如何用欧拉公式推导sin和cos的展开式？

Question

如何利用欧拉公式 $ e^{ix} = \cos x + i\sin x $ 推导出 $ \sin x $ 和 $ \cos x $ 的泰勒展开式？常见问题在于：许多学习者知道欧拉公式可联系三角函数与指数函数，但不清楚如何通过将 $ e^{ix} $ 和 $ e^{-ix} $ 展开为幂级数，并结合复数运算分离实部与虚部，从而系统地导出 $ \sin x $ 和 $ \cos x $ 的无穷级数表达式。具体难点包括复数幂级数的处理、奇偶项的分离，以及如何验证结果与实分析中的泰勒公式一致。

Answer 1

利用欧拉公式推导三角函数的泰勒展开式

1. 背景与动机：为什么从欧拉公式出发？

在IT和工程领域，尤其是信号处理、量子计算和控制系统中，三角函数与复指数函数之间的关系至关重要。欧拉公式：

\[ e^{ix} = \cos x + i\sin x \]

建立了实函数（cos x, sin x）与复指数函数之间的桥梁。对于有5年以上经验的开发者而言，理解该公式的深层应用不仅能提升数学建模能力，还能增强对傅里叶变换、滤波器设计等高级算法的理解。

我们的目标是：通过将 e^{ix} 和 e^{-ix} 展开为幂级数，并利用复数运算分离实部与虚部，系统地导出 sin x 和 cos x 的泰勒级数表达式。

2. 第一步：回顾指数函数的泰勒展开

实变量 x 上的自然指数函数 e^x 在 x=0 处的泰勒展开为：

\[ e^x = \sum_{n=0}^{\infty} \frac{x^n}{n!} \]

这个级数在整个复平面上都收敛。因此，我们可以将 ix 代入，得到复指数函数的展开：

\[ e^{ix} = \sum_{n=0}^{\infty} \frac{(ix)^n}{n!} \]

接下来我们分析这个复数级数的结构。

3. 第二步：展开 e^{ix} 并分离实部与虚部

我们将 (ix)^n 按照 i 的幂次展开：

• i^0 = 1
• i^1 = i
• i^2 = -1
• i^3 = -i
• i^4 = 1
• 周期为4

于是：

\[ e^{ix} = \sum_{n=0}^{\infty} \frac{(ix)^n}{n!} = \sum_{n=0}^{\infty} \frac{i^n x^n}{n!} \]

我们将级数按奇偶项拆分：

\[ e^{ix} = \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k}}{(2k)!} + i \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k+1}}{(2k+1)!} \]

其中：

• 偶数项对应 cos x
• 奇数项乘以 i 对应 sin x

4. 第三步：引入 e^{-ix} 构造对称系统

为了更清晰地分离出 cos x 和 sin x，我们同时考虑：

\[ e^{-ix} = \cos x - i\sin x \]

将其展开为幂级数：

\[ e^{-ix} = \sum_{n=0}^{\infty} \frac{(-ix)^n}{n!} = \sum_{n=0}^{\infty} \frac{(-i)^n x^n}{n!} \]

同样可得：

\[ e^{-ix} = \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k}}{(2k)!} - i \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k+1}}{(2k+1)!} \]

5. 第四步：使用线性组合提取 cos x 和 sin x

利用以下两个恒等式：

\[ \cos x = \frac{e^{ix} + e^{-ix}}{2}, \quad \sin x = \frac{e^{ix} - e^{-ix}}{2i} \]

我们将左右两边分别代入幂级数形式：

函数	表达式
cos x	\(\displaystyle \frac{1}{2} \left( \sum \frac{(ix)^n}{n!} + \sum \frac{(-ix)^n}{n!} \right)\)
sin x	\(\displaystyle \frac{1}{2i} \left( \sum \frac{(ix)^n}{n!} - \sum \frac{(-ix)^n}{n!} \right)\)

观察发现，当 n 为奇数时，两项相减保留；当 n 为偶数时，相加保留。这正是奇偶项分离的关键机制。

6. 第五步：显式写出泰勒级数结果

经过上述操作，我们最终得到：

\[ \cos x = \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k}}{(2k)!} = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \cdots \] \[ \sin x = \sum_{k=0}^{\infty} \frac{(-1)^k x^{2k+1}}{(2k+1)!} = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \cdots \]

这些正是标准的泰勒展开式，与实分析中通过多次求导得出的结果完全一致。

7. 验证一致性：与实分析方法对比

在实分析中，f(x) = sin x 在 x=0 处的泰勒展开依赖于高阶导数：

\begin{align*} f(0) &= 0 \\ f'(0) &= 1 \\ f''(0) &= 0 \\ f'''(0) &= -1 \\ \text{周期为4} \end{align*}

由此可得相同系数序列。而通过欧拉公式的方法避免了繁琐的导数计算，体现了复分析的强大简化能力。

8. 技术难点解析

常见问题包括：

1. 如何处理复数幂级数中的 i^n 周期性？
2. 为何奇数项对应正弦、偶数项对应余弦？
3. 如何确保级数在复域内的收敛性？
4. 分离实虚部时是否改变收敛行为？
5. 1/i = -i 这类复数运算是否影响结果？
6. 能否推广到双曲函数或矩阵指数？
7. 在数值计算中，这种展开是否有精度优势？
8. FFT 算法中是否隐含此类展开？
9. 如何用代码验证前几项的逼近效果？
10. 该方法是否适用于非整数阶微分方程？

9. 代码示例：Python 中验证级数逼近

import numpy as np
import matplotlib.pyplot as plt

def taylor_sin(x, n_terms):
    result = 0.0
    for k in range(n_terms):
        term = ((-1)**k * x**(2*k + 1)) / np.math.factorial(2*k + 1)
        result += term
    return result

def taylor_cos(x, n_terms):
    result = 0.0
    for k in range(n_terms):
        term = ((-1)**k * x**(2*k)) / np.math.factorial(2*k)
        result += term
    return result

x_vals = np.linspace(-2*np.pi, 2*np.pi, 400)
y_true_sin = np.sin(x_vals)
y_true_cos = np.cos(x_vals)
y_approx_sin = [taylor_sin(x, 8) for x in x_vals]
y_approx_cos = [taylor_cos(x, 8) for x in x_vals]

plt.plot(x_vals, y_true_sin, label='sin(x)', linestyle='--')
plt.plot(x_vals, y_approx_sin, label='Taylor sin (8 terms)')
plt.legend()
plt.title("Comparison of sin(x) and its Taylor approximation")
plt.grid(True)
plt.show()

10. 可视化流程：推导逻辑结构图

graph TD A[欧拉公式 e^{ix} = cos x + i sin x] --> B[代入泰勒展开 e^{ix} = Σ (ix)^n / n!] B --> C[按 i^n 周期性分类项] C --> D[拆分为实部与虚部] D --> E[构造 e^{-ix} 得到共轭级数] E --> F[使用 (e^{ix}±e^{-ix})/2 提取 cos x 和 sin x] F --> G[奇偶项分离] G --> H[得到 sin x 和 cos x 的无穷级数] H --> I[与实分析结果比对验证] I --> J[应用于信号处理、物理模拟等领域]