“求函数的n阶导”这件事，几乎是高等数学和数学分析里最容易被低估的一个技能。一阶导、二阶导大家都会算，但一旦要求写出 f^{(n)}(x) 的通项，很多人就懵了——有的靠死记硬背，有的靠硬算前几阶再疯狂猜规律，还有的直接放弃。我在这几年的辅导和实际解题中接触过大量这类问题，想明确告诉你：n 阶导有非常清晰的套路，判断标准就一条——你能不能在一分钟内识别出这个函数属于哪种“结构类型”。这篇文章就把这套方法彻底拆开，从基础公式到四种核心方法，再到三个亲手演算的例子和现场排错经验，一次性讲透。
1. 求n阶导之前，先把“基础武器库”整理好
很多人在求 n 阶导时最大的障碍，不是方法不对，而是连最基础的函数 n 阶导公式都没形成条件反射。看到 sin 2x 还在哪里现推三阶四阶，看到 1/(x+1) 还在一次次求导找规律，效率自然很低。所以我建议你第一步不是学技巧，而是把下面这套“基础公式库”背到像背乘法表一样熟练。
1.1 记号与递归定义，两种理解方式都要有
n 阶导的记号常见的有三种：f^{(n)}(x)、d^nf/dx^n、y^{(n)}。其中 y^{(n)} 在力学、物理的微分方程里非常常见，读作“y 的 n 阶导”。要注意区分 f^n(x) 这种幂记号，我见过不少人把 f^{(n)}(x) 和 [f(x)]^n 搞混，这在手写体里尤其容易出问题，通常在书写时括号和上标一定要分开。
从定义上说，n 阶导可以看成递归的：f^{(n)}(x) = [f^{(n-1)}(x)]'。数学分析里还有一种更接近本质的理解——n 阶差分商的极限。这两种理解对应不同的实操场景：递归定义适合逐步计算，而差分商定义是分段函数在分段点求高阶导的“兜底方案”，这一点在第 4 章会专门展开。
1.2 一张表记住常用函数的 n 阶导公式
我把解题中最高频的基础函数 n 阶导整理成了一张表。你不必全部死记，但要达到“看到函数就能反射出公式结构”的程度，尤其是表中加粗的那几行。
| 原函数 | n 阶导公式 | 记忆要点 |
|---|---|---|
| e^{ax} | a^n e^{ax} | 形式不变，每求一次导乘一个 a |
| a^x | (ln a)^n a^x | 用 e^{x ln a} 化归到指数函数 |
| sin(ax+b) | a^n sin(ax+b+nπ/2) | 每导一次相位加 π/2 |
| cos(ax+b) | a^n cos(ax+b+nπ/2) | 同上 |
| ln(ax+b) | (−1)^{n−1} (n−1)! a^n / (ax+b)^n，n≥1 | 分母指数为 n，分子带阶乘和正负交替 |
| (x+c)^α | α(α−1)…(α−n+1)(x+c)^{α−n} | 降阶式连乘，可写成组合数形式 |
| 1/(ax+b) | (−1)^n n! a^n / (ax+b)^{n+1} | 从 ln 的公式再导一次得到 |
| x^m | 降幂连乘，当 n>m 时为 0 | m 次多项式求 m+1 阶导必为 0 |
这里特别说三个容易忽略的细节。第一，sin 和 cos 的公式里有 nπ/2 这个相位项，很多同学会把 a^n 丢掉，尤其当 a 不是整数时。比如 sin 3x 的 n 阶导是 3^n sin(3x+nπ/2)，少乘 3^n 整个式子就废了。第二，ln(ax+b) 的公式只在 n≥1 时成立，n=0 时是函数本身，所以做归纳证明时第 0 阶要单独说明。第三，(x+c)^α 这个公式里，当 α 是正整数且 n>α 时，连乘中会出现零因子，结果就是 0，这一点在求多项式乘指数函数的高阶导时非常有用。
2. 四个核心方法，关键在“识别结构”
基础公式背熟之后，核心问题就变成了：一个复杂的函数，怎么拆成基础公式的组合？我总结为四条方法路线，对应四种最常见的问题结构。
2.1 归纳找规律，先算三阶再看形式
最朴素也最容易被低估的方法，就是老老实实算前三阶或前四阶，观察通项。有人觉得这样“笨”，但实际上它是最可靠的兜底方法，尤其当函数既不是乘积型也不是可分解的有理分式时。
我的建议是：先求一阶、二阶、三阶，然后写成一列对比。重点看三个维度——符号是否交替、分母或幂次是否递增、出现了几项之和。比如求 x ln x 的 n 阶导，如果直接算会发现一阶是 ln x+1，二阶是 1/x，三阶是 −1/x²，四阶是 2!/x³。到这一步规律其实已经非常明显了：从二阶开始，结果就是某个正负交替的分式，而且分母幂次和系数都和阶层相关。这时再回头结合公式去验证，就能写出通项。
归纳法的陷阱是“前面验证不够就下结论”。我见过太多人算了三阶就自信满满写出通项，结果代入 n=4 才发现错了。规律必须至少验证到比你写出的通项多一阶，才算靠谱。也就是说，你想写第 n 阶通项，至少要先确认前三阶适配，再手算一阶新的来检验。
2.2 换元化归，把复杂嵌套还原成标准函数
第二类方法是换元。它的核心思想是“线性复合函数”可以无条件地提取系数。如果函数能写成 g(ax+b) 的形式，那么它的 n 阶导就是 a^n 乘上 g 在 (ax+b) 处的 n 阶导。这个结论本身看似简单，实战价值却极大。
举个例子，求 f(x)=sin(2x+π/3) 的 n 阶导。你不需要把它展开成 sin 2x 和 cos 2x 的组合再去求，直接用公式：f^{(n)}(x)=2^n sin(2x+π/3+nπ/2)。如果换元意识不够，很多人会先去三角函数展开，那不仅计算量大，还容易出错。
换元法还适用于形如 e^{3x+1}、1/(2x−5)、ln(3x+2) 这类函数。判断标准只有一个：内层函数是否是一次函数 ax+b。只要内层不是一次函数，比如 e^{x²} 或 sin(1/x)，这个换元法就不能直接套用，必须另想办法（通常用泰勒展开或特殊变换）。这一点很多教材没有严格强调，导致学生盲目套公式，我在这里明确划一条线：只有 ax+b，没有别的。
2.3 乘积公式，对付“一多项一指数/三角”类
两个函数相乘求 n 阶导，有一个专门的高阶公式，它和二项式展开结构一致：两个函数乘积的 n 阶导等于对 k 从 0 到 n 求和，每一项是组合数乘第一个函数的 k 阶导乘第二个函数的 n−k 阶导。国内教材里这个公式通常按两个函数的顺序展开，但实际上它是对称的，你完全可以把更方便求高阶导的那个函数放在任意位置。
这个公式的实战意义在于：当其中一个函数是多项式时，由于多项式求足够多次导后会变成 0，整个和式只有有限项。比如 f(x)=x^3 e^{2x}，x^3 的四阶导是 0，所以只用到 k=0,1,2,3 四项；即便 n 很大，有效项数也不会超过四项。这个“截断效应”是乘积公式最爽的地方。
我特别提醒一点：两个因子都是超越函数时，和式一般无法消掉，比如 e^x sin x 的 n 阶导，展开后每一项都还在，这时你需要考虑是否能把 e^x sin x 用复指数形式化成一个更简单的结构（提示：把它看作某个复指数函数的虚部，再用指数公式一次出结果）。这个问题很多竞赛题都爱考，先记住这个思路，具体操作在第 3 章的实战里展示。
2.4 有理分式分解，先拆项再各自求导
但凡被积函数是分式，尤其是分母可以因式分解成一次因子时，求 n 阶导最基本的方法就是把分式拆成若干简单分式的和，再利用 1/(ax+b) 的 n 阶导公式逐个处理。
比如 1/[(x+1)(x−2)]，如果没有拆项就硬求，通项几乎不可能写出来；但拆成 A/(x+1)+B/(x−2) 之后，每一项都直接用基础公式。拆项的关键是待定系数法，A 和 B 要一次解出来。如果分母有重因子，比如 (x−1)^2，拆项时就必须带 (x−1) 和 (x−1)^2 两类，漏掉任何一项都会导致结果错误。如果分母是无法分解的二次式，比如 x²+x+1，则先配方，然后视情况化到 arctan 的导数或复指数处理。这一块我会在 3.3 节用完整例子讲透。
3. 实战拆解，三个典型题型的手算全流程
方法和公式是“内功”，真正拉开差距的是动手能力。下面三个例子是我从高频考题和实际项目里筛出来的代表题型，覆盖了乘积型、对数型和有理分式型。每一步我都会写清楚“为什么这样做”，而不只是展示答案。
3.1 类型一，幂函数乘指数函数，通项如何归纳
先求 f(x)=x² e^x 的 n 阶导。
思路：观察结构，这是幂函数乘指数函数，指数函数每次求导还是 e^x，幂函数求导降次，两次之后变成常数，三次及其以上就是 0。用乘积公式展开，有效项只有 k=0,1,2 三项。
我把过程完整写出来：
设 u(x)=x²，v(x)=e^x。u 的 0 阶导是 x²，1 阶导是 2x，2 阶导是 2，3 阶及以上是 0。v 的任意 k 阶导都是 e^x。代入乘积公式：
f^{(n)}(x) = C_n^0 · x² · e^x + C_n^1 · 2x · e^x + C_n^2 · 2 · e^x
第一项对应 k=0，第二项对应 k=1，第三项对应 k=2。整理组合数：
C_n^1 = n，C_n^2 = n(n−1)/2。
所以：
f^{(n)}(x) = x² e^x + 2nx e^x + n(n−1) e^x
最终写成单项式形式：
f^{(n)}(x) = [x² + 2nx + n(n−1)] e^x
这个结果漂亮、简洁，而且有很强的规律意义：括号里是一个关于 x 的二次多项式，其系数恰好是 n 的 0 次、1 次、2 次组合。你可以验算：n=1 时结果 (x²+2x)e^x，恰好是原函数一阶导；n=2 时 (x²+4x+2)e^x，也直接求导验证无误。
如果指数是 e^{2x}，公式会多一个 2^n 因子，同时括号里的系数要乘 2^k。如果你掌握了这一步，这类题基本可以横扫。
3.2 类型二，对数乘幂函数，注意“换序”陷阱
第二个例子，求 f(x)=x ln x 的 n 阶导。
这类题用乘积公式时，有一个隐藏的陷阱：ln x 的“0 阶导”就是它本身，公式和 n≥1 时的通项不一样。所以必须分情况讨论，这恰恰是很多学生的失分点。
先求一阶导：
f'(x)=ln x + 1。
二阶导：
f''(x)=1/x。
三阶导：
f'''(x)=−1/x²。
到这里规律基本清楚了：从二阶开始等价于对 ln x 连续求 n−1 阶导。于是对 n≥2，结合 ln x 的 n 阶导公式，可得：
f^{(n)}(x) = [ln x]^{(n-1)} + n·[ln x]^{(n-1)} 的修正项？
这里我要展开说一下“换序陷阱”。直接套两个函数乘积公式时，u(x)=x，v(x)=ln x。u 的 2 阶及以上导数是 0，所以：
f^{(n)}(x) = C_n^0 · x · [ln x]^{(n)} + C_n^1 · 1 · [ln x]^{(n−1)}
其中 [ln x]^{(n)} = (−1)^{n−1}(n−1)! x^{-n}，n≥1；[ln x]^{(n−1)} = (−1)^{n−2}(n−2)! x^{-(n−1)}，n≥2。
代入后第一项是 x · (−1)^{n−1}(n−1)! x^{-n} = (−1)^{n−1}(n−1)! x^{-(n−1)}；第二项是 n · (−1)^{n−2}(n−2)! x^{-(n−1)}。
把两项合并。注意 (−1)^{n−2} = (−1)^n，而 (−1)^{n−1} = −(−1)^n。提取公因子后：
f^{(n)}(x) = (−1)^{n−1}(n−1)! x^{-(n−1)} + (−1)^{n} n!/(?) x^{-(n−1)}
这里需要格外仔细：第二项的系数是 n·(−1)^{n−2}(n−2)!，等于 (−1)^{n−2}·n·(n−2)!。n·(n−2)! 不能直接写成 n!，因为 n! = n(n−1)(n−2)!，中间差一个 (n−1)。
所以第二项系数实际是 (−1)^{n−2}·n·(n−2)!。第一项系数为 (−1)^{n−1}(n−1)!。
我们换一种更稳妥的路径：既然从二阶开始 f^{(n)} 就是 x·[ln x]^{(n)} 加上 [ln x]^{(n−1)} 的贡献，不如直接对一阶导 f'(x)=ln x+1 继续求 n−1 阶导，这样更不容易错——因为 ln x 求 n−1 阶导的公式是现成的，常数 1 求 n−1 阶导在 n−1>0 时为 0。于是：
当 n≥2 时，f^{(n)}(x) = [ln x]^{(n−1)} = (−1)^{n−2}(n−2)! x^{-(n−1)}。注意符号：n−1 阶导时公式里的指数是 (n−1)−1 = n−2，阶乘是 (n−2)!。
用这个式子验证 n=2：(−1)^0 · 0! · x^{-1} = 1/x，对。n=3：(−1)^1 · 1! · x^{-2} = −1/x²，对。
为什么直接求导更稳妥？因为在 n 阶导问题里，原函数中的乘法因子经过若干次求导后，会和导数项交互出现各种组合项，合并时非常容易出错。而先求一阶导，把问题降成“对已知结构求 n−1 阶导”，语义上清晰得多。这类“求一阶导之后换结构”的思路，在处理很多看似复杂的高阶导题时非常好用。
最终结论：
f^{(n)}(x) = ln x + 1，当 n=1；f^{(n)}(x) = (−1)^{n−2}(n−2)! / x^{n−1}，当 n≥2。
我特别建议你把 n=1 单独列出来，因为通项公式在 n=1 时会退化成 (−1)^{−1}(−1)!，是没有意义的。这类“从第几阶开始套用公式”的临界条件，是 n 阶导题目最容易出题人挖坑的地方。
3.3 类型三，有理分式先拆项，通项公式一步到位
第三个例子，求 f(x)=1/(x²−1) 的 n 阶导。
分母 x²−1 可以因式分解，所以第一反应一定是拆项：
1/(x²−1) = A/(x−1) + B/(x+1)
用待定系数法解出 A=1/2，B=−1/2。于是：
f(x) = (1/2)[1/(x−1) − 1/(x+1)]
现在对 1/(x−1) 和 1/(x+1) 分别求 n 阶导，注意 a=1，b=−1 或 b=1。利用公式 1/(ax+b) 的 n 阶导，得到：
[1/(x−1)]^{(n)} = (−1)^n n! / (x−1)^{n+1} [1/(x+1)]^{(n)} = (−1)^n n! / (x+1)^{n+1}
所以：
f^{(n)}(x) = (1/2)(−1)^n n! [1/(x−1)^{n+1} − 1/(x+1)^{n+1}]
如果你希望把它合并成一个分式，可以通分：
f^{(n)}(x) = (−1)^n n! / 2 · [(x+1)^{n+1} − (x−1)^{n+1}] / (x²−1)^{n+1}
分子 (x+1)^{n+1} − (x−1)^{n+1} 可以进一步用二项式展开化简成只含奇数次幂的多项式，这在某些需要进一步分析正负号的问题里很有用，但平时保留分解形式就够了。
验算一阶导：n=1 时，公式给出 (−1)^1 · 1! / 2 · [1/(x−1)² − 1/(x+1)²]。通分后得到 −2x/(x²−1)²，这和直接求 f'(x) 完全一致。这个例子说明，有理分式问题只要你拆项拆对，后续几乎就是机械操作。
4. 现场排错，常见错误与高阶实用检查法
前面讲的都是“如何正确地算”，但实操中，检查和纠错往往更耗时间。这一节我把这些年见过的高频错误系统梳理一遍，再给你三个验证通项式是否可信的土办法。这些方法不依赖任何工具，手算当场就能用。
4.1 最容易犯的五个错误
我见过的高阶导错误，来来回回就这五类。
第一，组合数展开后合并项时漏系数。最典型的就是 C_n^2 写成 n(n−1) 忘记除 2，或者把 C_n^1 直接写成 1。建议你每次展开和式后，先单独列出组合数数值，再代入，不要跳步。第二，符号交替规律没找全。ln x、1/x、有理分式这类结构的导数是正负交替的，公式里 (−1)^n 的指数经常写错。我的习惯是先验 n=1、n=2 两个点，符号一致再往下。第三，n 的范围不声明。像 x ln x 这种 n=1 和 n≥2 分开讨论的题，如果通项里出现 (n−2)! 却不对 n 做限制，结果就是错的。第四，对分段函数在分段点直接用公式。比如 f(x)=|x| 在 x=0 处的高阶导，必须回到差分商定义去讨论，不能用 x>0 区间上的公式代替。第五，a 的幂次丢失。换元后 sin(3x+π/4) 的 n 阶导，3^n 因子是最容易被丢的，指数函数 e^{2x} 的 2^n 同理。
除了这五类，还有一种更隐蔽的错误：通项公式形式上正确，但代入 x=0 时体现不出来。这种问题要用下面的特殊点验证才能发现。
4.2 检验n阶导结果的三个土办法
第一个办法，特殊点代入。把你推出来的 f^{(n)}(x) 令 x=0 或 x=1，同时用低阶导的递推关系算一个数值，两者对比。比如 f(x)=x²e^x，在 x=0 处，一阶导是 0，二阶导是 2。通项式在 x=0 时为 [0+0+n(n−1)]·1=n(n−1)，代入 n=2 得 2，n=1 得 0，一下就验证通过了。
第二个办法，泰勒展开反查。如果函数在某点 x₀ 的泰勒展开已知为 Σ a_k (x−x₀)^k，那么 f^{(n)}(x₀)=n!·a_n。这个办法特别适合验证 e^x、sin x、cos x 以及它们乘积在 x=0 处的高阶导数值。例如 e^x sin x 在 x=0 附近展开成 x 的多项式，若你的高阶导通项给出的 f^{(n)}(0) 与 n! 乘对应系数不一致，那通项一定有问题。
第三个办法，低阶导逐项核对。把通项公式中的 n 依次替换成 1、2、3，看结果是否和你手算的低阶导完全一致。这个方法虽然朴素，但能筛掉至少七成的笔误。我见过不少人通项写得很漂亮，但 n=2 一代进去就是错的，因为归纳时根本没有回头检验。建议你把这个习惯刻进肌肉记忆。
再补充一个实用检查思路：当函数是分段定义或含绝对值时，不要在分段点直接套任何通项公式。先求分段点左导数和右导数，若相等再讨论高阶。这种题高阶导的答案往往不是单一表达式，而是一个“在分段点为某个值、两侧为某公式”的联合描述。如果你在通项式中强行用公式，大概率会在分段点得到一个不存在的结论。
最后分享一个我个人的习惯：每推完一个 n 阶导通项，我都会顺手做一次“结构合理性”检查。看结果的类型是不是和原函数“同类”——指数函数乘多项式的结果还是指数函数乘多项式，有理分式的 n 阶导还是同分母有理分式，对数函数的 n 阶导必然变成有理分式。一旦发现类型大变，比如从指数函数突然冒出任意阶三角函数，那几乎可以断定过程里有某个合并错位。这个习惯成本极低，却能拦住很多低级的展开错误。
如果你正在准备考试、竞赛，或者需要在物理、工程推导里频繁手推高阶导数，这篇文章里的方法完全可以当手册用。遇到一个具体函数，先问自己一句：它是单个基础函数，还是乘积、复合、分式？然后对应到方法上去，最后用特殊点验证。这套流程走熟了，求 n 阶导就不再是靠灵感的艺术，而是一套稳定的操作流程。
