یک قضیه تقریب. درون‌یابی خطی

فرض کنید f ( x ) تابعی باشد که دست‌کم دارای n مشتق در یک بازه است. فرض کنید x 0 نقطه‌ای از این بازه باشد. می‌گوییم f ( x ) دارای یک صفر از مرتبه چندگانگی n برای f ( x ) است اگر f ( x 0 ) = 0 ، ، ، f ( n 1 ) ( x 0 ) = 0 ، اما f ( n ) ( x 0 ) 0 . بنابراین اگر

می‌توانیم بگوییم که x 0 صفری از f ( x ) با مرتبه چندگانگی دست‌کم n است.

اگر f ( x ) دارای صفرهایی (با مرتبه چندگانگی 1 ) در x 1 و x 2 باشد، آنگاه بر پایه قضیه رول، دارای یک صفر (با مرتبه چندگانگی دست‌کم 1 ) بین x 1 و x 2 است. اگر f ( x ) در x 1 صفری با مرتبه چندگانگی دست‌کم 2 و در x 2 صفری با مرتبه چندگانگی دست‌کم 1 داشته باشد و مثلاً x 1 < x 2 ، آنگاه دارای صفری با مرتبه چندگانگی دست‌کم 1 در x 1 و صفری مانند t با مرتبه چندگانگی دست‌کم 1 است به‌طوری که x 1 < t < x 2 . سپس صفری با مرتبه چندگانگی دست‌کم 1 بین x 1 و t دارد. به همین ترتیب، اگر f ( x ) در x 1 , x 2 , x 3 صفر داشته باشد و x 1 < x 2 < x 3 ، آنگاه یک صفر بین x 1 و x 2 و یک صفر بین x 2 و x 3 دارد. بنابراین بین این صفرهای یک صفر دارد. اکنون بیایید یک حکم کلی بیان کنیم.

فرض کنید f ( x ) با احتساب مرتبه‌های چندگانگی، دارای n صفر در یک بازه باشد؛ نشان می‌دهیم که با احتساب مرتبه‌های چندگانگی، دارای دست‌کم ( n 1 ) صفر در آن بازه است. اگر صفرهای f ( x ) برابر با x 1 < x 2 < < x r با مرتبه‌های چندگانگی مربوطه m 1 , m 2 , , m r و m 1 + m 2 + + m r = n باشند، آنگاه x 1 صفری از با مرتبه چندگانگی m 1 1 ، x 2 صفری با مرتبه چندگانگی m 2 1 و به همین ترتیب خواهد بود. (صفرهای با مرتبه چندگانگی 0 صرفاً صفر نیستند.) علاوه بر این، یک صفر بین x 1 و x 2 ، یک صفر بین x 2 و x 3 و غیره دارد که دست‌کم r 1 صفر دیگر به دست می‌دهد. بدین ترتیب تعداد کل صفرهای در این بازه با احتساب مرتبه‌های چندگانگی، دست‌کم برابر است با

قضیه‌ای کلیدی که ما را به چندین شکل جالب از تقریب‌ها هدایت می‌کند.

قضیه 1

فرض کنید f ( x ) دارای صفرهایی در x 1 , x 2 , , x r ، به ترتیب با مرتبه‌های چندگانگی دست‌کم m 1 , m 2 , , m r باشد. فرض کنید x 0 چنان باشد که f ( x ) دارای n = m 1 + m 2 + + m r مشتق در کوچک‌ترین بازه شامل x 0 , x 1 , x 2 , , x r باشد. فرض کنید

H ( x ) = ( x x 1 ) m 1 ( x x 2 ) m 2 ( x x r ) m r .

آنگاه یک ξ در این بازه وجود دارد به طوری که

f ( x 0 ) = H ( x 0 ) n ! f ( n ) ( ξ )

برهان. ابتدا فرض کنید x 0 یکی از x 1 , x 2 , , x r باشد. در این صورت f ( x 0 ) = 0 = H ( x 0 ) ، و می‌توانیم ξ را هر نقطه‌ای از بازه در نظر بگیریم. باقی می‌ماند بررسی حالتی که در آن x 0 با همه x 1 , x 2 , , x r متفاوت باشد. در این صورت در نظر بگیرید

g ( x ) = f ( x ) C H ( x ) ,

که در آن C ثابتی است چنان که g ( x 0 ) = 0 . توجه داشته باشید که توانایی انتخاب چنین C ای ایجاب می‌کند که بتوانیم C را در f ( x 0 ) C H ( x 0 ) = 0 حل کنیم، یا به سادگی H ( x 0 ) 0 باشد، که می‌دانیم چنین است. البته می‌توانستیم به صراحت بنویسیم که C چیست، اما این امر ضروری نیست.

اکنون g ( x ) دارای x 1 به عنوان صفری با مرتبه چندگانگی دست‌کم m 1 ، x 2 به عنوان صفری با مرتبه چندگانگی دست‌کم m 2 , , x r به عنوان صفری با مرتبه چندگانگی دست‌کم m r است و x 0 نیز صفری از g ( x ) است. بدین ترتیب g ( x ) با احتساب مرتبه‌های چندگانگی، دست‌کم دارای n + 1 صفر در بازه ما است. در نتیجه یک ξ در این بازه وجود دارد به طوری که g ( n ) ( ξ ) = 0 . اما g ( n ) ( x ) = f ( n ) ( x ) C H ( n ) ( x ) . دقت کنید که وقتی H ( x ) را بسط می‌دهیم، چندجمله‌ای با بالاترین جمله x n و سایر جملات با توان‌های کمتر به دست می‌آوریم. اما وقتی n بار مشتق می‌گیریم، تمام این جملات دیگر برابر با 0 می‌شوند و ( x n ) ( n ) = n ! بنابراین

g ( n ) ( x ) = f ( n ) ( x ) C n ! , 0 = g ( n ) ( ξ ) = f ( n ) ( ξ ) C n ! ,

و

C = f ( n ) ( ξ ) n !

از این واقعیت که g ( x 0 ) = 0 = f ( x 0 ) C H ( x 0 ) ، درمی‌یابیم که

f ( x 0 ) = C H ( x 0 ) = f ( n ) ( ξ ) n ! H ( x 0 ) ,

که باید اثبات می‌شد.

به عنوان نخستین کاربرد، مسئله درونیابی از روی جداول، برای نمونه از روی جداول لگاریتم را در نظر بگیریم. اگر جداولی برای تابع f ( x ) داشته باشیم و مقادیر f ( x 1 ) و f ( x 2 ) را برای x 1 < x 2 بخوانیم، می‌خواهیم خطای ناشی از به کار بردن خط مستقیم گذرنده از ( x 1 , f ( x 1 ) ) و ( x 2 , f ( x 2 ) ) را به جای منحنی برای یافتن f ( x ) هنگامی که x 1 < x < x 2 است، تخمین بزنیم. فرض کنید y = a x + b خط تقریب‌زننده باشد. آنگاه تابع f ( x ) ( a x + b ) را در نظر می‌گیریم. این تابع دارای صفرهایی با مرتبه چندگانگی دست‌کم 1 در x 1 و x 2 است. بنابراین n = 2 داریم، و

H ( x ) = ( x x 1 ) ( x x 2 )

بر پایه قضیه ما،

برای مقداری ξ بین x 1 و x 2 . اکنون H ( x ) 0 است، زیرا x x 1 و x x 2 علامت‌های مخالف دارند، و تفاضل بین f ( x ) و a x + b از نظر قدر مطلق، کمتر یا مساوی با قدر مطلق H ( x ) در کمینه آن ضرب در بزرگ‌ترین قدر مطلق ممکن برای در بازه، تقسیم بر 2 خواهد بود. اما که در نقطه میانی x = 1 2 ( x 1 + x 2 ) برابر با 0 است. این کمینه برای H ( x ) است، و مقدار H ( x ) در آنجا برابر است با

( x 2 x 1 ) ( x 1 x 2 ) 4

بنابراین

برای یک جدول لگاریتم، با x 1 = 1.01 , x 2 = 1.02 ,  خطا حداکثر برابر است با

( .01 ) 2 8 Max  1.01 ξ 1.02 ( 1 ξ 2 ) = .0001 8 1 1.0201 < .00002

تمرین‌ها

تمرین 1.
  1. قاعده‌ای به شکل (*) برای برونیابی (جایی که x خارج از بازه [ x 1 , x 2 ] قرار دارد) ارائه دهید.
تمرین 2.

log 70.0 = 4.24850 ؛ log 80.0 = 4.38203 . برای به دست آوردن مقداری برای log 82.0 برونیابی کنید و خطای خود را تخمین بزنید.

تمرین 3.

log tan 1.00 = 0.1924 ؛ log tan 1.10 = 0.2933 . خطا را در درونیابی برای هر زاویه‌ای بین 1.100 و 1.10 تخمین بزنید.