拉格朗日余项和泰勒公式密不可分。泰勒级数的全形如下： \[ \begin{aligned} f(x)&=f(a)+f'(a)(x-a)+\frac{f''(a)}{2!}(x-a)^2+\dotsb+\frac{f^{(n)}(a)}{n!}(x-a)^n+\dotsb \\ &=\sum^{\infty}_{n=0}\frac{f^{(n)}(a)}{n!}(x-a)^n \end{aligned}\] 其中，前n项可以称为函数在点\(x=a\)处的\(n\)阶泰勒展开式。所谓的阶，是指\(x\)的幂次；\(n\)阶就是\(x\)的最高次幂为\(n\)，而不是展开到第\(n\)项。

但是，泰勒展开能够无限地逼近原函数，是以n趋向于无穷为前提条件的。如果我们只是将函数展开到n阶，则后面的部分（我们称为余项, remainder）就被省略了，这必然会产生误差。记余项的表达式为\(R_n(x)\)，用它表示n项之后的余项（注意下标是 n 而不是 n+1），我们可以将泰勒展开写成如下形式: \[ f(x)=f(a)+f'(a)(x-a)+\frac{f''(a)}{2!}(x-a)^2+\dotsb+\frac{f^{(n)}(a)}{n!}(x-a)^n+R_n(x) \] 或者说 \[f(x)=P_n(x)+R_n(x)\] 这式子的意思是原函数可以分解为两个部分，一部分是 n 阶泰勒展开，另一部分就是拉格朗日余项。那么，做一个移项，就可以有：\(R_n(x)=f(x)-P_n(x)\)。

这就是说，用n阶幂级数来逼近原函数，其误差就是这一余项。而拉格朗日余项就是表达这些被省略部分的一个公式，我们可以用它来估计误差。为此，我们先写出函数的第 n+1 阶展开式： \[\frac{f^{(n+1)}(a)}{(n+1)!}(x-a)^{n+1}\] 而拉格朗日余项（在具体题目中，我们也称为拉格朗日误差界 Lagrange Error Bound） 在形式上就类似于函数的第 n+1 阶，其表达式如下： \[R_n(x)=\frac{f^{(n+1)}(c)}{(n+1)!}(x-a)^{n+1},c在x与a之间。\] 需要注意的是，c只是在x与a之间，可能是\(x\le c\le a\)，也可能是\(a\le c\le x\)。同时，拉格朗日余项定理像微分中值定理（Mean Value Theorem）、介值定理（Intermediate Value Theorem）一样，都是存在性定理，即只能告知值的存在（我们知道有这样一个值），但不能告知其具体位置（但不知道它到底是多少）。如果我们使用麦克劳林式（Maclaurin Series，即\(a = 0\)时的特殊形式），就可以将拉格朗日余项变成较简单的形式: \[R_n(x)=\frac{f^{(n+1)}(c)}{(n+1)!}x^{n+1},c在x与0之间。\]

观察拉格朗日余项定理的形式，对于给定\(a、n和x\)的情况下，如果要确定这个余项的界限，唯一要确定的就是前面的这个第 n+1 阶导数的取值范围。若令有正数\(M=|f^{(n+1)}(c)|\)，则只需要确定M的范围，那么，整个余项的范围也就唯一给定了。由于误差值可能为正，也可能为负，为便利讨论，我们一般都取其绝对值进行考查，即 \[\begin{aligned} |R_n(x)|&=|\frac{f^{(n+1)}(c)}{(n+1)!}(x-a)^{n+1}| \\ &=\frac{M}{(n+1)!}|(x-a)^{n+1}| \end{aligned}\] 而对于麦克劳林式，我们就变成考查： \[\begin{aligned} |R_n(x)|&=|\frac{f^{(n+1)}(c)}{(n+1)!}x^{n+1}| \\ &=\frac{M}{(n+1)!}|x^{n+1}| \end{aligned}\] 这时我们就要介绍一个基本定理，即拉格朗日余项定理：

若存在正数Max，使得对任意\(\xi\)，如果\(a \le \xi \le x\)或\(x \le \xi \le a\)，均有\(|f^{(n+1)}(\xi)|\le M\)，则: \[|R_n(x)|=|\frac{f^{(n+1)}(c)}{(n+1)!}(x-a)^{n+1}| \le \frac{M}{(n+1)!}|(x-a)^{n+1}|\] 也就是说\(M\)的取值范围其实就由\(|f^{(n+1)}(\xi)|,(a \le \xi \le x\)或\(x \le \xi \le a)\)唯一给定。这一不等式也叫泰勒不等式。这是我们进行余项范围估计的主要理论基础。

例1 将\(y=sin(x)\)展开成麦克劳林式，并估计其误差：

根据基本公式：\(sin(x)=x-\frac{1}{3!}x^3+\frac{1}{5!}x^5-\frac{1}{7!}x^7+\dotsb+(-1)^n\frac{x^{2n+1}}{(2n+1)!}+\dotsb\)，很容易得出5阶麦克劳林式：\(sin(x)\approx x-\frac{1}{3!}x^3+\frac{1}{5!}x^5\)

其余项按照拉格朗日余项定理，可以写成（注意：5阶的余项是6次方）： \[R_5(x)=\frac{f^6(c)}{6!}x^6,c在0和x之间\] 而\(|f^6(x)|=|-sin(x)| \le 1\)，所以\(R_5(x) \le \frac{x^6}{6!}\)。

例2 将\(y=sin(x)\)展开成麦克劳林式，据此估计sin 0.2的值，并计算其误差。

使用例1结论：\(sin(0.2)\approx 0.2-\frac{1}{3!}(0.2)^3+\frac{1}{5!}(0.2)^5 \approx 0.1986693333\)

同时，\(R_5(0.2) \le \frac{0.2^6}{6!}=8.888889*10^{-8}\)

在一些情况下，使用交错级数计算误差相对简单，其基本定理如下：

若交错级数\(\sum^{\infty}\limits_{n=0}u_n=\sum^{\infty}\limits_{n=0}(-1)^{n+1}(v_{n})\)满足以下条件：

则必有其余项的范围\(|R_n(x)|=|S-S_n|