泰勒级数逼近可视化
看多项式一阶一阶地“长”成原函数 · 拖动阶数与展开中心，误差与收敛半径实时呈现
拖动会自动暂停播放，便于逐阶对比
a = 0 就是麦克劳林级数；本函数可取 -3 ~ 3
右侧读数给出该点的近似值、真值与误差
① 点「自动升阶」看 sin x 的黄线从直线一路长成正弦波
② 选 ln(1+x)，阶数拉到 20 —— x>1 处误差怎么都降不下来
③ 接着把 a 拖到 1.5 —— 收敛区间右移，x=2 瞬间变准
④ 选 sin x、阶数设 1、x_test 拖到 0.087（5°）—— 读出小角近似误差
泰勒公式的思想：用多项式逼近任意光滑函数
多项式是最容易计算的函数——只需加法和乘法。而sin x、eˣ、ln x这类超越函数无法用有限次四则运算求值。泰勒的想法是：既然在一点x = a处能知道函数的函数值、斜率、弯曲程度（即各阶导数），那就构造一个多项式，让它在a点的前 n 阶导数与原函数完全相同。唯一满足这个条件的多项式就是Tₙ(x) = Σ f⁽ᵏ⁾(a)/k! · (x−a)ᵏ。一次项是切线，二次项加上了曲率，三次项修正了弯曲的变化率——阶数每升一级，就多匹配一层局部形状信息。上图中的淡黄色残影正是这些低阶多项式，一层层向深色原函数收拢。
麦克劳林级数与常见函数展开式
当展开中心取a = 0时，泰勒级数就称为麦克劳林级数，形式最简洁，也是教材要求背下来的几个式子：eˣ = Σ xⁿ/n!、sin x = x − x³/3! + x⁵/5! − …、cos x = 1 − x²/2! + x⁴/4! − …、1/(1−x) = 1 + x + x² + …、ln(1+x) = x − x²/2 + x³/3 − …。注意 sin 只有奇次项、cos 只有偶次项，这是奇偶性的直接体现：奇函数在原点的偶阶导数必为零。本工具没有把 a 锁死在 0，而是为每个函数提供解析的 n 阶导数公式，因此展开中心可以任意平移——这正是理解“泰勒展开是局部信息的外推”的关键一步。
拉格朗日余项与误差估计
截断到 n 阶必然留下误差，泰勒定理给出了它的精确形式：Rₙ(x) = f⁽ⁿ⁺¹⁾(ξ)/(n+1)! · (x−a)ⁿ⁺¹，其中 ξ 是 a 与 x 之间某个未知点。这个公式虽然含未知的 ξ，但只要能给出 n+1 阶导数的上界 M，就得到可用的误差估计|Rₙ| ≤ M·|x−a|ⁿ⁺¹/(n+1)!。从中能读出两条重要规律：误差随距离|x−a|的 n+1 次方增长，随阶乘 (n+1)! 衰减。所以离展开中心越近、阶数越高，精度提升得越快。例如 sin x 的所有导数上界都是 1，取 n = 1 就得到小角近似的误差界 |x|³/6。下方的对数误差曲线画的就是真实误差，你能看到它在展开中心附近形成一个尖锐的深谷，而且阶数每升高一阶，谷底就再降一截。
收敛半径：为什么远离展开中心就失效
并非所有函数的泰勒级数都在整条实轴收敛。收敛半径 R 定义为级数收敛的区间半宽，它等于展开中心到函数最近奇点的距离，且必须在复平面上度量。sin、cos、eˣ是整函数，处处无奇点，因此 R = ∞；1/(1−x)在 x = 1 有极点，以 a 为中心时R = |1−a|；ln(1+x)的奇点在 x = −1，故R = 1+a；arctan x在实轴上光滑得看不出任何毛病，可它的导数 1/(1+x²) 在虚轴上的 ±i 处爆掉，于是R = √(1+a²)——这是“实函数的性质要靠复分析才能解释”的经典例子。误差图中的红色虚线标出 a ± R：线内提高阶数误差直线下降，线外再加一百阶也无济于事。
工程应用
泰勒展开是工程数学里使用频率最高的工具之一。最常见的是小角近似sinθ ≈ θ与cosθ ≈ 1 − θ²/2，单摆周期公式、薄透镜成像、机构运动学的线性化都建立在它之上。计算器与数学库求三角函数值，走的是“区间归约 + 低阶多项式 + 霍纳法则”路线，而多项式系数的理论起点就是泰勒展开（工程实现常改用误差更均匀的切比雪夫或极小极大多项式）。数值算法中，有限差分格式的截断误差阶数、牛顿迭代法的二阶收敛性、龙格－库塔法的推导，全部靠泰勒展开对照系数得到。控制系统在工作点附近做雅可比线性化，本质是多元泰勒展开只留一阶项，从而能套用传递函数与频域方法。此外浮点数学库里的 exp、log、pow 实现，以及有限元中形函数的构造，也都能追溯到同一个思想：在局部用多项式替代复杂函数。
- • 高数「级数」章节预习与复习
- • 直观理解余项与收敛半径
- • 亲手验证常见麦克劳林展开式
- • 课堂现场升阶，替代静态板书
- • 用误差曲线讲透收敛半径
- • 演示移动展开中心救回发散点
- • 量化小角近似的适用边界
- • 判断线性化模型何时失效
- • 精确校核请用本站工程计算器
为什么阶数越高越准，但远离展开中心反而更离谱？
泰勒多项式是在展开中心 a 处"贴合"原函数的：它匹配了 f 在 a 点的前 n 阶导数，所以 a 附近必然极准。但多项式的整体形状受最高次项支配，n 阶多项式在远处必然按 xⁿ 的速度飞向 ±∞，而原函数往往有界（如 sin x 永远在 −1 到 1 之间）。你在工具里把阶数拖到 20 会看到：中间区段贴得几乎重合，两端却像火箭一样甩出画面。这种"中间好、边缘坏"的振荡失效，与插值里的龙格现象直觉相同。
什么是收敛半径，它是怎么算出来的？
收敛半径 R 是指以 a 为中心、半径 R 的区间内泰勒级数收敛到原函数，区间外则发散。它等于 a 到函数最近奇点的距离（要在复平面上量）。所以 sin、cos、eˣ 没有奇点，R = ∞；ln(1+x) 的奇点在 x = −1，以 a 为中心时 R = 1+a；1/(1−x) 的极点在 x = 1，R = |1−a|；arctan x 的奇点是复数 ±i，因此 R = √(1+a²)。在下方误差曲线里，红色虚线就是 a ± R，你会看到误差在这条线外无论加多少阶都降不下来。
小角近似 sinθ ≈ θ 的误差到底有多大？
这就是 sin x 的一阶泰勒展开，误差由拉格朗日余项 |R₁| ≤ |x|³/6 控制。因为它随角度的三次方增长，所以角度稍大误差就迅速恶化：θ = 5°（0.0873 rad）时绝对误差约 1.1×10⁻⁴、相对误差 0.13%；θ = 10° 时相对误差约 0.51%；θ = 30° 时已达 4.7%，工程上通常就不能再用了。这正是各类手册普遍规定小角近似只在 5° 以内放心使用的原因，也是单摆周期公式要求小摆角的根源。你可以把函数选 sin x、阶数设为 1，再把测试点拖到 0.087 或 0.524，直接从读数里核对上面这几个误差数值。
为什么 ln(1+x) 在 x > 1 时级数就发散了？
因为 ln(1+x) 在 x = −1 处有对数奇点（函数值趋于 −∞）。以 0 为中心时，到这个奇点的距离是 1，于是收敛半径就是 1，级数只在 −1 < x ≤ 1 上收敛。x = 2 时通项 (−1)ⁿ⁻¹2ⁿ/n 的绝对值越加越大，部分和会剧烈振荡放大。有意思的是这并非函数本身的问题：把展开中心挪到 a = 1.5，收敛半径变成 2.5，x = 2 立刻落入收敛区间，20 阶就能算到小数点后七位准确。工具里可以直接拖动 a 复现这一幕。
计算器和编程语言的 sin 函数是怎么算出来的？
底层思路正是多项式逼近，但不会直接用高阶泰勒级数。标准做法分三步：先做区间归约，利用周期性和对称性把任意角折算到 [0, π/4] 这样的小区间；再在小区间上用低阶多项式求值，通常采用误差更均匀的切比雪夫或 Remez 极小极大多项式（同样精度下阶数比泰勒低不少）；最后用霍纳法则从高次往低次嵌套相乘，既快又能抑制舍入误差。泰勒展开是这一整套工程方案的理论出发点。
这个工具的计算准确吗，可以用于作业和教学吗？
本工具的泰勒系数不是数值差分估计的，而是对六个预置函数逐个给出解析的 n 阶导数公式，再按 f⁽ᵏ⁾(a)/k!·(x−a)ᵏ 用递推阶乘与递推幂逐项累加，全程双精度浮点。我们已数值核验：sin x 在 a = 0 时 T₅(1) = 0.8416667，T₉(1) = 0.8414710 与真值一致到 7 位小数；eˣ 的 T₁₀(1) = 2.7182818 等于 e 的前 8 位。用于概念理解、课堂演示与作业自查完全可靠；若要提交精确数值，仍建议用余项公式手算复核。