近似式の公式は？導出方法や種類も解説！（一次近似：二次近似：マクローリン展開など）

近似式は、複雑な関数や計算を扱いやすい形へ置き換えるための重要な考え方です。

微分を使った一次近似や二次近似、テイラー展開、マクローリン展開を理解すると、数学だけでなく物理、工学、統計、プログラミングにおける計算の見通しもよくなります。

ただし、公式を暗記するだけでは、どの値の近くで使えるのか、どこまで正確なのかを判断しにくいでしょう。

この記事では近似式の基本公式、導出の流れ、代表的な種類、誤差の考え方まで、例を交えながらわかりやすく整理します。

近似式の基本公式

それではまず近似式の基本公式について解説していきます。

近似とは、ある値や関数を完全に同じ形で表すのではなく、目的に応じて十分近い値として表現することです。

とくに関数の近似では、ある基準点の近くで曲線を直線や放物線に置き換える方法がよく使われます。

近似式の意味と利用場面

近似式は、正確な計算が難しい場面や、計算量を抑えたい場面で役立ちます。

たとえば電卓やコンピュータがなくても、平方根、三角関数、指数関数、対数関数などの値をおおよそ求められます。

関数の値を求めるだけでなく、変化の傾向を考える用途にも向いています。

基準点の近くでは複雑な曲線も比較的単純な式で表せることが、近似式の大きな特徴です。

物理では微小な振動を扱うとき、工学では設計値の変動を評価するとき、経済学では変数のわずかな変化による影響を考えるときに使われます。

統計学や機械学習でも、非線形な問題を局所的に線形として扱う発想が活用されています。

一次近似の公式

関数 f(x) を x＝a の近くで考えるとき、一次近似の公式は次の形です。

f(a) は基準点における関数値、f′(a) はその点での微分係数です。

微分係数は接線の傾きを表すため、一次近似は曲線を接線で置き換える方法ともいえます。

x が a に十分近いなら、曲線と接線のずれは小さくなります。

このため一次近似は接線近似とも呼ばれます。

計算が簡潔で、関数の増減や感度を把握しやすい点がメリットです。

二次近似の公式

接線だけでは曲がり具合まで表せないため、より精度を高めたい場合には二次近似を用います。

f″(a) は二階微分係数であり、グラフの曲がり方を反映する量です。

一次近似が直線による表現なのに対し、二次近似は放物線による表現になります。

基準点から少し離れた範囲まで扱いたいときには、二次の項を加える効果が大きくなります。

一次の項が変化の速さを示し、二次の項が変化の曲がりを補うと捉えると理解しやすいでしょう。

一次近似の導出方法

続いては一次近似の導出方法を確認していきます。

公式を使いこなすには、なぜ f(a) ＋ f′(a)(x－a) という形になるのかを知ることが大切です。

接線の方程式から考える方法

関数 y＝f(x) のグラフ上に、x＝a に対応する点を取ります。

その点の座標は、(a，f(a)) です。

この点における接線の傾きは f′(a) なので、接線の方程式は次のように書けます。

x が a に近い範囲では、曲線は接線に近い形を取ります。

そこで、本来の関数値 f(x) を接線上の y で近似すると、一次近似の公式が得られます。

これはグラフをイメージすると直感的です。

接点では曲線と接線が一致し、接点の近くでは傾きも共通しているため、わずかな変化なら似た値になるわけです。

微小変化から考える方法

x が a から少しだけ変化した量を h とし、x＝a＋h と置きます。

このとき関数値の変化量は、f(a＋h)－f(a) です。

微分係数の定義から、h が非常に小さいときには次の関係が成り立ちます。

f(a＋h)－f(a) ≒ f′(a)h

これを整理すると、f(a＋h) ≒ f(a)＋f′(a)h となります。

さらに h＝x－a を戻せば、一次近似の公式になります。

関数値の変化量は、おおよそ傾きと横方向の変化量の積で決まるという考え方が中心です。

この見方は、微分を変化率として理解するうえでも役立ちます。

一次近似の計算例

√101 を近似してみます。

√100＝10 がわかっているため、f(x)＝√x、a＝100 と置く方法が自然です。

この関数の微分は f′(x)＝1／(2√x) です。

したがって f(100)＝10、f′(100)＝1／20 となります。

x＝101 を代入すると、次のように計算できます。

√101 ≒ 10 ＋ (1／20)(101－100)

√101 ≒ 10.05

実際の √101 は約10.0499なので、かなり近い値です。

この例では基準点との差が1と小さいため、一次近似がよく機能します。

二次近似と誤差項

続いては二次近似と誤差項を確認していきます。

一次近似は便利ですが、基準点から離れるほど接線と曲線の差が広がる場合があります。

そこで二階微分を用いて曲がり方まで取り入れる二次近似が必要になります。

二階微分が表す曲がり方

二階微分 f″(x) は、傾きがどのように変化するかを表す量です。

f″(a) が正ならグラフは下から持ち上がるような形になり、負なら上から押さえられるような形になります。

一次近似では接線に沿って予測しますが、実際の曲線が上へ曲がるのか下へ曲がるのかまではわかりません。

二次の項を加えることで、その不足分を補えます。

特に基準点の近くで極大値や極小値を調べる場面では、二階微分の役割が大きくなります。

最適化問題で二次近似が重視されるのも、曲率の情報が判断材料になるためです。

二次近似の計算例

cos x を x＝0 の近くで近似します。

f(x)＝cos x とすると、f(0)＝1です。

一階微分は－sin x なので f′(0)＝0となります。

二階微分は－cos x であり、f″(0)＝－1です。

二次近似の公式へ代入すると、次の式になります。

cos x ≒ 1－x²／2

たとえば x＝0.1なら、近似値は 1－0.01／2＝0.995です。

実際の cos 0.1 も約0.9950であり、非常に近い結果になります。

一階微分が0になる基準点では、二次の項が近似の精度を左右しやすい点にも注目してください。

誤差項と適用範囲

近似式は等式ではないため、必ず誤差が生じます。

一次近似では、一般に誤差は (x－a)² の大きさに関係します。

二次近似では、誤差はさらに小さくなり、(x－a)³ の大きさに関係します。

つまり基準点との差が小さいほど、近似式の信頼性は高まります。

一方で、基準点から大きく離れた値まで同じ近似式を使うと、予想以上のずれが出ることがあります。

関数によっては、途中で急激に増減したり、分母が0に近づいたりする場合もあるでしょう。

近似値を使うときは、答えの桁数を必要以上に細かく扱わないことも大切です。

テイラー展開とマクローリン展開

続いてはテイラー展開とマクローリン展開を確認していきます。

一次近似や二次近似をさらに一般化したものがテイラー展開です。

マクローリン展開は、基準点を0に限定したテイラー展開を指します。

テイラー展開の一般式

関数 f(x) を x＝a の近くで多項式として表す考え方がテイラー展開です。

代表的な形は次のようになります。

f(x) ≒ f(a) ＋ f′(a)(x－a) ＋ f″(a)(x－a)²／2！ ＋ f‴(a)(x－a)³／3！

さらに高い次数まで続ければ、より細かな変化も表現できます。

ここで 2！ は2の階乗、3！ は3の階乗です。

一般には、n次の項の分母に n！ が現れます。

テイラー展開は関数を基準点付近の多項式として読み替える方法と考えると、全体像をつかみやすくなります。

ただし、無限に項を足せば必ず元の関数と一致するとは限りません。

収束する範囲や関数の性質を確認する必要があります。

マクローリン展開の代表例

基準点が a＝0 の場合、テイラー展開はマクローリン展開と呼ばれます。

0での関数値や微分係数は計算しやすいケースが多く、実用的な公式として頻繁に登場します。

関数	マクローリン展開の主な形	使う際の見方
eのx乗	eのx乗 ≒ 1＋x＋x²／2！＋x³／3！	小さいxでの増加を表す
sin x	sin x ≒ x－x³／3！＋x⁵／5！	奇数次の項が並ぶ
cos x	cos x ≒ 1－x²／2！＋x⁴／4！	偶数次の項が並ぶ
log(1＋x)	log(1＋x) ≒ x－x²／2＋x³／3	xの絶対値が小さい範囲で利用する
1／(1－x)	1／(1－x) ≒ 1＋x＋x²＋x³	等比級数との関係が深い

sin x ≒ x は、もっともよく知られた近似の一つです。

ただしこの式を使うときの x は、度数法ではなくラジアンである必要があります。

単位を取り違えると、近似以前に計算の前提が崩れてしまうため注意しましょう。

項数の選び方

高次の項を多く残せば精度は上がりやすいものの、計算は複雑になります。

そのため必要な精度と計算の手間のバランスを考え、何次まで使うかを決めます。

小さな値を扱うだけなら、一次近似や二次近似で十分なことも珍しくありません。

一方で高い精度が必要な数値計算では、三次以上の項や剰余項まで考慮する場合があります。

一般的には、次に省略する項の大きさを確認すると判断しやすくなります。

たとえば x が0.01なら、x³やx⁴は非常に小さくなります。

反対に x が1に近い場合は、高次の項を簡単に無視できないこともあります。

近似式の種類と使い分け

続いては近似式の種類と使い分けを確認していきます。

近似には微分を使う方法以外にも、目的に応じたさまざまな種類があります。

線形近似と多項式近似

線形近似は、関数を一次式で表す方法です。

計算が速く、局所的な変化を捉えやすいため、最初に検討されることが多いでしょう。

多項式近似は、二次式、三次式などを用いてより複雑な曲線を表します。

テイラー展開は、多項式近似の代表例です。

近似したい範囲が狭いなら低次の式でも対応しやすく、範囲が広がるほど高次式や別の近似方法が必要になる傾向があります。

ただし次数を上げすぎると、計算や解釈が難しくなることもあります。

補間と回帰の違い

複数のデータから値を推定する方法として、補間と回帰があります。

補間は、与えられたデータ点をすべて通る式を作り、その間の値を求める方法です。

回帰は、観測値のばらつきを含めながら、全体の傾向に合う式を求めます。

実測データには誤差が含まれることが多いため、すべての点を通す補間が適切とは限りません。

正確に与えられた値の間を埋めるなら補間、誤差を含むデータの傾向を見るなら回帰という使い分けが基本です。

微分を使う局所近似と、データから作る近似式は目的が異なりますが、どちらも複雑な対象を扱いやすくする手段です。

代表的な近似方法の比較

方法	主な特徴	向いている場面	注意点
一次近似	接線を使う簡潔な近似	基準点のごく近く	曲がり方を表せない
二次近似	二階微分で曲率も反映	精度を少し高めたい場合	二階微分の計算が必要
テイラー展開	高次の多項式で近似	関数の局所的な詳細分析	収束範囲を確認する
マクローリン展開	0を中心とする展開	三角関数や指数関数の計算	基準点が0に固定される
補間	既知の点を通る式を作る	表データの中間値推定	外側の値には弱い
回帰	全体傾向に合う式を求める	実験値や観測データの分析	モデル選択が必要

近似方法を選ぶときは、基準点の有無、対象範囲、必要な精度、計算可能な情報を整理するとよいでしょう。

近似計算の注意点

続いては近似計算の注意点を確認していきます。

近似式は便利な反面、前提条件を外すと誤差が大きくなります。

公式の形だけで判断せず、使う範囲と単位を意識することが欠かせません。

基準点の選び方

基準点は、求めたい値にできるだけ近い値を選びます。

さらに、関数値と微分係数を簡単に計算できる点であることも重要です。

√101なら100、√24.8なら25を基準点にする考え方が代表例です。

sin 0.02のように0に近い値なら、マクローリン展開を利用しやすいでしょう。

一方で sin 1.57の近似を0の周りで行うと、基準点との距離が大きくなります。

その場合は、1.57に近い値を基準にしたテイラー展開や、別の恒等式を検討する方が適切です。

単位と有効数字

三角関数の近似では、角度の単位に注意が必要です。

sin x ≒ x は x がラジアンで表されている場合に成り立つ近似です。

1度をそのまま1として代入することはできません。

1度は約0.01745ラジアンなので、まず単位を変換する必要があります。

また、近似値の表示桁数にも配慮しましょう。

近似によって得た値を小数第10位まで示しても、近似誤差が小数第3位にあるなら意味が薄くなります。

計算結果の細かさは、近似の精度に見合う範囲へそろえることが大切です。

誤差を小さくする工夫

誤差を減らす方法はいくつかあります。

まず、計算したい値に近い基準点を選ぶ方法があります。

次に、一次近似ではなく二次近似や三次近似を使い、省略する項を小さくする方法も有効です。

関数の対称性や加法定理を利用し、計算しやすい値へ変形する工夫もあります。

たとえば sin(π／2－h) を cos h に置き換えれば、h が小さい場合にマクローリン展開を使いやすくなります。

近似後に元の式へ代入して概算の妥当性を確認する習慣も役立つでしょう。

符号、値の大きさ、増減の方向が直感と合っているかを確かめるだけでも、多くのミスを防げます。

近似式の公式のまとめ

近似式は、関数を基準点付近で扱いやすい式に置き換えるための方法です。

一次近似は f(x) ≒ f(a)＋f′(a)(x－a) で表され、接線を利用して関数値を予測します。

二次近似では二階微分の項を加え、グラフの曲がり方まで反映できます。

テイラー展開は近似を高次まで広げた一般的な考え方であり、基準点が0の場合はマクローリン展開です。

近似の精度は、基準点との距離と省略した項の大きさに大きく左右されます。

まずは求めたい値に近く、計算しやすい基準点を選ぶことから始めましょう。

一次近似、二次近似、マクローリン展開を目的に応じて使い分ければ、難しく見える関数計算も整理しやすくなります。