微分的应用
IB 数学 AA HL· Unit 5: Calculus, Topic 7: Applications of differentiation· 15 分钟阅读
1. 曲线的切线与法线★★☆☆☆⏱ 5 min
✓ 计算器
切线与法线
Gradient of tangent at :
曲线在某点的切线在该点局部与曲线相切,斜率等于该点的导数值。法线在同一点与切线垂直,斜率等于切线斜率的负倒数。
例:
若切线斜率为 2,法线斜率为
求曲线 在点 处的切线和法线方程
- 1
计算一阶导数(斜率函数):
- 2
- 3
计算 处的斜率:
- 4
- 5
用点斜式 求切线方程:
- 6
- 7
计算法线斜率(切线斜率的负倒数):
- 8
- 9
用点斜式求法线方程:
- 10
Exam tip:
务必确认题目要求的是切线还是法线,并且反复检查法线斜率的负号。
2. 增函数/减函数与驻点★★☆☆☆⏱ 6 min
✓ 计算器
驻点
的驻点是满足 的任意点,因此曲线在该点斜率为零。驻点可分为局部极大值点、局部极小值点或驻点拐点。
例:
在 处有一个驻点拐点
我们利用一阶导数的符号判断函数在区间上是递增还是递减:若 ,函数递增;若 ,函数递减。
求 的递增/递减区间,并找出所有驻点。
- 1
计算一阶导数:
- 2
- 3
通过解方程 寻找驻点:
- 4
- 5
在各区间测试 的符号:
- 6
- : 递增
- 7
- : 递减
- 8
- : 递增
Exam tip:
务必测试临界点附近 的符号,不要预先假设极值点的顺序。
3. 驻点分类★★★☆☆⏱ 8 min
✓ 计算器
IB考试中两种分类方法都接受,除非题目指定方法,否则两种都有效:
一阶导数测试
检查驻点 周围 的符号变化:正变负是极大值,负变正是极小值,无变化是拐点。
+ 优点: 适用于所有驻点,包括拐点
− 缺点: 需要测试两个点,计算量更大
二阶导数测试
计算驻点 处的 : 是极大值, 是极小值, 结果不确定。
+ 优点: 对多项式这类简单函数计算很快
− 缺点: $f''(a)=0$ 时结果不确定,无法总是识别拐点
用二阶导数测试分类 的驻点。
- 1
我们已经找到驻点在 和 处。
- 2
计算二阶导数:
- 3
- 4
计算 处的值:
- 5
- 6
计算 处的值:
- 7
测试你对二阶导数测试的理解:
若 且 ,正确的下一步是什么?
一定是驻点拐点
二阶导数测试结果不确定,应使用一阶导数测试
一定是局部极大值点
一定是局部极小值点
显示答案
二阶导数测试结果不确定,应使用一阶导数测试 —当 时,我们无法从二阶导数测试得出结论,因此必须检查 周围 的符号变化。
4. 最优化问题★★★★☆⏱ 10 min
✓ 计算器
最优化问题要求你在实际场景中找到某个量(体积、面积、成本等)的最大值或最小值。标准方法是:(1) 将该量表示为单变量函数,(2) 寻找驻点,(3) 分类以确认你得到了所需的最大值/最小值。
一个底为正方形的长方体盒子总表面积为600 cm²,求该盒子的最大可能体积。
- 1
设底面边长为 cm,高为 cm。总表面积:
- 2
- 3
用 表示 :
- 4
- 5
将体积写为 的函数:
- 6
- 7
求导并解方程找驻点:
- 8
- 9
用二阶导数测试分类:
- 10
- 11
计算最大体积:
- 12
Exam tip:
务必确认你的解符合物理意义(例如长度为正),并且明确分类驻点才能拿到满分。
5. 常见陷阱
错误做法:
将法线斜率写为 (忘记负号)
原因:
垂线的斜率乘积为 ,不是1
正确做法:
法线斜率始终使用 ,不要遗漏负号
错误做法:
自动将 的点分类为拐点
原因:
不能保证是拐点,我们需要 在该点变号
正确做法:
当 时,使用一阶导数测试分类驻点
错误做法:
最优化问题中找到驻点后就停止,不进行分类
原因:
IB考试会给确认你找到了所需极值的步骤赋分
正确做法:
始终对驻点分类,确认它是所需的最大值/最小值
错误做法:
将递增/递减区间写为包含驻点的闭区间
原因:
在驻点处 ,因此函数既不递增也不递减
正确做法:
递增/递减区间使用开区间,例如 不是
6. 速查表
概念 | 核心结论 |
|---|---|
处的切线斜率 | |
处的法线斜率 | |
递增区间 | |
递减区间 | |
驻点 | |
局部极大值(二阶测试) | |
局部极小值(二阶测试) | |
最优化步骤1 | 将量写为单变量函数 |
最优化步骤2 | 寻找并分类驻点 |
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。
- 2025 · 1
盒子体积的最优化问题
- 2024 · 2
驻点分类
- 2023 · 1
切线方程问题
深入阅读
下一步
微分的应用是IB数学AA HL中考核占比最高的核心考点之一,它是隐函数微分、参数微分和积分应用等更高级微积分内容的基础。最优化和驻点分类是Paper 1和Paper 2中常见的长答题,因此掌握这里的方法对取得高分至关重要。本主题还介绍了极值问题的核心推理技巧,这些技巧会在积分、微分方程等后续主题中重复使用。接下来,你可以在本知识的基础上,学习隐函数和参数定义曲线的微分应用,然后进入相关速率问题,这是微分应用在考试中的另一种常见题型。
