3Blue1Brown - The Essence of Calculus 11 - Taylor Series

Reading Guide / 阅读说明

这是一份伴读型笔记。单独阅读时，它要像一本书一样重建视频如何从 pendulum 的 small-angle approximation 出发，逐项匹配 value、slope、curvature 和 higher derivatives，最后进入 convergence；配合视频时，每个 Knowledge Point 都有时间定位。英文保留最适合考试与解释的核心句，中文负责把公式背后的构造逻辑讲透。

Connected from:

1. What This Episode Is About / 这一集在讲什么

Taylor 的核心不是“背一个很长的求和公式”，而是把一个 function 在单个 center 的 derivative information，翻译成 center 附近的 approximation information。

Taylor polynomials turn derivative data at one point into an approximation near that point.

若在 $x = a$ 附近逼近 $f (x)$ ，就构造 polynomial：

P_{n} (x) = k = 0 \sum n \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

每一项都有明确任务：

constant term  -> match function value
linear term    -> match slope
quadratic term -> match changing slope / curvature
cubic term     -> match third derivative
...

有限项给出 Taylor Polynomial；若无限添加并且 partial sums 真正收敛，就得到 Taylor Series。但 Taylor series 是否等于原函数、在哪个范围内等于原函数，是独立的 convergence 问题。

2. Link to Previous Episode / 和上一集的连接

Chapter 10 建立了：

f (a), f^{'} (a), f^{''} (a), f^{'''} (a), \dots

这些 quantities 依次记录 height、slope、slope change 和更细的 local shape。Chapter 11 现在为每一阶 derivative data 分配一个 polynomial coefficient：

\frac{f ^{(k)} ( a )}{k !}

所以两章的逻辑是：

higher derivatives encode local shape
-> polynomial coefficients copy that shape data
-> polynomial hugs the original function near the center

3. Class Flow / 视频脉络

用 pendulum potential energy 引出 $cos θ \approx 1 - θ^{2} /2$ 。
问：这个 quadratic 为什么会自然出现？
从 $C_{0} + C_{1} x + C_{2} x^{2}$ 开始，在 $x = 0$ 匹配 cosine。
用 $C_{0}$ 匹配 value，用 $C_{1}$ 匹配 slope，用 $C_{2}$ 匹配 second derivative。
得到 $1 - x^{2} /2$ ，并检验 $cos (0.1)$ 。
添加 cubic、quartic terms，解释更多 degrees of freedom。
从 repeated Power Rule 推出 factorial denominator。
解释为什么新增高阶项不会破坏已匹配的低阶 derivatives。
将 center 从 0 推广到任意 $a$ ，所以使用 $(x - a)^{n}$ 。
写出 cosine 和 $e^{x}$ 的 Taylor polynomials。
用 FTC 的 area diagram 几何解释二阶项。
区分 finite Taylor polynomial 与 infinite Taylor series。
用 partial sums 解释 convergence，而不是“真的加无限次”。
比较 $e^{x}$ 的全球收敛与 $ln x$ around 1 的有限 radius。
总结：single-point derivative data -> nearby approximation。

4. Core Ideas / 核心知识块

Knowledge Point 1: A Small-Angle Physics Problem Motivates Polynomial Approximation

Video: 00:00:00-00:01:41

pendulum 的 weight 相对最低点的高度与：

1 - cos θ

成比例。cosine 让后续物理方程不容易处理，也掩盖了 pendulum 与其他 oscillating systems 的共同结构。

在 small angle、 $θ$ 接近 0 时：

cos θ \approx 1 - \frac{θ ^{2}}{2}

于是：

1 - cos θ \approx \frac{θ ^{2}}{2}

复杂 trigonometric function 被 quadratic 取代。polynomial 更容易计算、求导和积分，因此 approximation 能把难处理的问题转成更熟悉的结构。

真正的问题不是“看 graph 好像很接近”，而是：为什么恰好是 $1 - θ^{2} /2$ ？怎样系统地构造它？

Knowledge Point 2: A Taylor Polynomial Uses Its Degrees of Freedom to Match Local Behavior

Video: 00:01:41-00:03:05

要在 $x = 0$ 附近用 quadratic 逼近 $cos x$ ，先写最一般形式：

P_{2} (x) = C_{0} + C_{1} x + C_{2} x^{2}

三个 coefficients 是 three degrees of freedom。每个 coefficient 可以用来锁定一层 local information。

先匹配 function value：

P_{2} (0) = C_{0}

而：

cos 0 = 1

所以：

C_{0} = 1

之后无论怎样调整 $C_{1}, C_{2}$ ，因为含 $x$ 的项在 $x = 0$ 都消失，center value 不会被破坏。

Knowledge Point 3: The Linear Coefficient Matches the Slope

Video: 00:03:05-00:04:02

若 polynomial 与 cosine 只在 center 相交，却 tangent slopes 不同，离开 center 后会立刻发生 first-order drift。

cosine 的 derivative：

(cos x)^{'} = - sin x

所以：

(cos x)^{'}_{x = 0} = 0

而 polynomial：

P_{2}^{'} (x) = C_{1} + 2 C_{2} x

在 0：

P_{2}^{'} (0) = C_{1}

令 derivatives match：

C_{1} = 0

现在 approximation 与 cosine 在 center 具有相同 value 和 slope。 $C_{2}$ 仍然自由，因为 $C_{2} x^{2}$ 在 0 处的 value 与 first derivative 都为 0。

Knowledge Point 4: The Quadratic Coefficient Matches Curvature

Video: 00:04:02-00:05:23

cosine 在 0 附近 curving downward。它的 second derivative：

(cos x)^{''} = - cos x

所以：

(cos x)^{''}_{x = 0} = - 1

polynomial 的 second derivative：

P_{2}^{''} (x) = 2 C_{2}

匹配 second derivatives：

2 C_{2} = - 1

C_{2} = - \frac{1}{2}

最终得到：

P_{2} (x) = 1 - \frac{x ^{2}}{2}

它不仅在 $x = 0$ value 相同，还让 slope 与 slope-change rate 相同，因此两条 graph 在 center 附近“hug”得更久。

Knowledge Point 5: The Approximation Is Local, but It Can Be Extremely Accurate

Video: 00:05:23-00:06:23

用 quadratic 估算：

cos (0.1) \approx 1 - \frac{( 0.1 ) ^{2}}{2} = 0.995

真实值约为：

cos (0.1) \approx 0.995004 \dots

accuracy 来自三个匹配条件：

P_{2} (0) = f (0), P_{2}^{'} (0) = f^{'} (0), P_{2}^{''} (0) = f^{''} (0)

这不是说 quadratic 与 cosine everywhere 相同，而是它们在 center 共享尽可能多的 local derivative information。

Knowledge Point 6: More Polynomial Terms Match More Derivatives

Video: 00:06:23-00:08:24

加入 cubic term：

P_{3} (x) = 1 - \frac{x ^{2}}{2} + C_{3} x^{3}

对 $C_{3} x^{3}$ 求三次导数：

\frac{d ^{3}}{d x ^{3}} (C_{3} x^{3}) = 3! C_{3} = 6 C_{3}

cosine 的 third derivative 是 $sin x$ ，在 0 等于 0，所以 $C_{3} = 0$ 。因此 $1 - x^{2} /2$ 同时也是 best cubic Taylor approximation。

加入 quartic term：

P_{4} (x) = 1 - \frac{x ^{2}}{2} + C_{4} x^{4}

cosine 的 fourth derivative 回到 $cos x$ ，在 0 等于 1；而：

\frac{d ^{4}}{d x ^{4}} (C_{4} x^{4}) = 4! C_{4} = 24 C_{4}

所以：

C_{4} = \frac{1}{24}

P_{4} (x) = 1 - \frac{x ^{2}}{2} + \frac{x ^{4}}{24}

更多 terms 意味着更多 derivative constraints，也通常扩大高精度近似的可用 neighborhood。

Knowledge Point 7: Factorials Cancel Repeated Power-Rule Multiplication

Video: 00:08:24-00:09:09

为什么 Taylor coefficient 要除以 factorial？因为对 $x^{n}$ 连续求 $n$ 次导数：

\frac{d ^{n}}{d x ^{n}} x^{n} = n (n - 1) \dots 2 \cdot 1 = n!

所以若 term 是 $C_{n} x^{n}$ ：

\frac{d ^{n}}{d x ^{n}} (C_{n} x^{n}) = n! C_{n}

想让它在 center 匹配 $f^{(n)} (0)$ ，必须令：

C_{n} = \frac{f ^{(n)} ( 0 )}{n !}

The factorial denominator cancels the cascading multipliers created by repeated applications of the Power Rule.

factorial 不是神秘装饰，而是 repeated differentiation 必然产生的 normalization factor。

Knowledge Point 8: Higher-Order Terms Do Not Disturb Earlier Matches

Video: 00:09:09-00:09:51

添加 $C_{4} x^{4}$ 不会改变 polynomial 在 0 的 value、first derivative 或 second derivative：低于四次的 differentiation 后，term 中仍含 $x$ ；代入 $x = 0$ 就消失。

一般地，对 centered monomial $x^{n}$ ：

derivative order $k < n$ 时，代入 0 得 0
derivative order $k = n$ 时，得到 $n!$
derivative order $k > n$ 时，已经变成 0

因此，每个 coefficient 在 center 控制 one and only one derivative order。这让 Taylor construction 可以逐项扩展，而不需要回头修改旧 coefficients。

Knowledge Point 9: Centering at $a$ Makes the Chosen Point Behave Like Zero

Video: 00:09:51-00:10:20

若不是在 0，而是在 $x = a$ 附近逼近，就使用：

(x - a)^{n}

因为在 $x = a$ ：

x - a = 0

于是所有 cancellation 机制原样保留。general Taylor polynomial：

P_{n} (x) = f (a) + f^{'} (a) (x - a) + \frac{f ^{''} ( a )}{2 !} (x - a)^{2} + \dots + \frac{f ^{(n)} ( a )}{n !} (x - a)^{n}

改变 $a$ ，就是改变 polynomial 最紧贴原函数的位置。Maclaurin polynomial 只是 $a = 0$ 的特殊情况。

Knowledge Point 10: Cosine’s Derivative Cycle Builds Its Maclaurin Pattern

Video: 00:10:20-00:12:54

cosine derivatives 循环：

cos x, - sin x, - cos x, sin x, \dots

在 0 的 values：

1, 0, - 1, 0, \dots

因此 odd-power coefficients 全为 0，even powers alternating signs：

cos x \approx 1 - \frac{x ^{2}}{2 !} + \frac{x ^{4}}{4 !} - \frac{x ^{6}}{6 !} + \dots

截断在任意 finite degree 得到 cosine 的 Taylor polynomials。公式中每一项的直觉仍然是：value match、slope match、slope-change match，以及更高阶 local behavior match。

Knowledge Point 11: The General Formula and the $e^{x}$ Example

Video: 00:12:54-00:14:22

在任意 center $a$ ：

P_{n} (x) = k = 0 \sum n \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

对 $f (x) = e^{x}$ ，所有 derivatives 都是 $e^{x}$ 。在 $a = 0$ ：

f^{(k)} (0) = 1

所以：

e^{x} \approx 1 + x + \frac{x ^{2}}{2 !} + \frac{x ^{3}}{3 !} + \dots + \frac{x ^{n}}{n !}

这也是 Euler’s Number e 特殊性的另一个表现：所有 derivative data 都重复同一个值。

Knowledge Point 12: FTC Gives a Geometric Meaning to the Quadratic Term

Video: 00:14:27-00:17:12

令 $F (x)$ 是某 graph $g (x)$ 从固定左端到 variable endpoint $x$ 的 accumulated area：

F (x) = \int_{c}^{x} g (t) d t

由 Fundamental Theorem of Calculus：

F^{'} (x) = g (x)

从 $a$ 移到 $x$ ，最简单的 area change approximation 是 rectangle：

F^{'} (a) (x - a)

但若 graph 有 slope，还多出一个近似 triangular wedge。它的 base 是 $x - a$ ，height 约为：

F^{''} (a) (x - a)

因此 triangle area：

\frac{1}{2} F^{''} (a) (x - a)^{2}

于是：

F (x) \approx F (a) + F^{'} (a) (x - a) + \frac{1}{2} F^{''} (a) (x - a)^{2}

三项分别对应 diagram 中：已有面积、rectangle、新增 triangular correction。这是 Taylor quadratic term 的几何版本。

Knowledge Point 13: Taylor Polynomial and Taylor Series Are Different Objects

Video: 00:17:12-00:18:22

finite number of terms：

P_{n} (x) = k = 0 \sum n \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

叫 Taylor Polynomial，是明确可计算的 finite approximation。

formal infinite expression：

k = 0 \sum \infty \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

叫 Taylor Series。

“加 infinitely many things”不是实际动作。严谨含义是观察 partial sums：

P_{0} (x), P_{1} (x), P_{2} (x), \dots

如果它们趋近某个 specific value，series converges to that value。若进一步趋近 $f (x)$ ，才可以在该 $x$ 写 Taylor series equals the function。

Knowledge Point 14: $e^{x}$ Equals Its Taylor Series for Every Real Input

Video: 00:18:22-00:19:28

令 $x = 1$ ：

1 + 1 + \frac{1}{2 !} + \frac{1}{3 !} + \dots

partial sums 越来越接近 $e$ 。

对任意 real $x$ ：

e^{x} = n = 0 \sum \infty \frac{x ^{n}}{n !}

即使所有 coefficient 只来自 center 0 的 derivative data，这个 series 对任意远的 real input 都收敛到 $e^{x}$ 。它的 radius of convergence 是 infinite。

Knowledge Point 15: A Taylor Series Can Have a Limited Radius of Convergence

Video: 00:19:28-00:20:55

并非每个 Taylor series 都能把 center information 传播到所有 input。

例如 $ln x$ around $a = 1$ ：

ln x = (x - 1) - \frac{( x - 1 ) ^{2}}{2} + \frac{( x - 1 ) ^{3}}{3} - \dots

在 $0 < x < 2$ 内，增加 terms 会越来越接近 $ln x$ ；超出这个 centered range，partial sums 可能剧烈 oscillate 而不趋近任何值，即 series diverges。

center 到 convergence boundary 的最大距离叫 Radius of Convergence：

R = 1

Important： 原函数在 $x > 2$ 仍然 perfectly defined，并不保证 centered-at-1 的 Taylor series 在那里收敛。function domain 与 series convergence interval 是不同概念。

Knowledge Point 16: The Final Intuition Is Information Translation

Video: 00:20:55-00:21:42

Taylor theory 后续还包括 error bounds、series tests、interval endpoints 等。视频希望留下的 fundamental intuition 是：

Taylor series translate derivative information at a single point into approximation information around that point.

中文：Taylor series 把单点的各阶导数信息，转换成该点周围的函数近似。

这里的“around”必须认真对待：finite polynomial 的 accuracy 会随距离变化；infinite series 还必须检查 convergence 与是否等于 original function。

5. Deep Phrases / 深层表达

Reusable English sentence	中文记忆句
Taylor polynomials approximate non-polynomial functions near a chosen input.	Taylor 多项式在指定中心附近逼近非多项式函数。
Each coefficient controls one derivative order at the center.	每个系数在中心点控制一阶特定的导数信息。
Matching the value prevents zero-order error; matching the slope prevents first-order drift.	匹配函数值消除零阶误差，匹配斜率避免一阶偏离。
Matching the second derivative makes the approximation curve at the same local rate.	匹配二阶导数让近似具有相同的局部弯曲速度。
The factorial denominator cancels repeated Power Rule multipliers.	阶乘分母抵消连续使用幂法则产生的乘数。
Centering with $(x - a)$ makes the point $a$ behave algebraically like zero.	用 $x - a$ 展开，让中心 $a$ 在代数上像 0。
Adding a higher-order term preserves all previously matched lower-order derivatives.	新增高阶项不会破坏已经匹配的低阶导数。
A Taylor polynomial is finite; a Taylor series is an infinite limit of such polynomials.	Taylor 多项式有限，Taylor 级数是这些多项式的无穷极限。
Convergence of the series does not automatically mean convergence to the original function.	级数收敛不自动等于它收敛到原函数。
A function may be defined beyond the interval where a particular Taylor series converges.	原函数可在某处有定义，但特定 Taylor 展开未必在那里收敛。
Derivative data at one point can encode surprisingly rich information about nearby values.	单点导数数据可以编码非常丰富的邻域函数信息。

6. Common Mistakes / 高频错误

Mistake 1: Memorizing the formula without knowing what each term matches

$f (a)$ 、 $f^{'} (a) (x - a)$ 、 $f^{''} (a) (x - a)^{2} /2!$ 分别匹配 value、slope、changing slope。

Mistake 2: Forgetting the factorial

coefficient 是 $f^{(n)} (a) / n!$ ，不是直接等于 $f^{(n)} (a)$ 。

Mistake 3: Using powers of $x$ when the center is not 0

centered at $a$ 必须用 $(x - a)^{n}$ 。

Mistake 4: Confusing Taylor polynomial with Taylor series

polynomial 是 finite approximation；series 是 infinite expression interpreted through partial-sum limits。

Mistake 5: Assuming more terms always improve every input

在 convergence interval 内通常改善；outside radius，more terms 可以让结果更糟。

Mistake 6: Assuming every smooth function equals its Taylor series

拥有所有 derivatives 不足以自动保证 series 在 neighborhood 等于 function；这需要额外条件。

Mistake 7: Confusing function domain with convergence interval

$ln x$ 在所有 $x > 0$ 有定义，但 centered-at-1 series 只在有限范围内表示它。

Mistake 8: Ignoring units or small-parameter conditions in physics

$cos θ \approx 1 - θ^{2} /2$ 的 $θ$ 必须用 radians，并且是 small-angle approximation。

7. Formula Map / 公式地图

Taylor polynomial about $a$ ：

P_{n} (x) = k = 0 \sum n \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

Taylor series about $a$ ：

k = 0 \sum \infty \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

Cosine around 0：

cos x = 1 - \frac{x ^{2}}{2 !} + \frac{x ^{4}}{4 !} - \frac{x ^{6}}{6 !} + \dots

Exponential around 0：

e^{x} = 1 + x + \frac{x ^{2}}{2 !} + \frac{x ^{3}}{3 !} + \dots

Natural log around 1：

ln x = n = 1 \sum \infty (- 1)^{n + 1} \frac{( x - 1 ) ^{n}}{n}

Local-information map：

f(a)       -> constant term
f'(a)      -> linear term
f''(a)     -> quadratic term
f^(n)(a)   -> nth-degree term
divide n!  -> cancel repeated Power Rule multipliers

8. Confusion / Questions

为什么 polynomial 比 cosine 等函数更容易处理？
为什么匹配 slope 能减少 approximation 的快速偏离？
$C_{2}$ 为什么由 second derivative 决定，而不是直接等于 second derivative？
为什么 cosine 的 best cubic approximation 没有 cubic term？
factorial 是怎样从 repeated Power Rule 自然出现的？
新增 $x^{4}$ term 为什么不会改变 center 的低阶 derivatives？
为什么 centered at $a$ 要使用 $(x - a)^{n}$ ？
Taylor polynomial 与 Taylor series 的定义区别是什么？
“infinite sum equals a value”在 limit language 中是什么意思？
为什么 $e^{x}$ series 对所有 real inputs 收敛？
为什么 $ln x$ 本身有定义，Taylor series 却可能发散？
radius of convergence 与 interval endpoints 有什么区别？
more terms 是否一定在任意 $x$ 改善 approximation？
FTC 的 rectangle 与 triangle 分别对应哪些 Taylor terms？

9. Source Anchors / 字幕定位

00:00:00：Taylor series 的重要性
00:00:35：pendulum potential-energy example
00:01:07： $cos θ \approx 1 - θ^{2} /2$
00:01:41：Taylor 的目标是 polynomial approximation
00:02:02：从 general quadratic 开始
00:02:33：匹配 center value
00:03:05：匹配 tangent slope
00:04:02：匹配 second derivative / curvature
00:05:15：得到 $1 - x^{2} /2$
00:05:23： $cos (0.1)$ numerical check
00:05:42：three degrees of freedom
00:06:23：添加 higher-order terms
00:07:08：best cubic approximation
00:07:21：quartic improvement
00:08:30：factorials 自然出现
00:09:09：新项不破坏旧 derivative matches
00:09:51：center 从 0 移到任意 input
00:10:20：single-point derivative information
00:10:38：cosine derivative cycle
00:11:47：Taylor polynomial 名称
00:12:09：general coefficient formula
00:12:31：逐项读取公式的意义
00:13:02：general center $a$
00:13:35： $e^{x}$ Taylor polynomials
00:14:27：连接 FTC 的几何解释
00:15:10：area function derivative
00:15:34：triangle correction
00:16:30：quadratic Taylor term appears geometrically
00:17:21：是否可以无限添加 terms
00:17:35：Taylor polynomial vs Taylor series
00:17:45：infinite series 必须谨慎
00:18:22： $e^{x}$ at $x = 1$
00:18:46： $e^{x}$ series 对任意 input
00:19:28：并非所有 series 都 global convergence
00:19:41： $ln x$ around 1
00:20:41：divergence 与 radius of convergence
00:21:28：最终 fundamental intuition

10. After Watching Summary / 看完压缩版

Taylor polynomial 的构造不是猜测。对 center $a$ ，我们要求：

P_{n}^{(k)} (a) = f^{(k)} (a), k = 0, 1, \dots, n

这唯一确定：

P_{n} (x) = k = 0 \sum n \frac{f ^{(k)} ( a )}{k !} (x - a)^{k}

$(x - a)^{k}$ 确保每个 coefficient 只控制 center 的一个 derivative order； $k!$ 抵消 repeated Power Rule multipliers。finite truncation 是 Taylor polynomial；无限 expression 是 Taylor series，必须通过 partial sums 的 limit 讨论 convergence。

$e^{x}$ 的 Maclaurin series 对所有 real $x$ 收敛到 $e^{x}$ ； $ln x$ around 1 则只有有限 radius。原函数有定义，不代表某个 center 的 Taylor series 必然在那里表示它。

One-sentence compression:
A Taylor expansion builds a polynomial whose successive derivatives match the function at one center, translating local derivative data into nearby function values, subject to convergence limits.

中文：

Taylor 展开让多项式在一个中心逐阶匹配原函数的导数，把单点局部信息转成邻域函数值，但这种传播范围受收敛性限制。

11. Knowledge Graph Connections / 知识图谱连接

10 - Higher Order Derivatives 提供每一阶需要被匹配的 local shape data。
Taylor Polynomial 是有限阶、可直接用于 approximation 的对象。
Taylor Series 是 Taylor polynomials 的 infinite-limit extension。
Maclaurin Series 是 center $a = 0$ 的 Taylor series。
Power Series 提供 $\sum a_{n} (x - a)^{n}$ 的统一结构。
Power Rule 解释 denominator 中 factorial 的来源。
Fundamental Theorem of Calculus 用 accumulated-area rectangle 与 triangle 几何显示 linear 和 quadratic terms。
Euler’s Number e 让所有 derivative values at 0 都等于 1。
Radius of Convergence 限制单点 derivative information 能传播多远。
Interval of Convergence 还需单独检查 boundary endpoints。
Lagrange Error Bound 衡量 finite Taylor polynomial 的 truncation error。
微积分BC第14次正课-Ratio-Test与Taylor-Series 提供 AP 题型、coefficient calculation、error bound 与 convergence tests。

知识脉络

探索