---
title: 3-4-高阶导数与莱布尼茨公式
aliases:
- 高阶导数
- 莱布尼茨公式
- Higher Derivatives
- n阶导数
tags:
- 类型/教程
- 微积分/导数
created: 2026-10-12
updated: 2026-10-12
level: 进阶
chapter: "3.4"
prerequisites:
- "3-3-链式法则与复合函数求导"
sources:
- https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222
- https://mathworld.wolfram.com/Derivative.html
- https://dlmf.nist.gov/
3-4-高阶导数与莱布尼茨公式
一句话概括
既然导函数 本身还是一个函数,就可以对它再求导,得到二阶导数 ;
如此反复,得到 阶导数 。
二阶导数的符号决定曲线的凹凸性,它是「变化率的变化率」——加速度、边际变化的变化;
而高阶导数的真正威力在泰勒公式:,
那里需要一次算出无穷多个阶的导数。
本篇的核心计算工具是莱布尼茨公式
——二项式定理在求导中的翻版。
本篇覆盖:高阶导数的定义与记号、 阶导数的归纳法与常用公式表、
莱布尼茨公式的完整证明、11 道例题、7 条易错点、8 道练习。
一、定义
1.1 为什么需要高阶导数
从物理说起。 位置函数 的导数是速度 。
但「速度本身也在变化」——我们需要描述速度变化的快慢,于是再求一次导数:
这就是加速度(acceleration)。用记号写就是 。
再进一步:加速度的变化率叫「急动度」(jerk),是 ,
在电梯、地铁的舒适性设计里是要控制的对象。
每多求一次导数,就多描述一层的「变化的变化」。
从几何说起。 告诉我们曲线在 处的倾斜方向。
但「同样倾斜」的曲线可以弯向上,也可以弯向下:
看 与 在原点,两者的切线都是水平的(),
但一条开口向上,一条开口向下。**区分它们需要第二个信息——弯曲的方向,
这个信息由 的符号提供。**(完整的凹凸性理论见 4-5-凹凸性与拐点。)
从纯数学说起。 多项式 的系数可以用各阶导数表示:
这个观察是泰勒公式的雏形(4-3-泰勒公式与麦克劳林展开):
函数的各阶导数就像它的「指纹」,把它们全部取出来,就能重构整个函数。
1.2 高阶导数的定义
定义 3.4(二阶导数与高阶导数)
若函数 的导函数 在点 处可导,则称 在 处的导数为
在 处的二阶导数(second derivative),记作
类似地,二阶导数的导数称为三阶导数 或 ;
一般地, 阶导数的导数称为 阶导数,记作
二阶及二阶以上的导数统称为高阶导数(higher derivatives)。
记号的三点说明:
(1)为什么要加括号。 的括号不能省:
是「三阶导数」,而 是「 的三次方」,两者天差地别。
同样 与 也不同。
只有 时才允许写撇号:、、;
四阶以上必须写 、,因为 数不清有几撇。
(2)正体 d 与指数位置。 莱布尼茨记号写 ,
注意分母是 而不是 :
它表示「 个 相乘」,即 ,
形式上写成了 。这是个历史遗留的不严格写法,
但全世界的教材都这样写,本库沿用。微分号用正体 。
(3)在一点取值:、。
1.3 高阶导数的存在性
关键区别: 在 处可导只需 在 附近有定义;
但 在 处二阶可导要求 在 的某个邻域内存在
(因为要对 求导, 必须在 附近处处有定义)。
这带来一连串逐层加强的条件:
| 说法 | 含义 |
|---|---|
| 在 二阶可导 | 在 的某邻域内存在,且 在 处可导 |
| 在 二阶连续可导 | 二阶可导,且 在 处连续 |
| 在 上 阶可导 | 对每个 , 都存在 |
| 在 上有 阶连续导数(读作「 属于 」) | |
| 在 上任意阶可导(光滑函数) |
这套记号从哪来
取自 continuous(连续的)。 就是「连续函数」,
就是「有一阶连续导数」,以此类推。
这套记号在微分方程、泛函分析与数值分析中无处不在。
**本库约定:说「 二阶可导」时只要求 存在;
若还要 连续,会明确说「二阶连续可导」或 。**
1.4 高阶导数与连续性的关系
一个容易被忽略的事实: 存在 在 连续。
理由:把「可导必连续」这条定理应用到函数 上即可
(见 3-1-导数的定义与几何意义 的定理 3.2)。所以
逐层可导带来逐层连续,这是一条链式的结论。
反过来不成立(每一层都不成立):
- 在 连续推不出 存在
(例:,则 在 连续,
但 不存在)。
- 在 可导推不出 在 连续
(例:,)。
这解释了为什么「 阶可导」比「 阶连续可导」弱:
前者只要求第 阶导数存在,后者还要求它连续。
1.5 莱布尼茨公式的预告
求乘积的高阶导数是高阶导数里最重要的计算问题。先看规律:
系数是 ;;——正是杨辉三角(帕斯卡三角)!
这就是莱布尼茨公式(Leibniz formula)。它与二项式定理
形式完全一样,
只要把「幂」换成「导数的阶数」。第三节会给出完整证明。
二、几何直观
2.1 二阶导数:凹凸性的「指纹」
这是二阶导数最重要的几何意义。
想象你开着车沿曲线 从左向右行驶( 增大)。
- 若 :曲线的切线在逆时针旋转(斜率 随 增大而增大),
曲线「向上弯」,像一只碗。你把方向盘向左打。
- 若 :曲线的切线在顺时针旋转(斜率 随 减小),
曲线「向下弯」,像一口锅盖。你把方向盘向右打。
- 若 :切线的斜率暂时不转(在这一点上)。
一句话记住凹凸性
向上弯(开口向上,碗形), 向下弯(开口向下,盖形)。
中国教材的「凹」「凸」与英文的 concave up/concave down 对应关系是
以授课教材为准的经典考点——国内不同教材对「凹」字的用法不统一。
本库统一采用描述性说法:开口向上(碗形)/开口向下(盖形),
并注明对应的 符号。
三个具体例子对照:
| 函数 | 在 附近的形态 | 切线旋转方向 | |
|---|---|---|---|
| 碗形,开口向上 | 逆时针 | ||
| 盖形,开口向下 | 顺时针 | ||
| 在 处「由盖转碗」 | 该点暂不旋转 |
那一行值得细看:,
时为负(盖形), 时为正(碗形),
在 处 变号——这个变号的点就叫拐点(inflection point)。
完整的拐点理论在 4-5-凹凸性与拐点。
不代表 是拐点
正如 不代表 是极值点。
反例:,,,
但 恒成立(除 外都为正),开口始终向上, 不是拐点。
判定拐点必须看 是否变号,而不是看它是否为零。
2.2 用「差分」看高阶导数:二阶差商
二阶导数有一个非常直观的离散类比。
一阶差商(一阶导数的近似):
二阶差商(二阶导数的近似):把一阶差商再作一次差商,
注意分子 :
它衡量的是「 与左右两邻点平均值的差」的 倍。
- 若 (函数值低于邻点平均),
则分子 ,说明 ——曲线在邻点连线下方,开口向上。
- 若 (函数值高于邻点平均),
则 ——曲线在邻点连线上方,开口向下。
「凸函数」的定义性不等式
上面的观察可以严格化: 等价于
即「中点处的函数值不超过两端点函数值的平均」。
这就是凸函数(convex function)的原始定义(琴生不等式的特例),
也是经济学与优化理论中最重要的一类函数。
详见 4-5-凹凸性与拐点。
2.3 高阶导数与泰勒逼近的图像
用一张图景理解为什么需要无穷多个阶的导数。
第 0 阶逼近:只用函数值 ,得到一条水平直线。它在 处「碰到」曲线。
第 1 阶逼近:加上斜率 ,得到切线。它既碰到曲线,方向也对。
第 2 阶逼近:加上二阶导数 ,得到抛物线。它不仅方向对,弯曲程度也对。
第 3 阶逼近:加上三阶导数,得到三次曲线,连「弯曲的变化」都对上。
每多一阶导数,就多匹配曲线的一个「局部特征」。
用 在 处感受一下:
(因为 的导数以 为周期循环:。)
于是逐步逼近:
这就是泰勒展开的构造过程(详见 4-3-泰勒公式与麦克劳林展开 与
7-5-函数的幂级数展开与泰勒级数)。
二阶导数在这里的贡献是零(因为 在原点附近没有「一次弯曲」,
它的弯曲从三阶才开始)——这解释了为什么 的展开式里只有奇次项。
2.4 二阶导数的几何量:曲率
二阶导数还有一个精确的几何量对应——曲率(curvature)。
曲线 在点 处的曲率是
读这个公式:
- 越大,曲线弯得越厉害, 越大——符合直觉;
- 分母里的 是一个「斜率修正」:一条很陡的曲线,
虽然 可能很大,但它的实际弯曲程度没那么夸张。
直线 :,——直线不弯。
半径 的圆: 处处是常数——圆的弯曲处处相同。
曲率的完整讨论在 4-7-曲率与弧微分。
三、性质与定理
3.1 高阶导数的运算法则
定理 3.14(高阶导数的线性性质)
若 、 都有 阶导数,、 为常数,则 也有 阶导数,且
证明 对 作归纳。 时是导数的线性性质(3-2-求导法则与基本公式 定理 3.7)。
设结论对 成立,即 ,
再对两边求一次导并用 的情形即得。
推论:多项式的 阶导数可以逐项求。例如
注意:乘积与商没有这样的线性性质——
,。
乘积要用莱布尼茨公式(下节),商则通常化乘积或用莱布尼茨公式配合归纳。
3.2 定理 3.15(莱布尼茨公式)
定理 3.15(莱布尼茨公式,Leibniz formula)
若 、 都在点 处有 阶导数,则 在 处有 阶导数,且
其中 是二项式系数,
并约定 ,。
展开写前几项:
与二项式定理的对照(这张表请记住):
| 二项式定理 | 莱布尼茨公式 |
|---|---|
| ( 的 次幂) | ( 的 阶导数) |
| 「幂次相加为 」 | 「阶数相加为 」 |
记忆口诀:「把二项式定理里的幂换成导数阶数。」
3.3 莱布尼茨公式的完整证明
证明(对 用数学归纳法)
基础情形 :莱布尼茨公式给出
这正是乘积法则。
归纳假设:设对某个 ,
归纳步骤:对上式两边再求一次导。左边得 。
右边逐项求导(用线性性质),每一项用乘积法则:
于是
关键一步:把两个和式的指标统一。 对第一个和式作指标替换 ( 从 到 ):
对第二个和式作指标替换 ( 从 到 ):
两式相加,把 相同的项合并:
(这里约定 、,
这样 与 的项也自动被包含在统一的和式里。)
最后用杨辉三角的递推公式(帕斯卡恒等式):
于是
这正是 阶的莱布尼茨公式。由数学归纳法,公式对一切正整数 成立。
这个证明的结构要点
① 用归纳法:因为公式本身是「对一切 成立」的命题。
② 关键在于指标统一:两个和式的下标范围不同(一个从 开始,一个到 结束),
必须换元对齐后才能合并同类项。
③ 最后靠帕斯卡恒等式收尾:这一步正是公式与二项式定理「同构」的原因——
二项式定理的归纳证明中也会出现同一个恒等式。
**换句话说:莱布尼茨公式与二项式定理之所以长得一样,
是因为它们的归纳证明走的是同一条路。**
使用莱布尼茨公式的前提
要求 、 都有 阶导数。 只有 有 阶而 没有,
公式右边的项无意义,不能用。
另外公式里的 是二项式系数(组合数),
不是导数记号,不要混淆。
3.4 定理 3.16(常用函数的 阶导数公式)
定理 3.16( 阶导数公式表)
下列公式对一切使右端有意义的 成立( 为正整数):
(1)幂函数
特别地,当 为正整数且 时
而当 时 。
(2)指数函数
(3)正弦与余弦()
(4)对数
(5)倒数型
逐条验证与说明:
(1)幂函数。 反复用 :
第一次得 ,第二次得 ,……
第 次得 。
注意因子是 个:。
当 为正整数时,这 个因子就是 ,
乘积等于 。
特别地:(常数),
。**这是多项式最漂亮的性质:
任意多项式求导足够多次后都变成零。**
(2)指数函数。 每次求导都乘一个 (由链式法则),求 次就乘 。
对 ,先把 再用上式,得 。
(3)正弦余弦。 求导的循环是
,周期 。
把「符号变化」与「函数交换」合并写成相位平移:
验证 :
这个「」的技巧极其好用,
它把 个情形的分类讨论压缩成一个公式。
(4)对数。 验证前几步:
注意符号 与阶乘 的搭配:
符号在 为奇数时为正, 为偶数时为负;
阶乘是 而不是 (因为第一次求导已经用掉了一个「」)。
(5)倒数型。 验证:
注意与(4)的区别:(4)的分母是 (指数是 ),
(5)的分母是 (指数是 )。
**这是因为 是幂函数 的特例,
按(1)的公式 。** 两条公式其实同源。
3.5 「阶数相加」的直觉
莱布尼茨公式为什么会出现组合数?用「走的步数」来理解。
把「求 次导」想象成走 步。 每一步可以选择:
- 对 求一次导,
- 或对 求一次导。
走完 步后,若其中有 步是「对 求导」, 步是「对 求导」,
就得到一项 。
这样的走法有多少种? 从 步里选 步给 ,就是 种。
把它们全部加起来,就是莱布尼茨公式。
与二项式定理完全相同的组合解释
展开时,每一项也是「从 个括号里选 个取 ,其余取 」,
共 项。因为求导与乘法在「分配律」这一层是同构的:
乘积法则 正好对应
这一层的分配律。这就是两个公式形式相同的最深层原因。
四、计算方法与步骤
4.1 计算 阶导数的三条路线
路线选择
路线 1(逐次求导找规律 + 归纳法证明):
适用于结构简单的函数(、、 等)。
算前 – 阶,观察规律,写出通项公式,再用归纳法验证。
路线 2(拆项化为简单分式之和):
适用于有理函数(分式)。
先用部分分式或配方法把复杂分式拆成 之类的简单分式之和,
再用定理 3.16(5)。
路线 3(莱布尼茨公式):
适用于乘积形式,且其中一个因子是多项式
(因为多项式的高阶导数最终会变成零,和式会自动截断)。
也可用于含 、 等难以直接求高阶导的乘积。
下面分别展开。
4.2 路线 1:逐次求导找规律
例 1:求 的 阶导数。
一般地
例 2:求 的 阶导数。
观察:每求一次导乘一个 ,函数在 里循环。
用相位平移写:
验证 :。
例 3:求 的 阶导数。
这个不能直接求导找规律(会越来越复杂),要先拆项(路线 2)。
4.3 路线 2:拆项后逐项求高阶导
例:求 的 阶导数。
第 1 步:部分分式分解。 设
通分:。
取 :,得 。
取 :,得 。
所以
第 2 步:逐项用定理 3.16(5)。 取 ,
第 3 步:合并。
第 4 步:验证 。
直接验证:,。
这套「拆项 + 逐项」的方法是本篇最实用的技巧,
凡是分母能因式分解的有理函数都可以这样做。
4.4 路线 3:莱布尼茨公式的实战用法
核心技巧:选哪一项当 ?
莱布尼茨公式是 。
如果 是一个 次多项式,则 对一切 成立,
和式从 到 会自动截断为 到 ——只剩 项!
莱布尼茨公式的实用原则
把多项式因子记为 ,把「难求导的」因子记为 。
这样和式项数最少。
特别地,若 是 次多项式且 ,则
只有 项。
例 1:求 的 阶导数。
第 1 步:选 与 。 ( 次多项式),。
第 2 步:算所需的各阶导数。 ,,,()。
。
第 3 步:套公式(,只有 三项)。
第 4 步:整理。
注意 ,。
第 5 步:提出公因子。
例 2:求 的 阶导数()。
第 1 步:,。,,()。
第 2 步:。
第 3 步:套公式(,只有三项)。
第 4 步:逐项代入。
第一项:
第二项:
第三项:
第 5 步:通分合并。 三项的分母都是 ,
把 提到外面(注意 ,因为指数相差 ):
第 6 步:化简方括号。 用 与 :
提出 :
算方括号:
(,,只剩常数 。)
所以
第 7 步:验证 。
直接验证:,,,
。
这个结果的记忆方式
()。
为什么是 :因为 的二阶导数是 ,
而莱布尼茨公式里「三阶及以上」的项全被截断了,
留下来的三块恰好拼成这个漂亮的常数。
这类结果不必死记,但要会算,考场上现推即可。
4.5 求具体一点的 阶导数值
例:设 ,求 。
第 1 步:( 次多项式),。。
第 2 步:,,,,()。
第 3 步:套公式(,四项 ):
第 4 步:代入 。 前三项含 的因子,在 处为零;只剩第四项:
第 5 步:一般化观察。 实际上对 与 ,在 处只有 那一项存活:
本例中 。
求 的套路
凡是要算在 处的特定阶导数值,先看哪个因子在 处为零。
含 (或 )的项在 处全部消失,
只剩「多项式因子已经求导到常数」的那一项。常能一步得出答案。
4.6 隐函数与参数方程的高阶导数(预告)
上面讨论的都是显函数 。对于隐函数(如 )
与参数方程(如 ,),
求二阶、三阶导数需要特殊处理,方法是:
隐函数:对一阶导数的表达式(含 与 )再对 求导,
把出现的 用已求出的表达式代入。
参数方程:,
关键是分母上还要再除一次 ——这是最常见的错误。
这两类问题的完整处理见 3-5-隐函数与参数方程求导。
4.7 用 sympy 验证高阶导数
本示例需要 sympy:pip install sympy
import sympy as sp
x = sp.symbols('x')
# 逐个算出前几阶导数,与公式对照
y = x**2 * sp.exp(2*x)
for k in range(0, 5):
print(k, sp.simplify(sp.diff(y, x, k)))
print('---- sin(3x) 的四阶循环 ----')
z = sp.sin(3*x)
for k in range(1, 6):
print(k, sp.simplify(sp.diff(z, x, k)))
print('---- x^2 ln x 的三阶导数 ----')
w = x**2 * sp.log(x)
print(sp.simplify(sp.diff(w, x, 3)))
输出形如:
0 x**2*exp(2*x)
1 2*x*(x + 1)*exp(2*x)
2 2*(2*x**2 + 4*x + 1)*exp(2*x)
3 4*(2*x**2 + 6*x + 3)*exp(2*x)
4 8*(2*x**2 + 8*x + 6)*exp(2*x)
---- sin(3x) 的四阶循环 ----
1 3*cos(3*x)
2 -9*sin(3*x)
3 -27*cos(3*x)
4 81*sin(3*x)
5 243*cos(3*x)
---- x^2 ln x 的三阶导数 ----
2/x
逐项对照:
- 的一阶:。
- 的 阶导数呈 增长,符号与函数按 步循环。
- 的三阶导数是 ,与 4.4 节例 2 的公式(取 )一致。
(上表为按 sympy 标准化简行为的形如输出,具体形式可能因版本而异。)
五、例题
例题 1(概念辨析: 与 )
判断下列说法的真假并说明理由。
(1) 表示 ,即函数值 的二阶导数;
(2);
(3)若 存在,则 在 处连续;
(4)若 在 处连续,则 存在。
思路 四问全部围绕「记号含义」与「存在性蕴含方向」。
(1)(2)是记号辨析,(3)(4)是可导与连续的蕴含关系。
解
(1)假。 的含义是「**先把 求两次导得到 ,
再在 处取值**」,即
是一个常数( 固定),常数的任何阶导数都是 ,
所以 ,这个式子毫无信息量。
反例:,。则 ,而 。
两者不等。
(2)假。 这是记号混淆:
中的 是求导阶数, 中的 是幂次。
,与 完全不同。
反例:,。,。
两者不等。
(3)真。 这是「可导必连续」(3-1-导数的定义与几何意义 定理 3.2)
应用于函数 的结果:
存在意味着 在 处可导,故 在 处连续。
(4)假。 连续推不出可导。
反例:取
验证 可导且 : 时 ;
时 ; 时
所以 ,它在 处连续。
但 在 处不可导(左右导数分别为 与 ),
所以 不存在。
结论 (1)假,(2)假,(3)真,(4)假。
核心记忆点:
① 的括号里是求导阶数,不是幂次;
② 高阶可导会逐层带来低阶导数的连续性,但连续性不能反过来推出可导性。
例题 2(计算题:莱布尼茨公式)
求下列函数的指定阶导数:
(1),求 ;
(2),求 ;
(3),求 与 。
思路 三题都是「多项式 × 超越函数」的乘积结构,用莱布尼茨公式,
把多项式记为 (它的高阶导数会变成零,使和式截断)。
解
(1)
第 1 步:,。,,,()。
第 2 步:。特别地 ,
,。
第 3 步:套公式(,三项):
第 4 步:计算组合数:,。
第 5 步:提出公因子 (注意 ,):
(2)
第 1 步:,。
- ,,,,();
- 。
第 2 步:,四项()。所需的 的阶导数:
第 3 步:套公式并代入组合数(,,):
第 4 步:整理(注意 ,)。
第 5 步:按 与 分组,便于检查:
(3) 。
第 1 步:,。注意 ,。
第 2 步:算 。 先用乘积法则算前两阶:
代入 :
第 3 步:算 。 对上面三项逐项求导。
第一项:。
第二项:。
第三项:
于是
代入 :
第 4 步:用莱布尼茨公式验证 。 取 、(,三项):
前两项含 的因子,在 处为零;只剩第三项:
结论 (1);
(2);
(3),。
(3)的教训:求某点的低阶导数值,直接用莱布尼茨公式比逐次求导快得多,
因为含 的项会自动消失。
例题 3(定理理解:证明莱布尼茨公式)
用数学归纳法证明莱布尼茨公式
并指出证明中哪一步是关键。
思路 标准归纳法。难点在于「把两个和式合并成一个和式」,
需要用指标替换把两个和式的下标对齐,再用帕斯卡恒等式。
解
第 1 步:验证 。
正是乘积法则。
第 2 步:归纳假设。 设对某个 ,
第 3 步:求一次导。 由高阶导数的线性性质,可逐项求导;
每项用乘积法则:
拆成两个和式:
第 4 步:指标替换(关键一步)。
对 ,令 ,则 , 从 到 :
对 ,令 , 从 到 :
第 5 步:合并。 约定 、,
这样两个和式都可以扩展到 从 到 :
( 时 的系数为 ;
时 的系数为 ,都正确。)
第 6 步:用帕斯卡恒等式收尾。
这是杨辉三角的生成规则(例如 ,)。
代入得
即公式对 成立。由归纳法,公式对一切正整数 成立。
第 7 步:指出关键步骤。 第 4 步「指标替换」是关键。
两个和式的下标范围不同( 从 到 , 从 到 ),
必须先通过换元把它们对齐,才能把 的同类项合并。
第 6 步的帕斯卡恒等式是「为什么公式长得像二项式定理」的直接原因。
结论 莱布尼茨公式与二项式定理之所以形式相同,
是因为它们的归纳证明走的是完全相同的推理路线
(求导 ↔ 乘一次,乘积法则 ↔ 分配律,帕斯卡恒等式 ↔ 帕斯卡恒等式)。
这不是巧合,而是两种运算「同构」的体现。
例题 4(计算题:拆项求 阶导数)
求 的 阶导数。
思路 分母能因式分解,先做部分分式,再用 的公式。
解
第 1 步:因式分解。 。
第 2 步:部分分式。 设
通分:。
取 :,得 。
取 :,得 。
所以
第 3 步:逐项求 阶导。 用定理 3.16(5)(取 ):
第 4 步:合并。
第 5 步:验证 。
直接验证:,
。
而
结论 。
有理函数求 阶导数的通用流程
① 分母因式分解 → ② 部分分式 → ③ 逐项用 。
若分母是 且不能实分解(判别式小于零),
则先配方成 的形式,
这时往往求不出简洁的 阶通项,需要另想办法
(例如只求某点的特定阶导数值,或改用级数展开)。
「能拆就拆,拆不动就换个问题问」是这类题的一个实用界限。
例题 5(反例构造:二阶可导但不二阶连续可导)
(1)举出一个函数 ,使 存在但 在 处不连续。
(2)这说明了什么?
(3)举出一个函数使 不存在,但 在 处连续。
思路 (1)注意「 可导就自动连续」(可导必连续),
所以不能指望「 存在而 不连续」。
正确的目标是: 存在,但 在 处不连续。
做法是把 3-1-导数的定义与几何意义 里的
再「提升两阶」,变成 。
解
(1) 取
第 1 步:算 。
(夹逼:。)
第 2 步:算 时的 。
第 3 步:算 。 用 的表达式(它在 处的值是 ):
两个都趋于 (第一项由夹逼,第二项也是有界量乘无穷小),所以
所以 存在。
第 4 步:算 时的 。
第一项:
第二项:
合并:
第 5 步:看 的极限。
前两项趋于 (有界量乘无穷小),但 无极限
(在 内无限振荡)。所以 不存在,
在 处不连续。
(2)说明的问题
| 命题 | 真假 |
|---|---|
| 存在 在 连续 | 假(上面的例子) |
| 存在 在 连续 | 真(可导必连续,用在 上) |
| 在 连续 存在 | 真(连续就有定义) |
结论: 阶可导( 存在)严格弱于 阶连续可导( 存在且连续)。
这就是为什么要引入 这套记号来区分它们。
在后续章节中,「连续可导」这个更强的条件经常是必需的——
例如 4-1-微分中值定理 中的柯西中值定理、
4-2-洛必达法则及其适用条件辨析 中洛必达法则的第二型,
都要求导函数连续或有极限。
(3) 取 ,即
第 1 步: 的表达式。 时 ; 时 ;
时
所以 ,它是连续函数(处处连续)。
第 2 步:。 由 在 处不可导(左右导数 不等),
不存在。
所以 在 连续但 不存在——符合要求。
结论 (1)(补 )满足要求:
存在,但 在 处不连续。
(2)「 阶可导」与「 阶连续可导」是两个不同的概念,
前者弱于后者。做题时必须看清题目给的是哪一个条件。
(3) 给出 连续但 不存在的例子。
例题 6(定理理解:为什么多项式的高阶导数最终为零)
(1)证明:若 是 次多项式,则 是常数,。
(2)反过来:若 在某区间上成立, 是否必为次数不超过 的多项式?
(3)这个性质对莱布尼茨公式有什么实用价值?
思路 (1)用线性性质逐项处理。(2)需要中值定理(反复使用
「导数为零则为常数」)。(3)凡是多项式因子,
莱布尼茨和式都会截断,这正是该公式实用的原因。
解
(1) 设 。
第 1 步:逐项求导。 由高阶导数的线性性质,
第 2 步:用幂函数的 阶导数公式。 由定理 3.16(1),
(),
();而常数的 阶导数()为 。
第 3 步:取 。 此时只有第一项非零(其余项的 ,被求导 次后归零):
第 4 步:取 。 常数的导数为零,故
(2)是,且这是充要条件。 即: 在区间 上成立
在 上是次数不超过 的多项式(在 上)。
证明(反复使用「导数为零则为常数」):
意味着 的导数为零。
由 4-1-微分中值定理 的推论( 在区间上 为常数),
存在常数 使 。
于是 ,
从而 是常数 ,即 。
如此继续 步,得
即 是次数不超过 的多项式。
(3)实用价值:和式自动截断。
莱布尼茨公式是 ,
共 项。**若 是 次多项式,则 对 成立,
和式只剩下 这 项。**
这就是「求 的 阶导数只需算 项」的原因(本篇例题 2)。
进一步:若要算在某点 处的值,
且 是 的多项式(即 对 成立),
那么和式中只有 那一项存活:
这是一条极其实用的「降维」技巧,本篇例题 2(3)与 4.5 节都用了它。
结论 (1) 次多项式的 阶导数是常数 ,更高阶导数恒为零。
(2)逆命题也成立(需要中值定理),这是「泰勒公式对多项式是恒等式」的原因。
(3)多项式的存在使莱布尼茨公式从「 项」变成「 项」,
这是它在计算中如此好用的根本原因。
例题 7(计算题:二阶导数与参数分析)
设 。若 且 ,
,求 、、,并求 。
思路 三个条件对应三个方程,直接代入。最后求三阶导数。
解
第 1 步:算导数。
第 2 步:用条件列方程。
由 :,得 。
由 :,得 。
由 :,得 。
第 3 步:写出函数并验证。
验证: ;, ;
, 。
第 4 步:三阶导数。
(一般地,三次函数的二阶导数是线性函数,三阶导数是常数——由例题 6 的结论可知。)
结论 ,,,。
一个几何解读
意味着曲线在 处的凹凸性「可能发生改变」。
对本题,: 时为负(开口向下), 时为正(开口向上),
所以 处确实是一个拐点。验证 ,
拐点为 。
注意:仅由 不能断定 是拐点,必须看 是否变号
(这是本篇易错点 3 与 4-5-凹凸性与拐点 的主题)。
例题 8(条件判断:莱布尼茨公式能否使用)
判断下列情形能否使用莱布尼茨公式求 在 处的值,
并说明理由。
(1),,求 ;
(2),,求 ;
(3),,求 。
思路 莱布尼茨公式要求 、 都有 阶导数。
先逐题检查这个前提,再用定义直接算来对照。
解
(1)不能。 在 处一阶都不可导,
更没有二阶导数。前提不满足。
用定义直接算:。
时趋于 , 时趋于 ,故 不存在,
更谈不上 。
(2)不能(在 处)。 与
在 处都有任意阶导数,但在 处 不可导。
所以在 处可以用莱布尼茨公式;在 处不能用。
用定义直接算:,它在 处可导:
再算二阶导数: 时 ,;
时 ,。
由上面的计算,,所以 。于是
所以 存在,但我们是通过定义算出来的,
不是通过莱布尼茨公式。「结论正确」不等于「公式可用」。
(顺带:,它在 处不可导,
所以 不存在。)
(3)不能。 处处有任意阶导数;
而 在 处不可导:
所以 不存在,莱布尼茨公式不能用。
用定义直接算:。
继续:对 , 时 ,;
时 ,求导得 (注意符号相消)。
所以 ,于是
所以 也存在,同样只能靠定义得到。
结论
| 情形 | 能否用莱布尼茨公式(在 ) | 原因 | 实际结果 |
|---|---|---|---|
| (1), | 不能 | 在 处一阶都不可导 | 不存在 |
| (2), | 不能 | 在 处不可导 | (靠定义算) |
| (3), | 不能 | 在 处不可导 | (靠定义算) |
教训:莱布尼茨公式的前提是「两个因子都有 阶导数」。
遇到含 、 之类的函数在可疑点处,
必须先检查可导性,必要时回到定义算。
**特别注意(2)(3):虽然结果存在,但不能声称「用了莱布尼茨公式」——
过程的合法性也是评分标准的一部分。**
例题 9(计算题:三角函数的 阶导数与相位技巧)
求下列函数的 阶导数:
(1);
(2)。
思路 (1)先用积化和差公式把乘积化成和式,再用相位平移公式。
(2)逐次求导时会出现 的组合,
用「合并为单一正弦」的技巧:。
解
(1)
第 1 步:积化和差。 由 ,
第 2 步:逐项用相位平移公式。
第 3 步:整理。
第 4 步:验证 。
直接验证:,
。
用积化和差:;
。
于是
与上面一致。
(2)
第 1 步:逐次求导。 记 ,则
。于是
第 2 步:再求一次导。 用同样的合并技巧(把 当作整体):
第 3 步:归纳。 每求一次导,系数乘 ,相位加 :
第 4 步:验证 (把结论展开成初等形式)。
用 。
由 得 ,,于是
所以
再用乘积法则独立验证 :
结论 (1);
(2)。
型函数的 阶导数口诀
把「 合并为 」这个技巧
反复使用,就得到:每求一次导,振幅乘 ,相位加 。
用复数写更简洁:,
求 次导就是乘 ,
其模是 ,辐角是 ——与上面的结论完全吻合。
例题 10(综合:高阶导数与微分方程)
设 。
(1)求 ,并证明 ;
(2)由(1)推出 满足的递推关系,并求 ;
(3)求 的一般公式。
思路 (1)直接算。(2)对 反复求导。
(3)用(2)的递推,或直接用相位公式
。
解
(1)
验证 :
(2) 由 ,两边再求 次导(用线性性质):
求 :先算 :
所以 。
用相位公式验证:。
取 :
(3) 由相位公式,取 :
列出前几项验证:
| 直接计算 | ||||
|---|---|---|---|---|
结论 (1),且 。
(2)递推关系 ,。
(3)。
为什么会出现微分方程
满足 ,这不是偶然:
特征方程 的根是 ,
对应解 与 。
**这类「验证函数满足某微分方程」的题目就是
10-5-二阶常系数线性微分方程 的预演。**
而「由微分方程推出高阶导数的递推公式」是求 阶导数的一条重要捷径:
不必逐次求导,只需用递推关系代数地算出所需阶数。
例题 11(概念辨析:二阶导数的符号与凹凸性)
判断下列说法的真假并说明理由。
(1)若 ,则 在 的某邻域内开口向上;
(2)若 ,则 是 的拐点;
(3)若 是 的拐点且 存在,则 ;
(4)若 在 附近开口向上,则 。
思路 (1)需要 连续才能保证邻域内不变号——如果 不连续,
一个点的正性控制不了邻域。(2)需要变号。(3)拐点处二阶导若存在则必为零。
(4)可以取 但邻域内为正的例子。
解
(1)假(在不假定 连续时)。 反例:取
第 1 步:算 与 。
(有界量乘无穷小。)由 时
得
第 2 步:算 ()。 对 求导:
第 3 步:看符号。 当 时, 的行为由最后一项 主导
(前两项趋于 )。在 的任意小邻域内,
既能取到接近 的值(当 ),
也能取到接近 的值(当 )。
所以 在任意邻域内都取到负值,不满足「 恒成立」。
所以 (不是 ),这个例子说明不了(1)。
换个例子:取
则 ,,(可以验证),
但 在 附近无界振荡(可正可负),
所以 在 的任意邻域内都不是「始终开口向上」。
第 4 步:正确的说法。 若 在 处连续且 ,
则由极限的保号性(取 ),
存在 的某邻域使 在该邻域内恒成立,从而在该邻域内开口向上。
「连续」这个附加条件是必需的。
考试中的实用做法
在基础题中遇到「 则在邻域内开口向上」这类判断,
通常是假定 连续(即 二阶连续可导)的情形,
此时命题为真。**本题的严格反例属于进阶内容,
考研中一般不会以「 不连续」设陷阱。**
但知道这个细节能帮助你理解为什么定理要写「」。
(2)假。 只是拐点的必要条件(在二阶可导的前提下),
不充分。反例:,,,
但 恒成立,不变号,所以 不是拐点(曲线始终开口向上)。
(3)真。 这是拐点的必要条件。
证明 设 是拐点,则 在 两侧变号。
若 :因 存在意味着 在 可导,
从而 在 连续;不过这还不足以推出 在邻域内为正。
用更直接的论证:设 ,则
由极限的保号性,存在 ,当 时
即 与 同号。
于是 时 , 时 ——
在 两侧单调增加,即 在 两侧都开口向上,
凹凸性没有改变,与「 是拐点」矛盾。
同理 也不可能。故 。
(**这个证明的关键是「用导数的定义 + 保号性」直接推出凹凸性不变,
无需假设 连续。**)
(4)假。 反例: 在 处。
在 附近开口向上(),但 ,不满足「」。
结论
| 命题 | 真假 | 说明 |
|---|---|---|
| 且 在 连续 邻域内开口向上 | 真 | 极限保号性 |
| (不假定连续) 邻域内开口向上 | 假 | 可无界振荡 |
| 是拐点 | 假 | , |
| 是拐点且 存在 | 真 | 必要条件(证明见上) |
| 邻域内开口向上 | 假 | , |
核心记忆点:凹凸性的判定与极值判定完全平行:
「二阶导为零」只是必要条件,真正的判定要看是否变号。
完整的凹凸性与拐点理论见 4-5-凹凸性与拐点。
六、应用
6.1 物理:加速度与急动度
- 位置 一阶导:速度 (米/秒);
- 二阶导:加速度 (米/秒);
- 三阶导:急动度(jerk)(米/秒)。
为什么工程上关心 jerk? 因为加速度的突变会让人不适。
电梯与地铁的启动曲线被设计成「加速度连续变化」的
(即位置对时间是三次函数,三阶导为常数),这样乘客感觉平稳。
若加速度有跳变(jerk 趋于无穷),就会产生「一顿一顿」的感觉。
例:(米)。
在 秒: 米/秒(往回走),
米/秒(速度正在「拐弯」,由负转正的临界时刻),
米/秒(恒定)。
6.2 几何:凹凸性、拐点与曲率
- 凹凸性: 开口向上(碗形); 开口向下(盖形)。
- 拐点: 变号的点。
- 曲率:
例:求 的曲率最大值。
第 1 步:,。
第 2 步:代入曲率公式():
第 3 步:求极值。对 求导(用商法则):
令 :,即 (取正)。
第 4 步:代入得最大曲率
(这个结果在 4-7-曲率与弧微分 中会再次出现。)
6.3 数值计算:差分近似与误差阶
二阶中心差分是数值微分的核心公式:
它的截断误差是 ( 缩小 倍,误差缩小约 倍)。
只用 numpy 验证:
import numpy as np
f = np.sin
x0 = 0.8
print(f"{'h':>10} {'二阶差商':>18} {'精确 -sin(x0)':>18} {'误差':>12}")
for h in [1e-1, 1e-2, 1e-3, 1e-4, 1e-5]:
d2 = (f(x0+h) - 2*f(x0) + f(x0-h)) / h**2
exact = -np.sin(x0)
print(f"{h:10.1e} {d2:18.12f} {exact:18.12f} {abs(d2-exact):12.2e}")
输出形如:
h 二阶差商 精确 -sin(x0) 误差
1.0e-01 -0.697383760692 -0.717356090900 2.00e-02
1.0e-02 -0.717154641027 -0.717356090900 2.01e-04
1.0e-03 -0.717353966378 -0.717356090900 2.01e-06
1.0e-04 -0.717356073681 -0.717356090900 1.72e-08
1.0e-05 -0.717355765396 -0.717356090900 3.26e-07
读这张表能确认两件事:
- 从 缩到 ,误差每次缩小约 倍——
验证了 的精度阶。
- 时误差反而回升——浮点舍入误差开始主导
(因为公式里有 ,会把舍入误差放大约 倍)。
这提示:数值微分不能一味缩小步长。
(上表为按标准双精度浮点行为的形如输出,具体数字随运行环境变化。)
6.4 经济学:边际与弹性
- 总成本 : 是边际成本, 是边际成本的变化率
(用于判断「规模报酬递增还是递减」)。
- 效用函数 : 表示边际效用递减,
这是经济学最基本的假设之一,而它的数学内容就是凹函数。
例:()。
(越多越好),(边际效用递减)。
两条性质恰好对应一阶导与二阶导的符号——这就是「二阶导数刻画形状」的实例。
6.5 泰勒展开(预告)
高阶导数最重要的应用是泰勒公式:
每一项的系数就是相应阶的导数除以阶乘。
要展开一个函数,就必须会算它的各阶导数——
这正是本篇「逐次求导找规律」与「莱布尼茨公式」这两条路线的用武之地。
例: 的展开需要 ,在 处都是 :
例: 的展开需要 ,
即 :
注意偶数项全部消失——因为 的偶数阶导数在 处都为零。
如果没有本篇的 阶导数公式,根本写不出这些展开式。
七、易错点
易错点 1:把 与 混淆
错在哪:把 理解成 ,
或者把 写成 。
正确是什么: 的括号里是求导阶数, 的指数是幂次。
例如 :,而 。完全不同。
为什么:高阶导数需要区分「求了几次导」与「乘了几次」,
而简单的撇号()在三阶以上就没法用了( 数不清),
所以必须引入括号。这个记号约定是硬性的,必须遵守。
补充: 恒成立(常数的高阶导数为零),
所以 绝不能理解成「先取函数值再求导」。
易错点 2:
错在哪:把莱布尼茨公式错记成「各自求 阶导再相乘」。
正确是什么:,
是 项的和,不是一项。
为什么:因为每次求导时乘积法则会「分裂」成两项,
求 次导就分裂成 项(合并同类项后是 项)。
验证:,。
左边 ;右边 。不等。
用莱布尼茨:。
只有当 或 时才可能「看起来像」直接相乘,
而那也只是巧合。
易错点 3: 就宣布 是拐点
错在哪:算出 ,直接写「所以 是拐点」。
正确是什么: 只是必要条件。
必须再检查 在 两侧是否变号。
反例:, 但 不变号, 不是拐点。
为什么:「拐点」的定义是凹凸性发生改变的点,
凹凸性由 的符号决定,所以「改变」就意味着「变号」。
一个点的函数值为零完全不能说明它两侧的符号——
这与「 不一定是极值点」是完全平行的逻辑。
(更完整的例子与判定法见 4-5-凹凸性与拐点。)
易错点 4:求 阶导数时漏掉「 个因子」
错在哪:写 ,
或者写 。
正确是什么:
(注意是 与 );
(共 个因子)。
为什么:求导 次就要乘 个「降幂因子」。
例如 ,
若写成 就漏了两个因子。
自检办法:先算前两三阶,看规律对不对,再写通项公式。
例如 、、
,
从这三项就能看出符号是 (即 )
而分子是 (即 )。
易错点 5:用莱布尼茨公式时不检查前提
错在哪:对含 、 等函数
在可疑点处直接用莱布尼茨公式。
正确是什么:公式要求两个因子都有 阶导数。
例如 在 处一阶都不可导,
它在 处根本没有 阶导数,公式右边的 全部无意义。
为什么: 这一项就要求 本身有定义,
要求 可导, 要求前面 阶都可导。
前提不满足时,必须回到导数的定义去算(见本篇例题 8)。
特别注意:有些函数在大部分点都可导,只在个别点不可导
(如 在 ),此时要分点讨论。
更要警惕的是:即使最终结果正确,也不能声称「用了莱布尼茨公式」——
推导过程的合法性同样重要(例题 8 的(2)(3)正是这种情形)。
易错点 6:「二阶可导」与「二阶连续可导」混为一谈
错在哪:题目说「 二阶可导」,却当成 连续来用
(例如写 ,
或者用洛必达法则时需要 连续)。
正确是什么: 存在推不出 在 连续。
反例:(补 ),
存在,但 在 处不连续。
为什么:把「可导必连续」这条定理用在 上,
只能得到「 存在 在 连续」,
得到的是低一阶导数的连续性。
实用建议:若题目需要用到 连续,题设通常会写「 二阶连续可导」
或 。**看到「二阶可导」就要谨慎,
不要默认 连续**(尤其在证明题与洛必达法则的使用上)。
易错点 7: 型函数的 阶导数漏掉系数
错在哪:写 ,
或者只乘 而漏掉 的影响。
正确是什么:正确的规律是
每求一次导,振幅乘 ,相位加 。
为什么:求导时 与 都会「产生一项」:
,
括号里是两个不同的三角函数的组合,必须合并成单一正弦才能看出规律。
合并公式:。
验证 :,
展开后正是 。
(本篇例题 9(2)有完整推导。)
八、练习题
A 组(基础计算)
1. 求下列函数的二阶导数:
(1);
(2);
(3);
(4)。
2. 求 的 阶导数。
(提示:先用倍角公式降幂,再用相位平移公式。)
3. 求 的 阶导数。
B 组(莱布尼茨公式)
4. 用莱布尼茨公式求 的 阶导数()。
5. 求 的 阶导数(,)。
6. 设 ,求 。
C 组(辨析与构造)
7. 判断并说明理由(真的请证明,假的请举反例):
(1)若 存在,则 在 处连续;
(2)若 ,则 是 的拐点;
(3)若 在区间 上满足 恒成立,则 在 上开口向上;
(4)若 是 次多项式,则 。
8. 设 二阶可导,。求 ,
并说明在 处 与 的关系。
答案在哪
本篇练习的详细解答(出处 / 考点 / 思路 / 分步解 / 答案 / 易错点)见 10-微积分-03-导数与微分;分章导航见 00-总索引。
九、常见问题 FAQ
Q1:为什么四阶以上就不能用撇号了? 不是也能写吗?
能写,但没人这样写。 原因是可读性:
到底有几撇?在密集的公式里极易误读( 与 只差一撇)。
所以数学界约定:**三阶以内用撇号(、、),
四阶及以上一律用括号(、)。**
另外还有一个更技术的原因: 这种写法把「阶数」变成了一个可以参与运算的变量,
从而能写出 这样的公式。
用撇号根本无法表达「第 阶」这个概念。
记号的选择不只是审美,它决定了你能写出什么样的公式。
顺便说一句: 通常写成 而不是 ,
而 一律表示 本身(0 阶导数就是函数自己)。
莱布尼茨公式里就用了这个约定。
Q2: 里为什么是 而不是 ?
这是个历史遗留的不严格写法,但全世界都在用,本库沿用。
理解方式:把 看成一个算子(operator),
记作 。那么求二阶导就是「连续作用两次」:
分母是 的简写,即「两个 相乘」,
按惯例写成 (省略括号)。
为什么不是 ? 因为 会被理解为
「 的二阶微分」(这是一个不同的概念)。
所以为了区分,分母写成 。
一个常见的类比:
表示「先对 求偏导,再对 求偏导」,
分母里写的是 而不是 ——同样是历史约定。
Q3:莱布尼茨公式和二项式定理长得一模一样,这只是巧合吗?
不是巧合,两者是「同构」的。
从公式看:
只要把「幂次」换成「求导阶数」,两个公式完全一样。
从证明看:两个公式的归纳证明走的是完全相同的路:
| 步骤 | 二项式定理 | 莱布尼茨公式 |
|---|---|---|
| 递推关系 | ||
| 「分配」一步 | 分配律:每项乘 或乘 | 乘积法则:每项对 或对 求导 |
| 合并同类项 | 帕斯卡恒等式 | 同一个恒等式 |
从组合意义看:
展开时「从 个括号里选 个取 」有 种选法;
展开时「 次求导中有 次给了 」也有 种选法。
同一个组合问题,两种不同的外衣。
这也是数学中「结构相似」的一个漂亮例子——
当你发现两个看似无关的公式形式一致时,通常背后有一个共同的结构。
Q4:求一个函数的 阶导数,有什么通用方法吗?
没有万能公式,但有三条成熟的路线(本篇第四节详述):
路线 1:逐次求导找规律。
适用于 、、、 这些「求导后形状不变」的函数。
做法:算前 – 阶,观察规律,写出通项,再用归纳法验证。
路线 2:拆项化为简单分式。
适用于有理函数。做法:分母因式分解 → 部分分式 → 逐项用
。
路线 3:莱布尼茨公式。
适用于乘积,且其中一个因子是多项式(和式会自动截断)。
做法:把多项式记为 → 算 (很快变成零)→ 套公式。
还有一条特殊路线:若函数满足某个低阶微分方程
(如 ),可以用递推关系代数地算出任意阶导数
(本篇例题 10)。
实战建议:先花 10 秒判断结构属于哪一类,
再选路线。最怕的是「不管什么结构都硬求导」——
那样算到第四阶就会乱。
Q5:二阶导数为什么能判断凹凸性?能不能从几何上解释?
可以,而且解释很直观:二阶导数是「斜率的变化率」。
第 1 步:一阶导数是斜率。 就是曲线在 处的切线斜率。
第 2 步:二阶导数是斜率的变化率。
衡量「 往右走一点,斜率变化多少」。
第 3 步:分情况。
- : 增大时斜率增大。斜率从「更负」变到「更正」,
意味着切线在逆时针旋转。一条切线不断逆时针旋转的曲线,
形状就像碗(开口向上)。
- : 增大时斜率减小,切线顺时针旋转,曲线像锅盖(开口向下)。
第 4 步:用一个具体例子确认。 ,,。
在 处斜率 (陡峭向下),在 处斜率 (水平),
在 处斜率 (陡峭向上)。
斜率从 到 到 ,一路增大——这正是碗形。
第 5 步:一个「方向盘」类比。 开车沿曲线从左往右行驶,
相当于方向盘一直向左打,车往左拐(逆时针),
轨迹弯成碗形; 相当于一直向右打,轨迹弯成锅盖。
相当于方向盘回正——瞬间走直线(但这不代表一直是直线)。
Q6: 的点有什么用?
三个用途:
(1)它是拐点的「候选点」。 若 且 在 两侧变号,
则 是拐点。所以求拐点的第一步就是解方程 ,
得到候选点,再逐个检查变号与否。
这与「求极值先解 」是完全平行的流程。
(2)它是判断凹凸区间的「分界点」。 把 的点求出来后,
它们把定义域分成若干区间,在每个区间内 符号固定,
从而可以列出「区间— 符号—凹凸性」的完整表格。
(3)在泰勒展开中,它让某些项消失。 若 ,
则泰勒展开的二次项为零,逼近时可以直接跳到三次项。
例如 在 处所有偶数阶导数都是零,
所以它的展开式里只有奇次项。
注意: 本身不代表任何几何特殊性(见本篇易错点 3 的反例 )。
它是一个「需要进一步检查的信号」,不是结论。
Q7:为什么数值二阶差分的误差是 ,而一阶前向差分只有 ?
因为差分公式的「对称性」不同。
一阶前向差分:。
由泰勒展开 ,
误差的主项是 ——与 成正比,即 。
一阶中心差分:。
由 ,
两式相减时偶数次项全部抵消:
所以
误差是 。对称性让误差阶提高了一阶。
二阶中心差分:。
把展开式相加(这次是奇数次项抵消):
所以
误差仍是 。
结论:中心差分(对称差分)比前向差分精度高一阶,
因为对称性能让更多项自动抵消。这是数值微分中最实用的一条经验。
Q8:莱布尼茨公式里的组合数 怎么快速算?
三个实用技巧:
① 小 直接算。 最常用的是前几项:
② 用杨辉三角对照。 记住前几行:
;;;;;;。
需要在 时直接查表。
③ 莱布尼茨公式的实用场景只需前几项。
因为多项式因子的高阶导数会变成零,
所以你几乎总是只需要 。
把这四个公式背下来就够了:
举例: 时,,,
,
。
提醒: 在本题里是二项式系数(组合数),
不是导数记号或向量记号,不要与 的括号混淆。
十、国内教材对照(浙大《微积分》/ 考研大纲)
10.1 术语与记号对照
| 内容 | 国内(浙大《微积分》苏德矿等编 / 同济版) | 国外(Banner、MIT 18.01) |
|---|---|---|
| 概念名 | 高阶导数(二阶、三阶、 阶导数) | higher derivatives / higher-order derivatives |
| 记号 | 、、 三种并重 | 与 为主, 也常见 |
| 乘积的高阶导 | 莱布尼茨公式(Leibniz formula) | Leibniz rule(较少作为独立公式强调) |
| 凹凸性 | 叫「凹」或「凸」——国内教材用词不统一 | concave up / concave down,从不单说 concave |
| 拐点 | 拐点(inflection point) | inflection point |
| 曲率 | 曲率 ,单设一节 | curvature,MIT 18.01 在 Unit 2 讲 |
| 记号 | 部分教材介绍,多数不作要求 | MIT 与标准分析教材普遍使用 |
关于「凹」与「凸」的用词
国内不同教材对「凹」「凸」的用法不一致:
有的教材把 (开口向上)叫「凹」,有的叫「凸」;
数学分析教材与部分工科教材的用法甚至相反。
本库的处理办法:一律用描述性说法「开口向上(碗形)」与「开口向下(盖形)」,
并直接对应 的符号。具体用词以授课教材为准。
英文教材则没有这个问题:concave up 与 concave down 含义明确,不存在歧义。
10.2 国内更强调的内容
(1)莱布尼茨公式是独立考点。 国内教材(浙大《微积分》、同济版)
都把莱布尼茨公式作为独立的一节或一小节,
给出完整证明并要求学生掌握应用。
考研数学中「用莱布尼茨公式求乘积的 阶导数」是明确规定的内容。
国外教材(MIT 18.01、Banner)通常只在习题中带过,
不把它作为核心公式(因为后续课程中会由泰勒级数或算子方法替代)。
(2)有理函数的 阶导数(拆项法)。 国内习题中
「求 的 阶导数」这类题目非常普遍,
训练点在于部分分式分解与 的高阶导数公式。
国外教材很少出这类题。
(3) 阶导数的公式表与默写。 国内教材会给出
、、、、 的 阶导数公式表,
并要求掌握。国外教材更倾向于「现场推导」而非「背表」。
(4)二阶导数的凹凸性判定是国内的重点题型。 求凹凸区间与拐点、
列出「区间—符号—形态」表格,是国内考试的标准要求
(见 4-5-凹凸性与拐点)。
(5)曲率作为独立考点。 国内教材通常把曲率单设一节,
要求会算曲率与曲率半径。MIT 18.01 也讲曲率,但深度稍浅。
10.3 考研大纲的定位
考研数学大纲对本节的要求(「一元函数微分学」部分):
- 了解高阶导数的概念,会求简单函数的 阶导数;
- 会用莱布尼茨公式求两个函数乘积的高阶导数;
- 了解曲率、曲率圆与曲率半径的概念,会计算曲率和曲率半径
(数学一、数学二要求,数学三不要求曲率);
- 掌握用二阶导数判断函数图形的凹凸性、求拐点。
常考题型:
- 求 阶导数:直接给一个函数要求写出 阶导数的通项公式
(填空题或大题的第一问)。
- 用莱布尼茨公式求某点的特定阶导数值:
如求 ,其中 或 。
这类题的关键是「多项式因子的高阶导数为零使和式截断」这个观察。
- 验证函数满足某微分方程:给一个函数(如 ),
要求验证它满足某个二阶微分方程,并由此求 阶导数或递推公式。
这是国内考试(尤其考研)非常偏爱的题型,
因为它同时考查高阶导数与微分方程。
- 二阶导数与凹凸性、拐点的综合题:求凹凸区间、拐点,
并据此作函数图像(与 4-6-函数作图与渐近线 联合)。
- 曲率计算:给出曲线方程求某点的曲率与曲率半径(数学一、二)。
国外教材不强调而国内常考的点:
① 莱布尼茨公式的完整证明与应用(国外较少作为独立考点);
② 有理函数的 阶导数(拆项 + 部分分式,国外几乎不考);
③ 阶导数公式表的默写;
④ 「验证函数满足微分方程 + 由此求 阶导数」的复合题型
(国外教材把这类内容放在微分方程一章,不在此处考)。
10.4 学习建议
- 以考研为目标:本篇 3.2–3.4 的三个定理(莱布尼茨公式、
阶导数公式表)必须能默写并熟练应用;
4.3 的拆项法、4.4 的莱布尼茨实战用法必须练熟;
例题 2(三种类型的莱布尼茨计算)、例题 4(拆项)、
例题 10(微分方程与递推)是高频题型的标准范例。
- 以理解概念为目标:Banner《普林斯顿微积分读本》第 6 章
与第 11 章(凹凸性的图像讲解)配合阅读;
MIT 18.01SC 的 Session 12「Higher Derivatives」
与 Session 13「Derivative of Inverse Functions」(含二阶导的讨论)
配有视频与习题。
- 共同的建议:**先建立「二阶导数是凹凸性指纹」的几何直觉,
再练计算。** 计算技巧(莱布尼茨公式、拆项)是可以在短时间内练熟的,
但几何直觉需要反复用图像印证。
没有几何直觉的计算只是符号游戏,考场上很容易用错。
本篇小结
本篇小结
① 一句话概括
导函数还可以再求导,得到二阶、三阶乃至 阶导数;
二阶导数的符号刻画曲线的凹凸性(开口向上/向下),
而乘积的高阶导数由莱布尼茨公式
给出——
它就是二项式定理在求导中的翻版。
② 必须记住的结论
1. 定义: 是 的导数;。
2. 记号:、 用撇号; 一律写 ;
的括号是阶数,不是幂次。
3. 线性:;
但 。
4. 莱布尼茨公式:,
要求 、 都有 阶导数;
若 是 次多项式,和式只剩 项。
5. 阶导数公式:
;
;
;
;
。
6. 凹凸性: 开口向上(碗形); 开口向下(盖形)。
7. 拐点: 变号的点; 只是必要条件( 在 不是拐点)。
8. 逐层连续: 存在 在 连续;
但推不出 自己在 连续。
9. 多项式: 次多项式的 阶导数是常数 ,
阶及以上恒为零。
10. 曲率:。
③ 最容易混淆的几组概念
| 概念 A | 概念 B | 关键区别 |
|---|---|---|
| ( 阶导数) | ( 次幂) | 括号里是阶数,指数是幂次 |
| | | 后者恒为 (常数求导) |
| | | 前者是 项之和;后者一般错 |
| 二阶可导 | 二阶连续可导() | 前者推不出 连续 |
| | 拐点 | 是必要非充分( 在 );拐点要求 变号 |
| 开口向上 | 「凹」还是「凸」 | 国内教材用词不统一,以授课教材为准;英文用 concave up |
| | 该点附近开口向上 | 需 连续才能由一点推邻域 |
| 一阶前向差分 | 一阶中心差分 | 对称性使误差阶提高一阶 |
| 的因子个数 | | 是 个因子() |
| 莱布尼茨公式中的 | 导数记号 | 它是二项式系数(组合数) |
④ 通往后面章节的接口
| 本篇概念 | 在哪里被升级 | 升级成什么 |
|---|---|---|
| 二阶导数与凹凸性 | 4-5-凹凸性与拐点 | 凹凸区间、拐点判定、琴生不等式 |
| 二阶导数与极值判定 | 4-4-单调性与极值 | 二阶导数判别法(,) |
| 高阶导数与泰勒系数 | 4-3-泰勒公式与麦克劳林展开 | |
| 「 则为多项式」 | 4-1-微分中值定理 | 用中值定理证明「导数为零则为常数」 |
| 曲率公式 | 4-7-曲率与弧微分 | 曲率半径、曲率圆、弧微分 |
| 二阶导数与函数作图 | 4-6-函数作图与渐近线 | 综合一阶、二阶导数的作图流程 |
| 二阶差分的数值计算 | 6-3-定积分的性质与计算 | 数值积分中的梯形法与辛普森法(同样是差分思想) |
| 高阶导数与级数系数 | 7-5-函数的幂级数展开与泰勒级数 | 泰勒级数、收敛半径 |
| 微分方程与递推求导 | 10-5-二阶常系数线性微分方程 | 特征方程与解的结构 |
相关笔记
- 3-3-链式法则与复合函数求导 — 前置篇章。二阶导数就是对链式法则的第二次使用,
抽象函数的 (如 )必须用两次链式法则。
- 3-2-求导法则与基本公式 — 前置篇章。莱布尼茨公式的归纳证明以乘积法则为基础,
阶导数公式表则由基本导数表反复求导得到。
- 1-3-三角函数与反三角函数 — 前置篇章。、 的求导循环
与相位平移公式 是本篇三角函数高阶导数的关键。
- 3-1-导数的定义与几何意义 — 前置篇章。本篇反复引用「可导必连续」的定理,
也用它构造了「二阶可导但二阶不连续」的反例。
- 3-5-隐函数与参数方程求导 — 同章兄弟。隐函数与参数方程的二阶导数
需要特殊处理(尤其参数方程的二阶导公式),是本篇 4.6 节预告的内容。
- 3-6-微分与线性逼近 — 同章兄弟。二阶导数是泰勒线性逼近之后的「第二次修正」,
那篇讲一次逼近,4-3-泰勒公式与麦克劳林展开 讲 次逼近。
- 4-3-泰勒公式与麦克劳林展开 — 后续章节。泰勒系数就是
,本篇的 阶导数计算是那里唯一的计算负担。
- 4-5-凹凸性与拐点 — 后续章节。二阶导数的几何意义在那篇展开为
完整的凹凸性理论、拐点判定与函数作图流程。
- 4-7-曲率与弧微分 — 后续章节。曲率公式
是二阶导数最精确的几何量化。
- 10-5-二阶常系数线性微分方程 — 后续章节。本篇例题 10 中
「验证函数满足微分方程并求递推」的做法,在那篇成为解微分方程的标准工具。
参考来源
- Banner, The Calculus Lifesaver: The Complete Guide to Calculus and Its Applications,
第 6 章「求导法则」(高阶导数与二阶导数的记号)与第 11 章
「凹凸性与作图」( 的符号与凹凸性、拐点)。
教材本身,无 URL;frontmatter 记录的出版社页面为
https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222
- MIT OpenCourseWare, 18.01SC Single Variable Calculus, Fall 2010,
Unit 1「Differentiation」中的 Session 12「Higher Derivatives」,
以及 Unit 2「Applications of Differentiation」中关于
concavity 与 inflection points 的部分。
https://ocw.mit.edu/courses/18-01sc-single-variable-calculus-fall-2010/pages/1.-differentiation/part-b-concepts-of-the-derivative/
- Eric W. Weisstein, 「Derivative」, MathWorld——高阶导数的记号、
阶导数公式与莱布尼茨法则的标准表述。
https://mathworld.wolfram.com/Derivative.html
- NIST Digital Library of Mathematical Functions (DLMF)——常用函数的
高阶导数与级数展开的权威公式表,用于核对本篇定理 3.16 中的公式。
https://dlmf.nist.gov/
- 苏德矿、金蒙伟等编《微积分》(高等教育出版社,浙江大学数学系教材),
「高阶导数」与「莱布尼茨公式」两节;
同济大学数学系《高等数学》上册「高阶导数」一节。
教材本身,无 URL。
- 教育部考试中心《全国硕士研究生招生考试数学考试大纲》,
「一元函数微分学」中「了解高阶导数的概念,会求简单函数的 阶导数,
会用莱布尼茨公式求两个函数乘积的高阶导数」的要求;
以及数学一、数学二中关于曲率的要求。教材本身,无 URL。