泰勒级数计算器：公式、步骤与例题详解
泰勒级数计算器会把一个函数改写成由它在某一点处各阶导数构成的无穷多项式之和，从而让原本难以直接求值的曲线，变成简单的加法和乘法运算。任何泰勒级数计算器实际上都只是在自动执行同一个公式——在中心点反复求导，再除以逐级增大的阶乘——只要函数足够光滑、可以反复求导，你完全可以手算完成同样的过程。本文将讲解泰勒级数公式、它在中心为零时的特例麦克劳林级数、四道完整例题（eˣ、sin x、ln(1+x)，以及在非零中心处展开的 √x）、如何估计余项以判断多项式究竟有多精确，以及手工展开时最容易翻车的几个错误。
目录
什么是泰勒级数计算器？它是如何工作的？
泰勒级数计算器接收一个函数 f(x) 和一个中心点 a，然后用该函数在这一点处的函数值及各阶导数——一阶、二阶、三阶等等——构造出一个多项式近似。这个核心思想由 Brook Taylor 在 18 世纪初提出：如果你完全掌握了函数在某一点处的全部行为（函数值、斜率、弯曲程度等），就可以用一个同时匹配这些性质的多项式来预测它在附近的表现。 每一个泰勒级数计算器背后都是同一个公式：f(x) = f(a) + f'(a)(x-a) + f''(a)(x-a)²/2! + f'''(a)(x-a)³/3! + ...，后面继续是更高阶导数除以逐级增大的阶乘。每多加一项就多用一阶导数，通常也让多项式在 x = a 附近与真实函数贴合得更紧。 学生一般在微积分和微分方程课程中接触泰勒级数计算器，用到的往往就是那几个性质良好的函数——eˣ、sin x、cos x、ln(1+x)——本文会逐一手算，并额外用 √x 演示非零中心的情形。工程师和物理学家同样使用这种展开，在数值过于复杂、无法精确处理时，用简单的多项式近似替代复杂函数。
f(x) = Σₙ₌₀^∞ f⁽ⁿ⁾(a)(x-a)ⁿ/n! —— 任何泰勒级数计算器，都不过是把这个求和式在你需要的项数处截断而已。
泰勒级数公式是什么？它和麦克劳林级数有何不同？
以任意点 a 为中心的一般泰勒级数公式为： f(x) = Σₙ₌₀^∞ f⁽ⁿ⁾(a)(x-a)ⁿ/n! = f(a) + f'(a)(x-a) + f''(a)(x-a)²/2! + f'''(a)(x-a)³/3! + ... 其中 f⁽ⁿ⁾(a) 表示 f 的 n 阶导数在 x = a 处的取值，n! 表示 n 的阶乘（0! = 1，1! = 1，2! = 2，3! = 6，以此类推）。每一项刻画函数在 a 处行为的不同侧面：0 阶导数给出函数值，1 阶给出斜率，2 阶给出弯曲程度，更高阶导数则进一步修正形状。 麦克劳林级数只是中心取 a = 0 的特例：f(x) = f(0) + f'(0)x + f''(0)x²/2! + f'''(0)x³/3! + ...。由于 a = 0，每个 (x-a) 都化简为 x，这正是 eˣ、sin x、cos x 和 ln(1+x) 的麦克劳林级数公式看起来比中心在别处的一般泰勒级数更简洁的原因。实际使用中，你背下来的那些“著名”级数——eˣ、sin x、cos x——大多是麦克劳林级数；而只要中心不为零，比如在 a = 4 处展开 √x，就必须用到完整的泰勒级数计算器。
麦克劳林级数 = 中心在 a = 0 的泰勒级数。每个麦克劳林级数都是泰勒级数，但并非每个泰勒级数都是麦克劳林级数。
如何一步步构造泰勒多项式？
只要确定了中心和次数，手工构造泰勒多项式就是一套机械化流程。泰勒级数计算器内部执行的正是下面这些步骤。
1. 第 1 步 —— 选定中心 a 和次数 n
先确定要在哪一点 a 处求各阶导数（取 a = 0 即得麦克劳林级数），再决定需要多少项（次数 n）。次数越高，通常在 a 附近的近似越精确，代价是要多求几次导数。
2. 第 2 步 —— 计算 f(a)、f'(a)、f''(a)、…… 直到 n 阶导数
对 f(x) 反复求导，并把每一阶导数都在 x = a 处求值。边算边列一张“导数 → 在 a 处取值”的表格，可以在计算变得繁琐之前就发现规律（比如 sin x 各阶导数的循环模式）。
3. 第 3 步 —— 每个导数值除以对应的阶乘
(x-a)ⁿ 项的系数是 f⁽ⁿ⁾(a)/n!。分母上的阶乘正是压住高次项、防止它们发散的关键——它和二项式系数、组合数学中出现的阶乘是同一个东西。
4. 第 4 步 —— 拼装多项式
把 f(a) + f'(a)(x-a) + f''(a)(x-a)²/2! + ... 一直写到所选次数 n。这个有限和称为 n 次泰勒多项式，通常记作 Pₙ(x)。
5. 第 5 步 —— 用已知数值验算
代入一个靠近 a 的 x 值，把多项式的结果与函数真值（用计算器或已知恒等式得到）作比较。差值很小说明展开式搭建正确；差值很大通常意味着某个导数或阶乘算错了。
系数的模式永远不变：(x-a)ⁿ 项的系数就是 f⁽ⁿ⁾(a)/n!。把导数算对、除以正确的阶乘，剩下的就只是做加法。
例题详解 1：eˣ 的麦克劳林级数（展开到 4 次）
eˣ 是最干净利落的例子，因为 eˣ 的每一阶导数还是 eˣ，所以在 a = 0 处求值时每一阶导数都等于 e⁰ = 1。
1. 第 1 步 —— 列出在 a = 0 处的各阶导数
f(x) = eˣ，f'(x) = eˣ，f''(x) = eˣ，f'''(x) = eˣ，f⁗(x) = eˣ。在 x = 0 处：f(0) = f'(0) = f''(0) = f'''(0) = f⁗(0) = 1。
2. 第 2 步 —— 除以阶乘
各项系数：1/0! = 1，1/1! = 1，1/2! = 1/2，1/3! = 1/6，1/4! = 1/24。
3. 第 3 步 —— 拼出 4 次多项式
P₄(x) = 1 + x + x²/2 + x³/6 + x⁴/24。
4. 第 4 步 —— 在 x = 1 处验算
真值：e¹ ≈ 2.71828。代入得 P₄(1) = 1 + 1 + 0.5 + 0.1667 + 0.0417 = 2.7083。近似值相差约 0.01，即大约 0.4%——仅用五项就已经相当接近，而且每多加一项误差还会继续缩小，因为下一项 x⁵/120 在 x = 1 处也只有约 0.0083。
eˣ 的麦克劳林级数：1 + x + x²/2 + x³/6 + x⁴/24 + ... —— 每个系数都是 1/n!，因为 eˣ 的每一阶导数都还是 eˣ。
例题详解 2：sin x 的麦克劳林级数（展开到 5 次）
sin x 的各阶导数以四个函数为周期循环出现，这会让一半的系数自动变为零。
1. 第 1 步 —— 在 a = 0 处走一遍导数循环
f(x) = sin x，f'(x) = cos x，f''(x) = -sin x，f'''(x) = -cos x，f⁗(x) = sin x，f⁽⁵⁾(x) = cos x。在 x = 0 处：f(0) = 0，f'(0) = 1，f''(0) = 0，f'''(0) = -1，f⁗(0) = 0，f⁽⁵⁾(0) = 1。
2. 第 2 步 —— 除以阶乘，只保留非零项
所有偶数阶导数在 0 处都为 0（因为 sin 0 = 0），因此只有奇次项留了下来：x/1! = x，-x³/3! = -x³/6，x⁵/5! = x⁵/120。
3. 第 3 步 —— 拼出 5 次多项式
P₅(x) = x - x³/6 + x⁵/120。sin x 是奇函数，所以它的麦克劳林级数自然只含 x 的奇数次幂。
4. 第 4 步 —— 在 x = π/6（30°）处验算
真值：sin(π/6) = 0.5，恰好。取 x = π/6 ≈ 0.5236：P₅(0.5236) = 0.5236 - (0.5236)³/6 + (0.5236)⁵/120 = 0.5236 - 0.02392 + 0.000328 ≈ 0.5000。对这个相对较小的 x，5 次多项式与真值在小数点后四位上完全一致。
sin x 的麦克劳林级数：x - x³/6 + x⁵/120 - ... —— 只出现奇数次幂，而正负交替的符号直接来自导数循环中的 -sin x 与 -cos x。
例题详解 3：ln(1+x) 的麦克劳林级数在 x = 0.2 处的取值与误差讨论
函数 ln(1+x) 在 x = -1 处无定义，其级数仅在 -1 < x ≤ 1 内收敛，因此它非常适合用来讨论截断多项式究竟能信到什么程度。
1. 第 1 步 —— 列出在 a = 0 处的各阶导数
f(x) = ln(1+x)，f'(x) = 1/(1+x)，f''(x) = -1/(1+x)²，f'''(x) = 2/(1+x)³，f⁗(x) = -6/(1+x)⁴。在 x = 0 处：f(0) = 0，f'(0) = 1，f''(0) = -1，f'''(0) = 2，f⁗(0) = -6。
2. 第 2 步 —— 除以阶乘
各项系数：1/1! = 1，-1/2! = -1/2，2/3! = 1/3，-6/4! = -1/4。由此得到人们熟知的规律 ln(1+x) = x - x²/2 + x³/3 - x⁴/4 + ...，其中第 n 项系数为 (-1)ⁿ⁺¹/n。
3. 第 3 步 —— 展开到 4 次并在 x = 0.2 处求值
P₄(0.2) = 0.2 - (0.2)²/2 + (0.2)³/3 - (0.2)⁴/4 = 0.2 - 0.02 + 0.002667 - 0.0004 = 0.182267。
4. 第 4 步 —— 与真值对照并讨论误差
真值：ln(1.2) ≈ 0.182322。4 次近似相差约 0.000055，即大约 0.03%——误差这么小，是因为 x = 0.2 离中心 a = 0 很近。如果改取 x = 0.9（离收敛边界 x = 1 近得多），同样的 4 次多项式精度会明显下降，因为 x 越接近级数收敛范围的边缘，余项增长得越快。这也是为什么“x 离中心有多远”和“用了多少项”同样值得检查。
ln(1+x) 的麦克劳林级数：x - x²/2 + x³/3 - x⁴/4 + ... —— 在 x = 0.2 处精确到小数点后四位，但同一个 4 次多项式在 x 接近收敛边界 x = 1 时精度会迅速流失。
例题详解 4：√x 在非零中心 a = 4 处的泰勒级数
√x 不像 eˣ 或 sin x 那样有简单的导数规律，而且它根本无法在 a = 0 处展开（各阶导数在那里会发散），因此它正好是演示非零中心泰勒级数的合适例子。
1. 第 1 步 —— 列出在 a = 4 处的各阶导数
f(x) = √x = x^(1/2)，f'(x) = (1/2)x^(-1/2)，f''(x) = -(1/4)x^(-3/2)，f'''(x) = (3/8)x^(-5/2)。在 x = 4 处：f(4) = 2，f'(4) = (1/2)(1/2) = 1/4，f''(4) = -(1/4)(1/8) = -1/32，f'''(4) = (3/8)(1/32) = 3/256。
2. 第 2 步 —— 除以阶乘
各项系数：2/0! = 2，(1/4)/1! = 1/4，(-1/32)/2! = -1/64，(3/256)/3! = 1/512。
3. 第 3 步 —— 拼出以 a = 4 为中心的 3 次泰勒多项式
P₃(x) = 2 + (1/4)(x-4) - (1/64)(x-4)² + (1/512)(x-4)³。由于中心是 a = 4，每一项用的都是 (x-4)，而不是 x。
4. 第 4 步 —— 在 x = 4.5 处验算
真值：√4.5 ≈ 2.12132。取 (x-4) = 0.5：P₃(4.5) = 2 + (1/4)(0.5) - (1/64)(0.25) + (1/512)(0.125) = 2 + 0.125 - 0.003906 + 0.000244 ≈ 2.12134。与真值相差不到 0.00002，因为 x = 4.5 离中心 a = 4 很近——这正是让 ln(1+x) 例子在 x = 0.2 处如此精确的同一条“靠近中心”规律。
√x 在 a = 4 处的泰勒级数：2 + (x-4)/4 - (x-4)²/64 + (x-4)³/512 - ... —— 把中心放在 a = 4，正好避开了 √x 在 a = 0 处导数无定义的问题。
如何估计余项，判断泰勒多项式到底有多精确？
n 次泰勒多项式终究只是一个近似，它与真实函数之间的差距称为余项 Rₙ(x)。余项的拉格朗日形式给出了一个具体的界：Rₙ(x) = f⁽ⁿ⁺¹⁾(c)(x-a)ⁿ⁺¹/(n+1)!，其中 c 位于 a 和 x 之间。通常你并不知道 c 的确切值，但可以用 f⁽ⁿ⁺¹⁾(c) 在 a 到 x 这段区间上的最大可能值来放缩，这样即使不知道 c 的精确位置，也能得到误差的上界。 以 eˣ 为例，由于 eˣ 及其所有导数在 [0,1] 上都递增且不超过 e¹ ≈ 2.71828，截断到 4 次项之后的余项至多为 e¹ · 1⁵/5! ≈ 2.71828/120 ≈ 0.02265——这与实际观测到的约 0.01 的误差是相符的，因为这个界是上限，而不是精确值。 对于 sin x 或 ln(1+x) 的麦克劳林级数这类交错级数，还有一个更简便的捷径：误差不会超过第一个被舍去项的绝对值。在 x = 0.2 的 ln(1+x) 例子中，4 次项之后第一个被舍去的项是 x⁵/5 = (0.2)⁵/5 = 0.0000064，与该例中约 0.000055 的极小实际误差量级吻合（交错级数的界是一个安全的上界估计，未必刚好等于实际误差）。
交错级数余项捷径：截断带来的误差永远不会大于你舍去的第一项的大小——无需任何导数上界估计。
手算泰勒级数时哪些错误最容易翻车？
泰勒级数算错，绝大多数都出在下面这几个反复出现的错误上。
1. 忘记除以阶乘
把 (x-a)ⁿ 的系数写成 f⁽ⁿ⁾(a) 而不是 f⁽ⁿ⁾(a)/n!，是最常见的一个错误——它会让一次项之后的每一项都大得离谱。务必检查阶乘随项数递增（1、1、2、6、24、120、……）。
2. 非零中心时误用 x 代替 (x-a)
正如上面 √x 的例子所示，当 a ≠ 0 时，每一项都必须用 (x-a)，而不是 x。在以 a = 4 为中心的展开中把 (x-4)⁴/4! 写成 x⁴/4，得到的多项式在 x = 4 附近根本不近似原函数。
3. 在导数循环中数错位置
sin x、cos x 这类函数的导数以四个为一轮循环（sin、cos、-sin、-cos）。数错自己处在循环中的哪一步——尤其是三阶、四阶之后——很容易把符号弄反或用错函数。
4. 在离中心太远的地方仍然相信多项式
泰勒多项式在中心 a 附近最精确，x 越往外走就越不可靠，上面 ln(1+x) 的讨论已经说明了这一点。在用截断级数得出某个具体数值答案之前，务必用余项估计做一次检验，至少也要问一句：x 离 a 够“近”吗？
检验任何泰勒多项式最快的方法：它在某个容易计算的点上是否与函数已知值吻合？如果不吻合，余项界能否解释这个差距？出现无法解释的大偏差，通常就是阶乘或符号算错了。
泰勒级数计算器练习题与常见问题
先自己动手做完下面几题，再对照后面的答案。1) 求 cos x 的 3 次麦克劳林多项式。2) 求 ln x 在 a = 1 处的 2 次泰勒多项式。3) 若把 eˣ 的麦克劳林级数在 x² 项之后截断，估计它在 x = 1 处的余项。 答案：1) f(0)=1，f'(0)=0，f''(0)=-1，f'''(0)=0，得 P₃(x) = 1 - x²/2（因为 cos x 是偶函数，x 与 x³ 项都消失）。2) 在 a = 1 处：f(1)=0，f'(1)=1，f''(1)=-1，得 P₂(x) = (x-1) - (x-1)²/2。3) 余项界为 e¹ · 1³/3! ≈ 2.71828/6 ≈ 0.4531——这是一个相当宽松的界，因为只保留了两项，也说明要在 x = 1 附近获得高精度就必须增加项数。 泰勒级数计算器在核对手算结果时确实很有用，尤其能帮你抓出多个导数项之间的阶乘或符号错误；但真正让你一开始就把题目列对的，还是背后那个公式——f(a)、f'(a)、f''(a)，各自除以对应的阶乘。如果你想看到每一步导数和阶乘的完整推导，而不只是一个最终多项式，Solvify 的分步解题器会像本文一样，逐项带你走完每一次泰勒级数计算。
1. 泰勒级数计算器和麦克劳林级数计算器是一回事吗？
麦克劳林级数计算器就是把中心固定在 a = 0 的泰勒级数计算器。任何能计算一般泰勒级数的工具，只要把 a 设为 0 就能得到麦克劳林级数；但只支持麦克劳林的专用工具，处理不了上面 √x 那样的非零中心。
2. 泰勒多项式应该取多少项？
这取决于 x 离中心 a 有多远，以及你需要多高的精度。靠近中心时，哪怕只有 3-4 项也能与真值吻合到小数点后好几位，正如 ln(1+x) 和 √x 的例子所示；离中心较远时，可能需要多得多的项——或者干脆换一个中心——而余项估计是判断这一点的可靠方法。
配方永远不变：在中心处反复求导，除以对应的阶乘，再把各项加起来。其余的一切——作为特例的麦克劳林级数、余项界、中心附近的收敛性——都建立在这同一个基础之上。
相关文章
相关数学解题工具
分步解题
构造泰勒多项式时，把每一步导数和阶乘都明确展示出来，还包含告诉你精度如何的余项估计。
智能扫描解题
把教材或习题册上的泰勒级数、麦克劳林级数题目拍成照片，立刻得到完整的解题过程。
AI 数学辅导
在攻克某道具体的泰勒级数题目时，随时追问余项界、收敛性或以非零点为中心展开等问题。