幂级数
研究幂级数的动机，实际上就是利用多项式去逼近一个点的函数值。
对于一般的函数级数：
$$ \sum u_n(x) $$
我们取最简单的幂级数，同时由于平移不应该影响敛散性，我们直接考虑最简单的样子：
$$ \sum_{n=0}^{+\infty} a_n (x - x_0)^n \longrightarrow \sum_{n=0}^{+\infty} a_n x^n $$
性质
收敛区间的连通性
对于特殊的函数级数，自然应该有特殊的性质。对于幂级数，有个有趣的事情：收敛区间是连通的：
定理 任给 $\sum a_n x^n$① 若$\exists , x_1 \in \mathbb{R} \setminus {0}$使$\sum a_n (x_1)^n$ 收敛，
则对于 $\forall , x \in (-|x_1|, |x_1|)$，
$\sum a_n x^n$ 绝对收敛。
② 若 $\exists , x_2 \in \mathbb{R}$使$\sum a_n (x_2)^n$ 发散，
则对于 $\forall , x \in (-\infty, -|x_2|) \cup (|x_2|, +\infty)$，
$\sum a_n x^n$ 发散。
证：
① $\sum a_n (x_1)^n$收敛$\Longrightarrow { a_n (x_1)^n }$ 有界
对于任意 $x \in (-|x_1|, |x_1|)$，
$$ \sum |a_n x^n| = \sum |a_n x_1^n| \cdot \left| \frac{x}{x_1} \right|^n $$
利用狄利克雷判别法就知道收敛。
② 由 ① 反证，一个点发散，那么利用 ① ，它的外侧不会有点收敛。
推论：对 $\sum a_n x^n$ ，我们就可以考虑这样一个收敛区间
$$ A = \{ b \mid \sum a_n b^n \text{ 收敛} \} $$
取出上界
$$ R = \sup A $$
那么 $R$ 就把数轴分成了收敛和发散的两部分。
换句话说：
存在 $R \in [0, +\infty] \quad (R \text{ 可为 } +\infty)$使$\sum a_n x^n$在$(-R, R)$ 内绝对收敛
在 $(-\infty, -R) \cup (R, +\infty)$发散。$R$ 称为收敛半径。
收敛与符号、幂次因子无关
(1) 性质一：收敛半径与各项系数绝对值的关系
核心结论：收敛半径 $R$只与系数的绝对值$|a_n|$ 有关，与系数的符号无关。
表达式：$\sum a_n x^n$与$\sum |a_n| x^n$ 的收敛半径一样。
这利用上面已讨论的就可以得到。
(2) 性质二：引入幂次因子后收敛半径的不变性
已知条件：设级数 $\sum_{n=0}^{\infty} a_n x^n$的收敛半径为$R$。
研究对象：引入因子 $n^m$（其中 $m \neq 0$为常数）后的新级数$\sum_{n=0}^{\infty} a_n \cdot n^m x^n$，其收敛半径记为 $\tilde{R}$。
推导逻辑：
当 $m > 0$ 时：
一方面可以证明 $\tilde{R} \le R$- 另一方面可以证明$\tilde{R} \ge R$
综合上下界，最终得到结论：$\tilde{R} = R$。
证明
数轴示意：
在区间 $(-R, R)$内，任取一点$x$，并在 $x$与$R$之间插入一个介点$b$，满足：
$$ -R < x < b < R $$
级数放缩与收敛性分析：
为了考察通项的绝对值 $\sum |a_n n^m x^n|$，将其进行恒等变形与拆分：
$$ \sum |a_n n^m x^n| = \sum \left( |a_n b^n| \right) \cdot n^m \left| \frac{x}{b} \right|^n $$
分析判定：
1. 因为 $b < R$，落在原级数的收敛域内，所以数列 $|a_n b^n|$ 是有界（bounded）的。 2. 因为 $|x/b| < 1$，新引入的几何级数部分 $\sum n^m \left| \frac{x}{b} \right|^n$ 是绝对收敛的。- 结论：相乘后的级数收敛。
审敛法
达朗贝尔 / 柯西审敛法
定理名称：柯西 / 达朗贝尔 test（Cauchy / d’Alembert test，即根值审敛法与比值审敛法）。
研究对象：幂级数 $\sum_{n=0}^{\infty} a_n x^n$。
判定条件：
- 比值形式：若 $\lim_{n \to +\infty} \left| \frac{a_{n+1}}{a_n} \right| = l$- 根值形式：或$\lim_{n \to +\infty} (|a_n|)^{\frac{1}{n}} = l$- 注：其中$l \in [0, +\infty]$。
核心结论：则该幂级数的收敛半径 $R = \frac{1}{l}$。
推导
通过考察通项的绝对值，将幂级数问题转化为常数项级数的审敛：
令通项绝对值为：$u_n = |a_n x^n|$
应用根值审敛法（Root Test）：
$$ \lim_{n \to +\infty} (u_n)^{\frac{1}{n}} = \lim_{n \to +\infty} |a_n x^n|^\frac{1}{n} $$
$$ = \lim_{n \to +\infty} |a_n|^\frac{1}{n} \cdot |x| = l \cdot |x| $$
敛散性分类讨论：
- 当 $l \cdot |x| < 1$ 时，级数绝对收敛。对此不等式移项变形，得到：
$$ |x| < \frac{1}{l} \implies \text{\textbf{收敛}} $$
- 当 $l \cdot |x| > 1$ 时，得到：
$$ |x| > \frac{1}{l} \implies \text{\textbf{发散}} $$
- 结论映射：根据收敛半径的定义（使得级数收敛的 $|x|$的上界），显然有$R = \frac{1}{l}$。
可以完全类似地证明比值判别。
四则运算
幂级数的加法
- 前置条件：已知两个幂级数 $\sum a_n x^n$和$\sum b_n x^n$，其收敛半径分别为 $R_1$和$R_2$。
(1) 线性组合（和级数）的收敛半径 $R$
研究对象为新级数：$\sum (a_n + b_n) x^n$，探讨其收敛半径 $R$ 的取值情况：
情况一：当 $R_1 \neq R_2$ 时
收敛半径由短板决定：
$$ R = \min\{R_1, R_2\} $$
情况二：当 $R_1 = R_2$ 时
由于系数相加可能发生抵消（使得某些高次项系数变为 0 或显著变小），收敛半径可能会扩大：
$$ R \ge R_1 = R_2 $$
幂级数的乘法（柯西乘积 Cauchy Product）
(2) 乘积级数的定义与半径估计
- 定义柯西乘积的系数 $c_n$：
$$ c_n = \sum_{j=0}^{n} a_j b_{n-j} $$
- 形式乘积表达式：
$$ \left( \sum_{n=0}^{+\infty} c_n x^n \right) = \left( \sum_{n=0}^{+\infty} a_n x^n \right) \left( \sum_{n=0}^{+\infty} b_n x^n \right) $$
这里项的乘积表现为 $a_j x^j \cdot b_{n-j} x^{n-j} = a_j b_{n-j} x^n$。
绝对值放缩与有界性分析：
为了考察新级数 $\sum c_n x^n$的收敛半径$R$，对部分和的绝对值进行放缩：
$$ \sum_{k=0}^{n} |c_k x^k| \le \left( \sum_{k=0}^{n} |a_k x^k| \right) \left( \sum_{k=0}^{n} |b_k x^k| \right) $$
从系数层面上看，显然有：
$$ |c_n| \le \sum_{j=0}^{n} |a_j| \cdot |b_{n-j}| $$
核心结论：
通过上述放缩可以证明，只要 $x$同时落在两个原级数的绝对收敛域内，乘积级数就必然收敛。因此新级数的收敛半径$R$ 满足：
$$ \mathbf{R \ge \min\{R_1, R_2\}} $$
示例
1. 前置条件与对象定义
构造两个简单的级数进行相乘：
- 级数一（几何级数）：
$$ \sum_{n=0}^{\infty} x^n = 1 + x + x^2 + \dots = \frac{1}{1-x} $$
其系数为 $a_n = 1$。
- 收敛区间为 $(-1, 1)$，收敛半径 $R_1 = 1$。
级数二（多项式退化级数）：
直接取多项式 $1 - x$ 作为第二个级数。
它的各项系数为：$b_0 = 1$，$b_1 = -1$，当 $n \ge 2$时$b_n = 0$。
因为是有限项多项式，它在全复平面或全实数轴上都收敛，因此收敛半径 $R_2 = +\infty$。
按照之前的定理，两个级数做柯西乘积，其收敛半径下界为 $\min{R_1, R_2} = \min{1, +\infty} = 1$。
2. 柯西乘积系数 $c_n$ 的计算过程
现在通过公式 $c_n = \sum_{j=0}^{n} a_j b_{n-j}$ 逐项计算乘积级数的系数：
- 当 $n = 0$ 时：
$$ c_0 = a_0 b_0 = 1 \cdot 1 = 1 $$
- 当 $n = 1$ 时：
$$ c_1 = a_0 b_1 + a_1 b_0 = 1 \cdot (-1) + 1 \cdot 1 = 0 $$
当 $n \ge 2$ 时（一般项）：
由于当 $j \ge 2$时$b_j = 0$，求和项中只有最后两项非零：
$$ c_n = \sum_{j=0}^{n} a_{n-j} b_{j} = a_n b_0 + a_{n-1} b_1 $$
带入系数 $a_n=1, a_{n-1}=1$以及$b_0=1, b_1=-1$：
$$ c_n = 1 \cdot 1 + 1 \cdot (-1) = 0 $$
3. 核心结论
由于除了常数项 $c_0 = 1$之外，高次项的系数全部完美抵消为 0（即$c_1 = c_2 = \dots = c_n = 0$），所以：
- 乘积级数的形式为：
$$ \sum_{n=0}^{\infty} c_n x^n = 1 $$
最终收敛半径：
因为常数 $1$函数对于任意$x$ 都恒成立（退化为了常数），所以新级数的收敛半径直接发生了“阶跃”：
$$ \mathbf{R = +\infty} $$
这个具体的例子完美支撑了公式里为什么是大于等于号（$\ge$）而非恒等号——在特定的代数抵消下，级数内部的截断效应可以让收敛边界完全消失。
幂级数的除法与待定系数法
(3) 商级数的定义与前置条件
重要前提：设分母级数的常数项 $b_0 \neq 0$。
- 注：这是为了确保在 $x=0$ 的邻域内分母不为零，从而使除法运算在数学上合法（Well-defined）。
形式表达式：
设分子级数的收敛半径为 $R_1$，分母级数的收敛半径为 $R_2$。它们的商可以写成一个新的幂级数，记其收敛半径为 $R$：
$$ \frac{\sum_{n=0}^{\infty} a_n x^n}{\sum_{n=0}^{\infty} b_n x^n} = \sum_{n=0}^{\infty} d_n x^n $$
求解方法：待定系数法（Undetermined coefficients）。
通过两边同乘分母，将其转化为我们熟知的柯西乘积形式：
$$ \sum_{n=0}^{\infty} a_n x^n = \left( \sum_{n=0}^{\infty} b_n x^n \right) \left( \sum_{n=0}^{\infty} d_n x^n \right) $$
具体系数的递推关系（以 $a_1$ 为例）：
通过比较两边 $x^1$ 次项的系数，利用柯西乘积的展开规则，可以得到：
$$ \mathbf{a_1 = d_1 b_0 + d_0 b_1} $$
利用这类递推方程，在已知 $a_n$和$b_n$的情况下，就可以逐个解出待定系数$d_0, d_1, d_2 \dots$。
劣势（风险）：由于分母级数 $\sum b_n x^n$在复平面上可能存在零点（Zeros），新级数的收敛半径$R$不仅取决于$\min{R_1, R_2}$，还严重受限于分母级数离原点最近的那个零点的距离。
置信度评级（高）：因此，通常只能保证 $R > 0$（在原点的一个足够小的邻域内解析），而无法像乘法那样简单地给出 $R \ge \min{R_1, R_2}$ 的宏观下界。
一致收敛的判断
当然，我们也需要研究一致收敛，以便利用其美妙的性质。
幂级数一致收敛定理
前置条件：设级数 $\sum_{n=0}^{\infty} a_n x^n$的收敛半径为$R$。
定理内容：
内部闭区间的一致收敛性：
$\sum a_n x^n$在$[-b, b]$内一致收敛，其中对$\forall b \in (0, R)$ 均成立。
(也就是说，只要在收敛区间内部往里缩进一点点，构成的任何对称闭区间都是一致收敛的“安全区”。)
右边界收敛的延伸（阿贝尔定理的分支）：
若 $\sum a_n x^n$在右端点$x = R$ 处也收敛，则它在闭区间 $[0, R]$ 上一致收敛。
左边界收敛的延伸：
若 $\sum a_n x^n$在左端点$x = -R$ 处也收敛，则它在闭区间 $[-R, 0]$ 上一致收敛。
(1) 证明
利用强数级数压制的逻辑，给出性质 (1) 的核心推导：
**数轴空间构造：
在实轴上，选取点满足 $b < c < R$。这就保证了点 $c$依然严格处于收敛半径$R$的内部，因此级数在$c$ 点必然绝对收敛。
通项绝对值的放缩：
对于 $\forall x \in [-b, b]$，我们来考察通项的绝对值 $|a_n x^n|$。因为 $|x| \le b$，所以：
$$ |a_n x^n| \le |a_n b^n| $$
为了利用 $c$点的收敛性，进行恒等变形（乘以并除以$c^n$）：
$$ |a_n b^n| = |a_n c^n| \cdot \left| \frac{b}{c} \right|^n $$
优级数（M-series）的敛散性判定：
因为 $c < R$，所以数列 $|a_n c^n|$是有界（bounded）的（记其上界为$M$）。
因为 $b < c$，所以公比 $\left| \frac{b}{c} \right| < 1$，从而几何级数 $\sum \left| \frac{b}{c} \right|^n$ 是收敛的。
综合两点，常数项级数 $\sum |a_n c^n| \cdot \left| \frac{b}{c} \right|^n$ 绝对收敛。
应用 Weierstrass M-test 落地结论：
由于我们找到了一个不依赖于 $x$ 的收敛常数项级数，作为原函数项级数通项的绝对上界：
$$ \implies \sum a_n x^n \text{ 在 } [-b, b] \text{ 上\textbf{一致收敛}}。 $$
(2)证明
证明目标：对于 $x \in [0, R]$，证明 $\sum a_n x^n$ 一致收敛。
项的拆分（构造阿贝尔形式）：
由于在 $R$处只有收敛而非绝对收敛，需要另寻他法。完全类似地将幂级数通过乘除$R^n$ 进行恒等变形，拆分为两部分的乘积：
$$ \sum a_n x^n = \sum \underline{a_n R^n} \cdot \underline{\left( \frac{x}{R} \right)^n} $$
分别令：
$$ \beta_n = a_n R^n \quad (\text{常数项部分}) $$
$$ \alpha_n(x) = \left( \frac{x}{R} \right)^n \quad (\text{函数项部分}) $$
阿贝尔判别法条件验证：
关于 $\alpha_n(x)$：当 $x \in [0, R]$时，单项式序列$\alpha_n(x) = \left( \frac{x}{R} \right)^n$ 满足：
针对每个固定的 $x$，随 $n$的增加而关于$n$单调递减（因为商$\le 1$）。
一致有界：由于 $0 \le \frac{x}{R} \le 1$，其绝对值满足 $|\alpha_n(x)| \le 1$，上界与 $x$ 无关。
关于 $\beta_n$：已知级数 $\sum \beta_n = \sum a_n R^n$ 在端点处收敛。既然它是常数项级数，收敛就等价于它在区间上一致收敛。
落地结论：
由阿贝尔判别法，条件全部满足，因此乘积形式的函数项级数 $\sum \alpha_n(x) \beta_n$在$[0, R]$ 上一致收敛。
3同理可证
一致收敛性质的利用
- 前置条件：设级数 $\sum_{n=0}^{\infty} a_n x^n$的收敛半径为$R$，其和函数记为 $S(x)$。取闭区间参数 $b \in (0, R)$。
(1) 和函数 $S(x)$ 的连续性 (Continuity)
核心结论：$S(x)$在闭区间$[-b, b]$ 上连续。
边界延伸（阿贝尔定理的推论）：若级数在右端点 $x = R$处收敛，则$S(x)$在$[-b, R]$ 上连续。
$$ \text{若 } \sum a_n R^n \text{ 收敛} \implies S(x) \text{ 在 } [-b, R] \text{ 上连续} $$
(这意味着，只要级数在边界收敛，和函数在边界上就不仅有定义，而且能保持左连续。)
(2) 幂级数的逐项积分定理 (Term-by-term Integration)
由于级数在内部闭区间上是一致收敛的，极限算子（求和）与积分算子可以完美交换顺序：
- 定义变上限积分函数 $F(x)$：
$$ F(x) = \int_{0}^{x} S(t) \, \mathrm{d}t = \int_{0}^{x} \left( \sum_{n=0}^{\infty} a_n t^n \right) \mathrm{d}t $$
- 性质陈述：对于 $\forall x \in [-b, b]$，上述级数可以逐项积分：
$$ F(x) = \sum_{n=0}^{\infty} \int_{0}^{x} a_n t^n \, \mathrm{d}t $$
- 积分落地结果：
$$ \int_{0}^{x} S(t) \, \mathrm{d}t = \sum_{n=0}^{\infty} \frac{a_n}{n+1} x^{n+1} $$
新级数的收敛半径：
利用乘上n的幂次不改变收敛半径，知道积分后得到的新幂级数，其收敛半径仍旧为 $R$，不过在边界的收敛性可能改变。一般来说越积分收敛性越好。
(3) 幂级数的逐项求导定理 (Term-by-term Differentiation)
由于级数在内部闭区间 $[-b, b]$（其中 $b \in (0, R)$）上一致收敛，且各项导数构成的级数也表现良好，极限算子（求和）与求导算子可以完美交换顺序：
- 核心表达式：对于 $\forall x \in [-b, b]$，和函数 $S(x)$ 的导数可以直接对级数的每一项分别求导得到：
$$ S'(x) = \left( \sum_{n=0}^{+\infty} a_n x^n \right)' = \sum_{n=1}^{+\infty} a_n n x^{n-1} $$
注：由于常数项 $a_0$求导后变为$0$，新级数的求和下界从 $n=0$变为了$n=1$。
收敛半径的不变性：
求导后得到的新级数，其收敛半径仍旧为 $R$（正如性质 (2) 所证明的，引入 $n^m$ 因子不改变收敛半径）。
(4) 高阶逐项求导与无穷阶可导性
通过数学归纳法，这个逐项求导的操作可以无限次重复进行：
- $k$阶导数表达式：对于$\forall x \in [-b, b]$，和函数的 $k$阶导数$S^{(k)}(x)$ 为：
$$ S^{(k)}(x) = \sum_{n=k}^{+\infty} a_n \cdot n(n-1)(n-2)\cdots(n-k+1) x^{n-k} $$
注：求和下界对称地变为了 $n=k$。
终极推论（光滑性）：
由于这个性质对任意满足 $b < R$的闭区间$[-b, b]$都成立，我们可以将局部的一致收敛性平滑过渡到整个开区间$(-R, R)$ 上：
$$ \implies S(x) \in C^{\infty}[-b, b] $$
$$ \implies \mathbf{S(x) \in C^{\infty}(-R, R)} $$
这意味着：任何幂级数在其收敛区间内部都代表了一个绝对完美的“光滑函数”（Smooth function），不仅连续，而且拥有任意阶的连续导数。
例题
1. 经典例题背景与收敛域判定
- 研究对象：给定级数
$$ S(x) = \sum_{n=0}^{+\infty} (-1)^n \frac{x^{2n+1}}{2n+1} $$
基本属性：
使用比值审敛法易知其收敛半径 $R = 1$。
边界敛散性：
当 $x = 1$时，级数为$\sum \frac{(-1)^n}{2n+1}$，由交错级数审敛法（Leibniz test）可知其收敛。
当 $x = -1$时，级数为$\sum \frac{(-1)^n (-1)^{2n+1}}{2n+1} = \sum \frac{(-1)^{3n+1}}{2n+1}$，同样交错收敛。
结论：该级数的收敛域为闭区间 $[-1, 1]$，而在开区间 $(-1, 1)$ 内绝对收敛。
2. 运用逐项求导（Term-by-term Differentiation）求和函数
为了解出 $S(x)$的解析表达式，在开区间$(-1, 1)$ 内对级数进行逐项求导：
$$ S'(x) = \sum_{n=0}^{+\infty} (-1)^n \frac{(2n+1)x^{2n}}{2n+1} = \sum_{n=0}^{+\infty} (-1)^n x^{2n} $$
- 几何级数还原：将上式变形为以 $-x^2$ 为公比的等比级数：
$$ S'(x) = \sum_{n=0}^{+\infty} (-x^2)^n = \frac{1}{1 - (-x^2)} = \frac{1}{1 + x^2} $$
3. 积分回推与初值确定
通过对导函数 $S’(x)$求不定积分来还原$S(x)$：
$$ S(x) = \int \frac{1}{1+x^2} \,\mathrm{d}x = \arctan x + C $$
确定常数 $C$：代入原级数的初始值。显然当 $x=0$时，每一项都为 0，即$S(0) = 0$。
求解：$\arctan(0) + C = 0 \implies C = 0$。
得到开区间内的和函数：
$$ S(x) = \arctan x \quad \left(x \in (-1, 1)\right) $$
4. 边界延伸与莱布尼茨 $\pi$ 公式
这里展现了阿贝尔定理（Abel’s Theorem）的威力：因为原级数在端点 $x=1$处收敛，所以和函数$S(x)$在$x=1$处必然左连续。这意味着我们可以把$x=1$直接带入刚才得到的$\arctan x$ 中：
$$ S(1) = \arctan(1) = \frac{\pi}{4} $$
将 $x=1$ 代入原级数展开式，最终落地为数论与分析中大名鼎鼎的经典交错级数公式：
$$ \mathbf{\sum_{n=0}^{+\infty} \frac{(-1)^n}{2n+1} = 1 - \frac{1}{3} + \frac{1}{5} - \frac{1}{7} + \frac{1}{9} - \frac{1}{11} + \dots = \frac{\pi}{4}} $$
泰勒级数
研究幂级数，很大一部分就是为了泰勒级数。
从无限可导向解析的跨越
如果一个函数 $f(x)$在$x_0$附近满足$C^\infty$（即无穷阶连续可导），我们总可以基于泰勒公式形式化地构建一个无穷级数：
$$ T(x) = \sum_{n=0}^{+\infty} \frac{1}{n!} f^{(n)}(x_0)(x - x_0)^n $$
这个级数被称为泰勒级数（当 $x_0=0$时为麦克劳林级数）。由于泰勒级数本质上是幂级数，只要它在某个区间$x \in (-R, R)$ 内收敛，其系数就具有唯一性，由其逐阶导数完全决定：$a_n = \frac{1}{n!} T^{(n)}(0)$。
然而，微积分在这里留下了一个直觉的陷阱。通常情况下，即使泰勒级数在某个区间内完美收敛，它也不一定会收敛到原函数本身。 也就是说， $f(x) = T(x)$ 并非理所当然。要看清这背后的本质，我们需要将视界从孤立的实数轴拓宽到二维的复平面。
隐藏在虚轴上的“暗礁”：收敛半径的几何本质
考虑两个在实轴上表现完全不同的函数，它们的麦克劳林级数却展现出了对称的局限性：
1. 几何级数的自然边界
$$ \frac{1}{1-x} = \sum_{n=0}^{+\infty} x^n $$
该级数的收敛半径是 $R=1$。在实数域内，这个限制非常直观：当 $x=1$ 时，函数的分母为零，出现了解析构造上的“奇点”。
2. 反正切函数的神秘受限
$$ \arctan(x) = \sum_{n=0}^{+\infty} (-1)^n \frac{x^{2n+1}}{2n+1} $$
在实数轴上，$\arctan(x)$是一个无可挑剔的完美函数——它不仅处处连续，而且无穷阶可导，没有任何分母为零的断点。然而，它的泰勒级数收敛半径同样被死死限制在$R=1$。如果只看实数轴，这无疑是一个令人费解的谜题。
当我们引入复数 $z = x + iy$，将函数通过复对数形式进行解析延拓（analytic continuation）后，真相才浮出水面：
$$ \arctan(z) = \frac{i}{2} \ln \left( \frac{i-z}{i+z} \right) $$
在复平面上，复反正切函数在 $z = \pm i$ 处分母为零。复平面上的奇点限制了实数域的收敛半径。
在几何上，幂级数的收敛区域在复平面上表现为一个圆。这个圆的边界必定会触碰到离原点最近的那个“奇点”。这两个隐藏在虚轴上的奇点 $\pm i$到原点的距离恰好是 1，因此划定了一个半径为 1 的收敛圆。我们在实轴上看到的收敛区间$(-1, 1)$，不过是这个复平面收敛圆在实轴上的一段投影。
虚妄的温顺：病态函数的实复两面性
为了彻底划清“无穷阶可导”与“可解析”的界限，我们需要审视数学分析中著名的病态函数（pathological function）：
$$ f_{\text{bad}}(x) = \begin{cases} e^{-\frac{1}{x^2}}, & x \neq 0 \\ 0, & x = 0 \end{cases} $$
这个函数在实轴上极为特殊。如果你在原点 $x=0$ 处对它求各阶导数，会发现由于指数爆炸级缩小的压制，它在原点处的任意一阶导数都精确地等于 0（$f^{(n)}(0) = 0$）。这意味着，它的麦克劳林级数成了恒等于 0 的平庸级数：
$$ T(x) = 0 + 0\cdot x + 0\cdot x^2 + \dots \equiv 0 $$
这个级数显然在全实轴上收敛，但除了 $x=0$这一点外，它在任何地方都不等于原函数$e^{-1/x^2}$。
这种实轴上的“温顺”欺骗了我们。一旦将该函数延拓至复平面 $f_{\text{bad}}(z) = e^{-\frac{1}{z^2}}$，从不同的方向逼近原点，它会展现出截然相反的动态：
- 沿实轴趋近（$z = x$）：
$$ \lim_{x \to 0} e^{-\frac{1}{x^2}} = 0 $$
函数值平滑地滑向零，各阶导数沉寂。
- 沿虚轴趋近（$z = iy$）：
$$ f_{\text{bad}}(iy) = e^{-\frac{1}{(iy)^2}} = e^{\frac{1}{y^2}} $$
$$ \lim_{y \to 0} e^{\frac{1}{y^2}} = +\infty $$
随着 $y$ 逼近原点，函数值发生剧烈的指数级爆炸。
原点 $z=0$ 实际上是该函数在复平面上的本性奇点（essential singularity）。 它在实轴上的无限光滑，只是复平面上剧烈动荡向实轴投影后留下的一丝假象。这也最终解释了为什么它的泰勒级数永远无法真正代表它本身。一个实函数想要能够被泰勒级数完美局部逼近（即解析），它不仅要在实轴上光滑，更需要经受住复平面全方位逼近的考验。
泰勒公式的余项与级数收敛性判定
由于我们进一步细化，从幂级数跳到了泰勒级数，那么自然我们会有一些更好的性质，这里就是利用余项来判定级数的收敛性。
在研究函数的泰勒展开时，为了精确衡量有限阶泰勒多项式 $T_n(x)$与原函数$f(x)$ 之间的逼近误差，引入了余项（Remainder Term）的概念：
$$ R_n(x) \triangleq f(x) - T_n(x) $$
根据不同的应用场景（误差估计或收敛性证明），余项主要有两种经典的定量表达形式。
泰勒公式的两种经典余项形式
假设函数 $f(x)$在含$x_0$和$x$的区间内具有直到$n+1$ 阶的导数，则余项可以表示为：
1. 拉格朗日型余项（Lagrange Form）
$$ R_n(x) = \frac{f^{(n+1)}(x_0 + \theta(x - x_0))}{(n+1)!} (x - x_0)^{n+1} $$
其中 $\theta = \theta_{x, n} \in (0, 1)$。该形式可以看作是拉格朗日中值定理的高阶推广，非常适合用于函数值的误差上界估计。
2. 柯西型余项（Cauchy Form）
$$ R_n(x) = \frac{f^{(n+1)}(x_0 + \tilde{\theta}(x - x_0))}{n!} (1 - \tilde{\theta})^n (x - x_0)^{n+1} $$
其中 $\tilde{\theta} = \tilde{\theta}_{x, n} \in (0, 1)$。柯西余项在处理某些特殊函数（如 $\ln(1+x)$或$(1+x)^\alpha$ 在接近收敛边界时）的收敛性证明时更为有力。
实例分析：指数函数 $e^x$ 的级数收敛性证明
以 $x_0 = 0$（麦克劳林展开）为例，探讨指数函数 $e^x$ 的幂级数展开：
$$ e^x = \sum_{n=0}^{+\infty} \frac{1}{n!} x^n $$
利用比值判别知其收敛半径 $R = +\infty$。以下提供两种严格证明该级数在全实域 $\mathbb{R}$上等价于$e^x$ 的方法。
方法 1：余项估计法（利用拉格朗日余项）
要证明级数收敛于原函数，只需证明当 $n \to +\infty$ 时，余项的极限为 0。
令 $x_0 = 0$，由于 $f^{(n+1)}(x) = e^x$，其拉格朗日余项为：
$$ |R_n(x)| = \left| e^x - \sum_{k=0}^n \frac{1}{k!} x^k \right| = \left| \frac{e^{\theta x}}{(n+1)!} x^{n+1} \right| \quad (\theta \in (0, 1)) $$
对于任意固定的实数 $x$：
$e^{\theta x}$是一个有界常数（若$x>0$，则 $e^{\theta x} < e^x$；若 $x<0$，则 $e^{\theta x} < 1$）。
根据阶乘的增长速度远快于幂函数这一性质，有 $\lim_{n \to +\infty} \frac{x^{n+1}}{(n+1)!} = 0$。
因此：
$$ \lim_{n \to +\infty} R_n(x) = 0 \quad (\forall x \in \mathbb{R}) $$
级数在整个实数集上收敛于 $e^x$。
方法 2：微分方程法（利用逐项求导）
我们可以直接从和函数出发，利用幂级数的分析性质进行反向证明。
设幂级数的和函数为 $S(x)$：
$$ S(x) = \sum_{n=0}^{+\infty} \frac{1}{n!} x^n \quad (\forall x \in \mathbb{R}) $$
由于幂级数在其收敛区间内可以逐项求导，对 $S(x)$ 求导得：
$$ S'(x) = \sum_{n=1}^{+\infty} \frac{1}{(n-1)!} x^{n-1} $$
令 $m = n-1$，平移求和指标后可得：
$$ S'(x) = \sum_{m=0}^{+\infty} \frac{1}{m!} x^m = S(x) $$
这构成了初值问题：
$$ \begin{cases} S'(x) = S(x) \\ S(0) = 1 \end{cases} $$
解该线性常微分方程可得：
$$ S(x) = C e^x $$
代入初值 $S(0) = 1$确定常数$C = 1$，故有：
$$ S(x) = e^x $$
总结： 无论是通过拉格朗日余项直接夹逼，还是通过逐项求导构造微分方程，都完美地证明了 $\sum_{n=0}^{+\infty} \frac{1}{n!} x^n$在实轴上不仅收敛，且其和函数精确等于$e^x$。
三角函数
在完备了幂级数的余项估计理论后，我们可以将其直接应用于最具周期对称美感的经典三角函数——正弦函数 $\sin(x)$与余弦函数$\cos(x)$。
一、 高阶导数的周期性规律
对三角函数进行泰勒展开的核心在于求解其任意阶导数。通过简单的微积分递推，可以发现它们的 $n$阶导数具有极具几何美感的统一形式（相当于在相位上不断推进$\frac{\pi}{2}$）：
$$ \sin^{(n)}(x) = \sin\left(x + \frac{n}{2}\pi\right) $$
$$ \cos^{(n)}(x) = \cos\left(x + \frac{n}{2}\pi\right) $$
当选取展开中心 $x_0 = 0$（麦克劳林展开）时，由于 $\sin(0)=0$且$\cos(0)=1$，导数序列在 $0, 1, 0, -1$ 之间循环交替。这导致展开后的多项式呈现出奇偶项分离的特征。
二、 麦克劳林级数展开
将上述导数代入公式，可得正弦与余弦函数的经典幂级数展开式。这两个级数的收敛半径均为 $R = +\infty$：
1. 正弦函数（奇函数，仅保留奇数次幂）
$$ \sin(x) = \sum_{n=0}^{+\infty} \frac{(-1)^n}{(2n+1)!} x^{2n+1} = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \dots $$
2. 余弦函数（偶函数，仅保留偶数次幂）
$$ \cos(x) = \sum_{n=0}^{+\infty} \frac{(-1)^n}{(2n)!} x^{2n} = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \dots $$
三、 全实域收敛性证明（拉格朗日余项法）
为了严格说明这两个级数在整个实数域 $\mathbb{R}$上确实收敛于原函数，同样需要考察其拉格朗日余项$R_n(x)$。
以 $\sin(x)$为例，其 $n$ 阶泰勒公式的拉格朗日余项为：
$$ |R_n(x)| = \left| \frac{\sin^{(n+1)}(\theta x)}{(n+1)!} x^{n+1} \right| \quad (\theta \in (0,1)) $$
由于任何阶数的三角函数导数都受到正弦或余弦幅值的绝对控制，因此其导数部分天然有界：
$$ \left| \sin^{(n+1)}(\theta x) \right| \le 1 $$
由此可得误差分量的绝对控制不等式：
$$ |R_n(x)| \le \frac{|x|^{n+1}}{(n+1)!} $$
对于任意给定的实数 $x$，由于阶乘的增长速度在 $n \to +\infty$ 时居于绝对统治地位，级数的尾项必趋于 0：
$$ \lim_{n \to +\infty} R_n(x) = 0 \quad (\forall x \in \mathbb{R}) $$
同理可证 $\cos(x)$ 的余项同样全实域趋于 0。这说明两个级数在整个实轴上与原函数完全等价。
四、 终章：统一于欧拉公式
至此，我们手中已经握有了三个在全实域 $R=+\infty$ 完美收敛的麦克劳林级数：$e^x$、$\sin(x)$以及$\cos(x)$。如果我们再次跨越实数边界，将纯虚数 $ix$代入到指数函数$e^x$ 的级数展开中：
$$ e^{ix} = \sum_{n=0}^{+\infty} \frac{(ix)^n}{n!} = 1 + ix + \frac{(ix)^2}{2!} + \frac{(ix)^3}{3!} + \frac{(ix)^4}{4!} + \dots $$
利用虚数单位的幂次周期性（$i^2 = -1, i^3 = -i, i^4 = 1$），将上式按照实部（不含 $i$的项）与虚部（含有$i$ 的项）进行重新拆分组合：
$$ e^{ix} = \left( 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \dots \right) + i \left( x - \frac{x^3}{3!} + \frac{x^5}{5!} - \dots \right) $$
这便在解析层面上严丝合缝地证明了被誉为“数学界最美公式”的欧拉公式（Euler’s Formula）：
$$ e^{ix} = \cos(x) + i\sin(x) $$
二项级数
在完备了指数函数与三角函数的级数理论后，我们将目光投向另一个经典的函数族——二项式函数 $f(x) = (1+x)^\alpha$（其中 $\alpha \in \mathbb{R}$且$\alpha \neq 0$）。
当 $\alpha$ 不为正整数时，该函数无法通过二项式定理展开为有限项多项式。为了探讨其无穷级数的形式及其在实轴上的等价性，必须对其进行高阶求导并对余项进行极其精细的估计。
一、 二项级数的形式构建与收敛半径
1. 高阶导数与系数确定
对 $f(x) = (1+x)^\alpha$进行逐阶求导，其$n$ 阶导数呈现出明显的阶乘幂规律：
$$ f^{(n)}(x) = \alpha(\alpha-1)\dots(\alpha-n+1)(1+x)^{\alpha-n} $$
在展开中心 $x_0 = 0$ 处，各阶导数值为：
$$ f^{(n)}(0) = \alpha(\alpha-1)\dots(\alpha-n+1) $$
由此，我们可以形式化地构建其麦克劳林级数（即二项级数）：
$$ (1+x)^\alpha \sim \sum_{n=0}^{+\infty} \frac{\alpha(\alpha-1)\dots(\alpha-n+1)}{n!} x^n $$
2. 收敛半径的判定
通过达朗贝尔（Ratio Test）比值判别法，考察相邻两项绝对值的比值极限：
$$ \lim_{n \to +\infty} \left| \frac{a_{n+1} x^{n+1}}{a_n x^n} \right| = \lim_{n \to +\infty} \left| \frac{\alpha-n}{n+1} \right| |x| = |x| $$
若要级数绝对收敛，需满足 $|x| < 1$。因此，二项级数的收敛半径 $R = 1$。这说明该级数在开区间 $x \in (-1, 1)$ 内是完备收敛的。
二、 拉格朗日余项的局限：负区间的失效
为了证明级数在 $x \in (-1, 1)$内严格等价于原函数，我们需要证明其泰勒余项$\lim_{n \to +\infty} R_n(x) = 0$。
如果采用常规的拉格朗日型余项，公式形式如下：
$$ R_n(x) = \frac{\alpha(\alpha-1)\dots(\alpha-n)}{(n+1)!} (1+\theta x)^{\alpha-n-1} x^{n+1} \quad (\theta \in (0, 1)) $$
将变量项进行归类分离：
$$ R_n(x) = \frac{\alpha(\alpha-1)\dots(\alpha-n)}{(n+1)!} x^{n+1} \cdot (1+\theta x)^{\alpha-1} \cdot \underline{(1+\theta x)^{-n}} $$
此时对区间进行分情况讨论，会发现拉格朗日余项遇到了本质阻碍：
当 $x \in (0, 1)$时：$1+\theta x > 1$，则 $(1+\theta x)^{-n} < 1$，余项可以顺利被阶乘压制趋于 0。
当 $x \in (-1, 0)$时： 此时$0 < 1+\theta x < 1$。这意味着底数小于 1，当 $n \to +\infty$时，负幂次项$(1+\theta x)^{-n}$会变成一个剧烈增长的放大因子。由于$\theta$ 的不确定性，拉格朗日余项在负区间内无法直接证明收敛于 0。
三、 柯西余项的巧妙破局
为了克服拉格朗日余项在负区间估计上的失效，必须引入对基准点权重处理更为细腻的柯西型余项。
柯西余项的标准形式为：
$$ R_n(x) = \frac{\alpha(\alpha-1)\dots(\alpha-n)}{n!} (1+\theta x)^{\alpha-n-1} (1-\theta)^n x^{n+1} \quad (\theta \in (0, 1)) $$
1. 核心代数变形
为了看清各项的控制关系，将柯西余项重组为三个独立因子的乘积结构：
$$ R_n(x) = \left[ \frac{\alpha(\alpha-1)\dots(\alpha-n)}{n!} x^{n+1} \right] \cdot (1+\theta x)^{\alpha-1} \cdot \left[ \frac{1-\theta}{1+\theta x} \right]^n $$
2. 三大因子的收敛行为分析
针对上面拆解出的三个部分，当 $n \to +\infty$且固定$x \in (-1, 1)$ 时，分别进行精细估计：
因子一（级数通项关联项）：$A_n = \frac{\alpha(\alpha-1)\dots(\alpha-n)}{n!} x^{n+1}$
这一部分本质上是二项级数的第 $n+1$项。既然我们已经通过比值判别法证明了级数$\sum a_n x^n$在$|x|<1$ 时收敛，根据级数收敛的必要条件，其通项必趋于 0。因此：
$$ \lim_{n \to +\infty} A_n = 0 $$
因子二（有界项）：$B = (1+\theta x)^{\alpha-1}$
由于 $x \in (-1, 1)$且$\theta \in (0, 1)$，不管 $\alpha-1$的符号如何，连续函数$(1+\theta x)^{\alpha-1}$在闭区间上总能被两端点卡住，针对确定的$x$ 是一个绝对有界的量，不会走向无穷。
因子三（关键收缩项）：$C_n = \left[ \frac{1-\theta}{1+\theta x} \right]^n$
我们需要评估底数 $\frac{1-\theta}{1+\theta x}$与 1 的大小关系。在整体区间$x \in (-1, 1)$ 内：
$$ (1+\theta x) - (1-\theta) = \theta x + \theta = \theta(1+x) > 0 $$
由此可得：
$$ 1+\theta x > 1-\theta \implies 0 < \frac{1-\theta}{1+\theta x} < 1 $$
既然底数被死死限制在 $(0, 1)$之间，那么它的$n$ 次幂在无穷处必然是有界的（甚至严格递减趋于 0）：
$$ \left| \frac{1-\theta}{1+\theta x} \right|^n < 1 $$
3. 最终夹逼结论
综合以上三项的评估结果，整个柯西余项被拆解为了：
$$ \lim_{n \to +\infty} R_n(x) = (\text{趋于 } 0) \times (\text{有界项}) \times (\text{小于 } 1 \text{ 的无穷幂次项}) = 0 $$
通过柯西余项的巧妙重新组合，彻底化解了负区间内 $(1+\theta x)^{-n}$膨胀带来的数学危机。至此，我们完成了二项级数在整个开区间$x \in (-1, 1)$ 内收敛于原函数的严格证明：
$$ (1+x)^\alpha = \sum_{n=0}^{+\infty} \frac{\alpha(\alpha-1)\dots(\alpha-n+1)}{n!} x^n \quad (\forall x \in (-1, 1)) $$
左侧边界：$x = -1$将$x = -1$强行代入级数，通项呈现为$u_n = \frac{\alpha(\alpha-1)\dots(\alpha-n+1)}{n!} (-1)^n$。
粗看之下，符号的介入似乎让事情变得复杂，但只要将视线拉长到无穷远处（当 $n > \alpha$时），你会发现相邻两项的比值$\frac{u_{n+1}}{u_n} = \frac{n-\alpha}{n+1}$ 悄然恒为正数。这意味着，在远离原点的旷野上，它其实蜕变为了一个同号级数。
面对这种看似温和却缺乏相消机制的同号项累加，我们需要请出拉贝判别法（Raabe’s Test）——一种专门用来在比值失效时、通过放大高阶小项来定量级数衰减速度的精细工具。我们去捕捉它的极限行为：
$$ n \left( \frac{u_n}{u_{n+1}} - 1 \right) = n \left( \frac{n+1}{n-\alpha} - 1 \right) = \frac{n(1+\alpha)}{n-\alpha} \xrightarrow{n \to +\infty} 1 + \alpha $$
拉贝判别法的标尺非常客观：当极限值大于 1 时级数收敛，小于 1 时则无情发散。
当 $1+\alpha > 1$，即 $\alpha > 0$ 时，衰减速度足够快，级数收敛。
当 $1+\alpha < 1$，即 $\alpha < 0$ 时，累加的势头压过了衰减，级数发散。
(注：$\alpha = 0$ 时函数退化为常数 1，级数自然平凡收敛，一般不作为病态情况讨论。)
右侧边界：$x = 1$当目光转向右侧的$x = 1$时，通项变成了$u_n = \frac{\alpha(\alpha-1)\dots(\alpha-n+1)}{n!}$。
与左边恰恰相反，当 $n$ 足够大时，$\frac{u_{n+1}}{u_n} = \frac{\alpha-n}{n+1} < 0$。这里的正负号开始像钟摆一样规律地跳动，级数变成了一个标准的长程交错级数（alternating series）。
交错级数往往拥有一层由“正负相消”赋予的宽容庇护。即使绝对值累加会走向无穷，只要正负交替的浪潮交织得足够均匀，它们就能在动态中达成一种和解：
$\alpha > 0$：由先前的拉贝判别法可知，此时它连绝对值之和都能收敛，在此处自然稳稳收敛。
$-1 < \alpha \le 0$：绝对值的盾牌虽然碎了，但交错相消的剑刃还在。借助莱布尼茨判别法的微调审视，项的大小依然单调趋于 0，使得级数能够维持一种脆弱的平衡，表现为条件收敛（conditional convergence）——即级数本身靠着正负抵消活着，但一旦剥离符号取绝对值就会崩溃。
$\alpha \le -1$：此时跨越了危险的阈值，通项在趋近无穷时连“向零靠拢”的基本底线都无法维持，正负震荡的幅度越来越大，级数彻底发散。
二项级数变体
在建立起二项级数的完备理论之后，我们可以利用逐项求导、逐项积分以及变量代换等解析性质，将许多复杂的初等函数转化为优雅的幂级数形式。
一、 利用二项级数展开复合成反式：$\frac{1}{\sqrt{1-x^2}}$为了求出广义代数分式$f(x) = (1-x^2)^{-\frac{1}{2}}$的级数形式，我们首先引入二项级数中$\alpha = -\frac{1}{2}$ 的特例。
1. 核心系数的基准推导
对于基础形式 $(1-x)^{-\frac{1}{2}}$，其麦克劳林级数的第 $n$ 项系数为：
$$ a_n = \frac{(-\frac{1}{2})(-\frac{3}{2})\dots(-\frac{1}{2}-n+1)}{n!} (-1)^n $$
提取每一项的分母 $2$ 以及负号，分子转化为连续奇数的乘积：
$$ a_n = \frac{(-1)^n \cdot 1 \cdot 3 \cdot 5 \dots (2n-1)}{2^n \cdot n!} (-1)^n = \frac{(2n-1)!!}{2^n \cdot n!} $$
由于 $2^n \cdot n! = 2 \cdot 4 \cdot 6 \dots (2n) = (2n)!!$，系数可以精简为双阶乘（Double Factorial）之比：
$$ a_n = \frac{(2n-1)!!}{(2n)!!} $$
由此得到基础展开式：
$$ (1-x)^{-\frac{1}{2}} = 1+\sum_{n=1}^{+\infty} \frac{(2n-1)!!}{(2n)!!} x^n $$
2. 变量代换完成目标
将上述公式中的 $x$整体替换为$x^2$，即可直接写出目标函数的展开式：
$$ \frac{1}{\sqrt{1-x^2}} =1+ \sum_{n=1}^{+\infty} \frac{(2n-1)!!}{(2n)!!} x^{2n} \quad (\forall x \in (-1, 1)) $$
二、 逐项积分的应用：反正弦函数 $\arcsin(x)$
反正弦函数可以通过导函数积分的形式表达：$\arcsin(x) = \int_0^x \frac{1}{\sqrt{1-t^2}} dt$。由于幂级数在收敛区间内部允许逐项积分，我们可以直接对上一节的结果进行定积分操作。
1. 级数形式的导出
$$ \arcsin(x) = \int_0^x \left( \sum_{n=0}^{+\infty} \frac{(2n-1)!!}{(2n)!!} t^{2n} \right) dt = \sum_{n=0}^{+\infty} \frac{(2n-1)!!}{(2n)!!} \int_0^x t^{2n} dt $$
计算积分项，得到反三角函数的标准级数展开：
$$ \arcsin(x) = \sum_{n=0}^{+\infty} \frac{(2n-1)!!}{(2n)!!(2n+1)} x^{2n+1} $$
2. 边界收敛性
对于收敛区间 $(-1, 1)$内部，逐项积分的有效性毋庸置疑。然而在端点$x = \pm 1$ 处，该级数的表现表现出了更强的收敛倾向。
通过斯特林公式（Stirling’s Approximation）或拉贝判别法评估其通项系数的渐进性质：
$$ \frac{(2n-1)!!}{(2n)!!} \sim \frac{1}{\sqrt{\pi n}} $$
$$ \text{通项大小 } u_n \sim \frac{1}{\sqrt{\pi n} \cdot (2n+1)} \sim O\left(\frac{1}{n^{3/2}}\right) $$
因为 $p = \frac{3}{2} > 1$，根据 $p$-级数判别法，该级数在端点处不仅收敛，而且表现为绝对收敛。因此，反正弦函数的生存疆域完美闭合于全闭区间：
$$ x \in [-1, 1] $$
对数函数的组合：$\frac{1}{2}\ln\left(\frac{1+x}{1-x}\right)$
利用对数函数的代数性质，可以将商结构拆解为两个经典麦克劳林级数的差：
$$ \frac{1}{2}\ln\left(\frac{1+x}{1-x}\right) = \frac{1}{2}\big(\ln(1+x) - \ln(1-x)\big) $$
1. 级数对消过程
分别写出两者的级数展开：
$$ \ln(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \dots = \sum_{n=1}^{+\infty} (-1)^{n-1} \frac{x^n}{n} $$
$$ \ln(1-x) = -x - \frac{x^2}{2} - \frac{x^3}{3} - \frac{x^4}{4} - \dots = -\sum_{n=1}^{+\infty} \frac{x^n}{n} $$
当两者相减时，所有偶数次幂项因符号相同而完全抵消，所有奇数次幂项因符号相反负负得正而完成翻倍：
$$ \ln(1+x) - \ln(1-x) = 2x + \frac{2x^3}{3} + \frac{2x^5}{5} + \dots = 2 \sum_{n=0}^{+\infty} \frac{x^{2n+1}}{2n+1} $$
2. 最终和函数形式
乘以系数 $\frac{1}{2}$ 消除常数倍，得到无偶数项的纯奇次幂级数：
$$ \frac{1}{2}\ln\left(\frac{1+x}{1-x}\right) = \sum_{n=0}^{+\infty} \frac{x^{2n+1}}{2n+1} \quad (\forall x \in (-1, 1)) $$
对数与反正切的内在统一
在实数分析的框架内，上述的对数级数与反正切函数 $\arctan(x) = \sum_{n=0}^{+\infty} (-1)^n \frac{x^{2n+1}}{2n+1}$ 看起来只是结构相似的两个独立公式。然而，一旦引入复数元素，它们将展现出完美的统一性。
如果在对数展开式中进行纯虚数代换 $x \to ix$，则级数变为：
$$ \sum_{n=0}^{+\infty} \frac{(ix)^{2n+1}}{2n+1} = \sum_{n=0}^{+\infty} i^{2n+1} \frac{x^{2n+1}}{2n+1} = i \sum_{n=0}^{+\infty} (-1)^n \frac{x^{2n+1}}{2n+1} = i \arctan(x) $$
结合对数函数的解析延拓，两者的函数形态在复数域内达成了如下的逻辑闭环：
$$ \frac{1}{2}\ln\left(\frac{1+ix}{1-ix}\right) = i \arctan(x) \implies \arctan(x) = \frac{1}{2i}\ln\left(\frac{1+ix}{1-ix}\right) = \frac{i}{2}\ln\left(\frac{i+x}{i-x}\right) $$
这一关系不仅从代数上解释了为什么 $\arctan(x)$的收敛半径会被限制在$R=1$，更揭示了实数域上的对数增长与反三角旋转，在虚轴的魔镜里，不过是同一个解析结构的双面投影。
分式
在掌握了基本初等函数的麦克劳林展开式后，面对非中心点展开或复合分式结构时，直接求导通常会导致组合数爆炸。此时，平移变换与部分分式拆解的组合拳，是间接写出泰勒展开式最高效的代数技巧。
一、 核心问题与平移中心
我们要解决的具体例题是将有理分式 $f(x) = \frac{1}{(x-1)(x+3)}$在指定点$x_0 = 2$ 处进行泰勒展开。
为了能够利用现成的麦克劳林级数（以 0 为中心的展开式），首先需要进行平移变换，将展开中心强行拉回原点：
$$ \text{令 } t = x - 2 \implies x = t + 2 $$
将 $x = t + 2$代入原函数中，使其转化为关于新变量$t$在$t_0 = 0$ 处的麦克劳林展开问题：
$$ g(t) = \frac{1}{(t+2-1)(t+2+3)} = \frac{1}{(t+1)(t+5)} $$
二、 部分分式的代数拆解
分母中的乘积项 $(t+1)(t+5)$ 阻碍了我们直接对应标准级数。利用待定系数法将其拆解为两个独立线性分式的线性组合（部分分式法）：
$$ \frac{1}{(t+1)(t+5)} = \frac{A}{t+1} + \frac{B}{t+5} $$
解得 $A = \frac{1}{4}$，$B = -\frac{1}{4}$。因此，函数被成功解耦：
$$ g(t) = \frac{1}{4} \left( \frac{1}{t+1} - \frac{1}{t+5} \right) $$
三、 经典几何级数映射与逐项展开
解耦后的两项均可完美隐射到标准的几何级数 $\frac{1}{1+u} = \sum_{n=0}^{+\infty} (-1)^n u^n$ 上，但两者的收敛边界存在内在差异：
1. 第一项直接展开
$$ \frac{1}{1+t} = \sum_{n=0}^{+\infty} (-1)^n t^n $$
- 收敛域限制：该级数要求模长 $|t| < 1$。
2. 第二项提公因式后展开
$$ \frac{1}{t+5} = \frac{1}{5} \cdot \frac{1}{1 + \frac{t}{5}} = \frac{1}{5} \sum_{n=0}^{+\infty} (-1)^n \left(\frac{t}{5}\right)^n = \sum_{n=0}^{+\infty} \frac{(-1)^n}{5^{n+1}} t^n $$
- 收敛域限制：该级数要求模长 $|\frac{t}{5}| < 1 \implies |t| < 5$。
四、 通项合并与收敛域的“短板效应”
将上述两个独立级数带回原式并合并同类项，提取出统一的幂次 $t^n$：
$$ g(t) = \frac{1}{4} \left( \sum_{n=0}^{+\infty} (-1)^n t^n - \sum_{n=0}^{+\infty} \frac{(-1)^n}{5^{n+1}} t^n \right) = \frac{1}{4} \sum_{n=0}^{+\infty} (-1)^n \left( 1 - \left(\frac{1}{5}\right)^{n+1} \right) t^n $$
将 $t = x - 2$重新代回，得到最终关于$(x-2)$ 的泰勒级数标准形式：
$$ f(x) = \frac{1}{4} \sum_{n=0}^{+\infty} (-1)^n \left( 1 - \left(\frac{1}{5}\right)^{n+1} \right) (x-2)^n $$
收敛域的最终判定
整体级数能够安全收敛的区域，取决于两个子级数收敛域的交集（即受限于较窄的那个“短板”）：
$$ |t| < 1 \;\cap\; |t| < 5 \implies |t| < 1 $$
因此，该级数的收敛半径 $R = 1$，其关于新变量的收敛区间为 $t \in (-1, 1)$。还原到原变量 $x$，收敛区间即为：
$$ x - 2 \in (-1, 1) \implies x \in (1, 3) $$
五、 进阶视点：收敛半径的复分析几何本质
结合此前所引入的复数域视点 $f(z) \to T(z)$，我们可以完全脱离繁琐的代数不等式，从几何上降维打击、一眼看穿收敛半径为何必然是 $R = 1$。
奇点的空间分布：函数 $f(z) = \frac{1}{(z-1)(z+3)}$ 在复平面上拥有两个阻碍其解析的“天然陷阱”（即分母为 0 的孤立极点）：$z_1 = 1$和$z_2 = -3$。
收敛圆的扩张极限：我们在 $z_0 = 2$ 处放置圆规的中心开始作解析展开。根据柯西的复变函数理论，泰勒级数的收敛圆会从中心出发不断向外等向扩张，直到触碰到最近的那个奇点时宣告破裂。
距离的直观度量：
$$ \text{中心 } z_0 = 2 \text{ 到最近奇点 } z_1 = 1 \text{ 的距离为：} |2 - 1| = 1 $$
$$ \text{中心 } z_0 = 2 \text{ 到较远奇点 } z_2 = -3 \text{ 的距离为：} |2 - (-3)| = 5 $$
这两种长短距离，严丝合缝地对应了我们在代数拆解中得到的 $|t| < 1$和$|t| < 5$。复平面上这一实一虚的几何拉锯，就是实数轴上级数收敛“短板效应”的真正幕后主宰。
π的估计
经典级数在特定切片下的完整展开
当我们将目光投向麦克劳林展开与 $\arcsin$幂级数时，为了在收敛速度与计算可行性之间取得平衡，通常会放弃直接带入边界值$x=1$，转而退守到更小的特征点：
① 麦克劳林级数（莱布尼茨型）的延伸
该级数在边界 $x=1$处的表现人尽皆知，但若将其推向更具实用价值的特征点$x = \frac{1}{\sqrt{3}}$（对应 $\arctan\frac{1}{\sqrt{3}} = \frac{\pi}{6}$）：
$$ \frac{\pi}{6} = \sum_{n=0}^{+\infty} \frac{(-1)^n}{2n+1} \left(\frac{1}{\sqrt{3}}\right)^{2n+1} = \frac{1}{\sqrt{3}} \left( 1 - \frac{1}{3 \times 3} + \frac{1}{5 \times 9} - \frac{1}{7 \times 27} + \dots \right) $$
此时，原本致命的慢收敛被注入了几何因子 $\left(\frac{1}{3}\right)^n$，使其具备了实际计算的价值。
② $\arcsin$ 幂级数的双位切片
- 直接带入边界 $x=1$（对应 $\arcsin(1) = \frac{\pi}{2}$）：
$$ \frac{\pi}{2} = \sum_{n=0}^{+\infty} \frac{(2n-1)!!}{(2n)!!} \frac{1}{2n+1} = 1 + \frac{1}{2 \times 3} + \frac{3}{8 \times 5} + \frac{5}{16 \times 7} + \dots $$
由于缺少几何因子的加持，此项的收敛性极为脆弱。
- 退守至内部特征点 $x = \frac{1}{2}$（对应 $\arcsin\frac{1}{2} = \frac{\pi}{6}$）：
$$ \frac{\pi}{6} = \sum_{n=0}^{+\infty} \frac{(2n-1)!!}{(2n)!!} \frac{1}{2n+1} \left(\frac{1}{2}\right)^{2n+1} = \frac{1}{2} \left( 1 + \frac{1}{6 \times 4} + \frac{3}{40 \times 16} + \dots \right) $$
这里通过引入 $\left(\frac{1}{4}\right)^n$ 级别的衰减因子，强行挽救了算法的实用度。
通过积分得到新形式
面对 $\arctan(x)$在$|x|>1$ 时遭遇的收敛困境，传统的泰勒级数往往无能为力。如果换一种视角，从积分定义的本质出发，通过巧妙的几何级数构造与华里士积分（Wallis Integral）的桥接，可以赋予它一个在全实数域内绝对收敛的优美级数形式。
思维的起点依旧是那条最朴素的路径：
$$ \arctan(x) = \int_0^x \frac{1}{1+t^2} dt $$
为了打破积分上限的束缚，做第一次线性换元，令 $t = xu$，将积分区间成功压缩到固定的 $[0, 1]$ 之间：
$$ \arctan(x) = x \int_0^1 \frac{1}{1+x^2 u^2} du $$
接下来是一步极其精妙的蜕变：引入三角换元 $u = \cos\theta$，将区间拉伸至广阔的 $[0, \frac{\pi}{2}]$。伴随着分母中 $\cos^2\theta = 1 - \sin^2\theta$ 的恒等变换，积分式转化为：
$$ \arctan(x) = x \int_0^{\frac{\pi}{2}} \frac{\sin\theta}{(1+x^2) - x^2 \sin^2\theta} d\theta $$
此时，若强行从分母中提取出 $(1+x^2)$，就能在内部人工制造出一个完美的几何级数（Geometric Series）内核：
$$ \arctan(x) = \frac{x}{1+x^2} \int_0^{\frac{\pi}{2}} \frac{\sin\theta}{1 - \frac{x^2}{1+x^2} \sin^2\theta} d\theta $$
注意到对于任意实数 $x$，比值 $\frac{x^2}{1+x^2}$总是严格小于$1$的（在积分开区间内$\sin^2\theta < 1$），这意味着我们在全实数域 $\mathbb{R}$ 上获得了展开为无穷级数的绝对安全权。将其展开并交换求和与积分号，核心部分被转化为求解经典的华里士积分：
$$ \arctan(x) = \frac{x}{1+x^2} \sum_{n=0}^{+\infty} \left(\frac{x^2}{1+x^2}\right)^n \left( \int_0^{\frac{\pi}{2}} \sin^{2n+1}\theta d\theta \right) $$
代入华里士积分的结果 $\frac{(2n)!!}{(2n+1)!!}$，便诞生了那个超越了传统收敛半径限制的全域收敛级数公式：
$$ \mathbf{\arctan(x) = \frac{x}{1+x^2} \sum_{n=0}^{+\infty} \frac{(2n)!!}{(2n+1)!!} \left(\frac{x^2}{1+x^2}\right)^n \quad (\forall x \in \mathbb{R})} $$
这个新工具最直接的映射就是对 $\pi$的逼近。只需轻轻将特殊的截面$x = 1$嵌进公式，由于$\arctan(1) = \frac{\pi}{4}$，便能提炼出一条收敛极具效率的 $\pi$ 计算路径：
$$ \mathbf{\frac{\pi}{4} = \frac{1}{2} \sum_{n=0}^{+\infty} \frac{(2n)!!}{(2n+1)!!} \left(\frac{1}{2}\right)^n} $$
为了更清晰地审视这一结论在整个分析学坐标系中的位置，不妨将其与另外两种经典的 $\pi$ 求值底稿进行横向对照。不同的级数构造，背后折射出的是对收敛速度与代数结构的权衡：
| 级数原型 | 展开形式与收敛条件 | 计算 π 的具体切片（以 x=1 或特殊值点为例） | 收敛效能评估（逻辑依据与置信度评级） |
|---|---|---|---|
| 全域收敛新级数 | $\arctan(x) = \frac{x}{1+x^2} \sum_{n=0}^{+\infty} \frac{(2n)!!}{(2n+1)!!} \left(\frac{x^2}{1+x^2}\right)^n$ 条件：$x \in \mathbb{R}$ |
$\frac{\pi}{4} = \frac{1}{2} \sum_{n=0}^{+\infty} \frac{(2n)!!}{(2n+1)!!} \left(\frac{1}{2}\right)^n$ | 后项与前项比值趋于$\frac{1}{2}$，具备强烈的几何级数（等比级数）收敛特性，速度极快且无边界发散风险。 |
| 麦克劳林级数 (莱布尼茨型) |
$\arctan(x) = \sum_{n=0}^{+\infty} (-1)^n \frac{x^{2n+1}}{2n+1}$ 条件：$x \in (-1, 1)$ |
x | |
| $\arcsin$幂级数 | $\arcsin(x) = \sum_{n=0}^{+\infty} \frac{(2n-1)!!}{(2n)!!} \frac{x^{2n+1}}{2n+1}$ 条件：$x \in (-1, 1)$ |
x |
纵观这些公式的演变，从莱布尼茨级数那令人绝望的交错慢收敛，到利用积分变换强行注入的几何收敛因子（$\frac{1}{2}$ 的幂次），数学在处理无穷时展现出的那种“以空间换速度”的精巧，往往就隐藏在最开始那步看似多余的换元之中。