泰勒定理推导过程-泰勒公式推导

设想我们有一个函数 (f(x))，它在点 (x = a) 处有定义。最简单的近似是使用一个常数来逼近，即用 (f(a)) 来近似 (f(x))。这相当于用一条水平直线 (y = f(a)) 来逼近曲线。显然，这种近似只在 (a) 点附近极其狭小的范围内误差较小，一旦 (x) 稍微远离 (a)，误差就可能变得很大。

为了改进近似，我们很自然地想到使用线性函数。我们知道，函数在一点附近的变化率可以由其导数描述。
也是因为这些，在 (a) 点附近，函数 (f(x)) 的最佳线性近似就是其切线：(L(x) = f(a) + f'(a)(x-a))。这个线性近似在 (a) 点处不仅函数值相等，而且一阶导数值也相等，即 (L(a)=f(a))， (L'(a)=f'(a))。这比常数近似前进了一大步。

那么，一个很自然的推广是：如果我们要求近似多项式在 (a) 点处与 (f(x)) 具有相同的函数值、一阶导数值、二阶导数值……直至 (n) 阶导数值，那么这个多项式应该是什么形式？它能否给出更好的近似？泰勒定理正是对这一问题的完美回答。

假设存在一个关于 ((x-a)) 的 (n) 次多项式 (P_n(x))，它能在 (x=a) 处尽可能好地逼近 (f(x))。我们设这个多项式为：

[ P_n(x) = c_0 + c_1(x-a) + c_2(x-a)^2 + c_3(x-a)^3 + cdots + c_n(x-a)^n ]

其中 (c_0, c_1, c_2, cdots, c_n) 是待定系数。

我们希望 (P_n(x)) 在 (x=a) 处满足以下 (n+1) 个条件：

• (P_n(a) = f(a))
• (P_n'(a) = f'(a))
• (P_n''(a) = f''(a))
• (cdots)
• (P_n^{(n)}(a) = f^{(n)}(a))

现在，我们逐项求导并代入 (x=a) 来确定这些系数。

1. 令 (x=a)，代入多项式：(P_n(a) = c_0)。根据条件 (P_n(a)=f(a))，立即得到：(c_0 = f(a))。
2. 对多项式求一阶导数：(P_n'(x) = c_1 + 2c_2(x-a) + 3c_3(x-a)^2 + cdots + nc_n(x-a)^{n-1})。令 (x=a)，得 (P_n'(a) = c_1)。根据条件 (P_n'(a)=f'(a))，得到：(c_1 = f'(a))。
3. 对多项式求二阶导数：(P_n''(x) = 2c_2 + 3cdot2c_3(x-a) + cdots + n(n-1)c_n(x-a)^{n-2})。令 (x=a)，得 (P_n''(a) = 2c_2)。根据条件 (P_n''(a)=f''(a))，得到：(2c_2 = f''(a))，即 (c_2 = frac{f''(a)}{2!})。
4. 对多项式求三阶导数：(P_n'''(x) = 3cdot2c_3 + cdots + n(n-1)(n-2)c_n(x-a)^{n-3})。令 (x=a)，得 (P_n'''(a) = 3!c_3)。根据条件，得到：(c_3 = frac{f'''(a)}{3!})。

依此类推，当我们求 (k) 阶导数 ((k le n)) 时，只有含有 ((x-a)^k) 的项在求导 (k) 次后剩下常数项，其他低次项求导 (k) 次后变为0，高次项求导 (k) 次后仍含有 ((x-a)) 因子，在 (x=a) 时也为0。具体地，项 (c_k(x-a)^k) 求导 (k) 次后变为 (k! cdot c_k)。
也是因为这些，我们有：

[ P_n^{(k)}(a) = k! cdot c_k = f^{(k)}(a) ]

从而得到系数的通项公式：(c_k = frac{f^{(k)}(a)}{k!})，其中 (k = 0, 1, 2, cdots, n)，并约定 (0! = 1)， (f^{(0)}(a) = f(a))。

于是，我们得到了所需的逼近多项式，称为 (f(x)) 在 (x=a) 处的 (n) 阶泰勒多项式：

[ P_n(x) = f(a) + f'(a)(x-a) + frac{f''(a)}{2!}(x-a)^2 + frac{f'''(a)}{3!}(x-a)^3 + cdots + frac{f^{(n)}(a)}{n!}(x-a)^n ]

一个至关重要的问题是：用这个多项式 (P_n(x)) 来近似 (f(x))，误差到底有多大？我们定义余项（或误差项） (R_n(x)) 为：

[ R_n(x) = f(x) - P_n(x) ]

显然，我们的目标是找到 (R_n(x)) 的一个具体表达式或一个可估计的上界。只有对余项 (R_n(x)) 有了清晰的刻画，泰勒多项式才真正具有实用价值。泰勒定理的核心内容之一，就是给出了余项的具体形式。

为了推导余项，我们需要一个关键的观察：在 (x=a) 处，不仅函数值相等，而且从零阶到 (n) 阶的导数值都相等。这意味着在 (x=a) 处，差值函数 (R_n(x)) 及其直到 (n) 阶的导数都为零：

• (R_n(a) = f(a) - P_n(a) = 0)
• (R_n'(a) = f'(a) - P_n'(a) = 0)
• (R_n''(a) = f''(a) - P_n''(a) = 0)
• (cdots)
• (R_n^{(n)}(a) = f^{(n)}(a) - P_n^{(n)}(a) = 0)

但是，(R_n^{(n+1)}(x) = f^{(n+1)}(x) - P_n^{(n+1)}(x))。由于 (P_n(x)) 是 (n) 次多项式，其 (n+1) 阶及以上的导数恒为零。所以，在 (f(x)) 存在 (n+1) 阶导数的前提下，有：

[ R_n^{(n+1)}(x) = f^{(n+1)}(x) ]

现在，我们利用这些性质来寻找 (R_n(x)) 的表达式。一个非常巧妙的方法是反复运用柯西中值定理。考虑两个函数 (R_n(x)) 和 (g(x) = (x-a)^{n+1})。在区间 ([a, x])（或 ([x, a])，若 (x < a)）上，它们满足：

• 连续
• 可导（(g'(x) = (n+1)(x-a)^n)）
• 在端点 (a) 处，有 (R_n(a)=0)， (g(a)=0)。

对这两个函数在区间上应用柯西中值定理，存在 (xi_1) 介于 (a) 和 (x) 之间，使得：

[ frac{R_n(x) - R_n(a)}{g(x) - g(a)} = frac{R_n(x)}{(x-a)^{n+1}} = frac{R_n'(xi_1)}{g'(xi_1)} = frac{R_n'(xi_1)}{(n+1)(xi_1 - a)^n} ]

对函数 (R_n'(t)) 和 (h(t) = (n+1)(t-a)^n) 在区间 ([a, xi_1]) 上再次应用柯西中值定理。注意到 (R_n'(a)=0)， (h(a)=0)。则存在 (xi_2) 介于 (a) 和 (xi_1) 之间，使得：

[ frac{R_n'(xi_1)}{(n+1)(xi_1 - a)^n} = frac{R_n'(xi_1) - R_n'(a)}{h(xi_1) - h(a)} = frac{R_n''(xi_2)}{h'(xi_2)} = frac{R_n''(xi_2)}{n(n+1)(xi_2 - a)^{n-1}} ]

如此反复应用柯西中值定理，一共应用 (n+1) 次。在第 (k+1) 步，我们对函数 (R_n^{(k)}(t)) 和 (s_k(t) = frac{(n+1)!}{(n-k)!}(t-a)^{n-k}) 在相应的区间上应用定理。最终，我们将得到存在一个 (xi)（它是第 (n+1) 步找到的点，介于 (a) 和上一步的 (xi_n) 之间，因此也介于 (a) 和 (x) 之间），使得：

[ frac{R_n(x)}{(x-a)^{n+1}} = frac{R_n^{(n+1)}(xi)}{(n+1)!} ]

由于 (R_n^{(n+1)}(xi) = f^{(n+1)}(xi))，我们便得到了余项 (R_n(x)) 的一个表达式：

[ R_n(x) = frac{f^{(n+1)}(xi)}{(n+1)!} (x-a)^{n+1} ]

其中 (xi) 是介于 (a) 与 (x) 之间的某个数。这个余项公式称为拉格朗日余项。

至此，我们可以完整地陈述带有拉格朗日余项的泰勒定理：

泰勒定理（带拉格朗日余项）：设函数 (f(x)) 在包含点 (a) 的某个开区间 (I) 上具有直到 (n+1) 阶的连续导数，则对于任一 (x in I)，有

[ f(x) = f(a) + f'(a)(x-a) + frac{f''(a)}{2!}(x-a)^2 + cdots + frac{f^{(n)}(a)}{n!}(x-a)^n + R_n(x) ]

其中余项 (R_n(x)) 可以表示为

[ R_n(x) = frac{f^{(n+1)}(xi)}{(n+1)!} (x-a)^{n+1} ]

这里 (xi) 是介于 (a) 与 (x) 之间的某个实数。

当 (a=0) 时，上述定理称为麦克劳林定理，其多项式称为麦克劳林多项式。

拉格朗日余项形式简洁，便于理论分析和误差估计，因为它将误差表示为了 (f^{(n+1)}) 在某个中间点 (xi) 的值。余项还有其他等价形式，适用于不同的场景。

• 佩亚诺余项：如果只假设 (f(x)) 在 (a) 点处存在直到 (n) 阶的导数（而不需要 (n+1) 阶导数连续或存在），那么我们可以得到一个定性但更弱的余项形式：(R_n(x) = o((x-a)^n))。这意味着当 (x to a) 时，余项是比 ((x-a)^n) 更高阶的无穷小。这个形式在研究函数的局部形态（如极值、拐点）时非常有用。其推导通常利用洛必达法则反复求极限。
• 积分型余项：如果假设 (f^{(n+1)}(x)) 在区间上连续（或可积），那么可以通过对 (f^{(n+1)}(t)) 进行多次积分得到余项的积分表达式：(R_n(x) = frac{1}{n!} int_a^x (x-t)^n f^{(n+1)}(t) dt)。这个形式在理论上非常基本和强大，因为它不依赖于中值定理，并且可以直接通过对牛顿-莱布尼茨公式的反复积分（分部积分法）来推导。从积分型余项出发，利用积分中值定理可以推出拉格朗日余项。

泰勒定理的推导过程，从设定多项式形式、确定系数，到分析余项，展现了一个完整的数学建模过程：提出逼近需求、构造模型、确定参数、评估误差。每一步都紧密依托微积分的基本概念和定理，如导数、高阶导数、中值定理等。理解这个推导，能帮助学习者建立起知识点之间的有机联系，形成知识网络，而不仅仅是孤立地记忆公式。易搜职考网在辅导考生时发现，能够独立推导或清晰复述泰勒定理过程的学生，在解决相关证明题和应用题时，表现出了更强的分析能力和更高的正确率。

泰勒定理的威力在于它将复杂的函数运算转化为多项式运算。通过控制多项式的阶数 (n)，我们可以平衡计算的复杂度和逼近的精度。

• 近似计算：例如，计算 (e^{0.1})、(sin 1^circ) 等。我们可以利用其麦克劳林展开式，取前几项进行计算，并根据拉格朗日余项估计误差，确保结果满足精度要求。
• 极限计算：许多复杂的 (frac{0}{0}) 型或 (frac{infty}{infty}) 型极限，通过将分子分母中的函数用其泰勒多项式（或佩亚诺余项形式）展开，可以极大地简化计算。
• 不等式证明：通过泰勒公式将函数展开，并分析余项的正负，可以证明一些函数不等式。
• 研究函数性质：利用带佩亚诺余项的泰勒公式，可以判断函数在某点是否取得极值，是极大值还是极小值，以及确定拐点等。

以一个简单实例结束我们的推导之旅：推导 (e^x) 在 (x=0) 处的麦克劳林公式。函数 (f(x)=e^x) 有一个完美的性质：它的任意阶导数都是 (e^x)，且 (f^{(k)}(0)=1) 对所有 (k) 成立。
也是因为这些，它的 (n) 阶麦克劳林多项式为：(P_n(x) = 1 + x + frac{x^2}{2!} + frac{x^3}{3!} + cdots + frac{x^n}{n!})。根据泰勒定理，对于任何实数 (x)，存在 (xi) 介于 (0) 与 (x) 之间，使得 (e^x = P_n(x) + frac{e^{xi}}{(n+1)!} x^{n+1})。由于 (e^{xi}) 有界（例如，当 (x>0) 时，(e^{xi} < e^x)），我们可以看出，当 (n to infty) 时，对于固定的 (x)，余项趋于零。这就从泰勒定理的角度，为指数函数的幂级数展开 (e^x = sum_{n=0}^{infty} frac{x^n}{n!}) 提供了严格的证明基础。

，泰勒定理的推导是一个环环相扣、逻辑严密的经典过程。它始于一个朴素的逼近想法，通过引入高阶导数的概念深化了逼近的要求，利用待定系数法巧妙地确定了多项式的形式，最后借助中值定理这一微积分的核心工具，定量地刻画了逼近的误差。掌握这一推导，不仅意味着掌握了一个强大的数学工具，更意味着理解了微积分中“以直代曲”、“局部线性化”思想向高阶的升华。对于所有需要通过高等数学考试的学习者来说呢，投入时间深入理解泰勒定理，必将为整个微积分知识体系打下坚实的基础，易搜职考网也始终强调这种深度理解在应试和实际应用中的双重价值。