微分导论
欢迎来到数学中最具威力的章节之一！微分（Differentiation）本质上就是研究“变化”的学问。无论是汽车加速、人口增长，还是股票价格波动，微分都能让我们精确计算出在任何特定时刻，这种变化发生的速度有多快。
如果刚开始觉得有点难度，别担心！ 虽然符号看起来很陌生，但核心概念其实是你已经熟悉的：求直线的斜率（gradient）（即陡峭程度）。在本章中，我们只是学习如何即使在曲线的情况下，也能求出那个陡峭程度。
1. 作为斜率的导数
在 GCSE 中，你学习了使用“垂直变化除以水平变化（rise over run）”来求直线的斜率。在 A-Level 中，我们使用微分来求曲线在任意指定点 \( (x, y) \) 处切线（tangent）的斜率。
我们使用符号 \(\frac{dy}{dx}\) 或 \(f'(x)\) 来表示一阶导数（first derivative）。这代表了 \(y\) 相对于 \(x\) 的变率（rate of change）。
由基本原理求导（Differentiation from First Principles）
这是微分来源的“证明”。想象曲线上两个非常靠近的点。当它们之间的距离（\(h\)）无限趋近于零时，我们就能求出单一点上的精确斜率。
你需要掌握的公式如下：
\( f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h} \)
快速温习： 若要证明 \(x^2\) 的导数，将 \(f(x) = x^2\) 代入公式，展开并观察 \(h\) 项如何简化！
重点总结：
导数 \( \frac{dy}{dx} \) 只是一个能让你得出曲线在任何一点斜率的公式。
2. 基本微分“工具箱”
你不必每次都使用“基本原理”，我们有一些针对常用函数的快捷运算规则！
x 的幂次
若 \( y = ax^n \)，则 \( \frac{dy}{dx} = anx^{n-1} \)。
记忆小技巧： “把幂次乘到前面，然后把原本的幂次减一。”
指数与对数函数
- 若 \( y = e^{kx} \)，则 \( \frac{dy}{dx} = ke^{kx} \)。（\(e\) 的函数非常“容易”，保持不变，只需乘上 \(x\) 的系数即可）。
- 若 \( y = a^{kx} \)，则 \( \frac{dy}{dx} = ka^{kx} \ln a \)。
- 若 \( y = \ln x \)，则 \( \frac{dy}{dx} = \frac{1}{x} \)。
三角函数
请记住，运算时角度必须以弧度（radians）为单位！
- 若 \( y = \sin kx \)，则 \( \frac{dy}{dx} = k \cos kx \)
- 若 \( y = \cos kx \)，则 \( \frac{dy}{dx} = -k \sin kx \)
- 若 \( y = \tan kx \)，则 \( \frac{dy}{dx} = k \sec^2 kx \)
常见错误： 微分 cos 时忘记加上负号！请记住：“微分余函数（Co-functions）的结果为负数。”
重点总结：
熟记三角函数、\(\ln\) 和 \(e^x\) 的标准导数，它们是你处理所有其他问题的基础。
3. 驻点与绘制曲线图
当斜率为零（\( \frac{dy}{dx} = 0 \)）时，会出现驻点（stationary point）。这就像山顶或谷底，在那一瞬间，你既没有向上也没有向下移动。
驻点类型：
- 局部极大值（Local Maximum）： 山顶。
- 局部极小值（Local Minimum）： 谷底。
- 驻点拐点（Stationary Point of Inflection）： 一个“平台”，曲线在那里变得平坦，但之后继续保持原来的方向。
二阶导数测试
我们使用 \( \frac{d^2y}{dx^2} \)（导数的导数）来判断点的类型：
- 若 \( \frac{d^2y}{dx^2} > 0 \)，则为极小值（联想“乐观的人会微笑”，微笑的弧线是极小值）。
- 若 \( \frac{d^2y}{dx^2} < 0 \)，则为极大值（联想“悲观的人会皱眉”，皱眉的弧线是极大值）。
- 若 \( \frac{d^2y}{dx^2} = 0 \)，则测试无法判断；你必须检查该点两侧的斜率。
你知道吗？
拐点（Point of Inflection）是指曲线从“凸（convex）”（向外凸起）变为“凹（concave）”（向内凹陷）的位置。当 \( \frac{d^2y}{dx^2} \) 改变正负号时，就会发生这种情况。
4. 链式法则、乘积法则与商数法则
有时函数会“嵌套”在一起，或者两者相乘，我们需要特殊的法则来处理。
链式法则（洋葱规则，The Chain Rule）
用于“函数的函数”，例如 \( y = (3x + 2)^5 \)。
\( \frac{dy}{dx} = \frac{dy}{du} \times \frac{du}{dx} \)
比喻： 想象像剥洋葱一样。先微分外层，再乘以内层的导数。
乘积法则（The Product Rule）
用于两个 \(x\) 的函数相乘时，例如 \( y = x^2 \sin x \)。
若 \( y = uv \)，则 \( \frac{dy}{dx} = u\frac{dv}{dx} + v\frac{du}{dx} \)。
商数法则（The Quotient Rule）
用于一个函数除以另一个函数时，例如 \( y = \frac{e^x}{x^2} \)。
若 \( y = \frac{u}{v} \)，则 \( \frac{dy}{dx} = \frac{v\frac{du}{dx} - u\frac{dv}{dx}}{v^2} \)。
记忆辅助： “下乘上导减上乘下导，再除以下平方”（其中“导”指微分）。
重点总结：
首先识别方程式的结构。是乘积？分数？还是括号？这会告诉你该用哪条法则。
5. 切线与法线
切线（tangent）是与曲线在某一点相切的直线。法线（normal）是与切线在同一点垂直的直线。
步骤说明：
1. 对曲线进行微分以求出 \( \frac{dy}{dx} \)。
2. 代入 \(x\) 坐标以求切线的斜率 (\(m_1\))。
3. 对于法线，斜率为 \(m_2 = -\frac{1}{m_1} \)。
4. 使用直线方程：\( y - y_1 = m(x - x_1) \)。
6. 隐函数与参数微分
隐函数微分（Implicit Differentiation）
有时 \(x\) 和 \(y\) 混在一起，你无法单独将 \(y\) 提出（例如 \( x^2 + y^2 = 25 \)）。
微分含有 \(y\) 的项时，像对待 \(x\) 一样微分，但需乘以 \( \frac{dy}{dx} \)。
例子： 对 \(x\) 微分 \( y^2 \) 会得到 \( 2y \frac{dy}{dx} \)。
参数微分（Parametric Differentiation）
有时 \(x\) 和 \(y\) 都是由第三个变量（通常为 \(t\) 或 \( \theta \)）定义的（例如 \( x = 2t, y = t^2 \)）。
要求斜率：
\( \frac{dy}{dx} = \frac{dy/dt}{dx/dt} \)
快速温习框：
- 递增函数： 在整个区间内 \( \frac{dy}{dx} \geq 0 \)。
- 递减函数： 在整个区间内 \( \frac{dy}{dx} \leq 0 \)。
- 垂直斜率： 两者相乘等于 \(-1\)。
7. 相关变化率（Connected Rates of Change）
这是微分与现实世界结合的地方！如果你知道半径增长的速度（\( \frac{dr}{dt} \)），你就能计算出圆面积增长的速度（\( \frac{dA}{dt} \)）。
我们使用链式法则将它们联系起来：
\( \frac{dA}{dt} = \frac{dA}{dr} \times \frac{dr}{dt} \)
重点总结：
务必写下你已知的（例如 \( \frac{dr}{dt} = 2 \)）和你想求出的（例如 \( \frac{dV}{dt} \)）。然后找到一个联系变量的公式（如 \( V = \frac{4}{3}\pi r^3 \)）并对其进行微分。