跳至主要內容

余项

DeepSeekV32025/9/2数学

在泰勒公式中，余项 Rn(x)R_n(x) 是其灵魂所在。它精确地描述了用一个有限项的多项式 Pn(x)P_n(x) 去逼近一个（通常更复杂的）函数 f(x)f(x) 时所产生的误差。
一个完整的泰勒定理表述如下：
设函数 f(x)f(x) 在点 x0x_0 的某个邻域内具有直到 (n+1)(n+1) 阶的导数，则对该邻域内的任意 xx，有：

f(x)=f(x0)+f′(x0)(x−x0)+f′′(x0)2!(x−x0)2+⋯+f(n)(x0)n!(x−x0)n⏟n次泰勒多项式 Pn(x)+Rn(x)⏟余项f(x) = \underbrace{f(x_0) + f'(x_0)(x-x_0) + \frac{f''(x_0)}{2!}(x-x_0)^2 + \cdots + \frac{f^{(n)}(x_0)}{n!}(x-x_0)^n}_{n\text{次泰勒多项式 } P_n(x)} + \underbrace{R_n(x)}_{\text{余项}}

正是这个余项 Rn(x)R_n(x) 告诉我们 Pn(x)P_n(x) 与 f(x)f(x) 的差距。以下是两种最常见和重要的余项形式：

1. 佩亚诺余项 (Peano Remainder)

  • 形式：Rn(x)=o((x−x0)n)(x→x0)R_n(x) = o((x-x_0)^n) \quad (x \to x_0)
  • 读音：”little-o of (x−x0)(x-x_0) to the power nn“
  • 含义：当 xx 无限接近 x0x_0 时，余项 Rn(x)R_n(x) 是比 (x−x0)n(x-x_0)^n 更高阶的无穷小。
  • 核心思想：定性地描述了逼近的精度。它告诉我们，在展开点 x0x_0 附近，多项式逼近的误差下降速度非常快，至少和 (x−x0)n(x-x_0)^n 的消失速度一样快。
  • 优点：形式简单，要求条件较弱（只需要 f(x)f(x) 在 x0x_0 点 nn 阶可导）。常用于求极限和理论分析。
  • 缺点：它只给出了误差在 x→x0x \to x_0 时的趋势，无法定量计算某个具体点 xx 的误差大小。
    示例：ex=1+x+x22!+⋯+xnn!+o(xn)(x→0)e^x = 1 + x + \frac{x^2}{2!} + \cdots + \frac{x^n}{n!} + o(x^n) \quad (x \to 0)
    这个式子告诉我们，在 x=0x=0 附近，用这个 nn 次多项式逼近 exe^x，其误差远远小于 xnx^n。

2. 拉格朗日余项 (Lagrange Remainder)

  • 形式：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}
  • 含义：其中 ξ\xi 是介于 x0x_0 和 xx 之间的某个值（ξ∈(x0,x)\xi \in (x_0, x) 或 (x,x0)(x, x_0)）。
  • 核心思想：定量地给出了逼近误差的具体表达式。它将误差表示为了函数第 (n+1)(n+1) 阶导数在某一个中间点 ξ\xi 的值。
  • 优点：可以用于计算误差的上限。如果我们能估计出 f(n+1)(ξ)f^{(n+1)}(\xi) 在区间内的最大值 MM，那么就有：

    ∣Rn(x)∣≤M(n+1)!∣x−x0∣n+1|R_n(x)| \leq \frac{M}{(n+1)!}|x-x_0|^{n+1}

    这为我们提供了多项式逼近精度的严格保证。
  • 缺点：要求条件更强（需要 f(x)f(x) 在包含 x0x_0 和 xx 的区间内具有 n+1n+1 阶导数）。并且 ξ\xi 的具体值通常是未知的，我们只知道它的存在性。
    示例：用三阶多项式 P3(x)=1+x+x22!+x33!P_3(x) = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} 在 x0=0x_0=0 处逼近 exe^x。
    其拉格朗日余项为：R3(x)=eξ4!x4R_3(x) = \frac{e^{\xi}}{4!}x^4，其中 ξ\xi 在 00 和 xx 之间。
    如果我们要计算 e0.1e^{0.1} 的误差，我们知道对于 ξ∈(0,0.1)\xi \in (0, 0.1)，有 eξ<e0.1<1.2e^{\xi} < e^{0.1} < 1.2（因为 e0.1≈1.105e^{0.1} \approx 1.105）。因此误差上限为：

∣R3(0.1)∣≤1.224×(0.1)4≈0.000005|R_3(0.1)| \leq \frac{1.2}{24} \times (0.1)^4 \approx 0.000005

这告诉我们，用 P3(0.1)P_3(0.1) 计算 e0.1e^{0.1}，其误差绝不会超过 0.0000050.000005。

总结

特性佩亚诺余项拉格朗日余项
形式o((x−x0)n)o((x-x_0)^n)f(n+1)(ξ)(n+1)!(x−x0)n+1\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}
信息定性（误差趋势）定量（误差大小）
用途理论分析、求极限实际误差估计、证明不等式
要求条件f(x)f(x) 在 x0x_0 nn 阶可导f(x)f(x) 在 x0x_0 邻域内 n+1n+1 阶可导
精度描述误差是 (x−x0)n(x-x_0)^n 的高阶无穷小误差与 (x−x0)n+1(x-x_0)^{n+1} 同阶
正因为有了余项，泰勒公式才从一个“近似”的工具上升为一个“精确”的数学定理——它将一个函数精确地表示为了一个有限项多项式和一个可以用多种方式刻画的余项之和。
链接到当前文件 1