高等数学二，也就是微积分局部，有时候看着像数学系的作业单，实际上更像是生活里那些无法避免的反复打磨。别总想着把所有公式像背字典一样嚼碎了咽下去，那是给小白预备的，真正了得的人是有手感、有直觉的。我们得把那些公式当成工具箱里的扳手，你在需求拧螺丝的时候拿出来，想扔钥匙的时候顺手一抖就扔了。有些公式你看一遍就懂了，比如求导，那只是记个动作；有些公式你读十遍还是认定别扭，比如换元积分法，那时候就得动脑子去琢磨如何把复杂的变量变成好办的变量。 说到求导，大量人一上来就背那些宏大的定理，实际上大量时候，就是把那套机械操功能到极致。以 $sin x$ 为例，反正弦、余弦、正切，这三个家伙在微分下简直跟老哥们儿一样，毫无二致。$frac{d}{dx}(sin x) = cos x$，$frac{d}{dx}(cos x) = -sin x$，$frac{d}{dx}(tan x) = sec^2 x$。

这就好比你在开车，不管前方路况多复杂，方向盘的转向角一辈子就是方向盘转的角度本身。

同理，$frac{d}{dx}(arcsin x) = frac{1}{sqrt{1-x^2}}$，$frac{d}{dx}(arccos x) = -frac{1}{sqrt{1-x^2}}$，$frac{d}{dx}(arctan x) = frac{1}{1+x^2}$。

这些公式，你只需求记住它们的原始模样，后面的变量代换、复合函数求导，根本上就是套公式刷公式的过程。你会发现，一旦让你求 $int x sin x dx$，你不需求发明啥新的算法，直接拆成 $x cdot sin x$，然后凑出来一个积分公式，最终利用分部积分法把 $x$ 消掉一次，剩下的就是原函数了。

这种思维方式，一旦成型，在处理复杂的物理或工程难题时，简直就是降维打击。 积分这块特别有意思，它实际上是求导的逆运算，但操作起来略微费劲点。

比如求 $int frac{1}{x} dx$，大量人会想是不是 log x，实际上直接写对数积分公式 $ln|x|$ 更稳妥。对于变上限积分 $int_a^u f(t) dt$，它的导数就是那个被积函数 $f(u)$，这没啥好说的。

要是遇到复合函数，比如 $int sin^2 x dx$，这时候就得用三角恒等式把 $sin^2 x$ 变成 $frac{1}{2} - frac{1}{2}cos 2x$，然后分别对两项积分，一减二倍角公式，变好办了。

还有像 $e^x$ 这种底数是常数更好办求导的函数，它的积分直接就是它自己；而 $e^{-x}$ 呢，积分出来就是 $-frac{1}{x}e^{-x}$，那个指数上的负号挺好办让人记混。 说到具体例子，我想拿几个经典的来聊聊。

比如计算 $int_0^{pi} cos x dx$，乍一看是个好办的三角函数，积分结局直接是 $sin x$，代入上下限，$pi$ 代入等于 $sin pi = 0$，$0$ 代入等于 $0$，结局就是 0。

这听起来忒好办了，像无病呻吟，但在数学里，这种结局一点都不意外。再比如 $int_0^1 frac{1}{1+x^2} dx$，这个在物理圈子里忒常见了，反正切函数的原函数是反双曲正切函数，要么直接用 $arctan$ 写出来。积分出来是 $arctan x$，从 0 到 1，$arctan 1 = frac{pi}{4}$，$arctan 0 = 0$，故此答案就是 $frac{pi}{4}$。

你看，哪怕被积函数是好办的有理式，结局也是带个圆周率，这说明微积分这东西，时常能把你平时不常用的知识串起来。 有些公式听起来特别抽象，比如双曲函数。$sinh x = frac{e^x - e^{-x}}{2}$，$cosh x = frac{e^x + e^{-x}}{2}$，$tanh x = frac{sinh x}{cosh x} = frac{e^x - e^{-x}}{e^x + e^{-x}}$。初看这些公式，简直就是一场数学语言的花絮。但一旦进入积分领域，它们就特别好用。

比如计算 $int cosh x dx$，直接就是 $sinh x$；计算 $int sinh^2 x dx$，那就得用 $frac{1}{2}(cosh 2x - 1)$ 来代换。

还有像 $int frac{1}{cosh^2 x} dx$，这个实际上能够用双曲正切代换，令 $u = tanh x$，$du = text{sech}^2 x dx$，积分一下就出来了。

这些公式之故此流行，不是出于它们有多难，而是出于它在解决涉及指数、振荡或衰减的难题时，往往比一般/平平三角函数更简洁、更优雅。 常微分方程也是这个系列里的一大块，特别是齐次线性微分方程。通解的形式是 $y = (C_1 + C_2 x)^{p + frac{1}{q}}$，这个公式看着复杂，实际上核心就在那一个“指数 + 常数”的结构上。

举个例子，解 $y' = y$，这是个典型的 $p=0, q=1$ 的情况，解是 $y = C_1 e^x$。再比如 $y' = x y$，指数 $p=1$，分式指数 $q=1$，解是 $y = (C_1 + C_2 x) e^x$。

还有像 $y' = 2y$，指数 $p=2$，分式指数 $q=1$，解是 $y = (C_1 + C_2 x) x^2$。

你看，这类方程的通解形式实际上就是一种“指数 + 多项式”的叠加。它的精髓在于，一旦你确定了那个幂函数局部的系数，整个方程的解就自动确定了。别看看起来挺随意，但为啥看起来如此随意，是出于微分方程本质上就是在研究函数的变化率和变化率之间的关系。 说到数列，极限是个绕不开的坎。无穷等比数列求和，公式就是 $S = frac{a_1}{1-q}$，前提是 $|q|

这个条件实际上挺有意思，要是 $|q| ge 1$，数列可能不收敛，求和也就没意义了。

比如 $sum_{n=0}^{infty} frac{1}{2^n} = 1 + frac{1}{2} + frac{1}{4} + dots$，出于 $q=1/2$，知足条件，和是 $frac{1}{1-1/2} = 2$。再比如 $sum_{n=0}^{infty} x^n$，通项是 $x^n$，当 $x=1$ 时，$q=1$，不收敛；当 $x=-1$ 时，交错级数别看收敛，但条件更严格。

这些数列求和，大量时候是为了处理物理中的衰减过程，比如电路中的电流、放射性衰变，要么好办的几何级数求和。 在处理复杂函数时，有时候还得用到泰勒公式。把一个函数展开成无穷级数，比如 $e^x = 1 + x + frac{x^2}{2!} + dots$，这个展开式在区间 $(-infty, +infty)$ 内都成立。用这个来求积分要么求导，往往比直接用定义要快得多的。

比如求 $(1+x)^{1/3}$ 在 $x=0$ 处的导数，直接用复合函数求导可能有点费事，但泰勒展开后，只需求算 $f(0) + f'(0)x + dots$，直接拿 $k=1$ 的项，$f'(0) = frac{1}{3}(1)^{-2/3} cdot 1 = 1/3$。别看这看起来只是套公式，但在这种场景下，泰勒公式就是那把最锋利的刀。 最终说说无穷级数。马岳公式、牛顿 - 莱布尼茨公式、柯西 - 莱布尼茨公式，这些名字听起来特别玄乎。

实际上它们背后讲的都是收敛性、比较判别法要么绝对收敛性。

比如马岳公式，就是用来判断两个级数是否等价的，要是 $a_n sim b_n$，且 $sum b_n$ 收敛，那 $sum a_n$ 也收敛。

牛顿 - 莱布尼茨呢，就是那个求积分的例子，它告诉我们在特定条件下，积分能够拆成定积分来算。柯西 - 莱布尼茨则是更高级的判别法，比如 $sum frac{(-1)^n}{n}$ 收敛，但不是绝对收敛，故此不能随意用绝对收敛的判别法来判断整体。

这些公式，大量时候是为了告诉你“能不能做”还有“如何严谨地做”。 总的来说，高等数学二并不是枯燥的公式堆砌，而是一套逻辑严密、工具丰富的语言体系。它教你在面对复杂的变量变化时，如何拆解、如何近似、如何判断。当你真正掌握这些公式背后的逻辑，你会发现它们不再是你死记硬背的条文，而是你解决实际难题时的得心应手。别怕公式多，别怕计算繁琐，只要理解了它们“为啥”存有，你就一定能把它们用到实处。

毕竟，数学的价值，压根儿不只在于拿到对答案的那一刻，而在于你如何在这个过程中，构建起对自己思维方式的掌控感。