带有拉格朗日型余项的3阶泰勒公式.
[解]
根据公式 ( 6 ) (6) (6), 且 x 0 = 4 x_0=4 x0=4 得:
f ( x ) f(x) f(x)
= x =\sqrt{x} =x
= f ( 4 ) + f ′ ( 4 ) ( x − 4 ) + f ′ ′ ( 4 ) 2 ! ( x − 4 ) 2 + f ′ ′ ′ ( 4 ) 3 ! ( x − 4 ) 3 + f ( 4 ) ( ξ ) 4 ! ( x − 4 ) 4 =f(4)+f'(4)(x-4)+\frac{f''(4)}{2!}(x-4)^2+\frac{f'''(4)}{3!}(x-4)^3+\frac{f^{(4)}(\xi)}{4!}(x-4)^4 =f(4)+f′(4)(x−4)+2!f′′(4)(x−4)2+3!f′′′(4)(x−4)3+4!f(4)(ξ)(x−4)4
= 2 + x − 4 4 − ( x − 4 ) 2 64 + ( x − 4 ) 3 512 − 5 ξ − 7 2 ( x − 4 ) 4 128 =2+\frac{x-4}{4}-\frac{(x-4)^2}{64}+\frac{(x-4)^3}{512}-\frac{5\xi^{-\frac{7}{2}}(x-4)^4}{128} =2+4x−4−64(x−4)2+512(x−4)3−1285ξ−27(x−4)4( ξ \xi ξ 介于 4 4 4 与 x x x 之间)
[题4] 求函数 f ( x ) = l n x f(x)=lnx f(x)=lnx 按 ( x − 2 ) (x-2) (x−2) 的幂展开的带有佩亚诺型余项的 n n n 阶泰勒公式.
[解]
根据公式 ( 11 ) (11) (11) ,且 x 0 = 0 x_0=0 x0=0 得:
f ( x ) f(x) f(x)
= l n x =lnx =lnx
= f ( 2 ) + f ′ ( 2 ) ( x − 2 ) + f ′ ′ ( 2 ) 2 ! ( x − 2 ) 2 + ⋯ + f ( n ) ( 2 ) n ! ( x − 2 ) n + o [ ( x − 2 ) n ] =f(2)+f'(2)(x-2)+\frac{f''(2)}{2!}(x-2)^2+\cdots + \frac{f^{(n)}(2)}{n!}(x-2)^n+o[(x-2)^n] =f(2)+f′(2)(x−2)+2!f′′(2)(x−2)2+⋯+n!f(n)(2)(x−2)n+o[(x−2)n]
= l n 2 + x − 2 2 − ( x − 2 ) 2 2 3 + ⋯ + ( − 1 ) n − 1 ( x − 2 ) n n ⋅ 2 n + o [ ( x − 2 ) n ] =ln2+\frac{x-2}{2}-\frac{(x-2)^2}{2^3}+\cdots + \frac{(-1)^{n-1}(x-2)^n}{n\cdot 2^n}+o[(x-2)^n] =ln2+2x−2−23(x−2)2+⋯+n⋅2n(−1)n−1(x−2)n+o[(x−2)n]
[题5] 求函数 f ( x ) = 1 x f(x)=\frac{1}{x} f(x)=x1 按 ( x + 1 ) (x+1) (x+1) 的幂展开的带有拉格朗日型余项的 n n n 阶泰勒公式.
[解]
根据公式 ( 6 ) (6) (6) ,且 x 0 = − 1 x_0=-1 x0=−1 得:
f ( x ) f(x) f(x)
= 1 x =\frac{1}{x} =x1
= f ( − 1 ) + f ′ ( − 1 ) ( x + 1 ) + f ′ ′ ( − 1 ) 2 ! ( x + 1 ) 2 + ⋯ + f ( n ) ( − 1 ) n ! ( x + 1 ) n + f ( n + 1 ) ( ξ ) ( n + 1 ) ! ( x + 1 ) n + 1 =f(-1)+f'(-1)(x+1)+\frac{f''(-1)}{2!}(x+1)^2+\cdots +\frac{f^{(n)}(-1)}{n!}(x+1)^n+\frac{f^{(n+1)}(\xi)}{(n+1)!}(x+1)^{n+1} =f(−1)+f′(−1)(x+1)+2!f′′(−1)(x+1)2+⋯+n!f(n)(−1)(x+1)n+(n+1)!f(n+1)(ξ)(x+1)n+1
= − 1 − ( x + 1 ) − ( x + 1 ) 2 + ⋯ + ( − 1 ) ( x + 1 ) n + ( − 1 ) n + 1 ( x + 1 ) n + 1 ξ n + 2 =-1-(x+1)-(x+1)^2+\cdots +(-1)(x+1)^n+(-1)^{n+1}\frac{(x+1)^{n+1}}{\xi^{n+2}} =−1−(x+1)−(x+1)2+⋯+(−1)(x+1)n+(−1)n+1ξn+2(x+1)n+1( ξ \xi ξ 介于 − 1 -1 −1 与 x x x 之间).
[题6] 求函数 f ( x ) = t a n x f(x)=tanx f(x)=tanx 的带有佩亚诺型余项的 3 3 3 阶麦克劳林公式.
[解]
根据公式 ( 13 ) (13) (13) 得:
f ( x ) f(x) f(x)
= t a n x =tanx =tanx
= f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 x 2 + f ′ ′ ′ ( 0 ) 6 x 3 + o ( x 3 ) =f(0)+f'(0)x+\frac{f''(0)}{2}x^2+\frac{f'''(0)}{6}x^3+o(x^3) =f(0)+f′(0)x+2f′′(0)x2+6f′′′(0)x3+o(x3)
= 0 + x s e c 2 0 + 2 s e c 2 0 t a n 0 2 x 2 + 4 s e c 2 x t a n 2 0 + 2 s e c 4 0 6 x 3 + o ( x 3 ) =0+xsec^20+\frac{2sec^20tan0}{2}x^2+\frac{4sec^2xtan^20+2sec^40}{6}x^3+o(x^3) =0+xsec20+22sec20tan0x2+64sec2xtan20+2sec40x3+o(x3)
= x + 1 3 x 3 + o ( x 3 ) =x+\frac{1}{3}x^3+o(x^3) =x+31x3+o(x3)
[题7] 求函数 f ( x ) = x e x f(x)=xe^x f(x)=xex 的带有佩亚诺型余项的 n n n 阶麦克劳林公式.
[解]
根据公式 ( 13 ) (13) (13) 得:
f ( x ) f(x) f(x)
= x e x =xe^x =xex
= f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 ! x 2 + ⋯ + f ( n ) ( 0 ) n ! x n + o ( x n ) =f(0)+f'(0)x+\frac{f''(0)}{2!}x^2+\cdots + \frac{f^{(n)}(0)}{n!}x^n+o(x^n) =f(0)+f′(0)x+2!f′′(0)x2+⋯+n!f(n)(0)xn+o(xn)
= 0 + x + 2 x 2 2 ! + 3 x 3 3 ! + ⋯ + n n ! x n + o ( x n ) =0+x+\frac{2x^2}{2!}+\frac{3x^3}{3!}+\cdots +\frac{n}{n!}x^n+o(x^n) =0+x+2!2x2+3!3x3+⋯+n!nxn+o(xn)
= x + x 2 + x 3 2 + ⋯ + x n ( n − 1 ) ! + o ( x n ) =x+x^2+\frac{x^3}{2}+\cdots +\frac{x^n}{(n-1)!}+o(x^n) =x+x2+2x3+⋯+(n−1)!xn+o(xn)
[题8] 验证当 0 < x ≤ 1 2 0<x\leq \frac{1}{2} 0<x≤21 时,按公式 e x ≈ 1 + x + x 2 2 + x 3 6 e^x\approx 1+x+\frac{x^2}{2}+\frac{x^3}{6} ex≈1+x+2x2+6x3 计算 e x e^x ex 的近似值时,所产生的误差小于 0.01 0.01 0.01,并求 e \sqrt{e} e 的近似值,使误差小于 0.01 0.01 0.01.
[解]
根据泰勒中值定理得:
e x e^x ex 与 1 + x + x 2 2 + x 3 6 1+x+\frac{x^2}{2}+\frac{x^3}{6} 1+x+2x2+6x3 之间得误差为 ∣ e ξ 24 x 4 ∣ \begin{vmatrix}\frac{e^{\xi}}{24}x^4\end{vmatrix} 24eξx4 ( ξ \xi ξ 介于 0 0 0 与 x x x 之间),即拉格朗日型余项.
∵ 0 < x ≤ 1 2 \because 0<x\leq \frac{1}{2} ∵0<x≤21
∴ 0 < ξ ≤ 1 2 \therefore 0<\xi \leq \frac{1}{2} ∴0<ξ≤21
∴ ∣ e ξ 24 x 4 ∣ ≤ e 1 2 24 ⋅ 2 4 < 0.01 \therefore \begin{vmatrix}\frac{e^\xi}{24}x^4\end{vmatrix}\leq \frac{e^\frac{1}{2}}{24\cdot 2^4}<0.01 ∴ 24eξx4 ≤24⋅24e21<0.01
∴ e = e 1 2 ≈ 1 + 1 2 + 1 2 ⋅ ( 1 2 ) 3 + 1 6 ⋅ ( 1 2 ) 3 = 1 + 1 2 + 1 8 + 1 48 = 79 48 ≈ 1.646 \therefore \sqrt{e}=e^{\frac{1}{2}}\approx 1+\frac{1}{2}+\frac{1}{2}\cdot (\frac{1}{2})^3+\frac{1}{6}\cdot (\frac{1}{2})^3=1+\frac{1}{2}+\frac{1}{8}+\frac{1}{48}=\frac{79}{48}\approx 1.646 ∴e=e21≈1+21+21⋅(21)3+61⋅(21)3=1+21+81+481=4879≈1.646
[题9] 应用 3 3 3 阶泰勒公式求下列各数的近似值,并估计误差:
(1) 30 3 \sqrt[3]{30} 330
(2) s i n 1 8 ∘ sin18^\circ sin18∘
[解(1)]
令 f ( x ) = 3 1 + x 3 f(x)=3\sqrt[3]{1+x} f(x)=331+x,则 f ( 1 9 ) = 30 3 f(\frac{1}{9})=\sqrt[3]{30} f(91)=330
f ( x ) = 3 1 + x 3 = f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 x 2 + f ′ ′ ′ ( 0 ) 6 x 3 + f ( 4 ) ( ξ ) 24 x 4 f(x)=3\sqrt[3]{1+x}=f(0)+f'(0)x+\frac{f''(0)}{2}x^2+\frac{f'''(0)}{6}x^3+\frac{f^{(4)}(\xi)}{24}x^4 f(x)=331+x=f(0)+f′(0)x+2f′′(0)x2+6f′′′(0)x3+24f(4)(ξ)x4( ξ \xi ξ 介于 0 0 0 与 1 9 \frac{1}{9} 91 之间)
∴ 30 3 = f ( 1 9 ) ≈ f ( 0 ) + f ′ ( 0 ) ⋅ 1 9 + f ′ ′ ( 0 ) 2 ⋅ 1 81 + f ′ ′ ′ ( 0 ) 6 ⋅ 1 729 \therefore \sqrt[3]{30}=f(\frac{1}{9})\approx f(0)+f'(0)\cdot \frac{1}{9}+\frac{f''(0)}{2}\cdot \frac{1}{81}+\frac{f'''(0)}{6}\cdot \frac{1}{729} ∴330=f(91)≈f(0)+f′(0)⋅91+2f′′(0)⋅811+6f′′′(0)⋅7291
= 3 + 1 9 − 2 3 ⋅ 1 2 ⋅ 1 9 2 + 10 9 ⋅ 1 6 ⋅ 1 9 3 ≈ 3.1092 =3+\frac{1}{9}-\frac{2}{3}\cdot \frac{1}{2}\cdot \frac{1}{9^2}+\frac{10}{9}\cdot \frac{1}{6}\cdot \frac{1}{9^3}\approx 3.1092 =3+91−32⋅21⋅921+910⋅61⋅931≈3.1092
其误差为 ∣ f ( 4 ) ( ξ ) 24 x 4 ∣ = ∣ 80 27 ⋅ 4 ! ⋅ 9 4 ( 1 + ξ ) − 11 3 ∣ < 80 27 ⋅ 4 ! ⋅ 9 4 ≈ 1.8817 × 1 0 − 5 \begin{vmatrix}\frac{f^{(4)}(\xi)}{24}x^4\end{vmatrix}=\begin{vmatrix}\frac{80}{27\cdot 4!\cdot 9^4}(1+\xi)^{-\frac{11}{3}}\end{vmatrix}<\frac{80}{27\cdot 4!\cdot 9^4}\approx1.8817\times10^{-5} 24f(4)(ξ)x4 = 27⋅4!⋅9480(1+ξ)−311 <27⋅4!⋅9480≈1.8817×10−5
[解(2)]
s i n 1 8 ∘ = s i n π 10 sin18^\circ=sin\frac{\pi}{10} sin18∘=sin10π
令 f ( x ) = s i n x f(x)=sinx f(x)=sinx
利用带拉格朗日型余项的泰勒公式进行计算:
f ( x ) = s i n x = f ( 0 ) + f ′ ( 0 ) x + f ′ ′ ( 0 ) 2 x 2 + f ′ ′ ′ ( 0 ) 6 x 3 + f ( 4 ) ( ξ ) 24 x 4 f(x)=sinx=f(0)+f'(0)x+\frac{f''(0)}{2}x^2+\frac{f'''(0)}{6}x^3+\frac{f^{(4)}(\xi)}{24}x^4 f(x)=sinx=f(0)+f′(0)x+2f′′(0)x2+6f′′′(0)x3+24f(4)(ξ)x4( ξ \xi ξ 介于 0 0 0 与 x x x 之间)
∴ s i n 1 8 ∘ = f ( π 10 ) = sin π 10 ≈ 0 + 1 ⋅ π 10 − 0 − 1 6 ⋅ ( π 10 ) 3 ≈ 0.3090 \therefore sin18^\circ=f(\frac{\pi}{10})=\sin\frac{\pi}{10}\approx 0+1\cdot \frac{\pi}{10}-0-\frac{1}{6}\cdot (\frac{\pi}{10})^3\approx 0.3090 ∴sin18∘=f(10π)=sin10π≈0+1⋅10π−0−61⋅(10π)3≈0.3090
利用拉格朗日型余项表示上述计算的误差:
∣ R n ( x ) ∣ = ∣ f ( 4 ) ( ξ ) 24 x 4 ∣ = ∣ s i n ξ 24 ( π 10 ) 4 ∣ < s i n π 10 24 ( π 10 ) 4 ≈ 0.000125 \begin{vmatrix}R_n(x)\end{vmatrix}=\begin{vmatrix}\frac{f^{(4)}(\xi)}{24}x^4\end{vmatrix}=\begin{vmatrix}\frac{sin\xi}{24}(\frac{\pi}{10})^4\end{vmatrix}<\frac{sin\frac{\pi}{10}}{24}(\frac{\pi}{10})^4\approx 0.000125 Rn(x) = 24f(4)(ξ)x4 = 24sinξ(10π)4 <24sin10π(10π)4≈0.000125
[题10] 利用泰勒公式极限 lim x → + ∞ ( x 3 + 3 x 2 3 − x 4 − 2 x 3 4 ) \lim_{x\rightarrow +\infty}(\sqrt[3]{x^3+3x^2}-\sqrt[4]{x^4-2x^3}) limx→+∞(3x3+3x2−4x4−2x3).
[解]
令 t = 1 x t=\frac{1}{x} t=x1
原式 = lim t → 0 1 + 3 t 3 − 1 − 2 t 4 t =\lim_{t\rightarrow 0}\frac{\sqrt[3]{1+3t}-\sqrt[4]{1-2t}}{t} =limt→0t31+3t−41−2t
利用带佩亚诺型余项的麦克劳林公式得:
1 + 3 t 3 = f ( 0 ) + f ′ ( 0 ) t + o ( t ) = 1 + t + o ( t ) \sqrt[3]{1+3t}=f(0)+f'(0)t+o(t)=1+t+o(t) 31+3t=f(0)+f′(0)t+o(t)=1+t+o(t)
1 − 2 t 4 = 1 − 1 2 t + o ( t ) \sqrt[4]{1-2t}=1-\frac{1}{2}t+o(t) 41−2t=1−21t+o(t)
∴ \therefore ∴ 原式 = lim t → 0 1 + t + o ( t ) − 1 + 1 2 t − o ( t ) t = lim t → 0 3 2 t + o ( t ) t = 3 2 =\lim_{t\rightarrow 0}\frac{1+t+o(t)-1+\frac{1}{2}t-o(t)}{t}=\lim_{t\rightarrow 0}\frac{\frac{3}{2}t+o(t)}{t}=\frac{3}{2} =limt→0t1+t+o(t)−1+21t−o(t)=limt→0t23t+o(t)=23
[学习资料]
1.《高等数学(第六版)》 ,同济大学数学系 编
感谢您的点赞、收藏和关注,更欢迎您的批评、指正和指导!
相关文章:
[高等数学学习记录] 泰勒公式
1 知识点 1.1 要求 为简化计算, 通常用多项式近似表达复杂函数: 设函数 f ( x ) f(x) f(x) 在含有 x 0 x_0 x0 的开区间内具有 ( n 1 ) (n1) (n1) 阶导数, 试找出一个关于 ( x − x 0 ) (x-x_0) (x−x0) 的 n n n 次多项式 p n ( x ) p_n(x) pn(x) 近似表达 f…...
我的创作纪念日—128天的坚持|分享|成长
💫《博主介绍》:✨又是一天没白过,我是奈斯,DBA一名✨ 💫《擅长领域》:✌️擅长Oracle、MySQL、SQLserver、阿里云AnalyticDB for MySQL(分布式数据仓库)、Linux,也在扩展大数据方向的知识面✌️…...
万字长文解读深度学习——多模态模型BLIP2
🌺历史文章列表🌺 深度学习——优化算法、激活函数、归一化、正则化 深度学习——权重初始化、评估指标、梯度消失和梯度爆炸 深度学习——前向传播与反向传播、神经网络(前馈神经网络与反馈神经网络)、常见算法概要汇总 万字长…...
selinux与防火墙
selinux 什么是selinux SELinux 是 Security-Enhanced Linux 的缩写,意思是安全强化的 linux 。 SELinux 主要由美国国家安全局( NSA )开发,当初开发的目的是为了避免资源的误用。 系统资源都是通过程序进行访问的࿰…...
java基础概念47-ArrayList、LinkList和迭代器
一、ArrayList集合 1-1、ArrayList的两种添加信息的方式 1-2、ArrayList集合底层逻辑 1、利用空参创建的集合,在底层创建一个默认长度为0的数组 2、添加第一个元素时,底层会创建一个新的长度为10的数组 3、存满时,会扩容1.5倍。 4、如果…...
Delphi 12.2.1 idhttpserver的使用方法
Delphi 12.2.1 idhttpserver的使用方法 1)CommandGet(AContext: TIdContext; ARequestInfo: TIdHTTPRequestInfo; AResponseInfo: TIdHTTPResponseInfo);事件 该事件和IDTCPSERVER的EXECUTE()事件一样,都是“线程方法”,即事件是在子线程里…...
【golang】单元测试,以及出现undefined时的解决方案
单元测试 要对某一方法进行测试时,例如如下这一简单减法函数,选中函数名后右键->转到->测试 1)Empty test file 就是一个空文件,我们可以自己写测试的逻辑 但是直接点绿色箭头运行会出问题: 找不到包。我们要在…...
jmeter 压测常用静默参数解释应用
简介: JMeter静默压测(即无界面压测)是一种常用的性能测试方法,用于模拟多个用户同时访问系统并测量系统的响应时间和吞吐量等关键性能指标。在JMeter静默压测中,常用的压测参数及其解释如下: 一、基本…...
【开源】A059-基于SpringBoot的社区养老服务系统的设计与实现
🙊作者简介:在校研究生,拥有计算机专业的研究生开发团队,分享技术代码帮助学生学习,独立完成自己的网站项目。 代码可以查看项目链接获取⬇️,记得注明来意哦~🌹 赠送计算机毕业设计600个选题ex…...
《智能体雏形开发(高阶实操)》开发计划概述
智能体雏形开发计划 通过本计划,逐步完成一个可以真实运行的智能体雏形。 最终完成一个**“用户日志文件生成日报,日报再进一步汇总成周报”**的任务驱动型智能体雏形 第一阶段:基础准备与环境搭建 1. 学习基础知识 了解智能体的概念、类型和技术框架。学习大模型(如阿里…...
QT学习笔记-QStringList,QTimer
QStringList-存储和管理一系列的字符串 在Qt框架中,QStringList 是一个模板类 QList<QString> 的特化,专门用于处理 QString 对象(即Qt中的字符串)的列表。当你看到这样的声明: QStringList m_rec_topicList; …...
如何使用brew安装phpredis扩展?
如何使用brew安装phpredis扩展? phpredis扩展是一个用于PHP语言的Redis客户端扩展,它提供了一组PHP函数,用于与Redis服务器进行交互。 1、cd到php某一版本的bin下 /usr/local/opt/php8.1/bin 2、下载 phpredis git clone https://githu…...
游戏引擎学习第25天
Git: https://gitee.com/mrxiao_com/2d_game 今天的计划 总结和复述: 这段时间的工作已经接近尾声,虽然每次编程的时间只有一个小时,但每一天的进展都带来不少收获。尽管看起来似乎花费了很多时间,实际上这些日积月累的时间并未…...
多线程运行时,JVM(Java虚拟机)的内存模型
在多线程运行时,JVM(Java虚拟机)的内存模型主要涉及以下几个方面: 1. 主内存和工作内存 JVM内存模型定义了主内存和工作内存的概念。主内存是所有线程共享的内存区域,而工作内存是每个线程私有的内存区域。线程对变量…...
kernel crash数据解析
crash数据解析 crash解析工具下载和编译方法如下: git clone https://github.com/crash-utility/crash.git cd crash; make targetARM64 crash工具解析ramdump文件: 1. 将dump 出来的ramdump 文件拷贝到 Linux 系统 2. 找到当前Linux 内核对应的vm…...
CLIP模型也能处理点云信息
✨✨ 欢迎大家来访Srlua的博文(づ ̄3 ̄)づ╭❤~✨✨ 🌟🌟 欢迎各位亲爱的读者,感谢你们抽出宝贵的时间来阅读我的文章。 我是Srlua小谢,在这里我会分享我的知识和经验。&am…...
利用若依代码生成器实现课程管理模块开发
目录 前言1. 环境准备1.1 数据库表设计与导入 2. 使用若依代码生成器生成模块代码2.1 导入数据库表2.2 配置生成规则2.2.1 基本信息配置2.2.2 字段信息配置2.2.3 生成信息配置 3. 下载与集成生成代码3.1 解压与集成3.2 启动项目并验证 4. 优化与扩展4.1 前端优化4.2 后端扩展 结…...
用Python做数据分析环境搭建及工具使用(Jupyter)
目录 一、Anaconda下载、安装 二、Jupyter 打开 三、Jupyter 常用快捷键 3.1 创建控制台 3.2 命令行模式下的快捷键 3.3 运行模式下快捷键 3.4 代码模式和笔记模式 3.5 编写Python代码 一、Anaconda下载、安装 【最新最全】Anaconda安装python环境_anaconda配置python…...
SpringBoot实战(三十二)集成 ofdrw,实现 PDF 和 OFD 的转换、SM2 签署OFD
目录 一、OFD 简介1.1 什么是 OFD?1.2 什么是 版式文档?1.3 为什么要用 OFD 而不是PDF? 二、ofdrw 简介2.1 定义2.2 Maven 依赖2.3 ofdrw 的 13 个模块 三、PDF/文本/图片 转 OFD(ofdrw-conterver)3.1 介绍:…...
linux环境人大金仓数据库修改密码
1.进入人大金仓安装目录 cd /home/opt/Kingbase/ES/V9/Server/bin2.连接数据库 ./ksql -U system -d mydb -h 127.0.0.1 -p 54321-u 用户名 -d 数据库名 -h ip地址 -p 端口号 3.修改密码 ALTER USER system WITH PASSWORD 密码;...
Display Driver Uninstaller(DDU)深度技术指南:从根源清除到系统优化
Display Driver Uninstaller(DDU)深度技术指南:从根源清除到系统优化 【免费下载链接】display-drivers-uninstaller Display Driver Uninstaller (DDU) a driver removal utility / cleaner utility 项目地址: https://gitcode.com/gh_mirrors/di/display-driver…...
LingBot-Depth开源大模型教程:贡献模型权重至Hugging Face流程指南
LingBot-Depth开源大模型教程:贡献模型权重至Hugging Face流程指南 1. 项目概述与价值 LingBot-Depth是一个基于深度掩码建模的空间感知模型,专门用于将不完整的深度传感器数据转换为高质量的度量级3D测量。这个开源项目在计算机视觉和3D感知领域具有重…...
WarcraftHelper:Windows 11环境下魔兽3兼容性优化指南
WarcraftHelper:Windows 11环境下魔兽3兼容性优化指南 【免费下载链接】WarcraftHelper Warcraft III Helper , support 1.20e, 1.24e, 1.26a, 1.27a, 1.27b 项目地址: https://gitcode.com/gh_mirrors/wa/WarcraftHelper 问题溯源:魔兽3在现代系…...
从高斯光到无衍射光束:基于ZEMAX与Thorlabs锥透镜的贝塞尔光场构建
1. 从高斯光到贝塞尔光束:光学设计的奇妙旅程 第一次听说贝塞尔光束时,我完全被它的无衍射特性震惊了。想象一下,一束光在传播过程中几乎不会扩散,就像科幻电影里的激光武器一样。这种神奇的光束在医疗、精密加工和光学捕获等领域…...
深度解析:如何正确配置gazebo的xacro文件以实现rviz2点云显示(附完整代码示例)
深度解析:如何正确配置gazebo的xacro文件以实现rviz2点云显示(附完整代码示例) 在ROS2生态系统中,gazebo与rviz2的协同工作一直是机器人仿真开发的核心环节。许多开发者在尝试将gazebo中的深度相机点云数据显示到rviz2时ÿ…...
OpenClaw+百川2-13B-4bits量化模型:个人知识管理自动化方案
OpenClaw百川2-13B-4bits量化模型:个人知识管理自动化方案 1. 为什么需要自动化知识管理 作为一个长期与技术文档打交道的开发者,我的知识库在过去三年膨胀到了2000篇杂乱无章的Markdown文件。每次查找资料时,要么记不清文件名,…...
OpenClaw技能开发指南:为Phi-3-vision-128k-instruct定制多模态自动化流程
OpenClaw技能开发指南:为Phi-3-vision-128k-instruct定制多模态自动化流程 1. 为什么需要为特定模型开发OpenClaw技能? 去年夏天,我接手了一个数据分析项目,需要每周手动从上百张仪表盘截图里提取数字并整理成Excel报表。这种重…...
告别时序困惑:用TimeQuest(Timing Analyzer)搞定FPGA源同步接口SDC约束(含SDR/DDR实战)
时序约束实战:FPGA源同步接口SDC约束全解析 1. 源同步接口的时序挑战 在高速数字系统设计中,源同步接口已成为FPGA与外部设备通信的主流方案。与传统的系统同步接口不同,源同步接口的时钟由发送端(FPGA或外部器件)提供…...
OpenClaw备份恢复:迁移SecGPT-14B配置到新设备的完整流程
OpenClaw备份恢复:迁移SecGPT-14B配置到新设备的完整流程 1. 为什么需要备份OpenClaw配置 上周我的主力开发机突然硬盘故障,导致所有OpenClaw配置丢失。这个惨痛教训让我意识到:作为24小时运行的AI智能体,OpenClaw的配置备份和迁…...
别再纠结了!用Qt开发桌面应用,QWidget和QML到底怎么选?(附实战场景分析)
Qt技术选型实战:QWidget与QML的深度决策指南 当你启动一个新的Qt桌面应用项目时,第一个技术决策往往最令人纠结——该选择传统的QWidget还是现代的QML?这个选择不仅影响开发效率,更决定了产品的长期维护成本和用户体验品质。作为经…...
