企业官网建设流程全解析

算到第三阶还很顺，第四阶系数突然对不上——这是很多人接触高阶导数求法时遇到的第一道坎。逐阶往下算当然能算，问题是算到第八阶、第十阶时，草稿纸已经写满，而你要的其实是一个能直接代入 n 的通项。高阶导数归纳法解决的正是这件事：从有限几阶的结果里看出结构，把结构写成含 n 的表达式，再用数学归纳法把它锁死。这篇内容面向正在啃一元微积分、准备考试或者要处理工程近似展开的读者，也适合已经会用公式但总在细节上翻车的人。下面我把这套方法拆成"什么时候用、骨架长什么样、乘积怎么办、公式套不上怎么办、怎么验算、哪里最容易错"六个部分，每一部分都给出可以直接照着复现的推导和代码。

1. 逐阶求导在第四阶开始失控：归纳法到底解决什么问题

1.1 归纳法的真实身份是表达式压缩，不是求导手段

很多人把归纳法理解成"多求几次导找规律"，这个理解只说对了一半。求导本身是机械动作，n 阶导数就是把求导算子连续作用 n 次，理论上永远算得出来。真正困难的是把结果压缩成一个关于 n 的封闭表达式，让 n = 100 时你也能一行写出来。

所以归纳法的定位应该这样理解：它是一种"结构识别 + 严格证明"的组合技术。识别阶段靠手算前三四阶，观察系数怎么变、符号怎么转、函数形式有没有平移；证明阶段用数学归纳法把猜想固定下来。这两步缺一不可，只有识别没有证明，在考试里拿不到分，在工程里也可能埋雷。

还有一个容易被忽略的前提：能写出简洁 n 阶导数通项的函数其实是一小类。指数函数、三角函数、幂函数、对数函数、有理函数，以及它们的线性组合与有限次乘积，基本就这些。像 $e^{x^2}$、$\ln(1+x^2)$、$\arctan x$ 这类，它的 n 阶导数没有初等闭式，硬套归纳法是走不通的，得换递推或者幂级数的路子。先把这条边界记牢，能省掉大量无效尝试。

1.2 三个信号帮你判断这道题该不该走归纳路线

我自己做题时会快速扫三个特征，只要中了两条以上，基本就可以动笔归纳了。

第一个信号：函数能拆成基本骨架的线性组合。典型的是 $\sin^2 x$、$\cos^3 x$ 这类三角幂，先用降幂公式或者和差化积把它变成若干倍角的线性组合，每一项都是标准骨架，求导立刻变成机械操作。同理 $\frac{1}{x^2-1}$ 这种有理式，先拆部分分式，也能落到骨架里。

第二个信号：逐阶求导后系数的变化是"每阶乘同一个因子"或"乘一个与阶数线性相关的因子"。前者说明有指数底数或链式因子，后者说明是幂函数或者对数造成的阶乘账本。比如你算出来 $1, 3, 15, 105$，一眼就能看出是 $1\cdot3\cdot5\cdot7$ 这种奇数连乘；算出来 $1, 2, 6, 24$，那就是阶乘。

第三个信号：结果出现相位平移或者 $(-1)^n$ 的符号交替。相位平移是三角函数的标志，符号交替通常来自负指数或者倒数型的分母。看到这两样，通项的形状基本就定下来了。

反过来，如果逐阶算下去项数越来越多、结构越来越散（比如 $\ln(1+x+x^2)$ 这种），说明它不在骨架集合里，趁早换方法，别在归纳法上耗时间。

1.3 猜出通项之后必须补上的那一步

猜出通项只是完成了一半。规范的归纳证明有三段：先验证起始阶（通常是 $n=1$，有些题目从 $n=2$ 开始，要看清楚题目从哪一阶定义），再假设 $n=k$ 时成立，最后用它推出 $n=k+1$ 时的形式。

关键细节在于递推那一步：必须拿假设的通项形式去求导，而不是重新逐阶硬算。举个例子，$y=e^x\sin x$，前几阶算出来是

$$y'=\sqrt2,e^x\sin\left(x+\frac{\pi}{4}\right),\quad y''=2e^x\sin\left(x+\frac{\pi}{2}\right)$$

猜想 $y^{(n)}=(\sqrt2)^n e^x\sin\left(x+\frac{n\pi}{4}\right)$。归纳步这样写：

$$y^{(k+1)}=\left[(\sqrt2)^k e^x\sin\left(x+\frac{k\pi}{4}\right)\right]'=(\sqrt2)^k e^x\left[\sin\left(x+\frac{k\pi}{4}\right)+\cos\left(x+\frac{k\pi}{4}\right)\right]$$

括号里的两项用辅助角公式合并成 $\sqrt2\sin\left(x+\frac{k\pi}{4}+\frac{\pi}{4}\right)$，于是

$$y^{(k+1)}=(\sqrt2)^{k+1}e^x\sin\left(x+\frac{(k+1)\pi}{4}\right)$$

归纳完成。整个过程中没有再做任何"找规律"的动作，纯粹是形式推导，这也是归纳证明和猜测的区别所在。

这里有个我踩过的坑：通项一定要写成对起始阶也成立的形式。对数函数的公式如果写成 $(-1)^n n!/x^{n+1}$ 就错了，正确的是 $(-1)^{n-1}(n-1)!/x^n$，而这个形式恰好对 $n=1$ 成立。写通项时顺手代 $n=1$ 回验一遍，能挡掉大部分符号错误。

2. 六类基本函数的 n 阶导数骨架，以及它们各自的记忆逻辑

2.1 指数族：$a^n$ 这个因子是链式法则留下的账

$e^{ax+b}$ 每求一次导，链式法则就从指数里拽出一个 $a$，求 $n$ 次就是 $n$ 个 $a$ 相乘：

$$\left(e^{ax+b}\right)^{(n)}=a^n e^{ax+b}$$

这个式子几乎不会错，但换成 $a^x$ 就有人翻车。记住换底这层关系：$a^x=e^{x\ln a}$，套上面的公式，把 $a$ 替换成 $\ln a$，得到

$$\left(a^x\right)^{(n)}=a^x(\ln a)^n$$

注意底数的 $a$ 原样保留，乘上去的是 $(\ln a)^n$。我见过不少人在这一步写成 $a^n(\ln a)^n$ 或者 $a^x\ln^n a$ 之外的奇怪形式，本质是没搞清"谁是链式因子、谁是原函数"。

指数族还有个容易被忽视的用法：任何形如 $e^{ax+b}P(x)$ 的函数，求导后结构不变，还是 $e^{ax+b}$ 乘一个同次多项式。这个封闭性让人很舒服，也是莱布尼茨公式能秒出结果的根本原因。

2.2 三角函数：相位 $n\pi/2$ 从哪来

正弦和余弦的高阶导数可以统一看成相位旋转：

$$\left(\sin x\right)^{(n)}=\sin\left(x+\frac{n\pi}{2}\right),\qquad \left(\cos x\right)^{(n)}=\cos\left(x+\frac{n\pi}{2}\right)$$

为什么是 $n\pi/2$ 而不是 $n\pi$？用旋转的语言解释最直观。每求一次导，相当于在复平面上把向量逆时针转 $90^\circ$，而 $90^\circ=\pi/2$。求 $n$ 次导，就转 $n$ 个 $90^\circ$，所以总相位是 $n\pi/2$。$n=1$ 时 $\sin(x+\pi/2)=\cos x$，正好对上；$n=2$ 时 $\sin(x+\pi)=\sin x$，也对的。

带频率的版本再多一个振幅因子：

$$\left(\sin(ax+b)\right)^{(n)}=a^n\sin\left(ax+b+\frac{n\pi}{2}\right)$$

这里 $a^n$ 和相位 $n\pi/2$ 是两个独立的账，别混。频率 $a$ 每求一次导贡献一个系数，相位每求一次导推进 $\pi/2$，二者互不干扰。

如果遇到 $A\sin\omega x+B\cos\omega x$ 这种混合形式，先用辅助角公式合并成 $R\sin(\omega x+\varphi)$，其中 $R=\sqrt{A^2+B^2}$，$\tan\varphi=B/A$。合并之后再求导，只需要处理相位和振幅，比逐项套公式干净得多。

2.3 幂函数、对数与有理式：阶乘账本与符号交替

幂函数的高阶导数是掉阶乘的过程：

$$\left(x^m\right)^{(n)}=m(m-1)\cdots(m-n+1)x^{m-n}$$

这里有一个边界必须讲清楚：当 $m$ 是正整数且 $n>m$ 时，结果恒为 $0$。因为某一阶求导时会把那个常数项打成零，后面的导数全是零。但如果 $m$ 是分数或者负数（比如 $x^{1/2}$、$x^{-2}$），$n>m$ 时并不为零，公式照样成立，只是要留意定义域。

对数函数要先求一次导，把问题转化成倒数型：

$$\left(\ln x\right)^{(n)}=\frac{(-1)^{n-1}(n-1)!}{x^n},\qquad \left(\ln(ax+b)\right)^{(n)}=\frac{(-1)^{n-1}(n-1)!,a^n}{(ax+b)^n}$$

倒数型是最常考的一类：

$$\left(\frac{1}{ax+b}\right)^{(n)}=\frac{(-1)^n n!,a^n}{(ax+b)^{n+1}}$$

$$\left(\frac{1}{(ax+b)^k}\right)^{(n)}=\frac{(-1)^n (n+k-1)!,a^n}{(k-1)!,(ax+b)^{n+k}}$$

最后这个式子看着吓人，其实来源很简单：它就是把 $-(n+k-1)$ 次的幂函数公式整理一下得到的，分子上的 $(n+k-1)!/(k-1)!$ 是从 $k$ 开始的 $n$ 个连续整数连乘。

符号规律可以这样记：奇数次求导后是负号（对应 $(-1)^n$ 中的 $n$ 为奇数），偶数次是正号；而对数因为先求过一次导才进入倒数形式，所以符号整体错开一位，变成 $(-1)^{n-1}$。

2.4 一张能直接照着套的速查表

下面这张表是我自己整理后长期在用的版本，覆盖了绝大多数题目。

用一句话概括记忆逻辑：指数带底幂，三角转相位，幂函数掉阶乘，倒数交替号，对数错一位。这二十来个字能覆盖表里八成的情况，剩下的靠推导补。

3. 莱布尼茨公式：乘积型高阶导数的分配策略

3.1 二项式系数为什么会出现

两个函数乘积求一次导，是"你导我不导，我导你不导"两种分配；求两次导，每一种分配又能再分出两支，总共三种不同组合（其中两个是同类的）。这个分支结构和二项式展开完全同构，于是有

$$(uv)^{(n)}=\sum_{k=0}^{n}C_n^k,u^{(k)}v^{(n-k)}$$

把它和二项式定理 $(a+b)^n=\sum C_n^k a^k b^{n-k}$ 摆在一起看，差别只在于把"乘几次"换成了"求几阶导"。所以系数的规律不需要单独记，二项式系数怎么来，它就怎么来。

这个公式的实际价值在于：它把一个乘积的高阶导数，拆成若干个"各自单独求导"的项之和。只要你手上的两个因子都有简洁的 n 阶导数，乘积就能算。

3.2 选哪一端作为项数有限的因子，决定计算量

公式里 $k$ 从 $0$ 跑到 $n$，一共 $n+1$ 项，看起来工作量没减少。真正的威力在于：如果其中一个因子是多项式，它的高阶导数很快就会变成零，求和实际上只有少数几项。

具体操作是把多项式放到 $u$ 的位置，让它承担 $k$ 阶导数，而把超越函数放到 $v$ 的位置承担 $n-k$ 阶导数。设 $u=P_m(x)$ 是 $m$ 次多项式，则

$$(P_m v)^{(n)}=\sum_{k=0}^{\min(n,m)}C_n^k,P_m^{(k)}(x),v^{(n-k)}$$

求和上限从 $n$ 降到 $\min(n,m)$。多项式次数越低，项数越少。一次多项式只剩两项，二次只剩三项，这也是为什么出题人特别喜欢配 $x$、$x^2$、$x^3$ 这种低次因子。

3.3 多项式乘超越函数的通用模板

以 $y=x^2e^{-x}$ 为例走一遍完整流程。取 $u=x^2$，$v=e^{-x}$，则 $u'=2x$，$u''=2$，$u'''=0$；$v^{(n-k)}=(-1)^{n-k}e^{-x}$。

$$y^{(n)}=C_n^0x^2(-1)^ne^{-x}+C_n^12x(-1)^{n-1}e^{-x}+C_n^22(-1)^{n-2}e^{-x}$$

把 $(-1)^{n-1}=-(-1)^n$、$(-1)^{n-2}=(-1)^n$ 代进去，提取公因子：

$$y^{(n)}=(-1)^ne^{-x}\left[x^2-2nx+n(n-1)\right]$$

代 $n=1$ 验证：$(-1)e^{-x}(x^2-2x+0)=-e^{-x}(x^2-2x)$，而直接求导 $y'=2xe^{-x}-x^2e^{-x}=e^{-x}(2x-x^2)$，两者相等。代 $n=2$ 验证也一致。这样的自检用不上十秒钟，但能挡掉系数和符号上的大部分错误。

同样的思路可以处理 $x^3\ln x$、$x^2\sin x$、$x\cos 2x$ 等等。只要是"多项式 × 标准骨架"，就是莱布尼茨的直接应用场景，不需要考虑别的办法。

3.4 一个高频错误：$k$ 的起点和符号方向

我在批改别人作业时发现，莱布尼茨公式的错误几乎集中在两处。

第一处是把 $u$ 和 $v$ 的位置搞反。如果写成 $(x^2e^{-x})^{(n)}=\sum C_n^k(x^2)^{(n-k)}(e^{-x})^{(k)}$，形式上没错，但此时多项式承担的是 $n-k$ 阶导数，只有 $k$ 接近 $n$ 的几项才非零，求和范围要靠下标变换处理，很容易漏项或者重项。养成"多项式的导数阶数用 $k$ 表示、求和从 $k=0$ 到其次数"的固定习惯，就绕开了这个问题。

第二处是符号指数写错。$e^{-x}$ 的 $n-k$ 阶导数是 $(-1)^{n-k}e^{-x}$，不是 $(-1)^ne^{-x}$，也不是 $(-1)^ke^{-x}$。一旦这里写错，后面所有的符号调整都会连锁出错。我的做法是每次提取公因子时先把 $(-1)^{n-k}$ 统一改写成 $(-1)^n(-1)^{-k}$，再用 $(-1)^{-k}=(-1)^k$ 化简，这样符号只会以一种统一形式出现，不容易乱。

4. 公式套不上时的三条兜底路线

4.1 用原函数满足的微分方程造递推

有些函数的高阶导数没有干净的闭式，但相邻几阶之间有关系。做法是：找一个低阶的微分方程，然后对等式两边连续求导，把 $y^{(n)}$ 逼出来。经典例子是 $y=\arctan x$。

先求一次导：$y'=\dfrac{1}{1+x^2}$，整理成 $(1+x^2)y'=1$。对这个等式两边求 $n-1$ 阶导数，用莱布尼茨：

$$(1+x^2)y^{(n)}+C_{n-1}^1(2x)y^{(n-1)}+C_{n-1}^2\cdot2\cdot y^{(n-2)}=0$$

化简得到

$$(1+x^2)y^{(n)}+2(n-1)xy^{(n-1)}+(n-1)(n-2)y^{(n-2)}=0$$

这就是一个纯递推关系，只需要知道前两阶的值，就能一路推上去。在 $x=0$ 处代入，第一项和第三项的系数里 $x=0$，于是 $y^{(n)}(0)+(n-1)(n-2)y^{(n-2)}(0)=0$，即

$$y^{(n)}(0)=-(n-1)(n-2)y^{(n-2)}(0)$$

从 $y(0)=0$、$y'(0)=1$ 出发，偶数阶在 $0$ 处全为 $0$，奇数阶递推得到 $y^{(2k+1)}(0)=(-1)^k(2k)!$。这个结果和后面用幂级数算出来的完全一致，是一次很好的交叉验证。

值得强调的是，这条路线在工程里用得比考试还多。碰到没有闭式的函数，别硬刚通项，先看它满足什么低阶方程，这往往比逐阶求导划算得多。

4.2 有理函数先拆分再逐项求导

有理函数的高阶导数，标准动作是三步：假分式先做多项式除法，真分式做部分分式分解，最后逐项套骨架公式。

以 $y=\dfrac{1}{x^2-1}$ 为例。部分分式分解得

$$\frac{1}{x^2-1}=\frac12\left(\frac{1}{x-1}-\frac{1}{x+1}\right)$$

每一项都是标准的倒数型，于是

$$y^{(n)}=\frac{(-1)^nn!}{2}\left[\frac{1}{(x-1)^{n+1}}-\frac{1}{(x+1)^{n+1}}\right]$$

再看一个假分式的例子 $y=\dfrac{x}{1-x}$。先做除法：$\dfrac{x}{1-x}=-1+\dfrac{1}{1-x}$。常数求一次导就归零，剩下 $\dfrac{1}{1-x}$ 的 $n$ 阶导数是 $\dfrac{n!}{(1-x)^{n+1}}$（注意这里分母是 $1-x$，每求一次导会多出一个 $-1$，和 $1-x$ 求导的 $-1$ 抵消，所以没有符号交替）。所以 $n\ge1$ 时 $y^{(n)}=\dfrac{n!}{(1-x)^{n+1}}$。

重根的情况要单独处理，比如 $\dfrac{1}{(x-1)^2}$，直接套 $1/(ax+b)^k$ 的公式，此时 $a=1$、$k=2$，得到 $\dfrac{(-1)^n(n+1)!}{(x-1)^{n+2}}$。别试图把它拆成两个一次因式，拆不开的。

还有一个坑：$x^2+1$ 这种在实数范围内不可约的二次因式拆不了，此时要么用复数根分解，要么退回递推路线。

4.3 借泰勒展开反推单点处的 n 阶导数

如果只关心某个点（通常是 $x=0$）的 $n$ 阶导数值，而不要通项表达式，泰勒展开往往是最快的路。

原理就是那条约定的系数关系：$f(x)=\sum_{n\ge0}\dfrac{f^{(n)}(0)}{n!}x^n$，所以 $x^n$ 的系数乘上 $n!$ 就是 $f^{(n)}(0)$。

例子：$f(x)=x^3e^x$。把 $e^x$ 展开成 $\sum x^k/k!$，整体就是 $\sum x^{k+3}/k!$。当 $n=k+3$ 且 $n\ge3$ 时，$x^n$ 的系数是 $\dfrac{1}{(n-3)!}$，于是

$$f^{(n)}(0)=\frac{n!}{(n-3)!}=n(n-1)(n-2)$$

$n<3$ 时系数为 $0$，这一点也和直接求导的结果吻合。

再回到 $\arctan x$。它的麦克劳林展开是 $\sum_{k\ge0}\dfrac{(-1)^k}{2k+1}x^{2k+1}$，所以 $x^{2k+1}$ 的系数是 $\dfrac{(-1)^k}{2k+1}$，乘上 $(2k+1)!$ 得

$$f^{(2k+1)}(0)=(-1)^k(2k)!$$

和递推法的结果一字不差。这个一致性不是巧合，而是两种表示方式在同一个函数上的必然吻合，用它来检验自己的推导再合适不过。

用这条路线的限制也很明确：只能求单点的值，给不出通项函数；而且展开必须收敛到原点附近，超出收敛半径就不成立。

5. 符号计算交叉验证：我自己的一套三步验算法

5.1 第一步：低阶手算对齐

不管用什么方法得到通项，先手算 $n=1$、$n=2$、$n=3$ 三阶，逐项和通项代入的结果比对。这一步的重点不是检查数值，而是检查形式是否一致：把通项代 $n=3$ 得到的表达式展开，看能否和手算结果整理成同一个样子。

我一般会特别关注三类细节：系数中有没有漏掉链式因子 $a^n$；符号的指数是不是 $n$ 而不是 $n-1$；通项在 $n=0$ 时能不能退化成原函数（有些公式天然不满足这一条，比如对数型要求 $n\ge1$，这不算错，但要有意识地区分）。

5.2 第二步：写一段代码把通项和逐阶求导对拍

手算只能覆盖低阶，高阶用符号计算对拍效率高得多。Python 的 sympy 足够应付这一类验证。

import sympy as sp x = sp.symbols('x') # 待验证函数与猜测的通项 f = sp.exp(x) * sp.sin(x) guess = lambda n: (sp.sqrt(2))**n * sp.exp(x) * sp.sin(x + n*sp.pi/4) for n in range(1, 9): lhs = sp.diff(f, x, n) rhs = guess(n) ok = sp.simplify(lhs - rhs) == 0 print(n, ok)

输出全为True就说明通项在 $n=1$ 到 $8$ 范围内成立。如果要验证莱布尼茨公式的展开是否正确，可以这样写：

import sympy as sp x = sp.symbols('x') u, v = sp.exp(-x), x**2 n = 6 lhs = sp.diff(u*v, x, n) rhs = sum(sp.binomial(n, k)*sp.diff(u, x, k)*sp.diff(v, x, n-k) for k in range(n+1)) print(sp.simplify(lhs - rhs))

两个细节值得提醒。其一，sp.simplify对含三角函数的表达式有时化不干净，返回一个非零但实际等价的结果，这时改用sp.trigsimp或者直接调用expr.equals(0)，后者会做数值抽样比较，更稳。其二，验证范围不要只取一两个 $n$，至少跑到 $n=8$，因为很多错误的规律在前三四阶是看不出来的。

5.3 第三步：边界与特值抽检

代码对拍通过之后，再补两个动作。

一个是边界阶数。比如幂函数的公式在 $n>m$ 时应该归零，那就把 $n=m+1$ 代进去，看是否得到 $0$；对数型的公式在 $n=1$ 时应该等于 $a/(ax+b)$，代进去核对。

另一个是特定点。选一个容易算的点（通常是 $x=0$），把通项代入，和直接用幂级数或者递推得到的结果比。这一步能抓住"通项本身没错但定义域或符号区间写错"这类隐蔽问题。

补充一句：这套流程听起来繁琐，实际上熟练之后三五分钟就能走完，而且它对任何函数都通用，比死记硬背各种题型可靠得多。

6. 综合题推演与五个必须记住的坑

6.1 复合结构：幂函数乘指数

前面已经完整推过 $x^2e^{-x}$，这里补一个略微变形的版本，用来说明模板的适用范围。设 $y=x^3e^{2x}$，取 $u=x^3$，$v=e^{2x}$，则

$$y^{(n)}=\sum_{k=0}^{\min(n,3)}C_n^k,(x^3)^{(k)},2^{n-k}e^{2x}$$

三项分别是 $x^3\cdot2^ne^{2x}$、$3nx^2\cdot2^{n-1}e^{2x}$、$3n(n-1)x\cdot2^{n-2}e^{2x}$、$n(n-1)(n-2)\cdot2^{n-3}e^{2x}$。整理的时候把 $2^{n-3}e^{2x}$ 提出来，括号内是

$$8x^3+12nx^2+6n(n-1)x+n(n-1)(n-2)$$

注意这里的系数 $8,12,6,1$ 恰好是 $2^3$ 倍和组合数的组合，形式上很像二项式。这不是偶然，因为 $x^3e^{2x}$ 求导的本质就是把求导算子拆成"对 $x^3$ 的乘积法则"和"对 $e^{2x}$ 的链式乘法"两部分，结构上确实和二项式展开同源。

6.2 隐函数与参数方程的高阶导数

隐函数求二阶导，规范流程是：先对等式两边求一次导解出 $y'$，再对含 $y'$ 的式子求一次导，最后把 $y'$ 的表达式代回去。以 $e^y+xy=e$ 为例，先由 $x=0$ 得 $e^{y(0)}=e$，所以 $y(0)=1$。

一阶：$e^yy'+y+xy'=0$，在 $x=0$ 处代入得 $ey'(0)+1=0$，故 $y'(0)=-1/e$。

二阶：对一阶等式再求导，得 $e^y(y')^2+e^yy''+y'+y'+xy''=0$。在 $x=0$ 处代入已知值：$e\cdot\frac{1}{e^2}+ey''(0)-\frac{2}{e}=0$，解得 $y''(0)=\frac{1}{e^2}$。

参数方程的高阶导数是另一个高频失误点。以 $x=t^2$、$y=t^3$ 为例，一阶导 $\dfrac{dy}{dx}=\dfrac{3t^2}{2t}=\dfrac{3t}{2}$。求二阶导时必须再除以一次 $\dfrac{dx}{dt}$：

$$\frac{d^2y}{dx^2}=\frac{\frac{d}{dt}\left(\frac{3t}{2}\right)}{\frac{dx}{dt}}=\frac{3/2}{2t}=\frac{3}{4t}$$

三阶继续同样的动作：$\dfrac{d}{dt}\left(\dfrac{3}{4t}\right)=-\dfrac{3}{4t^2}$，再除以 $2t$，得 $-\dfrac{3}{8t^3}$。每一次升阶都要补除一次 $dx/dt$，漏掉这一步是参数方程求高阶导最常见的错误。

6.3 高阶导数存在的门槛：一个经典反例

"一阶导存在"和"二阶导存在"不是同一件事，有函数一阶导处处存在但二阶导在某点不存在。构造方法是拿振荡因子去破坏导函数的连续性。

$$f(x)=\begin{cases}x^2\sin\frac{1}{x},& x\ne0\ 0,& x=0\end{cases}$$

在 $x\ne0$ 处正常求导得 $f'(x)=2x\sin\frac{1}{x}-\cos\frac{1}{x}$。在 $x=0$ 处按定义算：$\lim_{x\to0}\dfrac{x^2\sin(1/x)-0}{x}=\lim_{x\to0}x\sin\frac{1}{x}=0$，所以 $f'(0)=0$ 存在。

但 $f'$ 在 $0$ 处不连续，因为 $-\cos(1/x)$ 在 $0$ 附近来回振荡没有极限。既然 $f'$ 在 $0$ 点不连续，$f''(0)$ 就不可能存在。这个例子说明：求高阶导数之前，先确认低一阶的导函数在该点是否连续，尤其是在分段点附近。

6.4 五个高频错误对照表

把这五条贴在草稿纸边上，做题前扫一眼，能省下大量回头检查的时间。

最后分享一个我自己长期用的习惯：动笔之前先花三十秒给题目分类。看到"多项式乘超越函数"就直奔莱布尼茨，看到"有理式"就先做部分分式，看到"三角幂"就先降幂，看到"没有闭式"就退回递推或幂级数。这三十秒的分类动作，比后面盲目逐阶求导五阶要值钱得多。真正让我把这块内容用熟的，也不是背下那张速查表，而是每次算完都用 $n=1$ 和 $n=2$ 代回去验一遍——这个动作坚持下来，符号错误的概率会降到很低。