高阶导数

高阶导数

小象实战讲义 · 人工智能数学基础

在掌握了一阶导数这一瞬时变化率的工具后，我们很自然地会问：一个函数的变化率本身是如何变化的？高阶导数正是回答这个问题的数学语言。它不仅是导数概念的简单重复，更是我们理解函数更精细的局部行为（如凹凸性）以及后续构建泰勒公式、求解微分方程的基础。本节我们将系统地学习高阶导数的定义、计算方法和核心性质，并通过典型例题掌握其应用技巧。

💡 核心导读

• 定义与记号：理解二阶及n阶导数的定义，掌握三种标准数学记号。
• 基本函数的高阶导数：归纳推导指数函数、幂函数、对数函数、三角函数等基本初等函数的n阶导数公式。
• 高阶导数的运算法则：掌握和差、数乘运算，重点学习函数乘积的莱布尼兹公式。
• 综合应用与递推技巧：学习利用隐函数求导和递推关系求解特定点高阶导数的复杂问题。

高阶导数的定义与记号

若函数 $y = f(x)$ 的导数 $f’(x)$ 在点 $x$ 处仍然可导，则称 $f’(x)$ 的导数为 $f(x)$ 的二阶导数，记作： $$f”(x), \quad y”, \quad \text{或} \quad \frac{d^2 y}{dx^2}.$$

类似地，二阶导数的导数称为三阶导数，记作 $f'''(x)$ 或 $y'''$。一般地，若函数 $f(x)$ 的 $n-1$ 阶导数 $f^{(n-1)}(x)$ 仍然可导，则其导数称为 $f(x)$ 的 $n$ 阶导数，记作： $$f^{(n)}(x), \quad y^{(n)}, \quad \text{或} \quad \frac{d^n y}{dx^n}.$$

这里需要特别注意符号 $\frac{d^n y}{dx^n}$ 的含义：它表示 $n$ 阶导数的整体记号，其分母是 $(dx)^n$（即 $dx$ 的 $n$ 次方），而不是 $n$ 阶微分 $d^n x$。一阶导数的定义基于微分之比 $\frac{dy}{dx}$，而 $n$ 阶导数记号 $\frac{d^n y}{dx^n}$ 是这一形式的自然推广。

基本初等函数的高阶导数

求高阶导数的核心方法是数学归纳法：先计算前几阶导数，观察规律，然后猜想并证明通项公式。

1. 指数函数 $f(x) = e^{ax}$

• 一阶导：$f’(x) = a e^{ax}$
• 二阶导：$f”(x) = a \cdot a e^{ax} = a^2 e^{ax}$
• 三阶导：$f'''(x) = a \cdot a^2 e^{ax} = a^3 e^{ax}$

观察规律，每次求导都会在指数函数前多乘一个因子 $a$。因此，$n$ 阶导数为： $$\boxed{ f^{(n)}(x) = a^n e^{ax}, \quad n = 1, 2, 3, \dots }$$

2. 幂函数 $f(x) = x^{\alpha}$ ($\alpha \in \mathbb{R}$)

• 一阶导：$f’(x) = \alpha x^{\alpha-1}$
• 二阶导：$f”(x) = \alpha(\alpha-1) x^{\alpha-2}$
• 三阶导：$f'''(x) = \alpha(\alpha-1)(\alpha-2) x^{\alpha-3}$

归纳可得 $n$ 阶导数公式 ($n \ge 1$)： $$\boxed{ f^{(n)}(x) = \alpha(\alpha-1)(\alpha-2)\cdots(\alpha-n+1) x^{\alpha-n} }$$

特例：$\alpha$ 为正整数 $m$ 若 $f(x) = x^m$，则其 $n$ 阶导数需分情况讨论：

• 当 $n < m$ 时，$f^{(n)}(x)$ 是 $x$ 的 $m-n$ 次多项式。
• 当 $n = m$ 时，$f^{(m)}(x) = m!$（常数）。
• 当 $n > m$ 时，$f^{(n)}(x) = 0$。

重要推论：任何 $m$ 次多项式，其 $m+1$ 阶及更高阶的导数恒为零。这表明多项式的高阶导数信息是有限的。

3. 对数函数 $f(x) = \ln(1+x)$

• 一阶导：$f’(x) = \frac{1}{1+x} = (1+x)^{-1}$
• 二阶导：$f”(x) = -1 \cdot (1+x)^{-2}$
• 三阶导：$f'''(x) = (-1)(-2) \cdot (1+x)^{-3} = 2! (1+x)^{-3}$
• 四阶导：$f^{(4)}(x) = 2! \cdot (-3) \cdot (1+x)^{-4} = -3! (1+x)^{-4}$

观察系数符号和阶乘规律，可得 $n$ 阶导数公式 ($n \ge 1$)： $$\boxed{ f^{(n)}(x) = (-1)^{n-1} (n-1)! (1+x)^{-n} }$$

4. 三角函数 $\sin x$ 与 $\cos x$

利用三角恒等式可以将求导结果统一表达。

• 对于 $y = \sin x$:

  • $y’ = \cos x = \sin(x + \frac{\pi}{2})$
  • $y” = -\sin x = \sin(x + \pi)$
  • $y''' = -\cos x = \sin(x + \frac{3\pi}{2})$ 归纳可得： $$\boxed{ (\sin x)^{(n)} = \sin\left(x + \frac{n\pi}{2}\right) }$$

• 对于 $y = \cos x$，注意到 $\cos x = \sin(x + \frac{\pi}{2})$，利用正弦函数的结论： $$\begin{aligned} (\cos x)^{(n)} &= \left[ \sin\left(x + \frac{\pi}{2}\right) \right]^{(n)} \ &= \sin\left(x + \frac{\pi}{2} + \frac{n\pi}{2}\right) \ &= \sin\left(x + \frac{(n+1)\pi}{2}\right) \ &= \cos\left(x + \frac{n\pi}{2}\right) \quad (\text{利用诱导公式}) \end{aligned}$$ 因此： $$\boxed{ (\cos x)^{(n)} = \cos\left(x + \frac{n\pi}{2}\right) }$$

这两个公式高度对称，便于记忆。

5. 反三角函数 $y = \arctan x$（了解即可）

通过反函数求导和归纳法可推导其高阶导数，结果形式较为复杂： $$y^{(n)} = (n-1)! \cdot (\cos y)^n \cdot \sin\left( n y + \frac{\pi}{2} \right)$$ 其中 $y = \arctan x$。此结论主要用于练习求导技巧，无需死记。

高阶导数的运算法则

高阶导数的运算遵循特定的法则，其中乘积法则最为重要。

线性法则

若函数 $u(x), v(x)$ 均有 $n$ 阶导数，$c_1, c_2$ 为常数，则： $$(c_1 u + c_2 v)^{(n)} = c_1 u^{(n)} + c_2 v^{(n)}.$$

莱布尼兹公式（乘积法则）

若函数 $u(x), v(x)$ 均有 $n$ 阶导数，则它们的乘积 $u(x)v(x)$ 的 $n$ 阶导数为： $$\boxed{ (u v)^{(n)} = \sum_{k=0}^{n} C_n^k u^{(n-k)} v^{(k)} }$$ 其中 $C_n^k = \frac{n!}{k!(n-k)!}$ 是组合数，并约定 $u^{(0)} = u, v^{(0)} = v$。

记忆技巧：莱布尼兹公式与二项式定理 $(a+b)^n = \sum_{k=0}^{n} C_n^k a^{n-k} b^k$ 形式完全一致，只是将幂次 $a^{n-k}, b^k$ 替换为了导数阶数 $u^{(n-k)}, v^{(k)}$。

综合应用：求 $y = \arcsin x$ 在 $x=0$ 处的 $n$ 阶导数

这是一个经典例题，展示了如何结合隐函数求导和递推技巧求解复杂的高阶导数问题。

问题：设 $y = \arcsin x$，求 $y^{(n)}(0)$。

求解步骤：

1. 建立关系式： 由 $y = \arcsin x$，得 $x = \sin y$。对 $x$ 求一阶导： $$y’ = \frac{1}{\sqrt{1-x^2}}$$ 整理得： $$(1-x^2) (y’)^2 = 1 \quad \text{(式1)}$$

2. 对关系式求导，建立微分方程： 对式1两边关于 $x$ 求导： $$\begin{aligned} & \frac{d}{dx} \left[ (1-x^2) (y’)^2 \right] = 0 \ \Rightarrow & (1-x^2) \cdot 2y’ y” + (-2x) \cdot (y’)^2 = 0 \ \Rightarrow & (1-x^2) y” - x y’ = 0 \quad \text{(式2)} \end{aligned}$$

3. 利用递推关系： 对式2两边同时求 $n-2$ 阶导数（$n \ge 2$），并利用莱布尼兹公式。然后代入 $x=0$。由于 $x=0$，所有含有因子 $x$ 的项在求导并代入后均为零。经过详细推导（过程略），可得到简洁的递推公式： $$\boxed{ y^{(n)}(0) = (n-2)^2 \cdot y^{(n-2)}(0), \quad n \ge 2 }$$

4. 确定初值并求解：

   • 零阶导：$y(0) = \arcsin 0 = 0$
   • 一阶导：$y’(0) = \left. \frac{1}{\sqrt{1-x^2}} \right|_{x=0} = 1$

   根据递推公式，相邻两阶导数相关联。因此，需要分奇偶性讨论：

   • 当 $n$ 为偶数 ($n=2m$)：递推链最终会链接到 $y(0)=0$，故 $y^{(2m)}(0) = 0$。
   • 当 $n$ 为奇数 ($n=2m+1, m \ge 0$)：递推链最终会链接到 $y’(0)=1$。 $$\begin{aligned} y^{(2m+1)}(0) &= (2m-1)^2 \cdot y^{(2m-1)}(0) \ &= (2m-1)^2 \cdot (2m-3)^2 \cdot y^{(2m-3)}(0) \ &\ \vdots \ &= [(2m-1)(2m-3)\cdots 3 \cdot 1]^2 \cdot y’(0) \ &= [(2m-1)!!]^2 \cdot 1 \end{aligned}$$ 其中 $(2m-1)!! = (2m-1)(2m-3)\cdots 3 \cdot 1$ 称为双阶乘。它有一个等价的表达式：$(2m-1)!! = \frac{(2m)!}{2^m m!}$。

5. 最终结论： $$\boxed{ y^{(n)}(0) = \begin{cases} 0, & n \text{为偶数}, \[8pt] \left( \dfrac{(n-1)!}{2^{\frac{n-1}{2}} \left( \dfrac{n-1}{2} \right)!} \right)^2, & n \text{为奇数}. \end{cases} }$$ 或用双阶乘简洁表示为：$y^{(n)}(0) = \begin{cases} 0, & n \text{偶} \ [(n-2)!!]^2, & n \text{奇} \end{cases}$，其中约定 $(-1)!! = 1$。

📝 动手练一练

1. 求函数 $f(x) = x^2 e^{3x}$ 的三阶导数。 提示：可令 $u(x)=x^2$, $v(x)=e^{3x}$，应用莱布尼兹公式。

   参考答案： 令 $u=x^2$, $v=e^{3x}$。则 $u’=2x$, $u”=2$, $u'''=0$；$v^{(k)}=3^k e^{3x}$。 由莱布尼兹公式： $$\begin{aligned} (uv)''' &= C_3^0 u''' v + C_3^1 u” v’ + C_3^2 u’ v” + C_3^3 u v''' \ &= 0 \cdot e^{3x} + 3 \cdot 2 \cdot (3e^{3x}) + 3 \cdot (2x) \cdot (9e^{3x}) + 1 \cdot (x^2) \cdot (27e^{3x}) \ &= e^{3x}(18 + 54x + 27x^2). \end{aligned}$$

2. 验证 $\sin x$ 的四阶导数公式 $(\sin x)^{(4)} = \sin x$。 提示：使用本节推导的通用公式 $(\sin x)^{(n)} = \sin(x + \frac{n\pi}{2})$。

   参考答案： 根据公式，取 $n=4$： $$(\sin x)^{(4)} = \sin\left(x + \frac{4\pi}{2}\right) = \sin(x + 2\pi) = \sin x.$$ 验证通过。

本章小结

本节我们深入探讨了高阶导数的核心内容：

• 概念：高阶导数是导数概念的逐次应用，描述了函数变化率的变化率等更深层次的信息。
• 计算：通过数学归纳法，我们系统推导了指数、幂、对数、三角等基本初等函数的 $n$ 阶导数公式，这是进行复杂求导运算的基石。
• 运算：高阶导数满足线性运算法则，而乘积运算需使用形式酷似二项式定理的莱布尼兹公式。
• 应用：通过 $\arcsin x$ 在零点处高阶导数的求解，我们学习了如何利用隐函数求导建立微分方程，进而通过递推关系求解特定点高阶导数的综合技巧。

行动清单

1. 记忆核心公式：熟记 $e^{ax}$、$x^\alpha$、$\ln(1+x)$、$\sin x$、$\cos x$ 的 $n$ 阶导数公式及莱布尼兹公式。
2. 练习归纳推导：任选一个基本函数公式，尝试独立用数学归纳法完成其证明过程。
3. 代码验证：使用下面的 Python 代码验证几个简单函数的高阶导数，加深对符号计算的理解。

import sympy as sp

# 定义符号变量
x = sp.symbols('x')
n = sp.symbols('n', integer=True, positive=True)

# 1. 验证指数函数 e^(2x) 的 n 阶导数
f1 = sp.exp(2*x)
# 注意：符号阶数必须用元组形式 (x, n)；sp.diff(f1, x, n) 会把 n 当成新的求导变量
derivative_n_f1 = sp.diff(f1, (x, n))  # n 阶导数（符号表示，sympy 不会自动求值通项）
# 打印前几项验证
print("e^(2x) 的前4阶导数：")
for i in range(1, 5):
    print(f"  第{i}阶: {sp.diff(f1, x, i)}")
print(f"  n 阶导数（sympy 保留未求值形式，不自动推导通项）: {derivative_n_f1}\n")

# 2. 验证幂函数 x^5 的高阶导数（高于5阶应为0）
f2 = x**5
print("x^5 的高阶导数：")
for i in range(1, 8):
    deriv = sp.diff(f2, x, i)
    print(f"  第{i}阶: {deriv}")
    if i > 5 and deriv != 0:
        print("  警告：高于5阶的导数应恒为0！")
print()

# 3. 使用莱布尼兹公式验证 (x^2 * sin(x)) 的三阶导数
f3 = x**2 * sp.sin(x)
# 手动应用莱布尼兹公式计算
u = x**2
v = sp.sin(x)
# 计算u和v的各阶导数（到3阶）
u_derivs = [sp.diff(u, x, i) for i in range(4)]  # u, u', u'', u'''
v_derivs = [sp.diff(v, x, i) for i in range(4)]  # v, v', v'', v'''
# 莱布尼兹公式求和
leibniz_result = 0
for k in range(4):  # k从0到3
    leibniz_result += sp.binomial(3, k) * u_derivs[3-k] * v_derivs[k]
print("使用莱布尼兹公式计算 (x^2 * sin(x))'''：")
print(f"  莱布尼兹公式结果: {leibniz_result}")
print(f"  直接求导结果: {sp.diff(f3, x, 3)}")
print(f"  两者是否相等？ {sp.simplify(leibniz_result - sp.diff(f3, x, 3)) == 0}")

— 小象教研组