多项式拟合 阶数 $N$ 决定精度
$$ P_N(x) = \dots $$
误差评估 (在 $x=2$ 处)
Error: ...
泰勒级数的核心思想是：用简单的多项式去模仿复杂的曲线。 $N=1$ 时，它只是一条切线；随着 $N$ 的增大，多项式拥有了更多的“关节”，开始像蛇一样逐渐贴合目标曲线。
曲线缠绕 灰虚线为目标，蓝实线为多项式
默认展开中心为 $x_0 = 0$ (麦克劳林级数)。注意观察：在展开点附近，哪怕 $N$ 很小，拟合度也非常高。
移动基站 展开中心 $x_0$ 的辐射范围
在点 $x_0$ 处的 3 阶泰勒多项式：
$$ P_3(x) = f(x_0) + f'(x_0)(x-x_0) + \dots $$
高精度拟合范围 (随 $x_0$ 移动)
约在 $[x_0 - 1, x_0 +
1]$ 内
泰勒级数本质上是局部逼近。多项式只关心它在展开点 $x_0$ 处的信息（函数值、斜率、曲率等）。离 $x_0$ 越远，这些信息的参考价值就越低，误差也会像雪球一样越滚越大。
局部光环 随着 $x_0$ 移动的贴合区
红点表示当前的展开中心 $x_0$。可以看到，无论 $x_0$ 移到哪里，蓝色的多项式都会死死“咬住”红点附近的曲线。
泰勒展开法则
化繁为简，将超越函数降维打击的核心武器
核心思想
多项式模拟$$ \text{用 } P(x) = c_0 + c_1 x + c_2 x^2 \dots \text{ 代替 } f(x) $$
计算机只能做加减乘除，无法直接计算 sin(x) 或 e^x。泰勒展开把这些复杂函数转化为无穷长的多项式，使计算成为可能。
系数提取法则
导数对齐$$ c_n = \frac{f^{(n)}(x_0)}{n!} $$
为了让多项式最像原函数，我们要求它们在 x0 点的函数值相等、一阶导数相等、二阶导数相等...一直到 n 阶导数完全相等。
展开中心 (基点) $x_0$
局部情报站$$ P(x) = \sum \frac{f^{(n)}(x_0)}{n!} (x - x_0)^n $$
展开中心决定了我们在哪一点提取原函数的信息。多项式总是围绕展开点最精确；离展开点越远，误差就可能越大。
麦克劳林级数 (Maclaurin)
零点特权$$ \text{令 } x_0 = 0 $$
这是最常用的一种特殊泰勒级数，展开中心设在原点。大多数物理近似（如小角度下的 sin(x) ≈ x）本质上都是它的一阶截断。
泰勒余项 (截断误差)
极限控制$$ R_n(x) = f(x) - P_n(x) $$
因为我们不可能真的加到无穷多项，总要在某一项停下。余项就是我们丢弃掉的部分，它决定了我们用多项式估算的精度。
收敛性的前提
余项归零$$ \lim_{n \to \infty} R_n(x) = 0 $$
只有当 n 趋于无穷大时，余项被证明会趋于零，泰勒展开的等号才能真正成立，函数才可以说能被彻底展开。
经典收敛：$e^x$, $\sin x$, $\cos x$
全域通杀$$ R = \infty $$
这三者的绝妙之处在于，它们的分母带有狂飙突进的 n!。这使得它们的余项衰减极快，所以在整个实数轴上都能完美收敛。
受限收敛：$\ln(1+x)$
奇点边界$$ R = 1 $$
对数函数的展开分母只是 n（没有阶乘），且在 x=-1 处存在无法逾越的奇点（垂直渐近线），所以它的收敛半径被死死限制在 1。