MisakaNetwork

Back

999 常用公式汇总

99% 的内容来自 deepseek V4.1 flash 生成。

高数公式速查#

只放必须背下来的东西,不放例题、不放推导。考前翻这一页就够了。

极限的基本结论#

结论条件
lim⁡n→∞1nα=0\lim\limits_{n\to\infty}\dfrac{1}{n^{\alpha}} = 0α>0\alpha > 0
lim⁡n→∞qn=0\lim\limits_{n\to\infty}q^{n} = 0∣q∣<1\lvert q\rvert < 1
lim⁡n→∞qn=1\lim\limits_{n\to\infty}q^{n} = 1q=1q = 1
qnq^{n} 发散∣q∣>1\lvert q\rvert > 1 或 q=−1q = -1
lim⁡n→∞nn=1\lim\limits_{n\to\infty}\sqrt[n]{n} = 1—
lim⁡n→∞an=1\lim\limits_{n\to\infty}\sqrt[n]{a} = 1a>0a > 0
lim⁡x→0+xx=1\lim\limits_{x\to 0^{+}}x^{x} = 1幂指函数,见「两个重要极限」
lim⁡x→+∞x1/x=1\lim\limits_{x\to +\infty}x^{1/x} = 1同上
lim⁡x→∞arctan⁡x\lim\limits_{x\to\infty}\arctan x 不存在左右极限 ±π2\pm\dfrac{\pi}{2} 不等
lim⁡x→∞tanh⁡x\lim\limits_{x\to\infty}\tanh x 不存在左右极限 ±1\pm 1 不等

两个重要极限#

lim⁡x→0sin⁡xx=1\lim_{x\to 0}\frac{\sin x}{x} = 1 lim⁡x→∞(1+1x)x=e⟺lim⁡x→0(1+x)1/x=e\lim_{x\to\infty}\left(1+\frac{1}{x}\right)^{x} = e \qquad\Longleftrightarrow\qquad \lim_{x\to 0}\left(1+x\right)^{1/x} = e

速算公式(1∞1^{\infty} 型的核心,比硬套定义快得多):

lim⁡[1+u(x)]v(x)=e lim⁡u(x)v(x)(lim⁡u=0)\lim\left[1 + u(x)\right]^{v(x)} = e^{\,\lim u(x)v(x)} \qquad \bigl(\lim u = 0\bigr)

三种幂指未定式的统一解法:

uv=evln⁡u⟹lim⁡uv=e lim⁡vln⁡uu^{v} = e^{v\ln u} \qquad\Longrightarrow\qquad \lim u^{v} = e^{\,\lim v\ln u}

1∞1^{\infty}、000^{0}、∞0\infty^{0} 三种数过去都是 0⋅∞0\cdot\infty 型:

未定式vln⁡uv\ln u 的形状归一为
1∞1^{\infty}∞⋅ln⁡1=∞⋅0\infty\cdot\ln 1 = \infty\cdot 00⋅∞0\cdot\infty
000^{0}0⋅ln⁡0=0⋅(−∞)0\cdot\ln 0 = 0\cdot(-\infty)0⋅∞0\cdot\infty
∞0\infty^{0}0⋅ln⁡∞=0⋅(+∞)0\cdot\ln\infty = 0\cdot(+\infty)0⋅∞0\cdot\infty

等价无穷小#

全部是 x→0x \to 0 时的结论:

无穷小等价于无穷小等价于
sin⁡x\sin xxxex−1e^{x} - 1xx
tan⁡x\tan xxxax−1a^{x} - 1xln⁡ax\ln a
arcsin⁡x\arcsin xxxln⁡(1+x)\ln(1 + x)xx
arctan⁡x\arctan xxxlog⁡a(1+x)\log_a(1+x)xln⁡a\dfrac{x}{\ln a}
1−cos⁡x1 - \cos xx22\dfrac{x^{2}}{2}(1+x)α−1(1+x)^{\alpha} - 1αx\alpha x
x−sin⁡xx - \sin xx36\dfrac{x^{3}}{6}tan⁡x−x\tan x - xx33\dfrac{x^{3}}{3}
sinh⁡x\sinh xxxtanh⁡x\tanh xxx
cosh⁡x−1\cosh x - 1x22\dfrac{x^{2}}{2}arcsin⁡x−x\arcsin x - xx36\dfrac{x^{3}}{6}

使用铁律:

  • 只能对乘除因子整体替换;
  • 加减项不能替换,低阶项抵消时必须先提公因式化减为乘。

无穷小、无穷大与阶#

lim⁡x→x0f(x)=A  ⟺  f(x)=A+α(x),α 为无穷小\lim_{x\to x_0} f(x) = A \iff f(x) = A + \alpha(x),\quad \alpha \text{ 为无穷小}
  • 有限个无穷小的和、积仍是无穷小;
  • 常数 × 无穷小 = 无穷小;
  • 有界函数 × 无穷小 = 无穷小;
  • f(x)≠0f(x) \neq 0 时:ff 是无穷大   ⟺  1f\iff \dfrac{1}{f} 是无穷小。

阶的定义(α,β\alpha, \beta 同为无穷小,β≠0\beta \neq 0):

lim⁡αβ\lim\dfrac{\alpha}{\beta}结论记号
00α\alpha 是 β\beta 的高阶无穷小α=o(β)\alpha = o(\beta)
∞\inftyα\alpha 是 β\beta 的低阶无穷小—
c≠0c \neq 0同阶无穷小α=O(β)\alpha = O(\beta)
11等价无穷小α∼β\alpha \sim \beta

若 lim⁡αβk=c≠0\lim\dfrac{\alpha}{\beta^{k}} = c \neq 0,则 α\alpha 是 β\beta 的 kk 阶无穷小。

连续与间断点#

连续的三要素(缺一不可):

lim⁡x→x0f(x)=f(x0)\lim_{x\to x_0} f(x) = f(x_0)
  1. f(x0)f(x_0) 有定义;2. 极限存在且有限;3. 两者相等。
f 在 x0 连续  ⟺  f 既左连续又右连续f \text{ 在 } x_0 \text{ 连续} \iff f \text{ 既左连续又右连续}

关系链(箭头不可逆):

可导  ⟹  连续  ⟹  有极限\text{可导} \;\Longrightarrow\; \text{连续} \;\Longrightarrow\; \text{有极限}

间断点分类:

类型判据细分
第一类左右极限都是有限数左 == 右 ≠f(x0)\neq f(x_0)(或 f(x0)f(x_0) 无定义)⇒\Rightarrow 可去
左 ≠\neq 右 ⇒\Rightarrow 跳跃
第二类至少一侧极限不存在趋于 ∞\infty ⇒\Rightarrow 无穷
来回振荡 ⇒\Rightarrow 振荡

求导基本公式表#

函数导数函数导数
CC(常数)00sin⁡x\sin xcos⁡x\cos x
xμx^{\mu}μxμ−1\mu x^{\mu-1}cos⁡x\cos x−sin⁡x-\sin x
axa^{x}axln⁡aa^{x}\ln atan⁡x\tan xsec⁡2x\sec^{2}x
exe^{x}exe^{x}cot⁡x\cot x−csc⁡2x-\csc^{2}x
log⁡ax\log_a x1xln⁡a\dfrac{1}{x\ln a}sec⁡x\sec xsec⁡xtan⁡x\sec x\tan x
ln⁡x\ln x1x\dfrac{1}{x}csc⁡x\csc x−csc⁡xcot⁡x-\csc x\cot x
arcsin⁡x\arcsin x11−x2\dfrac{1}{\sqrt{1-x^{2}}}sinh⁡x\sinh xcosh⁡x\cosh x
arccos⁡x\arccos x−11−x2-\dfrac{1}{\sqrt{1-x^{2}}}cosh⁡x\cosh xsinh⁡x\sinh x
arctan⁡x\arctan x11+x2\dfrac{1}{1+x^{2}}tanh⁡x\tanh x1cosh⁡2x\dfrac{1}{\cosh^{2}x}
arccot⁡x\operatorname{arccot} x−11+x2-\dfrac{1}{1+x^{2}}coth⁡x\coth x−1sinh⁡2x-\dfrac{1}{\sinh^{2}x}

记忆线索:带 co 的三角函数求导都带负号;双曲函数求导比三角函数少一个负号,唯一例外是 coth⁡\coth。

求导运算法则#

四则运算:

(u±v)′=u′±v′(u \pm v)' = u' \pm v' (uv)′=u′v+uv′(uv)' = u'v + uv' (uv)′=u′v−uv′v2\left(\frac{u}{v}\right)' = \frac{u'v - uv'}{v^{2}}

复合函数(链式法则):

dydx=f′(u)⋅g′(x)=dydu⋅dudx\frac{dy}{dx} = f'(u)\cdot g'(x) = \frac{dy}{du}\cdot\frac{du}{dx}

反函数:

dxdy=1dydx[f−1(y)]′=1f′(x)(f′(x)≠0)\frac{dx}{dy} = \frac{1}{\dfrac{dy}{dx}} \qquad \left[f^{-1}(y)\right]' = \frac{1}{f'(x)} \qquad (f'(x) \neq 0)

隐函数 F(x,y)=0F(x,y) = 0:

dydx=−FxFy\frac{dy}{dx} = -\frac{F_x}{F_y}

(实操:两边对 xx 求导,遇到 yy 多乘一个 y′y',再解出来。)

参数方程 x=φ(t), y=ψ(t)x = \varphi(t),\ y = \psi(t):

dydx=ψ′(t)φ′(t)\frac{dy}{dx} = \frac{\psi'(t)}{\varphi'(t)} d2ydx2=ψ′′(t)φ′(t)−ψ′(t)φ′′(t)[φ′(t)]3=ddt(dydx)φ′(t)\frac{d^{2}y}{dx^{2}} = \frac{\psi''(t)\varphi'(t) - \psi'(t)\varphi''(t)}{\left[\varphi'(t)\right]^{3}} = \frac{\dfrac{d}{dt}\left(\dfrac{dy}{dx}\right)}{\varphi'(t)}

陷阱:d2ydx2≠ψ′′φ′′\dfrac{d^{2}y}{dx^{2}} \ne \dfrac{\psi''}{\varphi''}。记不住长公式就用右边那个等价写法:对 tt 求导,再除以 φ′(t)\varphi'(t)。

幂指函数 y=uvy = u^{v}(u>0u > 0):

(uv)′=uv(v′ln⁡u+v u′u)\left(u^{v}\right)' = u^{v}\left(v'\ln u + \frac{v\,u'}{u}\right)

对数求导法:y=u1u2⋯v1v2⋯y = \dfrac{u_1 u_2 \cdots}{v_1 v_2 \cdots} 型,先取 ln⁡\ln 再两边求导:

y′y=u1′u1+u2′u2−v1′v1−v2′v2\frac{y'}{y} = \frac{u_1'}{u_1} + \frac{u_2'}{u_2} - \frac{v_1'}{v_1} - \frac{v_2'}{v_2}

高阶导数公式#

(eax)(n)=aneax\left(e^{ax}\right)^{(n)} = a^{n}e^{ax} (ax)(n)=ax(ln⁡a)n\left(a^{x}\right)^{(n)} = a^{x}\left(\ln a\right)^{n} (sin⁡x)(n)=sin⁡(x+nπ2),(cos⁡x)(n)=cos⁡(x+nπ2)\left(\sin x\right)^{(n)} = \sin\left(x + \frac{n\pi}{2}\right), \qquad \left(\cos x\right)^{(n)} = \cos\left(x + \frac{n\pi}{2}\right) (xm)(n)={m(m−1)⋯(m−n+1) xm−n,n≤m0,n>m\left(x^{m}\right)^{(n)} = \begin{cases} m(m-1)\cdots(m-n+1)\,x^{m-n}, & n \le m \\[4pt] 0, & n > m \end{cases} (ln⁡x)(n)=(−1)n−1(n−1)!xn\left(\ln x\right)^{(n)} = \frac{(-1)^{n-1}(n-1)!}{x^{n}} (1a+x)(n)=(−1)n n!(a+x)n+1\left(\frac{1}{a+x}\right)^{(n)} = \frac{(-1)^{n}\,n!}{(a+x)^{n+1}}

莱布尼茨公式:

(uv)(n)=∑k=0n(nk) u(n−k) v(k)(uv)^{(n)} = \sum_{k=0}^{n}\binom{n}{k}\,u^{(n-k)}\,v^{(k)}

实用口诀:把求导后会变 00 的因子放在 vv 位,求和自动截断。

微分公式#

dy=f′(x) dxdy = f'(x)\,dx Δy=A Δx+o(Δx)⟺f 可微⟺f 可导\Delta y = A\,\Delta x + o(\Delta x) \quad\Longleftrightarrow\quad f \text{ 可微} \quad\Longleftrightarrow\quad f \text{ 可导}

一阶微分形式不变性(uu 是自变量或中间变量都成立):

dy=f′(u) dudy = f'(u)\,du

微分法则:

d(u±v)=du±dvd(u \pm v) = du \pm dv d(uv)=u dv+v dud(uv) = u\,dv + v\,du d(uv)=v du−u dvv2d\left(\frac{u}{v}\right) = \frac{v\,du - u\,dv}{v^{2}}

近似计算与误差估计:

f(x0+Δx)≈f(x0)+f′(x0) Δxf(x_0 + \Delta x) \approx f(x_0) + f'(x_0)\,\Delta x ∣Δy∣≈∣dy∣=∣f′(x0)∣ ∣Δx∣\lvert \Delta y\rvert \approx \lvert dy\rvert = \lvert f'(x_0)\rvert\,\lvert \Delta x\rvert

常用近似式(∣x∣\lvert x\rvert 很小):

ex≈1+x,ln⁡(1+x)≈x,sin⁡x≈x,tan⁡x≈xe^{x} \approx 1 + x, \qquad \ln(1+x) \approx x, \qquad \sin x \approx x, \qquad \tan x \approx x (1+x)α≈1+αx,1+x≈1+x2(1+x)^{\alpha} \approx 1 + \alpha x, \qquad \sqrt{1+x} \approx 1 + \frac{x}{2}

双曲函数#

定义:

sinh⁡x=ex−e−x2,cosh⁡x=ex+e−x2\sinh x = \frac{e^{x} - e^{-x}}{2}, \qquad \cosh x = \frac{e^{x} + e^{-x}}{2} tanh⁡x=sinh⁡xcosh⁡x,coth⁡x=cosh⁡xsinh⁡x\tanh x = \frac{\sinh x}{\cosh x}, \qquad \coth x = \frac{\cosh x}{\sinh x}

核心恒等式:

cosh⁡2x−sinh⁡2x=1\cosh^{2}x - \sinh^{2}x = 1 1−tanh⁡2x=1cosh⁡2x,coth⁡2x−1=1sinh⁡2x1 - \tanh^{2}x = \frac{1}{\cosh^{2}x}, \qquad \coth^{2}x - 1 = \frac{1}{\sinh^{2}x}

和角公式(注意 cosh⁡\cosh 那条的符号是 ++):

sinh⁡(x±y)=sinh⁡xcosh⁡y±cosh⁡xsinh⁡y\sinh(x \pm y) = \sinh x\cosh y \pm \cosh x\sinh y cosh⁡(x±y)=cosh⁡xcosh⁡y±sinh⁡xsinh⁡y\cosh(x \pm y) = \cosh x\cosh y \pm \sinh x\sinh y

倍角公式:

sinh⁡2x=2sinh⁡xcosh⁡x\sinh 2x = 2\sinh x\cosh x cosh⁡2x=cosh⁡2x+sinh⁡2x=2cosh⁡2x−1=2sinh⁡2x+1\cosh 2x = \cosh^{2}x + \sinh^{2}x = 2\cosh^{2}x - 1 = 2\sinh^{2}x + 1

反双曲函数:

arsinh⁡x=ln⁡(x+x2+1),x∈R\operatorname{arsinh} x = \ln\left(x + \sqrt{x^{2} + 1}\right), \qquad x \in \mathbb{R} arcosh⁡x=ln⁡(x+x2−1),x≥1\operatorname{arcosh} x = \ln\left(x + \sqrt{x^{2} - 1}\right), \qquad x \ge 1 artanh⁡x=12ln⁡1+x1−x,∣x∣<1\operatorname{artanh} x = \frac{1}{2}\ln\frac{1 + x}{1 - x}, \qquad \lvert x\rvert < 1

反双曲函数的导数(积分时常用):

(arsinh⁡x)′=1x2+1\left(\operatorname{arsinh} x\right)' = \frac{1}{\sqrt{x^{2} + 1}} (arcosh⁡x)′=1x2−1(x>1)\left(\operatorname{arcosh} x\right)' = \frac{1}{\sqrt{x^{2} - 1}} \qquad (x > 1) (artanh⁡x)′=11−x2(∣x∣<1)\left(\operatorname{artanh} x\right)' = \frac{1}{1 - x^{2}} \qquad (\lvert x\rvert < 1)

切线与法线、渐近线#

切线(点 (x0,f(x0))(x_0, f(x_0)),斜率 k=f′(x0)k = f'(x_0)):

y−f(x0)=f′(x0)(x−x0)y - f(x_0) = f'(x_0)\left(x - x_0\right)

法线(当 f′(x0)≠0f'(x_0) \neq 0):

y−f(x0)=−1f′(x0)(x−x0)y - f(x_0) = -\frac{1}{f'(x_0)}\left(x - x_0\right)

三种渐近线:

类型条件方程
竖直lim⁡x→x0f(x)=∞\lim\limits_{x\to x_0} f(x) = \inftyx=x0x = x_0
水平lim⁡x→±∞f(x)=b\lim\limits_{x\to \pm\infty} f(x) = by=by = b
斜k=lim⁡x→∞f(x)xk = \lim\limits_{x\to\infty}\dfrac{f(x)}{x},b=lim⁡x→∞[f(x)−kx]b = \lim\limits_{x\to\infty}\left[f(x) - kx\right] 都存在y=kx+by = kx + b

洛必达法则#

三个条件(缺一不可):

  1. 型必须是 00\dfrac{0}{0} 或 ∞∞\dfrac{\infty}{\infty};
  2. x0x_0 的去心邻域内 f′(x)f'(x)、g′(x)g'(x) 存在,且 g′(x)≠0g'(x) \neq 0;
  3. lim⁡f′(x)g′(x)\lim\dfrac{f'(x)}{g'(x)} 存在(或为 ∞\infty)。

满足时:

lim⁡x→x0f(x)g(x)=lim⁡x→x0f′(x)g′(x)\lim_{x\to x_0}\frac{f(x)}{g(x)} = \lim_{x\to x_0}\frac{f'(x)}{g'(x)}

可以连续使用,但每用一次都必须重新验型。

三条红线:

  • 条件 3 是充分不必要的:lim⁡f′g′\lim\dfrac{f'}{g'} 不存在,推不出 lim⁡fg\lim\dfrac{f}{g} 不存在(反例 lim⁡x→+∞x+sin⁡xx=1\lim\limits_{x\to+\infty}\dfrac{x+\sin x}{x} = 1,但 (1+cos⁡x)(1+\cos x) 无极限);
  • 数列极限不能用,nn 是离散的不可导;
  • 总之,先等价无穷小替换,再验型后才能使用洛必达。

洛必达:各种未定式怎么化成能用的型#

洛必达只吃 00\dfrac{0}{0} 和 ∞∞\dfrac{\infty}{\infty},其余全是”先变形再洛必达”。

未定式变形手法化完是什么
00\dfrac{0}{0}、∞∞\dfrac{\infty}{\infty}直接用—
0⋅∞0\cdot\infty把其中一个因子搬到分母,写成 f1/g\dfrac{f}{1/g}00\dfrac{0}{0} 或 ∞∞\dfrac{\infty}{\infty}
∞−∞\infty - \infty通分,或先提公因式00\dfrac{0}{0}
1∞1^{\infty}取对数 ln⁡y=vln⁡u\ln y = v\ln u00\dfrac{0}{0} 或 ∞∞\dfrac{\infty}{\infty}
000^{0}同上,y=evln⁡uy = e^{v\ln u}同上
∞0\infty^{0}同上同上

三个操作要点:

  • 0⋅∞0\cdot\infty 搬谁下去:搬”求导后会变简单”的那个。例:xln⁡xx\ln x 要把 xx 搬到分母成 1x\dfrac{1}{x},求导后得 −1x2-\dfrac{1}{x^{2}},正好把分子里的 1x\dfrac{1}{x} 约掉;
  • ∞−∞\infty - \infty 先通分,通完通常自动降级成 00\dfrac{0}{0};含根号的先有理化;
  • 幂指型一律取对数,把指数拉下来变成乘积,此时极限记为 AA,原极限是 eAe^{A}。

未定式与对应手法#

型手法
00\dfrac{0}{0}因式分解约分 / 有理化 / 通分 / 等价无穷小 / 洛必达
∞∞\dfrac{\infty}{\infty}抓大放小(同除最高次幂)/ 洛必达
∞−∞\infty - \infty分式相减先通分;含根号先有理化
0⋅∞0\cdot\infty化成分式转成 00\dfrac{0}{0} 或 ∞∞\dfrac{\infty}{\infty}
1∞1^{\infty}底拆成 1+u1+u,答案 elim⁡uve^{\lim uv}
000^{0}写 evln⁡ue^{v\ln u},先算 vln⁡uv\ln u
∞0\infty^{0}同上,evln⁡ue^{v\ln u}

Notes

Docs