一元函数、多元函数的泰勒公式

2019-07-04 本文已影响0人 PrivateEye_zzy

本章涉及知识点：

1、一元函数的泰勒公式推导

2、扩展：二元函数的泰勒公式

3、二元函数的泰勒矩阵形式

4、多元函数的泰勒矩阵形式

5、案例演示

一、一元函数的泰勒公式推导

情况一：如果 $f(x)$ 为一阶连续可微分，且已知 $f(x_{0})$

则由微积分基本定理的Newton-Leibniz公式得

一阶连续可微

即 $f(x)$ 可以拆分为已知的 $f(x_{0})$ 和未知的 $\int_{x_{0}}^{x} f^{(1)}(t)dt$ 两部分之和

情况二：如果 $f(x)$ 为二阶连续可微分，且已知 $f(x_{0})$ 和 $f^{(1)}(x_{0})$

则由分部积分法得

二阶连续可微

即 $f(x)$ 可以拆分为已知的 $f(x_{0})+ f^{(1)}(x_{0})(x-x_{0})$ 和未知的 $\int_{x_{0}}^{x} f^{(2)}(t) (x-t) dt$ 两部分之和

情况三：如果 $f(x)$ 为三阶连续可微分，且已知 $f(x_{0})$ 、 $f^{(1)}(x_{0})$ 和 $f^{(2)}(x_{0})$

则继续使用分部积分法得

三阶连续可微

即 $f(x)$ 可以拆分为已知的 $f(x_{0})+ f^{(1)}(x_{0})(x-x_{0}) + \frac{f^{(2)}(x_{0})}{2!}(x-x_{0})^{2}$ 和未知的 $\int_{x_{0}}^{x}\frac{f^{(3)}(t)}{2!}(x-t)^{2}dt$ 两部分之和

由数学归纳法以此类推，如果 $f(x)$ 为n+1阶连续可微分，则

n+1阶连续可微

上式就是完美的泰勒公式，我们对 $f(x)$ 的阶数知道越多，则解剖的越精细

其中余项 $R_{n+1}(x)$ 可以表示为积分形式，即

余项的积分形式

我们一般在数学分析学中使用泰勒二阶展开，即

泰勒二阶展开

二、扩展：二元函数的泰勒公式

通过类比一元函数得泰勒公式，我们容易将二元函数 $f(x, y)$ 在点 $(x_{0}, y_{0})$ 进行二阶泰勒展开来分析研究（其中 $f(x, y)$ 三阶连续可微）

二元函数的二阶泰勒展开

我们整理 $f(x, y)$ 一次展开项，得

1次展开项

整理 $f(x, y)$ 二次展开项，得

2次展开项

则 $f(x, y)$ 在点 $(x_{0}, y_{0})$ 进行二阶泰勒公式可以写为：

二元函数的2阶泰勒公式

由数学归纳法，易知 $f(x, y)$ 的n次展开项为

n次展开项

则 $f(x, y)$ 在点 $(x_{0}, y_{0})$ 进行n阶泰勒公式可以写为：

二元函数的n阶泰勒公式

至此我们得到了二元函数的n阶泰勒公式，当然，我们还可以继续化简得

二元函数的n阶泰勒公式

三、二元函数的泰勒矩阵形式

为了便于以后研究分析多元函数的极值和凸优化最值问题，我们需要继续探索二元并推广到多元函数的泰勒矩阵形式，一般展开到二阶

将二元函数 $f(x, y)$ 在点 $(x_{0}, y_{0})$ 的二阶泰勒公式写为矩阵形式，即

二元函数的二阶泰勒矩阵形式

我们记： $X = \begin{bmatrix}x \\ y \end{bmatrix}$ ， $X_{0} = \begin{bmatrix}x_{0}\\ y_{0}\end{bmatrix}$

$\triangledown f(x_{0}, y_{0}) = \triangledown f(X_{0}) = \begin{bmatrix}f_{x}(X_{0})\\ f_{y}(X_{0})\end{bmatrix}$

$H(x_{0}, y_{0}) = H(X_{0})= \begin{bmatrix}f_{xx}(X_{0}) & f_{xy}(X_{0})\\ f_{yx}(X_{0}) & f_{yy}(X_{0})\\\end{bmatrix}$

则 $f(x, y)$ 在点 $(x_{0}, y_{0})$ 的二阶泰勒的矩阵形式为

二元函数的二阶泰勒矩阵形式

其中H矩阵叫做 $f(x_{0}, y_{0})$ 的Hessian矩阵(黑塞矩阵)，我们在多元函数极值分析中再分析讨论

四、多元函数的的泰勒矩阵形式

由上述二元函数的泰勒矩阵形式，我们很容易推广到多元函数的泰勒矩阵形式

对于n元函数 $f(x_{0}, x_{1},...,x_{n})$ ，研究其在点 $(a_{0}, a_{1},...,a_{n})$ 的泰勒矩阵形式

同理，我们记： $X = \begin{bmatrix}x_{0}\\ x_{1} \\...\\x_{n}\\\end{bmatrix}$ ， $X_{0} = \begin{bmatrix} a_{0}\\ a_{1}\\...\\a_{n}\\\end{bmatrix}$

$\triangledown f(X_{0}) = \begin{bmatrix}f_{x_{0}}(X_{0})\\ f_{x_{1}}(X_{0})\\...\\f_{x_{n}}(X_{0} )\\\end{bmatrix}$

$H(X_{0} ) = \begin{bmatrix}f_{x_{0}x_{0} }(X_{0}) & f_{x_{0}x_{1}}(X_{0}) & ... & f_{x_{0}x_{n}}(X_{0})\\ ... & ... & ...\\f_{x_{n}x_{0}}(X_{0}) & f_{x_{n}x_{1}}(X_{0}) & ... & f_{x_{n}x_{n}}(X_{0} ) \\\end{bmatrix}$