跳到主要内容

泰勒展开：局部信息的极限延伸

泰勒公式（Taylor's Formula）是数学分析中最强大的工具之一。它不仅能将复杂的非线性函数转化为局部多项式，还通过“余项”精确控制了这种逼近的误差，是通往数值分析与解析函数论的桥梁。

1. 泰勒中值定理 (Taylor's Theorem)​

1.1 带有佩亚诺 (Peano) 余项的泰勒公式​

适用场景：求极限、无穷小阶的比较。

若函数 ff 在点 x0x_0 处有 nn 阶导数，则对 x0x_0 邻域内的点 xx，有： f(x)=∑k=0nf(k)(x0)k!(x−x0)k+o((x−x0)n)f(x) = \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k + o((x-x_0)^n) 其中 Rn(x)=o((x−x0)n)R_n(x) = o((x-x_0)^n) 称为 Peano 余项。

1.2 带有拉格朗日 (Lagrange) 余项的泰勒公式​

适用场景：误差估计、不等式证明、全局性质分析。

若 ff 在 [a,b][a, b] 上有 nn 阶连续导数，在 (a,b)(a, b) 内有 n+1n+1 阶导数，则对于 x,x0∈[a,b]x, x_0 \in [a, b]，存在 ξ\xi 介于 xx 与 x0x_0 之间，使得： f(x)=∑k=0nf(k)(x0)k!(x−x0)k+f(n+1)(ξ)(n+1)!(x−x0)n+1f(x) = \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k + \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1} 其中 Rn(x)=f(n+1)(ξ)(n+1)!(x−x0)n+1R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1} 称为 Lagrange 余项。

2. 泰勒展开的证明逻辑​

泰勒公式的本质是柯西中值定理的推广。

Lagrange 余项的证明思路： 构造辅助函数 F(t)=f(x)−∑k=0nf(k)(t)k!(x−t)kF(t) = f(x) - \sum_{k=0}^n \frac{f^{(k)}(t)}{k!}(x-t)^k。 再构造 G(t)=(x−t)n+1G(t) = (x-t)^{n+1}。 对 F(t)F(t) 与 G(t)G(t) 在区间 [x0,x][x_0, x] 上应用 Cauchy 中值定理，通过逐项求导（注意到和式的抵消性质，即“望远镜导数”），最终可导出 Lagrange 余项的形式。

3. 巅峰应用：三大核心场景​

极限判定

利用 Peano 余项，将未定式转化为多项式比值。比 L'Hopital 法则更稳定、更清晰。

近似与误差

利用 Lagrange 余项确定 nn 的取值，使得逼近误差在预设精度范围内。

不等式证明

通过展开到二阶或更高阶，利用导数的正负性直接判定函数的大小关系。

4. 深度教材化例题​

例 1：高阶极限的“泰勒碾压”​

题目：计算 lim⁡x→0exsin⁡x−x(1+x)x3\lim_{x \to 0} \frac{e^x \sin x - x(1+x)}{x^3}。

查看解析

解析：展开到 x3x^3 项。

  1. ex=1+x+x22+x36+o(x3)e^x = 1 + x + \frac{x^2}{2} + \frac{x^3}{6} + o(x^3)
  2. sin⁡x=x−x36+o(x3)\sin x = x - \frac{x^3}{6} + o(x^3)
  3. exsin⁡x=(1+x+x22)(x−x36)+o(x3)e^x \sin x = (1 + x + \frac{x^2}{2})(x - \frac{x^3}{6}) + o(x^3) =x+x2+(12−16)x3+o(x3)=x+x2+13x3+o(x3)= x + x^2 + (\frac{1}{2} - \frac{1}{6})x^3 + o(x^3) = x + x^2 + \frac{1}{3}x^3 + o(x^3)
  4. 分子为：(x+x2+13x3)−(x+x2)=13x3+o(x3)(x + x^2 + \frac{1}{3}x^3) - (x + x^2) = \frac{1}{3}x^3 + o(x^3)
  5. 极限为：lim⁡x→013x3x3=13\lim_{x \to 0} \frac{\frac{1}{3}x^3}{x^3} = \frac{1}{3}。

例 2：误差估计的工业实践​

题目：用泰勒公式估算 e\sqrt{e}，要求误差小于 10−410^{-4}。

查看解析

解析： exe^x 在 x=0x=0 处的 nn 阶展开余项为 Rn(x)=eξ(n+1)!xn+1R_n(x) = \frac{e^\xi}{(n+1)!}x^{n+1}，其中 0<ξ<0.50 < \xi < 0.5。 对 x=0.5x=0.5，有 Rn(0.5)=eξ(n+1)!(0.5)n+1<2(n+1)!2n+1R_n(0.5) = \frac{e^\xi}{(n+1)!}(0.5)^{n+1} < \frac{2}{(n+1)! 2^{n+1}} (因 e0.5<2e^{0.5} < 2)。 我们需要 1(n+1)!2n<10−4\frac{1}{(n+1)! 2^n} < 10^{-4}。

  • n=4n=4: 5!⋅24=120⋅16=19205! \cdot 2^4 = 120 \cdot 16 = 1920 (不满足)
  • n=5n=5: 6!⋅25=720⋅32=23040>100006! \cdot 2^5 = 720 \cdot 32 = 23040 > 10000 (满足) 因此，展开到 5 阶即可达到精度。

例 3：极值的二阶充分条件证明​

题目：若 f′′(x0)>0f''(x_0) > 0 且 f′(x0)=0f'(x_0) = 0，证明 x0x_0 是极小值点。

查看解析

证明： 在 x0x_0 处进行带 Peano 余项的二阶泰勒展开： f(x)=f(x0)+f′(x0)(x−x0)+f′′(x0)2(x−x0)2+o((x−x0)2)f(x) = f(x_0) + f'(x_0)(x-x_0) + \frac{f''(x_0)}{2}(x-x_0)^2 + o((x-x_0)^2) 因 f′(x0)=0f'(x_0) = 0： f(x)−f(x0)=(x−x0)2[f′′(x0)2+o((x−x0)2)(x−x0)2]f(x) - f(x_0) = (x-x_0)^2 \left[ \frac{f''(x_0)}{2} + \frac{o((x-x_0)^2)}{(x-x_0)^2} \right] 当 x→x0x \to x_0 时，括号内趋于 f′′(x0)2>0\frac{f''(x_0)}{2} > 0。 故存在邻域，使得对所有 x≠x0x \neq x_0，f(x)−f(x0)>0f(x) - f(x_0) > 0。 即 x0x_0 是极小值点。

5. 进阶练习库 (Advanced Exercises)​

练习 1：待定系数与泰勒展开

若 lim⁡x→0sin⁡x−x(1+ax2)x5=b\lim_{x \to 0} \frac{\sin x - x(1+ax^2)}{x^5} = b，求 a,ba, b。


解析： sin⁡x=x−x36+x5120+o(x5)\sin x = x - \frac{x^3}{6} + \frac{x^5}{120} + o(x^5)。 分子为 x−x36+x5120−x−ax3=(−1/6−a)x3+1120x5+o(x5)x - \frac{x^3}{6} + \frac{x^5}{120} - x - ax^3 = (-1/6 - a)x^3 + \frac{1}{120}x^5 + o(x^5)。 要使极限存在且不为无穷，必须 −1/6−a=0  ⟹  a=−1/6-1/6 - a = 0 \implies a = -1/6。 此时极限 b=1/120b = 1/120。

练习 2：泰勒公式证明不等式

证明当 x>0x > 0 时，ln⁡(1+x)>x−x22\ln(1+x) > x - \frac{x^2}{2}。


解析： 在 x=0x=0 处展开到二阶（Lagrange 余项）： ln⁡(1+x)=x−x22+x33(1+ξ)3\ln(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3(1+\xi)^3}，其中 0<ξ<x0 < \xi < x。 因 x>0x > 0，余项 x33(1+ξ)3>0\frac{x^3}{3(1+\xi)^3} > 0。 故结论成立。

练习 3：柯西余项的必要性

在什么情况下必须使用柯西 (Cauchy) 余项而非拉格朗日余项？


答案解析： 通常在证明 (1+x)α(1+x)^\alpha 的二项级数敛散性或某些对数余项估计时，Lagrange 余项的系数在区间端点会失效，而 Cauchy 余项（形式为 Rn(x)=f(n+1)(ξ)n!(x−ξ)n(x−x0)R_n(x) = \frac{f^{(n+1)}(\xi)}{n!}(x-\xi)^n(x-x_0)）能够提供更细致的权函数，使得余项在更广的范围内趋于 0。

编者注：泰勒公式是分析学从“线性世界”跨入“非线性世界”的门票。务必熟练掌握常用函数的展开式。