关于从$R^m$到$R^n$的多元函数一阶泰勒近似余项的疑问

嗨，我完全懂你的困惑——从$\mathbb{R}^{m$映射到$\mathbb{R}}n$的向量值函数，它的一阶泰勒展开余项确实不像标量输出的情况那样随处可见，但其实逻辑上是标量情况的自然延伸，咱们一步步理清楚：

首先你已经提到了多元向量值函数的均值定理：

对于可微的向量值函数$f: \mathbb{R}^m \to \mathbb{R}^n$，在连接点$a$和$x$的线段上，一定存在某个点$c$，使得
$$f(x) = f(a) + Df(c)(x-a)$$
这里$Df(c)$是$f$在$c$处的雅可比矩阵，这个结果就是标量均值定理的向量版本。

接下来回到你的核心问题：如果把$Df(c)$换成$f$在$a$点的雅可比矩阵$Df(a)$，对应的余项是什么？

当我们用$Df(a)$来近似$Df(c)$时，一阶泰勒展开的形式就变成：
$$f(x) = f(a) + Df(a)(x-a) + R(x)$$
这里的$R(x)$就是我们要明确的余项，下面从几个角度拆解它：

• 定性的渐近性质：当$x$趋近于$a$时，余项$R(x)$是比$|x-a|$更高阶的无穷小，用极限表示就是：
  $$\lim_{|x-a| \to 0} \frac{|R(x)|}{|x-a|} = 0$$
  这个性质和标量输出的情况完全一致，它告诉我们：当$x$离$a$足够近时，泰勒近似的误差会比自变量的增量更快地趋近于0，这也是泰勒近似的核心价值。

• 定量的上界估计：如果$f$的雅可比矩阵$Df$在包含$a$和$x$的某个凸开集上是Lipschitz连续的（简单说就是存在一个常数$L>0$，使得这个集合里任意两点$u,v$都满足$|Df(u)-Df(v)| \leq L|u-v|$），那么我们可以得到余项的明确上界：
  $$|R(x)| \leq \frac{1}{2} L |x-a|^2$$
  这里的范数可以是任意相容的向量范数和矩阵范数（比如常用的欧几里得范数）。

• 积分形式的余项：如果你想更直接地把余项和雅可比矩阵的变化联系起来，还可以把$R(x)$写成积分形式（类似标量情况的积分型余项）：
  $$R(x) = \int_{0}^{1} \left[ Df(a + t(x-a)) - Df(a) \right] (x-a) dt$$
  这个式子是通过对向量值函数的均值定理做积分推导得到的，把余项表示成了雅可比矩阵从$a$到线段上各点的变化量的积分。

另外还有个小技巧：你可以把向量值函数$f$拆成$n$个标量值函数——$f=(f_1,f_2,...,f_n)$，每个$f_i: \mathbb{R}^m \to \mathbb{R}$。既然你已经熟悉单个标量函数的一阶泰勒余项，那向量值函数的余项$R(x)$就是每个$f_i$的余项组成的向量$(R_1(x),R_2(x),...,R_n(x))$，这样理解起来会更贴近你已经掌握的知识。

备注：内容来源于stack exchange，提问作者Debojjal Bagchi