泰勒公式系列之一多项式逼近

本文深入介绍了泰勒公式,重点探讨了零点展开的多项式如何逐步逼近光滑函数。通过实例展示了如何利用幂函数的奇偶性调整多项式,使其更好地拟合曲线,同时提到了系数调整的重要性。虽然未涉及余项和具体系数计算,但为后续深入学习奠定了基础。
id="5Cxe3U7t-1652931834592" src="https://player.bilibili.com/player.html?aid=460701143" allowfullscreen="true" data-mediaembed="bilibili">

泰勒公式系列


同学们大家好,今天我们来学习泰勒公式

f(x)=\sum_{n=0}^{N} \frac{f^{(n)}(a)}{n !}(x-a)^{n}+R_{n}(x)

泰勒公式由两部分组成:第一部分为多项式,第二部分为余项

 它其实是光滑函数的另一种表达。

1 泰勒公式表示光滑函数

以光滑函数e^x 为例(下图中的绿色曲线)。多项式是如何逼近的。

注意到此时,多项式是约等于光滑函数。而如果加上余项后,约等号就能变成等号了。

e^{x}\color{red}{=}1+x+\frac{x^2}{2!}+\frac{x^3}{3!}+\frac{x^4}{4!}+\frac{x^5}{5!}+ \frac{x^6}{6!}+R(x)

在本文中,我们不讨论余项,单看多项式是如何逼近光滑函数的

\sum_{n=0}^{N} \frac{f^{(n)}(a)}{n !}(x-a)^{n} \longrightarrow f(x)

2 多项式中的a

在多项式中,除了自变量x ,还有一个可以变动的参数a

\sum_{n=0}^{N} \frac{f^{(n)}(\color{red}{a})}{n !}(x-\color{red}{a})^{n}

它代表的是泰勒公式的展开位置。a=-1 时,泰勒公式在x=-1 点处展开。

此时,多项式与光滑函数在x=2 点附近贴合的较好

a=1 时,泰勒公式在x=1 点处展开。此时多项式与光滑函数在x=1 点附近贴合的较好。

本文将以a=0 ,即泰勒公式在x=0 点展开为例,讲解多项式是如何逼近光滑曲线的。

\sum_{n=0}^{N} \frac{f^{(n)}(a)}{n !}(x-a)^{n}\xrightarrow{\quad a=0 \quad} \quad \sum_{n=0}^{N} \frac{f^{(n)}(0)}{n !} x^{n}

3 幂函数

将多项式展开

\sum_{n=0}^{N} \frac{f^{(n)}(0)}{n !} x^{n}=f(0)+f^{\prime}(0) x+\frac{f^{\prime \prime}(0)}{2 !} x^{2}+\cdots+\frac{f^{(N)}(0)}{N !} x^{N}

去掉系数后,可以看到多项式的基础组成部分是幂函数

\cancel{f(0)}+\cancel{f^{\prime}(0)} \color{red}{x}+\cancel{\frac{f^{\prime \prime}(0)}{2 !}} \color{red}{x^{2}}+\cdots+\cancel{\frac{f^{(N)}(0)}{N !}} \color{red}{x^{N}}

幂函数可以分为偶函数和奇函数两种

偶函数开口方向相同,奇函数开口方向相反

它们组合在一起就能产生拉伸的曲线

 让我们看个更复杂的例子

4 复杂的例子

4.1 第一次靠近

蓝色表示的是光滑函数,多项式是x 的一次方

此时可以看到,在绿色区域,多项式与光滑函数贴合的较好,而红色区域,多项式开始远离光滑函数。

为了贴近光滑函数,左边的红色区域需要向上弯,右边的红色区域需要向下弯。

两边弯的方向不一致,需要的是奇函数。这里选择-x^3

与多项式相加,确实达到了左边向上,右边向下的效果。

但是,之前表现较好的绿色区域,却出现了多项式与光滑函数贴合不好的情况。

说明弯的有点过头了,这时可以考虑给-x^3 加一个系数。加上系数后,奇函数显得更为扁平。

此时再与多项式相加,就达到了预期的效果。

4.2 第二次靠近

接着,为了继续靠近,需要左边向下弯,右边向上弯

弯的方向不一致,还是选择奇函数

与此奇函数相加,多项式更贴合光滑函数了

看完这个例子,让我们回到本文开始的地方。

5 开头的例子

需要逼近的光滑曲线用蓝线表示,多项式的第一项是常数1

为了靠近光滑函数,需要左边向下弯,右边向上弯

弯的方向不一致,需要加奇函数,选择与x 的一次方相加。相加后的多项式呈一条斜的直线

此时为了逼近光滑函数,需要同时向上弯。

弯的方向一致,需要加偶函数,选择与\frac{x^2}{2!} 相加。

随着项数的增加,多项式不断逼近光滑曲线。

6 总结

这节课,我们学习了泰勒公式。并着重讲解了,零点展开的多项式,如何逼近光滑函数。

\sum_{n=0}^{N} \frac{f^{(n)}(0)}{n !} x^{n} \longrightarrow f(x)

不过对于系数该怎么确定,余项代数式如何表达,都没有展开

 这些留待以后的文章再给同学们讲解。


百个故事,千幅图片,万名同学,欢迎加入:

首页-马同学图解数学-淘宝网淘宝, 店铺, 旺铺, 马同学图解数学https://matongxue.taobao.com/

等熵流动中总压$P_0$、静压$P$与马赫数$M$的关系为$\frac{P_0}{P}=(1 + \frac{\gamma - 1}{2}M^{2})^{\frac{\gamma}{\gamma - 1}}$。为了使用多项式逼近该公式来通过总静压比计算马赫数,可先对$\frac{P_0}{P}=(1 + \frac{\gamma - 1}{2}M^{2})^{\frac{\gamma}{\gamma - 1}}$进行泰勒展开。 令$x = \frac{\gamma - 1}{2}M^{2}$,$y=\frac{P_0}{P}$,则$y=(1 + x)^{\frac{\gamma}{\gamma - 1}}$。根据泰勒级数展开公式$f(x)=\sum_{n = 0}^{\infty}\frac{f^{(n)}(a)}{n!}(x - a)^n$,在$x = 0$(即$M = 0$)处展开: $y=(1 + x)^{\frac{\gamma}{\gamma - 1}}$的各阶导数分别为:一阶导数$y^\prime=\frac{\gamma}{\gamma - 1}(1 + x)^{\frac{\gamma}{\gamma - 1}-1}$;二阶导数$y^{\prime\prime}=\frac{\gamma}{\gamma - 1}(\frac{\gamma}{\gamma - 1}-1)(1 + x)^{\frac{\gamma}{\gamma - 1}-2}$;三阶导数$y^{\prime\prime\prime}=\frac{\gamma}{\gamma - 1}(\frac{\gamma}{\gamma - 1}-1)(\frac{\gamma}{\gamma - 1}-2)(1 + x)^{\frac{\gamma}{\gamma - 1}-3}$ 。 在$x = 0$处,$y(0)=1$,$y^\prime(0)=\frac{\gamma}{\gamma - 1}$,$y^{\prime\prime}(0)=\frac{\gamma}{\gamma - 1}(\frac{\gamma}{\gamma - 1}-1)$,$y^{\prime\prime\prime}(0)=\frac{\gamma}{\gamma - 1}(\frac{\gamma}{\gamma - 1}-1)(\frac{\gamma}{\gamma - 1}-2)$。 则$y=(1 + x)^{\frac{\gamma}{\gamma - 1}}$在$x = 0$处的泰勒展开式为: $y = 1+\frac{\gamma}{\gamma - 1}x+\frac{1}{2!}\frac{\gamma}{\gamma - 1}(\frac{\gamma}{\gamma - 1}-1)x^{2}+\frac{1}{3!}\frac{\gamma}{\gamma - 1}(\frac{\gamma}{\gamma - 1}-1)(\frac{\gamma}{\gamma - 1}-2)x^{3}+\cdots$ 将$x = \frac{\gamma - 1}{2}M^{2}$代回得: $\frac{P_0}{P}=1+\frac{\gamma}{2}M^{2}+\frac{\gamma}{8}M^{4}+\frac{(2 - \gamma)\gamma}{48}M^{6}+\cdots$ 对于空气,$\gamma = 1.4$,则展开式为: $\frac{P_0}{P}=1 + 0.7M^{2}+ 0.175M^{4}+0.015278M^{6}+\cdots$ 以下是Python代码示例,实现根据总静压比和泰勒展开式计算马赫数: ```python import numpy as np from scipy.optimize import root # 定义比热比 gamma = 1.4 def P_ratio_taylor(M): return 1 + gamma / 2 * M**2 + gamma / 8 * M**4 + (2 - gamma) * gamma / 48 * M**6 # 假设已知总静压比 P_ratio = 1.5 # 定义求解马赫数的方程 def equation(M): return P_ratio_taylor(M) - P_ratio # 初始猜测值 M_guess = 0.5 # 求解方程 result = root(equation, M_guess) M_solution = result.x[0] print(f"计算得到的马赫数: {M_solution}") ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

马同学图解数学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值