用泰勒多项式估算.PPTVIP

用泰勒多項式估算 這些被切割的級數—表示函數之冪級數的n 項部分和—為多項式。 f 在c 處之泰勒級數的n 項部分和 稱為f 在c 處的n 階泰勒多項式（nth-degree Taylor polynomial of f at c）。若c = 0，則稱它為f 的n 階馬克勞林多項式（nth-degree Maclaurin polynomial of f）。 用泰勒多項式估算 函數f 以泰勒多項式在c 附近近似，它準確性的圖形展示於圖9.23。 用泰勒多項式估算 此處函數f (x) = ex的馬克勞林級數為 它是用1, 2 和3 階的馬克勞林多項式來近似： 與 用泰勒多項式估算 觀察到圖形 P1(x) = 1 + x 為一直線，它是f 在(0, 1) 處的切線（ P1(0) = f (0)與P?1(0) = f ?(0)）。 用泰勒多項式估算 圖形 為經過(0, 1)（ P2(0) = f (0)）的拋物線。它有條切線與f 在(0, 1)（ P?2(0) = f ?(0)）處的切線重疊，並且圖形凹口向上與圖形f 在(0, 1)（ P?2(0) = f ?(0)）處的情形相同。 用泰勒多項式估算 圖形 在(0, 1) 處提供f 圖形的近似比P2(x)的更好。不僅它與f 在(0, 1) 處有相同的切線和圖形都凹口向上（ P?3(0) = f ?(0) 與P?3(0) = f ?(0 )），同時P3 與f 都滿足P??3(0) = f ??(0) 的條件。 用泰勒多項式估算 一般而言，若Pn為f 在c 處的n 階泰勒多項式，則Pn 在c 處的導數可達到n 階，並且與f 在c 處的一致。 這說明為什麼當n 越來越大， Pn 的圖形越來越接近在x = c 附近的f 圖形。 用泰勒多項式估算 圖9.24 說明函數f (x) = cos x 的馬克勞林多項式P2, P4, P6與P8 如何增加其近似f 的準確度。 用泰勒多項式估算 固定n，當離中心c 的距離遞增，其近似值的準確度就遞減。 當x 離中心很遠，為了得到相同的準確度，需要使用更高次的多項式來近似。 圖9.25 展示使用24 階 馬克勞林多項式 P24(x)近似 f (x) = cos x。 附帶餘項的泰勒公式 當函數f 以泰勒多項式Pn近似，有兩個重要的疑問出現： 1. 此近似有多好？ 2. n 要多大才可保證所得的近似值達到指定 的準確度？ 附帶餘項的泰勒公式 為回答這些問題，需要下面有f 與Pn 之間的關係之定理。 附帶餘項的泰勒公式 Rn(x)的式子稱為f 在c 處的泰勒餘項（Taylor remainder of f at c）。若c = 0，則Rn(x) 稱為f 的馬克勞林餘項（Maclaurin remainder of f）。 可將 Rn(x) = f (x) – Pn(x) 看做f (x) 以f 在c 處的n 階泰勒多項式來近似的誤差。 附帶餘項的泰勒公式 通常我們不會知道式(2) 中的z 值—我們只知道它在x 與c 之間—我們常用式(2) 求此近似值的誤差的界限而不是求它的誤差本身。 附帶地，式(2) 中的因子(x – c)n+1存在說明為什麼（對固定的n）當x越接近c， Pn(x)提供更好的近似值。 例題 1 已知f (x) = ln x。 a. 求在c = 1 處的四階泰勒多項式，並用它 來求ln 1.1 的近似值。 b. 估算(a) 所得的近似值之精確度。 例題 1(a) －解 f (x) = ln x 的前五個導數分別為 與 且f (x)與它在x = 1 處的前四個導數的值分別為 與 例題 1(a) －解 將n = 4 與c = 1 代入式(1)，可得 x 用1.1 取代，即得所求的近似值 例題 1(b) －解 將n = 4, c =1 與x = 1.1 代入式(2)，可得此近似值的誤差。 因此， 其中1 z 1.1。當z = 1，R4 (1.1) 為可能的最大值（在[1, 1.1] 區間的此z 值使R4 (1.1) 的分母最小）。 例題 1(b) －解 故 此近似值的誤差小於0.000002。 另解： 將9.8 節公式(5) 中的x用x – 1 取代，得到表示f (x) 的冪級數： 例題 1(b) －解 所以 若只用此級數等號右邊前四項來近似ln 1.1，可得由P4 (1.1) 近似的ln 1.1。 接著，由於此級數為交錯級數（alternating series）且各項遞減到0，所以此近似的誤差不再比 大，第一項被省略—亦即，不比0.000002 大，它與之前得到的結果一致。 用級數表示函數 現