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
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 ,
对 关于 求导。
- 1
将所有项改写为幂函数形式 :
- 2
- 3
逐项应用幂函数法则和常数倍数法则:
- 4
第一项:
- 5
第二项:
- 6
第三项:
- 7
改写回根号/倒数形式得到最终答案:
- 8
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
指数函数与对数函数的导数
对于底数 (欧拉数): 且 。对于任意一般正底数 : 且 。
求 的导数。
- 1
利用对数法则拆分对数项,分离常数:
- 2
逐项求导,注意 是常数 (导数 = 0):
- 3
- 4
- 5
- 6
合并项得到最终答案:
- 7
3. 三角函数的导数★★☆☆☆⏱ 4 min
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: , , 。
对 求导。
- 1
逐项应用法则:
- 2
- 3
- 4
- 5
最终结果:
- 6
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
标准反三角函数的导数
对于 IB AI HL,需要掌握的导数为: , , 。
求 的导数。
- 1
对每一项应用标准导数法则:
- 2
- 3
- 4
最终导数:
- 5
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。
非正式极限
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。
用数值表格估计 。
- 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
- 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。
对于 ,通过缩小弦所在区间来估计 处切线的梯度。
- 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
- 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
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、 或 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:
将 (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:
对 (常数 ) 用幂函数法则,对 (常数 ) 用指数函数法则。
错误做法:
当 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。
