高等数学 / 系统课时
泰勒公式
泰勒公式
泰勒公式把难以直接处理的光滑函数,替换为某个点附近的多项式。本课将说明各阶导数如何决定近似项,并用余项判断近似误差与有效范围。
学习目标
- 理解泰勒多项式为什么能在局部逼近函数
- 能写出常见函数在指定点的低阶展开式
- 能根据余项和距离判断近似是否可靠
局部近似的核心机制
在展开点 附近,泰勒多项式不仅让函数值相同,还依次匹配一阶、二阶直到 阶导数。函数值决定起点,一阶导数决定切线斜率,二阶导数决定弯曲程度,更高阶导数继续修正局部形状。 阶泰勒公式为:
其中,前半部分是 阶泰勒多项式, 是未被多项式表示的余项。

从低阶展开到主示例
当 时,只保留 ,相当于用常数近似函数。加入一阶项后得到切线近似;加入二阶项后,模型开始描述函数的凹凸变化。以 为例,常见的三阶展开如下。正弦输入用弧度,对数表达式要求 ,三式都用于展开点附近。
用三阶多项式估算 :
真实值约为 ,绝对误差约为 。因为 离展开点 较近,三阶项已经能给出较高精度;若把 换成更大的数,误差通常会明显增加。
余项、适用范围与 AI 意义
若 在包含 和 的区间内具有连续的 阶导数,则余项可写为
其中 位于 与 之间。若这段区间上有 ,绝对误差就不超过 。在 的例子中,,于是三阶误差上界约为 。下面复算实际误差并和上界比较。
python
import math
x = 0.2
order = 3
approximation = sum(x**k / math.factorial(k) for k in range(order + 1))
actual = math.exp(x)
error = abs(actual - approximation)
bound = actual * x**(order + 1) / math.factorial(order + 1)
assert error <= bound
print(f"error={error:.6g}, bound={bound:.6g}")实际误差约为 ,小于算出的上界。更换输入距离或阶数后,要重新检查对应区间的导数上界。
泰勒公式含余项时是等式。只保留多项式才是近似,精度由余项控制。要把函数表示成无限泰勒级数,还要验证固定输入处的余项随阶数增加而趋于零。在 AI 中,一阶展开对应局部线性化,二阶展开会额外引入曲率信息,优化算法可据此判断损失曲面在当前位置是平缓、陡峭还是弯曲明显。
按自己的节奏,确认真正理解。