像正弦和余弦这样的函数是在微处理器内部的微码中实现的。例如，英特尔芯片就有相应的组装指令。C编译器将生成调用这些汇编指令的代码。(相反，Java编译器不会。Java在软件而不是硬件中计算三角函数，因此运行速度要慢得多。)

芯片不使用泰勒级数来计算三角函数，至少不完全是这样。首先，他们使用CORDIC，但他们也可能使用一个短的泰勒级数来优化CORDIC的结果，或者用于特殊情况，例如在非常小的角度下以相对较高的精度计算正弦。有关更多解释，请参阅StackOverflow的回答。

在GNU libm中，sin的实现依赖于系统。因此，您可以在sysdeps的适当子目录中找到每个平台的实现。

一个目录包含一个由IBM贡献的C语言实现。自2011年10月以来，这是在典型的x86-64 Linux系统上调用sin()时实际运行的代码。它显然比汇编指令中的f_f快。源代码:sysdeps/ieee754/dbl-64/s_sin.c，查找__sin (double x)。

这段代码非常复杂。没有一种软件算法在整个x值范围内尽可能快且准确，因此库实现了几种不同的算法，它的第一项工作是查看x并决定使用哪种算法。

When x is very very close to 0, sin(x) == x is the right answer. A bit further out, sin(x) uses the familiar Taylor series. However, this is only accurate near 0, so... When the angle is more than about 7°, a different algorithm is used, computing Taylor-series approximations for both sin(x) and cos(x), then using values from a precomputed table to refine the approximation. When |x| > 2, none of the above algorithms would work, so the code starts by computing some value closer to 0 that can be fed to sin or cos instead. There's yet another branch to deal with x being a NaN or infinity.

这段代码使用了一些我以前从未见过的数值技巧，尽管据我所知，它们可能在浮点专家中很有名。有时几行代码需要几段文字来解释。例如，这两条线

double t = (x * hpinv + toint);
double xn = t - toint;

(有时)用于将x减小到接近0的值，该值与x相差π/2的倍数，特别是xn × π/2。这种没有划分或分支的方式相当聪明。但是没有任何评论!

旧的32位版本的GCC/glibc使用fsin指令，这对于某些输入是非常不准确的。有一篇精彩的博客文章用两行代码说明了这一点。

fdlibm在纯C中实现sin要比glibc简单得多，而且注释很好。源代码:fdlibm/s_sin.c和fdlibm/k_sin.c

正如许多人指出的那样，它依赖于实现。但就我对你的问题的理解而言，你对数学函数的真正软件实现感兴趣，但只是没有找到一个。如果是这样的话，那么你是这样的:

从http://ftp.gnu.org/gnu/glibc/下载glibc源代码 查看位于解包的glibc根\sysdeps\ieee754\dbl-64文件夹中的文件dosincosc 类似地，您可以找到其余数学库的实现，只需查找具有适当名称的文件

您也可以看看扩展名为.tbl的文件，它们的内容只不过是以二进制形式的不同函数的预计算值的巨大表格。这就是为什么实现如此之快:而不是计算他们使用的任何级数的所有系数，他们只是做一个快速查找，这要快得多。顺便说一下，他们确实用裁缝级数来计算正弦和余弦。

我希望这能有所帮助。

如果你想犯罪

 __asm__ __volatile__("fsin" : "=t"(vsin) : "0"(xrads));

如果你想的话，因为

 __asm__ __volatile__("fcos" : "=t"(vcos) : "0"(xrads));

如果你想要根号方根

 __asm__ __volatile__("fsqrt" : "=t"(vsqrt) : "0"(value));

那么，既然机器指令可以做到，为什么还要使用不准确的代码呢?

关于sin()， cos()，tan()这样的三角函数，在5年之后，没有提到高质量三角函数的一个重要方面:极差约简。

任何这些函数的早期步骤都是将角度(以弧度为单位)减小到2*π区间。但是π是无理数，所以像x =余数(x, 2*M_PI)这样的简单简化会引入误差，因为M_PI或机器pi是π的近似值。那么，如何求x =余数(x, 2*π)呢?

早期的库使用扩展精度或精心设计的编程来提供高质量的结果，但仍然在有限的double范围内。当请求一个较大的值，如sin(pow(2,30))时，结果是无意义的或0.0，并且可能将错误标志设置为TLOSS完全损失精度或PLOSS部分损失精度。

将大的值缩小到像-π到π这样的区间是一个具有挑战性的问题，它可以与基本三角函数(比如sin())本身的挑战相媲美。

一个好的报告是大论点的论据缩减:好到最后一位(1992)。它涵盖了这个问题很好:讨论了需要和事情是如何在各种平台(SPARC, PC, HP, 30+其他)，并提供了一个解决方案算法，为所有双从-DBL_MAX到DBL_MAX的高质量结果。

如果原始参数以度为单位，但可能值很大，则首先使用fmod()以提高精度。一个好的fmod()将不会引入任何错误，从而提供出色的范围缩小。

// sin(degrees2radians(x))
sin(degrees2radians(fmod(x, 360.0))); // -360.0 < fmod(x,360) < +360.0

各种三角恒等式和remquo()提供了更多的改进。示例:信德()

是的，也有计算罪恶的软件算法。基本上，用数字计算机计算这些东西通常是用数值方法来完成的，比如近似表示函数的泰勒级数。

数值方法可以将函数近似到任意精度，因为浮点数的精度是有限的，所以它们非常适合这些任务。