探索数学史上最优雅的无穷级数，揭秘人类如何利用简单的幂函数展开，一步步逼近那个神秘而永恒的常数——π。
在数学的浩瀚星空中，圆周率 π无疑是最耀眼的恒星之一。它不仅仅是一个几何常数，定义为圆的周长与直径之比，更是连接离散整数与连续几何的桥梁。然而，如何精确地计算出这个无限不循环小数，一直是数学家们梦寐以求的挑战。
在微积分诞生之前，人们依靠割圆术等几何方法估算 π 值，效率极低。直到 17 世纪，牛顿和莱布尼茨发明了微积分，特别是泰勒级数（Taylor Series）和麦克劳林级数（Maclaurin Series）的提出，人类终于拥有了用代数运算逼近超越数的强大武器。通过将一个复杂的函数展开为无穷多项式的和，我们可以利用有限的算术运算，以惊人的精度重构出 π 的值。
本文将深入剖析圆周率的泰勒级数公式，从基础的莱布尼茨级数出发，探讨其收敛缺陷，进而引出高效的马青类公式，并展示现代计算机如何利用这些数学原理将 π 计算至小数点后数万亿位。这不仅是一次数学知识的梳理，更是一场关于人类智慧极限的思维探险。
要理解如何用泰勒级数计算 π，首先必须掌握几个关键的三角函数展开式。泰勒级数的本质是将函数 f(x) 在某一点 x₀ 附近表示为无穷多项式。对于计算 π，我们主要关注的是反正切函数 arctan(x) 在 x=0 处的麦克劳林级数展开。
这是最著名的，也是历史上第一个用于计算 π 的无穷级数。其推导基于 arctan(x) 的导数为 1/(1+x²)，将其展开为几何级数后逐项积分得到：
当 x = 1 时，我们知道 arctan(1) = π/4。代入上式，便得到了著名的莱布尼茨公式：
虽然形式简洁优美，但正如前文所述，这个级数的收敛速度极慢。若要获得 π 的两位小数精度，需要累加约 300 项；而要获得四位小数精度，则需要累加超过 5000 项。这对于手算而言是灾难性的，但对于验证算法逻辑却是完美的起点。
为了克服莱布尼茨级数的低效，欧拉等人提出了利用三角恒等式构造新的级数。例如，利用 arctan(1/√3) = π/6，我们可以得到收敛稍快的级数：
由于自变量 x = 1/√3 ≈ 0.577 小于 1，各项衰减速度比 x=1 时要快一些，但依然不够理想。
苏格兰数学家詹姆斯·格雷戈里首次发现了反正切函数的幂级数展开，这为后来计算 π 奠定了理论基础。他意识到如果令 x=1，就可以得到 π 的值。
德国数学家戈特弗里德·威廉·莱布尼茨独立发现了该级数，并以此闻名于世，形成了所谓的“莱布尼茨公式”。尽管收敛慢，但它标志着微积分在数值计算中的首次重大应用。
英国天文学家约翰·马青（John Machin）发现了著名的马青公式：π/4 = 4arctan(1/5) - arctan(1/239)。这一公式利用了 x 值较小带来的快速收敛特性，成为此后两百多年计算 π 纪录的主要工具。
世界上第一台通用电子计算机 ENIAC 利用马青公式，耗时 70 小时计算出了 π 的小数点后 2037 位，开启了计算机时代计算 π 的新纪元。
现代计算已不再单纯依赖简单的泰勒级数，而是使用了基于椭圆积分的 Chudnovsky 算法，其收敛速度极快，每计算一项就能增加约 14 位有效数字。不过，其底层逻辑依然深受泰勒级数思想的启发。
既然基础级数收敛太慢，数学家们是如何解决这个问题的？答案在于构造更优的恒等式和利用复数域的性质。
利用 arctan 的和差公式：arctan(a) ± arctan(b) = arctan((a±b)/(1∓ab))。通过精心选择有理数 a, b, c...，使得它们的线性组合等于 π/4，且每个 arctan 的参数都非常小。例如：
π/4 = 12arctan(1/49) + 32arctan(1/57) - 5arctan(1/239) + 12arctan(1/11044)
虽然不直接是简单的泰勒级数，但其核心涉及广义超几何级数。该公式收敛速度惊人，每加一项增加 14 位小数。它是目前打破世界纪录的首选算法。
1/π = 12 Σ [(-1)ⁿ (6n)! (13591409 + 545140134n)] / [(3n)! (n!)³ (640320)^(3n+3/2)]
这是一种对交错级数进行加速的技术。对于莱布尼茨级数这样的交错级数，欧拉变换可以将收敛速度提高数个数量级，使其在有限项内达到较高的精度。
早期的阿基米德割圆术依赖于多边形边数的倍增，计算量随精度要求呈指数级增长。而泰勒级数方法，特别是经过优化的马青类公式，其计算复杂度相对较低，且非常适合计算机处理浮点运算。在现代高精度计算中，迭代算法（如高斯 - 勒让德算法）和算术几何平均法（AGM）往往比单纯的级数求和更快，但它们的思想源头依然离不开微积分的深刻洞察。
理论终须实践。下面我们通过 Python 代码演示如何利用arctan的泰勒级数来实现一个简易的 π 计算器。我们将对比不同 x 值下的收敛情况。
此代码展示了最基础的实现。请注意，为了获得有意义的结果，我们需要极大的迭代次数。
def leibniz_pi(iterations):
pi_approx = 0.0
for n in range(iterations):
term = ((-1)n) / (2n + 1)
pi_approx += term
return 4 pi_approx
测试：计算 100 万项
print(f"100 万项后的近似值：{leibniz_pi(1000000)}")
print(f"真实 π 值：3.1415926535...")
这是更高效的方法。由于 x 很小，级数收敛极快。
import math
def arctan_taylor(x, terms):
"""计算 arctan(x) 的泰勒级数"""
result = 0.0
power_x = x
for n in range(terms):
term = power_x / (2n + 1)
if n % 2 == 0:
result += term
else:
result -= term
power_x = x x
return result
def machin_pi(terms):
# π/4 = 4arctan(1/5) - arctan(1/239)
val1 = arctan_taylor(1/5, terms)
val2 = arctan_taylor(1/239, terms)
return 4 (4 val1 - val2)
测试：仅需 20 项即可达到很高精度
approx = machin_pi(20)
print(f"马青公式 (20 项)：{approx}")
print(f"误差：{abs(math.pi - approx)}")
| 算法名称 | 迭代次数 | 准确小数位 | 评价 |
|---|---|---|---|
| 莱布尼茨级数 | 1,000,000 | ~4 位 | 教学演示用，实际价值低 |
| arctan(1/√3) | 10,000 | ~5 位 | 中等效率 |
| 马青公式 | 20 | ~10 位 | 高效，适合手算模拟 |
| Chudnovsky | 1 | ~14 位 | 现代记录保持者 |
不可以。π 是一个无理数，这意味着它不能表示为两个整数的比值（分数）。它的十进制表示是无限不循环的。泰勒级数提供了一种用有理数（分数）的无穷和来逼近无理数的方法，但永远无法用有限项精确等于 π。
这是因为在 x=1 处，级数处于收敛半径的边缘。根据拉格朗日余项定理，误差项与 x^(2n+1) 成正比。当 x=1 时，分子始终为 1，分母仅按线性增长 (2n+1)，导致每一项减小的速度非常缓慢。只有当 |x| < 1 时，x 的高次幂才会迅速趋近于 0，从而加快收敛。
是的。计算机使用浮点数（如 IEEE 754 标准），存在舍入误差。在进行大量累加运算时，微小的误差会累积。因此，在高精度计算中，通常需要使用大数库（如 GMP 或 MPFR）来避免浮点误差，或者采用特定的排序算法（如 Kahan 求和法）来减少误差积累。
有。虽然泰勒级数是基础，但现代算法如高斯 - 勒让德算法（Gauss-Legendre algorithm）和波尔温算法（Borwein's algorithms）具有二次或四次收敛性，即每迭代一次，有效位数翻倍或翻四倍，速度远超线性的泰勒级数。不过，它们的核心思想依然源于复分析和椭圆函数理论。
M_PI 或 math.pi，无需自己编写级数计算。