泰勒中值定理推导过程-泰勒中值定理推导

泰勒中值定理实际上是微积分里那个最“狠”也最“花”的定理，它告诉我们要搞清楚一个函数在一点点地方到底长啥样，往往只需求看它特有的那个“拐点”函数值。先把根本初等函数和它们的导数拿出来，比如 $x^3$ 的导数是 $3x^2$，$e^x$ 的导数还是它自己，$sin x$ 的导数是 $cos x$。
这时候大家习惯了用一般/平平的导数来算边上值，比如里尔格定理，那是学微积分的入门游戏，但这玩意儿有个好难题，它要求函数得是凹的要么凸的，范围得有限，要是函数长得特别怪，要么定义域无限大，这个定理直接就被卡住了。 那泰勒中值定理如何破呢？它实际上是把求导那点累死人的“累加法”给降智打击了。原函数 $f(x)$ 在 $x_0$ 处取值为 $f(x_0)$，为了用这个公式，我们得先把 $f(x)$ 展开成一个多项式。把它写活计，就是在 $x_0$ 的邻域里，$f(x)$ 等于 $f(x_0) + A(x-x_0) + frac{B}{2}(x-x_0)^2 + dots + frac{A_k}{k!}(x-x_0)^k + R(x, x_0)$，这里的 $R$ 是余项。
这个展开式看起来像魔法，实际上它隐藏着个漂亮的几何秘密：余数 $R$ 绝对值不超过 $k+1$ 阶导数的绝对值再乘以距离的 $(k+1)$ 次方除以阶乘，这样一来，求极限的时候就不用怕无穷大了，出于分母阶乘长得忒吓人，分子的增长根本追不上。 举个例子，假设我们要算 $lim_{xto 0} frac{ln(1+x) - x}{x^2}$。直接推导极限带点费事，但代入泰勒展开式实际上就好办了。$ln(1+x)$ 在 $0$ 附近的展开是 $x - frac{x^2}{2} + frac{x^3}{3} - dots$，再减去 $x$ 就等于 $-frac{1}{2}x^2 + frac{1}{3}x^3 - dots$，最终除以 $x^2$，系数一消掉，剩下 $-1/2$。
这个过程里，$frac{1}{3}x^3$ 这一项在 $xto 0$ 时贡献了 0 的极限，别看它是个正数，但被 $x^2$ 盖了那会儿，显得微不足道，这正是泰勒的了得之处，它能把复杂的无穷级数简化成几个关键项的博弈。 再讲讲余项的难题。
要是直接用拉格朗日余项，我们往往得算出一个长长的积分要么无穷积分，这在物理建模里时常害得结局精度不够，出于积分上限要是无限大，积出来可能是个怪的函数。泰勒中值定理的罗尔定理形式更友好，它能把那个余项“悄悄”地吸收进多项式的系数里，用一种代数形式表达出来，计算完最终一步极限时，分母里的那个 $(k+1)!$ 会让整个式子瞬间趋于 0，精度直接拉满。 在实际工程里，泰勒公式简直就是个万能黑盒。
比如电磁波传播要么声学中的波速计算，面对那种复杂的介质分布，直接积分一遍可能算到死，但要是你能凑出几个好办的函数，用泰勒展开做近似，那结局往往就能漂亮地超得飞快，并且误差小得肉眼看不见。
还有像量子力学里的薛定谔方程，那些指数型的解，要是直接解，代数爆炸；做了个泰勒展开近似，解就顺畅了。 不过在应用之前，得注意边界情况。泰勒公式是个单侧的展开，出于它是对 $x_0$ 的一个局部小范围讲话，往外一推，多出来的项就闹肚子了。
比如算 $ln x$ 在 $x=1$ 处的展开，只能保证在 $x > 0$ 时成立，不能随意往负数那边推。
这就好比你在小范围里用地图导航，别看准，但一旦跑出地图范围，导航就失灵了。
故此泰勒中值定理别看数学上挺优雅，用起来也得心里有数，别把它当成全局真理，只适合在局部精细建模的时候拿出来用。