学高数的人十个有八个在泰勒公式上栽过跟头。翻开教材看到一长串 (e^x 1 x \frac{x^2}{2!} \cdots) 加一个余项第一反应往往是背然后忘了再背。但真正做题的时候你会发现背下来的公式要么用错要么不知道展开到第几项要么符号写反。问题出在哪不是记性差而是没弄明白泰勒公式到底在做什么。这篇文章想把泰勒公式掰开揉碎讲清楚它是什么、为什么系数长那样、常见函数怎么展开、怎么判断展开到哪一阶、以及那些你容易踩的坑。内容不堆砌推导尽量用大白话和实际案例说明白适合正在学高数的学生、准备考研的同学以及想把数学底层逻辑搞明白的技术从业者。1. 泰勒公式到底在做什么从用多项式伪装函数说起1.1 为什么所有函数都想变成多项式先问一个问题给你一个陌生函数比如 (e^x) 或者 (\sin x)让你算它在某个点附近的值怎么处理直接按定义算很麻烦手算几乎不可能。但如果告诉你这个函数在某个点附近可以近似看成一个多项式比如 (e^x \approx 1 x \frac{x^2}{2})那问题就简单多了代入、加减乘除全是机械操作。多项式是数学里最听话的一类函数求导简单、积分简单、求值也简单。泰勒公式的核心思想就是在一个局部范围内用一个多项式去伪装一个复杂函数。伪装得越用心局部就越像。那怎么判断像不像两条曲线在某个点重合还不够最好它们的走势也一致。走势由什么决定导数。一阶导数决定斜率二阶导数决定弯曲方向高阶导数决定更细腻的变化。所以泰勒公式的思路是调整多项式的系数让多项式和目标函数在 (x_0) 这一点处函数值相等、一阶导相等、二阶导相等一直到 (n) 阶导都相等。这就是逐阶逼近。你给了目标函数多少个匹配条件多项式就能在多大程度上模仿它。1.2 系数为什么是 (f^{(k)}(x_0)/k!)亲手推一遍就忘不了很多人记不住通式是因为没理解分母那个 (k!) 是从哪冒出来的。跟着推一遍就明白了。假设想用一个 (n) 次多项式在 (x_0) 附近逼近 (f(x))把它写成[ P_n(x) a_0 a_1(x-x_0) a_2(x-x_0)^2 \cdots a_n(x-x_0)^n ]现在要让 (P_n(x_0) f(x_0))。把 (x x_0) 代入后面的项全变成 0立刻得到 (a_0 f(x_0))。再让一阶导相等。对 (P_n(x)) 求导[ P_n(x) a_1 2a_2(x-x_0) 3a_3(x-x_0)^2 \cdots ]代入 (x x_0)得到 (P_n(x_0) a_1)所以 (a_1 f(x_0))。继续二阶导。对 (P_n(x)) 求二阶导[ P_n(x) 2a_2 6a_3(x-x_0) 12a_4(x-x_0)^2 \cdots ]代入 (x x_0)得到 (2a_2)所以 (a_2 \frac{f(x_0)}{2})。看到规律了每求一次导原来 ((x-x_0)^k) 前面的系数就会乘以一个不断递减的整数最后剩下 (a_k \cdot k!)。为了和 (f^{(k)}(x_0)) 相等必须有[ a_k \frac{f^{(k)}(x_0)}{k!} ]那个 (k!) 不是凭空冒出来的是求导次数累积出来的倍数。如果你能理解这个推导通式就能自己写出来而不是死记。1.3 一个生活化类比用评分报告理解展开把函数想象成一个人(x_0) 是他的家(x) 附近的点就是他家周围的环境。只说这个人住在这里函数值相等信息太少再说他性格温和一阶导相等认识全面了一点继续补充他做事有章法、学习能力强二阶导、三阶导相等你对他的了解就越来越接近真实。每知道一条信息就给这个人的画像增加一个维度。泰勒公式里的每一项就是一条关于 (f(x)) 在 (x_0) 处的画像信息。取的项越多在你关心的局部范围内这个画像就越准确。但注意一个前提这个画像只在 (x_0) 附近有效。离 (x_0) 太远连高阶导数也很难保证多项式跟原函数长得一样所以每个展开式都有它的适用范围这也是后面要反复强调的点。2. 常见函数的麦克劳林展开一张表背后的记忆逻辑当 (x_0 0) 时泰勒公式有一个专门的名字叫麦克劳林公式。考试和日常使用中绝大多数情况都是在 0 点展开所以下面这些常见展开式其实全部是麦克劳林展开。2.1 两条根公式(e^x) 和 (\frac{1}{1-x})[ e^x 1 x \frac{x^2}{2!} \frac{x^3}{3!} \cdots \sum_{n0}^{\infty} \frac{x^n}{n!} ]凡是学过求导的都知道(e^x) 求多少次导都是它自己在 0 点的值永远是 1所以系数全部是 (\frac{1}{n!})。这条公式是整个泰勒体系的根之一后面很多展开都跟它沾亲带故。第二条根是分式[ \frac{1}{1-x} 1 x x^2 x^3 \cdots ]这不是求导推出来的而是等比数列求和公式。当 (|x|1) 时公比为 (x) 的无穷等比级数和就是 (\frac{1}{1-x})。记住这两条根能推出半壁江山。把第二条里的 (x) 换成 (-x)立刻得到[ \frac{1}{1x} 1 - x x^2 - x^3 \cdots ]2.2 三角函数利用符号规律和欧拉公式[ \sin x x - \frac{x^3}{3!} \frac{x^5}{5!} - \frac{x^7}{7!} \cdots ][ \cos x 1 - \frac{x^2}{2!} \frac{x^4}{4!} - \frac{x^6}{6!} \cdots ]记忆要点(\sin x) 是奇函数所以只有奇数次幂(\cos x) 是偶函数所以只有偶数次幂两项都正负交替。还有一个隐藏验证方法(\sin x) 求导是 (\cos x)所以从 (\sin x) 的展开式各项求导正好能得到 (\cos x) 的展开式。用这条关系自查符号不可能写错。学复变或者学电路的同学可能见过欧拉公式 (e^{ix} \cos x i\sin x)。把 (e^{ix}) 的展开式按实部、虚部分开实部是 cos 的展开虚部是 sin 的展开。这也是一种很有安全感的记忆验证方式。2.3 对数函数和反三角函数借助导数/积分关系对数函数[ \ln(1x) x - \frac{x^2}{2} \frac{x^3}{3} - \frac{x^4}{4} \cdots ]它的来源很有逻辑(\ln(1x)) 的导数是 (\frac{1}{1x})而 (\frac{1}{1x}) 就是上面那条根公式用 (-x) 代换后的等比级数。从 0 到 (x) 逐项积分分母就变成了 (n)于是就有了那个分母递增的规律。所以 (\ln(1x)) 可以一辈子不背会背 (\sum (-x)^n) 并积一次分就行。反三角函数同理[ \arctan x x - \frac{x^3}{3} \frac{x^5}{5} - \frac{x^7}{7} \cdots ]因为 (\frac{d}{dx}\arctan x \frac{1}{1x^2})而 (\frac{1}{1x^2}) 就是把 (\frac{1}{1-x}) 里的 (x) 换成 (-x^2)。逐项积分分母同样递增。这条公式比 (\ln(1x)) 还规整只有奇数次幂符号交替。比较麻烦的是 (\arcsin x)[ \arcsin x x \frac{x^3}{6} \frac{3x^5}{40} \frac{5x^7}{112} \cdots ]它的导数 ((1-x^2)^{-\frac{1}{2}})是后面会说的广义二项式展开积分后系数就会带组合数不好看但可以推导。如果你只是应付考试(\arcsin x) 记前三项足够推导路径要会。2.4 幂函数二项式展开一个公式打通一堆变形[ (1x)^\alpha 1 \alpha x \frac{\alpha(\alpha-1)}{2!}x^2 \frac{\alpha(\alpha-1)(\alpha-2)}{3!}x^3 \cdots ]这就是广义二项式定理。这里的 (\alpha) 可以是任何实数甚至可以不是正整数。很多看似独立的展开式都是它的特例(\alpha -1)得到 (1 - x x^2 - x^3 \cdots)(\alpha \frac{1}{2})得到 (\sqrt{1x} 1 \frac{1}{2}x - \frac{1}{8}x^2 \frac{1}{16}x^3 - \cdots)(\alpha -\frac{1}{2})得到 (\frac{1}{\sqrt{1x}})再配合换元能推出 (\arcsin x) 的展开系数。2.5 常见展开式速查表把上面这些集中到一张表里方便随时对照。函数麦克劳林展开前几项适用范围(e^x)(1 x \frac{x^2}{2!} \frac{x^3}{3!} \cdots)(x \in \mathbb{R})(\sin x)(x - \frac{x^3}{3!} \frac{x^5}{5!} - \frac{x^7}{7!} \cdots)(x \in \mathbb{R})(\cos x)(1 - \frac{x^2}{2!} \frac{x^4}{4!} - \frac{x^6}{6!} \cdots)(x \in \mathbb{R})(\frac{1}{1-x})(1 x x^2 x^3 \cdots)((\frac{1}{1x})(1 - x x^2 - x^3 \cdots)((\ln(1x))(x - \frac{x^2}{2} \frac{x^3}{3} - \frac{x^4}{4} \cdots)(-1 x \le 1)(\arctan x)(x - \frac{x^3}{3} \frac{x^5}{5} - \frac{x^7}{7} \cdots)((\arcsin x)(x \frac{x^3}{6} \frac{3x^5}{40} \cdots)(((1x)^\alpha)(1 \alpha x \frac{\alpha(\alpha-1)}{2!}x^2 \cdots)((\tan x)(x \frac{x^3}{3} \frac{2x^5}{15} \cdots)(这里多提一句 (\tan x)。它不像 (\sin x)、(\cos x) 那样可以直接从等比级数或者求导推出来系数涉及伯努利数硬背容易和 (\sin x)、(\arcsin x) 搞混。我习惯用对比记忆(\sin x) 的 (x^3) 系数是 (-\frac{1}{6})而 (\tan x) 的 (x^3) 系数是 (\frac{1}{3})一负一正、分母一个 6 一个 3对比着记就不会乱了。3. 展开到第几项才够用余项、比阶与实战判断3.1 佩亚诺余项和拉格朗日余项的分工泰勒公式写全应该是多项式 余项[ f(x) \sum_{k0}^{n} \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k R_n(x) ]余项是描述误差的。最常见的两种佩亚诺余项[ R_n(x) o((x-x_0)^n) ]意思是当 (x \to x_0) 时余项比 ((x-x_0)^n) 更快地趋近于 0。它只说明误差很小不管误差到底多大。所以佩亚诺余项主要用在求极限、比阶这种只看局部行为的场景因为它写起来方便不用管中间那个 (\xi) 在哪。拉格朗日余项[ R_n(x) \frac{f^{(n1)}(\xi)}{(n1)!}(x-x_0)^{n1} ]其中 (\xi) 介于 (x_0) 和 (x) 之间。它和多项式项长得一模一样只是 (f^{(n1)}) 的自变量变了。由于能利用值域放缩它可以用来估计近似的误差界或者证明不等式。实际使用原则很明确做极限题写佩亚诺余项算近似、证不等式、做误差分析写拉格朗日余项。二者别混用。3.2 求极限时展开到几项的判断规则这是被问得最多的问题展开到第几项才算完标准答案展开到分子分母中最低阶且能决定结果的那一项。更朴实的说法是把分子分母都展开到 (x) 的某个次幂使得相减或相加后分母的最低次幂能被完整判断。比如分母是 (x^3)分子就必须展开到 (x^3)不能只到 (x^2)。只到 (x^2)(x^3) 的系数未知极限就算不出来。再多展开一项行不行行。因为多写出的项在后面都归于高阶无穷小不会影响极限结果。但展开过头会增加计算量容易抄错。一个实用的判断技巧先大概看一眼整个式子找一下分母或整个分式中最低次幂在哪然后以此为准。如果式子里的因子既有 (x^2) 又有 (x^3)那一般展开到较低的 (x^2) 就够同时保留 (o(x^2)) 就好。3.3 等价无穷小和泰勒展开的关系等价无穷小其实就是泰勒展开的一阶截断。(\sin x \sim x)本质上是只取了 (\sin x) 展开式的第一项。一阶截断在乘除时很方便但在加减场景下风险很大因为后面没有抵消的高阶项可能才是主导项。最经典的例子[ \lim_{x \to 0} \frac{x - \sin x}{x^3} ]如果一看到 (x - \sin x) 就用 (x - x 0)直接出错。正确答案是 (\frac{1}{6})这个结果完全来自 (\sin x) 展开式的 (-\frac{x^3}{6}) 项。用泰勒展开就是把这些看不见的低阶残差显式写出来从根上避免等价无穷小在加减法里埋的坑。3.4 两个完整例子例 1[ \lim_{x \to 0} \frac{e^x - 1 - x}{x^2} ]把 (e^x 1 x \frac{x^2}{2} o(x^2)) 代入分子[ e^x - 1 - x \frac{x^2}{2} o(x^2) ]所以极限是 (\frac{1}{2})。如果只用 (e^x - 1 \sim x)分子变 0也是无从下手。例 2[ \lim_{x \to 0} \frac{\tan x - \sin x}{x^3} ]这里建议展开到 (x^3)[ \tan x x \frac{x^3}{3} o(x^3) ][ \sin x x - \frac{x^3}{6} o(x^3) ]相减[ \tan x - \sin x \frac{x^3}{2} o(x^3) ]极限是 (\frac{1}{2})。这个题用洛必达需要连求三次导而泰勒展开只需要把两个公式写出来相减效率和准确率都高得多。4. 常见错误与排查为什么你的展开总是对不上4.1 符号和系数记错最常见的错误集中在几个长得很像的公式上(\ln(1x)) 和 (\arctan x) 都是正负交替、分母递增但一个是从 (x) 开始每项都有(x, x^2, x^3, \cdots)另一个只含奇数次幂(x, x^3, x^5, \cdots)。(\sin x) 和 (\tan x) 的系数一个是 (-\frac{1}{6})、一个是 (\frac{1}{3})。(\arcsin x) 和 (\arctan x)一个所有项为正、一个正负交替。我的排查习惯是看到展开式先看奇偶性。奇函数只能含奇数次幂偶函数只能含偶数次幂。如果写出来的式子奇偶性和原函数对不上那一定错了。4.2 换元后忘记乘幂次举个典型错误[ \ln(12x) 2x - \frac{(2x)^2}{2} \frac{(2x)^3}{3} - \cdots ]正确的写法是每一项都要带 (2^k)[ \ln(12x) 2x - 2x^2 \frac{8}{3}x^3 - \cdots ]很多人记住 (\ln(1x)) 的公式后把 (x) 直接替换成 (2x)却忘了 ((2x)^n) 中的 (2^n) 这个因子。换元之后必须整体展开不能只换第一项。同样的道理也适用于 (\sin(2x))、(e^{x^2}) 这类复合结构。(e^{x^2} 1 x^2 \frac{x^4}{2} \cdots)如果写成 (1 x^2 \frac{x^3}{2}) 就闹笑话了因为 (x \to x^2) 后次数全是偶数。4.3 余项阶数写错展开到 (n) 次项佩亚诺余项应写成 (o(x^n))不是 (o(x^{n1}))。道理在于你保留到 (x^n)说明丢弃的是 (x^n) 之后的高阶部分也就是比 (x^n) 高阶的无穷小写作 (o(x^n))。如果写成 (o(x^{n1}))实际上是告诉别人误差比 (x^{n1}) 还小这个信息比 (o(x^n)) 更强但和你的截断位置不匹配做题时会造成阶数判断上的混乱。4.4 展开点搞错麦克劳林展开是在 (x0) 处展开。如果让你在 (x a) 处展开公式里每一项应该是 ((x-a)^k)不是 (x^k)。比如把 (\ln x) 在 (x1) 处展开要先把 (\ln x) 写成 (\ln(1 (x-1)))然后令 (t x-1)用 (\ln(1t)) 的展开式。有个从做题中总结出来的办法看到在 (xa) 处展开立刻在稿纸上写一个括号 ((x-a)) 占位后续所有幂次都往这个括号里放就不会习惯性地写 (x) 了。4.5 自查技巧数值代入和导数反查展开式写完了怎么知道有没有写错两个低成本方法数值代入。取一个小数比如 (x0.1)用计算器算出原函数值再手算展开式前几项的和。(\sin 0.1 \approx 0.0998334)如果你误写成 (x \frac{x^3}{6})得到 (0.1001667)误差一眼就能察觉。这个方法并不严谨但足够用来抓大错。导数反查。展开式里 (x^k) 的系数应该等于 (\frac{f^{(k)}(0)}{k!})。挑一个低阶项比如 (k1) 或 (k2)对原函数求一阶或二阶导代 0 验证系数。推导过程中如果系数有问题几步之内就能发现。这两种方法都不需要额外工具考试时也养成了写完自查的习惯性价比很高。5. 泰勒展开的四个高频应用场景极限、导数、近似与积分5.1 求极限从反复洛必达到直接展开初学极限时洛必达是主力武器但对复杂的 (0/0) 型极限洛必达可能要求四五次导中间一不留神就错。泰勒展开则是一步到位把每个因子展开到目标阶数整式的极限一目了然。前面例 2 已经展示了这一点。再多说一个判断如果极限式里同时出现 (\sin x)、(\ln(1x))、(e^x) 这类基本函数优先考虑泰勒展开而不是洛必达。原因很简单基本函数都有现成展开公式抄下来总比连续求导快。5.2 求高阶导数从展开系数反推这是很多人没意识到的技巧。如果一个函数能展开成幂级数[ f(x) a_0 a_1 x a_2 x^2 \cdots a_n x^n \cdots ]那么一定满足[ a_n \frac{f^{(n)}(0)}{n!} ]反过来[ f^{(n)}(0) n! \cdot a_n ]想求某个函数在 0 点的高阶导数不需要真的求 n 次导。只要把展开式中 (x^n) 的系数找出来乘一个 (n!) 就完事。举个例子设 (f(x) e^{x^2})求 (f^{(6)}(0))。直接求六次导会写到怀疑人生但展开式[ e^{x^2} 1 x^2 \frac{x^4}{2} \frac{x^6}{6} \cdots ](x^6) 的系数是 (\frac{1}{6})所以[ f^{(6)}(0) 6! \times \frac{1}{6} 120 ]这个方法在处理展开式比导数好算的函数时效果极佳。5.3 数值近似手算 (e) 和 (\sin)展开式最朴素的应用就是近似计算。例如取 (e^x) 展开式中 (x1)[ e 1 1 \frac{1}{2} \frac{1}{6} \frac{1}{24} \frac{1}{120} \cdots ]前六项加起来是 (2.7167)已经非常接近真实值 (2.71828)。每多取一项误差就会缩小一截拉格朗日余项还能帮你量化误差到底不超过多少。再比如手算 (\sin 0.5)[ \sin 0.5 \approx 0.5 - \frac{0.5^3}{6} \frac{0.5^5}{120} ]算出来约等于 (0.4791667)而真实值是 (0.4794255)前三项已经精确到小数点后三位。这就是为什么很多计算器底层不直接用定义算三角函数而是用多项式逼近的思路在某个展开点附近用少数几项多项式达到足够的浮点精度。5.4 不等式和定积分的放缩拉格朗日余项有一个经典用法证明常见的函数不等式。比如证明 (x 0) 时[ x - \frac{x^3}{6} \sin x x ]从 (\sin x) 的展开和余项符号可以直接得出。在证明题和大题里这种展开式 余项符号的组合往往比构造辅助函数求导来得更直接。被积函数没有初等原函数时展开法也很有用。比如估算 (\int_0^1 e^{-x^2} dx)(e^{-x^2}) 没有初等原函数但可以展开成幂级数再逐项积分取前几项就能得到相当好的数值估计。这是数值分析里的基本操作也是把泰勒从考试工具变成实用工具的重要路径。5.5 一个个人作品平时如何维护自己的展开式清单最后分享一个实操习惯。我会在笔记本或者手机备忘录里长期维护一份展开式自查表每次发现记混某个公式就在旁边标注一个容易混淆的对照。时间长了这份表就变成了个性化的易错点索引比任何现成的公式手册都好用。比如我自己的表里就专门把 (\tan x)、(\arcsin x) 和 (\sin x) 前三项并排抄在一起以防考试时突然卡壳。如果你也想真正掌握泰勒展开建议别急着背完全部十来个公式。先吃透 (e^x) 和 (\frac{1}{1-x}) 这两条根再自己推一遍 (\ln(1x))、(\arctan x)、(\arcsin x)推过两三次之后那些系数和符号就变成你自己的东西了。
泰勒公式详解：从多项式逼近到极限、导数与数值近似
学高数的人十个有八个在泰勒公式上栽过跟头。翻开教材看到一长串 (e^x 1 x \frac{x^2}{2!} \cdots) 加一个余项第一反应往往是背然后忘了再背。但真正做题的时候你会发现背下来的公式要么用错要么不知道展开到第几项要么符号写反。问题出在哪不是记性差而是没弄明白泰勒公式到底在做什么。这篇文章想把泰勒公式掰开揉碎讲清楚它是什么、为什么系数长那样、常见函数怎么展开、怎么判断展开到哪一阶、以及那些你容易踩的坑。内容不堆砌推导尽量用大白话和实际案例说明白适合正在学高数的学生、准备考研的同学以及想把数学底层逻辑搞明白的技术从业者。1. 泰勒公式到底在做什么从用多项式伪装函数说起1.1 为什么所有函数都想变成多项式先问一个问题给你一个陌生函数比如 (e^x) 或者 (\sin x)让你算它在某个点附近的值怎么处理直接按定义算很麻烦手算几乎不可能。但如果告诉你这个函数在某个点附近可以近似看成一个多项式比如 (e^x \approx 1 x \frac{x^2}{2})那问题就简单多了代入、加减乘除全是机械操作。多项式是数学里最听话的一类函数求导简单、积分简单、求值也简单。泰勒公式的核心思想就是在一个局部范围内用一个多项式去伪装一个复杂函数。伪装得越用心局部就越像。那怎么判断像不像两条曲线在某个点重合还不够最好它们的走势也一致。走势由什么决定导数。一阶导数决定斜率二阶导数决定弯曲方向高阶导数决定更细腻的变化。所以泰勒公式的思路是调整多项式的系数让多项式和目标函数在 (x_0) 这一点处函数值相等、一阶导相等、二阶导相等一直到 (n) 阶导都相等。这就是逐阶逼近。你给了目标函数多少个匹配条件多项式就能在多大程度上模仿它。1.2 系数为什么是 (f^{(k)}(x_0)/k!)亲手推一遍就忘不了很多人记不住通式是因为没理解分母那个 (k!) 是从哪冒出来的。跟着推一遍就明白了。假设想用一个 (n) 次多项式在 (x_0) 附近逼近 (f(x))把它写成[ P_n(x) a_0 a_1(x-x_0) a_2(x-x_0)^2 \cdots a_n(x-x_0)^n ]现在要让 (P_n(x_0) f(x_0))。把 (x x_0) 代入后面的项全变成 0立刻得到 (a_0 f(x_0))。再让一阶导相等。对 (P_n(x)) 求导[ P_n(x) a_1 2a_2(x-x_0) 3a_3(x-x_0)^2 \cdots ]代入 (x x_0)得到 (P_n(x_0) a_1)所以 (a_1 f(x_0))。继续二阶导。对 (P_n(x)) 求二阶导[ P_n(x) 2a_2 6a_3(x-x_0) 12a_4(x-x_0)^2 \cdots ]代入 (x x_0)得到 (2a_2)所以 (a_2 \frac{f(x_0)}{2})。看到规律了每求一次导原来 ((x-x_0)^k) 前面的系数就会乘以一个不断递减的整数最后剩下 (a_k \cdot k!)。为了和 (f^{(k)}(x_0)) 相等必须有[ a_k \frac{f^{(k)}(x_0)}{k!} ]那个 (k!) 不是凭空冒出来的是求导次数累积出来的倍数。如果你能理解这个推导通式就能自己写出来而不是死记。1.3 一个生活化类比用评分报告理解展开把函数想象成一个人(x_0) 是他的家(x) 附近的点就是他家周围的环境。只说这个人住在这里函数值相等信息太少再说他性格温和一阶导相等认识全面了一点继续补充他做事有章法、学习能力强二阶导、三阶导相等你对他的了解就越来越接近真实。每知道一条信息就给这个人的画像增加一个维度。泰勒公式里的每一项就是一条关于 (f(x)) 在 (x_0) 处的画像信息。取的项越多在你关心的局部范围内这个画像就越准确。但注意一个前提这个画像只在 (x_0) 附近有效。离 (x_0) 太远连高阶导数也很难保证多项式跟原函数长得一样所以每个展开式都有它的适用范围这也是后面要反复强调的点。2. 常见函数的麦克劳林展开一张表背后的记忆逻辑当 (x_0 0) 时泰勒公式有一个专门的名字叫麦克劳林公式。考试和日常使用中绝大多数情况都是在 0 点展开所以下面这些常见展开式其实全部是麦克劳林展开。2.1 两条根公式(e^x) 和 (\frac{1}{1-x})[ e^x 1 x \frac{x^2}{2!} \frac{x^3}{3!} \cdots \sum_{n0}^{\infty} \frac{x^n}{n!} ]凡是学过求导的都知道(e^x) 求多少次导都是它自己在 0 点的值永远是 1所以系数全部是 (\frac{1}{n!})。这条公式是整个泰勒体系的根之一后面很多展开都跟它沾亲带故。第二条根是分式[ \frac{1}{1-x} 1 x x^2 x^3 \cdots ]这不是求导推出来的而是等比数列求和公式。当 (|x|1) 时公比为 (x) 的无穷等比级数和就是 (\frac{1}{1-x})。记住这两条根能推出半壁江山。把第二条里的 (x) 换成 (-x)立刻得到[ \frac{1}{1x} 1 - x x^2 - x^3 \cdots ]2.2 三角函数利用符号规律和欧拉公式[ \sin x x - \frac{x^3}{3!} \frac{x^5}{5!} - \frac{x^7}{7!} \cdots ][ \cos x 1 - \frac{x^2}{2!} \frac{x^4}{4!} - \frac{x^6}{6!} \cdots ]记忆要点(\sin x) 是奇函数所以只有奇数次幂(\cos x) 是偶函数所以只有偶数次幂两项都正负交替。还有一个隐藏验证方法(\sin x) 求导是 (\cos x)所以从 (\sin x) 的展开式各项求导正好能得到 (\cos x) 的展开式。用这条关系自查符号不可能写错。学复变或者学电路的同学可能见过欧拉公式 (e^{ix} \cos x i\sin x)。把 (e^{ix}) 的展开式按实部、虚部分开实部是 cos 的展开虚部是 sin 的展开。这也是一种很有安全感的记忆验证方式。2.3 对数函数和反三角函数借助导数/积分关系对数函数[ \ln(1x) x - \frac{x^2}{2} \frac{x^3}{3} - \frac{x^4}{4} \cdots ]它的来源很有逻辑(\ln(1x)) 的导数是 (\frac{1}{1x})而 (\frac{1}{1x}) 就是上面那条根公式用 (-x) 代换后的等比级数。从 0 到 (x) 逐项积分分母就变成了 (n)于是就有了那个分母递增的规律。所以 (\ln(1x)) 可以一辈子不背会背 (\sum (-x)^n) 并积一次分就行。反三角函数同理[ \arctan x x - \frac{x^3}{3} \frac{x^5}{5} - \frac{x^7}{7} \cdots ]因为 (\frac{d}{dx}\arctan x \frac{1}{1x^2})而 (\frac{1}{1x^2}) 就是把 (\frac{1}{1-x}) 里的 (x) 换成 (-x^2)。逐项积分分母同样递增。这条公式比 (\ln(1x)) 还规整只有奇数次幂符号交替。比较麻烦的是 (\arcsin x)[ \arcsin x x \frac{x^3}{6} \frac{3x^5}{40} \frac{5x^7}{112} \cdots ]它的导数 ((1-x^2)^{-\frac{1}{2}})是后面会说的广义二项式展开积分后系数就会带组合数不好看但可以推导。如果你只是应付考试(\arcsin x) 记前三项足够推导路径要会。2.4 幂函数二项式展开一个公式打通一堆变形[ (1x)^\alpha 1 \alpha x \frac{\alpha(\alpha-1)}{2!}x^2 \frac{\alpha(\alpha-1)(\alpha-2)}{3!}x^3 \cdots ]这就是广义二项式定理。这里的 (\alpha) 可以是任何实数甚至可以不是正整数。很多看似独立的展开式都是它的特例(\alpha -1)得到 (1 - x x^2 - x^3 \cdots)(\alpha \frac{1}{2})得到 (\sqrt{1x} 1 \frac{1}{2}x - \frac{1}{8}x^2 \frac{1}{16}x^3 - \cdots)(\alpha -\frac{1}{2})得到 (\frac{1}{\sqrt{1x}})再配合换元能推出 (\arcsin x) 的展开系数。2.5 常见展开式速查表把上面这些集中到一张表里方便随时对照。函数麦克劳林展开前几项适用范围(e^x)(1 x \frac{x^2}{2!} \frac{x^3}{3!} \cdots)(x \in \mathbb{R})(\sin x)(x - \frac{x^3}{3!} \frac{x^5}{5!} - \frac{x^7}{7!} \cdots)(x \in \mathbb{R})(\cos x)(1 - \frac{x^2}{2!} \frac{x^4}{4!} - \frac{x^6}{6!} \cdots)(x \in \mathbb{R})(\frac{1}{1-x})(1 x x^2 x^3 \cdots)((\frac{1}{1x})(1 - x x^2 - x^3 \cdots)((\ln(1x))(x - \frac{x^2}{2} \frac{x^3}{3} - \frac{x^4}{4} \cdots)(-1 x \le 1)(\arctan x)(x - \frac{x^3}{3} \frac{x^5}{5} - \frac{x^7}{7} \cdots)((\arcsin x)(x \frac{x^3}{6} \frac{3x^5}{40} \cdots)(((1x)^\alpha)(1 \alpha x \frac{\alpha(\alpha-1)}{2!}x^2 \cdots)((\tan x)(x \frac{x^3}{3} \frac{2x^5}{15} \cdots)(这里多提一句 (\tan x)。它不像 (\sin x)、(\cos x) 那样可以直接从等比级数或者求导推出来系数涉及伯努利数硬背容易和 (\sin x)、(\arcsin x) 搞混。我习惯用对比记忆(\sin x) 的 (x^3) 系数是 (-\frac{1}{6})而 (\tan x) 的 (x^3) 系数是 (\frac{1}{3})一负一正、分母一个 6 一个 3对比着记就不会乱了。3. 展开到第几项才够用余项、比阶与实战判断3.1 佩亚诺余项和拉格朗日余项的分工泰勒公式写全应该是多项式 余项[ f(x) \sum_{k0}^{n} \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k R_n(x) ]余项是描述误差的。最常见的两种佩亚诺余项[ R_n(x) o((x-x_0)^n) ]意思是当 (x \to x_0) 时余项比 ((x-x_0)^n) 更快地趋近于 0。它只说明误差很小不管误差到底多大。所以佩亚诺余项主要用在求极限、比阶这种只看局部行为的场景因为它写起来方便不用管中间那个 (\xi) 在哪。拉格朗日余项[ R_n(x) \frac{f^{(n1)}(\xi)}{(n1)!}(x-x_0)^{n1} ]其中 (\xi) 介于 (x_0) 和 (x) 之间。它和多项式项长得一模一样只是 (f^{(n1)}) 的自变量变了。由于能利用值域放缩它可以用来估计近似的误差界或者证明不等式。实际使用原则很明确做极限题写佩亚诺余项算近似、证不等式、做误差分析写拉格朗日余项。二者别混用。3.2 求极限时展开到几项的判断规则这是被问得最多的问题展开到第几项才算完标准答案展开到分子分母中最低阶且能决定结果的那一项。更朴实的说法是把分子分母都展开到 (x) 的某个次幂使得相减或相加后分母的最低次幂能被完整判断。比如分母是 (x^3)分子就必须展开到 (x^3)不能只到 (x^2)。只到 (x^2)(x^3) 的系数未知极限就算不出来。再多展开一项行不行行。因为多写出的项在后面都归于高阶无穷小不会影响极限结果。但展开过头会增加计算量容易抄错。一个实用的判断技巧先大概看一眼整个式子找一下分母或整个分式中最低次幂在哪然后以此为准。如果式子里的因子既有 (x^2) 又有 (x^3)那一般展开到较低的 (x^2) 就够同时保留 (o(x^2)) 就好。3.3 等价无穷小和泰勒展开的关系等价无穷小其实就是泰勒展开的一阶截断。(\sin x \sim x)本质上是只取了 (\sin x) 展开式的第一项。一阶截断在乘除时很方便但在加减场景下风险很大因为后面没有抵消的高阶项可能才是主导项。最经典的例子[ \lim_{x \to 0} \frac{x - \sin x}{x^3} ]如果一看到 (x - \sin x) 就用 (x - x 0)直接出错。正确答案是 (\frac{1}{6})这个结果完全来自 (\sin x) 展开式的 (-\frac{x^3}{6}) 项。用泰勒展开就是把这些看不见的低阶残差显式写出来从根上避免等价无穷小在加减法里埋的坑。3.4 两个完整例子例 1[ \lim_{x \to 0} \frac{e^x - 1 - x}{x^2} ]把 (e^x 1 x \frac{x^2}{2} o(x^2)) 代入分子[ e^x - 1 - x \frac{x^2}{2} o(x^2) ]所以极限是 (\frac{1}{2})。如果只用 (e^x - 1 \sim x)分子变 0也是无从下手。例 2[ \lim_{x \to 0} \frac{\tan x - \sin x}{x^3} ]这里建议展开到 (x^3)[ \tan x x \frac{x^3}{3} o(x^3) ][ \sin x x - \frac{x^3}{6} o(x^3) ]相减[ \tan x - \sin x \frac{x^3}{2} o(x^3) ]极限是 (\frac{1}{2})。这个题用洛必达需要连求三次导而泰勒展开只需要把两个公式写出来相减效率和准确率都高得多。4. 常见错误与排查为什么你的展开总是对不上4.1 符号和系数记错最常见的错误集中在几个长得很像的公式上(\ln(1x)) 和 (\arctan x) 都是正负交替、分母递增但一个是从 (x) 开始每项都有(x, x^2, x^3, \cdots)另一个只含奇数次幂(x, x^3, x^5, \cdots)。(\sin x) 和 (\tan x) 的系数一个是 (-\frac{1}{6})、一个是 (\frac{1}{3})。(\arcsin x) 和 (\arctan x)一个所有项为正、一个正负交替。我的排查习惯是看到展开式先看奇偶性。奇函数只能含奇数次幂偶函数只能含偶数次幂。如果写出来的式子奇偶性和原函数对不上那一定错了。4.2 换元后忘记乘幂次举个典型错误[ \ln(12x) 2x - \frac{(2x)^2}{2} \frac{(2x)^3}{3} - \cdots ]正确的写法是每一项都要带 (2^k)[ \ln(12x) 2x - 2x^2 \frac{8}{3}x^3 - \cdots ]很多人记住 (\ln(1x)) 的公式后把 (x) 直接替换成 (2x)却忘了 ((2x)^n) 中的 (2^n) 这个因子。换元之后必须整体展开不能只换第一项。同样的道理也适用于 (\sin(2x))、(e^{x^2}) 这类复合结构。(e^{x^2} 1 x^2 \frac{x^4}{2} \cdots)如果写成 (1 x^2 \frac{x^3}{2}) 就闹笑话了因为 (x \to x^2) 后次数全是偶数。4.3 余项阶数写错展开到 (n) 次项佩亚诺余项应写成 (o(x^n))不是 (o(x^{n1}))。道理在于你保留到 (x^n)说明丢弃的是 (x^n) 之后的高阶部分也就是比 (x^n) 高阶的无穷小写作 (o(x^n))。如果写成 (o(x^{n1}))实际上是告诉别人误差比 (x^{n1}) 还小这个信息比 (o(x^n)) 更强但和你的截断位置不匹配做题时会造成阶数判断上的混乱。4.4 展开点搞错麦克劳林展开是在 (x0) 处展开。如果让你在 (x a) 处展开公式里每一项应该是 ((x-a)^k)不是 (x^k)。比如把 (\ln x) 在 (x1) 处展开要先把 (\ln x) 写成 (\ln(1 (x-1)))然后令 (t x-1)用 (\ln(1t)) 的展开式。有个从做题中总结出来的办法看到在 (xa) 处展开立刻在稿纸上写一个括号 ((x-a)) 占位后续所有幂次都往这个括号里放就不会习惯性地写 (x) 了。4.5 自查技巧数值代入和导数反查展开式写完了怎么知道有没有写错两个低成本方法数值代入。取一个小数比如 (x0.1)用计算器算出原函数值再手算展开式前几项的和。(\sin 0.1 \approx 0.0998334)如果你误写成 (x \frac{x^3}{6})得到 (0.1001667)误差一眼就能察觉。这个方法并不严谨但足够用来抓大错。导数反查。展开式里 (x^k) 的系数应该等于 (\frac{f^{(k)}(0)}{k!})。挑一个低阶项比如 (k1) 或 (k2)对原函数求一阶或二阶导代 0 验证系数。推导过程中如果系数有问题几步之内就能发现。这两种方法都不需要额外工具考试时也养成了写完自查的习惯性价比很高。5. 泰勒展开的四个高频应用场景极限、导数、近似与积分5.1 求极限从反复洛必达到直接展开初学极限时洛必达是主力武器但对复杂的 (0/0) 型极限洛必达可能要求四五次导中间一不留神就错。泰勒展开则是一步到位把每个因子展开到目标阶数整式的极限一目了然。前面例 2 已经展示了这一点。再多说一个判断如果极限式里同时出现 (\sin x)、(\ln(1x))、(e^x) 这类基本函数优先考虑泰勒展开而不是洛必达。原因很简单基本函数都有现成展开公式抄下来总比连续求导快。5.2 求高阶导数从展开系数反推这是很多人没意识到的技巧。如果一个函数能展开成幂级数[ f(x) a_0 a_1 x a_2 x^2 \cdots a_n x^n \cdots ]那么一定满足[ a_n \frac{f^{(n)}(0)}{n!} ]反过来[ f^{(n)}(0) n! \cdot a_n ]想求某个函数在 0 点的高阶导数不需要真的求 n 次导。只要把展开式中 (x^n) 的系数找出来乘一个 (n!) 就完事。举个例子设 (f(x) e^{x^2})求 (f^{(6)}(0))。直接求六次导会写到怀疑人生但展开式[ e^{x^2} 1 x^2 \frac{x^4}{2} \frac{x^6}{6} \cdots ](x^6) 的系数是 (\frac{1}{6})所以[ f^{(6)}(0) 6! \times \frac{1}{6} 120 ]这个方法在处理展开式比导数好算的函数时效果极佳。5.3 数值近似手算 (e) 和 (\sin)展开式最朴素的应用就是近似计算。例如取 (e^x) 展开式中 (x1)[ e 1 1 \frac{1}{2} \frac{1}{6} \frac{1}{24} \frac{1}{120} \cdots ]前六项加起来是 (2.7167)已经非常接近真实值 (2.71828)。每多取一项误差就会缩小一截拉格朗日余项还能帮你量化误差到底不超过多少。再比如手算 (\sin 0.5)[ \sin 0.5 \approx 0.5 - \frac{0.5^3}{6} \frac{0.5^5}{120} ]算出来约等于 (0.4791667)而真实值是 (0.4794255)前三项已经精确到小数点后三位。这就是为什么很多计算器底层不直接用定义算三角函数而是用多项式逼近的思路在某个展开点附近用少数几项多项式达到足够的浮点精度。5.4 不等式和定积分的放缩拉格朗日余项有一个经典用法证明常见的函数不等式。比如证明 (x 0) 时[ x - \frac{x^3}{6} \sin x x ]从 (\sin x) 的展开和余项符号可以直接得出。在证明题和大题里这种展开式 余项符号的组合往往比构造辅助函数求导来得更直接。被积函数没有初等原函数时展开法也很有用。比如估算 (\int_0^1 e^{-x^2} dx)(e^{-x^2}) 没有初等原函数但可以展开成幂级数再逐项积分取前几项就能得到相当好的数值估计。这是数值分析里的基本操作也是把泰勒从考试工具变成实用工具的重要路径。5.5 一个个人作品平时如何维护自己的展开式清单最后分享一个实操习惯。我会在笔记本或者手机备忘录里长期维护一份展开式自查表每次发现记混某个公式就在旁边标注一个容易混淆的对照。时间长了这份表就变成了个性化的易错点索引比任何现成的公式手册都好用。比如我自己的表里就专门把 (\tan x)、(\arcsin x) 和 (\sin x) 前三项并排抄在一起以防考试时突然卡壳。如果你也想真正掌握泰勒展开建议别急着背完全部十来个公式。先吃透 (e^x) 和 (\frac{1}{1-x}) 这两条根再自己推一遍 (\ln(1x))、(\arctan x)、(\arcsin x)推过两三次之后那些系数和符号就变成你自己的东西了。
