炼数成金 门户 科学探索 数学 查看内容

怎样更好地理解并记忆泰勒展开式?

2018-4-27 15:39| 发布者: 炼数成金_小数| 查看: 16938| 评论: 0|原作者: 陈二喜|来自: 超级数学建模

摘要: 当我们想要仿造一个东西的时候,无形之中都会按照上文提到的思路,即先保证大体上相似,再保证局部相似,再保证细节相似,再保证更细微的地方相似……不断地细化下去,无穷次细化以后,仿造的东西将无限接近真品。真 ...

计算机 数学 BI 超级计算 科学探索 函数

今天,我要讲讲我和苍井空的故事。

FBI Warning:未成年人请在家长陪同下观看。

德艺双馨的苍老师是我的启蒙老师。初入大学,暂时摆脱高考的巨大压力后,终于可以放飞自我。在那个草长马发情的年代,无数个月光如水的燥热夜晚,苍老师的课件一次次给我以直逼心灵的抚慰。


嗯,这就是苍老师本尊了。为了表达我对苍老师的敬意,送她一副对联。

上联是:肤如凝脂唇红齿白花容月貌倾国倾城千娇百媚。
下联是:爱岗敬业任劳任怨废寝忘食一丝不苟精益求精。
横批:德艺双馨。

作为她的铁粉,我想把这张照片画出来,或者雕刻出来,使她出现在我手中,免受隔着屏幕的煎熬。

想复制苍老师的美,首先要在整体尺寸上保持相同。如下:


紧接着,要在第一步的基础上进一步细化、较精确化。所以第二步就要保证和苍老师本尊的局部形状相似。改进后就变成了如下:



嗯,尽管这时候很粗糙,但至少已经有了婀娜多姿的影子了。下一步帮苍老师画上bra和胖次,再加上发型,并且把大腿、小腿、脚的分界线画上。下图:


此时,苍老师的特征已经非常明显了,仿佛就要呼之欲出了,尤其那道事业线,使我仿佛看到一对大白在调皮地跳跃。我要继续努力,进一步细化,进一步使我手中的苍老师变得真实。


此时手中的苍老师外部线条更加细腻了,整体丰满了,仅有的服饰上增加了一些细节。如果不断地细化,画上五官,增加质感,添加纹理,那么进行无穷次细化之后,我笔下的苍老师一定会无穷接近真实。最终会变成这个样子:


当然,我没能有足够的时间继续细化下去,我那年的青春已经随着她的退役而完结,只是,我仍会在某个无眠的夜里回忆起苍老师认真工作的身影,回忆起我那年的青涩和成长,回忆起那年的憧憬和迷茫,回忆起我那年的生命曾经因为苍老师的出现而灼灼其华。

谨以此文献给已经结婚的苍老师。

好了,大家都精神了吧。现在开始进入正题。

本段的核心思想是仿造。

当我们想要仿造一个东西的时候,无形之中都会按照上文提到的思路,即先保证大体上相似,再保证局部相似,再保证细节相似,再保证更细微的地方相似……不断地细化下去,无穷次细化以后,仿造的东西将无限接近真品。真假难辨。

这是每个人都明白的生活经验。

一位数学家,泰勒,某天看到一个函数 ,不由地眉头一皱,心里面不断地犯嘀咕:有些函数啊,他就是很恶心,比如这种,还有三角函数,这样的函数本来具有很优秀的品质(可以无限次求导,而且求导还很容易),但是呢,如果是代入数值计算的话,就很难了。比如,看到 y=cosx后,我无法很方便地计算 x=2时候的值。

为了避免这种如鲠在喉的感觉,必须得想一个办法让自己避免接触这类函数,即把这类函数替换掉。

可以根据这类函数的图像,仿造一个图像,与原来的图像相类似,这种行为在数学上叫近似。不扯这个名词。讲讲如何仿造图像。

他联想到生活中的仿造经验,联想到物理学家考虑运动学问题时的经验,泰勒首先定性地、大概地思考了一下整体思路。(下面这段只需要理解这个大概意思就可以,不用深究。)

面对 f(x)=cosx 的图像,泰勒的目的是:仿造一段一模一样的曲线 g(x),从而避免余弦计算。


想要复制这段曲线,首先得找一个切入点,可以是这条曲线最左端的点,也可以是最右端的点,anyway,可以是这条线上任何一点。他选了最左边的点。

由于这段曲线过 (0,1)这个点,仿造的第一步,就是让仿造的曲线也过这个点。

完成了仿造的第一步,很粗糙,甚至完全看不出来这俩有什么相似的地方,那就继续细节化。开始考虑曲线的变化趋势,即导数,保证在此处的导数相等。

经历了第二步,现在起始点相同了,整体变化趋势相近了,可能看起来有那么点意思了。想进一步较精确化,应该考虑凹凸性。高中学过:表征图像的凹凸性的参数为“导数的导数”。所以,下一步就让二者的导数的导数相等。

起始点相同,增减性相同,凹凸性相同后,仿造的函数更像了。如果再继续细化下去,应该会无限接近。所以泰勒认为“仿造一段曲线,要先保证起点相同,再保证在此处导数相同,继续保证在此处的导数的导数相同……”

有了整体思路,泰勒准备动手算一算。

下面就是严谨的计算了。

先插一句,泰勒知道想仿造一段曲线,应该首先在原来曲线上随便选一个点开始,但是为了方便计算,泰勒选择从 (0,1)  这个点入手。

把刚才的思路翻译成数学语言,就变成了:

首先得让其初始值相等,即: g(0)=f(0)
其次,得让这俩函数在x=0处的导数相等,即:  g′(0)=f′(0)
再次,得让这俩函数在x=0处的导数的导数相等,即:  g″(0)=f″(0)
……
最终,得让这俩图像在x=0的导数的导数的导数的……的导数也相同。

这时候,泰勒思考了两个问题:

第一个问题,余弦函数能够无限次求导,为了让这两条曲线无限相似,我仿造出来的 g(x)必须也能够无限次求导,那g(x)得是什么样类型的函数呢?

第二个问题,实际操作过程中,肯定不能无限次求导,只需要求几次,就可以达到我想要的精度。那么,实际过程中应该求几次比较合适呢?

综合考虑这两个问题以后,泰勒给出了一个比较折中的方法:令 g(x)为多项式,多项式能求几次导数呢?视情况而定,比如五次多项式


能求5次导,继续求就都是0了,几次多项式就能求几次导数。

泰勒比我们厉害的地方仅仅在于他想到了把这种生活经验、翻译成数学语言、并运用到仿造函数图像之中。假如告诉你这种思路,静下心来你都能自己推出来。

泰勒开始计算,一开始也不清楚到底要求几阶导数。为了发现规律,肯定是从较低次开始。

先算个一阶的。


可以看出,除了在 (0,1)这个点,其他的都不重合,不满意。

再来个二阶的。


可以看出,在  (0,1)这个点附近的一个小范围内,二者都比较相近。

再来个四阶的。



可以看出,仍然是在  (0,1)这个点附近的一个范围内二者很相近。只是,此时二者重合的部分扩大了。

到这里,不光是泰勒,我们普通人也能大概想象得到,如果继续继续提高阶数,相似范围继续扩大,无穷高阶后,整个曲线都无限相似。插个图,利用计算机可以快速实现。

然而泰勒当时没有计算机,他只能手算,他跟我们一样,算到四阶就算不动了,他就开始发呆:刚才为什么这么做来着?哦,对了,是为了计算 cos2 的时候避免出现余弦。所以他从最左端 (0,1) 处开始计算,算着算着,他没耐心了,可是离着计算 x=2还有一段距离,必须得继续算才能把这俩曲线重合的范围辐射到 x=2处。

此时,他一拍脑门,恍然大悟,既然我选的点离着我想要的点还远,我为啥不直接选个近点的点呢,反正能从这条曲线上任何一个点作为切入,开始仿造。近了能省很多计算量啊。想计算 cos2 ,可以从 cos(π/2)处开始仿造啊。

所以啊,泰勒展开式就是把一个三角函数或者指数函数或者其他比较难缠的函数用多项式替换掉。

也就是说,有一个原函数 f(x),我再造一个图像与原函数图像相似的多项式函数 g(x) ,为了保证相似,我只需要保证这俩函数在某一点的初始值相等,1阶导数相等,2阶导数相等,……n阶导数相等。

写到这里,你已经理解了泰勒展开式。

如果能理解,即使你记不住泰勒展开式,你都能自己推导。所以,我建议你,考试之前临时死记硬背一下,即使考试因为紧张忘了,也可以现场推。如果不是为了考试,那记不住也没关系,反正记住了一段时间不用,也会忘。用的时候翻书,找不到书就自己推导。

继续说泰勒。

泰勒算到四阶以后就不想算了,所以他想把这种计算过程推广到n阶,算出一个代数式,这样直接代数就可以了。泰勒就开始了下面的推导过程。

首先要在曲线 f(x) 上任选一个点,为了方便,就选 (0,f(0)) ,设仿造的曲线的解析式为g(x) ,前面说了,仿造的曲线是一个多项式,假设算到n阶。

能求n次导数的多项式,其较高次数肯定也为n。所以,仿造的曲线的解析式肯定是这种形式:

知道了原理,然后把原理用数学语言描述,只需要两步即可求出以上结果。背不过推一下就行。


好了,泰勒的故事讲完了。其实真正的数学推导只需要两步,困难的是不理解思想。如果背不过,就临时推导,只需要十几二十秒。

再说最重要的一点,对于非数学系的理工科学生来说,永远都要记住,数学家都是凡人,你所接触到的所有数学知识,都来源于某一种数学思想,所有的数学思想都来源于生活经验。而这种生活经验,我们每个人都有,即使没有,也会很容易就能想通。

所以,你内心要有一种信仰,所有的数学思想都来源于生活经验,你肯定可以搞明白。学习数学,最忌讳的就是把它当作一种抽象的数字游戏,非数学系的理工科接触到的数学,必然有一条条形象的、直观的生活经验与之对应。

之所以觉得微积分困难,可能怪老师,可能怪课本,一开始就堆砌一堆晦涩难懂拗口的数学语言,对于初学者来说,直接就望而却步了。如果老师讲泰勒展开之前,先把这种思想讲明白,那接下来再去抠数学语言就轻松很多。

欢迎加入本站公开兴趣群
高性能计算群
兴趣范围包括:并行计算,GPU计算,CUDA,MPI,OpenMP等各种流行计算框架,超级计算机,超级计算在气象,军事,航空,汽车设计,科学探索,生物,医药等各个领域里的应用
QQ群:326600878
1

鲜花

握手

雷人

路过

鸡蛋

刚表态过的朋友 (1 人)

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-8-17 22:39 , Processed in 0.110448 second(s), 24 queries .