Taylor展开在物理学应用！物理学上的一切原理 定理 公式 都是用泰勒展开做近似得到的简谐振动对应的势能具有x^2的形式，并且能在数学上精确求解。为了处理一般的情况，物理学首先关注平衡状态，可以认为是“不动”的情况。为了达到“动”的效果，会给平衡态加上一个微扰，使物体振动。在这种情况下，势场往往是复杂的，因此振动的具体形式很难求解。这时，Taylor展开就开始发挥威力了！理论力学中的小振动理论告诉我们，在平衡态附近将势能做Taylor展开为x的幂级数形式，零次项可取为0，一次项由于平衡态对应的极大/极小值也为0，从二次项开始不为零。如果精确到二级近似，则势能的形式与简谐运动完全相同，因此很容易求解。这种处理方法在量子力学、固体物理中有着广泛应用。反思一下这么处理的原因：首先，x^2形式的势能对应于简谐运动，能精确求解；其次，Taylor级数有较好的近似，x^2之后的项在一定条件下可以忽略。这保证了解的精确性。
除了Taylor级数，经常用到的还有Fourier级数和Legendre多项式。原因也和上面提到的类似。有很多问题的数学模型是比较复杂的，这些复杂的问题往往很难甚至不可能求解，或是虽然能够求解，但是我们往往需要的是一个不那么精确但是效率很高的解法。而泰勒公式的强大之处就在于把一个复杂的函数近似成了一系列幂函数的简单线性叠加，于是就可以很方便地进行比较、估算规模、求导、积分、解微分方程等等操作。
比较典型的例子的话……牛顿近似求根法（或者叫牛顿迭代法）可以看作泰勒公式的一种应用，并且很容易理解。所有非线性关系都可以用泰勒展开，丢掉高阶保留线性项作为近似。计算机的计算过程用的就是泰勒级数展开式。泰勒公式给出了f（x）的另一种形式，而从某种意义上说逻辑就是用等号右边的形式代替左边的形式从而推理下去的。
数学上有一个习惯，就是把未知问题转化成一个已解决过的问题，然后就算解决了。泰勒级数形式的函数的行为就是一个计算机上的已解决得很好的问题。一旦把一个函数展开成泰勒级数的形式，它就成了一个已经解决过的问题，剩下的交给计算机就行了。理工科有一门课程叫做数值分析，这门课简直就是泰勒公式的应用。数值分析就是讲得各种数学式的求解，在计算机中，要求某一个问题的精确解是不可能的（因为计算机本质上只会逻辑运算），对于一个问题在不影响最后结果的情况下近似解是很可取的，泰勒公式就为这些计算提供了这样的方法，用简单式子逼近复杂式子，在误差范围内求出结果。
在数学中，泰勒公式是一个用函数在某点的信息描述其附近取值的公式。如果函数足够光滑的话，在已知函数在某一点的各阶导数值的情况之下，泰勒公式可以用这些导数值做系数构建一个多项式来近似函数在这一点的邻域中的值。泰勒公式还给出了这个多项式和实际的函数值之间的偏差。泰勒公式得名于英国数学家布鲁克·泰勒。
泰勒公式的初衷是用多项式来近似表示函数在某点周围的情况。比如说，指数函数ex 在x = 0 的附近可以用以下多项式来近似地表示：
其中n 被称为泰勒公式的阶。这个公式只对0附近的x 有用，x 离0 越远，这个公式就越不准确。实际函数值和多项式的偏差称为泰勒公式的余项。
对于一般的函数，多项式的系数的选择依赖于函数在一点的各阶导数值。这个想法的原由可以由微分的定义开始。微分是函数在一点附近的最佳线性近似：
，其中o(h) 是h 的高阶无穷小。
也就是说，或。
注意到f(x) 和 在a 处的零阶导数和一阶导数都相同。对足够光滑的函数，如果一个多项式在a 处的前n 次导数值都与函数在a 处的前n 次导数值重合，那么这个多项式应该能更好地近似描述函数在a 附近的情况。事实证明这是正确的，也就是泰勒公式：
比如研究人员通过测量每天的天气情况并根据这些数据拟合出来了一个及其复杂的数学公式,为了预测短期内的天气预报,研究人员要计算很多数据才能得出结果.
这个时候如果有一个公式,它也可以得出和上述复杂公式近似的结果,而且误差在可以接受的范围内,最主要是计算简单快捷,你要不要?
从复杂到简单的过程就是泰勒公式要做的事情.没有这个公式你依旧可以通过计算得出结果,有了它你会更方便而已.
泰勒公式真的很难理解,但当你真的碰到及其复杂的公式需要化简计算的时候,你会庆幸有这么一个方法的!