拉格朗日误差界

AP 微积分 BC· AP 微积分 BC CED — 无穷数列与级数· 14 分钟阅读

1. 什么是拉格朗日误差界？★★☆☆☆⏱ 3 min

拉格朗日误差界（也称为拉格朗日余项界）是用n次泰勒多项式近似函数时，求最大绝对误差的通用方法。它是AP微积分BC课程大纲第10单元的核心考点，占总分的~2-4%，同时出现在选择题和自由作答题部分。

与仅适用于满足交错级数判别法条件的交错级数的交错误差界不同，拉格朗日误差界适用于任意充分可微函数的泰勒多项式近似，因此是通用的误差估计工具。在AP考试中，常见题目要求你求最大近似误差、验证误差低于给定容差，或证明完整泰勒级数收敛于原函数。大多数题目考察的核心技能是正确对原函数的n+1阶导数定界。

📘 定义

拉格朗日误差界

$∣ R_{n} (x) ∣ \leq \frac{M ∣ x - c ∣ ^{n + 1}}{( n + 1 )!}$

用中心在 $c$ 的n次泰勒多项式 $P_{n} (x)$ 近似函数 $f (x)$ 时，对最大绝对误差给出的上界，适用于充分可微函数。

2. 拉格朗日误差界公式★★★☆☆⏱ 4 min

对于在包含泰勒中心 $c$ 和近似点 $x$ 的区间上 $(n + 1)$ 次可微的函数 $f (x)$ ，n次泰勒近似 $P_{n} (x)$ 的误差（或余项）定义为 $R_{n} (x) = f (x) - P_{n} (x)$ 。由广义中值定理推导得到的拉格朗日余项形式指出，在 $c$ 和 $x$ 之间严格存在某个 $z$ 满足：

R_n(x) = \frac{f^{(n+1)}(z)}{(n+1)!}(x - c)^{n+1}

拉格朗日误差界是该余项的最大可能绝对值。我们找到 $c$ 和 $x$ 之间所有 $z$ 对应的 $∣ f^{(n + 1)} (z) ∣$ 的最大值，记这个最大值为 $M$ ，得到误差界：

|f(x) - P_n(x)| = |R_n(x)| \leq \frac{M |x - c|^{n+1}}{(n+1)!}

从直观上看，该公式符合泰勒多项式的可观测规律：近似点离中心 $c$ 越远，最大误差越大；高阶导数越极端的函数，近似误差越大。

📐 例题

求 $f (x) = e^{x}$ 的3次麦克劳林多项式近似 $e^{0.2}$ 时的拉格朗日误差界。

1
对于3次多项式， $n = 3$ ，因此我们需要 $f (x)$ 的4阶导数。 $e^{x}$ 的所有导数都是 $e^{x}$ ，因此 $f^{(4)} (z) = e^{z}$ 。
2
$z$ 位于中心 $c = 0$ 和近似点 $x = 0.2$ 之间，因此 $0 \leq z \leq 0.2$ 。由于 $e^{z}$ 是增函数，它在该区间的最大值在 $z = 0.2$ 处。我们可以安全地高估 $M = e^{0.2} < e^{1} < 3$ ，这是一个有效的上界。
3
代入误差界公式：
4
$|R_3(0.2)| \leq \frac{M |x - c|^4}{4!} = \frac{3 \cdot (0.2)^4}{24}$
5
计算结果： $(0.2)^{4} = 0.0016$ ，因此 $\frac{3 \cdot 0.0016}{24} = 0.0002$ 。最大误差不超过0.0002。

Exam tip:

在AP考试中，任何有效的 $M$ 高估都是可接受的；你不需要得到精确的最大 $M$ 。对 $z < 1$ 的 $e^{z}$ 使用 $M = 3$ 这类简单高估可以节省时间，避免计算错误。

3. 对n+1阶导数定界★★★☆☆⏱ 4 min

找到有效的 $M$ （即 $∣ f^{(n + 1)} (z) ∣$ 在 $c$ 和 $x$ 区间上的最大值），是AP考试中拉格朗日误差界问题最常考察的步骤。对于考试中大多数标准函数，不需要复杂优化就有可预测的快捷方法找 $M$ ：

对于 $f (x) = sin (k x)$ 或 $f (x) = cos (k x)$ ：所有导数都是 $\pm k^{n + 1} sin (k z)$ 或 $\pm k^{n + 1} cos (k z)$ 。由于对任意 $z$ 都有 $∣ sin (k z) ∣ \leq 1$ 和 $∣ cos (k z) ∣ \leq 1$ ，因此无论区间是什么， $M = ∣ k ∣^{n + 1}$ 永远是有效误差界。
对于 $f (x) = e^{k x}$ （ $k > 0$ ）： $f^{(n + 1)} (z) = k^{n + 1} e^{k z}$ ，该函数单调递增，因此最大值出现在区间最大 $z$ 处。如果 $z$ 的上界小于1， $M < 3 k^{n + 1}$ 就是安全的高估。
对于对数函数如 $f (x) = ln (1 + x)$ ： $ln (1 + x)$ 的所有导数的绝对值随 $x$ 增大而递减，因此最大值出现在区间左端点。

📐 例题

$f (x) = sin (2 x)$ ，中心在 $c = 0$ 。使用4次泰勒多项式近似 $sin (1)$ ，拉格朗日误差界是多少？

1
$n = 4$ ，因此我们需要 $f (x)$ 的5阶导数。计算导数得： $f^{(1)} (x) = 2 cos (2 x)$ ， $f^{(2)} = - 4 sin (2 x)$ ， $f^{(3)} = - 8 cos (2 x)$ ， $f^{(4)} = 16 sin (2 x)$ ， $f^{(5)} (z) = 32 cos (2 z)$ 。
2
对0到0.5之间的任意 $z$ ， $∣ cos (2 z) ∣ \leq 1$ ，因此 $∣ f^{(5)} (z) ∣ \leq 32 \cdot 1 = 32$ 。因此 $M = 32$ 。
3
代入误差界公式：
4
$|R_4(0.5)| \leq \frac{M |x - c|^5}{5!} = \frac{32 \cdot (0.5)^5}{120}$
5
计算结果： $(0.5)^{5} = 1/32$ ，因此 $32 \cdot (1/32) = 1$ ，故 $∣ R_{4} (0.5) ∣ \leq 1/120 \approx 0.0083$ 。

Exam tip:

对于正弦和余弦函数，几乎永远不需要用 $k^{n + 1}$ 快捷方法之外的方式找最大 $M$ ；这是AP考试常用的省时技巧，永远有效。

4. 证明泰勒级数收敛性★★★★☆⏱ 5 min

中心在 $c$ 的完整泰勒级数在点 $x$ 处收敛于 $f (x)$ 当且仅当 $lim_{n \to \infty} R_{n} (x) = 0$ ，即当我们向多项式添加更多项时误差趋近于零。拉格朗日误差界为收敛区间内所有 $x$ 提供了一种直接的方法证明收敛。逻辑是：如果我们可以将 $∣ f^{(n + 1)} (z) ∣$ 用一个不依赖于 $n$ 的常数 $M$ 定界，那么误差界 $\frac{M ∣ x - c ∣ ^{n + 1}}{( n + 1 )!}$ 会在 $n$ 趋近于无穷时趋近于零，因为阶乘增长快于任意固定底数的指数增长。这是一种常见的自由作答题，要求明确的论证。

📐 例题

证明 $f (x) = sin (x)$ 的麦克劳林级数对所有实数 $x$ 都收敛于 $sin (x)$ 。

1
对任意固定实数 $x$ ， $z$ 位于 $0$ 和 $x$ 之间。 $sin (x)$ 的 $n + 1$ 阶导数要么是 $\pm sin z$ 要么是 $\pm cos z$ ，因此对任意 $n$ 和任意 $z$ 都有 $∣ f^{(n + 1)} (z) ∣ \leq 1$ 。因此 $M = 1$ ，是一个不依赖于 $n$ 的常数。
2
对任意 $n$ ，拉格朗日误差界为：
3
$|R_n(x)| \leq \frac{1 \cdot |x|^{n+1}}{(n+1)!}$
4
对任意固定实数 $x$ ， $lim_{n \to \infty} \frac{∣ x ∣ ^{n + 1}}{( n + 1 )!} = 0$ ，因为阶乘增长永远快于 $x$ 任意固定次幂的增长。
5
由夹逼定理， $0 \leq lim_{n \to \infty} ∣ R_{n} (x) ∣ \leq 0$ ，因此 $lim_{n \to \infty} R_{n} (x) = 0$ ，这说明 $sin (x)$ 的麦克劳林级数对所有实数 $x$ 都收敛于 $sin (x)$ 。

Exam tip:

在收敛性证明FRQ中，要明确说明 $M$ 不依赖于 $n$ ，且阶乘增长主导 $∣ x ∣^{n + 1}$ 才能得满分；这些是必需的推理步骤。

5. AP风格练习例题★★★★☆⏱ 6 min

📐 例题

设 $P_{2} (x)$ 是中心在 $c = 1$ 的 $f (x) = ln (1 + x)$ 的2次泰勒多项式。使用 $P_{2} (2)$ 近似 $ln (3)$ 时，拉格朗日误差界是多少？
A) $\frac{1}{24}$
B) $\frac{1}{12}$
C) $\frac{1}{3}$
D) $\frac{1}{2}$

1
对于 $n = 2$ ，我们计算 $f (x) = ln (1 + x)$ 的3阶导数： $f^{'} (x) = (1 + x)^{- 1}$ ， $f^{''} (x) = - (1 + x)^{- 2}$ ， $f^{'''} (z) = 2 (1 + z)^{- 3}$ 。
2
$z$ 位于 $1$ 和 $2$ 之间，因此 $∣ f^{'''} (z) ∣ = 2/ (1 + z)^{3}$ ，该函数单调递减，最大值在 $z = 1$ 处，得 $M = 2/ (2)^{3} = 1/4$ 。
3
代入误差界公式：
4
$|R_2(2)| \leq \frac{(1/4)|2-1|^3}{3!} = \frac{1}{24}$
5
正确答案是 A。

📐 例题

设 $f (x) = e^{- x}$ ， $P_{3} (x)$ 是中心在 $c = 0$ 的 $f (x)$ 的3次泰勒多项式。
(a) 求 $∣ f (0.4) - P_{3} (0.4) ∣$ 的拉格朗日误差界。
(b) 说明你在(a)中得到的误差界是否能保证近似值与 $e^{- 0.4}$ 的真实值误差不超过0.001。证明你的结论。
(c) 证明 $e^{- x}$ 的麦克劳林级数对所有实数 $x$ 都收敛于 $e^{- x}$ 。

1
问题(a)：对于 $n = 3$ ， $f (x) = e^{- x}$ 的4阶导数是 $f^{(4)} (z) = e^{- z}$ ，因此 $∣ f^{(4)} (z) ∣ = e^{- z}$ 。 $z$ 位于0和0.4之间， $e^{- z}$ 单调递减，最大值在 $z = 0$ 处，因此 $M = e^{0} = 1$ 。误差界为：
2
$|R_3(0.4)| \leq \frac{1 \cdot (0.4)^4}{4!} = \frac{0.0256}{24} \approx 0.00107$
3
问题(b)：不能，误差界约为0.00107，大于0.001。由于拉格朗日误差界是真实误差的上界，我们无法保证真实误差小于0.001。
4
问题(c)：对任意固定实数 $x$ ， $z$ 位于0和 $x$ 之间。如果 $x \geq 0$ ，则 $∣ f^{(n + 1)} (z) ∣ = e^{- z} \leq 1 = M$ ，是不依赖 $n$ 的常数。如果 $x < 0$ ，则 $∣ f^{(n + 1)} (z) ∣ = e^{- z} \leq e^{- x} = M$ ，同样是不依赖 $n$ 的常数。误差界为：
5
$|R_n(x)| \leq \frac{M |x|^{n+1}}{(n+1)!}$
6
对任意固定 $x$ ， $lim_{n \to \infty} \frac{∣ x ∣ ^{n + 1}}{( n + 1 )!} = 0$ 。由夹逼定理， $lim_{n \to \infty} ∣ R_{n} (x) ∣ = 0$ ，因此级数对所有实数 $x$ 收敛于 $e^{- x}$ 。

📐 例题

物理学家近似地球表面附近考虑空气阻力的下落物体 $t$ 秒后的速度为 $v (t) = v_{t} (1 - e^{- k t})$ ，其中终端速度 $v_{t} = 50$ m/s， $k = 0.2$ s⁻¹。物理学家使用4次麦克劳林多项式近似 $v (1)$ 。速度近似的最大绝对误差是多少（单位：m/s）？解释你的结果。

1
我们有 $v (t) = 50 (1 - e^{- 0.2 t})$ ，对于4次多项式， $n = 4$ ，意味着我们需要5阶导数。5阶导数为 $v^{(5)} (z) = 50 \cdot (0.2)^{5} e^{- 0.2 z}$ ，其中 $z$ 位于0和1之间。 $∣ v^{(5)} (z) ∣$ 单调递减，最大值在 $z = 0$ 处，得 $M = 50 (0.2)^{5} = 50 (0.00032) = 0.0016$ 。
2
代入误差界公式：
3
$|R_4(1)| \leq \frac{M |1 - 0|^5}{5!} = \frac{0.0016}{120} \approx 1.33 \times 10^{-5}$
4
解释：速度近似的最大可能误差小于 $1.4 \times 1 0^{- 5}$ m/s，对于任何实际物理测量都可以忽略，因此在这个场景下4次近似的精度非常高。

6. 常见陷阱

错误做法:

对n次泰勒多项式计算 $M$ 时，使用n阶导数而非n+1阶导数。

原因:

学生混淆了多项式次数和余项项所需的导数阶数。

正确做法:

永远将多项式次数加1得到导数阶数：对于 $P_{n} (x)$ ，使用 $f^{(n + 1)} (z)$ 。

错误做法:

为得到 $M$ ，只在中心 $c$ 处计算导数，而非在 $c$ 和 $x$ 之间的整个区间找最大值。

原因:

学生默认在中心处计算导数，因为泰勒多项式本身就是这么构造的。

正确做法:

永远要检查 $c$ 和 $x$ 之间的整个区间，找 $∣ f^{(n + 1)} (z) ∣$ 的最大值。

错误做法:

误差界分母中使用 $n!$ 而非 $(n + 1)!$ 。

原因:

学生混淆了泰勒多项式项的公式（第n项使用 $n!$ ）和误差界公式。

正确做法:

代入数值前先写出完整的误差界公式，再次检查 $(x - c)$ 的指数和分母的阶乘都是 $(n + 1)$ 。

错误做法:

低估 $M$ ，得到比真实最大可能误差更小的误差界。

原因:

学生想要更"紧"的误差界，因此使用了比实际最大导数更小的值。

正确做法:

永远高估 $M$ ；任何有效上界都是可接受的，低估 $M$ 会导致关于误差容差的错误结论。

错误做法:

当简单高估足够时，仍尝试通过临界点分析找 $M$ 的精确值。

原因:

学生认为他们需要精确最大值，导致不必要的工作和计算错误。

正确做法:

使用对应函数的标准 $M$ 快捷方法（例如正弦/余弦使用 $M = k^{n + 1}$ ）来节省时间。

错误做法:

证明泰勒级数收敛时，忘记说明 $M$ 不依赖于 $n$ 有界。

原因:

学生为了节省时间跳过了这个论证步骤。

正确做法:

取极限前永远要明确指出 $M$ 是不依赖 $n$ 的常数。

7. 速查表

类别	公式	注释
误差定义	$R_{n} (x) = f (x) - P_{n} (x)$	$P_{n} (x)$ = 中心在 $c$ 的n次泰勒多项式
拉格朗日余项精确形式	$R_{n} (x) = \frac{f ^{(n + 1)} ( z )}{( n + 1 )!} (x - c)^{n + 1}$	$z$ 严格位于 $c$ 和 $x$ 之间
拉格朗日误差界	$∣ R_{n} (x) ∣ \leq \frac{M ∣ x - c ∣ ^{n + 1}}{( n + 1 )!}$	$M$ = $z$ 在 $c$ 和 $x$ 之间时 $∣ f^{(n + 1)} (z) ∣$ 的最大值
$sin (k x), cos (k x)$ 的 $M$	$M = ∣ k ∣^{n + 1}$	对任意区间都成立，因为 $∣ sin ∣, ∣ cos ∣ \leq 1$
$e^{k x}$ 的 $M$ （ $k > 0$ ， $z \in [0, a]$ ）	$M = k^{n + 1} e^{k a}$	如果 $a < 1$ ，使用 $M < 3 k^{n + 1}$ 作为安全高估
$ln (1 + x)$ 的 $M$	最大值出现在区间左端点	$ln (1 + x)$ 的导数绝对值单调递减
泰勒级数收敛条件	$lim_{n \to \infty} ∣ R_{n} (x) ∣ = 0$	如果该式成立，泰勒级数在 $x$ 处收敛于 $f (x)$
证明对所有 $x$ 收敛	$lim_{n \to \infty} \frac{M ∣ x ∣ ^{n + 1}}{( n + 1 )!} = 0$	阶乘增长快于任意固定 $∣ x ∣^{k}$ ，因此极限永远为0

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2023 · BC
FRQ 误差界计算
2022 · BC
证明泰勒级数收敛

下一步

拉格朗日误差界是所有泰勒级数相关内容的基础工具，是AP微积分BC考试中核心的高级级数考点。接下来，你将应用误差界技巧，找到满足给定误差容差所需的泰勒多项式最小次数，这是常见的AP FRQ题目，完全依赖你在这里学到的技能。拉格朗日误差界也能帮助你确认常见超越函数的幂级数表示在收敛区间内所有 $x$ 上都是有效的，还能比较不同中心的泰勒多项式的近似精度。如果没有掌握对n+1阶导数定界和正确应用误差界公式的过程，你将无法在需要误差论证的级数FRQ中获得满分。