某点处函数导数的估计

AP 微积分 BC· AP 微积分 BC CED — 微分：定义与基本性质· 14 分钟阅读

1. 核心概念：某点处导数的估计★★☆☆☆⏱ 3 min

当你没有 $f (x)$ 的显式代数公式，只有离散数据（表格或图像）时，对 $x = a$ 处导数的估计就是对该点瞬时变化率的近似。所有方法都利用附近点割线的斜率来逼近定义导数的极限。

本主题考查你对导数作为斜率和变化率的概念理解，经常出现在AP考试的选择题和自由问答题部分，通常出现在涉及实验或观测数据的应用题中。

📘 定义

某点处的估计导数

当无法直接计算精确导数时，利用附近已知数据点的割线斜率计算得到的 $f (x)$ 在 $x = a$ 处瞬时变化率的近似值。

2. 从表格数据估计导数★★★☆☆⏱ 5 min

✓ 计算器

当给定 $x$ 和 $f (x)$ 的数值表时，你需要利用差商（相邻点之间割线的斜率）来估计 $f^{'} (a)$ 。根据可用点的位置，共有三种常见类型：

向前差商：使用 $a$ 和 $a + h$ （ $a$ 之后的下一个点）： $f^{'} (a) \approx \frac{f ( a + h ) - f ( a )}{h}$
向后差商：使用 $a - h$ （ $a$ 之前的点）和 $a$ ： $f^{'} (a) \approx \frac{f ( a ) - f ( a - h )}{h}$
中心（对称）差商：使用 $a$ 两侧的点，得到更准确的近似： $f^{'} (a) \approx \frac{f ( a + h ) - f ( a - h )}{2 h}$

当 $a$ 两侧都有数据时，AP考试几乎总是要求使用中心差商估计，因为它比单独使用向前或向后估计更准确。

📐 例题

下表给出了函数 $f (x)$ 在等距 $x$ 点处的函数值：

$x$	1	2	3	4	5
$f (x)$	3.2	4.1	5.3	7.2	9.6

使用该数据中可用的最准确方法估计 $f^{'} (3)$ 。

1
我们在 $a = 3$ 的左右两侧都有有效的 $x$ 值，间距 $h = 1$ 相等，因此最准确的方法是中心差商。
2
确定所需的函数值： $f (a + h) = f (4) = 7.2$ ， $f (a - h) = f (2) = 4.1$ 。
3
代入中心差商公式：
4
$f'(3) \approx \frac{7.2 - 4.1}{2(1)} = \frac{3.1}{2} = 1.55$
5
$f^{'} (3)$ 的最佳估计值是 $1.55$ 。作为对比，向前差商会得到 $1.9$ ，向后差商会得到 $1.2$ ，这两个结果准确性更低。

3. 从图像估计导数★★☆☆☆⏱ 3 min

✓ 计算器

当给定 $y = f (x)$ 的图像，要求你估计 $f^{'} (a)$ 时，题目实际是要求你估计图像在 $(a, f (a))$ 处切线的斜率。步骤如下：在目标点画出切线，选取切线上两个不同的点，然后计算这两点之间的斜率。

一个常见错误是使用原函数 $f (x)$ 上的点，而不是切线上的点。为了减少误差，尽可能选取切线上坐标为整数的点。

📐 例题

$y = f (x)$ 的图像绘制在单位网格上。在 $x = 2$ 处， $f (x)$ 的切线经过网格点 $(0, - 1)$ 和 $(4, 5)$ 。估计 $f^{'} (2)$ 。

1
根据定义， $f^{'} (2)$ 等于 $x = 2$ 处切线的斜率，因此我们只需要计算给定切线的斜率即可。
2
标记点： $(x_{1}, y_{1}) = (0, - 1)$ ， $(x_{2}, y_{2}) = (4, 5)$ 。
3
应用斜率公式：
4
$m = \frac{y_2 - y_1}{x_2 - x_1} = \frac{5 - (-1)}{4 - 0} = \frac{6}{4} = 1.5$
5
我们对 $f^{'} (2)$ 的估计是 $1.5$ ，这符合递增上凹函数在该点的预期斜率。

4. 从极限表达式估计导数★★★☆☆⏱ 3 min

✓ 计算器

AP考试经常给出非标准形式的差商极限，要求你识别出它是某点处函数的导数，然后估计它的值。导数的正式极限定义是：

f'(a) = \lim_{h \to 0} \frac{f(a+h) - f(a)}{h}

任何符合这个结构的极限都等于 $f^{'} (a)$ ，因此即使题目没有明确提到导数，你也可以用差商方法估计它的值。一定要检查分子中项的顺序，避免符号错误。

📐 例题

已知 $f (2) = 4$ ， $f (2.001) = 4.0036$ ，估计 $lim_{h \to 0} \frac{f ( 2 + h ) - f ( 2 )}{h}$ 的值。

1
首先，识别出给定极限完全符合 $f^{'} (2)$ 的极限定义，因此我们只需要用给定数据估计这个导数即可。
2
这里 $h = 0.001$ ，非常接近0，因此我们用向前差商近似这个极限。
3
代入公式：
4
$\frac{f(2 + 0.001) - f(2)}{0.001} = \frac{4.0036 - 4}{0.001} = \frac{0.0036}{0.001} = 3.6$
5
由于 $h$ 已经非常小，这个估计非常接近实际极限值，因此我们对该极限（也就是 $f^{'} (2)$ ）的估计是 $3.6$ 。

5. 6. 常见陷阱

错误做法:

当可以使用中心差商（点两侧都有数据）时，使用向前或向后差商。

原因:

学生默认使用他们记住的第一个方法，没有检查可用数据的情况。

正确做法:

一定要检查你是否同时有 $a - h$ 和 $a + h$ 处的有效函数值；如果有，除非题目明确要求其他方法，否则默认使用中心差商。

错误做法:

对于等距数据使用中心差商时，除以 $h$ 而不是 $2 h$ 。

原因:

学生错误地照搬了向前/向后公式的分母，忘记了 $a + h$ 和 $a - h$ 之间的距离是 $2 h$ 。

正确做法:

一定要直接用你使用的两个点的x坐标之差计算 $Δ x$ ；任何差商的分母都是 $Δ x$ 。

错误做法:

从图像估计导数时，计算原函数上两点之间割线的斜率，而不是切线的斜率。

原因:

学生混淆了原函数曲线和目标点处的切线。

正确做法:

当题目要求求 $f^{'} (a)$ 时，先在 $x = a$ 处画出切线，然后只计算这条切线上的斜率。

错误做法:

在极限表达式中错误识别导数对应的点，例如将 $lim_{h \to 0} \frac{f ( 1 + h ) - f ( 1 )}{h}$ 解读为 $f^{'} (h)$ 而不是 $f^{'} (1)$ 。

原因:

学生关注变量 $h$ ，而不是定义中的常数项。

正确做法:

在极限定义中，先圈出不依赖 $h$ 的常数项；这个常数就是你求导对应的点。

错误做法:

在非等距表格数据上使用等距中心差商公式，导致分母错误。

原因:

学生默认所有表格数据都是等距的，直接套用公式。

正确做法:

一定要直接根据给定的x值计算 $Δ x$ ，除非题目明确说明，否则绝不要默认间距相等。

错误做法:

从图像估计斜率时符号错误，递减函数写出正斜率。

原因:

学生计算斜率时颠倒了点的顺序。

正确做法:

一定要把斜率写成 $\frac{y _{右点} - y _{左点}}{x _{右点} - x _{左点}}$ ，并检查符号是否符合函数的增减性（递增为正，递减为负）。

7. 速查表

类别	公式	说明
向前差商	$f^{'} (a) \approx \frac{f ( a + h ) - f ( a )}{h}$	仅当 $a$ 右侧有数据时使用
向后差商	$f^{'} (a) \approx \frac{f ( a ) - f ( a - h )}{h}$	仅当 $a$ 左侧有数据时使用
中心差商（等距）	$f^{'} (a) \approx \frac{f ( a + h ) - f ( a - h )}{2 h}$	两侧有数据时最准确，符合AP评分标准要求
通用差商（任意间距）	$f^{'} (a) \approx \frac{f ( x _{2} ) - f ( x _{1} )}{x _{2} - x _{1}}$	适用于所有表格数据，包括非等距点
导数的图像估计	$f^{'} (a) = 在 (a, f (a)) 处切线的斜率$	从切线上的两个点计算斜率，不是原函数上的点
导数的极限定义	$f^{'} (a) = lim_{h \to 0} \frac{f ( a + h ) - f ( a )}{h}$	任何符合该形式的极限都是 $f$ 在 $a$ 处的导数
分子颠倒的差商	$lim_{h \to 0} \frac{f ( a ) - f ( a + h )}{h} = - f^{'} (a)$	项顺序颠倒时不要忘记负号

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2022 · MCQ
从表格数据估计导数
2023 · FRQ
结合情境的导数估计

深入阅读

unit overviewAP 微积分 BC 第2单元总览本子主题对应的母单元

下一步

本主题建立在导数的极限定义基础上，为后续所有微分内容奠定了概念基础。掌握如何从离散数据估计导数，对本课程后续你会遇到的所有应用题（包括相关变化率、优化和微分方程）都至关重要。如果没有掌握本主题，你会在自由问答题中难以解读导数的实际意义，而自由问答题占AP考试总分的50%。本主题还为BC课程后续的数值方法（例如近似微分方程解的欧拉法）奠定了基础。接下来你马上会学习如何使用基本微分法则计算初等函数的精确导数。