最后更新: 2025-09-14 19:40 查看: 550 次反馈能力测评会员8.2元/月赞助

函数展开的几何意义与举例

## 从几何上再次理解泰勒展开式
下面将从几何角度来解释幂级数展开(泰勒公式)。泰勒展开的本质是**多项式逼近**，也就是说，我们可以使用低次到高次的多项式累加来拟合函数 $f(x)$ 在某个点邻域的函数值。比如在物理上， $\sin (x)$ 在 $x$ 很小的时候，可以近似认为等于 $x$ 。这实际上就是用一次多项式 $x$ 来逼近 $\sin (x)$ 在 $x=0$ 附近的函数值。

为了能使多项式 $P(x)$ 能够较好地拟合 $f(x)$ 在 $x_0$ 邻域的函数值，最简单最原始最自然的想法是：(本文节选自 [泰勒公式](https://kb.kmath.cn/kbase/detail.aspx?id=304))
首先 $P(x)$ 在 $x=x_0$ 处应该与 $f(x)$ 在 $x=x_0$ 处的值相同吧，这是最最基本的要求了。如果函数值都不一样还那后面就完全不用拟合了。所以要满足 $P\left(x_0\right)=f\left(x_0\right)$ 。最简单的多项式是零次多项式— $P(x)$是一个常数。

![图片](/uploads/2024-09/d4f2ed.jpg){width=400px}
 
 >注意：泰勒展开式是拟合$x=x_0$这一点的值，而不是拟合$f(x)$整个函数。比如$e^x=1+x$ 是在$x$趋近0时，这两个函数近似相等，而且$x$越靠近0，其值越近似。但是当$x$取很大的数时，是完全不相等。请理解其中的区别
 
 然后，在满足上一条的情况下，最好也能让 $P(x)$ 在 $x_0$ 处的导数和 $f(x)$ 的相同，这样不仅函数值相同，变化率也一样，那不是更好了吗。也就是

$$
P\left(x_0\right)=f\left(x_0\right), \quad P^{\prime}\left(x_0\right)=f^{\prime}\left(x_0\right)
$$

很容易推知最简单的 $P(x)$ 是一次多项式，应该具有如下图所示的红色表达式 ，如下图，好像这次在$x_0$附近就算偏一点也拟合的比上次好很多了.
 ![图片](/uploads/2024-09/44cbec.jpg){width=400px}
 
 
 接下来，在满足上面的情况下，我们提出进一步要求，能不能让 $P(x)$ 和 $f(x)$ 在 $x_0$ 处的二阶导也一样？也就是

$$
P\left(x_0\right)=f\left(x_0\right), \quad P^{\prime}\left(x_0\right)=f^{\prime}\left(x_0\right), P^{\prime \prime}\left(x_0\right)=f^{\prime \prime}\left(x_0\right)
$$

很容易推知最简单的 $P(x)$ 是二次函数，应该具有如下图所示的红色表达式：

![图片](/uploads/2024-09/c13a74.jpg){width=400px}
 
 看一个看两个，慢慢地我们很容易就能发现一般的规律: 这个拟合的过程就是让多项式 $P(x)$ 在 $x_0$
$P^{(n)}(x)=f^{(n)}(x), \quad n=0,1,2, \ldots, m$
很容易就可以推知满足以上条件的 $\mathrm{P}(\mathrm{x})$ 的表达式为:

$$
P(x)=\sum_{n=0}^m \frac{\left(x-x_0\right)^n}{n!} f^{(n)}\left(x_0\right)
$$
可以看出 $P(x)$ 是m次多项式，而且当m越高， $P(x)$ 越复杂，拟合得越好（一般来说二阶就差不多了）。上式就是 $f(x)$ 在 $x_0$ 处的泰勒展开

>为什么在拟合的过程，要除以$n!$?，因此每一次拟合，都会增加一个$f(x)$的值，为了防止该值增加的过快，就除以$n!$进行调和。要知道每增加一次拟合，$n!$会增加的更多，进行修正后的数值变小，导致误差也会越来越小。

在拟合过程中，有2个问题：**（1）函数在哪一点可以拟合 （2）函数多项式是多少。** 上面解释的几何意义是函数多项式的意义，而在哪一点可以拟合是由收敛圆决定的，而$e^x$ 的收敛圆为无穷大，意味着在整个定义域上都可以拟合。

## 函数展开成幂级数举例
`例`求函数 $f(x)=\mathrm{e}^x$ 的麦克劳林展开式.
解 $f^{(n)}(x)=\mathrm{e}^x, f^{(n)}(0)=1$.
因 $f(x)=\mathrm{e}^x$ 为初等函数，故

$$
\boxed{
\mathrm{e}^x=1+x+\frac{1}{2 !} x^2+...+\frac{1}{n !} x^n+  . ...(8)
}
$$

再求级数的收玫半径. 由 $\lim _{n \rightarrow \infty}\left|\frac{a_{n+1}}{a_n}\right|=\lim _{n \rightarrow \infty} \frac{1}{n+1}=0$ ，得 $R=+\infty$. 而 $f(x)=\mathrm{e}^x$ 在 $(-\infty,+\infty)$ 内有任意阶导数，故 (8) 式在 $(-\infty,+\infty)$ 内成立.

下图展示了多项式$P(x)$无限逼近$f(x)=e^x$ 的过程

![图片](/uploads/2025-07/f1ea29.jpg){width=400px}

如果在 $x=0$ 处附近，用级数的部分和 （即多项式）来近似代替 $e ^x$ ，那么随着项数的增加，它们就越来越接近于 $e ^x$

`例`把 $f(x)=\sin x$ 展开成 $x$ 的幂级数.
解 这也是求初等函数的麦克劳林展开式. 因 $f^{\prime}(x)=\cos x=\sin \left(x+\frac{\pi}{2}\right)$ 故 $f^{(n)}(x)=\sin \left(x+\frac{n \pi}{2}\right)(n=0,1,2, \cdots), f^{(n)}(0)=\sin \frac{n \pi}{2}$
$f^{(n)}(0)$ 顺序循环地取 $0,1,0,-1, \cdots(n=0,1,2, \cdots)$, 于是 $f(x)$ 的麦克劳林级数为

$$
\boxed{
\sin x=x-\frac{1}{3 !} x^3+\frac{1}{5} x^5-\cdots+(-1)^n \frac{x^{2 n+1}}{(2 n+1) !}+\cdots
}
$$

该级数的收敛半径为 $R=+\infty$ ，而 $\sin x$ 在 $(-\infty,+\infty)$ 内有任意阶导数，因此上式在 $(-\infty,+\infty)$ 内成立.
我们可以利用幂级数的运算性质，由 $\sin x$ 的展开式

$$
\sin x=x-\frac{x^3}{3 !}+\frac{x^5}{5 !}-\cdots+(-1)^n \frac{x^{2 n+1}}{(2 n+1) !}+\cdots, x \in(-\infty,+\infty)
$$

逐项求导得 $\cos x$ 的幂级数展式:

$$
\boxed{
\cos x=1-\frac{x^2}{2 !}+\frac{x^4}{4 !}-\cdots+(-1)^n \frac{x^{2 n}}{(2 n) !}+\cdots, x \in(-\infty,+\infty)
}
$$

这样的利用一些已知的函数展开式，通过幂级数的运算（如四则运算、逐项 求导、逐项可积）及变量替换的方法，将所给函数展成幂级数的方法称为间接展 开法. 而根据初等

其他版本
【复变函数与积分变换】泰勒(Taylor)定理

免费注册看余下 70%

非VIP会员每天5篇文章，开通VIP 无限制查看

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：函数展开成幂级数★★★★★

下一篇：三角函数系与正交函数系

本文对您是否有用？有用 (0) 无用 (0)