泰勒公式
带Peano余项的Taylor公式 系统严谨讲解
（基于60年分析学教学与科研经验，严格遵循推导严谨性、逻辑完整性、教学适配性要求）
一、核心思想引入
Taylor公式的本质是用性质优良的n次多项式，局部逼近具有n阶导数的一般函数，是Lagrange微分中值定理（一阶逼近）向高阶的推广。多项式具有计算简单、任意阶可导的特性，通过Taylor公式，我们可以将复杂函数的分析、计算问题转化为多项式问题，是微分学的核心工具之一。
我们首先从最基础的多项式展开入手，建立多项式系数与导数的对应关系，再逐步推广到一般函数。
二、多项式的Taylor展开（基础铺垫）
给定实系数n次多项式的一般形式：
我们通过求导推导其系数与\(x_0\)处各阶导数的关系，每一步推理依据均为基本求导法则：和的导数等于导数的和、常数因子可提、幂函数求导公式\((u^k)'=ku^{k-1}u'\)（此处\(u=x-x_0\)，\(u'=1\)）。
- 0阶导数（函数本身）：\(P^{(0)}(x)=P(x)\)，代入\(x=x_0\)，所有含\((x-x_0)\)的项均为0，得\(P^{(0)}(x_0)=a_0\)；
- 1阶导数：\(P'(x) = a_1 + 2a_2(x-x_0) + \dots + na_n(x-x_0)^{n-1}\)，代入\(x=x_0\)，得\(P'(x_0)=a_1\)；
- 2阶导数：\(P''(x) = 2\cdot1 a_2 + 3\cdot2 a_3(x-x_0) + \dots + n(n-1)a_n(x-x_0)^{n-2}\)，代入\(x=x_0\)，得\(P''(x_0)=2!a_2\)；
- 以此类推，对\(0\leq k\leq n\)，k阶导数满足：
- 幂次\(m<k\)的项，k阶导数恒为0；
- 幂次\(m=k\)的项，\((x-x_0)^k\)的k阶导数为\(k!\)，对应项为\(a_k\cdot k!\)；
- 幂次\(m>k\)的项，k阶导数仍含\((x-x_0)\)因子，代入\(x=x_0\)后为0。
由此得到核心结论：
变形得到系数的唯一表达式：
将系数代回原多项式，得到多项式在\(x_0\)处的Taylor展开式：
该结论说明：任意n次多项式都可以唯一表示为关于\((x-x_0)\)的n次多项式，系数完全由其在\(x_0\)处的各阶导数确定，为一般函数的多项式逼近奠定了理论基础。
三、Taylor展开的唯一性定理（定理4.1.1）
定理严谨表述
设当\(x\to x_0\)时，有
则对所有\(k=0,1,\dots,n\)，有\(\boldsymbol{a_k = b_k}\)。
完整证明（每步标注推理依据）
证明方法：数学归纳法 + 极限四则运算法则 + 高阶无穷小的定义与运算性质
-
基例验证（k=0）
对两个等式同时取\(x\to x_0\)的极限，依据函数极限的唯一性：若函数在某点极限存在，则极限唯一。
根据极限四则运算法则与无穷小量的性质：\(x\to x_0\)时，\((x-x_0)^k(k\geq1)\)和\(o((x-x_0)^n)\)均为无穷小量，得：\[\lim_{x\to x_0}f(x) = a_0 + \sum_{k=1}^n a_k \cdot 0 + 0 = a_0 \]同理\(\lim_{x\to x_0}f(x)=b_0\)，由极限唯一性得\(\boldsymbol{a_0 = b_0}\)，基例成立。
-
归纳假设
假设对所有\(0\leq i\leq j-1\)（\(1\leq j\leq n\)），均有\(a_i = b_i\)，需证明\(a_j = b_j\)。 -
归纳递推
将两个等式相减，依据相等的量相减为0，结合无穷小运算性质：两个\(o((x-x_0)^n)\)的差仍为\(o((x-x_0)^n)\)，得：\[0 = \sum_{k=0}^n (a_k - b_k)(x-x_0)^k + o((x-x_0)^n) \]由归纳假设，\(k=0,1,\dots,j-1\)时\(a_k - b_k=0\)，因此前j项均为0，简化为：
\[0 = (a_j - b_j)(x-x_0)^j + \sum_{k=j+1}^n (a_k - b_k)(x-x_0)^k + o((x-x_0)^n) \tag{1} \]考虑\(x\neq x_0\)（极限与\(x=x_0\)处的取值无关），等式两边同时除以非零量\((x-x_0)^j\)，得：
\[0 = (a_j - b_j) + \sum_{k=j+1}^n (a_k - b_k)(x-x_0)^{k-j} + \frac{o((x-x_0)^n)}{(x-x_0)^j} \tag{2} \] -
取极限完成递推
对等式(2)两边取\(x\to x_0\)的极限，逐项分析：- 第一项：\(a_j - b_j\)为常数，极限为自身；
- 第二项：\(k\geq j+1\)时\(k-j\geq1\)，\((x-x_0)^{k-j}\)为无穷小量，有限个无穷小的和仍为无穷小，极限为0；
- 第三项：由高阶无穷小的定义，\(\lim_{x\to x_0}\frac{o((x-x_0)^n)}{(x-x_0)^n}=0\)，因此：\[\lim_{x\to x_0}\frac{o((x-x_0)^n)}{(x-x_0)^j} = \lim_{x\to x_0}\frac{o((x-x_0)^n)}{(x-x_0)^n} \cdot (x-x_0)^{n-j} = 0 \cdot 0 = 0 \]（\(n-j\geq0\)，\((x-x_0)^{n-j}\)为有界量，无穷小乘有界量仍为无穷小）
由极限四则运算法则，得：
\[0 = (a_j - b_j) + 0 + 0 \implies \boldsymbol{a_j = b_j} \]归纳递推成立。
-
归纳结论
由数学归纳法，对所有\(k=0,1,\dots,n\)，均有\(a_k = b_k\)，唯一性得证。\(\square\)
该定理的核心意义：若函数可展开为“n次多项式 + 比\((x-x_0)^n\)高阶的无穷小”，则该多项式唯一，只能是由函数在\(x_0\)处各阶导数构造的Taylor多项式，排除了其他多项式的可能性。
四、带Peano余项的Taylor公式（定理4.1.2）
定理严谨表述
设函数\(f(x)\)在点\(x_0\)处具有直到n阶的导数，则当\(x\to x_0\)时，有
其中余项\(\boldsymbol{R_n(x) = o((x-x_0)^n) \quad (x\to x_0)}\)，称为Peano余项。
我们称多项式\(\boldsymbol{T_n(x) = \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!} (x-x_0)^k}\)为\(f(x)\)在\(x_0\)处的n次Taylor多项式。
完整证明（每步标注推理依据）
证明核心目标：根据高阶无穷小的定义，证明\(\lim_{x\to x_0}\frac{R_n(x)}{(x-x_0)^n}=0\)
-
余项定义与前提准备
定义余项为函数与Taylor多项式的差：\[R_n(x) = f(x) - T_n(x) = f(x) - \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k \]对\(R_n(x)\)求k阶导数（\(0\leq k\leq n\)），依据和的求导法则，得：
\[R_n^{(k)}(x) = f^{(k)}(x) - T_n^{(k)}(x) \]由多项式导数的核心结论，\(T_n^{(k)}(x_0) = k! \cdot \frac{f^{(k)}(x_0)}{k!} = f^{(k)}(x_0)\)，因此代入\(x=x_0\)得关键前提：
\[\boldsymbol{R_n(x_0) = R_n'(x_0) = R_n''(x_0) = \dots = R_n^{(n)}(x_0) = 0} \] -
分母的导数性质
设分母\(g(x)=(x-x_0)^n\)，由幂函数求导法则得：- 对\(0\leq m\leq n-1\)，\(g^{(m)}(x) = n(n-1)\dots(n-m+1)(x-x_0)^{n-m}\)，代入\(x=x_0\)得\(g^{(m)}(x_0)=0\)；
- 对\(m=n\)，\(g^{(n)}(x)=n!\)（常数）。
-
洛必达法则的合规使用
待求极限\(\lim_{x\to x_0}\frac{R_n(x)}{(x-x_0)^n}\)为\(\frac{0}{0}\)型不定式，验证洛必达法则适用条件：- \(x\to x_0\)时，\(R_n(x)\to R_n(x_0)=0\)，\(g(x)\to0\)，满足\(\frac{0}{0}\)型；
- 定理条件给出\(f(x)\)在\(x_0\)处n阶可导，因此\(f(x)\)在\(x_0\)的某邻域内有直到n-1阶导数，故\(R_n(x)\)、\(g(x)\)在\(x_0\)的去心邻域内可导，且\(g'(x)=n(x-x_0)^{n-1}\neq0\)（\(x\neq x_0\)），满足洛必达法则要求。
因此连续使用洛必达法则n-1次（此处严格限制次数：仅能使用n-1次，不能使用第n次！原因：定理仅保证\(f(x)\)在\(x_0\)这一点n阶可导，不保证去心邻域内n阶可导，不满足第n次洛必达的可导性条件），得：
\[\begin{aligned} \lim_{x\to x_0}\frac{R_n(x)}{(x-x_0)^n} &= \lim_{x\to x_0}\frac{R_n'(x)}{n(x-x_0)^{n-1}} \\ &= \dots \\ &= \lim_{x\to x_0}\frac{R_n^{(n-1)}(x)}{n(n-1)\dots2\cdot(x-x_0)} \\ &= \frac{1}{n!}\lim_{x\to x_0}\frac{R_n^{(n-1)}(x)}{x-x_0} \end{aligned} \] -
用导数定义完成最终证明
由\(R_n^{(n-1)}(x_0)=0\)，将极限式变形为：\[\lim_{x\to x_0}\frac{R_n^{(n-1)}(x) - R_n^{(n-1)}(x_0)}{x-x_0} \]该式正是函数\(R_n^{(n-1)}(x)\)在\(x_0\)处的导数的定义，即\(R_n^{(n)}(x_0)\)。
由前提\(R_n^{(n)}(x_0)=0\)，因此：
\[\lim_{x\to x_0}\frac{R_n^{(n-1)}(x)}{x-x_0} = R_n^{(n)}(x_0) = 0 \] -
最终结论
代回极限式得：\[\lim_{x\to x_0}\frac{R_n(x)}{(x-x_0)^n} = \frac{1}{n!} \cdot 0 = 0 \]根据高阶无穷小的定义，当\(x\to x_0\)时，\(R_n(x)=o((x-x_0)^n)\)，带Peano余项的Taylor公式得证。\(\square\)
五、Maclaurin公式（特殊情形）
当\(x_0=0\)时，Taylor公式得到最常用的特殊形式，称为带Peano余项的Maclaurin公式：
绝大多数初等函数的标准Taylor展开均为Maclaurin展开形式。
六、知识点系统归纳总结表
| 分类 | 详细核心内容 |
|---|---|
| 核心思想 | 用n次Taylor多项式局部逼近n阶可导函数，将复杂函数的分析计算转化为多项式问题，是一阶微分、Lagrange中值定理向高阶的推广。 |
| 核心定理1：多项式Taylor展开 | 1. 任意n次多项式可唯一表示为\(P(x)=\sum_{k=0}^n \frac{P^{(k)}(x_0)}{k!}(x-x_0)^k\)； 2. 核心关系：\(a_k=\frac{P^{(k)}(x_0)}{k!}\)，\(k=0,1,\dots,n\)。 |
| 核心定理2：Taylor展开唯一性定理 | 1. 若\(f(x)\)可表示为两种“n次多项式+o((x-x_0)^n)”的形式，则两个多项式的对应系数完全相等； 2. 核心意义：保证了带Peano余项的Taylor展开式唯一，为间接求展开式提供了理论依据。 |
| 核心定理3：带Peano余项的Taylor公式 | 1. 标准形式：\(f(x)=\sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k + o((x-x_0)^n) \ (x\to x_0)\)； 2. 余项：Peano余项\(R_n(x)=o((x-x_0)^n)\)，刻画\(x\to x_0\)时的误差阶； 3. 特殊形式：\(x_0=0\)时的Maclaurin公式。 |
| 适用条件 | 函数\(f(x)\)在点\(x_0\)处具有直到n阶的导数，仅要求在\(x_0\)单点n阶可导，不要求邻域内n阶可导。 |
| 方法特点 | 1. 局部性：仅刻画\(x\to x_0\)时的误差性质，是局部逼近，仅在\(x_0\)的足够小邻域内有效； 2. 唯一性：展开式唯一，可通过直接求导、四则运算、复合代入等多种方法得到； 3. 易用性：形式简单，适配极限计算、无穷小阶数判断等局部分析场景。 |
| 关键注意事项 | 1. 洛必达法则使用限制：证明中仅能使用n-1次洛必达法则，第n次不满足可导性条件，严禁超次数使用； 2. 局部性局限：Peano余项仅能说明\(x\)无限接近\(x_0\)时的误差阶，不能用于\(x\)远离\(x_0\)时的定量误差估计； 3. 阶数匹配：余项必须与展开阶数对应，n阶展开的余项必须是\(o((x-x_0)^n)\)，严禁写错阶数； 4. 可导性前提：必须保证函数在\(x_0\)处有直到n阶的导数，否则无法写出对应阶数的展开式。 |
| 核心应用场景 | 1. 求\(\frac{0}{0}\)型不定式的极限（最核心应用）； 2. 判断无穷小量的阶数； 3. 研究函数在某点的局部极值、凹凸性等局部性质； 4. \(x\)接近\(x_0\)时的函数值近似计算。 |
深度补充说明（教学与科研视角）
- 从微分本质来看，一阶微分公式\(f(x)=f(x_0)+f'(x_0)(x-x_0)+o(x-x_0)\)，正是n=1时的带Peano余项的Taylor公式，因此Taylor公式是一阶微分的高阶推广，实现了更高精度的局部逼近。
- 唯一性定理是Taylor公式的“灵魂”：它保证了无论用何种方法得到的“多项式+高阶无穷小”展开式，都是该函数的Taylor展开式，无需每次都通过直接求导计算，大幅简化了初等函数的展开过程。
- Peano余项的核心局限是局部性，它仅能定性描述\(x\to x_0\)时的误差趋势，无法给出固定\(x\)处的误差上界，这也是后续需要学习带Lagrange余项、Cauchy余项的Taylor公式的核心原因——这类余项可以实现误差的定量估计。
例4.1.1 完整严谨解析
一、例题核心问题拆解
本题的核心是辨析“函数可表示为n次多项式加高阶无穷小”与“该多项式是函数的n次Taylor多项式”之间的逻辑关系，本质是对Taylor多项式存在前提、Taylor展开唯一性定理适用条件的深度考察。
题目明确问题：
若\(f(x)\)在\(x_0\)附近满足 \(f(x) = P_n(x) + o((x-x_0)^n)\)（\(P_n(x)\)为n次多项式），则\(P_n(x)\)是否一定是\(f\)的n次Taylor多项式
二、答案与反例完整解析
最终结论
不一定。只有当\(f(x)\)在\(x_0\)处具有直到n阶的导数时，该多项式才一定是Taylor多项式；若不满足可导性前提，Taylor多项式本身无法定义，自然不存在相等关系。
反例的严谨推导
1. 反例构造基础
取展开点\(x_0=0\)，构造函数
其中\(D(x)\)为Dirichlet函数，定义为：
Dirichlet函数的核心性质：在全体实数域上处处不连续、处处不可导，且是有界函数，对任意\(x\)都有\(|D(x)|\leq1\)。
2. 证明\(f(x)=o(x^n) \ (x\to0)\)
根据高阶无穷小的定义：\(f(x)=o(x^n) \iff \lim\limits_{x\to0}\frac{f(x)}{x^n}=0\)。
计算极限：
根据极限运算规则：无穷小量乘以有界函数仍为无穷小量。
此处\(x\to0\)时\(x\)是无穷小量，\(D(x)\)是有界函数，因此该极限等于0，即
因此\(f(x)\)可改写为：
其中\(P_n(x)=\sum_{k=0}^n 0\cdot x^k\)是n次零多项式，满足题目中“n次多项式+o((x-x_0)^n)”的形式。
3. 分析\(f(x)\)的可导性，验证Taylor多项式无法构造
Taylor多项式\(T_n(x)\)存在的充要前提是：\(f(x)\)在\(x_0=0\)处具有直到n阶的导数，我们逐一验证可导性：
-
函数值：\(f(0)=0^{n+1}\cdot D(0)=0\)（0是有理数，\(D(0)=1\)）。
-
一阶导数：根据导数定义
\[f'(0) = \lim_{x\to0}\frac{f(x)-f(0)}{x-0} = \lim_{x\to0}\frac{x^{n+1}D(x)}{x} = \lim_{x\to0}x^n D(x) = 0 \]一阶导数\(f'(0)\)存在且等于0。
-
二阶及以上导数：
对任意\(x\neq0\)，\(f(x)=x^{n+1}D(x)\)处处不连续：取有理点列趋近\(x_0\neq0\)时，\(f(x)\to x_0^{n+1}\neq0\)；取无理点列趋近\(x_0\neq0\)时，\(f(x)\to0\)，极限不相等，因此\(f(x)\)在所有\(x\neq0\)处不连续。
根据“可导必连续，不连续一定不可导”，\(f(x)\)在\(x\neq0\)处处处不可导，即导函数\(f'(x)\)仅在\(x=0\)处有定义，在\(x\neq0\)处无定义。而二阶导数的定义是一阶导数的导数：
\[f''(0) = \lim_{x\to0}\frac{f'(x)-f'(0)}{x-0} \]由于\(x\to0\)时，除\(x=0\)外\(f'(x)\)均不存在，该极限无意义，因此\(f''(0)\)不存在。
同理，\(f(x)\)在\(x=0\)处的三阶、四阶直到n阶导数均不存在。
4. 反例结论
\(f(x)\)可以表示为n次多项式\(P_n(x)=0\)加\(o(x^n)\)，但\(f(x)\)在\(x=0\)处仅存在一阶导数，二阶及以上导数不存在，n次Taylor多项式\(T_n(x)\)根本无法定义、无法构造，因此\(P_n(x)\)不可能是\(f(x)\)的n次Taylor多项式，例题得证。
三、核心辨析：与Taylor展开唯一性定理的区别
很多同学会疑惑：之前的唯一性定理不是说“若\(f(x)\)可表示为两种n次多项式加\(o((x-x_0)^n)\)，则系数唯一”吗？为什么这里结论是“不一定”？
核心是前提条件的本质差异，我们用表格清晰区分：
| 定理/例题 | 核心前提 | 结论 |
|---|---|---|
| Taylor展开唯一性定理 | \(f(x)\)在\(x_0\)处具有直到n阶的导数，且能表示为“n次多项式+\(o((x-x_0)^n)\)” | 多项式的系数唯一，一定是\(f(x)\)的Taylor多项式系数 |
| 本例题 | 仅要求\(f(x)\)能表示为“n次多项式+\(o((x-x_0)^n)\)”，不要求\(f(x)\)在\(x_0\)处n阶可导 | 多项式不一定是Taylor多项式，甚至Taylor多项式本身可能不存在 |
关键逻辑关系总结
- 正向推导（成立）：若\(f(x)\)在\(x_0\)处n阶可导 \(\implies\) \(f(x)\)一定可以表示为其n次Taylor多项式加\(o((x-x_0)^n)\)，且展开式唯一。
- 反向推导（不成立）：若\(f(x)\)可表示为“n次多项式+\(o((x-x_0)^n)\)” \(\nRightarrow\) \(f(x)\)在\(x_0\)处n阶可导，自然无法推出多项式是Taylor多项式。
四、易错点与拓展提醒
- 核心易错点：忽略Taylor多项式的存在前提——必须在\(x_0\)处具有直到n阶的导数。没有这个前提，哪怕函数能写成多项式加高阶无穷小，也和Taylor多项式无关。
- 补充结论：若给本题补充条件“\(f(x)\)在\(x_0\)处具有直到n阶的导数”，则本题答案变为“一定是”，此时唯一性定理完全生效。
- 本质启示：带Peano余项的Taylor公式，是“函数n阶可导”的推论，而非前提；“可表示为多项式加高阶无穷小”是比“n阶可导”更弱的条件，二者不能等价。
带Lagrange余项与Cauchy余项的Taylor公式 系统严谨讲解
一、定理核心定位与前提说明
带Lagrange/Cauchy余项的Taylor公式，是Lagrange微分中值定理的高阶推广，也是带Peano余项Taylor公式的全局化升级。它将函数的局部逼近拓展为区间上的全局逼近，给出了余项的定量表达式，可用于任意点的误差估计，是分析学中函数逼近、不等式证明、近似计算的核心工具。
定理4.1.3 严谨表述
设函数\(f\)在区间\(I\)上有n阶连续导数，在\(I\)的内部\(\mathring{I}\)上有n+1阶导数，\(x_0 \in I\)，则对任意\(x \in I\)，有
当\(x \neq x_0\)时，记\(I_x\)为以\(x_0\)和\(x\)为端点的闭区间（\(I_x=[x_0,x]\)或\([x,x_0]\)）。设\(G(t)\)在\(I_x\)上连续，在\(\mathring{I_x}\)内可导，且\(G'(t) \neq 0\)对任意\(t \in \mathring{I_x}\)成立，则存在\(\xi \in \mathring{I_x}\)，使得余项的统一表达式为：
两类核心余项
- Lagrange余项：取\(G(t)=(x-t)^{n+1}\)，得\[\boldsymbol{R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}} \]
- Cauchy余项：取\(G(t)=x-t\)，得\[\boldsymbol{R_n(x) = \frac{f^{(n+1)}(\xi)}{n!}(x-\xi)^n (x-x_0)} \]
关键推论：当\(n=0\)时，带Lagrange余项的Taylor公式退化为Lagrange中值定理 \(f(x)=f(x_0)+f'(\xi)(x-x_0)\)，直接印证了Taylor公式是一阶微分中值定理的高阶推广。
二、第一种证明方法（基于Cauchy中值定理）
证明核心思路
构造辅助函数\(F(t)\)，将余项\(R_n(x)\)转化为\(F(x)-F(x_0)\)，再对\(F(t)\)和\(G(t)\)应用Cauchy中值定理，推导余项的统一表达式，最后代入特定\(G(t)\)得到两类余项。
步骤1：构造辅助函数\(F(t)\)并验证核心性质
令
推理依据：我们的目标是将余项\(R_n(x)=f(x)-\sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k\)转化为函数在两点的差值，因此构造\(F(t)\)使其满足：
- 当\(t=x\)时，\((x-t)^k=0\)，故\(F(x)=f(x)\)；
- 当\(t=x_0\)时，\(F(x_0)=f(x_0) + \sum_{k=1}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k = \sum_{k=0}^n \frac{f^{(k)}(x_0)}{k!}(x-x_0)^k\)。
因此直接得到核心关系：
步骤2：求\(F'(t)\)并化简（证明关键）
根据和的求导法则、乘积求导法则、复合函数求导法则，对\(F(t)\)求导：
对两个求和项做换元展开，实现抵消：
- 第一个求和项：令\(j=k+1\)，则\(k=1\)对应\(j=2\)，\(k=n\)对应\(j=n+1\)，改写为\(\sum_{j=2}^{n+1} \frac{f^{(j)}(t)}{(j-1)!}(x-t)^{j-1}\)；
- 第二个求和项：展开后\(k=1\)对应项为\(\frac{f'(t)}{0!}(x-t)^0 = f'(t)\)，剩余项为\(\sum_{k=2}^n \frac{f^{(k)}(t)}{(k-1)!}(x-t)^{k-1}\)。
代入后抵消同类项：
最终化简得到核心导数结果：
步骤3：应用Cauchy中值定理推导余项统一表达式
验证Cauchy中值定理条件：
- \(F(t)\)和\(G(t)\)在闭区间\(I_x\)上连续：\(f\)在\(I\)上有n阶连续导数，故\(F(t)\)连续；\(G(t)\)满足题设连续条件；
- \(F(t)\)和\(G(t)\)在开区间\(\mathring{I_x}\)内可导，且\(G'(t) \neq 0\)：\(F'(t)\)已证存在，\(G(t)\)满足题设可导条件。
因此存在\(\xi \in \mathring{I_x}\)，使得
将\(F(x)-F(x_0)=R_n(x)\)、\(F'(\xi)=\frac{f^{(n+1)}(\xi)}{n!}(x-\xi)^n\)代入，变形得余项统一表达式：
步骤4：代入特定\(G(t)\)推导两类余项
（1）Lagrange余项推导
取\(G(t)=(x-t)^{n+1}\)，计算得：
- \(G(x)=(x-x)^{n+1}=0\)，\(G(x_0)=(x-x_0)^{n+1}\)；
- \(G'(t) = \frac{d}{dt}(x-t)^{n+1} = -(n+1)(x-t)^n\)（复合函数求导法则）。
代入统一表达式：
负号抵消、\((x-\xi)^n\)抵消，且\(n!(n+1)=(n+1)!\)，最终得：
（2）Cauchy余项推导
取\(G(t)=x-t\)，计算得：
- \(G(x)=x-x=0\)，\(G(x_0)=x-x_0\)；
- \(G'(t) = \frac{d}{dt}(x-t) = -1\)。
代入统一表达式：
负号抵消后得：
第一种证明方法完毕。\(\square\)
三、第二种证明方法（基于Rolle定理）
证明核心思路
构造含参数\(\lambda(t)\)的辅助函数\(\varphi(t)\)，使其满足Rolle定理的端点条件，通过\(\varphi'(\xi)=0\)推导余项表达式，再代入不同的\(\lambda(t)\)得到两类余项。
步骤1：构造辅助函数并验证Rolle定理条件
沿用之前的\(F(t)\)，取可导函数\(\lambda(t)\)满足\(\lambda(x_0)=1\)、\(\lambda(x)=0\)，构造：
验证端点值：
- \(t=x_0\)时，\(\lambda(x_0)=1\)，故\(\varphi(x_0)=F(x_0) - F(x_0) = 0\)；
- \(t=x\)时，\(\lambda(x)=0\)，故\(\varphi(x)=F(x) - F(x) = 0\)。
因此\(\varphi(x_0)=\varphi(x)=0\)，满足Rolle定理条件：\(\varphi(t)\)在\(I_x\)上连续，在\(\mathring{I_x}\)内可导，故存在\(\xi \in \mathring{I_x}\)，使得\(\varphi'(\xi)=0\)。
步骤2：求导并推导余项通用形式
对\(\varphi(t)\)求导（和的求导法则）：
代入\(\varphi'(\xi)=0\)，整理得：
结合\(R_n(x)=F(x)-F(x_0)\)、\(F'(\xi)=\frac{f^{(n+1)}(\xi)}{n!}(x-\xi)^n\)，得余项通用形式：
（要求\(\lambda'(t)\)在\(I_x\)内无零点，保证分母非零）
步骤3：代入特定\(\lambda(t)\)推导两类余项
（1）Lagrange余项推导
取\(\lambda(t) = \left( \frac{x-t}{x-x_0} \right)^{n+1}\)，满足\(\lambda(x_0)=1\)、\(\lambda(x)=0\)，求导得：
代入余项通用形式：
与之前结果一致。
（2）Cauchy余项推导
取\(\lambda(t) = \frac{x-t}{x-x_0}\)，满足\(\lambda(x_0)=1\)、\(\lambda(x)=0\)，求导得：
代入余项通用形式：
与之前结果一致，第二种证明方法完毕。\(\square\)
四、余项的等价表示与Maclaurin公式
1. 余项的θ形式（实用化表示）
由于\(\xi\)介于\(x_0\)和\(x\)之间，可令\(\xi = x_0 + \theta(x-x_0)\)，其中\(0<\theta<1\)，将余项改写为仅含\(\theta\)的形式，更便于实际应用：
- Lagrange余项θ形式：\[\boldsymbol{R_n(x) = \frac{f^{(n+1)}\left( x_0 + \theta(x-x_0) \right)}{(n+1)!} (x-x_0)^{n+1}, \quad 0<\theta<1} \]
- Cauchy余项θ形式：
代入\(x-\xi = (1-\theta)(x-x_0)\)，得\[\boldsymbol{R_n(x) = \frac{f^{(n+1)}\left( x_0 + \theta(x-x_0) \right)}{n!} (1-\theta)^n (x-x_0)^{n+1}, \quad 0<\theta<1} \]
2. Maclaurin公式（\(x_0=0\)的特殊情形）
当\(x_0=0\)时，得到最常用的Maclaurin公式：
对应三类余项：
| 余项类型 | 表达式 |
|---|---|
| Peano余项 | \(R_n(x)=o(x^n) \ (x\to0)\) |
| Lagrange余项 | \(R_n(x)=\frac{f^{(n+1)}(\theta x)}{(n+1)!}x^{n+1}, \ 0<\theta<1\) |
| Cauchy余项 | \(R_n(x)=\frac{f^{(n+1)}(\theta x)}{n!}(1-\theta)^n x^{n+1}, \ 0<\theta<1\) |
五、三类余项的核心对比与知识点总结
1. 三类余项的核心差异表
| 对比维度 | Peano余项 | Lagrange余项 | Cauchy余项 |
|---|---|---|---|
| 前提条件 | 仅要求\(f\)在\(x_0\)处n阶可导（单点可导） | 要求\(f\)在区间\(I\)上有n阶连续导数，\(\mathring{I}\)内有n+1阶导数（区间可导） | 同Lagrange余项 |
| 余项性质 | 定性描述：仅刻画\(x\to x_0\)时的误差阶，是局部无穷小 | 定量描述：可估计任意\(x\in I\)处的误差，是全局逼近 | 定量描述：全局逼近，对部分特殊函数（如二项式函数）适配性更强 |
| 形式特点 | \(o((x-x_0)^n)\)，无显式导数项 | 形式简洁，与Taylor多项式项的形式一致，含\((x-x_0)^{n+1}\) | 含\((x-\xi)^n\)项，θ形式含\((1-\theta)^n\)因子 |
| 核心应用场景 | 求极限、判断无穷小阶数、局部极值分析 | 函数近似计算、不等式证明、区间上的误差估计 | 幂级数收敛性分析、特殊函数的展开式推导 |
| 强弱关系 | 最弱，仅能说明局部阶数 | 最强，可推出Peano余项（\((x-x_0)^{n+1}=o((x-x_0)^n)\)） | 介于两者之间，适用场景更具针对性 |
2. 知识点系统归纳表
| 分类 | 核心内容 |
|---|---|
| 定理核心 | 用n次Taylor多项式逼近区间上n+1阶可导的函数，给出余项的定量表达式，是Lagrange中值定理的高阶推广 |
| 核心前提 | 函数在区间\(I\)上有n阶连续导数，在\(I\)内部有n+1阶导数；Peano余项仅需单点n阶可导 |
| 余项统一形式 | \(R_n(x) = \frac{f^{(n+1)}(\xi)}{n! G'(\xi)} (x-\xi)^n [G(x)-G(x_0)]\)，可通过取不同\(G(t)\)得到不同余项 |
| 关键结论1 | n=0时退化为Lagrange中值定理，建立了一阶微分与高阶微分的联系 |
| 关键结论2 | 余项中的\(\xi\)介于\(x_0\)和\(x\)之间，可表示为\(\xi=x_0+\theta(x-x_0) \ (0<\theta<1)\)，\(\theta\)与\(x、n\)均有关 |
| 核心易错点 | 1. 混淆三类余项的前提条件，在仅单点可导时使用Lagrange余项； 2. 误将\(\xi\)当作固定常数，忽略其与\(x、n\)的相关性； 3. 余项阶数写错，Lagrange余项是\((x-x_0)^{n+1}\)，而非\((x-x_0)^n\) |
| 核心应用 | 1. 函数值的近似计算与误差估计； 2. 微分不等式的证明； 3. 函数幂级数展开式的推导； 4. 函数的局部与全局性质分析 |
例4.1.2 指数函数\(e^x\)的Taylor展开式 完整解析
本例题是Taylor公式最基础、最核心的应用案例，核心目标是推导指数函数\(f(x)=e^x\)的带Lagrange余项、Cauchy余项的Maclaurin展开式（即\(x_0=0\)处的Taylor展开），是所有初等函数Taylor展开的基础。
一、前置基础：\(e^x\)的导数性质
根据基本初等函数求导公式，指数函数\(e^x\)的核心性质为：任意阶导数均等于自身。
对任意非负整数\(k\)，有
代入展开点\(x_0=0\)，得各阶导数在0处的取值：
这是\(e^x\)的Taylor多项式系数的唯一来源。
二、\(e^x\)的Maclaurin展开式完整推导
根据Maclaurin公式（\(x_0=0\)时的Taylor公式）的通用形式：
将\(f^{(k)}(0)=1\)代入，得到\(e^x\)的n次Taylor多项式：
因此\(e^x\)的Maclaurin展开式的基础形式为：
以下分别推导两类余项的具体形式，每一步均严格对应Taylor余项的通用公式。
1. Lagrange余项推导
通用公式依据
带Lagrange余项的Taylor公式中，余项的标准形式为：
其中\(\xi\)介于0与\(x\)之间，可参数化为\(\xi = \theta x\)（\(0<\theta<1\)）。
分步推导
- 代入\(e^x\)的n+1阶导数：\(f^{(n+1)}(\xi)=e^\xi\)，得余项的原始形式：\[R_n(x) = \frac{e^\xi}{(n+1)!}x^{n+1} \]
- 代入参数化形式\(\xi=\theta x\)（\(0<\theta<1\)），得到便于实际应用的标准形式：\[\boldsymbol{R_n(x) = \frac{e^{\theta x}}{(n+1)!}x^{n+1}, \quad 0<\theta<1} \]
2. Cauchy余项推导
通用公式依据
带Cauchy余项的Taylor公式中，余项的标准形式为：
其中\(\xi\)介于0与\(x\)之间，参数化为\(\xi = \theta x\)（\(0<\theta<1\)）。
分步推导
- 代入\(e^x\)的n+1阶导数：\(f^{(n+1)}(\xi)=e^\xi\)，得余项的原始形式：\[R_n(x) = \frac{e^\xi}{n!}(x-\xi)^n \cdot x \]
- 参数替换与化简：将\(\xi=\theta x\)代入，得\(x-\xi = x - \theta x = x(1-\theta)\)，因此\((x-\xi)^n = x^n(1-\theta)^n\)，代入后合并同类项：\[\begin{aligned} R_n(x) &= \frac{e^{\theta x}}{n!} \cdot \left[ x(1-\theta) \right]^n \cdot x \\ &= \frac{e^{\theta x}}{n!} \cdot x^n(1-\theta)^n \cdot x \end{aligned} \]
- 最终得到Cauchy余项的标准形式：\[\boldsymbol{R_n(x) = \frac{e^{\theta x}(1-\theta)^n}{n!}x^{n+1}, \quad 0<\theta<1} \]
3. Peano余项补充
根据带Peano余项的Taylor公式，\(e^x\)在\(x\to0\)时的局部展开的Peano余项为：
对应的完整展开式为：
三、核心拓展与应用说明
1. 余项的关键性质
- 全局收敛性：对任意固定的实数\(x\)，当\(n\to\infty\)时，两类余项均趋于0。以Lagrange余项为例，对固定\(x\)，\(e^{\theta x} \leq e^{|x|}\)为有界量，而阶乘\((n+1)!\)的增长速度远快于幂函数\(x^{n+1}\)，因此\(\lim_{n\to\infty} R_n(x)=0\)，说明\(e^x\)的Taylor多项式在全体实数域上收敛于\(e^x\)本身。
- 误差可估计性：Lagrange余项可直接给出近似计算的误差上界。若\(x\in[-M,M]\)，则\(e^{\theta x} \leq e^M\)，因此绝对误差满足：\[|R_n(x)| \leq \frac{e^M}{(n+1)!}|x|^{n+1} \]可通过增大展开阶数\(n\)或缩小\(|x|\)精准控制误差。
2. 典型应用场景
- 自然常数\(e\)的高精度计算
取\(x=1\)，则\(e = \sum_{k=0}^n \frac{1}{k!} + R_n(1)\)，其中Lagrange余项\(R_n(1) = \frac{e^\theta}{(n+1)!}\)，\(0<\theta<1\)，因此\(e^\theta < e < 3\)，误差上界为\(|R_n(1)| < \frac{3}{(n+1)!}\)。
例如取\(n=10\)，则\(|R_{10}(1)| < \frac{3}{11!} \approx 7.5\times10^{-8}\)，可得到\(e\approx2.7182818\)，精度已满足绝大多数工程计算需求。 - 不定式极限计算
带Peano余项的展开式是求解\(\frac{0}{0}\)型不定式极限的核心工具，例如\(\lim_{x\to0}\frac{e^x -1 -x}{x^2}\)，代入\(e^x=1+x+\frac{x^2}{2!}+o(x^2)\)可直接求解。 - 不等式证明
利用余项的符号可证明指数函数相关不等式，例如\(e^x \geq 1+x\)对全体实数\(x\)成立（\(n=1\)时的展开式，余项非负）。
四、易错点提醒
- 余项阶数错误：Lagrange余项和Cauchy余项的幂次均为\(x^{n+1}\)，而非\(x^n\)，与Peano余项的\(o(x^n)\)不冲突，因为\(x^{n+1}=o(x^n) \ (x\to0)\)。
- 忽略\(\theta\)的相关性：参数\(\theta\)不是固定常数，而是与\(x\)、\(n\)均相关的变量，不能当作定值处理。
- 大区间近似的精度问题：当\(|x|\)较大时，必须增大展开阶数\(n\)才能保证精度，不能用低阶多项式近似大区间的\(e^x\)值。
五、知识点归纳总结表
| 分类 | 核心内容 |
|---|---|
| 展开函数 | \(f(x)=e^x\) |
| 展开类型 | Maclaurin展开（\(x_0=0\)处的Taylor展开） |
| n次Taylor多项式 | \(T_n(x) = \sum_{k=0}^n \frac{x^k}{k!} = 1 + x + \frac{x^2}{2!} + \dots + \frac{x^n}{n!}\) |
| Peano余项 | \(R_n(x)=o(x^n) \ (x\to0)\)，适用条件：\(x\to0\)的局部场景，仅需\(e^x\)在0处n阶可导 |
| Lagrange余项 | \(R_n(x)=\frac{e^{\theta x}}{(n+1)!}x^{n+1} \ (0<\theta<1)\)，适用条件：全体实数域，需\(e^x\)在区间上n+1阶可导 |
| Cauchy余项 | \(R_n(x)=\frac{e^{\theta x}(1-\theta)^n}{n!}x^{n+1} \ (0<\theta<1)\)，适用条件：全体实数域，需\(e^x\)在区间上n+1阶可导 |
| 核心收敛性质 | 对任意固定\(x\in\mathbb{R}\)，\(\lim_{n\to\infty}R_n(x)=0\)，Taylor多项式在\(\mathbb{R}\)上全局收敛于\(e^x\) |
| 核心应用 | 极限计算、函数高精度近似、不等式证明、幂级数展开、数值分析 |
| 误差控制方法 | 对\(x\in[-M,M]\)，绝对误差上界$ |
例4.1.3 正弦函数\(\sin x\)的Taylor展开式 完整解析
本例题是三角函数Taylor展开的核心基础案例，核心目标是推导\(f(x)=\sin x\)的带Lagrange余项、Cauchy余项的Maclaurin展开式（\(x_0=0\)处的Taylor展开）。\(\sin x\)的导数具有周期性循环特性，其展开式仅含奇次幂项，是工程计算、极限求解、信号分析中最常用的Taylor展开之一。
一、前置基础：\(\sin x\)的任意阶导数性质
1. 任意阶导数公式推导
根据基本初等函数求导法则，对\(\sin x\)逐阶求导可发现周期性规律：
- 0阶导数（函数本身）：\(f^{(0)}(x)=\sin x\)
- 1阶导数：\(f'(x)=\cos x = \sin\left(x+\frac{\pi}{2}\right)\)
- 2阶导数：\(f''(x)=-\sin x = \sin\left(x+\pi\right)\)
- 3阶导数：\(f'''(x)=-\cos x = \sin\left(x+\frac{3\pi}{2}\right)\)
- 4阶导数：\(f^{(4)}(x)=\sin x = \sin\left(x+2\pi\right)\)
通过数学归纳法可严格证明，对任意非负整数\(k\)，\(\sin x\)的\(k\)阶导数满足通用公式：
该公式体现了\(\sin x\)导数的4阶周期性，是其Taylor展开的核心基础。
2. 0点处的各阶导数值
将\(x=0\)代入导数公式，得：
按\(k\)的奇偶性分类讨论，得到系数的取值规律：
- 当\(k\)为偶数，即\(k=2j\)（\(j=0,1,2,\dots\)）时：\(\sin(j\pi)=0\)，因此所有偶次项系数均为0；
- 当\(k\)为奇数，即\(k=2j-1\)（\(j=1,2,\dots\)）时：\(\sin\left(\frac{(2j-1)\pi}{2}\right)=(-1)^{j-1}\)，奇次项系数呈交替正负的规律。
即：
关键说明：正因为\(\sin x\)的偶次项系数全为0，我们取展开阶数\(n=2m\)，此时展开式的最高非零项为\(2m-1\)次，余项为\(2m+1\)阶，形式更简洁，避免冗余的零项。
二、\(\sin x\)的Maclaurin展开式完整推导
根据Maclaurin公式的通用形式：
取\(n=2m\)，结合偶次项系数为0的结论，求和可仅保留奇次项，将\(k=2j-1\)代入，求和范围从\(k=0\)到\(2m\)转化为\(j=1\)到\(m\)，得到\(\sin x\)的\(2m\)阶Taylor多项式：
因此\(\sin x\)的Maclaurin展开式基础形式为：
三、两类余项的严谨推导
1. Lagrange余项推导
通用公式依据
带Lagrange余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，可参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 代入展开阶数\(n=2m\)，得\(n+1=2m+1\)，因此余项的导数项为：\[f^{(2m+1)}(\xi) = \sin\left(\xi + \frac{(2m+1)\pi}{2}\right) \]
- 利用三角恒等式化简：\[\sin\left(\xi + m\pi + \frac{\pi}{2}\right) = \sin\left(\frac{\pi}{2} + (\xi + m\pi)\right) = \cos(\xi + m\pi) = (-1)^m \cos\xi \]（依据：\(\sin(\frac{\pi}{2}+\alpha)=\cos\alpha\)，\(\cos(\alpha+m\pi)=(-1)^m\cos\alpha\)）
- 代入Lagrange余项通用公式，得原始形式：\[R_{2m}(x) = \frac{(-1)^m \cos\xi}{(2m+1)!}x^{2m+1} \]
- 代入参数化形式\(\xi=\theta x\)（\(0<\theta<1\)），得到标准形式：\[\boldsymbol{R_{2m}(x) = \frac{(-1)^m \cos(\theta x)}{(2m+1)!}x^{2m+1}, \quad 0<\theta<1} \]
2. Cauchy余项推导
通用公式依据
带Cauchy余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 代入展开阶数\(n=2m\)，导数项仍为\(f^{(2m+1)}(\xi)=(-1)^m \cos\xi\)，代入通用公式得原始形式：\[R_{2m}(x) = \frac{(-1)^m \cos\xi}{(2m)!}(x-\xi)^{2m} \cdot x \]
- 代入参数化形式\(\xi=\theta x\)，得\(x-\xi = x(1-\theta)\)，因此\((x-\xi)^{2m}=x^{2m}(1-\theta)^{2m}\)，合并\(x\)的幂次：\[\begin{aligned} R_{2m}(x) &= \frac{(-1)^m \cos(\theta x)}{(2m)!} \cdot \left[x(1-\theta)\right]^{2m} \cdot x \\ &= \frac{(-1)^m \cos(\theta x)}{(2m)!} \cdot x^{2m}(1-\theta)^{2m} \cdot x \end{aligned} \]
- 最终得到Cauchy余项的标准形式：\[\boldsymbol{R_{2m}(x) = \frac{(-1)^m \cos(\theta x)}{(2m)!}(1-\theta)^{2m}x^{2m+1}, \quad 0<\theta<1} \]
3. Peano余项补充
针对\(x\to0\)的局部场景，带Peano余项的展开式为：
说明：因\(2m\)次项系数为0，余项的阶数可提升至\(o(x^{2m})\)，而非\(o(x^{2m-1})\)，这是\(\sin x\)展开的特殊性质。
四、核心拓展与应用说明
1. 余项的关键性质
- 全局收敛性：对任意固定实数\(x\)，当\(m\to\infty\)时，两类余项均趋于0。以Lagrange余项为例，\(|\cos(\theta x)|\leq1\)为有界量，阶乘\((2m+1)!\)的增长速度远快于幂函数\(x^{2m+1}\)，因此\(\lim_{m\to\infty}R_{2m}(x)=0\)，说明\(\sin x\)的Taylor多项式在全体实数域上收敛于\(\sin x\)本身。
- 误差可估计性：Lagrange余项可直接给出绝对误差上界，对任意\(x\in\mathbb{R}\)，有：\[|R_{2m}(x)| \leq \frac{|x|^{2m+1}}{(2m+1)!} \]无需额外估计有界项，误差控制比\(e^x\)更简便。
2. 典型应用场景
- 三角函数的高精度近似计算
工程中常用低阶展开近似小角度的正弦值，例如取\(m=2\)（展开到5次项），\(\sin x \approx x - \frac{x^3}{6} + \frac{x^5}{120}\)，当\(|x|<0.5\)弧度时，绝对误差小于\(10^{-6}\)，完全满足工程精度需求。 - 不定式极限求解
带Peano余项的展开式是求解含三角函数\(\frac{0}{0}\)型极限的核心工具，例如经典极限\(\lim_{x\to0}\frac{\sin x - x}{x^3}\)，代入\(\sin x = x - \frac{x^3}{6} + o(x^3)\)可直接得到结果为\(-\frac{1}{6}\)。 - 不等式证明
利用余项的符号可证明三角函数不等式，例如：- 对任意\(x>0\)，有\(\sin x < x\)（\(m=1\)时，余项为负）；
- 对任意\(x>0\)，有\(\sin x > x - \frac{x^3}{6}\)（\(m=2\)时，余项为正）。
- 信号处理与傅里叶分析
正弦函数的多项式展开是数字信号处理中三角函数数值计算的基础，广泛应用于滤波器设计、谐波分析等场景。
五、易错点提醒
- 展开项的符号与阶数错误：奇次项的符号为\((-1)^{j-1}\)，首项\(x\)为正，第二项\(x^3\)为负，不可写反；展开式仅含奇次项，偶次项系数全为0，不可额外添加偶次项。
- 余项的阶数混淆：Lagrange余项和Cauchy余项的幂次均为\(x^{2m+1}\)，Peano余项为\(o(x^{2m})\)，二者不冲突，因\(x^{2m+1}=o(x^{2m}) \ (x\to0)\)。
- 导数公式记错：\(\sin x\)的\(k\)阶导数为\(\sin(x+\frac{k\pi}{2})\)，而非\(\cos(x+\frac{k\pi}{2})\)，需注意与\(\cos x\)的导数公式区分。
- 大区间近似的精度问题：当\(|x|\)较大时，必须增大\(m\)才能保证精度，例如\(x=\pi\)时，仅展开到5次项的误差超过0.5，需提高展开阶数。
六、知识点归纳总结表
| 分类 | 核心内容 |
|---|---|
| 展开函数 | \(f(x)=\sin x\) |
| 展开类型 | Maclaurin展开（\(x_0=0\)处的Taylor展开） |
| \(2m\)阶Taylor多项式 | \(T_{2m}(x) = \sum_{j=1}^m \frac{(-1)^{j-1}}{(2j-1)!}x^{2j-1} = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \dots + (-1)^{m-1}\frac{x^{2m-1}}{(2m-1)!}\) |
| Peano余项 | \(R_{2m}(x)=o(x^{2m}) \ (x\to0)\)，适用条件：\(x\to0\)的局部场景，仅需\(\sin x\)在0处\(2m\)阶可导 |
| Lagrange余项 | \(R_{2m}(x)=\frac{(-1)^m \cos(\theta x)}{(2m+1)!}x^{2m+1} \ (0<\theta<1)\)，适用条件：全体实数域，需\(\sin x\)在区间上\(2m+1\)阶可导 |
| Cauchy余项 | \(R_{2m}(x)=\frac{(-1)^m \cos(\theta x)}{(2m)!}(1-\theta)^{2m}x^{2m+1} \ (0<\theta<1)\)，适用条件：全体实数域，需\(\sin x\)在区间上\(2m+1\)阶可导 |
| 核心收敛性质 | 对任意固定\(x\in\mathbb{R}\)，\(\lim_{m\to\infty}R_{2m}(x)=0\)，Taylor多项式在\(\mathbb{R}\)上全局收敛于\(\sin x\) |
| 核心误差上界 | 对任意\(x\in\mathbb{R}\)，绝对误差满足$ |
| 核心应用 | 极限计算、三角函数高精度近似、不等式证明、信号处理、数值分析、傅里叶展开 |
例4.1.4 余弦函数\(\cos x\)的Taylor展开式 完整解析
本例题是三角函数Taylor展开的核心基础案例，与正弦函数\(\sin x\)的展开式互补，核心目标是推导\(f(x)=\cos x\)的带Lagrange余项、Cauchy余项的Maclaurin展开式（\(x_0=0\)处的Taylor展开）。\(\cos x\)的导数同样具有4阶周期性，其展开式仅含偶次幂项，是工程计算、极限求解、振动分析、信号处理中最常用的Taylor展开之一。
一、前置基础：\(\cos x\)的任意阶导数性质
1. 任意阶导数通用公式
根据基本初等函数求导法则，对\(\cos x\)逐阶求导可发现其周期性规律：
- 0阶导数（函数本身）：\(f^{(0)}(x)=\cos x\)
- 1阶导数：\(f'(x)=-\sin x = \cos\left(x+\frac{\pi}{2}\right)\)
- 2阶导数：\(f''(x)=-\cos x = \cos\left(x+\pi\right)\)
- 3阶导数：\(f'''(x)=\sin x = \cos\left(x+\frac{3\pi}{2}\right)\)
- 4阶导数：\(f^{(4)}(x)=\cos x = \cos\left(x+2\pi\right)\)
通过数学归纳法可严格证明，对任意非负整数\(k\)，\(\cos x\)的\(k\)阶导数满足通用公式：
该公式体现了\(\cos x\)导数的4阶周期性，是其Taylor展开的核心基础。
2. 0点处的各阶导数值
将\(x=0\)代入导数公式，得：
按\(k\)的奇偶性分类讨论，得到系数的取值规律：
- 当\(k\)为奇数，即\(k=2j+1\)（\(j=0,1,2,\dots\)）时：\(\cos\left(\frac{(2j+1)\pi}{2}\right)=0\)，因此所有奇次项系数均为0；
- 当\(k\)为偶数，即\(k=2j\)（\(j=0,1,2,\dots\)）时：\(\cos\left(j\pi\right)=(-1)^j\)，偶次项系数呈交替正负的规律。
即：
关键说明：正因为\(\cos x\)的奇次项系数全为0，我们取展开阶数\(n=2m+1\)，此时展开式的最高非零项为\(2m\)次，余项为\(2m+2\)阶，形式更简洁，避免冗余的零项。
二、\(\cos x\)的Maclaurin展开式完整推导
根据Maclaurin公式的通用形式：
取\(n=2m+1\)，结合奇次项系数为0的结论，求和可仅保留偶次项，将\(k=2j\)代入，求和范围从\(k=0\)到\(2m+1\)转化为\(j=0\)到\(m\)，得到\(\cos x\)的\(2m+1\)阶Taylor多项式：
因此\(\cos x\)的Maclaurin展开式基础形式为：
三、两类余项的严谨推导
注：原例题中Lagrange余项的导数阶数标注为\(f^{(2m-2)}(\xi)\)为排版笔误，正确应为\(f^{(2m+2)}(\xi)\)，以下推导均采用正确的阶数，与后续三角化简的结果一致。
1. Lagrange余项推导
通用公式依据
带Lagrange余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，可参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 代入展开阶数\(n=2m+1\)，得\(n+1=2m+2\)，因此余项的导数项为：\[f^{(2m+2)}(\xi) = \cos\left(\xi + \frac{(2m+2)\pi}{2}\right) \]
- 利用三角恒等式化简：\[\cos\left(\xi + (m+1)\pi\right) = (-1)^{m+1} \cos\xi \]（依据：余弦函数的周期诱导公式\(\cos(\alpha + k\pi)=(-1)^k\cos\alpha\)，此处\(k=m+1\)）
- 代入Lagrange余项通用公式，得原始形式：\[R_{2m+1}(x) = \frac{(-1)^{m+1} \cos\xi}{(2m+2)!}x^{2m+2} \]
- 代入参数化形式\(\xi=\theta x\)（\(0<\theta<1\)），得到标准形式：\[\boldsymbol{R_{2m+1}(x) = \frac{(-1)^{m+1} \cos(\theta x)}{(2m+2)!}x^{2m+2}, \quad 0<\theta<1} \]
2. Cauchy余项推导
通用公式依据
带Cauchy余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 代入展开阶数\(n=2m+1\)，导数项仍为\(f^{(2m+2)}(\xi)=(-1)^{m+1} \cos\xi\)，代入通用公式得原始形式：\[R_{2m+1}(x) = \frac{(-1)^{m+1} \cos\xi}{(2m+1)!}(x-\xi)^{2m+1} \cdot x \]
- 代入参数化形式\(\xi=\theta x\)，得\(x-\xi = x(1-\theta)\)，因此\((x-\xi)^{2m+1}=x^{2m+1}(1-\theta)^{2m+1}\)，合并\(x\)的幂次：\[\begin{aligned} R_{2m+1}(x) &= \frac{(-1)^{m+1} \cos(\theta x)}{(2m+1)!} \cdot \left[x(1-\theta)\right]^{2m+1} \cdot x \\ &= \frac{(-1)^{m+1} \cos(\theta x)}{(2m+1)!} \cdot x^{2m+1}(1-\theta)^{2m+1} \cdot x \end{aligned} \]
- 最终得到Cauchy余项的标准形式：\[\boldsymbol{R_{2m+1}(x) = \frac{(-1)^{m+1} \cos(\theta x)}{(2m+1)!}(1-\theta)^{2m+1}x^{2m+2}, \quad 0<\theta<1} \]
3. Peano余项补充
针对\(x\to0\)的局部场景，带Peano余项的展开式为：
进阶说明：因\(\cos x\)的\(2m+1\)次项系数为0，余项的阶数可进一步提升为\(o(x^{2m+2})\)，这是\(\cos x\)展开的特殊性质，在极限计算中可进一步提高精度。
四、核心拓展与应用说明
1. 余项的关键性质
- 全局收敛性：对任意固定实数\(x\)，当\(m\to\infty\)时，两类余项均趋于0。以Lagrange余项为例，\(|\cos(\theta x)|\leq1\)为有界量，阶乘\((2m+2)!\)的增长速度远快于幂函数\(x^{2m+2}\)，因此\(\lim_{m\to\infty}R_{2m+1}(x)=0\)，说明\(\cos x\)的Taylor多项式在全体实数域上收敛于\(\cos x\)本身。
- 误差可估计性：Lagrange余项可直接给出绝对误差上界，对任意\(x\in\mathbb{R}\)，有：\[|R_{2m+1}(x)| \leq \frac{|x|^{2m+2}}{(2m+2)!} \]无需额外估计有界项，误差控制简便，是工程中余弦值近似计算的核心依据。
2. 典型应用场景
- 三角函数的高精度近似计算
工程中常用低阶展开近似小角度的余弦值，例如取\(m=2\)（展开到4次项），\(\cos x \approx 1 - \frac{x^2}{2} + \frac{x^4}{24}\)，当\(|x|<0.5\)弧度时，绝对误差小于\(2\times10^{-6}\)，完全满足工程精度需求。 - 不定式极限求解
带Peano余项的展开式是求解含三角函数\(\frac{0}{0}\)型极限的核心工具，例如经典极限\(\lim_{x\to0}\frac{1-\cos x}{x^2}\)，代入\(\cos x = 1 - \frac{x^2}{2} + o(x^2)\)可直接得到结果为\(\frac{1}{2}\)。 - 不等式证明
利用余项的符号可证明余弦函数相关不等式，例如：- 对任意\(x\in\mathbb{R}\)，有\(\cos x \leq 1\)（\(m=0\)时，余项为负）；
- 对任意\(x\in\mathbb{R}\)，有\(\cos x \geq 1 - \frac{x^2}{2}\)（\(m=1\)时，余项为正）。
- 振动分析与信号处理
余弦函数的多项式展开是简谐振动分析、数字滤波器设计、谐波分析中数值计算的基础，广泛应用于机械工程、通信工程等领域。
五、易错点提醒
- 展开项的符号与起始项错误：偶次项的符号为\((-1)^j\)，首项\(j=0\)时为\(1\)，第二项\(x^2\)为负，不可与\(\sin x\)的\((-1)^{j-1}\)混淆；展开式仅含偶次项，奇次项系数全为0，不可额外添加奇次项。
- 余项的阶数混淆：Lagrange余项和Cauchy余项的幂次均为\(x^{2m+2}\)，Peano余项基础形式为\(o(x^{2m+1})\)，二者不冲突，因\(x^{2m+2}=o(x^{2m+1}) \ (x\to0)\)。
- 导数公式记错：\(\cos x\)的\(k\)阶导数为\(\cos(x+\frac{k\pi}{2})\)，而非\(-\sin(x+\frac{k\pi}{2})\)，需注意与\(\sin x\)的导数公式区分。
- 大区间近似的精度问题：当\(|x|\)较大时，必须增大\(m\)才能保证精度，例如\(x=\pi\)时，仅展开到4次项的误差超过0.4，需提高展开阶数。
- 排版笔误规避：原例题中Lagrange余项的导数阶数标注错误，需注意\(n\)阶展开的余项导数阶数为\(n+1\)，此处\(n=2m+1\)，对应导数阶数为\(2m+2\)。
六、知识点归纳总结表
| 分类 | 核心内容 |
|---|---|
| 展开函数 | \(f(x)=\cos x\) |
| 展开类型 | Maclaurin展开（\(x_0=0\)处的Taylor展开） |
| \(2m+1\)阶Taylor多项式 | \(T_{2m+1}(x) = \sum_{j=0}^m \frac{(-1)^j}{(2j)!}x^{2j} = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \dots + (-1)^m\frac{x^{2m}}{(2m)!}\) |
| Peano余项 | 基础形式：\(R_{2m+1}(x)=o(x^{2m+1}) \ (x\to0)\)；进阶形式：\(R_{2m+1}(x)=o(x^{2m+2}) \ (x\to0)\)，适用条件：\(x\to0\)的局部场景，仅需\(\cos x\)在0处\(2m+1\)阶可导 |
| Lagrange余项 | \(R_{2m+1}(x)=\frac{(-1)^{m+1} \cos(\theta x)}{(2m+2)!}x^{2m+2} \ (0<\theta<1)\)，适用条件：全体实数域，需\(\cos x\)在区间上\(2m+2\)阶可导 |
| Cauchy余项 | \(R_{2m+1}(x)=\frac{(-1)^{m+1} \cos(\theta x)}{(2m+1)!}(1-\theta)^{2m+1}x^{2m+2} \ (0<\theta<1)\)，适用条件：全体实数域，需\(\cos x\)在区间上\(2m+2\)阶可导 |
| 核心收敛性质 | 对任意固定\(x\in\mathbb{R}\)，\(\lim_{m\to\infty}R_{2m+1}(x)=0\)，Taylor多项式在\(\mathbb{R}\)上全局收敛于\(\cos x\) |
| 核心误差上界 | 对任意\(x\in\mathbb{R}\)，绝对误差满足$ |
| 核心应用 | 极限计算、三角函数高精度近似、不等式证明、振动分析、信号处理、数值分析、傅里叶展开 |
例4.1.5 对数函数\(\ln(1+x)\)的Taylor展开式 完整解析
本例题是对数函数Maclaurin展开的核心基础案例，与指数、三角函数的展开式相比，其核心特点是收敛域有限，仅在\(x\in(-1,1]\)内可通过Taylor多项式全局逼近，是极限计算、对数近似、不等式证明、幂级数分析的核心工具。
一、前置基础：\(\ln(1+x)\)的任意阶导数性质
1. 函数基本性质
函数\(f(x)=\ln(1+x)\)的定义域为\(x>-1\)，在定义域内任意阶可导，这是Taylor展开的前提条件。
2. 任意阶导数通用公式推导
通过逐阶求导归纳规律，结合数学归纳法严格证明：
- 0阶导数（函数本身）：\(f^{(0)}(x)=\ln(1+x)\)，代入\(x=0\)得\(f(0)=\ln1=0\)；
- 1阶导数：\(f'(x)=\frac{1}{1+x}=(1+x)^{-1}\)，\(f'(0)=1\)；
- 2阶导数：\(f''(x)=(-1)\cdot(1+x)^{-2}\)，\(f''(0)=-1!\)；
- 3阶导数：\(f'''(x)=(-1)\cdot(-2)\cdot(1+x)^{-3}=(-1)^2\cdot2!\cdot(1+x)^{-3}\)，\(f'''(0)=2!\)；
- 4阶导数：\(f^{(4)}(x)=(-1)^3\cdot3!\cdot(1+x)^{-4}\)，\(f^{(4)}(0)=-3!\)。
通过数学归纳法可严格证明，对任意正整数\(k\geq1\)，\(\ln(1+x)\)的\(k\)阶导数满足通用公式：
3. 0点处的各阶导数值
将\(x=0\)代入导数公式，\((1+0)^k=1\)，因此得到系数的核心规律：
二、\(\ln(1+x)\)的Maclaurin展开式完整推导
根据Maclaurin公式的通用形式：
由于\(f(0)=0\)，\(k=0\)的常数项为0，因此展开式从\(k=1\)开始。将\(f^{(k)}(0)\)代入系数项化简：
（依据：\(k! = k\cdot(k-1)!\)，约去\((k-1)!\)得到最简形式）
因此得到\(\ln(1+x)\)的\(n\)次Taylor多项式：
\(\ln(1+x)\)的Maclaurin展开式基础形式为：
三、两类余项的严谨推导
注：原例题中Lagrange余项第一行的\(x^{n-1}\)为排版笔误，正确幂次应为\(x^{n+1}\)，以下推导均采用正确阶数，与后续化简结果一致。
1. Lagrange余项推导
通用公式依据
带Lagrange余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，\(x>-1\)，可参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 计算\(n+1\)阶导数：将\(k=n+1\)代入导数通用公式，得\[f^{(n+1)}(\xi) = \frac{(-1)^n \cdot n!}{(1+\xi)^{n+1}} \]
- 代入Lagrange余项通用公式：\[\begin{aligned} R_n(x) &= \frac{1}{(n+1)!} \cdot \frac{(-1)^n \cdot n!}{(1+\xi)^{n+1}} \cdot x^{n+1} \\ &= \frac{(-1)^n}{(n+1)(1+\xi)^{n+1}} x^{n+1} \end{aligned} \]（依据：\(n!\)与\((n+1)!\)约去，\((n+1)!=(n+1)\cdot n!\)）
- 代入参数化形式\(\xi=\theta x\)（\(0<\theta<1\)），得到标准形式：\[\boldsymbol{R_n(x) = \frac{(-1)^n}{(n+1)(1+\theta x)^{n+1}} x^{n+1}, \quad 0<\theta<1, x>-1} \]
2. Cauchy余项推导
通用公式依据
带Cauchy余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，\(x>-1\)，可参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 代入\(n+1\)阶导数\(f^{(n+1)}(\xi) = \frac{(-1)^n \cdot n!}{(1+\xi)^{n+1}}\)，得：\[\begin{aligned} R_n(x) &= \frac{1}{n!} \cdot \frac{(-1)^n \cdot n!}{(1+\xi)^{n+1}} \cdot (x-\xi)^n \cdot x \\ &= \frac{(-1)^n}{(1+\xi)^{n+1}} (x-\xi)^n \cdot x \end{aligned} \]（依据：\(n!\)直接约去）
- 代入参数化形式\(\xi=\theta x\)，得\(x-\xi = x(1-\theta)\)，因此\((x-\xi)^n = x^n(1-\theta)^n\)，合并\(x\)的幂次：\[\begin{aligned} R_n(x) &= \frac{(-1)^n}{(1+\theta x)^{n+1}} \cdot \left[x(1-\theta)\right]^n \cdot x \\ &= \frac{(-1)^n (1-\theta)^n}{(1+\theta x)^{n+1}} x^{n+1} \end{aligned} \]
- 最终得到Cauchy余项的标准形式：\[\boldsymbol{R_n(x) = \frac{(-1)^n (1-\theta)^n}{(1+\theta x)^{n+1}} x^{n+1}, \quad 0<\theta<1, x>-1} \]
3. Peano余项补充
针对\(x\to0\)的局部场景，带Peano余项的展开式为：
该形式仅适用于\(x\)趋近于0的局部分析，无法用于区间上的全局误差估计。
四、核心拓展与应用说明
1. 收敛性分析（与指数、三角函数的核心区别）
\(\ln(1+x)\)的Taylor多项式仅在\(x\in(-1,1]\)内，当\(n\to\infty\)时余项趋于0，级数收敛于\(\ln(1+x)\)，具体分析如下：
- 当\(x\in(-1,1)\)时：\(|1+\theta x|>1-|x|>0\)，余项的绝对值满足\(|R_n(x)| \leq \frac{|x|^{n+1}}{(n+1)(1-|x|)^{n+1}}\)，由于\(|x|<1\)，当\(n\to\infty\)时\(|R_n(x)|\to0\)，多项式全局收敛于\(\ln(1+x)\)；
- 当\(x=1\)时：展开式变为\(\ln2=1-\frac{1}{2}+\frac{1}{3}-\frac{1}{4}+\dots\)，为交错级数，满足莱布尼茨判别法，收敛于\(\ln2\)；
- 当\(x\leq-1\)时：函数无定义，级数发散；
- 当\(|x|>1\)时：通项\(\frac{(-1)^{n-1}x^n}{n}\)不趋于0，级数发散，无法用多项式逼近。
2. 典型应用场景
- 不定式极限求解
带Peano余项的展开式是求解含对数函数\(\frac{0}{0}\)型极限的核心工具，例如经典极限\(\lim_{x\to0}\frac{\ln(1+x)-x}{x^2}\)，代入\(\ln(1+x)=x-\frac{x^2}{2}+o(x^2)\)可直接得到结果为\(-\frac{1}{2}\)。 - 对数函数的高精度近似计算
工程中常用该展开式计算对数，例如计算\(\ln2\)，取\(x=1\)时，交错级数的误差不超过第\(n+1\)项的绝对值；也可通过变形\(\ln\frac{1+x}{1-x}=2\left(x+\frac{x^3}{3}+\frac{x^5}{5}+\dots\right)\)实现更快的收敛速度。 - 不等式证明
利用余项的符号可证明对数相关不等式，例如：- 对任意\(x>0\)，有\(\ln(1+x)<x\)；
- 对任意\(x>-1\)，有\(\ln(1+x)\geq x-\frac{x^2}{2}\)。
- 幂级数展开与微积分运算
该展开式是对数函数幂级数展开的基础，广泛应用于微积分、复变函数、数值分析等领域，是初等函数幂级数展开的核心案例。
五、易错点提醒
- 定义域与收敛域限制：函数定义域为\(x>-1\)，展开式仅在\(x\in(-1,1]\)内收敛于\(\ln(1+x)\)，\(|x|>1\)时级数发散，不可用于近似计算。
- 导数公式的符号与阶乘错误：\(k\)阶导数的符号为\((-1)^{k-1}\)，阶乘为\((k-1)!\)，不可写为\((-1)^k\)或\(k!\)，避免系数符号、数值错误。
- 余项幂次笔误规避：原例题中Lagrange余项第一行的\(x^{n-1}\)为排版错误，正确幂次为\(x^{n+1}\)，与后续推导一致，不可被笔误误导。
- 展开式起始项错误：\(f(0)=0\)，展开式无常数项，从一次项\(x\)开始，不可额外添加常数项。
- 余项的参数范围：\(\theta\in(0,1)\)，需保证\(1+\theta x>0\)，符合\(x>-1\)的定义域要求，不可忽略该约束。
六、知识点归纳总结表
| 分类 | 核心内容 |
|---|---|
| 展开函数 | \(f(x)=\ln(1+x)\)，定义域\(x>-1\) |
| 展开类型 | Maclaurin展开（\(x_0=0\)处的Taylor展开） |
| \(n\)次Taylor多项式 | \(T_n(x) = \sum_{k=1}^n \frac{(-1)^{k-1}}{k}x^k = x - \frac{x^2}{2} + \frac{x^3}{3} - \dots + (-1)^{n-1}\frac{x^n}{n}\) |
| Peano余项 | \(R_n(x)=o(x^n) \ (x\to0)\)，适用条件：\(x\to0\)的局部场景，仅需\(\ln(1+x)\)在0处\(n\)阶可导 |
| Lagrange余项 | \(R_n(x)=\frac{(-1)^n}{(n+1)(1+\theta x)^{n+1}}x^{n+1} \ (0<\theta<1)\)，适用条件：\(x>-1\)，需\(\ln(1+x)\)在区间上\(n+1\)阶可导 |
| Cauchy余项 | \(R_n(x)=\frac{(-1)^n (1-\theta)^n}{(1+\theta x)^{n+1}}x^{n+1} \ (0<\theta<1)\)，适用条件：\(x>-1\)，需\(\ln(1+x)\)在区间上\(n+1\)阶可导 |
| 核心收敛性质 | 仅当\(x\in(-1,1]\)时，\(\lim_{n\to\infty}R_n(x)=0\)，Taylor多项式收敛于\(\ln(1+x)\)；$ |
| 核心误差上界 | 对\(x\in(-1,1)\)，绝对误差满足$ |
| 核心应用 | 极限计算、对数函数近似计算、不等式证明、幂级数展开、数值分析、微积分运算 |
例4.1.6 二项式函数\((1+x)^\alpha\)的Taylor展开式 完整解析
本例题是Taylor公式的核心应用案例，实现了正整数次二项式定理到任意实数次广义二项式展开的推广，是根式、分式类函数极限计算、近似求解、幂级数分析的核心工具，覆盖了初等函数Taylor展开的绝大多数高频特殊情形。
一、通用形式：任意实指数\(\alpha\)的Maclaurin展开
1. 函数基本性质
函数\(f(x)=(1+x)^\alpha\)的定义域为\(x>-1\)，其中\(\alpha\in\mathbb{R}\)为任意实常数，在定义域内任意阶可导，满足Taylor展开的前提条件。
2. 任意阶导数通用公式
通过逐阶求导归纳规律，结合数学归纳法可严格证明，对任意正整数\(k\geq1\)，\((1+x)^\alpha\)的\(k\)阶导数为：
代入展开点\(x=0\)，\((1+0)^{\alpha-k}=1\)，得到0点处的各阶导数值：
常数项\(f(0)=(1+0)^\alpha=1\)。
定义广义二项式系数：\(\mathrm{C}_\alpha^k = \frac{\alpha(\alpha-1)\cdots(\alpha-k+1)}{k!}\)，与正整数的组合数定义完全兼容；当\(\alpha\)为正整数\(n\)时，\(k>n\)时系数为0，展开式退化为有限项的初等二项式定理。
3. Maclaurin展开式基础形式
根据Maclaurin公式的通用形式，代入系数化简得：
二、两类余项的严谨推导
1. Lagrange余项
通用公式依据
带Lagrange余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，\(x>-1\)，可参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 计算\(n+1\)阶导数：将\(k=n+1\)代入导数通用公式，得\[f^{(n+1)}(\xi) = \alpha(\alpha-1)\cdots(\alpha-n) \cdot (1+\xi)^{\alpha-n-1} \]
- 代入余项公式并化简：\[\begin{aligned} R_n(x) &= \frac{1}{(n+1)!} \cdot \alpha(\alpha-1)\cdots(\alpha-n) \cdot (1+\xi)^{\alpha-n-1} \cdot x^{n+1} \\ &= \frac{\alpha(\alpha-1)\cdots(\alpha-n)}{(n+1)!} \cdot (1+\xi)^{\alpha-n-1} \cdot x^{n+1} \end{aligned} \]
- 代入参数化形式\(\xi=\theta x\)，得到标准形式：\[\boldsymbol{R_n(x) = \frac{\alpha(\alpha-1)\cdots(\alpha-n)}{(n+1)!} \cdot (1+\theta x)^{\alpha-n-1} \cdot x^{n+1}, \quad 0<\theta<1, x>-1} \]
2. Cauchy余项
通用公式依据
带Cauchy余项的Taylor公式中，\(n\)阶展开的余项标准形式为：
其中\(\xi\)介于0与\(x\)之间，\(x>-1\)，可参数化为\(\xi=\theta x\)（\(0<\theta<1\)）。
分步推导
- 代入\(n+1\)阶导数，得：\[\begin{aligned} R_n(x) &= \frac{1}{n!} \cdot \alpha(\alpha-1)\cdots(\alpha-n) \cdot (1+\xi)^{\alpha-n-1} \cdot (x-\xi)^n \cdot x \\ &= \frac{\alpha(\alpha-1)\cdots(\alpha-n)}{n!} \cdot (1+\xi)^{\alpha-n-1} \cdot (x-\xi)^n \cdot x \end{aligned} \]
- 代入参数化形式\(\xi=\theta x\)，得\(x-\xi = x(1-\theta)\)，因此\((x-\xi)^n = x^n(1-\theta)^n\)，合并\(x\)的幂次后化简得：\[\boldsymbol{R_n(x) = \frac{\alpha(\alpha-1)\cdots(\alpha-n)}{n!} \cdot (1+\theta x)^{\alpha-n-1} \cdot (1-\theta)^n \cdot x^{n+1}, \quad 0<\theta<1, x>-1} \]
3. Peano余项补充
针对\(x\to0\)的局部场景，带Peano余项的展开式为：
三、两类高频特殊情形的完整推导
情形1：\(\alpha=-1\)（几何级数展开）
对应函数\(f(x)=\frac{1}{1+x}=(1+x)^{-1}\)，定义域\(x>-1\)，是等比数列求和的微积分形式。
1. 展开式推导
代入\(\alpha=-1\)，广义二项式系数为：
因此Taylor多项式为：
2. Lagrange余项
\(n+1\)阶导数为\(f^{(n+1)}(\xi) = (-1)^{n+1} (n+1)! (1+\xi)^{-(n+2)}\)，代入余项公式化简得：
因此完整展开式为：
3. 衍生展开：\(\frac{1}{1-x}\)
将上式中的\(x\)替换为\(-x\)，定义域变为\(x<1\)，化简得：
该式是等比数列有限项求和的余项形式，是幂级数分析的核心基础公式。
情形2：\(\alpha=\frac{1}{2}\)（平方根函数展开）
对应函数\(f(x)=\sqrt{1+x}=(1+x)^{\frac{1}{2}}\)，定义域\(x>-1\)，是根式近似计算、极限求解的最常用展开式。
1. 展开式推导
代入\(\alpha=\frac{1}{2}\)，广义二项式系数化简为双阶乘形式（约定\((-1)!!=1\)）：
其中双阶乘定义：\((2k)!!=2\cdot4\cdot6\cdots2k=2^k k!\)，\((2k-1)!!=1\cdot3\cdot5\cdots(2k-1)\)。
因此Taylor多项式为：
2. Lagrange余项
\(n+1\)阶导数为：
代入余项公式化简得：
因此完整展开式为：
四、核心拓展与关键说明
1. 收敛性分析
广义二项式展开的收敛特性与指数、三角函数有本质区别：
- 当\(\alpha\)为正整数时，展开式为有限项，对所有\(x\in\mathbb{R}\)均成立，退化为初等二项式定理；
- 当\(\alpha\)为非正整数的实数时，仅在\(x\in(-1,1)\)内，\(n\to\infty\)时余项趋于0，级数收敛于\((1+x)^\alpha\)；
- 端点收敛性：\(x=1\)时\(\alpha>-1\)收敛，\(x=-1\)时\(\alpha>0\)收敛，其余端点情形发散。
2. 核心应用场景
- 不定式极限求解：带Peano余项的展开式是求解含根式、分式的\(\frac{0}{0}\)型极限的核心工具，例如\(\lim\limits_{x\to0}\frac{\sqrt{1+x}-1-\frac{x}{2}}{x^2}\)；
- 数值近似计算：用于平方根、高次幂的高精度近似，例如计算\(\sqrt{1.02}\)、\(\sqrt[3]{0.98}\)的近似值；
- 不等式证明：利用余项的符号证明根式、分式相关不等式，例如\(\sqrt{1+x}\leq1+\frac{x}{2}\)对\(x>-1\)成立；
- 幂级数展开：是初等函数幂级数展开的核心案例，广泛应用于微积分、复变函数、数值分析等领域。
3. 易错点提醒
- 定义域与收敛域限制：函数定义域为\(x>-1\)，展开式仅在\(x\in(-1,1)\)内全局收敛，\(|x|>1\)时级数发散，不可用于近似计算；
- 双阶乘的约定：\(k=1\)时\((2k-3)!!=(-1)!!=1\)，避免首项系数错误；
- 余项的指数与符号：导数的指数为\(\alpha-k\)，余项的指数为\(\alpha-n-1\)，需注意符号与阶数的匹配；
- 变量替换的定义域：\(\frac{1}{1-x}\)的展开式定义域为\(x<1\)，需注意替换后\(\theta\)的范围与定义域的一致性；
- 有限展开与无穷级数的区分：Taylor公式是有限项加余项的恒等式，无穷级数是\(n\to\infty\)的极限形式，二者不可混淆。
五、知识点归纳总结表
| 分类 | 核心内容 |
|---|---|
| 展开函数 | \(f(x)=(1+x)^\alpha\)，定义域\(x>-1\)，\(\alpha\in\mathbb{R}\)为任意实常数 |
| 展开类型 | Maclaurin展开（\(x_0=0\)处的Taylor展开） |
| \(n\)次Taylor多项式 | \(T_n(x) = 1 + \sum_{k=1}^n \frac{\alpha(\alpha-1)\cdots(\alpha-k+1)}{k!}x^k = 1 + \sum_{k=1}^n \mathrm{C}_\alpha^k x^k\) |
| Peano余项 | \(R_n(x)=o(x^n) \ (x\to0)\)，适用条件：\(x\to0\)的局部场景，仅需函数在0处\(n\)阶可导 |
| Lagrange余项 | \(R_n(x)=\frac{\alpha(\alpha-1)\cdots(\alpha-n)}{(n+1)!}(1+\theta x)^{\alpha-n-1}x^{n+1} \ (0<\theta<1)\)，适用条件：\(x>-1\)，需函数在区间上\(n+1\)阶可导 |
| Cauchy余项 | \(R_n(x)=\frac{\alpha(\alpha-1)\cdots(\alpha-n)}{n!}(1+\theta x)^{\alpha-n-1}(1-\theta)^n x^{n+1} \ (0<\theta<1)\)，适用条件：\(x>-1\)，需函数在区间上\(n+1\)阶可导 |
| 核心收敛性质 | \(\alpha\)为正整数时，展开式为有限项，对全体实数成立；\(\alpha\)为非整数时，仅在\(x\in(-1,1)\)内级数收敛于\((1+x)^\alpha\) |
| 高频特殊情形 | 1. \(\alpha=-1\)：\(\frac{1}{1+x}=\sum_{k=0}^n (-1)^k x^k + \frac{(-1)^{n+1}x^{n+1}}{(1+\theta x)^{n+2}}\)； 2. \(\alpha=-1\)衍生：\(\frac{1}{1-x}=\sum_{k=0}^n x^k + \frac{x^{n+1}}{(1-\theta x)^{n+2}}\)； 3. \(\alpha=\frac{1}{2}\)：\(\sqrt{1+x}=1+\sum_{k=1}^n \frac{(-1)^{k-1}(2k-3)!!}{(2k)!!}x^k + R_n(x)\) |
| 核心应用 | 极限计算、根式/分式近似计算、不等式证明、幂级数展开、数值分析、微积分运算 |
例4.1.7 多项式在指定点的Taylor展开 完整解析
最终结果
多项式\(P(x)=2+3x+x^2+4x^3+x^4\)在\(x_0=-1\)处的Taylor展开式（即表示为\(x+1\)的多项式）为：
核心原理前置
对于n次多项式，其Taylor展开具有特殊性：
n次多项式的n+1阶及以上导数恒为0，因此它在任意点\(x_0\)处的Taylor展开是有限项的精确等式，无余项，完全等价于原多项式；且根据Taylor展开唯一性定理，该展开式唯一。
本题中\(P(x)\)是4次多项式，因此只需展开到\((x+1)^4\)项，即可得到与原多项式完全等价的表达式。
解法1：降幂凑配法（二项式逆用法）
方法核心
从最高次项开始，利用二项式定理，将\(x\)的幂次逐步凑配为\((x+1)\)的幂次，通过展开抵消多余项，从高次到低次依次完成转化。
分步推导（每步标注依据）
-
最高次项凑配
原多项式整理为降幂形式：\(P(x)=x^4+4x^3+x^2+3x+2\)
由二项式定理：\((x+1)^4 = x^4+4x^3+6x^2+4x+1\)，恰好匹配原多项式的前两项\(x^4+4x^3\)，因此将前两项改写为：\[x^4+4x^3 = (x+1)^4 - (6x^2+4x+1) \]代入原多项式，合并同类项：
\[\begin{aligned} P(x) &= (x+1)^4 - (6x^2+4x+1) + x^2+3x+2 \\ &= (x+1)^4 -5x^2 -x +1 \end{aligned} \] -
二次项凑配
由二项式定理：\((x+1)^2 = x^2+2x+1\)，因此\(x^2=(x+1)^2-2x-1\)，代入上式：\[\begin{aligned} P(x) &= (x+1)^4 -5\left[(x+1)^2-2x-1\right] -x +1 \\ &= (x+1)^4 -5(x+1)^2 +10x+5 -x +1 \\ &= (x+1)^4 -5(x+1)^2 +9x +6 \end{aligned} \] -
一次项凑配
将一次项\(9x+6\)凑配为\((x+1)\)的一次式：\(9x+6=9(x+1)-3\)，代入后得到最终结果：\[P(x) = (x+1)^4 -5(x+1)^2 +9(x+1) -3 \]
解法2：Taylor公式直接法（通用标准法）
方法核心
直接利用多项式Taylor展开的通用公式：对n次多项式\(P(x)\)，在\(x_0\)处的展开式为
本题中\(x_0=-1\)，\(n=4\)，只需计算\(P(x)\)在\(x=-1\)处的0~4阶导数，代入公式即可。
分步推导
-
计算各阶导数在\(x=-1\)处的取值
导数阶数 导数表达式 \(x=-1\)处的导数值 0阶（函数本身） \(P(x)=x^4+4x^3+x^2+3x+2\) \(P(-1)=(-1)^4+4(-1)^3+(-1)^2+3(-1)+2=-3\) 1阶 \(P'(x)=4x^3+12x^2+2x+3\) \(P'(-1)=4(-1)^3+12(-1)^2+2(-1)+3=9\) 2阶 \(P''(x)=12x^2+24x+2\) \(P''(-1)=12(-1)^2+24(-1)+2=-10\) 3阶 \(P'''(x)=24x+24\) \(P'''(-1)=24(-1)+24=0\) 4阶 \(P^{(4)}(x)=24\) \(P^{(4)}(-1)=24\) 5阶及以上 \(P^{(k)}(x)=0 \ (k\geq5)\) 恒为0，无余项 -
代入Taylor公式化简
展开点\(x_0=-1\)，因此\(x-x_0=x+1\)，代入公式：\[\begin{aligned} P(x) &= \frac{P(-1)}{0!}(x+1)^0 + \frac{P'(-1)}{1!}(x+1)^1 + \frac{P''(-1)}{2!}(x+1)^2 + \frac{P'''(-1)}{3!}(x+1)^3 + \frac{P^{(4)}(-1)}{4!}(x+1)^4 \\ &= \frac{-3}{1} + \frac{9}{1}(x+1) + \frac{-10}{2}(x+1)^2 + \frac{0}{6}(x+1)^3 + \frac{24}{24}(x+1)^4 \\ &= (x+1)^4 -5(x+1)^2 +9(x+1) -3 \end{aligned} \]与解法1结果完全一致，验证了正确性。
结果验证
将展开式反向展开，还原为原多项式，验证等价性：
与原多项式完全一致，展开式正确。
两种方法对比与适用场景
| 方法 | 核心优势 | 局限性 | 适用场景 |
|---|---|---|---|
| 降幂凑配法 | 计算步骤少，低次多项式展开速度快 | 高次多项式凑配难度大，易出现符号、系数错误 | 次数≤4的低次多项式，熟练掌握二项式定理的场景 |
| Taylor公式直接法 | 步骤固定，逻辑清晰，不易出错，通用性极强 | 需要计算多阶导数，步骤略多 | 任意次数的多项式，是多项式Taylor展开的标准通用方法 |
高频易错点提醒
- 展开点符号错误：\(x_0=-1\)，因此\(x-x_0=x+1\)，切勿误写为\(x-1\)；
- 阶乘遗漏：Taylor公式的系数必须除以对应阶数的阶乘，例如二次项系数是\(\frac{P''(x_0)}{2!}\)，而非直接\(P''(x_0)\)；
- 导数计算错误：多项式求导时需注意系数与幂次的对应，例如\(4x^3\)的导数是\(12x^2\)，切勿漏乘系数；
- 凑配法符号错误：二项式展开的逆用中，需注意括号外的负号对所有项生效，合并同类项时需仔细核对符号。
例4.1.8 高斯函数\(e^{-\frac{x^2}{2}}\)的Maclaurin展开与高阶导数求解 完整解析
最终结果
- \(f(x)=e^{-\frac{x^2}{2}}\)带Peano余项的Maclaurin公式为：\[\boldsymbol{e^{-\frac{x^2}{2}} = \sum_{k=0}^n \frac{(-1)^k}{k! \cdot 2^k} x^{2k} + o(x^{2n}), \quad x\to0} \]
- 0点处的高阶导数：\[\boldsymbol{f^{(98)}(0) = -\frac{98!}{49! \cdot 2^{49}}, \quad f^{(99)}(0)=0} \]
一、核心原理前置
本题的核心方法是利用已知初等函数的Maclaurin展开式，通过复合代入结合Taylor展开唯一性定理，间接求解复杂函数的展开式与高阶导数，避免了直接求高阶导数的繁琐计算。
1. 基础展开式（前置结论）
指数函数\(e^t\)的带Peano余项的Maclaurin公式为：
该式对任意正整数\(n\)成立，是本题的推导基础。
2. Taylor展开唯一性定理
若函数\(f(x)\)在\(x=0\)处可展开为带Peano余项的Maclaurin公式\(f(x)=\sum_{m=0}^M a_m x^m + o(x^M)\)，则展开式的系数唯一，且满足系数与高阶导数的核心关系：
二、\(e^{-\frac{x^2}{2}}\)的Maclaurin公式分步推导
步骤1：复合变量替换
令\(t = -\frac{x^2}{2}\)，当\(x\to0\)时，\(t\to0\)，满足\(e^t\)展开式的适用条件，因此可将\(t=-\frac{x^2}{2}\)代入\(e^t\)的Maclaurin公式。
步骤2：代入并化简多项式项
将\(t=-\frac{x^2}{2}\)代入展开式的求和项：
其中用到了幂的运算规则：\((-\frac{x^2}{2})^k = (-1)^k \cdot (x^2)^k \cdot (\frac{1}{2})^k = \frac{(-1)^k x^{2k}}{2^k}\)。
步骤3：化简余项
代入后的余项为\(o\left( \left( -\frac{x^2}{2} \right)^n \right)\)，根据高阶无穷小的性质：非零常数因子不改变无穷小的阶数，即\(o(C \cdot x^m)=o(x^m)\)（\(C\neq0\)为常数），因此：
步骤4：得到最终展开式
合并多项式项与余项，得到\(e^{-\frac{x^2}{2}}\)的Maclaurin公式：
关键观察：该展开式仅含\(x\)的偶次幂项，所有奇次幂项的系数均为0，这是后续求解\(f^{(99)}(0)=0\)的核心依据。
三、0点处高阶导数的求解
根据Taylor展开唯一性定理的核心关系\(f^{(m)}(0) = a_m \cdot m!\)，分别求解98阶、99阶导数：
1. 求解\(f^{(98)}(0)\)
98是偶数，令\(m=98\)，对应展开式中\(x^{98}\)的项，此时\(2k=98\)，解得\(k=49\)。
因此\(x^{98}\)的系数为：
代入核心关系，得：
2. 求解\(f^{(99)}(0)\)
99是奇数，而我们的展开式中仅含偶次幂项，不存在\(x^{99}\)的项，因此\(x^{99}\)的系数\(a_{99}=0\)。
代入核心关系，得：
四、核心拓展与易错点提醒
1. 函数背景与应用
\(f(x)=e^{-\frac{x^2}{2}}\)是标准正态分布的概率密度函数（高斯函数），是概率论、统计学、机器学习、信号处理中最核心的函数之一。本题的展开式广泛用于高斯函数的数值计算、积分近似（如误差函数的计算）、极限求解等场景。
2. 核心技巧总结
对于复合函数的Maclaurin展开与0点高阶导数求解，优先使用“已知展开式复合代入+唯一性定理”的方法，避免直接求高阶导数的繁琐计算，尤其是高次导数（如98阶）的场景，该方法是最高效的通用解法。
3. 高频易错点
- 幂次对应错误：\(x^{98}\)对应的\(k=49\)，而非\(k=98\)，容易误将\(k=98\)代入导致系数错误；
- 余项阶数错误：代入后余项为\(o(x^{2n})\)，而非\(o(x^n)\)，需注意复合后变量的幂次变化；
- 符号与系数错误：\((-\frac{x^2}{2})^k\)的符号为\((-1)^k\)，分母含\(2^k\)，容易遗漏符号或2的幂次；
- 奇次项系数误解：展开式无奇数幂项，所有奇数阶导数在0点均为0，无需额外计算。
五、结果验证
我们可以通过低阶展开验证正确性：
取\(n=2\)，展开式为\(e^{-\frac{x^2}{2}} = 1 - \frac{x^2}{2} + \frac{x^4}{8} + o(x^4)\)，与直接求导得到的结果一致：
- \(f(0)=1\)，对应常数项；
- \(f'(0)=0\)，一次项系数为0；
- \(f''(0)=-1\)，二次项系数为\(\frac{f''(0)}{2!}=-\frac{1}{2}\)；
- \(f^{(4)}(0)=3\)，四次项系数为\(\frac{3}{4!}=\frac{1}{8}\)，与展开式完全匹配，验证了推导的正确性。
例4.1.9 \(\tan x\)的5次Maclaurin展开 完整解析
最终结果
\(\tan x\)的5次带Peano余项的Maclaurin展开式为：
前置核心原理
- 基础展开式：\(\sin x\)和\(\cos x\)的5次Maclaurin展开（解法1的核心基础）\[\sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} + o(x^5) = x - \frac{x^3}{6} + \frac{x^5}{120} + o(x^5) \]\[\cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} + o(x^5) = 1 - \frac{x^2}{2} + \frac{x^4}{24} + o(x^5) \]
- Taylor展开唯一性定理：若函数在\(x=0\)处可展开为\(\sum_{k=0}^n a_k x^k + o(x^n)\)，则展开式系数唯一，且满足\(\boldsymbol{a_k = \frac{f^{(k)}(0)}{k!}}\)，是所有解法的核心依据。
- 奇偶性简化：\(\tan x\)是奇函数（\(\tan(-x)=-\tan x\)），因此其Maclaurin展开式仅含奇次幂项，所有偶次幂项系数均为0，可提前预判结果、简化计算。
三种解法详细解析
解法1：待定系数法（首选通用方法，最简便）
核心思路
利用\(\tan x = \frac{\sin x}{\cos x}\)转化为恒等式\(\sin x = \cos x \cdot \tan x\)，设出\(\tan x\)的展开式，通过多项式乘法合并同次幂，结合唯一性定理比较系数求解。
分步推导
-
设展开式
设\(\tan x\)的5次Maclaurin展开式为：\[\tan x = f(x) = a_0 + a_1 x + a_2 x^2 + a_3 x^3 + a_4 x^4 + a_5 x^5 + o(x^5) \] -
代入恒等式并展开
由\(\sin x = \cos x \cdot f(x)\)，将\(\sin x\)、\(\cos x\)的展开式代入右侧，按多项式乘法规则逐项相乘，合并同次幂项（高阶无穷小运算规则：\(o(x^5)\)与多项式相乘仍为\(o(x^5)\)，可统一合并）：\[\begin{aligned} \cos x \cdot f(x) &= \left(1 - \frac{x^2}{2} + \frac{x^4}{24} + o(x^5)\right) \cdot \left(a_0 + a_1 x + a_2 x^2 + a_3 x^3 + a_4 x^4 + a_5 x^5 + o(x^5)\right) \\ &= a_0 + a_1 x + \left(a_2 - \frac{a_0}{2}\right)x^2 + \left(a_3 - \frac{a_1}{2}\right)x^3 + \left(a_4 - \frac{a_2}{2} + \frac{a_0}{24}\right)x^4 + \left(a_5 - \frac{a_3}{2} + \frac{a_1}{24}\right)x^5 + o(x^5) \end{aligned} \] -
比较系数建立方程组
左侧\(\sin x\)的展开式为\(x - \frac{1}{6}x^3 + \frac{1}{120}x^5 + o(x^5)\)，根据唯一性定理，等式两边同次幂系数必须相等，得到方程组：\[\begin{cases} a_0 = 0 \quad (\text{常数项}) \\ a_1 = 1 \quad (\text{一次项}) \\ a_2 - \frac{a_0}{2} = 0 \quad (\text{二次项}) \\ a_3 - \frac{a_1}{2} = -\frac{1}{6} \quad (\text{三次项}) \\ a_4 - \frac{a_2}{2} + \frac{a_0}{24} = 0 \quad (\text{四次项}) \\ a_5 - \frac{a_3}{2} + \frac{a_1}{24} = \frac{1}{120} \quad (\text{五次项}) \end{cases} \] -
逐次求解系数
- 常数项：\(a_0=0\)；一次项：\(a_1=1\)；
- 二次项：\(a_2 = \frac{a_0}{2} = 0\)；
- 三次项：\(a_3 = \frac{a_1}{2} - \frac{1}{6} = \frac{1}{2} - \frac{1}{6} = \frac{1}{3}\)；
- 四次项：\(a_4 = \frac{a_2}{2} - \frac{a_0}{24} = 0\)；
- 五次项：\(a_5 = \frac{a_3}{2} - \frac{a_1}{24} + \frac{1}{120} = \frac{1}{6} - \frac{1}{24} + \frac{1}{120} = \frac{2}{15}\)。
-
得到最终展开式
将系数代入所设展开式，得：\[\tan x = x + \frac{1}{3}x^3 + \frac{2}{15}x^5 + o(x^5) \]
解法2：隐函数乘积求导法
核心思路
利用恒等式\(y\cos x = \sin x\)（\(y=\tan x\)），对等式逐次求导，代入\(x=0\)直接得到各阶导数值，再代入Maclaurin公式，避免直接求\(\tan x\)高阶导数的繁琐。
分步推导
-
初始值与一阶导数
- 初始值：\(y(0)=\tan0=0\)；
- 对\(y\cos x = \sin x\)两边求导（乘积求导法则\((uv)'=u'v+uv'\)）：\[y'\cos x - y\sin x = \cos x \]代入\(x=0\)（\(\cos0=1\)，\(\sin0=0\)），得\(y'(0)=1\)。
-
二阶导数
对一阶导数等式再次求导并化简：\[y''\cos x - 2y'\sin x - y\cos x = -\sin x \]代入\(x=0\)，得\(y''(0)=0\)。
-
三阶导数
对二阶导数等式再次求导并化简：\[y'''\cos x - 3y''\sin x - 3y'\cos x + y\sin x = -\cos x \]代入\(x=0\)，得\(y'''(0) - 3 = -1 \implies y'''(0)=2\)。
-
四阶导数
对三阶导数等式再次求导并化简：\[y^{(4)}\cos x - 4y'''\sin x - 6y''\cos x + 4y'\sin x + y\cos x = \sin x \]代入\(x=0\)，得\(y^{(4)}(0)=0\)。
-
五阶导数
对四阶导数等式再次求导并化简：\[y^{(5)}\cos x - 5y^{(4)}\sin x - 10y'''\cos x + 10y''\sin x + 5y'\cos x - y\sin x = \cos x \]代入\(x=0\)，得\(y^{(5)}(0) - 20 + 5 = 1 \implies y^{(5)}(0)=16\)。
-
代入Maclaurin公式
由\(a_k = \frac{y^{(k)}(0)}{k!}\)，代入各阶导数值：\[\begin{aligned} \tan x &= \frac{0}{0!} + \frac{1}{1!}x + \frac{0}{2!}x^2 + \frac{2}{3!}x^3 + \frac{0}{4!}x^4 + \frac{16}{5!}x^5 + o(x^5) \\ &= x + \frac{1}{3}x^3 + \frac{2}{15}x^5 + o(x^5) \end{aligned} \]与解法1结果完全一致。
解法3：直接求导法
核心思路
直接对\(y=\tan x\)逐次求导，计算各阶导数在\(x=0\)处的值，代入Maclaurin公式，逻辑最直接。
分步推导
-
计算各阶导数及0点取值
- 0阶：\(y=\tan x\)，\(y(0)=0\)；
- 1阶：\(y'=\sec^2 x = 1+\tan^2 x\)，\(y'(0)=\sec^2 0=1\)；
- 2阶：\(y''=2\sec^2 x \tan x\)，\(y''(0)=0\)；
- 3阶：\(y'''=2\sec^2 x(2\tan^2 x + \sec^2 x)\)，\(y'''(0)=2\)；
- 4阶：\(y^{(4)}=8\sec^2 x \tan^3 x + 16\sec^4 x \tan x\)，\(y^{(4)}(0)=0\)；
- 5阶：\(y^{(5)}=8\sec^2 x(3\tan^2 x \sec^2 x + 2\tan^4 x) + 16(4\sec^4 x \tan^2 x + \sec^6 x)\)，\(y^{(5)}(0)=16\)。
-
代入Maclaurin公式
与解法2完全一致，最终得到：\[\tan x = x + \frac{1}{3}x^3 + \frac{2}{15}x^5 + o(x^5) \]
三种方法对比总结
| 方法 | 核心优势 | 局限性 | 适用场景 |
|---|---|---|---|
| 待定系数法 | 计算量小，无需复杂求导，不易出错，通用性强 | 依赖已知函数的展开式 | 初等函数Maclaurin展开的首选方法 |
| 乘积求导法 | 避免了\(\tan x\)高阶导数的复杂计算 | 逐次求导易漏项，化简需仔细 | 分式、三角函数乘积类函数的高阶导数求解 |
| 直接求导法 | 逻辑直接，无额外技巧 | 高阶导数形式复杂，计算繁琐易出错 | 3次及以下低阶展开，或对导数公式高度熟悉的场景 |
核心拓展与易错点提醒
1. 关键性质拓展
- 收敛域：\(\tan x\)的Maclaurin展开式收敛域为\(|x| < \frac{\pi}{2}\)，因\(\tan x\)在\(x=\pm\frac{\pi}{2}\)处存在奇点，超出范围级数发散。
- 高阶展开通用形式：\(\tan x\)的展开式系数与伯努利数相关，通用表达式为：\[\tan x = \sum_{n=1}^\infty \frac{2^{2n}(2^{2n}-1)|B_{2n}|}{(2n)!}x^{2n-1} \]其中\(B_{2n}\)为伯努利数。
- 核心应用：不定式极限求解（如\(\lim\limits_{x\to0}\frac{\tan x - \sin x}{x^3}\)）、小角度三角函数近似计算、微分方程求解、级数展开等。
2. 高频易错点
- 多项式乘法漏项/符号错误：待定系数法中，同次幂合并时易漏项、符号出错，需逐项核对；
- 求导漏项：乘积求导时易漏乘系数、漏项，导致导数值错误；
- 阶乘计算错误：如\(5!=120\)、\(3!=6\)，阶乘算错会导致最终系数错误；
- 余项阶数不匹配：5次展开的余项为\(o(x^5)\)，而非\(o(x^4)\)，需保证展开阶数与余项阶数对应；
- 收敛域误用：展开式仅在\(|x|<\frac{\pi}{2}\)内有效，不可用于大角度的近似计算。
3. 结果验证
取\(x=0.1\)（小角度），真实值\(\tan0.1\approx0.10033467\)，代入展开式计算：
与真实值几乎完全一致，验证了展开式的正确性。
例4.1.10 \(\ln\cos x\)的6次Maclaurin展开 完整解析
最终结果
\(\ln\cos x\)的6次带Peano余项的Maclaurin展开式为：
前置核心原理
- 基础展开式（所有解法的核心基础）
- 余弦函数的Maclaurin展开：\(\cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + o(x^7) = 1 - \frac{x^2}{2} + \frac{x^4}{24} - \frac{x^6}{720} + o(x^7)\)
- 对数函数的Maclaurin展开：\(\ln(1+u) = u - \frac{u^2}{2} + \frac{u^3}{3} + o(u^3) \quad (u\to0)\)
- Taylor展开唯一性定理：函数在\(x=0\)处的Maclaurin展开式系数唯一，且满足\(\boldsymbol{a_k = \frac{f^{(k)}(0)}{k!}}\)，是所有解法的核心依据。
- 奇偶性简化：\(\ln\cos x\)是偶函数（\(\ln\cos(-x)=\ln\cos x\)），因此其Maclaurin展开式仅含偶次幂项，所有奇次幂项系数均为0，可提前预判结果、大幅简化计算。
三种解法详细解析
解法1：复合函数代入法（首选通用方法，最简便）
核心思路
将\(\ln\cos x\)拆分为\(\ln(1+u)\)，其中\(u=\cos x - 1\)，利用已知的\(\cos x\)和\(\ln(1+u)\)的Maclaurin展开式复合代入，合并同次幂项并处理余项，避免复杂求导。
分步推导（每步标注阶数匹配依据）
-
确定展开阶数
目标是得到6次展开式，\(u=\cos x-1\)是\(x^2\)量级的无穷小，因此：- \(\cos x\)需展开到\(x^7\)项，保证\(u\)的\(x^6\)项准确；
- \(\ln(1+u)\)需展开到\(u^3\)项（\(u^3\)对应\(x^6\)量级），更高次项可归入余项。
-
变量替换与代入
令\(u = \cos x - 1 = -\frac{x^2}{2} + \frac{x^4}{24} - \frac{x^6}{720} + o(x^7)\)，则\(\ln\cos x = \ln(1+u)\)，代入\(\ln(1+u)\)的展开式：\[\ln(1+u) = u - \frac{1}{2}u^2 + \frac{1}{3}u^3 + o(u^3) \] -
逐项展开并化简
- 第一项\(u\)：\(-\frac{x^2}{2} + \frac{x^4}{24} - \frac{x^6}{720} + o(x^7)\)
- 第二项\(-\frac{1}{2}u^2\)：仅需保留到\(x^6\)项，\(u^2 = \left(-\frac{x^2}{2} + \frac{x^4}{24} + o(x^5)\right)^2 = \frac{x^4}{4} - \frac{x^6}{24} + o(x^6)\)，因此：\[-\frac{1}{2}u^2 = -\frac{x^4}{8} + \frac{x^6}{48} + o(x^6) \]
- 第三项\(\frac{1}{3}u^3\)：仅需保留最低次\(x^6\)项，\(u^3 = \left(-\frac{x^2}{2} + o(x^3)\right)^3 = -\frac{x^6}{8} + o(x^6)\)，因此：\[\frac{1}{3}u^3 = -\frac{x^6}{24} + o(x^6) \]
- 余项：\(u\)是\(x^2\)量级，\(u^3\)是\(x^6\)量级，因此\(o(u^3)=o(x^6)\)。
-
合并同次幂项
- \(x^2\)项：\(-\frac{x^2}{2}\)
- \(x^4\)项：\(\frac{x^4}{24} - \frac{x^4}{8} = -\frac{x^4}{12}\)
- \(x^6\)项：\(-\frac{x^6}{720} + \frac{x^6}{48} - \frac{x^6}{24} = -\frac{x^6}{45}\)
- 余项：\(o(x^6)\)
最终得到展开式：
\[\ln\cos x = -\frac{x^2}{2} - \frac{x^4}{12} - \frac{x^6}{45} + o(x^6) \]
解法2：直接求导法（结合前序结论简化计算）
核心思路
利用导数的链式法则，将\(\ln\cos x\)的高阶导数转化为\(\tan x\)的高阶导数，复用例4.1.9的结论，直接计算各阶导数在\(x=0\)处的取值，代入Maclaurin公式。
分步推导
-
初始值与一阶导数
- 初始值：\(f(0)=\ln\cos0=\ln1=0\)；
- 一阶导数：\(f'(x) = \frac{-\sin x}{\cos x} = -\tan x\)，因此\(f'(0)=-\tan0=0\)。
-
高阶导数取值（复用\(\tan x\)的导数结论）
\(f(x)\)的\(k\)阶导数等于\(-\tan x\)的\(k-1\)阶导数，结合例4.1.9中\(\tan x\)在\(x=0\)处的导数值，得：- 二阶导数：\(f''(x) = -(\tan x)'\)，\(f''(0)=-1\)；
- 三阶导数：\(f'''(x) = -(\tan x)''\)，\(f'''(0)=0\)；
- 四阶导数：\(f^{(4)}(x) = -(\tan x)'''\)，\(f^{(4)}(0)=-2\)；
- 五阶导数：\(f^{(5)}(x) = -(\tan x)^{(4)}\)，\(f^{(5)}(0)=0\)；
- 六阶导数：\(f^{(6)}(x) = -(\tan x)^{(5)}\)，\(f^{(6)}(0)=-16\)。
-
代入Maclaurin公式
由\(a_k = \frac{f^{(k)}(0)}{k!}\)，仅保留偶次项（奇次项导数为0）：\[\begin{aligned} \ln\cos x &= \frac{f''(0)}{2!}x^2 + \frac{f^{(4)}(0)}{4!}x^4 + \frac{f^{(6)}(0)}{6!}x^6 + o(x^6) \\ &= \frac{-1}{2}x^2 + \frac{-2}{24}x^4 + \frac{-16}{720}x^6 + o(x^6) \\ &= -\frac{x^2}{2} - \frac{x^4}{12} - \frac{x^6}{45} + o(x^6) \end{aligned} \]与解法1结果完全一致。
解法3：待定系数法（结合求导与唯一性定理）
核心思路
设出\(\ln\cos x\)的展开式，对等式两边求导，利用\((\ln\cos x)'=-\tan x\)，结合\(\tan x\)的已知展开式，通过唯一性定理比较系数求解。
分步推导
-
设展开式
设\(\ln\cos x = \sum_{k=0}^6 a_k x^k + o(x^6)\)，由偶函数性质，奇次项系数\(a_1=a_3=a_5=0\)，简化为：\[\ln\cos x = a_0 + a_2 x^2 + a_4 x^4 + a_6 x^6 + o(x^6) \] -
两边求导建立等式
对等式两边求导，左边为\((\ln\cos x)'=-\tan x\)，右边为：\[\sum_{k=1}^6 k a_k x^{k-1} + o(x^5) = 2a_2 x + 4a_4 x^3 + 6a_6 x^5 + o(x^5) \] -
比较系数求解
由例4.1.9，\(-\tan x = -x - \frac{1}{3}x^3 - \frac{2}{15}x^5 + o(x^5)\)，根据唯一性定理，同次幂系数相等：- 常数项：\(a_0 = f(0) = \ln\cos0 = 0\)；
- \(x^1\)项：\(2a_2 = -1 \implies a_2 = -\frac{1}{2}\)；
- \(x^3\)项：\(4a_4 = -\frac{1}{3} \implies a_4 = -\frac{1}{12}\)；
- \(x^5\)项：\(6a_6 = -\frac{2}{15} \implies a_6 = -\frac{1}{45}\)。
-
得到最终展开式
将系数代入所设展开式，得：\[\ln\cos x = -\frac{x^2}{2} - \frac{x^4}{12} - \frac{x^6}{45} + o(x^6) \]
三种方法对比总结
| 方法 | 核心优势 | 局限性 | 适用场景 |
|---|---|---|---|
| 复合代入法 | 计算量最小，无需复杂求导，不易出错，通用性极强 | 依赖已知函数的展开式，需精准匹配展开阶数 | 复合函数Maclaurin展开的首选方法 |
| 直接求导法 | 逻辑直接，无额外技巧，可复用前序结论 | 高阶导数计算繁琐，易漏项出错 | 低阶展开，或对导数公式高度熟悉的场景 |
| 待定系数法 | 可利用奇偶性提前简化，系数求解逐次递进 | 需提前知道导数的展开式，依赖前序结论 | 已知导数展开式的场景，可快速求解系数 |
核心拓展与易错点提醒
1. 关键性质拓展
- 收敛域：\(\ln\cos x\)的Maclaurin展开式收敛域为\(|x| < \frac{\pi}{2}\)，因\(\cos x\)在\(x=\pm\frac{\pi}{2}\)处为0，\(\ln t\)在\(t=0\)处无定义，超出范围级数发散。
- 核心应用：
- 不定式极限求解，如\(\lim\limits_{x\to0}\frac{\ln\cos x + \frac{x^2}{2}}{x^4}\)，代入展开式可直接得到结果\(-\frac{1}{12}\)；
- 定积分近似计算，如\(\int_0^a \ln\cos x dx\)的数值求解；
- 三角函数不等式证明，如\(\ln\cos x \geq -\frac{x^2}{2} - \frac{x^4}{12}\)对\(|x|<\frac{\pi}{2}\)成立。
2. 高频易错点
- 展开阶数不匹配：要得到6次展开式，\(\cos x\)需展开到\(x^6\)项，\(\ln(1+u)\)需展开到\(u^3\)项，否则会遗漏\(x^6\)项或余项阶数错误；
- 符号运算错误：\(u=\cos x-1\)为负，\(u^2\)为正、\(u^3\)为负，幂运算的符号极易出错，需逐项核对；
- 阶乘计算错误：\(4!=24\)、\(6!=720\)，易误将\(6!\)算为\(5!=120\)，导致\(x^6\)项系数错误；
- 余项阶数错误：6次展开的余项为\(o(x^6)\)，而非\(o(x^5)\)，需保证余项是比展开最高次幂更高阶的无穷小；
- 奇偶性忽略：\(\ln\cos x\)是偶函数，奇次项系数恒为0，提前利用该性质可大幅简化计算，避免无效运算。
3. 结果验证
取\(x=0.1\)，真实值\(\ln\cos0.1\approx\ln(0.995004165)\approx-0.005008355\)，代入展开式计算：
与真实值完全一致，验证了展开式的正确性。
例4.1.11 \(\cos(\sin x)\)的5次Maclaurin展开 完整解析
最终结果
\(\cos(\sin x)\)的5次带Peano余项的Maclaurin展开式为：
前置核心原理
- 基础展开式（复合代入法的核心基础）
- 余弦函数的Maclaurin展开：\(\cos u = 1 - \frac{u^2}{2!} + \frac{u^4}{4!} + o(u^5) \quad (u\to0)\)，余弦是偶函数，展开式仅含偶次幂，奇次幂系数全为0；
- 正弦函数的Maclaurin展开：\(\sin x = x - \frac{x^3}{3!} + o(x^4) \quad (x\to0)\)，正弦是奇函数，展开式仅含奇次幂。
- Taylor展开唯一性定理：函数在\(x=0\)处的Maclaurin展开式系数唯一，保证了复合代入法得到的结果与直接求导法完全一致。
- 奇偶性简化：\(\cos(\sin x)\)是偶函数（\(\cos(\sin(-x))=\cos(-\sin x)=\cos(\sin x)\)），因此其Maclaurin展开式仅含偶次幂项，所有奇次幂项系数均为0，5次展开只需计算到\(x^4\)项，\(x^5\)项系数为0，大幅简化计算。
- 等价无穷小的高阶余项性质：当\(x\to0\)时，\(\sin x \sim x\)，因此\(o(\sin^5 x) = o(x^5)\)，可直接将余项转化为关于\(x\)的高阶无穷小。
分步详细解析（复合代入法，通用首选方法）
步骤1：确定展开阶数匹配规则
目标是得到5次展开式，需保证所有不超过5次的幂次项完整，更高次项归入余项：
- 内层\(u=\sin x\)是\(x\)的一阶无穷小，因此\(u^2\)对应\(x^2\)、\(u^4\)对应\(x^4\)、\(u^6\)对应\(x^6\)（超出5次，可忽略）；
- 外层\(\cos u\)仅含偶次幂，因此只需展开到\(u^4\)项，余项为\(o(u^5)\)，即可覆盖\(x\)的5次以内所有项。
步骤2：代入复合变量
令\(u=\sin x\)，将\(u\)代入\(\cos u\)的Maclaurin展开式，得：
由等价无穷小的余项性质，\(o(\sin^5 x)=o(x^5)\)，因此式子可改写为：
步骤3：展开\(\sin^2 x\)与\(\sin^4 x\)，保留到\(x^4\)项
-
展开\(\sin^2 x\)
将\(\sin x = x - \frac{x^3}{6} + o(x^4)\)代入平方，按多项式乘法展开，仅保留不超过\(x^4\)的项，更高次项归入余项：\[\begin{aligned} \sin^2 x &= \left( x - \frac{x^3}{6} + o(x^4) \right)^2 \\ &= x^2 - 2\cdot x \cdot \frac{x^3}{6} + \left( \frac{x^3}{6} \right)^2 + o(x^5) \\ &= x^2 - \frac{x^4}{3} + o(x^5) \end{aligned} \]（注：\(\left( \frac{x^3}{6} \right)^2 = \frac{x^6}{36}\)是\(x^6\)项，超出5次，归入\(o(x^5)\)）
-
展开\(\sin^4 x\)
\(\sin^4 x = (\sin x)^4\)，展开后最低次项为\(x^4\)，其余项均为\(x^6\)及以上，超出5次，因此：\[\sin^4 x = \left( x - \frac{x^3}{6} + o(x^4) \right)^4 = x^4 + o(x^5) \]
步骤4：合并同次幂项，得到最终展开式
将\(\sin^2 x\)、\(\sin^4 x\)的展开式代入原式，逐项展开并合并同类项：
（注：\(x^4\)项合并：\(\frac{1}{6} + \frac{1}{24} = \frac{4}{24} + \frac{1}{24} = \frac{5}{24}\)）
结果验证（直接求导法）
通过直接求导计算各阶导数在\(x=0\)处的取值，验证系数正确性：
- \(f(0)=\cos(\sin0)=\cos0=1\)，对应常数项；
- \(f'(x)=-\sin(\sin x)\cdot\cos x\)，\(f'(0)=0\)，一次项系数为0；
- \(f''(x)=-\cos(\sin x)\cdot\cos^2 x + \sin(\sin x)\cdot\sin x\)，\(f''(0)=-1\)，二次项系数\(\frac{f''(0)}{2!}=-\frac{1}{2}\)，与展开式一致；
- \(f'''(x)\)为奇函数，\(f'''(0)=0\)，三次项系数为0；
- \(f^{(4)}(0)=5\)，四次项系数\(\frac{f^{(4)}(0)}{4!}=\frac{5}{24}\)，与展开式完全一致；
- \(f^{(5)}(x)\)为奇函数，\(f^{(5)}(0)=0\)，五次项系数为0。
验证结果与复合代入法完全一致，证明展开式正确。
高频易错点提醒
- 展开阶数匹配错误
若\(\sin x\)仅展开到\(x\)项，会漏掉\(\sin^2 x\)中的\(x^4\)项，导致\(x^4\)项系数仅算得\(\frac{1}{24}\)，遗漏\(\frac{x^4}{6}\)，最终结果错误。必须保证内层展开的阶数，能支撑外层展开到目标阶数。 - 余项阶数错误
5次展开的余项为\(o(x^5)\)，而非\(o(x^4)\)，需保证余项是比展开最高次幂更高阶的无穷小；同时需明确\(o(\sin^5 x)=o(x^5)\)的理论依据，不可随意替换。 - 符号运算错误
平方展开时，\(-\frac{1}{2}\times(-\frac{x^4}{3})=+\frac{x^4}{6}\)，极易漏掉负号，导致\(x^4\)项系数错误，需逐项核对符号。 - 忽略奇偶性简化
未提前利用偶函数性质，额外计算奇次项，增加计算量且易出错，可提前预判奇次项系数全为0，仅计算偶次项。
核心应用拓展
- 不定式极限求解
该展开式是求解含三角函数复合结构极限的核心工具，例如经典极限：\[\lim_{x\to0}\frac{\cos(\sin x) - \cos x}{x^4} \]代入\(\cos x=1-\frac{x^2}{2}+\frac{x^4}{24}+o(x^4)\)与\(\cos(\sin x)\)的展开式，可直接得到结果\(\frac{1}{6}\)。 - 小角度近似计算
当\(|x|\)很小时，可用\(1-\frac{x^2}{2}+\frac{5}{24}x^4\)近似计算\(\cos(\sin x)\)，例如\(x=0.1\)时，近似值与真实值的误差小于\(10^{-7}\)，满足工程精度需求。 - 不等式证明与微分方程求解
该展开式可用于证明三角函数相关不等式，也可用于求解含\(\cos(\sin x)\)的微分方程的幂级数解。
例4.1.11 \(\cos(\sin x)\)的5次Maclaurin展开 完整解析
最终结果
\(\cos(\sin x)\)的5次带Peano余项的Maclaurin展开式为：
前置核心原理
- 基础展开式（复合代入法的核心基础）
- 余弦函数的Maclaurin展开：\(\cos u = 1 - \frac{u^2}{2!} + \frac{u^4}{4!} + o(u^5) \quad (u\to0)\)，余弦是偶函数，展开式仅含偶次幂，奇次幂系数全为0；
- 正弦函数的Maclaurin展开：\(\sin x = x - \frac{x^3}{3!} + o(x^4) \quad (x\to0)\)，正弦是奇函数，展开式仅含奇次幂。
- Taylor展开唯一性定理：函数在\(x=0\)处的Maclaurin展开式系数唯一，保证了复合代入法得到的结果与直接求导法完全一致。
- 奇偶性简化：\(\cos(\sin x)\)是偶函数（\(\cos(\sin(-x))=\cos(-\sin x)=\cos(\sin x)\)），因此其Maclaurin展开式仅含偶次幂项，所有奇次幂项系数均为0，5次展开只需计算到\(x^4\)项，\(x^5\)项系数为0，大幅简化计算。
- 等价无穷小的高阶余项性质：当\(x\to0\)时，\(\sin x \sim x\)，因此\(o(\sin^5 x) = o(x^5)\)，可直接将余项转化为关于\(x\)的高阶无穷小。
分步详细解析（复合代入法，通用首选方法）
步骤1：确定展开阶数匹配规则
目标是得到5次展开式，需保证所有不超过5次的幂次项完整，更高次项归入余项：
- 内层\(u=\sin x\)是\(x\)的一阶无穷小，因此\(u^2\)对应\(x^2\)、\(u^4\)对应\(x^4\)、\(u^6\)对应\(x^6\)（超出5次，可忽略）；
- 外层\(\cos u\)仅含偶次幂，因此只需展开到\(u^4\)项，余项为\(o(u^5)\)，即可覆盖\(x\)的5次以内所有项。
步骤2：代入复合变量
令\(u=\sin x\)，将\(u\)代入\(\cos u\)的Maclaurin展开式，得：
由等价无穷小的余项性质，\(o(\sin^5 x)=o(x^5)\)，因此式子可改写为：
步骤3：展开\(\sin^2 x\)与\(\sin^4 x\)，保留到\(x^4\)项
-
展开\(\sin^2 x\)
将\(\sin x = x - \frac{x^3}{6} + o(x^4)\)代入平方，按多项式乘法展开，仅保留不超过\(x^4\)的项，更高次项归入余项：\[\begin{aligned} \sin^2 x &= \left( x - \frac{x^3}{6} + o(x^4) \right)^2 \\ &= x^2 - 2\cdot x \cdot \frac{x^3}{6} + \left( \frac{x^3}{6} \right)^2 + o(x^5) \\ &= x^2 - \frac{x^4}{3} + o(x^5) \end{aligned} \]（注：\(\left( \frac{x^3}{6} \right)^2 = \frac{x^6}{36}\)是\(x^6\)项，超出5次，归入\(o(x^5)\)）
-
展开\(\sin^4 x\)
\(\sin^4 x = (\sin x)^4\)，展开后最低次项为\(x^4\)，其余项均为\(x^6\)及以上，超出5次，因此：\[\sin^4 x = \left( x - \frac{x^3}{6} + o(x^4) \right)^4 = x^4 + o(x^5) \]
步骤4：合并同次幂项，得到最终展开式
将\(\sin^2 x\)、\(\sin^4 x\)的展开式代入原式，逐项展开并合并同类项：
（注：\(x^4\)项合并：\(\frac{1}{6} + \frac{1}{24} = \frac{4}{24} + \frac{1}{24} = \frac{5}{24}\)）
结果验证（直接求导法）
通过直接求导计算各阶导数在\(x=0\)处的取值，验证系数正确性：
- \(f(0)=\cos(\sin0)=\cos0=1\)，对应常数项；
- \(f'(x)=-\sin(\sin x)\cdot\cos x\)，\(f'(0)=0\)，一次项系数为0；
- \(f''(x)=-\cos(\sin x)\cdot\cos^2 x + \sin(\sin x)\cdot\sin x\)，\(f''(0)=-1\)，二次项系数\(\frac{f''(0)}{2!}=-\frac{1}{2}\)，与展开式一致；
- \(f'''(x)\)为奇函数，\(f'''(0)=0\)，三次项系数为0；
- \(f^{(4)}(0)=5\)，四次项系数\(\frac{f^{(4)}(0)}{4!}=\frac{5}{24}\)，与展开式完全一致；
- \(f^{(5)}(x)\)为奇函数，\(f^{(5)}(0)=0\)，五次项系数为0。
验证结果与复合代入法完全一致，证明展开式正确。
高频易错点提醒
- 展开阶数匹配错误
若\(\sin x\)仅展开到\(x\)项，会漏掉\(\sin^2 x\)中的\(x^4\)项，导致\(x^4\)项系数仅算得\(\frac{1}{24}\)，遗漏\(\frac{x^4}{6}\)，最终结果错误。必须保证内层展开的阶数，能支撑外层展开到目标阶数。 - 余项阶数错误
5次展开的余项为\(o(x^5)\)，而非\(o(x^4)\)，需保证余项是比展开最高次幂更高阶的无穷小；同时需明确\(o(\sin^5 x)=o(x^5)\)的理论依据，不可随意替换。 - 符号运算错误
平方展开时，\(-\frac{1}{2}\times(-\frac{x^4}{3})=+\frac{x^4}{6}\)，极易漏掉负号，导致\(x^4\)项系数错误，需逐项核对符号。 - 忽略奇偶性简化
未提前利用偶函数性质，额外计算奇次项，增加计算量且易出错，可提前预判奇次项系数全为0，仅计算偶次项。
核心应用拓展
- 不定式极限求解
该展开式是求解含三角函数复合结构极限的核心工具，例如经典极限：\[\lim_{x\to0}\frac{\cos(\sin x) - \cos x}{x^4} \]代入\(\cos x=1-\frac{x^2}{2}+\frac{x^4}{24}+o(x^4)\)与\(\cos(\sin x)\)的展开式，可直接得到结果\(\frac{1}{6}\)。 - 小角度近似计算
当\(|x|\)很小时，可用\(1-\frac{x^2}{2}+\frac{5}{24}x^4\)近似计算\(\cos(\sin x)\)，例如\(x=0.1\)时，近似值与真实值的误差小于\(10^{-7}\)，满足工程精度需求。 - 不等式证明与微分方程求解
该展开式可用于证明三角函数相关不等式，也可用于求解含\(\cos(\sin x)\)的微分方程的幂级数解。
例4.1.12 \(f(x)=\frac{1+x}{1+x^2}\)的5次Maclaurin展开 完整解析
最终结果
\(f(x)=\frac{1+x}{1+x^2}\)的5次带Peano余项的Maclaurin展开式为：
前置核心原理
- 基础展开式（解法1的核心依据）
由例4.1.6的广义二项式展开，\(\frac{1}{1+t} = \sum_{k=0}^n (-1)^k t^k + o(t^n)\)，令\(t=x^2\)，得：\[\frac{1}{1+x^2} = 1 - x^2 + x^4 - x^6 + o(x^6) \quad (x\to0) \] - Taylor展开唯一性定理：函数在\(x=0\)处的Maclaurin展开式系数唯一，是所有解法的核心依据，保证不同方法结果完全一致。
- 多项式乘法余项规则：两个\(o(x^n)\)量级的无穷小相乘仍为\(o(x^n)\)，高于目标阶数的项可直接归入余项，大幅简化计算。
四种解法详细解析
解法1：多项式乘法展开法（首选通用方法，最简便）
核心思路
将分式拆分为\((1+x)\cdot\frac{1}{1+x^2}\)，利用\(\frac{1}{1+x^2}\)的已知展开式，与\((1+x)\)做多项式乘法，合并同次幂项并处理余项。
分步推导
- 拆分函数\[f(x) = \frac{1+x}{1+x^2} = (1+x)\cdot\frac{1}{1+x^2} \]
- 代入\(\frac{1}{1+x^2}\)的展开式\[\frac{1}{1+x^2} = 1 - x^2 + x^4 - x^6 + o(x^6) \]
- 多项式乘法展开，保留到\(x^5\)项\[\begin{aligned} (1+x)\left(1 - x^2 + x^4 + o(x^5)\right) &= 1\cdot\left(1 - x^2 + x^4\right) + x\cdot\left(1 - x^2 + x^4\right) + o(x^5) \\ &= 1 - x^2 + x^4 + x - x^3 + x^5 + o(x^5) \end{aligned} \]
- 合并同次幂项
按升幂排列，得到最终展开式：\[f(x) = 1 + x - x^2 - x^3 + x^4 + x^5 + o(x^5) \]（注：\(x^6\)及更高次项归入\(o(x^5)\)）
解法2：待定系数法（通用标准方法）
核心思路
设出\(f(x)\)的5次展开式，利用恒等式\((1+x^2)f(x)=1+x\)，通过多项式乘法合并同次幂，结合唯一性定理比较系数求解。
分步推导
- 设展开式
设\(\frac{1+x}{1+x^2} = a_0 + a_1x + a_2x^2 + a_3x^3 + a_4x^4 + a_5x^5 + o(x^5)\) - 代入恒等式并展开
由\((1+x^2)f(x)=1+x\)，将右侧展开并合并同次幂：\[\begin{aligned} (1+x^2)f(x) &= \left(1+x^2\right)\left(a_0 + a_1x + a_2x^2 + a_3x^3 + a_4x^4 + a_5x^5 + o(x^5)\right) \\ &= a_0 + a_1x + (a_0+a_2)x^2 + (a_1+a_3)x^3 + (a_2+a_4)x^4 + (a_3+a_5)x^5 + o(x^5) \end{aligned} \] - 比较系数建立方程组
左侧为\(1+x\)，根据唯一性定理，同次幂系数相等，得方程组：\[\begin{cases} a_0 = 1 \\ a_1 = 1 \\ a_0+a_2 = 0 \\ a_1+a_3 = 0 \\ a_2+a_4 = 0 \\ a_3+a_5 = 0 \end{cases} \] - 逐次求解系数
- \(a_0=1\)，\(a_1=1\)
- \(a_2=-a_0=-1\)
- \(a_3=-a_1=-1\)
- \(a_4=-a_2=1\)
- \(a_5=-a_3=1\)
- 代入展开式，得到结果\[f(x) = 1 + x - x^2 - x^3 + x^4 + x^5 + o(x^5) \]
解法3：隐函数逐次求导法（避免直接求高阶导数）
核心思路
利用恒等式\((1+x^2)y=1+x\)（\(y=f(x)\)），对等式逐次求导，代入\(x=0\)直接得到各阶导数值，避免直接求\(f(x)\)高阶导数的繁琐。
分步推导
- 初始值与各阶导数在\(x=0\)处的取值
- 0阶：\(y(0)=1\)
- 1阶：对\((1+x^2)y=1+x\)求导，得\(2xy+(1+x^2)y'=1\)，代入\(x=0\)，得\(y'(0)=1\)
- 2阶：对一阶等式求导，得\(2y+4xy'+(1+x^2)y''=0\)，代入\(x=0\)，得\(y''(0)=-2y(0)=-2\)
- 3阶：对二阶等式求导，得\(6y'+6xy''+(1+x^2)y'''=0\)，代入\(x=0\)，得\(y'''(0)=-6y'(0)=-6\)
- 4阶：对三阶等式求导，得\(12y''+8xy'''+(1+x^2)y^{(4)}=0\)，代入\(x=0\)，得\(y^{(4)}(0)=-12y''(0)=24\)
- 5阶：对四阶等式求导，得\(20y'''+10xy^{(4)}+(1+x^2)y^{(5)}=0\)，代入\(x=0\)，得\(y^{(5)}(0)=-20y'''(0)=120\)
- 代入Maclaurin公式
由\(a_k = \frac{y^{(k)}(0)}{k!}\)，代入各阶导数值：\[\begin{aligned} f(x) &= \frac{1}{0!} + \frac{1}{1!}x + \frac{-2}{2!}x^2 + \frac{-6}{3!}x^3 + \frac{24}{4!}x^4 + \frac{120}{5!}x^5 + o(x^5) \\ &= 1 + x - x^2 - x^3 + x^4 + x^5 + o(x^5) \end{aligned} \]
解法4：直接求导法（逻辑最直接）
核心思路
直接对\(f(x)=\frac{1+x}{1+x^2}\)逐次求导，计算各阶导数在\(x=0\)处的取值，代入Maclaurin公式。
分步推导
- 计算各阶导数及0点取值
- \(f(0)=1\)
- \(f'(x)=\frac{1-2x-x^2}{(1+x^2)^2}\)，\(f'(0)=1\)
- \(f''(x)=\frac{2(x^3+3x^2-3x-1)}{(1+x^2)^3}\)，\(f''(0)=-2\)
- \(f'''(x)=\frac{-6(x^4+4x^3-6x^2-4x+1)}{(1+x^2)^4}\)，\(f'''(0)=-6\)
- \(f^{(4)}(x)=\frac{24(x^5+5x^4-10x^3-10x^2+5x+1)}{(1+x^2)^5}\)，\(f^{(4)}(0)=24\)
- \(f^{(5)}(x)=\frac{-120(x^6+6x^5-15x^4-20x^3+15x^2+6x-1)}{(1+x^2)^6}\)，\(f^{(5)}(0)=120\)
- 代入Maclaurin公式
与解法3完全一致，最终得到：\[f(x) = 1 + x - x^2 - x^3 + x^4 + x^5 + o(x^5) \]
四种方法对比总结
| 方法 | 核心优势 | 局限性 | 适用场景 |
|---|---|---|---|
| 多项式乘法法 | 计算量最小，无需复杂求导，不易出错，通用性强 | 依赖已知函数的展开式 | 分式函数Maclaurin展开的首选方法 |
| 待定系数法 | 步骤固定，逻辑清晰，无额外技巧，通用性极强 | 需建立方程组，逐次求解系数 | 任意分式/有理函数的Maclaurin展开 |
| 隐函数求导法 | 避免了直接求高阶导数的复杂计算，可复用前序结论 | 逐次求导易漏项，化简需仔细 | 隐函数、分式函数的高阶导数求解 |
| 直接求导法 | 逻辑最直接，无额外技巧 | 高阶导数形式复杂，计算繁琐易出错 | 低阶展开，或对导数公式高度熟悉的场景 |
结果验证
将展开式反向验证，计算\((1+x^2)f(x)\)：
与原分子完全一致，验证了展开式的正确性。
核心拓展与易错点提醒
1. 收敛域说明
该展开式的收敛域为\(|x|<1\)，因\(\frac{1}{1+x^2}\)的展开式\(\sum_{k=0}^\infty (-1)^k x^{2k}\)的收敛半径为1，超出范围级数发散。
2. 高频易错点
- 多项式乘法漏项/符号错误：乘法展开时易漏项、符号出错，需逐项核对同次幂系数；
- 求导漏项：直接求导或隐函数求导时，易漏乘系数、漏项，导致导数值错误；
- 阶乘计算错误：如\(5!=120\)、\(4!=24\)，阶乘算错会导致最终系数错误；
- 余项阶数不匹配：5次展开的余项为\(o(x^5)\)，而非\(o(x^4)\)，需保证余项是比展开最高次幂更高阶的无穷小。
3. 核心应用
该展开式广泛用于：
- 不定式极限求解（如\(\lim\limits_{x\to0}\frac{\frac{1+x}{1+x^2}-1-x}{x^2}\)）
- 有理函数的数值近似计算
- 幂级数展开、微分方程求解等场景
例4.1.13 \(\sin x\)在\(x=\pi\)处的6次Taylor展开 完整解析
最终结果
\(\sin x\)在\(x=\pi\)处展开到6次的带Peano余项的Taylor公式为：
前置核心原理
1. Taylor公式通用形式
函数\(f(x)\)在\(x=x_0\)处的\(n\)次带Peano余项的Taylor公式为：
本题中\(x_0=\pi\)，\(n=6\)，目标是展开到\((x-\pi)^6\)项。
2. 三角函数诱导公式（解法2的核心依据）
利用三角恒等式\(\sin(\alpha+\pi) = -\sin\alpha\)，将\(\sin x\)转化为关于\((x-\pi)\)的函数，复用\(\sin t\)在\(t=0\)处的Maclaurin展开，避免重复求导。
3. 奇偶性简化
\(\sin x\)是奇函数，因此其Maclaurin展开仅含奇次幂；\(\sin x\)在\(x=\pi\)处的展开式也仅含\((x-\pi)\)的奇次幂，所有偶次幂项系数均为0，6次展开只需计算到\((x-\pi)^5\)项，\((x-\pi)^6\)项系数为0，余项为\(o\left((x-\pi)^6\right)\)。
两种解法详细解析
解法1：直接求导法（标准通用方法）
核心思路
直接对\(f(x)=\sin x\)逐次求导，计算各阶导数在\(x=\pi\)处的取值，代入Taylor公式。
分步推导
-
计算各阶导数及\(x=\pi\)处的取值
导数阶数\(k\) 导数表达式\(f^{(k)}(x)\) \(x=\pi\)处的导数值\(f^{(k)}(\pi)\) 0 \(\sin x\) \(\sin\pi=0\) 1 \(\cos x\) \(\cos\pi=-1\) 2 \(-\sin x\) \(-\sin\pi=0\) 3 \(-\cos x\) \(-\cos\pi=1\) 4 \(\sin x\) \(\sin\pi=0\) 5 \(\cos x\) \(\cos\pi=-1\) 6 \(-\sin x\) \(-\sin\pi=0\) -
代入Taylor公式
仅保留非零项（偶次项导数为0，系数为0）：\[\begin{aligned} \sin x &= \sum_{k=0}^6 \frac{f^{(k)}(\pi)}{k!}(x-\pi)^k + o\left((x-\pi)^6\right) \\ &= \frac{-1}{1!}(x-\pi) + \frac{1}{3!}(x-\pi)^3 + \frac{-1}{5!}(x-\pi)^5 + o\left((x-\pi)^6\right) \\ &= -(x-\pi) + \frac{(x-\pi)^3}{6} - \frac{(x-\pi)^5}{120} + o\left((x-\pi)^6\right) \end{aligned} \]即：
\[\sin x = -(x-\pi) + \frac{(x-\pi)^3}{3!} - \frac{(x-\pi)^5}{5!} + o\left((x-\pi)^6\right) \]
解法2：三角恒等变换+复用Maclaurin展开法（更简便）
核心思路
利用诱导公式将\(\sin x\)转化为\(-\sin(x-\pi)\)，令\(t=x-\pi\)，则\(t\to0\)时，直接复用\(\sin t\)在\(t=0\)处的5次Maclaurin展开，代入\(t=x-\pi\)得到结果。
分步推导
-
三角恒等变形
利用\(\sin(\alpha+\pi) = -\sin\alpha\)，令\(\alpha = x-\pi\)，则：\[\sin x = \sin\left((x-\pi)+\pi\right) = -\sin(x-\pi) \] -
复用\(\sin t\)的Maclaurin展开
由例4.1.3，\(\sin t\)的5次Maclaurin展开为：\[\sin t = t - \frac{t^3}{3!} + \frac{t^5}{5!} + o(t^6) \quad (t\to0) \] -
代入\(t=x-\pi\)，得到最终展开式
\[\begin{aligned} \sin x &= -\sin(x-\pi) \\ &= -\left[(x-\pi) - \frac{(x-\pi)^3}{3!} + \frac{(x-\pi)^5}{5!} + o\left((x-\pi)^6\right)\right] \\ &= -(x-\pi) + \frac{(x-\pi)^3}{3!} - \frac{(x-\pi)^5}{5!} + o\left((x-\pi)^6\right) \end{aligned} \]与解法1结果完全一致。
两种方法对比总结
| 方法 | 核心优势 | 局限性 | 适用场景 |
|---|---|---|---|
| 直接求导法 | 逻辑直接，无额外技巧，通用性极强 | 需逐次求导，计算量略大 | 任意点的Taylor展开，无已知展开式可复用的场景 |
| 三角变换+复用展开法 | 计算量极小，无需求导，利用已知结论快速求解 | 依赖三角恒等式与已知Maclaurin展开 | 三角函数在特殊点（如\(\pi, \frac{\pi}{2}\)）的Taylor展开，首选方法 |
结果验证
取\(x=\pi+0.1\)（\(x\)接近\(\pi\)），真实值\(\sin(\pi+0.1)=-\sin0.1\approx-0.099833417\)，代入展开式计算：
与真实值几乎完全一致，验证了展开式的正确性。
高频易错点提醒
- 符号错误：诱导公式\(\sin(x+\pi)=-\sin x\)，易遗漏负号，导致所有项符号错误；
- 展开点对应错误：Taylor公式的变量是\((x-x_0)\)，本题\(x_0=\pi\)，因此变量为\((x-\pi)\)，切勿误写为\((x+\pi)\)；
- 阶数匹配错误：6次展开的余项为\(o\left((x-\pi)^6\right)\)，而非\(o\left((x-\pi)^5\right)\)，需保证余项是比展开最高次幂更高阶的无穷小；
- 偶次项误解：\(\sin x\)在\(x=\pi\)处的偶次阶导数均为0，因此展开式无偶次项，无需额外计算。
核心应用
该展开式用于：
- 求解\(x\to\pi\)时的不定式极限（如\(\lim\limits_{x\to\pi}\frac{\sin x}{x-\pi}\)）；
- 三角函数在\(x=\pi\)附近的数值近似计算；
- 微分方程在\(x=\pi\)附近的幂级数解等场景。
例4.1.14 二阶可导函数的导数区间估计 系统讲解
一、题目核心信息梳理
已知条件
- 光滑性：函数\(f(x)\)在闭区间\([0,1]\)上二阶可导；
- 端点函数值有界：\(|f(0)| \leq 1\)，\(|f(1)| \leq 1\)；
- 二阶导数一致有界：对任意\(x\in[0,1]\)，\(|f''(x)| \leq 2\)。
待证结论
对区间内任意一点\(x\in[0,1]\)，一阶导数满足\(\boldsymbol{|f'(x)| \leq 3}\)。
二、证明的核心逻辑与前置依据
1. 为什么用Taylor公式？
本题的核心需求是：用已知的「函数值界」和「二阶导数界」，估计区间内所有点的「一阶导数界」。
- Lagrange中值定理只能得到区间内某一个点的导数信息，无法推广到所有点；
- 带Lagrange余项的Taylor公式，是唯一能同时建立「函数值、一阶导数、二阶导数」三者定量关系的微分学工具，可实现对任意点的全局估计。
2. 核心前置定理
带Lagrange余项的一阶Taylor公式：若\(f(x)\)在闭区间上二阶可导，则对区间内任意两点\(x,t\)，有
其中\(\xi\)是介于\(x\)和\(t\)之间的点，且\(\xi\)一定在区间\([0,1]\)内，因此满足题设的二阶导数界\(|f''(\xi)|\leq2\)。
三、证明过程逐步骤拆解（每步标注推理依据）
步骤1：对端点函数值做Taylor展开
对任意固定的\(x\in[0,1]\)，将两个端点\(t=1\)和\(t=0\)的函数值，在\(x\)处做一阶Taylor展开：
- 取\(t=1\)，\(\xi\in(x,1)\subset[0,1]\)：\[\boldsymbol{f(1) = f(x) + f'(x)(1-x) + \frac{1}{2}f''(\xi)(1-x)^2} \tag{1} \]
- 取\(t=0\)，\(\eta\in(0,x)\subset[0,1]\)：\[\boldsymbol{f(0) = f(x) - f'(x)x + \frac{1}{2}f''(\eta)x^2} \tag{2} \]
关键说明：\(\xi\)和\(\eta\)都在\([0,1]\)内，因此天然满足\(|f''(\xi)|\leq2\)、\(|f''(\eta)|\leq2\)，为后续放缩提供依据。
步骤2：消元解出\(f'(x)\)的表达式
用式(1)减去式(2)，消去未知的\(f(x)\)：
逐项化简：
- \(f(x)\)项相互抵消；
- 一阶导数项合并：\(f'(x)(1-x) + f'(x)x = f'(x)\cdot[(1-x)+x] = f'(x)\)；
- 余项项保留。
最终得到核心等式：
将\(f'(x)\)单独移到左侧，得到：
步骤3：绝对值放缩（三角不等式）
对式(3)两边取绝对值，应用绝对值三角不等式：对任意实数\(a,b,c,d\)，有\(|a - b + c| \leq |a| + |b| + |c|\)，因此：
步骤4：代入已知界完成初步放缩
根据题设条件：
- 端点函数值：\(|f(1)|\leq1\)，\(|f(0)|\leq1\)，因此\(|f(1)| + |f(0)| \leq 1+1=2\)；
- 二阶导数：\(|f''(\xi)|\leq2\)，\(|f''(\eta)|\leq2\)，因此\(\frac{1}{2}|f''(\xi)| \leq 1\)，\(\frac{1}{2}|f''(\eta)| \leq 1\)。
代入后得到：
即：
步骤5：二次函数最值放缩，得到最终结论
令\(g(x) = x^2 + (1-x)^2\)，\(x\in[0,1]\)，展开化简：
这是开口向上的二次函数，对称轴为\(x=\frac{1}{2}\)，在闭区间\([0,1]\)上：
- 最小值在对称轴\(x=\frac{1}{2}\)处取得：\(g(\frac{1}{2})=\frac{1}{2}\)；
- 最大值在区间端点\(x=0\)或\(x=1\)处取得：\(g(0)=g(1)=1\)。
因此对任意\(x\in[0,1]\)，有\(\boldsymbol{x^2 + (1-x)^2 \leq 1}\)。
将该结论代入式(4)，最终得到：
即对任意\(x\in[0,1]\)，\(|f'(x)|\leq3\)，证毕。
四、关键细节深度解读
1. 为什么必须用Lagrange余项，不能用Peano余项？
- Peano余项\(o((t-x)^2)\)仅刻画\(t\to x\)时的局部无穷小性质，仅在\(x\)的极小邻域内成立，无法用于区间上的全局估计；
- Lagrange余项是区间上的定量表达式，对区间内所有点都成立，是本题全局估计的唯一合理选择。
2. 界的最优性（紧性）
本题得到的界\(3\)是最优的，无法再缩小，存在函数完全满足题设条件，且能达到等号：
构造函数\(f(x) = x^2 - 3x + 1\)，验证：
- \(f(0)=1\)，\(f(1)=-1\)，满足\(|f(0)|\leq1\)，\(|f(1)|\leq1\)；
- \(f''(x)=2\)，满足\(|f''(x)|\leq2\)；
- \(f'(x)=2x-3\)，在\(x=0\)处，\(f'(0)=-3\)，\(|f'(0)|=3\)，刚好达到界。
3. 通用推广公式
本题是微分学中Landau导数估计不等式的特例，可推广到一般区间\([a,b]\)：
若\(f(x)\)在\([a,b]\)上二阶可导，\(|f(a)|\leq M_0\)，\(|f(b)|\leq M_0\)，\(|f''(x)|\leq M_2\)，则对任意\(x\in[a,b]\)，有
本题中\(a=0,b=1,M_0=1,M_2=2\)，代入得\(\frac{2\times1}{1} + \frac{2\times1}{2}=3\)，与证明结果完全一致。
五、高频易错点总结
- 余项类型错误：误用Peano余项，忽略其仅为局部性质，无法用于区间全局估计；
- 三角不等式放缩错误：将\(|f(1)-f(0)|\)错误放缩为\(|f(1)|-|f(0)|\)，正确应为\(|f(1)|+|f(0)|\)；
- 二次函数最值错误：误将\(x^2+(1-x)^2\)的最大值算为\(2\)，忽略\(x\in[0,1]\)的区间限制，其最大值为\(1\)；
- 展开增量符号错误：\(f(0)\)在\(x\)处展开的增量为\(0-x=-x\)，一阶项为\(-f'(x)x\)，相减时需注意符号合并；
- 忽略余项中值的范围：未说明\(\xi,\eta\in[0,1]\)，导致\(|f''(\xi)|\leq2\)的使用缺乏依据。
六、核心应用场景
本题的证明方法是微分学中函数各阶导数界估计的通用方法，广泛用于：
- 微分方程解的先验估计；
- 数值分析中差分格式的误差分析；
- 函数光滑性分析与不等式证明；
- 实变函数中可导函数的性质研究。
例4.1.15 全直线上三阶可导函数的导数有界性证明 完整解析
一、题目核心信息梳理
已知条件
- 光滑性：函数\(f(x)\)在\((-\infty,+\infty)\)上三阶可导；
- 全局有界性：\(f(x)\)和三阶导数\(f'''(x)\)在\(\mathbb{R}\)上有界，即存在有限常数\(M_0,M_3>0\)，使得\[M_0 = \sup_{x\in\mathbb{R}} |f(x)| < +\infty, \quad M_3 = \sup_{x\in\mathbb{R}} |f'''(x)| < +\infty \]
待证结论
一阶导数\(f'(x)\)和二阶导数\(f''(x)\)在\((-\infty,+\infty)\)上也全局有界。
二、证明核心思路
本题是Landau-Kolmogorov导数有界性不等式的经典特例，核心逻辑是：
利用带Lagrange余项的Taylor公式，对任意固定的\(x\in\mathbb{R}\)，将\(x+1\)和\(x-1\)处的函数值在\(x\)处做三阶Taylor展开；通过两式相减消去\(f''(x)\)解出\(f'(x)\)，两式相加消去\(f'(x)\)解出\(f''(x)\)；再通过绝对值三角不等式，结合已知的\(f\)和\(f'''\)的界，完成放缩，证明\(f'\)和\(f''\)有界。
关键技巧：选择与\(x\)距离为1的点\(x\pm1\)做展开，既保证了步长固定、计算简便，又能通过加减消元分离出目标导数，是全直线上导数估计的通用方法。
三、完整严谨证明过程
步骤1：构造Taylor展开式
【推理依据：带Lagrange余项的三阶Taylor公式】
若\(f(x)\)在\(\mathbb{R}\)上三阶可导，则对任意\(x,t\in\mathbb{R}\)，有
其中\(\xi\)介于\(x\)和\(t\)之间，且\(\xi\in\mathbb{R}\)，因此满足\(|f'''(\xi)|\leq M_3\)。
对任意固定的\(x\in\mathbb{R}\)，分别取\(t=x+1\)和\(t=x-1\)，得到两个展开式：
- 取\(t=x+1\)，\(\xi\in(x,x+1)\)，\(t-x=1\)：\[\boldsymbol{f(x+1) = f(x) + f'(x) + \frac{1}{2}f''(x) + \frac{1}{6}f'''(\xi)} \tag{1} \]
- 取\(t=x-1\)，\(\eta\in(x-1,x)\)，\(t-x=-1\)：\[\boldsymbol{f(x-1) = f(x) - f'(x) + \frac{1}{2}f''(x) - \frac{1}{6}f'''(\eta)} \tag{2} \]
步骤2：两式相减，证明\(f'(x)\)全局有界
用式(1)减去式(2)，逐项化简：
- \(f(x)\)和\(\frac{1}{2}f''(x)\)相互抵消；
- 一阶导数项合并为\(2f'(x)\)；
- 余项合并为\(\frac{1}{6}\left[f'''(\xi)+f'''(\eta)\right]\)。
最终得到核心等式：
将\(f'(x)\)单独解出：
对等式两边取绝对值，应用绝对值三角不等式\(|a-b-c|\leq|a|+|b|+|c|\)放缩：
代入已知的有界条件\(|f(\cdot)|\leq M_0\)、\(|f'''(\cdot)|\leq M_3\)：
由于\(M_0,M_3\)是有限常数，因此\(|f'(x)|\leq M_0 + \frac{1}{6}M_3 < +\infty\)对所有\(x\in\mathbb{R}\)成立，即\(f'(x)\)在\((-\infty,+\infty)\)上有界。
步骤3：两式相加，证明\(f''(x)\)全局有界
将式(1)和式(2)相加，逐项化简：
- \(f'(x)\)相互抵消；
- 函数项合并为\(2f(x)\)；
- 二阶导数项合并为\(f''(x)\)；
- 余项合并为\(\frac{1}{6}\left[f'''(\xi)-f'''(\eta)\right]\)。
最终得到核心等式：
将\(f''(x)\)单独解出：
对等式两边取绝对值，应用绝对值三角不等式放缩：
代入已知的有界条件：
由于\(4M_0 + \frac{1}{3}M_3\)是有限常数，因此\(|f''(x)|\leq 4M_0 + \frac{1}{3}M_3 < +\infty\)对所有\(x\in\mathbb{R}\)成立，即\(f''(x)\)在\((-\infty,+\infty)\)上有界。
综上，\(f'(x)\)与\(f''(x)\)在\((-\infty,+\infty)\)上有界，证毕。
四、关键细节深度解读
1. 为什么必须用Lagrange余项？
- Peano余项\(o((t-x)^3)\)仅刻画\(t\to x\)时的局部无穷小性质，仅在\(x\)的极小邻域内成立，无法用于全直线上的全局估计；
- Lagrange余项是区间上的定量表达式，对任意\(x\in\mathbb{R}\)都成立，是本题全局有界性证明的唯一合理选择。
2. 界的优化（拓展）
本题选择步长\(h=1\)仅为证明有界性，若选择任意步长\(h>0\)展开\(f(x+h)\)和\(f(x-h)\)，可得到更紧的界：
对\(h\)求最小值，当\(h=\sqrt[3]{\frac{6M_0}{M_3}}\)时，得到最优界：
该界比步长1得到的界更紧，是该问题的最优估计。
3. 定理推广：Landau-Kolmogorov不等式
本题是该不等式的三阶特例，其通用形式为：
若\(f(x)\)在\(\mathbb{R}\)上\(n\)阶可导，且\(f(x)\)和\(f^{(n)}(x)\)在\(\mathbb{R}\)上有界，则所有中间阶导数\(f^{(k)}(x)\)（\(1\leq k\leq n-1\)）在\(\mathbb{R}\)上均有界。
该不等式是调和分析、偏微分方程先验估计中的核心工具。
五、高频易错点总结
- 余项范围忽略：必须明确\(\xi\in(x,x+1)\)、\(\eta\in(x-1,x)\)均在\(\mathbb{R}\)内，因此\(|f'''(\xi)|\leq M_3\)、\(|f'''(\eta)|\leq M_3\)，否则放缩无依据；
- 三角不等式放缩错误：将\(|a-b|\)错误放缩为\(|a|-|b|\)，正确应为\(|a|+|b|\)，否则会导致放缩方向错误；
- Taylor展开阶数错误：三阶可导的函数需展开到二阶，余项为三阶Lagrange余项，不可漏写余项或阶数错误；
- 符号错误：\(f(x-1)\)的展开式中，\((t-x)^3=(-1)^3=-1\)，余项符号为负，加减消元时需仔细核对符号，避免符号错误导致结论错误。
例4.1.16 全直线上二阶可导函数的Landau不等式证明 完整解析
一、题目核心信息梳理
已知条件
- 光滑性：函数\(f(x)\)在\((-\infty,+\infty)\)上二阶可导；
- 全局有界性：记\(M_k = \sup_{x\in\mathbb{R}} |f^{(k)}(x)|\)（\(k=0,1,2\)），即\(M_0\)是\(f(x)\)的全局上界，\(M_2\)是\(f''(x)\)的全局上界，且\(M_0<+\infty\)，\(M_2<+\infty\)。
待证结论
- 核心不等式：\(\boldsymbol{M_1^2 \leq 2M_0 M_2}\)；
- 推论：\(M_1<+\infty\)，即一阶导数\(f'(x)\)在\((-\infty,+\infty)\)上全局有界。
二、证明核心原理
本题是Landau-Kolmogorov导数不等式的二阶经典情形，核心逻辑是：
利用带Lagrange余项的Taylor公式，对任意\(x\in\mathbb{R}\)和任意步长\(h\)，将\(f(x+h)\)和\(f(x-h)\)在\(x\)处展开；通过两式相减消去\(f(x)\)，得到\(f'(x)\)的定量表达式；再通过绝对值不等式放缩，结合二次函数非负性（证法1）或均值不等式（证法2），得到\(f'(x)\)的全局界，最终完成证明。
三、两种证法分步严谨拆解
前置铺垫：Taylor展开式构造
【推理依据：带Lagrange余项的一阶Taylor公式】
对任意\(x\in\mathbb{R}\)、任意\(h\in\mathbb{R}\)，有：
- 对\(x+h\)展开：\(\boldsymbol{f(x+h) = f(x) + f'(x)h + \frac{1}{2}f''(\xi)h^2}\)，其中\(\xi\)介于\(x\)与\(x+h\)之间；
- 对\(x-h\)展开：\(\boldsymbol{f(x-h) = f(x) - f'(x)h + \frac{1}{2}f''(\eta)h^2}\)，其中\(\eta\)介于\(x-h\)与\(x\)之间。
关键说明：\(\xi,\eta\in\mathbb{R}\)，因此天然满足\(|f''(\xi)|\leq M_2\)、\(|f''(\eta)|\leq M_2\)，为后续放缩提供依据。
将两式相减，消去\(f(x)\)，得到核心等式：
整理得：
对等式两边取绝对值，应用绝对值三角不等式\(|a-b-c|\leq|a|+|b|+|c|\)放缩：
代入已知的有界条件\(|f(\cdot)|\leq M_0\)、\(|f''(\cdot)|\leq M_2\)，得到通用放缩不等式：
证法1：二次三项式判别式法
步骤1：整理为关于\(h\)的二次不等式
令\(t=|h|\geq0\)，则\(h^2=t^2\)，不等式(*)可改写为：
这是关于\(t\)的多项式，需对所有非负\(t\)恒非负，分两种情况讨论。
步骤2：情况1：\(M_2>0\)（二次函数情形）
此时多项式是开口向上的二次函数，要使其在\(t\in[0,+\infty)\)上恒非负，需满足判别式\(\Delta\leq0\)（若判别式≤0，二次函数与x轴无交点或相切，全体实数域上非负）。
计算判别式：
令\(\Delta\leq0\)，化简得：
该不等式对任意\(x\in\mathbb{R}\)成立，因此对\(|f'(x)|\)取上确界，得：
因\(M_0,M_2\)有限，故\(M_1<+\infty\)。
步骤3：情况2：\(M_2=0\)（退化情形）
\(M_2=0\)意味着\(f''(x)\equiv0\)在\(\mathbb{R}\)上恒成立，因此\(f(x)\)是一次函数：\(f(x)=cx+d\)，\(f'(x)=c\)。
若\(c\neq0\)，则\(M_0 = \sup_{x\in\mathbb{R}} |cx+d| = +\infty\)，与题设\(M_0<+\infty\)矛盾，因此必有\(c=0\)。
此时\(f(x)\equiv d\)，\(f'(x)\equiv0\)，故\(M_1=0\)，满足\(M_1^2=0=2M_0\cdot0=2M_0M_2\)，不等式成立。
证法2：均值不等式求最小值法
步骤1：分离\(f'(x)\)
对不等式(*)，两边除以\(2|h|\)（\(h>0\)，\(h<0\)时\(|h|\)结果一致，只需考虑\(h>0\)），得：
步骤2：求右侧函数的最小值
右侧是关于\(h\)的函数\(g(h)=\frac{M_0}{h} + \frac{M_2 h}{2}\)，\(h>0\)。根据均值不等式：对任意正数\(a,b\)，有\(a+b\geq2\sqrt{ab}\)，当且仅当\(a=b\)时取等号。
令\(a=\frac{M_0}{h}\)，\(b=\frac{M_2 h}{2}\)，则：
等号成立当且仅当\(\frac{M_0}{h} = \frac{M_2 h}{2}\)，即\(h=\sqrt{\frac{2M_0}{M_2}}\)（\(h>0\)）。
步骤3：得到最终界
因\(|f'(x)| \leq g(h)\)对所有\(h>0\)成立，故\(|f'(x)|\)小于等于\(g(h)\)的最小值\(\sqrt{2M_0M_2}\)，即：
两边平方得\(|f'(x)|^2 \leq 2M_0M_2\)，取上确界得\(M_1^2 \leq 2M_0M_2\)，且\(M_1<+\infty\)。
四、关键细节与深度解读
1. 界的最优性（紧性）
本题得到的不等式\(M_1^2\leq2M_0M_2\)是最优的，无法再缩小。存在分段函数可使等号成立，例如：
该函数在\(\mathbb{R}\)上二阶可导，且满足\(M_1^2=2M_0M_2\)，证明了界的紧性。
2. 定理推广：Landau-Kolmogorov不等式
本题是该不等式的二阶特例，其通用形式为：
若\(f(x)\)在\(\mathbb{R}\)上\(n\)阶可导，且\(f(x)\)和\(f^{(n)}(x)\)在\(\mathbb{R}\)上有界，则所有中间阶导数\(f^{(k)}(x)\)（\(1\leq k\leq n-1\)）均在\(\mathbb{R}\)上有界，且满足：
其中\(C_{n,k}\)为仅与\(n,k\)相关的常数。该不等式是调和分析、偏微分方程先验估计的核心工具。
五、高频易错点总结
- Taylor展开符号错误：\(f(x-h)\)的展开式中，增量为\(-h\)，一阶项为\(-f'(x)h\)，余项为正，相减时需仔细核对符号，避免余项符号错误导致放缩方向错误。
- 退化情形遗漏：\(M_2=0\)时不能使用二次函数判别式，必须单独讨论一次函数的情形，否则会出现除以0的逻辑漏洞。
- 均值不等式适用条件：均值不等式仅对正数成立，必须先限定\(h>0\)，不能直接对全体实数\(h\)使用。
- 上确界的传递性：需先证明\(|f'(x)|\leq\sqrt{2M_0M_2}\)对所有\(x\in\mathbb{R}\)成立，再对\(|f'(x)|\)取上确界得到\(M_1\)的界，不能直接将\(|f'(x)|\)替换为\(M_1\)。
- 余项范围忽略：必须明确\(\xi,\eta\in\mathbb{R}\)，才能使用\(|f''(\xi)|\leq M_2\)的界，否则放缩缺乏理论依据。
posted on 2026-04-01 15:28 Indian_Mysore 阅读(27) 评论(0) 收藏 举报
浙公网安备 33010602011771号