泰勒公式（泰勒展开式）通俗+本质详解

大家好，又见面了，我是你们的朋友全栈君。

比较通俗地讲解一下泰勒公式是什么。

泰勒公式，也称泰勒展开式。是用一个函数在某点的信息，描述其附近取值的公式。如果函数足够平滑，在已知函数在某一点的各阶导数值的情况下，泰勒公式可以利用这些导数值来做系数，构建一个多项式近似函数，求得在这一点的邻域中的值

所以泰勒公式是做什么用的？

简单来讲就是用一个多项式函数去逼近一个给定的函数(即尽量使多项式函数图像拟合给定的函数图像)，注意，逼近的时候一定是从函数图像上的某个点展开。如果一个非常复杂函数，想求其某点的值，直接求无法实现，这时候可以使用泰勒公式去近似的求该值，这是泰勒公式的应用之一。泰勒公式在机器学习中主要应用于梯度迭代。

***********************************************************************************************************************************

***********************************************************************************************************************************

1. 问题的提出 

多项式   是最简单的一类初等函数。关于多项式，由于它本身的运算仅是有限项加减法和乘法，所以在数值计算方面，多项式是人们乐于使用的工具。因此我们经常用多项式来近似表达函数。这也是为什么泰勒公式选择多项式函数去近似表达给定的函数。

***********************************************************************************************************************************

***********************************************************************************************************************************

2. 近似计算举例

初等数学已经了解到一些函数如： 的一些重要性质，但是初等数学不曾回答怎样来计算它们，以 f(x) =  的近似计算为例：

①. 一次（线性）逼近                                                                             

利用微分近似计算公式 f(x)  f() + ()(x – ) (该式由导数/微分的极限表达公式转换得到)，对  = 0 附近的 f(x) 的线性逼近为： f(x)  f(0) + (0) x , 所以 f(x) =   1，所以 f(x) 在  = 0 附近的线性逼近函数 (x) = 1，如下图：

线性逼近优点：形式简单，计算方便；缺点：离原点O越远，近似度越差。  

②. 二次逼近     

二次多项式 逼近 f(x) =  ，我们期望：    

 =  =  = 1 =   ( 即期望在 x = 0 处逼近函数和给定函数的函数值相等 )；

 =  =  = 0 =   ( 即期望在 x = 0 处逼近函数和给定函数的斜率相等 )；  

 =  =  = -1，所以  =   ( 即期望在 x = 0 处逼近函数和给定函数的曲率相等 )； 

 所以    = 1 – ，如下图：

二次逼近要比线性逼近好得多，但局限于 [ ， ] 内，该范围外，图像明显差异很大。为什么我们期望两个函数在某一点的函数值 、一阶导数值、二阶导数值相等？因为这些值表达了函数(图像)最基本和最主要的性质，这些性质逼近即可以使得两个函数逼近(由上面函数图像可以直观地看出来)

③. 八次逼近 

 八次多项式   逼近 f(x) =  ，我们期望：     

  ，求出     ( 即期望在 x = 0 处逼近函数和给定函数的函数值相等 )；       

 ，求出    ( 即期望在 x = 0 处逼近函数和给定函数的斜率相等 )；

 …. …. ….          

 ，求出   ( 即期望在 x = 0 处逼近函数和给定函数的曲率相等 )；                                               

所以    ，如下图：

 (绿色图像) 比  (蓝色图像) 更大范围内更接近余弦函数 (红色图像)   

由上述3次不同程度的函数逼近可以看出：对于精确度要求较高且需要估计误差的时候，必须用高次多项式来近似表达函数，同时给出误差公式 。

以上就是利用多项式函数去逼近给定函数的一个过程。

*****************************************************************************************************************************************

*****************************************************************************************************************************************

3. 泰勒公式的推导

由此引出一个问题：给定一个函数  ，要找一个在指定点  附近与  很近似的多项式函数 ，记为：         

  使得      并且使得两者误差  可估计。所以要找的多项式应该满足什么条件，误差是什么？

从几何上看，， 代表两条曲线，如下图：

使它们在  附近很靠近，很明显：

1. 首先要求两曲线在  点相交，即               

2. 如果要靠得更近，还要求两曲线在   点相切，(由图像可以直观看出，相交 [ 棕色和红色图像 ] 和 相切 [ 绿色和红色图像 ]，两曲线在  附近的靠近情况明显差异很大，相切更接近)，即                                                 

3. 如果还要靠得更近，还要求曲线在   点弯曲方向相同，(如上图，弯曲方向相反 [ 绿色和红色图像 ]；弯曲方向相同[ 蓝色和红色图像 ]，明显在离  很远的地方，弯曲方向相同两函数的差异更小一点)，即  ，进而可推想：若在  附近有 ，   ，近似程度越来越好。

综上所述，所要找的多项式应满足下列条件：

解释一下上面的转换时如何做的，以上面第三行的二阶导数为例： 

第一个箭头的转换：将  求二阶导函数后将  带入，求得  

第二个箭头的转换：所以 ，所以  

多项式函数   中的系数  可以全部由  表示，则得到： 

其中误差为  。 因为是用多项式函数去无限逼近给定的函数，所以两者之间肯定存在一丢丢的误差。

****************************************************************************************************************************************

****************************************************************************************************************************************

4. 泰勒公式的定义

所以我们就得到了泰勒公式的定义：

如果函数  在含  的某个开区间    内具有直到   阶导数，则对   ，有  

其中余项 (即误差)   ，  在  与 x 之间。 泰勒公式的余项表达方式有好几种，前面这种表是方法称为n阶泰勒展开式的拉格朗日余项。拉格朗日余项即是n阶泰勒公式又多展开了一阶，n变为n+1。注意，这里的余项即为误差，因为使用多项式函数在某点展开，逼近给定函数，最后肯定会有一丢丢的误差，我们称之为余项。

****************************************************************************************************************************************

****************************************************************************************************************************************

5. 扩展 —— 麦克劳林公式

是泰勒公式的一种特殊情况：即当  时的泰勒公式。所以将  带入公式，即得：

几个常见的初等函数的带有佩亚诺余项的麦克劳林公式：

 佩亚诺余项为     的高阶无穷小 ：