函数公式大全：从手机助手到编译器底层的秘密 别急着记硬背那些像字典一样枯燥的列表。
实际上函数公式这东西，说白了就是大自然写代码的方式，只是人类还没找到最舒服的书写模板。就像下雨天你直接踩进水里一样，感觉狼狈，但脚下确实能生花。 三角函数：大自然最经典的节拍器 三角函数一出场，你就知道它们是为了啥服务的——计算距离、角度要么预测周期。别管你学的是高中物理还是大学线性代数，这些公式在现实世界里无处不在。 正弦（Sin）和余弦（Cos）实际上是一对双胞胎，分别负责锐角和钝角的计算，它们定义了函数的范围从 -1 到 1。
为啥？出于只有这个范围才能让你的算法在单位圆内完美起舞。 tan（正切）则是另一种玩法，它把正弦除以余弦，专门用来找那些没有中心线的对象，比如离心率要么斜率。 $$ sin(x) = frac{y}{r} $$ 这个公式看起来有点吓人，但实际上意思挺单纯：直角三角形里，你盯着那个竖直的边，乘以半径（也就是斜边），你就有了 y 值。 $$ tan(x) = frac{sin(x)}{cos(x)} $$ 这一句看起来像在搞啥复杂的除法运算，实际上就是在求无穷大的极限。当角度接近 90 度时，cos(x) 趋近于零，结局自然变得贼大，这是物理上物体接近垂直时的表现。 反三角函数（Acos, Asin, Atan）略微有点反人类。你输入一个角度，系统得倒推回去算出 x 是多少。 $$ sin(x) = y $$ $$ tan(x) = frac{x}{y} $$ 注意看，这里把 x 放在了分子，y 在分母，这是为了保持正切值的一致性。 指数与对数：堆叠成长的魔法 指数函数就是把一个数无限放大要么反复压缩。
要是你需求计算年复利的终值，要么看图讲话时聊聊几何级数，这都是指数函数的主场。 $$ e^{x} = sum_{n=0}^{infty} frac{x^n}{n!} $$ 这个级数加起来就是 e 的 x 次方。
注意求和下标从 0 启动，这是数学界的“标准起跑线”。 $$ e = lim_{n to infty} left(1 + frac{1}{n}right)^n $$ 当 n 变得极大时，括号里的数趋近于 1，而 n 以 n 的速度增大，最终两者结合，就构成了那个神奇的常数 e。 $$ e^x cdot e^{-x} = 1 $$ 这一对“对子”让大量计算变得优雅又简洁。 $$ ln(x) = log_e(x) $$ 在计算器上，你一般看到的是 "ln"，也就是以 e 为底的对数。它的存有是为了抵消指数函数带来的复杂增长，让微分方程变成可解的代数式。 $$ log_{10}(x) = frac{ln(x)}{ln(10)} $$ 当你看到科学计数法里的 "12.345" 要么计算器上的 "log" 时，背后可能都藏着这个转换公式。 三角函数的微积分：求导与积分的终极战场 大量初学者当作微积分只是求导，实际上不然，三角函数是连接导数和积分的桥梁。 $$ frac{d}{dx}(sin(x)) = cos(x) $$ 这一等式是三角函数最核心的身份认同。任何以三角函数为输入的导数运算，最终都会变成余弦或正切的形式。 $$ frac{d}{dx}(cos(x)) = -sin(x) $$ 负号出现得忒频繁了，实际上是出于角度增添时，cos(x) 是下降的。 $$ frac{d}{dx}(tan(x)) = sec^2(x) = frac{1}{cos^2(x)} $$ 这一项时常在微积分化简中出现，出于它等于 1 加上平方。 $$ int sin(x) dx = -cos(x) + C $$ 积分符号前面的负号是天意还是算法的偏爱？仿佛都是算法的偏爱。 $$ int cos(x) dx = sin(x) + C $$ 别忘了对数积分。 $$ int frac{1}{x} dx = ln(x) + C $$ 要是你想计算不定积分，记住这个公式。
要是你需求定积分，那就得多积分一次。 幂函数与指数函数的牵手 幂函数形式好办粗暴，y = x^n，它描述了任何物体在给定工夫下的变化规律。 $$ x^n = e^{n ln(x)} $$ 这是将底数转换为自然对数底数的通用公式。当 n 取整数时，结局就是多项式；当 n 是分数时，它就变成根式了。 $$ x^{1/2} = sqrt{x} $$ $$ x^{1/3} = sqrt[3]{x} $$ 而指数对幂函数的功能则是乘法，底数变了，指数就变了。 $$ (a^b)^c = a^{b cdot c} $$ 这个公式在简化分数指数时贼关键。
比如 $2^{3/2}$，你能够把它拆成 $2^3 cdot 2^{1/2}$，再分别计算。 级数与无穷乘积：逼近真值 大量大数要么复杂函数，实际上是由无穷个极小的局部累加而成的。 $$ sin(x) = x - frac{x^3}{3!} + frac{x^5}{5!} - frac{x^7}{7!} + dots $$ 这一连串的加减法，最终收敛于一个完美的正弦波。 $$ frac{sin(x)}{x} = 1 - frac{x^2}{3!} + frac{x^4}{5!} - frac{x^6}{7!} + dots $$ 这一项被称为斯图尔特级数（Stirling's approximation），用于估算阶乘的大小。 $$ n! = n cdot (n-1)! $$ 阶乘是阶乘，这是最基础的乘法序列。
有趣的是，阶乘在计算组合数时也至关关键。 $$ binom{n}{k} = frac{n!}{k!(n-k)!} $$ 当你需求选出 k 个元素从 n 个元素中时，这个公式就是你的乘除器。 矩阵与线性代数：多维空间的变换引擎 除了标量运算，函数还能够功能于矩阵。矩阵函数一般指矩阵的幂、指数或对数。 $$ A^n = A cdot A cdots A quad (n text{ 次}) $$ 当 n 挺大时，好办的乘法运算变成了一种矩阵计算的奇迹。 $$ A^{lambda} = e^{lambda ln(A)} $$ 这里的 $lambda$ 能够是复数，这使得矩阵指数在管住系统和信号处理中变得贼灵活。 $$ ln(A) cdot A = A cdot ln(A) $$ 矩阵对数运算一般要求矩阵是对角阵要么能够对角化。 $$ begin{bmatrix} a & 0 \ 0 & b end{bmatrix}^n = begin{bmatrix} a^n & 0 \ 0 & b^n end{bmatrix} $$ 对角元素的 n 次幂，再拼回去，就是整个矩阵的 n 次幂。 复数与棣莫弗定理：旋转的几何意义 复数不只是是数字，它们是矢量。复数运算实际上是在旋转和缩放。 $$ e^{itheta} = cos(theta) + isin(theta) $$ 这是欧拉公式，它把三角函数和复指数完美地绑定在一起。 $$ i^2 = -1 $$ 虚数单位 i 的出现，让数学在二维平面上拥有了无限的可能性。 $$ |z|^n = r^n $$ 复数的模的 n 次幂，等于模的 n 次方。 $$ z^2 = (x+iy)^2 = x^2 - y^2 + 2ixy $$ 平方后，实部变复杂了，虚部也出现了，这就是复数乘法的真谛。 极限与无穷小：趋近的本质 最终，函数公式往往伴随着极限的概念。 $$ lim_{x to 0} frac{sin(x)}{x} = 1 $$ 这个极限定义了正弦函数在 0 附近的行为。 $$ lim_{x to 0} frac{e^x - 1}{x} = 1 $$ 定义自然常数 e 的一种极限方式。 $$ lim_{n to infty} left(1 + frac{1}{n}right)^n = e $$ 这是从离散到连续的过渡。 $$ lim_{n to infty} frac{1}{n^n} = 0 $$ 当 n 趋向于无穷大时，分母变得贼庞大，整个分数趋近于零。 $$ lim_{x to infty} (1 + frac{1}{x})^x = e $$ 当 x 趋向于无穷时，底数趋近于 1，指数趋近于无穷，最终结局是 e。 $$ lim_{x to 0} frac{1 - cos(x)}{x^2} = frac{1}{2} $$ 这是一个经典的三角函数极限，用于验证函数的平滑性。 $$ lim_{x to 0} frac{e^x - e^{-x}}{x} = sinh(0) = 0 $$ 别看结局看起来像 0，但这个过程揭示了函数在 0 点附近的对称性。 这些公式不是孤立存有的，它们像珍珠一样镶嵌在数学的项链上。当你娴熟掌握它们时，你会发现它们不再是死板的记忆对象，而是帮你解决实际难题、构建逻辑框架的钥匙。写作时尽量避免那些教科书式的“第一、第二”，出于生活的逻辑往往是非线性的、跳跃的。
有时候，直接抛出一个公式启动，中间穿插一些生活化的解释或细小的数据跳动，反而能让读者认定这一切都变得格外亲切。
毕竟，大局部人的目标，就是想知道这些公式到底是如何帮他们偷懒或搞钱的。
