学习指南

标准函数的导数

IB 数学 AI HL· IB AI HL Syllabus 2021 5.1· 15 分钟阅读

1. 幂函数求导法则★☆☆☆☆⏱ 3 min

📘 定义

幂函数求导法则

For ,

幂函数求导法则给出所有指数为常数的幂函数的导数,适用于所有实数(正数、负数、分数、无理数)。

例:

对于 ,

📐 例题

关于 求导。

  1. 1

    将所有项改写为幂函数形式

  2. 2
    f(x)=5x42x3+7x1/2f(x) = 5x^4 - 2x^{-3} + 7x^{1/2}
  3. 3

    逐项应用幂函数法则和常数倍数法则:

  4. 4

    第一项:

  5. 5

    第二项:

  6. 6

    第三项:

  7. 7

    改写回根号/倒数形式得到最终答案:

  8. 8
    f(x)=20x3+6x4+72xf'(x) = 20x^3 + \frac{6}{x^4} + \frac{7}{2\sqrt{x}}

Exam tip:

幂函数求导法则务必完成两个步骤:乘以指数,然后将指数减1。

2. 指数函数与对数函数的导数★★☆☆☆⏱ 4 min

📘 定义

指数函数与对数函数的导数

对于底数 (欧拉数): 。对于任意一般正底数 :

📐 例题

的导数。

  1. 1

    利用对数法则拆分对数项,分离常数:

  2. 2

    逐项求导,注意 是常数 (导数 = 0):

  3. 3

  4. 4

  5. 5

  6. 6

    合并项得到最终答案:

  7. 7
    g(x)=3ex2x+4xln4g'(x) = 3e^x - \frac{2}{x} + 4^x \ln 4

3. 三角函数的导数★★☆☆☆⏱ 4 min

📘 定义

基本三角函数的导数

以下所有法则仅在 以弧度为单位时成立。导数分别为: , ,

📐 例题

求导。

  1. 1

    逐项应用法则:

  2. 2

  3. 3

  4. 4

  5. 5

    最终结果:

  6. 6
    h(x)=4sec2x+3sinx+12cosxh'(x) = 4\sec^2 x + 3\sin x + \frac{1}{2}\cos x

Exam tip:

对三角函数求导前,务必将所有角度单位从角度转换为弧度。

4. 反三角函数的导数★★★☆☆HL 专属⏱ 4 min

📘 定义

标准反三角函数的导数

对于 IB AI HL,需要掌握的导数为: , ,

📐 例题

的导数。

  1. 1

    对每一项应用标准导数法则:

  2. 2

  3. 3

  4. 4

    最终导数:

  5. 5
    dydx=51+x2+21x2\frac{dy}{dx} = \frac{5}{1+x^2} + \frac{2}{\sqrt{1-x^2}}

Exam tip:

不要忘记 导数的负号 — 这是考试中常见的扣分点。

5. 非正式极限与导数的含义★☆☆☆☆⏱ 5 min

在应用导数法则之前,先理解导数到底衡量的是什么会很有帮助。在 IB AI 中,极限是以非正式方式处理的:你不用代数证明,而是通过查看数值表格或观察图像来估计函数趋近的值。这种直觉支撑着两个核心概念——切线的梯度(斜率),以及变化率。

📘 定义

非正式极限

limxaf(x)\lim_{x \to a} f(x)

当 x(从两侧)越来越接近 a 时,f(x) 越来越接近的那个唯一值。你可以从 x = a 附近的数值表格中做数值估计,或从图像中读出,而无需任何形式化代数。

例:

当 x 趋近 2 时,\frac{x^2 - 4}{x - 2} 的值越来越接近 4,因此极限是 4。

📐 例题

用数值表格估计

  1. 1

    该表达式恰好在 x = 2 处无定义,因此在略小于和略大于 2 的 x 值处求值:

  2. 2
    x1.91.992.0012.012.1f(x)3.93.994.0014.014.1\begin{array}{c|ccccc} x & 1.9 & 1.99 & 2.001 & 2.01 & 2.1 \\ \hline f(x) & 3.9 & 3.99 & 4.001 & 4.01 & 4.1 \end{array}
  3. 3

    从两侧看,数值都逼近 4,因此我们估计极限为 4。(GDC 的表格功能可以瞬间完成这一步。)

导数正是建立在这个极限的思想之上。曲线在某点处的梯度可以用连接两个邻近点的弦的梯度来估计;当第二个点向第一个点滑动时,弦的梯度会逼近一个唯一的值——即该点处切线的梯度。这个极限值就是导数,它同时也衡量函数的瞬时变化率。

📐 例题

对于 ,通过缩小弦所在区间来估计 处切线的梯度。

  1. 1

    从 x = 3 到 x = 3 + h 的弦的梯度为 。对越来越小的 h 计算它:

  2. 2
    h0.10.010.001弦的梯度6.16.016.001\begin{array}{c|ccc} h & 0.1 & 0.01 & 0.001 \\ \hline \text{弦的梯度} & 6.1 & 6.01 & 6.001 \end{array}
  3. 3

    当 h 向 0 缩小时,弦的梯度逼近 6,因此 x = 3 处切线的梯度约为 6。

  4. 4

    这与幂函数法则吻合: 给出 。你学过的法则正是这个极限过程的快捷方式。

6. 常见陷阱

错误做法:

对负指数、 求导时忘记负号。

原因:

符号错误是基础求导题中最常见的扣分错误。

正确做法:

求导后,再次检查所有负指数、三角函数和反三角函数项的符号是否正确。

错误做法:

(常数 ) 求导得到

原因:

忘记 ,且 是常数,导数为零。

正确做法:

求导前拆分对数分离常数项,确认导数是

错误做法:

混淆幂函数法则和指数函数法则:将 (常数 ) 求导为 ,或将 (常数 ) 求导为

原因:

混淆了幂函数(底数为变量、指数为常数)和指数函数(底数为常数、指数为变量)。

正确做法:

(常数 ) 用幂函数法则,对 (常数 ) 用指数函数法则。

错误做法:

以角度为单位时仍对三角函数直接求导。

原因:

所有标准三角函数导数法则都是基于弧度推导的,不适用于角度。

正确做法:

应用导数法则前,将所有角度单位转换为弧度。

错误做法:

应用幂函数法则时忘记将指数减1,例如写出

原因:

只完成了幂函数法则的第一步(乘以指数),遗漏了第二步。

正确做法:

幂函数法则始终遵循两个步骤:1) 乘以原指数,2) 指数减1。

7. 速查表

函数类别

幂函数

(n 常数)

指数函数

指数函数

(a>0, a≠1)

对数函数

对数函数

三角函数

三角函数

三角函数

反三角函数 (HL)

反三角函数 (HL)

反三角函数 (HL)

下一步

掌握这些标准导数法则是 IB AI HL 所有后续微积分学习的基础。接下来你将学习如何组合这些基础法则,对由标准函数通过复合、乘除得到的更复杂函数求导。这些组合法则是考试中所有微积分应用的基础,从求切线、优化到积分和解微分方程都会用到,因此现在熟练掌握这些标准法则可以避免课程后续学习中出错。