متسلسلة تايلور وماكلورين: سحر تقريب الدوال المعقدة بكثيرات الحدود

مقدمة

في عوالم الرياضيات والفيزياء وحتى علوم الكمبيوتر، تعد متسلسلة تايلور ومتسلسلة ماكلورين أدوات قوية بشكل لا يصدق. إنها طرق للتعبير عن “الدوال المعقدة التي يصعب حسابها”، مثل الدوال الأسية والمثلثية، كمجاميع لانهائية من “كثيرات الحدود البسيطة التي يمكن حسابها باستخدام الجمع والضرب فقط”.

السبب الذي يجعل الآلات الحاسبة وأجهزة الكمبيوتر قادرة على حساب قيم مثل $\sin(37^\circ)$ أو $e^{2.5}$ على الفور هو أنها تقوم داخليًا بإجراء حسابات تقريبية من خلال تطبيق هذه المفكوكات. في هذه المقالة، سنشرح هذه التقنية الرياضية السحرية بالتفصيل، بدءًا من معناها البديهي إلى صيغها الصارمة، وتطبيقاتها الفعلية.

لماذا نقرب الدوال بكثيرات الحدود؟

بادئ ذي بدء، لماذا من الضروري تمثيل دالة ككثيرة حدود ( $a + bx + cx^2 + \dots$ )؟

  flowchart LR
    A["دالة معقدة"] -->|"مفكوك تايلور"| B["مجموع لانهائي لكثيرات الحدود"]
    B -->|"القطع عند حدود منتهية"| C["تقريب كثيرة الحدود"]
    C -->|"العمليات الحسابية الأساسية فقط"| D["حسابات كمبيوتر عالية السرعة"]

العديد من الدوال التي تصف الظواهر الطبيعية غير خطية، مما يجعل من الصعب حسابها مباشرة يدويًا أو فقط باستخدام تعليمات وحدة المعالجة المركزية للكمبيوتر. ومع ذلك، نظرًا لأن كثيرات الحدود تتكون فقط من الجمع والضرب، فإنها تتمتع بميزة كونها سهلة للغاية في التعامل معها بواسطة أجهزة الكمبيوتر.

الفهم البديهي لمتسلسلة ماكلورين

أولاً، دعونا ننظر في متسلسلة ماكلورين، التي تقرب دالة حول نقطة محددة $x = 0$. لنفترض أن لدينا دالة غير معروفة $f(x)$. نريد تقريب هذه الدالة بالقرب من $x = 0$ بكثيرة حدود $P(x)$ كالتالي:

$$ P(x) = c_0 + c_1 x + c_2 x^2 + c_3 x^3 + \dots $$

شروط تحسين دقة التقريب هي كما يلي:

التقريب من الرتبة 0 : تتطابق قيمة الدالة عند $x=0$ ( $P(0) = f(0)$ ). ينتج عن هذا $c_0 = f(0)$.
التقريب من الرتبة الأولى : يتطابق الميل (المشتقة الأولى) عند $x=0$ ( $P'(0) = f'(0)$ ). ينتج عن هذا $c_1 = f'(0)$. في الرسم البياني، هذا هو خط المماس للدالة $f(x)$ عند $x=0$.
التقريب من الرتبة الثانية : يتطابق الانحناء (المشتقة الثانية) عند $x=0$ ( $P''(0) = f''(0)$ ). بما أن $P''(x) = 2 c_2$، فإننا نحصل على $c_2 = \frac{f''(0)}{2}$.
التقريب من الرتبة $n$ : بشكل عام، من خلال مطابقة حتى المشتقة من الرتبة $n$، يمكننا محاكاة السلوك حول $x=0$ بدقة أكبر.

صيغة واشتقاق متسلسلة ماكلورين

من خلال تكرار الشروط البديهية المذكورة أعلاه لعدد لا نهائي من المرات، نحصل على متسلسلة جميلة باستخدام معاملات المشتقة من كل رتبة للدالة. يسمى هذا متسلسلة ماكلورين.

$$ f(x) = f(0) + f'(0)x + \frac{f''(0)}{2!}x^2 + \frac{f^{(3)}(0)}{3!}x^3 + \dots $$

مكتوبة باستخدام تدوين سيجما، تبدو كالتالي:

$$ f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n $$

هنا، $f^{(n)}(0)$ هي القيمة التي تم الحصول عليها عن طريق اشتقاق الدالة $f(x)$ عدد $n$ من المرات والتعويض بـ $x=0$، ويمثل $n!$ مضروب $n$ ( $n \times (n-1) \times \dots \times 1$ ).

متسلسلات ماكلورين للدوال النموذجية

هنا، نقدم متسلسلات ماكلورين للدوال المهمة التي تظهر بشكل متكرر.

1. الدالة الأسية $e^x$

تظل الدالة الأسية $f(x) = e^x$ كما هي $e^x$ بغض النظر عن عدد مرات اشتقاقها. لذلك، عند التعويض بـ $x=0$، تصبح معاملات المشتقة لجميع الرتب $1$ ( $f^{(n)}(0) = 1$ ).

$$ e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \dots = \sum_{n=0}^{\infty} \frac{x^n}{n!} $$

2. الدوال المثلثية $\sin x$ و $\cos x$

عندما يتم اشتقاق $\sin x$ بشكل متكرر، فإنها تتغير بشكل دوري: $\cos x, -\sin x, -\cos x, \sin x, \dots$. بالتعويض بـ $x=0$، تتبقى فقط معاملات المشتقة للرتب الفردية، وتصبح الرتب الزوجية $0$.

$$ \sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n+1)!} x^{2n+1} $$

وبالمثل، بالنسبة لـ $\cos x$، تبقى فقط حدود الرتب الزوجية.

$$ \cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n)!} x^{2n} $$

الامتداد إلى متسلسلة تايلور

في حين أن متسلسلة ماكلورين هي تقريب حول $x=0$، فإن تعميم ذلك على التقريب حول نقطة اعتباطية $x=a$ ينتج عنه متسلسلة تايلور.

$$ f(x) = f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 + \dots = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!} (x-a)^n $$

تُظهر هذه الصيغة قوتها عندما تريد التنبؤ بقيمة دالة في موقع بعيد قليلاً عن $x=a$ ( $x = a + \Delta x$ ).

تطبيقات متسلسلات تايلور

التقريب الخطي في الفيزياء

في الفيزياء، يتم استخدام التقريب باستخدام متسلسلات تايلور بشكل متكرر لجعل معادلات الحركة أسهل في الحل. على سبيل المثال، في حركة البندول، إذا كانت زاوية التأرجح $\theta$ صغيرة بما يكفي، فإننا نستخرج فقط حد الرتبة الأولى من متسلسلة ماكلورين لـ $\sin \theta$ ونقربها على النحو التالي:

$$ \sin \theta \approx \theta \quad (\text{عندما تكون } \theta \text{ صغيرة بما يكفي}) $$

هذا يحول المعادلة التفاضلية غير الخطية المعقدة إلى معادلة تفاضلية خطية سهلة الحل، لاشتقاق تساوي الزمن للبندول البسيط.

البرمجة والحساب العددي

داخل المكتبات القياسية لأجهزة الكمبيوتر (مثل وحدة math)، يتم استخدام متسلسلات تايلور (أو إصداراتها المحسنة مثل تقريب تشيبيشيف) لحساب الدوال. يوجد أدناه مثال بسيط على تقريب $\sin x$ بلغة بايثون.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
import math

def approx_sin(x, terms=10):
    """
    دالة لتقريب sin(x) باستخدام متسلسلة ماكلورين
    x: الزاوية بالراديان
    terms: عدد الحدود المراد حسابها
    """
    result = 0.0
    for n in range(terms):
        # حساب كل حد: (-1)^n * x^(2n+1) / (2n+1)!
        sign = (-1) ** n
        numerator = x ** (2 * n + 1)
        denominator = math.factorial(2 * n + 1)
        result += sign * (numerator / denominator)
    return result

# اختبار: x = 1.0 راديان (حوالي 57.3 درجة)
x_val = 1.0
print(f"القيمة المقدرة: {approx_sin(x_val)}")
print(f"القيمة الحقيقية: {math.sin(x_val)}")

نصف قطر التقارب ونظرية تايلور

لا يمكن تمثيل جميع الدوال بدقة بواسطة متسلسلة تايلور عند كل $x$. النطاق الذي تتقارب ضمنه المتسلسلة اللانهائية إلى قيمة محدودة يسمى نصف قطر التقارب. على سبيل المثال، متسلسلة ماكلورين لـ $\ln(1+x)$ صالحة فقط في النطاق $-1 < x \le 1$.

علاوة على ذلك، فإن نظرية تايلور (تقييم حد الباقي) هي نظرية لتقدير مقدار الخطأ الذي سيكون موجودًا بين القيمة الحقيقية والقيمة المقدرة عند القطع عند حدود محدودة (حتى الرتبة $n$). هذا يسمح لنا بالضمان الرياضي “إلى أي رتبة يجب أن نتوسع بناءً على الدقة المطلوبة”.

خاتمة

متسلسلات تايلور ومتسلسلات ماكلورين هي، إذا جاز التعبير، “مترجمات رياضية” لترجمة العالم المعقد إلى شكل يسهل إدارته يسمى كثيرات الحدود. عملية البدء من مفهوم الاشتقاق واستعادة الدالة الأصلية بالكامل من خلال الإضافات اللانهائية ترمز إلى جمال الرياضيات. من التقريبات في الفيزياء إلى خوارزميات التحسين في الذكاء الاصطناعي، فإن نطاق تطبيقاتها لا يمكن قياسه. بكل الوسائل، استخدم هذه الأداة القوية لتعميق فهمك للرياضيات والبرمجة.