「ChatGPT×学び直し：(1) テイラー展開」【コラム】思好の科楽（その68）

🗒️ はじめに｜このコラムを読む前に

今回のコラムは、長文です。
そして扱っているテーマは、ズバリ「数学そのもの」──
高校～大学初年度レベルの数学、なかでも「テイラー展開」という概念に真正面から向き合っています。

決して万人向けとは言えないかもしれません。
もしかするとnoteで一般的に扱うような素材ではないかもしれません。

ただ、だからこそ、かつて数学につまずいた人や、学び直したい人にこそ、届いてほしいと思って書きました。
かつての自分にも向けて――。

そしてもう一つ。
このコラムは、ChatGPTと一緒に作った試行的な学びのカタチでもあります。

「AIって、検索や要約だけじゃなくて、
　こんなふうに“背景”や“なぜ？”まで深掘りできるんだ」
ということも、少しでも感じてもらえたら嬉しいです。

このコラムの3つのポイント

• 数式は“意味”で読み解ける！
  　→ テイラー展開は、ただの式ではなく“関数の動き”を表すレンズです。

• 微分は「変化を見る道具」
  　→ 数式の背後にある「傾き」や「曲率」という幾何学的意味が分かると、世界の見え方が変わります。

• “なぜ必要だったか”がわかると腹落ちする
  　→ 科学革命や電卓の中身などの背景から理解すると、学びが実感に変わります。

序章｜「つまずく理由」から出発しよう

◆ はじめに

大学に入って最初の数学の授業。
「これがテイラー展開です」と黒板に現れるおなじみの数式：

$${f(x) = f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 + \cdots}$$

「なにこれ……？」
頭が真っ白になった人、少なくないと思います。

でも、安心してください。
それは、あなたがバカだからでも、数学が苦手だからでもありません。

◆ テイラー展開で、なぜ多くの人がつまずくのか？

以下に、よくある“つまずきポイント”を整理してみました：

❶ 記号が多い

• $${f'(a)}$$、$${f′′(a)}$$、$${n!}$$、$${(x - a)^n}$$
  → 「こんなに同時に意味わかるか！」って叫びたくなりますよね。

❷ そもそも「何をしてるのか」がわからない

• 「これって何のためにやってるの？」

• 「この展開で何が嬉しいの？」

→ 意味もなく覚えさせられると、ただの“呪文”になります。

❸ 導関数の意味があやふや

• 高校では「微分できた」けど、それが何を表してるかは…？

• $${f^{(n)}(a)}$$って何？ “n階微分”ってどういうこと？

→ 概念がふわっとしたまま式だけが進んでしまう。

◆ 「つまずき」は、むしろ自然なこと

むしろ、ここでつまずくのはとても自然なことです。
なぜなら、テイラー展開は：

• 抽象度が高い

• 記号が多い

• 意味を伴わないまま公式を見せられる

という、「わからなくて当然」な条件がそろっているからです。

◆ これから一緒に学ぶこと

この講座では、“わからない”をひとつずつほどいていく旅をしていきます。

そのために、以下の順で進めます：

1. テイラー展開とは？

2. なぜテイラー展開を行うのか？

3. どうやって公式が求められるのか？

4. 導関数ってそもそも何？

5. なぜこの展開が必要なのか？（歴史と応用）

つまり、公式を“覚える”のではなく、“納得して使える”ようになることが目標です。

◆ 最後にひとこと

テイラー展開は、
「関数の動きを、微分で分解して、多項式に置き換える」手法です。

それは、ただの計算テクニックではなく、
自然を理解するためのレンズであり、
変化の中にある構造を見抜く目でもあります。

今はまだピンと来なくても大丈夫。
この講座が、あなたの「わからない」に寄り添う道しるべになれたら嬉しいです。

第1章｜テイラー展開とは？

【1. 基本のかたち】

関数$${ f(x)}$$をある点 $${a}$$ のまわりでテイラー展開すると、次のような形になります：

$${f(x) = f(a) + f'(a)(x - a) + \frac{f''(a)}{2!}(x - a)^2 + \frac{f^{(3)}(a)}{3!}(x - a)^3 + \cdots}$$

これを テイラー級数 と呼びます。
より一般的に、一般項 を使って表すと：

$${f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!}(x - a)^n}$$

ここで：

• $${f^{(n)}(a)}$$：関数$${f(x) }$$の $${n}$$ 階導関数を、点 $${a}$$ で評価したもの

• $${n!}$$：階乗（例：3! = 3×2×1 = 6 ）

【2. よくあるテイラー展開の例（中心 a=0a = 0a=0、マクローリン展開）】

• $${e^x}$$：

  • $${e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots}$$

• $${\sin x}$$：

  • $${\sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots}$$

• $${\cos x}$$：

  • $${\cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \cdots}$$

【3. どんな時に使う？】

• 関数の近似計算（コンピュータの内部演算など）

• 微分方程式の解析

• 物理や工学での近似モデル構築

• 関数の性質（収束、挙動）分析

【4. 注意点】

• テイラー展開しても、すべての関数がその級数と一致するとは限りません。

• たとえば、関数 $${f(x) = e^{-1/x^2}}$$（ただし $${x \ne 0}$$、$${f(0) = 0}$$）は、すべての微分係数が 0 なのに、実際は 0 ではありません。→ これはテイラー展開が全く当てにならない例です。

第2章｜テイラー展開の幾何学的な意味は？

【1. テイラー展開は「曲線のなぞり」】

ある関数 $${f(x)}$$ のグラフがあって、点 $${x = a}$$ でその曲線を“なぞる”ような多項式を考えます。
このとき：

• 0次の項 $${f(a)}$$ は → 点$${ (a, f(a))}$$ を通る定数関数（水平線）

• 1次の項まで使えば → 接線（一次関数）

• 2次の項まで使えば → 放物線（接線に加えて曲がり具合も一致）

• 3次、4次…と進むほど → さらに高精度な「曲線のなぞり」

つまり、点  $${a}$$ のまわりで、関数のグラフをだんだん正確に模倣していく多項式列なんです。

【2. 幾何的なイメージ図（言葉による）】

たとえば $${f(x) = \sin x}$$ を$${x = 0}$$ の近くでテイラー展開してみると：

• 1次近似：$${\sin x \approx x}$$（直線）

• 3次近似：$${\sin x \approx x - \frac{x^3}{6}​}$$（ちょっとカーブする）

• 5次近似：$${\sin x \approx x - \frac{x^3}{6} + \frac{x^5}{120}}$$（さらに滑らか）

このように、高次のテイラー多項式を使うほど、元の関数にピッタリ寄り添っていくんですね。

【3. 「微分」との関係】

幾何的に言えば、テイラー展開は元の関数と“接する度合い”を高めていくことです。

• 1次：接点と傾きが一致（接線）

• 2次：接点・傾き・曲率（2階微分）まで一致

• 3次以上：さらに「ねじれ」「急激な変化」まで忠実に再現

これは、関数の局所的な形を“数学的に拡張した”ものといえます。

【4. 比喩で言えば？】

テイラー展開は、
「曲がった道を歩くときに、まっすぐな道、ちょっと曲がった道、もっとくねくねした道…を重ねていって、実際の道に近づける」
ようなものです。

【まとめ】

テイラー展開の各項が持つ“意味”

• 0次テイラー項：点での高さ（関数値）だけが一致する

• 1次項まで加えると：傾きが一致する（接線が同じ） → 線形近似になる

• 2次項まで加えると：曲率（カーブの丸まり方）まで一致する

• n次項まで加えると： $${n}$$ 階までの「接し方」が一致する → より精密な高次近似曲線になる

第3章｜なぜテイラー展開を行うのか？

【テイラー展開を使う目的・理由】

① 複雑な関数の近似

多くの関数（指数関数、三角関数、対数関数など）は、正確な計算が難しい。

→ テイラー展開で「多項式」に置き換えると、計算しやすくなる！

たとえば：

• $${e^x}$$、$${\sin x}$$、$${\ln(1+x)}$$などは無限級数で近似できる

• コンピュータや電卓の内部計算では、これを使って値を求めている

② 微分方程式の解法に使う

多くの現象（物理、化学、生物）は微分方程式で表されるが、解析的な解（公式の形）が得られない場合も多い。

→ そんなとき、テイラー展開で解を級数形式で表すことができる
例：常微分方程式の初期値問題の解の近似（オイラー法の発展系）

③ 局所的な解析・物理モデルの簡略化

関数の振る舞いをある1点（例えば $${x = 0}$$ や $${x = a}$$）で分析したいとき、その点のまわりだけを見る。

→ テイラー展開を使えば、その点の周辺での関数の性質（傾き、曲率など）を数学的に分解・記述できる

④ 理論物理・工学における近似計算

• ニュートン力学・量子力学：ポテンシャルの近似（ハーモニック近似）

• 構造力学・電磁気学：非線形項を線形化（制御理論でも頻出）

⑤ 数学的性質の解明

関数が何回微分できるか、どのように滑らかか、級数がどこまで一致するか（解析関数かどうか）など、関数の性質を深掘りする道具として使われる。

【まとめ：なぜテイラー展開するのか？】

• 計算の簡略化：関数を多項式で近似し、手計算・数値計算を容易に

• 数値解析：微分方程式の近似解、コンピュータによる数値処理

• 理論構築：モデルの線形化や局所的ふるまいの分析

• 関数の理解：微分可能性、曲率、滑らかさなどの性質把握

たとえば、スマホの電卓で「$${\cos(1.2)}$$」を求めるとき、実際にはテイラー展開に基づく近似計算で出しているんです。

第4章｜テイラー展開を使ってcos(1.2)を近似計算するステップ

• 前提：$${\cos x}$$ のテイラー展開（中心 $${a = 0}$$、マクローリン展開）

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

これを使って、$${x = 1.2}$$ の近似値を出します。

【Step 1：必要な項を計算する（4項程度）】

まずは $${x = 1.2}$$ を代入して、順番に計算してみましょう。

• 0次項

$${1}$$　→ そのまま$${\boxed1}$$

• 1次項

$${-\frac{(1.2)^2}{2!} = -\frac{1.44}{2} = \boxed{-0.72}}$$

• 2次項

$${\frac{(1.2)^4}{4!}}$$

• $${1.2^4 = (1.44)^2 = 2.0736}$$

• $${{4!}=4\times3\times2\times1=24}$$

• $${\frac{2.0736}{24} ≈ \boxed{0.086424}}$$

• 3次項

$${\frac{(1.2)^6}{6!}}$$

• $${1.2^6 = (1.2^3)^2 = (1.728)^2 ≈ 2.98598}$$

• $${{6!}=6\times5\times4\times3\times2\times1=720}$$

• $${\frac{2.986}{720} ≈ \boxed{0.00415720}}$$

【Step 2：足し合わせる】

$${\cos(1.2) ≈ 1 - 0.72 + 0.0864 - 0.00415 = \boxed{0.36225}}$$

【Step 3：実際の値と比較】

実際に電卓などで

$${\cos(1.2) ≈ \boxed{0.36235775...}}$$

と表示されるので、

$${\text{誤差：} \approx 0.0001}$$

【まとめ】

• テイラー展開を4項まで使えば、小数第4位まで正確な近似が可能

• このように、関数の値を電卓なし・関数電卓の中身のように「人間の手」で再現できる

• 物理やエンジニアリングでは、数項だけで十分な精度が出るので非常に重宝されています

第5章｜他の代表的な関数をテイラー展開でも近似

① $${e^x}$$ のテイラー展開で $${e^{1.2}}$$を近似！

【公式（マクローリン展開）】

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

【x = 1.2 を代入】

項を順に計算：

• $${1}$$

• $${\frac{1.2}{1} = 1.21}$$

• $${\frac{1.2^2}{2} = \frac{1.44}{2} = 0.722}$$

• $${\frac{1.2^3}{6} = \frac{1.728}{6} ≈ 0.2886}$$

• $${\frac{1.2^4}{24} = \frac{2.0736}{24} ≈ 0.086424}$$

合計：

$${e^{1.2} ≈ 1 + 1.2 + 0.72 + 0.288 + 0.0864 = \boxed{3.2944}}$$

実際の値：

$${e^{1.2} ≈ 3.3201}$$

→ 誤差は約 0.025 なので、かなり近い！（5項で約99%精度）

② $${\ln(1+x)}$$のテイラー展開で $${\ln(1.2)}$$を近似！

【公式（中心 x = 0でのマクローリン展開）】

$${\ln(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \cdots \quad (|x| < 1)}$$

※注意：この展開は$${ x < 1}$$ のときによく使われます。
今回は $${x = 0.2}$$ として、$${\ln(1.2) }$$を計算しましょう。

【x = 0.2 を代入】

• $${0.2}$$

• $${-\frac{0.2^2}{2} = -\frac{0.04}{2} = -0.02}$$

• $${\frac{0.2^3}{3} = \frac{0.008}{3} ≈ 0.00267}$$

• $${-\frac{0.2^4}{4} = -\frac{0.0016}{4} = -0.0004}$$

合計：

$${\ln(1.2) ≈ 0.2 - 0.02 + 0.00267 - 0.0004 = \boxed{0.18227}}$$

実際の値：

$${\ln(1.2) ≈ 0.18232}$$

→ 誤差は 0.00005 ほど！非常に高精度

【まとめ：3関数の比較】

• $${\cos(1.2)}$$

  • 近似値（4～5項）：0.36225

  • 実際の値：0.36236

  • 誤差：≈ 0.0001

• $${e^{1.2}}$$

  • 近似値（4～5項）：3.2944

  • 実際の値：3.3201

  • 誤差：≈ 0.025

• $${\ln(1.2)}$$

  • 近似値（4～5項）：0.18227

  • 実際の値：0.18232

  • 誤差：≈ 0.00005

第6章｜テイラー展開の公式がどうやって求められるのか？

【1. 基本アイデア：関数を多項式で近似したい】

ある滑らかな関数 $${f(x)}$$を、点 $${x = a}$$ の周りで

$${f(x) \approx c_0 + c_1(x - a) + c_2(x - a)^2 + c_3(x - a)^3 + \cdots}$$

という形の多項式で表したいとします。
→ これが「テイラー展開」の原点です。

【2. 係数 Cn をどう決める？：導関数を使って一致させる】

関数 $${f(x)}$$ とこの多項式の値が、点 $${x = a }$$で、

• 値（0次）

• 傾き（1次導関数）

• 曲率（2次導関数）

• …

と、すべて一致してほしい。

そのために…

1. 両辺を$${x = a}$$で評価

2. 1回、2回、…と順に微分して、また $${x = a}$$ で評価

3. それぞれの $${c_n}$$ を解く

【3. 実際にやってみる（中心 a = 0 の場合）】

$${f(x) = c_0 + c_1 x + c_2 x^2 + c_3 x^3 + \cdots}$$

• 1回目：そのまま $${x = 0}$$ を代入

$${f(0) = c_0}$$
　$${\Rightarrow c_0 = f(0)}$$

• 2回目：1階微分して $${x = 0}$$ を代入

$${f'(x) = c_1 + 2c_2 x + 3c_3 x^2 + \cdots}$$
　$${\Rightarrow f'(0) = c_1}$$
　$${\Rightarrow c_1 = f'(0)}$$

• 3回目：2階微分して$${x = 0}$$ を代入

$${f''(x) = 2c_2 + 6c_3 x + \cdots}$$
　$${\Rightarrow f''(0) = 2c_2}$$
　$${\Rightarrow c_2 = \frac{f''(0)}{2}}$$

• 4回目：3階微分して $${x = 0}$$ を代入

$${f^{(3)}(x) = 6c_3 + \cdots}$$
　$${\Rightarrow c_3 = \frac{f^{(3)}(0)}{3!}}$$

…

【4. 一般化すると】

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

ゆえに、

$${f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n}$$

これが マクローリン展開（テイラー展開の特別なケース）です。

【5. なぜ「階乗」が出てくるの？】

階乗 n! は、n回微分したときに現れる係数を打ち消すために登場します。

たとえば、$${x^3}$$を3回微分してみます。

• 1回微分

$${\frac{d}{dx} (x^3) = 3x^2}$$

• 2回微分

$${\frac{d^2}{dx^2} (x^3) = \frac{d}{dx}(3x^2)=6x}$$

• 3回微分

$${\frac{d^3}{dx^3} (x^3) =\frac{d^2}{dx^2} (3x^2) = \frac{d}{dx}(6x)=6}$$

$${6 =3\times2\times1= 3!}$$

つまり、関数 $${x^3}$$ を3回微分すると、値は $${3! = 6}$$ になります。
逆に、3回微分して得られた値から元の多項式に戻そうとする場合は、$${\div 3!}$$ をしなければいけないということです。

つまり、多項式を正しく再現するために階乗で割る必要があるのです。

【まとめ】

• ステップ1：関数を多項式で近似したい

  • $${f(x) ≈ c_0 + c_1(x-a) + \cdots}$$

• ステップ2：微分して、点 $${a}$$ での性質を一致させる

  • 値・傾き・曲率を一致

• ステップ3：微分すると階乗が出る

  • 微分の回数に応じて係数が膨らむため

• ステップ4：よって係数は $${\frac{f^{(n)}(a)}{n!}}$$

  • 全項が「導関数 ÷ 階乗」の形になる

【[追加]他の関数におけるテイラー展開の公式の導き方】

例①：$${e^x}$$ のマクローリン展開（中心 a=0）

ステップ1：関数とその導関数を調べる

$${f(x) = e^x}$$

この関数のすごいところは：

• すべての導関数が同じ：

$${f'(x) = e^x,\quad f''(x) = e^x,\quad f^{(n)}(x) = e^x}$$

• よって、 $${f^{(n)}(0) = e^0 = 1}$$

ステップ2：公式に代入

$${f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n = \sum_{n=0}^{\infty} \frac{1}{n!} x^n}$$

結論：

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

これが「 $${e^x}$$ のテイラー展開はなぜこの形になるのか？」の証明です！

例②：$${\sin ⁡ x}$$ のマクローリン展開

ステップ1：導関数を並べてみる

$${\begin{aligned} f(x) &= \sin x \\ f'(x) &= \cos x \\ f''(x) &= -\sin x \\ f^{(3)}(x) &= -\cos x \\ f^{(4)}(x) &= \sin x \quad（ここで1周） \end{aligned}}$$

つまり、4つごとにループする周期性がある！

ステップ2：x = 0 に代入

$${\begin{aligned} f(0) &= 0 \\ f'(0) &= 1 \\ f''(0) &= 0 \\ f^{(3)}(0) &= -1 \\ f^{(4)}(0) &= 0 \\ f^{(5)}(0) &= 1 \\ f^{(6)}(0) &= 0 \\ f^{(7)}(0) &= -1 \\ \end{aligned}}$$

→ 偶数階の微分は 0、奇数階の微分は交互に ±1

ステップ3：公式に代入

$${\sin x = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n}$$

非ゼロ項だけ拾うと：

$${\sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \cdots}$$

[追加のまとめ]なぜこの展開になるのか？

• $${e^x}$$

  • 微分パターン：すべて $${e^x}$$

  • $${x = 0}$$ での値：全部1

  • 展開に現れる項：全階数出る

• $${\sin x}$$

  • 微分パターン：4周期で回る

  • $${x = 0}$$ での値：偶数階0・奇数階±1

  • 展開に現れる項：奇数階のみ交互に出る

これらの展開が生まれるのはすべて：

• 「導関数を調べる」

• 「その点での値を見る」

• 「公式に代入する」

という3ステップのロジックからです。

第7章｜導関数とは何か？

【1. 導関数とは？】

たとえば、関数$${ f(x)}$$ があったとします。

• この関数が、ある点$${x}$$の近くでどれくらい増えたり減ったりするか？

• それを「傾き」として表すのが、導関数$${f'(x)}$$です。

【2. 数式での定義】

導関数は、次の極限で定義されます：

$${f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h}}$$

これは、

• $${x}$$ からちょっとだけ先（$${h}$$だけ進んだところ）での関数値の差

• それを $${h}$$ で割って、平均的な増加の割合を求める

• それを限りなく小さい $${h}$$ に近づける

→ つまり「瞬間的な変化の割合（瞬間の傾き）」を求めるということ！

【3. 導関数のイメージ】

• もとの関数 $${f(x)}$$ は、「位置」や「$${x}$$に対する高さ」を表す
  　→ 対応する導関数$${f^′(x)}$$は「変化の速さ（傾き）」を表す

• 関数のグラフが曲線であれば、
  　→ 導関数はそのグラフの各点における傾きを表す

• 例：距離が時間の関数$${f(t)}$$ の場合、
  　→ 導関数$${f^′(t)}$$ は「速さ（スピード）」になる

【4. よくある導関数の例】

• もとの関数$${x^2}$$：
  →導関数 $${f^′}$$：$${2x}$$（放物線の傾き）

• もとの関数$${\sin x}$$：
  →導関数 $${f^′}$$：$${\cos x}$$

• もとの関数$${e^x}$$：
  →導関数 $${f^′}$$：$${e^x}$$（変わらない！）

• もとの関数$${\ln x}$$：
  →導関数 $${f^′}$$：$${\frac{1}{x}x1​}$$

【5. なぜ大事なの？】

導関数は、以下のようなあらゆる分野で使われます：

• 物理（速度、加速度）

• 経済（収益の増減、限界効用）

• 医療（変化率の分析）

• 数学（関数の最大・最小を求める）

• コンピュータ（最適化、機械学習）

【まとめ】

• 導関数とは？：変化の割合を表す関数（傾きの関数）

• 数式定義：$${f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h}​}$$

• 直感的意味：「どれくらい増えてる？」「傾きは？」

• 実用：現象の変化・増減・最適化などに不可欠

第8章｜テイラー展開が生まれた背景事情とは？

【1. 時代背景：17〜18世紀のヨーロッパ】

テイラー展開が生まれたのは 17世紀後半〜18世紀初頭のヨーロッパ、
つまり、ニュートンやライプニッツによって微分積分法が発明された直後の時代です。

この時代のキーワード：

• 自然現象を数式で記述したい！

• 曲線や運動を数学で近似・予測したい！

• 関数のふるまいをもっと深く知りたい！

【2. 目的：関数の“局所的なふるまい”を知るため】

当時の科学者や数学者は、「未知の関数や複雑な関数をどう扱うか？」に悩んでいました。
微分という道具を手にしたものの、“ある点の近くでは関数がどう変化するのか”をもっと詳しく知りたい。

→ その解決法として「多項式で近似する」アイデアが登場します。

【3. 発展の流れ】

● ニュートン（Isaac Newton）

• 微分法を発明

• 「無限級数による展開」（例えば $${\sin x}$$、$${\cos x}$$ を多項式で近似）

• しかし記述はあくまで幾何学的・直観的

● ライプニッツ（Gottfried Leibniz）

• 微積分記号を整理

• 関数と変化の構造を重視した論理的な体系化

● ジェームズ・グレゴリー（James Gregory）

• $${\arctan x}$$ の展開などを試みる（1670年代）

● ブルック・テイラー（Brook Taylor）（1685–1731）

• 1715年、著書『Methodus Incrementorum Directa et Inversa（増減法）』でテイラー展開を提示

• 初めて 「n階導関数と階乗を用いて任意の関数を多項式に展開する一般式」 を明文化

→ この「関数を導関数で展開するアイデア」が後に“テイラー級数”と呼ばれる

【4. しかし当初はあまり評価されず…】

ブルック・テイラーの業績は当初あまり注目されず、
約20年後にスイスの数学者オイラー（Leonhard Euler）やラグランジュらが発展・普及させたことで広まりました。

オイラーはこれをあらゆる関数に適用し、

• 関数の近似

• 数値解析

• 物理現象のモデリング

などに活用していきます。

【5. 現代への意義】

テイラー展開は、

• 関数のローカルな挙動の解明

• 数値計算（電卓、プログラミング）

• 関数の性質分析（滑らかさ、収束性）

• 物理学、工学、経済学などの応用

などに欠かせない「数学の道具箱の主役」となっています。

【まとめ：なぜテイラー展開が生まれたか】

• 科学革命
  　→ 自然の法則（運動・光・波など）を、数学で正確に記述したいという欲求が生まれた

• 微分積分の発明
  　→ 関数の“変化”を扱えるようになり、微分・導関数の概念が確立された（ニュートン、ライプニッツ）

• 多項式近似のニーズ
  　→ 複雑な関数を、計算しやすい“扱いやすい形（多項式）”で表したいという動きが広がった

• テイラーの貢献
  　→ 導関数と階乗を使って、関数を一般的に展開する方法を体系化した

• その後の発展
  　→ オイラーなどが理論面・応用面の両方から普及させ、現代数学・物理の基礎へとつながった

第9章｜なぜ多項式近似のニーズが生まれたのか？

それは、複雑な自然現象や未知の関数を“手計算で扱える形にしたい”という強い現実的な動機から来ています。

以下、もう少し深く背景を見てみましょう。

【1. 数学と自然科学の結びつき】

17〜18世紀、科学革命期には次のようなことが起きていました：

• 惑星の軌道を求めたい（ケプラー、ニュートン）

• 弾道や振り子の運動を予測したい

• 光や音の波を数式で表したい

• 航海・天文・地図作成のために正確な三角関数値が必要

しかし当時の数学では、関数の正確な値を出す手段がほとんどなかったのです。

【2. 多項式なら“計算できる”】

三角関数や指数関数のような関数は、それ自体では手計算しにくい。
でも、多項式は：

• 足し算・掛け算だけでOK

• 微分も簡単（指数を下ろすだけ）

• 手計算・表作成に適している！

つまり、どんなに複雑な関数でも「多項式で近似すれば現実的に扱える！」という発想です。

【3. 実用ニーズの爆発】

当時の技術者・天文学者・航海士たちが必要としていたのは：

• 表（数値表）

• 予測（近似）

• 暗算や筆算での処理

たとえば：

• $${\sin(17°)}$$ を正確に出したい → そのままでは出せない
  → 多項式で近似した値を表にして使う！

【4. 多項式近似の利点】

• 計算のしやすさ
  　→ 足し算・引き算・掛け算だけで計算できるため、処理がシンプル

• 微分・積分が簡単
  　→ 多項式は何回でも微分・積分でき、操作が明快

• 表にしやすい
  　→ 各項の値を展開して、数値として並べておける（数表化しやすい）

• 関数を局所的に再現できる
  　→ 複雑な関数の挙動も、部分的に近似して扱える

【5. 実際の応用例（18世紀当時）】

• 航海暦や天文表：星の位置や月の満ち欠けの予測

• 建築や機械設計：力のかかり方のモデリング

• 音響学・光学：波の干渉や反射を式で表す

• 医学や生理学：当時から脈拍や呼吸を記録して近似

すべてに「関数値の計算」が不可欠であり、それを人力でやるには多項式が一番扱いやすかったのです。

【まとめ】

• 科学技術の発展
  　→ 現象を数式で表して、予測・制御したいというニーズが高まった

• 関数の計算の難しさ
  　→ 指数関数や三角関数などは、手計算では扱いにくかった

• 多項式の扱いやすさ
  　→ 計算・解析・近似のすべてにおいて、多項式は非常に使いやすい

• 実用ニーズ
  　→ 航海・天文・力学・測量などで、すぐにでも使える近似手法が求められていた

つまり、テイラー展開や多項式近似は、「数学の美」からではなく、「現実の課題を何とかしたい！」というニーズから生まれた実学的な発明だったのです。

第10章｜「log表（対数表）」や「sin表（三角関数表）」がどうやって作られたか

「log表（対数表）」や「sin表（三角関数表）」は、まさに“数学と技術の結晶”です。電卓もコンピュータもない時代、人々は手計算と数学的近似によってこれらを作り上げていました。

【1. なぜ「数表」が必要だったのか？】

17〜19世紀、航海・天文観測・測量・建築・工学などの分野で次のような計算が求められました：

• 角度から長さや距離を求める（sin・cos・tan）

• 大きな数の掛け算・割り算を効率よく行う（log）

しかし当時は計算機も電卓もないため、すべて「筆算」「そろばん」または「表（数値リスト）」でやる必要がありました。

【2. 三角関数表（sin表・cos表）はどうやって作られた？】

方法①：幾何学的に作る（初期）

古代からある方法で、単位円や直角三角形を使って定規とコンパスで角度を刻み、長さを測って値を出していました。
→ ただし精度はあまり高くない（手作業）

方法②：テイラー展開などで数値近似（17世紀以降）

例えば、$${\sin x}$$ を以下のように展開：

$${\sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots}$$

この式を使って、小数第4〜6位まで正確に計算！
→ $${\sin(10°)}$$ などをラジアンに変換してこの式に代入し、項を1つずつ手計算で足し合わせて表にする

方法③：補間（中間値の埋め合わせ）

10°や11°は直接計算
→ 10.5°などの中間値は「線形補間」や「差分表」を使って推定。

【3. 対数表（log表）はどうやって作られた？】

背景：

• 掛け算を足し算に、割り算を引き算に変換できる

• 天文学・航海術・測量などにとって非常に便利！

方法①：オリジナルはネイピア（Napier）による定義（1614年）

• $${\log_b x = y}$$ を「$${b^y = x}$$ を満たす $${y}$$」と定義

• 当初は幾何級数（等比数列）と算術級数（等差数列）を対応させるという考え方で近似

方法②：常用対数（底10）・自然対数（底e）

• オイラー以降、自然対数 $${\ln x}$$ の概念が普及

• テイラー展開などを使って近似値を作成：

$${\ln(1 + x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \cdots \quad (|x| < 1)}$$

→ $${\log_{10} x = \frac{\ln x}{\ln 10}​}$$ を使って全ての対数値を手計算で作成

方法③：差分法による補間と修正

• 高精度の値は近似式で手計算

• 間の値は補間

• 精度向上のために「高次差分表」や「補正項」を活用

【4. 実際の作業のすさまじさ】

• 数千〜数万個の項目を、数学者や助手が何年もかけて手で計算

• 筆写や印刷の誤植を防ぐため、何人もが計算をクロスチェック

• 精度は 小数第6位〜第10位 に達するものも！

【5. 有名な数表集】

• ネイピアの対数表（1614）

  • 制作者：ジョン・ネイピア

  • 内容：初の対数表

• ブリッグス対数表

  • 制作者：ヘンリー・ブリッグス

  • 内容：常用対数

• バウデの三角表（19世紀）

  • 制作者：フランス海軍

  • 内容：航海・測量用

• 7桁対数表・三角関数表

  • 制作者：多くの数学者が改訂

  • 内容：世界中で使われる標準表に

【6. どんな風に使われた？】

たとえば掛け算：

$${47.2 \times 318 = ?}$$

→ 対数表で：

$${log⁡_{10}47.2≈1.6749,　log⁡_{10}318≈2.5024}$$
$${\Rightarrow {足すと：} 4.1773}$$
$${\Rightarrow 10^{4.1773} ≈ 15,050}$$

※実際の答え：$${47.2\times 318 = 14,989.6}$$
→ 誤差わずか！

【まとめ】

• なぜ必要？：計算道具がなく、手作業で数値計算する必要があった

• どうやって作った？：テイラー展開・幾何学・差分法・手計算

• 誰が作った？：ネイピア、ブリッグス、オイラーなど歴代の数学者

• どう使った？：掛け算・三角計算・天文航海・測量に活用

第11章｜テイラー展開と科学革命の関係

テイラー展開と科学革命の関係は、単なる数学史の話にとどまらず、自然現象を数式で表し、近似し、予測するという「近代科学の思考スタイル」そのものと深く結びついています。

以下、歴史的・思想的・技術的な観点から整理してご説明します。

【1. 科学革命とは何だったのか？】

17世紀のヨーロッパで起こった「科学革命」は、それまで神学やアリストテレス的な自然観に依存していた世界から、

• 実験と観察に基づいた自然理解

• 数学による自然現象の記述

• 普遍法則の探究（例：万有引力）

へと大きく転換する出来事でした。

【2. 数式で自然を“書き換える”という考え】

たとえば：

• ガリレオ：落下運動を観察 → 等加速度運動という数式モデルに

• ケプラー：惑星の軌道をデータから導出 → 楕円軌道という幾何学的表現

• ニュートン：運動の法則と万有引力を微分方程式で記述

このように、「自然＝方程式で表せるもの」という考え方が芽生えました。

【3. テイラー展開＝この考えの“究極の道具”】

なぜなら：

• 関数（=自然現象の記述）を、数学的に“ばらして”再構築できる

• 微分（=変化）という科学革命の中心的手法と相性が良い

• 局所的な振る舞いから、全体の挙動を予測するモデルが作れる

→ つまり、観測・近似・予測という科学革命の中核に、テイラー展開は“計算エンジン”として組み込まれたのです。

【4. 科学革命における具体的応用】

• 物理学（ニュートン）
  　→ 運動方程式の解を近似する際にテイラー展開を利用。
  　　また、ポテンシャルエネルギーの変化もテイラー展開で表現される

• 天文学（ケプラー以後）
  　→ 天体の軌道の変化を微小な揺らぎとして捉え、摂動法によってテイラー展開的に近似

• 光学・音響学
  　→ 波動関数や屈折率の変化を、ある点の周囲で展開して扱う（干渉・屈折の解析に活用）

• 測量・地図
  　→ 地球や地形の曲面を微分幾何学的に記述し、局所的な近似計算にテイラー展開が用いられる

このように、テイラー展開は“自然界を数式で再構築する”ための鍵として、科学革命を具体的に支えました🔬✨

【5. テイラー展開がもたらした思想の変化】

• 従来：自然は神秘的で理解できないもの
  → 科学革命以後：自然は数式で“近似できる”ものと捉えるようになった

• 従来：現象は全体で理解するもの
  → 科学革命以後：部分（微小）から全体を予測できるという視点が生まれた

• 従来：哲学や神学が自然を説明する
  → 科学革命以後：数学と物理が自然を説明するようになった

【6. まとめ：テイラー展開 × 科学革命】

• 時代背景：17世紀の科学革命期に、微積分という新たな数学が発展した

• 要請：自然現象を定量的に予測・解析したいという強いニーズが高まっていた

• テイラー展開の役割：微分という道具を使って関数を分解・再構築する “近似の理論” として機能した

• 科学的意味：局所的な観察から、普遍的な法則を導くための “架け橋” となった

• その後の影響：物理学・工学・天文学・統計・経済学など、あらゆる分野に影響を与えた

【一言でまとめると】

テイラー展開は、
科学革命が求めた「自然を数式で近似し、予測する」という思想に、
計算と理論の両面から応えた“最強の近似装置”だったのです。

あとがき｜あの頃の“わからなさ”が、今ならわかる

30数年前の大学1年、工学部に入学した私が、
基礎科目としての数学の授業の中で出会った
”テイラー展開”。

最初は、ちっとも理解できませんでした。

正直、当時の教科書は不親切。

数学科の担当教授は、
はじめから全部分かって当たり前というスタンスで
課題を出す。

インターネットもChatGPTもなく、
分かりやすく解説された参考書もない時代。

黒板に並ぶ記号たちはまるで“呪文”で、
覚えればいいと言われても、なぜ覚えるのかがわからない。

あの頃の私にとって、数学は「単に解けるかどうか」と、
この式が実際、どんな意味があるのかが腑に落ちないと、
頭に入ってこない…。

でも、社会人になって、気づいたんです。

「わからなかったのは、自分のせいじゃなかった」
「“意味”と“背景”に出会えてなかっただけだった」と。

このコラム講座は、
そんな“あの頃の私”のような人に届けたくて書きました。
今こそ、“意味からわかる数学”を、もう一度。

そしてもう一つ、ここで伝えておきたいことがあります。

このコンテンツは、タイトルにもあるように
ChatGPTとの対話を通じて、
構成・例え・章立て・用語のかみ砕き方などを、
何度も試行錯誤しながら一緒に組み立てたものです。

実際、各章の題名は、
ChatGPTに質問したプロンプトでもあります。

つまりこれは、「AIを使って学び直す」という、
新しい学びの形のひとつでもあります。
教科書とは違う。検索だけでもない。
対話しながら、自分の“わからない”をほぐしていく感覚。

そんな「学び直し × ChatGPT」の可能性を、
少しでも感じていただけたなら嬉しいです。

💬 このコラムが、あなたの「もう一度学びたい」に、
少しでも役立てたなら――
よければ スキ や フォロー、コメント などで、
感想をいただけたらとても励みになります。
一緒に「わからない」を越えていきましょう！

プロフィール｜Kazuomi Matsunaga

🧭思考の案内人｜Thinking Navigator

略歴：九州大学工学部卒業（材料工学）⇒中京地区の金属素材メーカーエンジニア（生産技術）⇒地元長崎県のフリーペーパー広告営業⇒学校法人職員（←いま、ココ）。長崎県在住の50代。こどもは二人とも大学生となって巣立ち、妻と二人暮らし中。
“問い”と“好奇心”の交差点で、日々思考を遊ばせている書き手です。最近は、連載コラム「思好の科楽（しこうのかがく）」シリーズを中心に、教育・物語・心理・AI・デザインなどをテーマとした独自視点の思索を綴っています。既存の枠を超えた“自由な知のデザイン”を模索中。モットーは「想像力が世界をひらく」。
本業では大学・教育関連の仕事に携わりつつ、「人が何かを“好き”になる瞬間」や「問いが芽吹く場面」を丁寧に見つめることを大切にしています。
🧭 読んだあと、あなたの中に“新しい見方”がひとつ芽生えるような。そんな記事をお届けできたらうれしいです。
📮 感想や応援メッセージ、いつでも大歓迎です！