マクローリン展開の気持ち

テイラーの定理
マクローリン展開
1. 微分するとどうして各項の係数が分かるの？
2. まとめ
マクローリン展開（テイラー展開）の嬉しいこと
1. 直感的な動きの予測（定性的な分析）
解析接続

テイラーの定理

「マクローリン展開の気持ち」を考えます。

結論を一言でまとめると
「元々の関数を構成している「高さ」や「曲がり具合」などの要素を足していったら、複雑な関数の曲がりを再現できる」

もう少し言及すると
「『テイラーの定理』が『複雑な曲線の関数が多項式で言い換えできること』を保証。
微分によりテイラーの定理を構成する多項式の各項の係数を特定する。
その為には導関数を用いておろしてきたn項の要素$a_{n}$の係数をn!で除する必要がある。」
になります。

上の論理を説明します。

テイラーの定理とは、ある点 x=a のまわりで滑らかな関数 f(x) を多項式で近似し、そのときの誤差（剰余項）を評価するための微分積分学の基本定理です。

Gemini

マクローリン展開は原点周りで複雑な関数（曲線）を多項式（線の合成）で近似できることを保証しています。

マクローリン展開

マクローリン展開
$ f(x) \approx \sum_{n=0}^{N} \frac{f^{(n)}(0)}{n!} x^n$

まずはテイラーの定理を構成する「多項式の各項$a_{n}$の係数」を知りたい。
つまりテイラーの定理の多項式を
$a_{n}=b$
の形に変形したい。

冒頭のマクローリン展開を分かりやすく表示し直します。

$f(x)=f(0)+f^{\prime }(0)x+\frac{f^{\prime \prime }(0)}{2!}x^{2}+\frac{f^{(3)}(0)}{3!}x^{3}+\cdots$

微分するとどうして各項の係数が分かるの？

例えば第n項が知りたい場合は、n回微分すると、次数がn未満の場合は微分操作により消去され、nより大きい場合はマクローリン展開の仮定「原点回りで展開:x=0」により消去され、結果的にn番目の項だけが残されます。

例えば第三項を知りたい場合はテイラーの定理を三回微分して次数を下ろして
$f”'(x)=3!\cdot a_{n}$(n次微分)
$\frac{f”'(x)}{3!}=a_{3}$(乗法逆元)
n=3ではないの項は上記の論理で消去されるので、この論法なら第n項の要素$a_{n}$を特定できます。

テイラーの定理は複雑な関数であってもあるaの近傍なら多項式で近似できることを保証してくれているので、多項式を構成する項の係数が分かればテイラー展開を構成できます。
つまり微分をを用いて各項の係数を割り出してねって形がテイラー展開です。

まとめ

「テイラーの定理が複雑な曲線の関数が多項式で言い換えできることを保証」
数学的対応: 関数 $f(x)$ が $n$ 次多項式 $P_n(x)$ と剰余項 $R_{n+1}(x)$（誤差）の和として一義的に表現できるという解析的（構造的）根拠です。
ポイント: 誤差 $R_{n+1}(x)$ の評価によって、近似の正当性が担保されます。
「微分によりこの多項式の各項の係数を特定する」
数学的対応: 代数的な係数決定のプロセスです。
ポイント: 基準点（$x=a$ または $x=0$）で $n$ 回微分して $x=0$ を代入することで、目的の項より「下の次数」を微分で消去し、「上の次数」を $x=0$ の代入で消去する抽出フィルターとして機能しています。
「$n$ 項の要素 $a_n$ を導関数を用いて表現するために、降りてきた次数で $n!$ で除する」
数学的対応: 冪乗の微分規則 $(x^n)^{(n)} = n!$ に対する除法による正規化（相殺）です。
ポイント: 繰り返し微分したことで乗数として降りてきた「オマケの倍率 $n!$」を取り除き、純粋な係数 $a_n$ だけを取り出しています。

マクローリン展開（テイラー展開）の嬉しいこと

元々の関数の形が複雑すぎると、人間の直感では「右に動くのか左に動くのか」すら分からなくなったり、計算機（コンピュータ）ですら処理が重くなったりします。それを「親しみ慣れた多項式（足し算と掛け算だけ）」に翻訳してくれる点が、テイラーの定理の最大の有用性です。

直感的な動きの予測（定性的な分析）

例えば、アインシュタインの相対性理論には、運動エネルギーを表す次のような複雑な関数が登場します。
$E(v)=\frac{mc^{2}}{\sqrt{1-\frac{v^{2}}{c^{2}}}}$
$m$は質量、$c$は光速、$v$は物体の速度
この式のままでは、速度 $v$ が変化したときにエネルギーがどう動くのか直感的に分かりづらいです。
しかし、私たちが日常で経験する「光速に比べて十分に遅い速度$v$が 0 の近傍）」としてテイラー展開（マクローリン展開）すると、最初の2項は次のようになります。
$E(v)\approx mc^{2}+\frac{1}{2}mv^{2}$
第1項 $mc^{2}$: 動いていなくても持っているエネルギー（静止エネルギー）
第2項 $\frac{1}{2}mv^{2}$: 中学校や高校の物理で習う馴染み深い運動エネルギーの公式
複雑な関数のままでは見えなかった「日常の物理とのつながり」が、テイラーの定理によって一瞬で直感的に理解できるようになります。

直感的にですが、「ある関数のある点の近傍の情報をすべて集められたら、テイラー展開的な要領で微分を用いて関数全体を復元できたりしないのか？」と感じました。

要するに「少し先の未来の予測を（微分）無限回行ったら未来の全体像が復元されんじゃね？」ってことですね。

現時点の

限界費用の概念を勉強している時にも感じました。

微分と限界費用

定義微分の形式。限界費用$\displaystyle {\frac {d\ T\!C}{dx}}={\frac {d\ C(x)}{dx}}=C'(x)$ウィキペディア総費用$TC$を生産量$x$で微分したもの。ある数量から後1個製造するの...

AI聞いてみたら、「テイラー展開では無理では無理。でも解析接続って方法があるよ」とのこと。

解析接続

ある1点の近傍の情報から、関数の「外側の世界」へと領域をジワジワと広げて全体を復元する手法を、数学では解析接続（Analytic Continuation）と呼びます。

これは19世紀、近代複素解析の父と呼ばれる数学者カール・ワイエルシュトラスらによって体系化されました。どうやって復元するのか？（イメージ）

出発点：ある点 $A$のまわりの情報（すべての高階微分係数）から、小さな円の中だけで通じるテイラー級数を作ります。
境界を超える：その円の「中心」から少しずれた、しかし「円の内側」にある別の点 $B$ を選びます。
点 $B$ は最初の円の中にあるので、その点の情報（微分係数）も完全に計算できます。
ドミノ倒し：今度は点 $B$ を中心とした新しいテイラー級数を作ります。すると、この新しい円は、最初の円の外側の世界へとハミ出します。
無限の連鎖：これを次々と繰り返す（円を重なり合わせながら繋げていく）ことで、まるでパズルを完成させるように、1点の情報から関数全体の形が1通りに決定します。

このドミノと同じ構造にできない？と直感したということ

テイラー展開勉強する過程で僕が運動について考えていく仮定でたどり着いた思想に似たものに合流するとは思いませんでした。

以下は以上の結論から飛躍させたよもやま話です。