探索根号 x的幂级数奥秘，从理论推导到工程实战，全方位解析二项式展开的核心逻辑与收敛特性。
在微积分领域，根号 x（即 ）的展开是理解非线性函数逼近的基础。由于该函数在 处不可导，我们通常选择在 处进行麦克劳林级数（或更准确地说是泰勒级数）展开。这一过程不仅揭示了函数的局部性质，也为数值计算提供了强有力的工具。
标准形式通常在 x = 1 处展开。这是因为 为有理数，且在该点附近函数具有良好的光滑性，便于计算各阶导数。
该级数的收敛半径为 R=1，有效收敛区间为 (0, 2)。在此区间内，级数和无限趋近于真实的 值。
利用广义二项式定理，我们可以得到包含阶乘和双阶乘的复杂通项，这是连接离散组合数学与连续微积分的桥梁。
| 项数 (n) | 系数 | 对应项 | 数值示例 (近似) |
|---|---|---|---|
| 0 | |||
| 1 | |||
| 2 | |||
| 3 | |||
| 4 |
综合上述信息，根号 x 的泰勒展开公式可以表示为：
√x = 1 + (1/2)(x-1) - (1/8)(x-1)² + (1/16)(x-1)³ - (5/128)(x-1)⁴ + ... + Cₙ(x-1)ⁿ + ...
其中，Cₙ = [(-1)ⁿ⁻¹ (2n-3)!!] / [2ⁿ n!] (n ≥ 1)
注：(-1)!! 定义为 1，(2n-3)!! 表示双阶乘。
许多学习者常困惑于如何从基础原理推导出这个复杂的级数。我们通过广义二项式定理来一步步拆解。为了增加页面的可读性，我们将推导过程分为三个关键步骤，请通过下方的选项卡查看详细内容。
直接对 在 处展开比较繁琐，我们采用变量代换法。令 ，则 。当 时，。
此时问题转化为求 的展开式。根据牛顿广义二项式定理：
(1 + u)^α = 1 + αu + [α(α-1)/2!]u² + [α(α-1)(α-2)/3!]u³ + ...
在这里，指数 α = 1/2。我们将这个常数代入公式，开始逐项计算系数。
现在我们将 α = 1/2 代入各项：
通过观察这些系数，我们发现分子呈现奇数连乘的规律，而分母则是 2 的幂次与阶乘的组合。
将 代回，并尝试寻找第 项 () 的通用表达。经过数学归纳法证明，系数 可以表示为：
Cₙ = (-1)ⁿ⁻¹ × (1×3×5×...×(2n-3)) / (2ⁿ × n!)
其中分子部分即为双阶乘 。最终，根号 x 的泰勒展开公式完整形式如下：
√x = 1 + Σ [ (-1)ⁿ⁻¹(2n-3)!! / (2ⁿ n!) ] (x-1)ⁿ
此公式适用于所有 的范围。
从牛顿时代至今，根号 x 的展开一直是数值分析领域的基石。以下时间轴展示了其在不同阶段的关键应用突破。
艾萨克·牛顿在《流数术》中首次系统阐述了广义二项式定理，这实际上就是根号 x及其他无理函数展开的理论源头。他利用这一思想解决了当时困扰数学界的开方难题。
随着第一台电子计算机 ENIAC 的诞生，物理学家们急需高效的数值算法。由于硬件无法直接执行开方运算，基于泰勒级数的迭代法成为了解算器内部实现平方根功能的首选方案。
在游戏和 3D 渲染领域，实时计算大量顶点的法向量（涉及开方）变得至关重要。工程师们利用泰勒展开的前三项，结合查表法，在有限的算力下实现了流畅的视觉效果。
在现代 AI 模型中，激活函数（如 Swish, GELU）的设计往往借鉴了类似的平滑逼近思想。虽然不再直接使用原始的泰勒级数，但其“用多项式逼近复杂函数”的核心哲学依然源自于此。
在使用根号 x 的泰勒展开公式时，一个关键的问题是：我们需要多少项才能达到满意的精度？这涉及到余项（Lagrange Remainder）的分析。
当 接近 0 或 2 时，级数收敛速度会急剧下降。例如，当 时，，接近边界，需要更多项才能收敛。
若只取前 项，误差主要由第 项决定。对于 ，误差随 的增加呈几何级数衰减。
在实际工程中，如果 远离 1，通常会先通过缩放（如 ，其中 ），将自变量变换到收敛最快的区域，再应用展开公式。
| 目标值 x | 真实值 | 3 项近似值 | 绝对误差 | 相对误差 (%) |
|---|---|---|---|---|
| 1.1 | 1.048809 | 1.048812 | 0.000003 | 0.0002% |
| 1.5 | 1.224745 | 1.226562 | 0.001817 | 0.148% |
| 1.9 | 1.378405 | 1.423828 | 0.045423 | 3.29% |
从上表可以看出，当 越接近 1，精度越高；当 接近边界 2 时，即使取 3 项，误差也达到了 3% 以上。因此，在实际应用中，往往需要根据精度要求动态调整项数。
这里是关于根号 x 的泰勒展开公式最常见的问题汇总，希望能解决您的疑惑。