😊 一、什么是泰勒级数
泰勒级数是一种用多项式 来逼近任意光滑函数的方法。它的核心思想是：如果你知道一个函数在某一点处的各阶导数，你就可以用一个无限次的多项式来还原它（在收敛区间内）。
公式如下：
f(x)=∑n=0∞f(n)(a)n!(x−a)n f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!} (x - a)^n f(x)=n=0∑∞n!f(n)(a)(x−a)n
其中：
| 符号 | 含义 |
|---|---|
| ( f^{(n)}(a) ) | 函数在 ( x = a ) 处的第 ( n ) 阶导数 |
| ( n! ) | ( n ) 的阶乘 |
| ( a ) | 展开中心点 |
当 ( a = 0 ) 时，泰勒级数变成麦克劳林级数：
f(x)=∑n=0∞f(n)(0)n!xn f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n f(x)=n=0∑∞n!f(n)(0)xn
二、几何意义：多项式如何拟合曲线
泰勒级数的每一项都在"纠正"前一项的误差：
- 第 0 项：常数项，给出 ( f(a) ) 的值
- 第 1 项：一次项，给出 ( x = a ) 处的切线方向
- 第 2 项：二次项，给出曲线的弯曲程度（凹凸性）
- 第 3 项及以上：更高阶的修正，让拟合更精确
项数越多，拟合的精度越高，拟合范围也越大。
三、常见函数的泰勒展开（麦克劳林级数）
| 函数 | 泰勒展开（( a = 0 )） | 收敛域 |
|---|---|---|
| ( e^x ) | ( \sum_{n=0}^{\infty} \frac{x^n}{n!} = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots ) | ( (-\infty, +\infty) ) |
| ( \sin x ) | ( \sum_{n=0}^{\infty} (-1)^n \frac{x^{2n+1}}{(2n+1)!} = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots ) | ( (-\infty, +\infty) ) |
| ( \cos x ) | ( \sum_{n=0}^{\infty} (-1)^n \frac{x^{2n}}{(2n)!} = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \cdots ) | ( (-\infty, +\infty) ) |
| ( \ln(1+x) ) | ( \sum_{n=1}^{\infty} (-1)^{n-1} \frac{x^n}{n} = x - \frac{x^2}{2} + \frac{x^3}{3} - \cdots ) | ( (-1, 1] ) |
| ( \frac{1}{1-x} ) | ( \sum_{n=0}^{\infty} x^n = 1 + x + x^2 + x^3 + \cdots ) | ( (-1, 1) ) |
| ( (1+x)^\alpha ) | ( \sum_{n=0}^{\infty} \binom{\alpha}{n} x^n ) | ( (-1, 1) ) |
💡 二项式展开中的 ( \binom{\alpha}{n} = \frac{\alpha(\alpha-1)\cdots(\alpha-n+1)}{n!} )
四、余项与收敛性
实际计算时，我们只能取有限项（比如前 ( N ) 项）。截断带来的误差称为余项。
（1）拉格朗日余项
Rn(x)=f(n+1)(ξ)(n+1)!(x−a)n+1,ξ 介于 x 与 a 之间 R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!} (x - a)^{n+1}, \quad \xi \text{ 介于 } x \text{ 与 } a \text{ 之间} Rn(x)=(n+1)!f(n+1)(ξ)(x−a)n+1,ξ 介于 x 与 a 之间
（2）收敛半径
对于幂级数 ( \sum c_n (x-a)^n )，收敛半径 ( R ) 由根值法 或比值法确定：
1R=limn→∞sup∣cn∣n \frac{1}{R} = \lim_{n \to \infty} \sup \sqrt[n]{|c_n|} R1=n→∞limsupn∣cn∣
当 ( |x-a| < R ) 时，级数绝对收敛；当 ( |x-a| > R ) 时，级数发散。
五、工程应用
机械工程
xxx
xxx
xxx
电子电路
xxx
xxx
xxx
| 应用领域 | 具体用途 |
|---|---|
| 数值计算 | 计算器中的 ( \sin x )、( e^x )、( \ln x ) 就是用泰勒级数前几项近似的 |
| 物理/力学 | 小角度近似 ( \sin \theta \approx \theta )（单摆周期公式） |
| 控制理论 | 非线性系统在工作点附近的线性化（泰勒展开取一阶） |
| 优化算法 | 牛顿法利用二阶泰勒展开寻找极值点 |
| 金融数学 | 期权定价模型中的近似展开 |