16、编译期数学库：编译期三角函数近似、编译期平方根（牛顿迭代法）

说实话，编译期算数学函数这事儿，我早年觉得挺鸡肋的。那时候想的是：运行时算一下不就完了？直到我在一个嵌入式项目里遇到性能瓶颈——那个项目每秒要算几千次三角函数，CPU 都快冒烟了。后来我把这些计算全部挪到了编译期，编译时间多了几秒，但运行时的速度直接翻倍。

嗯，从那天起，我就开始认真研究编译期数学库了。今天咱们就聊聊怎么在编译期实现平方根和三角函数的近似计算。

16.1 编译期平方根：牛顿迭代法

先说说平方根。你可能会问：C++ 标准库不是有 std::sqrt 吗？没错，但那是运行时的。我们要的是 constexpr 版本的。

牛顿迭代法，说白了就是猜一个数，然后不断修正。公式很简单：

x_{n+1} = (x_n + S / x_n) / 2

其中 S 是要求平方根的数。每次迭代，结果都会更精确一点。

我个人的习惯是，迭代 5 到 6 次就够用了。再多的话，编译时间会变长，收益却很小。

来看看代码：

template <typename T, int Iterations = 6>
struct Sqrt {
    static_assert(Iterations > 0, "迭代次数必须大于0");

    constexpr static T apply(T x) {
        if (x == 0) return 0;
        T guess = x > 1 ? x : 1;  // 初始猜测
        for (int i = 0; i < Iterations; ++i) {
            guess = (guess + x / guess) / T(2);
        }
        return guess;
    }
};

// 使用示例
constexpr double val = Sqrt<double>::apply(2.0);
// val ≈ 1.414213562

这里有个小细节：初始猜测的选择。如果 x 小于 1，我习惯从 1 开始迭代，这样收敛更快。如果 x 大于 1，直接用 x 本身作为初始值也行。

16.2 编译期三角函数：泰勒展开

三角函数在编译期实现，最常用的方法就是泰勒展开。拿正弦函数来说：

sin(x) = x - x³/3! + x⁵/5! - x⁷/7! + ...

这个级数收敛得很快，尤其是当 x 比较小的时候。所以，我建议先把输入值规约到 [-π, π] 范围内，然后再展开。

我在项目中遇到过一个问题：如果直接展开到 10 项，编译时间会明显增加。后来我改成展开到 5 项，精度已经能满足大部分需求了。

来看看实现：

template <typename T, int Terms = 5>
struct Sin {
    constexpr static T apply(T x) {
        // 规约到 [-π, π]
        constexpr T pi = T(3.14159265358979323846);
        x = x - T(2) * pi * T(static_cast<long long>(x / (T(2) * pi)));

        T result = x;
        T term = x;
        for (int n = 1; n < Terms; ++n) {
            term = -term * x * x / T((2*n) * (2*n + 1));
            result += term;
        }
        return result;
    }
};

// 使用示例
constexpr double sin_val = Sin<double>::apply(1.0);
// sin_val ≈ 0.8414709848

为什么用 term = -term * x * x / T((2*n) * (2*n + 1))？

嗯，这是递推公式。每次迭代只需要乘一个系数，不用重新算阶乘，效率高很多。

16.3 编译期余弦和正切

有了正弦，余弦就好办了：

cos(x) = sin(x + π/2)

正切也一样：

tan(x) = sin(x) / cos(x)

不过要注意，当 cos(x) 接近 0 时，正切会趋向无穷大。我在代码里加了一个检查：

template <typename T, int Terms = 5>
struct Tan {
    constexpr static T apply(T x) {
        T s = Sin<T, Terms>::apply(x);
        T c = Cos<T, Terms>::apply(x);
        if (c == 0) {
            // 返回一个很大的数，或者抛出编译期错误
            return T(1e10);
        }
        return s / c;
    }
};

16.4 知识体系总览

下面这张图展示了编译期数学库的核心逻辑：

16.5 精度与性能的权衡

你可能会问：到底迭代多少次才够？我整理了一个表格，供你参考：

函数	迭代/项数	误差范围	适用场景
平方根	4 次	~1e-8	float 精度
平方根	6 次	~1e-15	double 精度
正弦/余弦	5 项	~1e-10	大部分工程场景
正弦/余弦	8 项	~1e-15	高精度计算

我个人建议，除非你的项目对精度有变态要求，否则 5 项泰勒展开 + 6 次牛顿迭代就足够了。编译时间不会太长，运行时的性能也拉满了。

16.6 总结

编译期数学库，说白了就是把数学计算塞给编译器。牛顿迭代法求平方根，泰勒展开算三角函数，这两招用好了，你的代码在运行时几乎不花时间在数学计算上。

嗯，今天的分享就到这里。记住：编译期计算不是银弹，但在性能敏感的场景下，它确实是一把利器。

---

公众号:蓝海资料掘金营，微信deep3321