🚀 欢迎来到麦克劳林（Maclaurin）与泰勒（Taylor）级数的世界！
嘿，数学探索者们！这一章是进阶纯数（Further Pure Mathematics）中最强大的工具之一。起初，看到那一堆求导公式，你可能会觉得有点“压力山大”，但别担心——我们会把它拆解成简单易懂的步骤，带你轻松攻克。
我们为什么要学习这个？我们正在学习如何把极其复杂的函数（比如 \(f(x) = e^x\) 或 \(f(x) = \sin x\)）转化为简单易处理的多项式（也就是只有 \(x\)、\(x^2\)、\(x^3\) 等项构成的函数）。
这有什么用呢？ 计算器和电脑其实无法精确计算出 \(\sin(1)\) 的数值！它们使用麦克劳林和泰勒级数展开来极其精确地逼近这些数值。你现在正在学习的就是这些技术背后的数学原理！
让我们开始吧！
1. 理解级数展开：数学上的“模仿者”
想象一下，你有一个曲线函数 \(f(x)\)。我们想要找到一个多项式 \(P(x)\)，使得它在某一点不仅看起来和 \(f(x)\) 完全一样，而且它们的斜率、弯曲程度、弯曲变化率等等也都完全相同。
通过让多项式在中心点处与原函数及其各阶导数保持一致，多项式 \(P(x)\) 就成为了原函数 \(f(x)\) 在中心点附近的绝佳近似值。
麦克劳林级数：以 \(x=0\) 为中心
麦克劳林级数是一种更简单的形式，我们选择将近似的中心点设为原点，即 \(x=0\)。
麦克劳林公式
函数 \(f(x)\) 的麦克劳林级数表示为：
\[ f(x) = f(0) + x f'(0) + \frac{x^2}{2!} f''(0) + \frac{x^3}{3!} f'''(0) + \frac{x^4}{4!} f^{(4)}(0) + \dots \]或者使用求和符号表示（这在 FP2 中非常重要）：
\[ f(x) = \sum_{r=0}^{\infty} \frac{x^r}{r!} f^{(r)}(0) \]核心术语检查：
- \(f(0)\)： 函数在 \(x=0\) 时的值（常数项）。
- \(f'(0)\)： 一阶导数（斜率）在 \(x=0\) 时的值。
- \(f^{(r)}(0)\)： 第 \(r\) 阶导数在 \(x=0\) 时的值。
- \(r!\)： \(r\) 的阶乘。（别忘了：\(3! = 3 \times 2 \times 1 = 6\)，且 \(0! = 1\)）。
快速复习： 麦克劳林级数是一个多项式，其设计目的是让它本身的值及其所有各阶导数的值，在 \(x=0\) 处与原函数完全匹配。
2. 分步指南：寻找麦克劳林级数
寻找麦克劳林级数涉及一个重复求导和赋值的过程。这是大多数学生容易犯代数小错误的地方，所以一定要细心且有条理！
过程：寻找 \(f(x) = \ln(1+3x)\) 直至 \(x^3\) 项的麦克劳林展开式。
第一步：写出导数。 求出 \(f(x)\) 所需的各阶导数。
- \(f(x) = \ln(1+3x)\)
- \(f'(x) = 3(1+3x)^{-1}\)
- \(f''(x) = -3(3)(1+3x)^{-2} \times 3 = -27(1+3x)^{-2}\)
- \(f'''(x) = -27(-2)(1+3x)^{-3} \times 3 = 162(1+3x)^{-3}\)
第二步：求导数在 \(x=0\) 时的值。 将 \(x=0\) 代入每一个导数中。
- \(f(0) = \ln(1+0) = \ln(1) = 0\)
- \(f'(0) = 3(1)^{-1} = 3\)
- \(f''(0) = -27(1)^{-2} = -27\)
- \(f'''(0) = 162(1)^{-3} = 162\)
第三步：将数值代入麦克劳林公式。
公式为：\( f(x) = f(0) + x f'(0) + \frac{x^2}{2!} f''(0) + \frac{x^3}{3!} f'''(0) + \dots \)
\[ f(x) = 0 + x(3) + \frac{x^2}{2}(-27) + \frac{x^3}{6}(162) + \dots \]第四步：简化表达式。
\[ f(x) = 3x - \frac{27}{2}x^2 + 27x^3 + \dots \]⚠️ 常见错误警告！
一个非常常见的错误是忘记除以 \(r!\)（阶乘）。忘记除以阶乘意味着你得到的是一个泰勒多项式，而不是级数展开式。一定要记住分母：\(2!, 3!, 4!\) 等等。
3. 标准麦克劳林展开式（必背的五个）
你必须熟练掌握这五个基本函数的展开式，并能快速推导出来。它们是解决几乎所有涉及级数的 FP2 问题的基石。
注意：这些展开式只在特定的 \(x\) 取值范围（称为收敛半径）内有效，但对于大多数基础的 FP2 运算，我们通常假设 \(x\) 足够小，以确保展开式成立。
A. 指数函数
对于所有 \(x\)：
\[ \text{e}^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!} + \dots \]B. 正弦函数（仅奇数次幂）
对于所有 \(x\)：
\[ \sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \dots \]记忆小贴士： 正弦函数是一个奇函数，所以它只包含 \(x\) 的奇数次幂。符号交替出现（加、减、加、减）。
C. 余弦函数（仅偶数次幂）
对于所有 \(x\)：
\[ \cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \dots \]记忆小贴士： 余弦函数是一个偶函数，所以它只包含 \(x\) 的偶数次幂。符号同样交替出现。
D. 自然对数
对于 \(-1 < x \leq 1\)：
\[ \ln(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \dots \]你知道吗？ 注意这里没有阶乘！分母只是 \(n\)，而不是 \(n!\)。这是必须记住的关键区别。
E. 广义二项式展开
对于 \(-1 < x < 1\)：
\[ (1+x)^n = 1 + nx + \frac{n(n-1)}{2!}x^2 + \frac{n(n-1)(n-2)}{3!}x^3 + \dots \]这个级数与 \(f(x)=(1+x)^n\) 的麦克劳林展开式是一样的。即使 \(n\) 是分数或负数，这个公式也同样适用。
核心要点： 背下这五个标准级数。它们能节省大量时间，并且是后续级数运算题目的必备基础。
4. 泰勒级数：移动中心点
麦克劳林级数非常好用，但如果我们需要在 \(x=5\) 附近对函数进行高精度的多项式近似该怎么办？此时麦克劳林级数（以 \(x=0\) 为中心）就会非常不准确。
泰勒级数是麦克劳林级数的推广。我们不再仅仅以 \(x=0\) 为中心，而是将其推广到任何一点 \(x=a\)。
泰勒公式（以 \(x=a\) 为中心）
函数 \(f(x)\) 在 \(x=a\) 处展开的泰勒级数为：
\[ f(x) = f(a) + (x-a) f'(a) + \frac{(x-a)^2}{2!} f''(a) + \frac{(x-a)^3}{3!} f'''(a) + \dots \]使用求和符号表示：
\[ f(x) = \sum_{r=0}^{\infty} \frac{(x-a)^r}{r!} f^{(r)}(a) \]简单技巧： 看看麦克劳林公式，把所有的 \(x\) 换成 \((x-a)\)，把所有的 \(0\) 换成 \(a\)。
示例：寻找泰勒级数
求 \(f(x) = \sin x\) 在 \(a = \frac{\pi}{2}\) 处的泰勒展开式，精确到 \( (x-\frac{\pi}{2})^2 \) 项。
第一步：求导。
- \(f(x) = \sin x\)
- \(f'(x) = \cos x\)
- \(f''(x) = -\sin x\)
第二步：代入 \(a = \frac{\pi}{2}\) 进行计算。
- \(f(\frac{\pi}{2}) = \sin(\frac{\pi}{2}) = 1\)
- \(f'(\frac{\pi}{2}) = \cos(\frac{\pi}{2}) = 0\)
- \(f''(\frac{\pi}{2}) = -\sin(\frac{\pi}{2}) = -1\)
第三步：代入泰勒公式。
\[ f(x) = f(a) + (x-a) f'(a) + \frac{(x-a)^2}{2!} f''(a) + \dots \] \[ f(x) = 1 + (x-\frac{\pi}{2})(0) + \frac{(x-\frac{\pi}{2})^2}{2}(-1) + \dots \]结果：
\[ \sin x \approx 1 - \frac{1}{2}\left(x-\frac{\pi}{2}\right)^2 \]核心要点： 麦克劳林级数（以 0 为中心）其实就是一种特殊的泰勒级数。泰勒级数允许我们将近似的中心点移至我们最需要高精度的地方。
5. FP2 中的高级应用
在进阶纯数中，你很少会被直接要求求三次导数。挑战在于如何高效地使用标准级数来解决更复杂的问题。
A. 使用代换法（Substitution）
与其为 \(f(x) = e^{-3x^2}\) 求五次导数，我们不如直接使用已知的 \(\text{e}^u\) 级数，然后代入 \(u = -3x^2\)。
我们已知： \( \text{e}^u = 1 + u + \frac{u^2}{2!} + \frac{u^3}{3!} + \dots \)
代入 \(u = -3x^2\)：
\[ \text{e}^{-3x^2} = 1 + (-3x^2) + \frac{(-3x^2)^2}{2!} + \frac{(-3x^2)^3}{3!} + \dots \]简化得：
\[ \text{e}^{-3x^2} = 1 - 3x^2 + \frac{9x^4}{2} - \frac{27x^6}{6} + \dots \] \[ \text{e}^{-3x^2} = 1 - 3x^2 + \frac{9}{2}x^4 - \frac{9}{2}x^6 + \dots \]这种方法比传统的逐级求导法快得多，且更不容易出错。
其他技巧：
- 求导： 如果你需要 \(\frac{1}{1+x}\) 的级数，你可以对 \(\ln(1+x)\) 的级数进行求导。
- 积分： 如果你需要 \(\arctan x\) 的级数，你可以对 \(\frac{1}{1+x^2}\) 的级数（来自二项式展开）进行积分。
B. 计算极限
这是 FP2 中一个极其重要的用法。当你遇到形如 \(\lim_{x \to 0} \frac{f(x)}{g(x)}\) 且结果为 \(\frac{0}{0}\)（不定型）的极限时，级数展开能帮你解决歧义。
目标： 用函数 \(f(x)\) 和 \(g(x)\) 的多项式展开式替换它们，展开到足够高的幂次（通常是不会被抵消掉的最低幂次）。这样可以轻松约去导致问题的项（通常是 \(x\)）。
极限计算分步示例：
计算 \( L = \lim_{x \to 0} \frac{x - \sin x}{x^3} \)
第一步：写出函数的展开式。 因为分母是 \(x^3\)，我们需要 \(\sin x\) 展开到 \(x^3\) 项。
\[ \sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \dots \]第二步：将展开式代入分子。
分子： \( x - \sin x = x - \left( x - \frac{x^3}{6} + \frac{x^5}{120} - \dots \right) \)
分子： \( x - \sin x = \frac{x^3}{6} - \frac{x^5}{120} + \dots \)
第三步：将分子重新代入极限表达式。
\[ L = \lim_{x \to 0} \frac{\frac{x^3}{6} - \frac{x^5}{120} + \dots}{x^3} \]第四步：将分子中的每一项除以 \(x^3\)。
\[ L = \lim_{x \to 0} \left( \frac{1}{6} - \frac{x^2}{120} + \dots \right) \]第五步：计算极限。 当 \(x \to 0\) 时，所有包含 \(x\) 的项都消失了。
\[ L = \frac{1}{6} \]这种技巧提供了一种无需使用洛必达法则（L'Hôpital's rule，通常不是 FP2 的考核方法）就能快速解决极限问题的代数方法。
C. 近似值
我们可以使用截断级数（在某一项后停止的多项式）来近似数值。我们包含的项数越多，近似值就越准确，尤其是在 \(x\) 靠近展开中心时。
例如，对于小角度，\(\cos x\) 的麦克劳林展开式给出：
\[ \cos x \approx 1 - \frac{x^2}{2} \]这解释了为什么当 \(x\) 很小时，\(\cos x \approx 1\) 是一个很好的近似（因为 \(x^2\) 项变得微不足道了）。
最终总结： 级数展开是多功能的工具。对于一般函数，请使用直接求导法；对于基于那五个标准函数的函数，请使用代换/操作法。在计算极限前，一定要先简化表达式！