Bagaimanakah anda menemui Formula MacLaurin untuk f (x) = sinhx dan menggunakannya pada anggaran f (1/2) dalam lingkungan 0.01?

Bagaimanakah anda menemui Formula MacLaurin untuk f (x) = sinhx dan menggunakannya pada anggaran f (1/2) dalam lingkungan 0.01?
Anonim

Jawapan:

#sinh (1/2) ~~ 0.52 #

Penjelasan:

Kita tahu definisi untuk #sinh (x) #:

#sinh (x) = (e ^ x-e ^ -x) / 2 #

Oleh kerana kita tahu siri Maclaurin untuk # e ^ x #, kita boleh menggunakannya untuk membina satu untuk #sinh (x) #.

# e ^ x = sum_ (n = 0) ^ oox ^ n / (n!) = 1 + x + x ^ 2/2 + x ^ 3 / (3!) … #

Kita boleh mencari siri ini # e ^ -x # dengan menggantikan # x # dengan # -x #:

# e ^ -x = sum_ (n = 0) ^ oo (-x) ^ n / (n!) = sum_ (n = 0) ^ oo (-1) ^ n / (n!) x ^ n = -x + x ^ 2/2-x ^ 3 / (3!) … #

Kita boleh menolak kedua-dua antara satu sama lain untuk mencari pengangka # sinh # definisi:

#color (putih) (- e ^ -x.) e ^ x = warna (putih) (….) 1 + x + x ^ 2/2 + x ^ 3 / (4!) + X ^ 5 / (5!) … #

#color (putih) (e ^ x) -e ^ -x = -1 + xx ^ 2/2 + x ^ 3 / (3!) - x ^ 4 / (4!) + x ^ 5 / (5!) … #

# e ^ xe ^ -x = warna (putih) (lllllllll) 2xcolor (putih) (lllllllll) + (2x ^ 3) / (3!) warna (putih) (lllllll) + (2x ^ 5)) … #

Kita dapat melihat bahawa semua istilah juga membatalkan dan semua istilah ganjil berganda. Kita boleh mewakili corak seperti ini:

# e ^ x-e ^ -x = sum_ (n = 0) ^ oo 2 / ((2n + 1)!) x ^ (2n + 1) #

Untuk melengkapkan #sinh (x) # siri, kita hanya perlu membahagikannya dengan #2#:

(x ^ e ^ -x) / 2 = sinh (x) = sum_ (n = 0) ^ oo cancel2 / (cancel2 (2n + 1)!) x ^

# = sum_ (n = 0) ^ oo x ^ (2n + 1) / ((2n + 1)!) = x + x ^ 3 / (3!) + x ^ 5 /

Sekarang kita mahu mengira #f (1 / 2) # dengan ketepatan sekurang-kurangnya #0.01#. Kami tahu bentuk umum kesilapan Lagrange yang terikat untuk poliomial derajat taylor nth # x = c #:

# | R_n (x) | <= | M / ((n + 1)!) (X-c) ^ (n + 1) | # di mana # M # adalah batas atas derivatif n pada selang dari # c # kepada # x #.

Dalam kes kita, pengembangan itu adalah siri Maclaurin, jadi # c = 0 # dan # x = 1 / 2 #:

# | R_n (x) | <= | M / ((n + 1)!) (1/2) ^ (n + 1) | #

Derivatif pesanan yang lebih tinggi daripada #sinh (x) # sama ada #sinh (x) # atau #cosh (x) #. Sekiranya kita menganggap definisi bagi mereka, kita dapat melihatnya #cosh (x) # akan sentiasa lebih besar daripada #sinh (x) #, jadi kita harus berusaha # M #-bound untuk #cosh (x) #

Fungsi kosinus hiperbolik sentiasa meningkat, jadi nilai terbesar pada selang akan berada di #1 / 2#:

2 (sqrte / 2 + 1 / (2sqrte) = M #

Sekarang kita memasangkan ini ke dalam kesilapan Lagrange terikat:

# | R_n (x) | <= (sqrte / 2 + 1 / (2sqrte)) / ((n + 1)!) (1/2) ^ (n + 1)

Kami mahu # | R_n (x) | # menjadi lebih kecil daripada #0.01#, jadi kita cuba beberapa # n # nilai-nilai sehingga kita sampai ke titik itu (jumlah istilah yang lebih rendah dalam polinomial, lebih baik). Kami mendapati bahawa # n = 3 # adalah nilai pertama yang akan memberi kita ralat yang terikat lebih kecil daripada #0.01#, jadi kita perlu menggunakan polinomial taylor darjah ke-3.

#sinh (1/2) ~~ sum_ (n = 0) ^ 3 (1/2) ^ (2n + 1) / ((2n + 1)!) = 336169/645120 ~~ 0.52 #