泰勒展开式

泰勒公式通过把任意函数表达式转换（重写）为多项式形式，是一种极其强大的函数近似工具。
公式：
$$f(x{)}_{Taylor}=\sum _{n=0}^{\infty }\frac{f^n(a)}{n!}\ast (x-a{)}^n$$
$$=f(a)+\frac{f^{\prime }(a)}{1!}(x-a)+\frac{f^{(2)}(a)}{2!}(x-a{)}^2+...+\frac{f^{(n)}(a)}{n!}(x-a{)}^n+R_n(x)$$
其中余项$R_n(x)=\frac{f^{(n+1)}(\xi )}{(n+1)!}(x-a{)}^{(n+1)},\xi \in (a,x)$

解释：
只要两个事物的初始速度相同，初速度的加速度相同，初速度的加速度的加速度相同…如果推到极限，那么这两者的运动轨迹就会无限相同。这就相当于模仿一个事物，就不能仅仅模仿它的表面，还要模仿它的变化，如果它的变化都在变，我们就跟着变，只要每个细节相同，那么就真假莫辨。
我们都知道倒数代表了当前的变化率，导数的导数就代表变化率的变化率…因此，要找个近似函数模仿原函数，那么就要让他们的各阶导数都相同。
可是什么东西才会保证有n阶导数呢？多项式完全符合要求！只要调整多项式的最高阶数，就能求导多少次，将其每阶导数取相等于原函数的每阶导数，就能保证他们各个阶次的变化都相同，达到模仿原函数的目的。
实例：

余项推导：
拉格朗日余项
令式中前面的有限项为$P(x)$，后面无限个误差项为$G(x)$，则$f(x)=P(x)+G(x)$
$$G(x)=\frac{f^{(n+1)}(a)(x-a{)}^{n+1}}{(n+1)!}+\frac{f^{(n+2)}(a)(x-a{)}^{n+2}}{(n+2)!}+...$$
G ′ ( x ) = f ( n + 1 ) ( a ) ( x − a ) n ( n ) ! + f ( n + 2 ) ( a ) ( x − a ) n