泰勒展開式：從近似到工程精準預測的橋梁
title: “泰勒展開式：從近似到工程精準預測的橋梁” date: 2026-10-07 tags: [數學, 工程, 微積分]
泰勒展開式：從近似到工程精準預測的橋梁
前言：為什麼泰勒展開式如此重要？
在工程實務中，我們經常需要在某個工作點附近對複雜函數進行快速估算。例如，控制工程師需要在平衡點附近線性化非線性系統，結構工程師需要預測材料在微小應變下的行為，而信號處理工程師則需要對週期信號進行頻譜分析。這些問題的核心都指向同一個數學工具——泰勒展開式（Taylor Series Expansion）。
泰勒展開式的美妙之處在於：它將一個可能非常複雜的函數，轉化為一個多項式——而多項式是電腦最容易運算、人類最容易理解的數學形式。正如數學家拉格朗日所言，泰勒級數是「微分學的核心」。
核心概念：由淺入深
從線性近似出發
假設我們有一個可微函數 $f(x)$，並且想知道它在 $x = a$ 附近的行為。最直觀的想法是用一條切線來近似：
$$f(x) \approx f(a) + f’(a)(x - a)$$
這就是一階泰勒展開，也稱為線性近似。當 $x$ 離 $a$ 很近時，這個近似非常好；但隨著距離增大，誤差也迅速增加。
加入曲率：二階展開
為了提高精度，我們可以加入二階導數項，捕捉函數的「彎曲」程度：
$$f(x) \approx f(a) + f’(a)(x - a) + \frac{f’’(a)}{2!}(x - a)^2$$
這就像用一條拋物線來貼合曲線，比切線更貼近真實函數的形狀。
一般形式：泰勒級數
將這個概念推廣到任意階數，我們得到泰勒級數：
$$f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!}(x - a)^n = f(a) + f’(a)(x-a) + \frac{f’’(a)}{2!}(x-a)^2 + \frac{f’’’(a)}{3!}(x-a)^3 + \cdots$$
其中 $f^{(n)}(a)$ 表示 $f$ 在 $a$ 點的 $n$ 階導數，$n!$ 是 $n$ 的階乘。
特殊情況：麥克勞林級數
當展開點 $a = 0$ 時，泰勒級數簡化為麥克勞林級數：
$$f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n$$
這是工程中最常用的形式，因為在零點附近展開往往最簡潔。
收斂性：並非所有函數都能展開
值得注意的是，泰勒級數並非對所有 $x$ 值都收斂到原函數。級數的收斂半徑決定了展開的有效範圍。例如，$\frac{1}{1-x}$ 的麥克勞林級數為：
$$\frac{1}{1-x} = 1 + x + x^2 + x^3 + \cdots, \quad |x| < 1$$
當 $|x| \geq 1$ 時，級數發散，展開失效。
工程應用實例
應用一：控制系統的線性化
在控制工程中，非線性系統隨處可見。考慮一個簡單的非線性系統：
$$\dot{x} = x^2 + u$$
其中 $x$ 是狀態變數，$u$ 是控制輸入。假設我們希望在平衡點 $x_e = 1$ 附近設計線性控制器，令 $x = x_e + \delta x$，$u = u_e + \delta u$，其中 $u_e = -1$（因為平衡時 $\dot{x} = 0$）。
對 $f(x) = x^2$ 在 $x_e = 1$ 處進行一階泰勒展開：
$$f(x) \approx f(1) + f’(1)(x - 1) = 1 + 2(x - 1)$$
因此，線性化後的系統為：
$$\delta\dot{x} \approx 2\delta x + \delta u$$
這是一個線性系統，我們可以用經典的 PID 控制或狀態反饋方法來設計控制器。沒有泰勒展開，非線性控制將困難得多。
應用二：結構工程中的應變分析
在材料力學中，應變 $\epsilon$ 與位移 $u$ 的關係為 $\epsilon = \frac{du}{dx}$。但對於大變形問題，真實應變（Green 應變）的定義為：
$$E = \frac{du}{dx} + \frac{1}{2}\left(\frac{du}{dx}\right)^2$$
當位移梯度 $\frac{du}{dx}$ 很小時，我們可以用泰勒展開的思想，忽略高階小量，簡化為線性應變：
$$E \approx \frac{du}{dx}$$
這就是小變形理論的基礎。工程師在設計橋樑、建築時，通常假設變形足夠小，從而使用線性理論簡化計算。但如果變形較大（如橡膠材料、柔性結構），就必須考慮非線性項。
應用三：信號處理中的非線性失真
在電子工程中，放大器理想情況下是線性的：輸出 $y = kx$。但實際放大器存在非線性，輸出可表示為：
$$y = a_1 x + a_2 x^2 + a_3 x^3 + \cdots$$
這正是泰勒級數的形式！當輸入 $x = A\cos(\omega t)$ 時，非線性項會產生諧波失真：
- $x^2$ 項產生二次諧波 $2\omega$ 和直流分量
- $x^3$ 項產生三次諧波 $3\omega$ 和基頻分量
通過分析泰勒展開的係數，工程師可以量化失真程度，並設計線性化電路（如負反饋）來抑制不需要的諧波。
例題與詳解
例題一：基本展開
題目：求 $f(x) = e^x$ 在 $x = 0$ 處的麥克勞林級數，並利用前三項估算 $e^{0.1}$ 的值。
詳解：
首先計算各階導數：
$$f(x) = e^x, \quad f’(x) = e^x, \quad f’’(x) = e^x, \quad f’’’(x) = e^x, \quad \cdots$$
在 $x = 0$ 處：
$$f(0) = 1, \quad f’(0) = 1, \quad f’’(0) = 1, \quad f’’’(0) = 1, \quad \cdots$$
因此麥克勞林級數為：
$$e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots = \sum_{n=0}^{\infty} \frac{x^n}{n!}$$
取前三項估算 $e^{0.1}$：
$$e^{0.1} \approx 1 + 0.1 + \frac{(0.1)^2}{2} = 1 + 0.1 + 0.005 = 1.105$$
實際值 $e^{0.1} \approx 1.10517$，誤差僅約 $0.015%$，可見泰勒展開的威力。
例題二：誤差估計
題目：利用泰勒展開證明：當 $x$ 很小時，$\sin x \approx x$，並估算此近似在 $x = 0.1$ 弧度時的相對誤差。
詳解：
$\sin x$ 的麥克勞林級數為：
$$\sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots$$
當 $x$ 很小時，三階項遠小於一階項，因此：
$$\sin x \approx x$$
在 $x = 0.1$ 時：
- 近似值：$\sin(0.1) \approx 0.1$
- 實際值：$\sin(0.1) \approx 0.0998334$
- 絕對誤差：$|0.1 - 0.0998334| = 0.0001666$
- 相對誤差：$\frac{0.0001666}{0.0998334} \approx 0.167%$
這解釋了為什麼在工程中，當角度小於約 $5^\circ$（$0.087$ 弧度）時，常用 $\sin\theta \approx \theta$ 來簡化計算。
例題三：多變數泰勒展開
題目：考慮函數 $f(x, y) = e^{x+y}$，求其在 $(0, 0)$ 點的二階泰勒展開。
詳解：
多變數泰勒展開的一般形式為：
$$f(x, y) \approx f(a, b) + f_x(a, b)(x-a) + f_y(a, b)(y-b) + \frac{1}{2}\left[f_{xx}(a, b)(x-a)^2 + 2f_{xy}(a, b)(x-a)(y-b) + f_{yy}(a, b)(y-b)^2\right]$$
計算各偏導數：
$$f_x = e^{x+y}, \quad f_y = e^{x+y}, \quad f_{xx} = e^{x+y}, \quad f_{xy} = e^{x+y}, \quad f_{yy} = e^{x+y}$$
在 $(0, 0)$ 處，所有偏導數都等於 $1$，且 $f(0,0) = 1$。因此：
$$f(x, y) \approx 1 + x + y + \frac{1}{2}(x^2 + 2xy + y^2) = 1 + x + y + \frac{(x+y)^2}{2}$$
這正是 $e^{x+y}$ 的單變數泰勒展開將 $x+y$ 視為整體的結果，驗證了展開的正確性。
總結與延伸思考
泰勒展開式是連接「線性世界」與「非線性世界」的橋梁。它的核心思想——用多項式逼近複雜函數——在工程中有著無窮的應用：
- 數值分析：幾乎所有數值方法（數值微分、數值積分、微分方程數值解）都依賴泰勒展開來構造算法和估計誤差。
- 優化理論：牛頓法利用二階泰勒展開來尋找函數極小值。
- 物理學：從量子力學的微擾論到廣義相對論的弱場近似，泰勒展開無處不在。
然而，我們也應警惕泰勒展開的局限性：
- 局部性：展開只在展開點附近有效，遠離展開點時誤差可能急劇增大。
- 收斂性：某些函數（如 $e^{-1/x^2}$ 在 $x=0$ 處）的泰勒級數收斂到零，而非原函數。
- 數值穩定性：高階展開可能引入數值誤差，實際應用中通常只取前幾項。
延伸思考：在現代工程中，我們還可以使用其他展開方法，如切比雪夫多項式展開、帕德近似（Padé approximation）等，它們在某些情況下比泰勒展開更優越。讀者可以比較：對於相同的函數和相同的項數，哪種近似方法在給定區間內的最大誤差最小？
泰勒展開式提醒我們：複雜的世界往往可以在局部用簡單的方式理解。這種「以簡馭繁」的思想，正是數學賦予工程師的最強大工具。