w wyl123ly 的博客
MD

3-5-隐函数与参数方程求导

107 KB 2026.10.17 原文件

---

title: 3-5-隐函数与参数方程求导

aliases:

  • 隐函数求导
  • 参数方程求导
  • Implicit Differentiation
  • 对数求导法

tags:

  • 类型/教程
  • 微积分/导数

created: 2026-10-12

updated: 2026-10-12

level: 进阶

chapter: "3.5"

prerequisites:

  • "3-3-链式法则与复合函数求导"

sources:

  • https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222
  • https://mathworld.wolfram.com/ImplicitDifferentiation.html
  • https://ocw.mit.edu/courses/18-01sc-single-variable-calculus-fall-2010/pages/1.-differentiation/part-b-concepts-of-the-derivative/

3-5-隐函数与参数方程求导

一句话概括

前面求导的对象都是 这种「显式」形式,但很多曲线的方程

并不(或不能)解出 :、、

摆线的参数方程 、。

本篇给出三套办法:隐函数求导(把 看成 的函数,两边同时对 求导,

记得 的每一项都要乘 )、

参数方程求导(,

二阶导还要再除一次 )、

对数求导法(把乘除化为加减,专治幂指函数与多因子乘除)。

本篇覆盖:隐函数存在定理的叙述、三套方法的完整推导与流程、

二阶导数、切线与法线、11 道例题、7 条易错点、8 道练习。

一、定义

1.1 三种「曲线给了但函数没给」的情形

到目前为止,我们求导的对象都能写成 。实际遇到的曲线却常常不是这样:

情形 1:方程给出的曲线。 圆

这个方程在上半圆上确实「暗含」了 ,

但写成这个形式后求导要带根号,很麻烦;而在 处(圆的最左最右点)

更是解不出单值的 。能不能不解出 ,直接对原方程求导? 能。

情形 2:解不出来的方程。 方程

无法用初等函数显式解出 。但这并不妨碍我们求 。

情形 3:参数方程给出的曲线。 摆线(cycloid)

这里 与 都是参数 的函数。要画图、求切线,

都需要 ,但把 消掉得到 关于 的显式表达式是不可能的。

这三种情形对应本节的三种方法。

1.2 隐函数的定义

定义 3.5(隐函数)

设方程 。若存在区间 与函数 (),

使得

则称方程 在 上确定了一个隐函数(implicit function)

。

几点说明:

(1)「隐」的意思是「藏在方程里」。 函数关系确实存在,

只是没有被写成 的形式。

(2)一个方程可能确定多个隐函数。 在整个圆上不构成函数

(一个 对应两个 ),但在上半圆 与下半圆

上分别构成两个隐函数。

所以讨论隐函数时总要说明「在哪个点附近」。

(3)隐函数未必能用初等函数显式表达。 如 。

1.3 隐函数求导法的说明

方法 3.1(隐函数求导法)

设方程 在点 附近确定了可导的隐函数 。

把 看成 的函数,在方程两边同时对 求导(注意 的每一项

都要用链式法则乘上 ),

得到一个含 的方程,

再解出 (结果通常同时含 与 )。

核心动作只有一句话:

把 当作 的函数 ,然后两边对 求导。

具体来说,遇到下列情况时,求导规则是:

方程中的项对 求导后
(链式法则)
(乘积法则 + 链式法则)
常数

一句话记住隐函数求导

凡是含 的项,求导后都要多乘一个 。

这就是链式法则在隐函数情形的具体表现。

漏掉这个因子是本节最常见的错误(见第七节易错点 1)。

1.4 参数方程的定义

定义 3.6(参数方程)

若 与 都是参数 的函数

则称这组方程为曲线的参数方程(parametric equations), 称为参数。

常见的参数方程:

曲线参数方程参数范围备注
圆(半径 ),消去 得
椭圆,消去 得
摆线,圆沿直线滚动时圆周上一点的轨迹
星形线,消去 得
抛物线的参数式,消去 得

(参数方程与极坐标的基础内容见 1-5-极坐标与参数方程。)

1.5 对数求导法的说明

方法 3.2(对数求导法)

设 。在 两边取自然对数,得

再两边对 求导(左边用链式法则,因为 是 的函数):

最后两边乘 :

为什么有效? 因为对数把乘除变成加减、把幂变成倍数:

求导最怕的就是乘积与商(法则复杂、容易出错),

而对数正好把它们消掉。这是一个「用代数换微积分」的技巧。

三大适用场景:

  1. 幂指函数 (底数与指数都含 );
  2. 多因子连乘除 ;
  3. 含根号的分式(根号可写成 次幂)。

对数求导法的前提:

取 要求 。若 ,应取 或 ,

此时 仍然成立

(见 3-2-求导法则与基本公式),最终公式不变。

若 会变号,必须分区间讨论,或改用在每段上取对数的方法。

本库约定:使用对数求导法时明确写出 的条件。

更稳妥的做法是把 写成 的形式(见第七节易错点 4)。

二、几何直观

2.1 隐函数:把 看成「随 漂移」的变量

图像语言。 方程 画出来是一条(或几条)曲线。

在曲线上取一点 ,我们想知道曲线在 处的切线斜率。

关键的想法:虽然不能把 显式写成 的函数,

但在 点附近,曲线看起来就像某个函数 的图像

(只要曲线在 处不竖直)。于是 可以看成「随 漂移」的量。

「漂移」的精确含义:给 一个小增量 ,

曲线上的点会沿着曲线移动到新位置,这个新位置由

唯一确定 。

所以 确实是被 决定的——只是决定的方式是

「解方程」而不是「代公式」。

对圆感受一下。 ,取

(第一象限的那个点)。

几何解法:圆的切线垂直于半径。半径 的斜率是

,所以切线斜率是 。

隐函数求导解法:两边对 求导,

代入 :

两种方法一致。 但隐函数求导的好处是——它对任何一点都适用,

而且不用分上、下半圆讨论。

的几何读法

对圆来说, 正好就是

「切线垂直于半径」的代数表达:

半径斜率是 ,其负倒数是 。

公式本身就带着几何信息,这是隐函数求导结果的一个特点。

2.2 隐函数求导的「图像操作」

把隐函数求导想象成沿着曲线行走。

  • 你站在曲线上的 点。
  • 往右挪一点(),为了留在曲线上, 必须相应变化 。
  • 比值 就是「为了留在曲线上, 必须跟着变的速率」。

这就是 的含义:沿着曲线走的「坡度」。

用等高线的比喻:把 想成地形高度。方程

(或更一般地 )是一条等高线。

沿着等高线走时,高度不变——「 增加带来的高度变化」必须被

「 增加带来的高度变化」精确抵消。这正是对方程求导时各项相互抵消的内容。

一个更深的视角(选读)

上面这段话的数学版本是:在曲线 上,

这里 、 是偏导数(见 8-2-偏导数与全微分)。

一元隐函数求导的「两边求导」就是这条公式的雏形,

而且是它的具体计算展开。两种表述完全等价,

只是多元的语言更简洁。

2.3 参数方程:把曲线看成「运动的轨迹」

图像语言。 参数方程 , 描述的是

一个点随时间 在平面上运动的轨迹。

  • 是时间;
  • 是时刻 的位置;
  • 是水平速度;
  • 是竖直速度。

那么曲线的切线斜率 是什么?

它是「竖直速度 ÷ 水平速度」——这正是我们熟悉的

「速度方向 = 轨迹的切向」,而切向的斜率就是 。

几何直觉非常清楚:轨迹在某点的切向,就是该点速度向量的方向。

两种特殊情形:

  • 而 :

水平速度为零,点只在竖直方向动——切线竖直(斜率无穷大)。

  • 而 :

竖直速度为零——切线水平(斜率为 )。

摆线的图像

, 是半径为 的圆

沿直线滚动时,圆周上一点的轨迹。

图像特征:在 处 ,

曲线与 轴相切;在 处 ,

是曲线的最高点(拱顶)。

在拱顶处 而

,

所以切线水平(斜率 )。

在 处两个导数同时为零,需要单独分析——

见下面的 2.4 节。

2.4 摆线尖点处的细致分析

上一条注释里的 值得仔细算一遍,因为它是

「」这个特殊情形的典型例子。

对 ,:

在 处:,

。

两者同时为零! 所以 ,

公式失效——这是不定式,必须另想办法。

用极限处理。 当 且 接近 时,

用半角公式:,

,

当 时 ;

当 时 。

所以 处的切线是竖直的( 这条直线),

曲线在这里有一个尖点(cusp)。这与「圆滚动时接触地面的点瞬时速度为零,

轨迹出现尖角」的物理图像一致。

参数方程求导公式的例外情形

当 且 时,

公式给出发散的结果,切线竖直( 不存在)。

当两者同时为零时(如上例的 ),公式给出 ,

必须用别的方法(取极限、化简、或用参数 直接表达)。

这是参数方程求导最容易被忽略的一个坑。

三、性质与定理

3.1 定理 3.17(隐函数存在定理,叙述)

定理 3.17(隐函数存在定理)

设函数 在点 的某邻域内连续且有连续偏导数

、,且

则存在 的某邻域 与 的某邻域 ,

使得方程 在 上唯一确定一个函数 ,

满足 ,,且 连续可导,

并有

关于这个定理的说明:

(1)本库不要求掌握证明。 完整证明要用到多元微分的知识

(见 8-3-多元复合函数与隐函数求导),这里只需要知道结论和条件的作用。

(2)三个条件的作用:

条件作用
保证曲线过点 (否则谈何「在 附近」)
有连续偏导数保证曲线足够光滑,在 附近不会突然断掉或剧烈振荡
保证曲线在 处不竖直,从而 可以被 单值确定

(3) 这个条件最关键。 它对应的几何事实是

「曲线在 处的切线不竖直」。

反例: 在点 处,,

,在 处 ,条件不满足。

而事实上在那里曲线确实不构成 关于 的函数(切线竖直,

一个 对应两个 ,局部也无法单值化)。

(4)公式的推导(用多元语言,供理解)。

设 是隐函数,则 。

由多元复合函数求导法则(8-3-多元复合函数与隐函数求导):

这个推导与「两边直接对 求导」是同一件事的两种写法,

只是写法更紧凑。

一次算出 与 的技巧

把 当成变量求导时把 当常数得 ;

把 当成变量求导时把 当常数得 。

对 :,,

所以 。

这提供了一条「公式法」的捷径,与「两边求导法」结果一致。

3.2 定理 3.18(参数方程求导公式)

定理 3.18(参数方程确定的函数的导数)

设 与 都可导,且 。

则由参数方程确定的函数 可导,且

推导(用莱布尼茨记号的「约分」直觉)

第一步用了链式法则( 通过 依赖 的逆关系),

第二步用了反函数求导法则

(,

见 3-2-求导法则与基本公式 定理 3.10)。

为什么第一步的链式法则成立

严格来说,要先把 表示成 的函数

(这需要 严格单调,由 在局部保证),

于是 ,

由链式法则

所以公式成立的两个前提是:、 可导 + 。

适用条件小结:

  1. 、 在 处可导;
  2. (保证 与 之间可以互相反解,且切线不竖直);
  3. 若 但 ,则切线竖直,导数不存在;
  4. 若 ,公式给出 ,必须另作分析

(见 2.4 节的摆线例子)。

3.3 定理 3.19(参数方程的二阶导数)

定理 3.19(参数方程的二阶导数公式)

在定理 3.18 的条件下,若 、 二阶可导,则

这个公式是本节最大的易错点。请仔细看下面三遍。

错误写法(极其常见):

正确写法:

差别的关键: 的定义是

「 对 再求一次导」。

而 已经算成 的函数了,

要「对 求导」就必须用链式法则:

所以分母上必须再除一次 。 这就是「多除一次」的来源。

一句话记住

**参数方程求二阶导:先把一阶导写成 的函数,再对 求导,

最后除以 。**

千万不要直接写 。

一个直观的自检方法:把公式写成

量纲检查: 的量纲是「 单位/ 单位」,

对 求导后变成「 单位/( 单位· 单位)」,

再除以 ( 单位/ 单位)后变成

「 单位/ 单位」——正是二阶导数的量纲。

用「量纲」检验公式是一个很有效的自检手段。

3.4 定理 3.20(对数求导法与幂指函数)

定理 3.20(幂指函数的导数公式)

设 与 都可导,则

两种推导:

推导一(化成指数形式):,由链式法则

推导二(对数求导法):设 ,则 。

两边对 求导:

两边乘 即得。

两个推导完全一致,第二条更简洁,但要求 。

特例检验:

  • 取 (常数): 的导数为

。

这是幂函数 + 链式法则的结果。

  • 取 (常数): 的导数为

。

这是指数函数 + 链式法则的结果。

所以幂指函数公式是幂函数公式与指数函数公式的统一。

3.5 隐函数的二阶导数

对隐函数求二阶导,方法是:

方法 3.6(隐函数求二阶导数)

第 1 步:对原方程两边求导,得到一个含 的方程。

第 2 步:解出 (通常形如 )。

第 3 步:对这个表达式再对 求导(把 看成 的函数,

所以又要用链式法则)。

第 4 步:把第 2 步得到的 表达式代入,

消去所有 ,使结果只含 与 。

第 5 步:利用原方程进一步化简。

第 4 步是最容易被忘记的一步。 很多人算出含 的 就停手了,

但那不是最终答案——题目要求的是「用 、 表示 」,

或者「在某点处的 值」,两种情形都需要代入。

另一条路线:对原方程求两次导

也可以直接对 两边连续求两次导:

第一次得 ;

第二次得

,

解出 。

这条路线更程式化,但涉及二阶偏导数

(见 8-3-多元复合函数与隐函数求导)。

一元情形下推荐用方法 3.6(逐步求导 + 代入),更不容易出错。

四、计算方法与步骤

4.1 隐函数求导的标准流程

四步流程

第 1 步:确认 是 的函数。 心里默念「」。

第 2 步:两边对 求导。 逐项处理:

含 的项按常规求导;含 的项求导后乘 ;

含 的项用乘积法则()。

第 3 步:把所有含 的项移到一边,其余移到另一边,提取公因子 。

第 4 步:解出 ,写成 的形式。

例:求由 确定的 的导数。

第 1 步: 是 的函数。

第 2 步:两边对 求导。逐项:

  • ;
  • (乘积法则);
  • (链式法则);
  • 。

所以

第 3 步:把含 的项聚到一起:

第 4 步:解出

验证(用一个具体点):取曲线上的点

(因为 )。

公式给出 。

用显函数验证:把方程看成 的二次方程

,解出

在 处取加号: 。求导:

在 处:,所以 。 一致。

(注意隐函数求导的结果 比显函数的表达式简洁得多——

这正是隐函数求导的价值。)

4.2 参数方程求导的标准流程

一阶导流程

第 1 步:分别对 求导,算出 与

。

第 2 步:相除,

,

结果写成 的函数。

第 3 步:若要某点处的值,把该点对应的 值代入。

二阶导流程

第 1 步:得到 作为 的函数(记作 )。

第 2 步:对 求导,得 。

第 3 步:除以 :

。

第 4 步:化简,并检验符号与量纲。

例:求 , 的二阶导数。

第 1 步:

第 2 步:

(最后一步用了半角公式,见 2.4 节。)

第 3 步:对 求导。

第 4 步:除以

:

第 5 步:检查。 分母

(当 ),所以 恒成立——

摆线始终开口向下(拱形),这与图像完全一致。

(若用错误公式 :

,

,得到 。

这个结果在 处为 ,

但摆线在 处显然不拐——错误公式会给出荒谬的结论。)

4.3 对数求导法的标准流程

四步流程

第 1 步:确认 (或改用 ),两边取对数。

第 2 步:用对数性质展开(把乘除变成加减,把幂变成倍数)。

第 3 步:两边对 求导(左边得 )。

第 4 步:两边乘 ,得到 ,并把 换回原表达式。

例 1(多因子乘除):求

()的导数。

第 1 步:(因为 时分子分母都为正),取对数:

第 2 步:(已在上面完成。)

第 3 步:两边对 求导(左边用链式法则):

第 4 步:两边乘 :

也可以进一步整理成一个分式(把括号里通分):

算分子:

所以

例 2(幂指函数):求 ()的导数。

第 1 步: 时 ,取对数:

第 2 步:(无需求导前的展开。)

第 3 步:两边对 求导(右边用乘积法则):

第 4 步:

例 3(含根号的分式):求

()的导数。

第 1 步: 时 ,取对数并展开:

第 2 步:(已完成。)

第 3 步:求导:

第 4 步:

什么时候用对数求导法

判据:式子由「乘、除、乘方、开方」组合而成,且层数较多。

- 该用:、、

的多层嵌套。

- 不必用:(只有一层乘积,乘积法则更快)、

(指数形式已是简单复合)。

- 不能用: 会变号的情形(除非分段或改用 )。

一条经验:如果直接求导需要连续用三次以上乘积/商法则,

或者要处理幂指函数,就考虑对数求导法。

4.4 隐函数的二阶导数:完整算一遍

例:设 (),求 。

第 1 步:两边对 求导。

第 2 步:解出 。

第 3 步:对 再对 求导

(注意 是 的函数,用商法则):

第 4 步:代入 。

第 5 步:用原方程化简。 因为 ,

第 6 步:检查符号与几何意义。

在上半圆()上 ——开口向下,

这与「上半圆是一个拱形」一致。

在下半圆()上 ——开口向上,

也与「下半圆是碗形」一致。

符号分析完全通过几何检验,说明结果正确。

隐函数二阶导的两个「必须」

必须代入 :最终的 表达式里不能出现 。

必须用原方程化简:像上面的 这样,

用原方程把 换成 ,答案会简洁得多(也更容易验证)。

**如果最终结果里还有 ,或者明显能用原方程化简而没化简,

阅卷时都会扣分。**

4.5 参数方程的切线与法线

由参数方程给出的曲线,在参数 对应的点

处:

竖直切线的特殊情形:若 且 ,

切线是竖直线 ,法线是水平线 。

例:求椭圆 , 在

处的切线方程。

第 1 步:

第 2 步:

第 3 步:取 :

切点:。

第 4 步:切线方程

整理:,即

第 5 步:验证。 用隐函数求导验证:

两边求导,

在 处:

一致。

4.6 用 sympy 验证三种方法

本示例需要 sympy:pip install sympy

import sympy as sp

x, y, t, a, b = sp.symbols('x y t a b', positive=True)

# 1) 隐函数求导:x^2 + xy + y^2 = 3
F = x**2 + x*y + y**2 - 3
dy = sp.idiff(sp.Eq(F, 0), y, x)      # 直接求隐函数导数
print("dy/dx =", sp.simplify(dy))

# 2) 参数方程:椭圆 x = a cos t, y = b sin t
xt, yt = a*sp.cos(t), b*sp.sin(t)
d1 = sp.simplify(sp.diff(yt, t) / sp.diff(xt, t))
d2 = sp.simplify(sp.diff(d1, t) / sp.diff(xt, t))
print("一阶 =", d1)
print("二阶 =", d2)

# 3) 幂指函数:x^sin(x)
z = x**sp.sin(x)
print("幂指 =", sp.simplify(sp.diff(z, x)))

输出形如:

dy/dx = (-2*x - y)/(x + 2*y)
一阶 = -b*cos(t)/(a*sin(t))
二阶 = -b/(a**2*sin(t)**3)
幂指 = x**sin(x)*(cos(x)*log(x) + sin(x)/x)

逐项对照:

  • 隐函数的结果 与 4.1 节手算完全一致。
  • 椭圆的二阶导 ,可以自己用公式核验一遍:

,

对 求导得 ,

再除以 得

。

(注意 sympy 把 表示为 ,

同一个式子。)

  • 幂指函数结果与 4.3 节例 2 一致。

(上表为按 sympy 标准化简行为的形如输出,具体形式可能因版本而异。)

五、例题

例题 1(概念辨析:隐函数求导中「漏乘 」)

指出下列求导过程中的错误,并给出正确结果。

(1)由 得 ,故 ;

(2)由 得 ,故 是常数;

(3)由 得 ,故 。

思路 三处错误完全相同:对含 的项求导时漏掉了 。

这是隐函数求导的第一号错误。

解

(1)错。 正确做法: 是 的函数,

所以 ,不是 。

原式把 漏成了 ,等于默认 与 无关——那就根本不用求导了。

验证:取上半圆 ,

。

而错误答案 显然不对( 不是直线)。

(2)错。 正确做法:(链式法则)。

(最后一步用了原方程 。)

验证:由 得 ,。

原式的错误在于把 当成了常数(或把 当成了自变量),

结果荒谬地断言「」。

(3)错。 正确做法:(乘积法则)。

验证:由 得 ,

(因为 )。

原式的错误在于把 写成 :

只对 求导、把 当常数,同时又把 的「导数」写成了 ——两处都错。

结论 三处的共同错误是:

记忆办法:每次写下一个 就默念「 是 的函数」。

更保险的做法是在草稿上把 改写成 再求导,写熟后就习惯了。

例题 2(定理理解:为什么隐函数能求导)

方程 在点 处能否确定一个可导的隐函数 ?

请用隐函数存在定理的条件解释,并与几何图像对照。

思路 检查隐函数存在定理的三个条件,特别是 。

再从几何上看曲线在 处的切线方向。

解

第 1 步:写出 。 令 。

第 2 步:检查三个条件。

条件在 处的检验是否满足
满足
有连续偏导数,,都是多项式,连续满足
不满足

第 3 步:结论。 由于 ,定理的条件不满足,

所以定理不能保证在 附近存在可导的隐函数 。

第 4 步:几何解释。 圆 在点 处的切线是

竖直线 。几何上,在 附近,曲线既有上半部分也有下半部分,

同一个 对应两个 (),

所以在 附近不能把 写成 的单值函数。

第 5 步:反过来看。 在那一点,可以把 写成 的单值函数:

(右半圆)。事实上定理的对偶版本

(交换 与 的角色)要求 ——这个条件满足。

所以「 决定 可否解出」,

「 决定 可否解出」——两者恰好对应切线的倾斜方向。

第 6 步:对比其他点。

  • 在 处:(定理条件满足),

曲线在这点切线水平(),

附近可以写成 。

  • 在 处:

,切线斜率为 (既不竖直也不水平),条件满足。

结论 在 处条件 不满足,不能解出 ;

在其余点()都可以。

这个条件不是技术性的装饰,它精确刻画了「切线竖直」这一几何障碍。

(同样的道理:本篇 3.2 节的参数方程公式中要求 ,

也是为了保证切线不竖直。)

例题 3(计算题:隐函数的一阶与二阶导数)

设 ,求 与

。

思路 先求一阶导(4.1 节已算过),再对结果求导并代入。

解

第 1 步:求一阶导。 两边对 求导:

聚项:,所以

第 2 步:对 再求导。 记 ,,

则 ,由商法则

第 3 步:算 与 。

第 4 步:代入并整理。

展开:

所以

第 5 步:代入 。

第 6 步:用原方程化简。 由 得

(**注意这里需要 这个组合,

而不是像圆的例子那样是 。

所以要先看原方程里能直接替换掉的是哪个组合。**)

于是

第 7 步:得到最终结果。

第 8 步:数值验证。 取曲线上的点 (已验证在曲线上)。

用显函数验证:在 附近,

。令 ,

。

在 处 ,,

:

一致。

结论 ,

。

隐函数二阶导的实战要点

① 先把 写成 的形式,再用商法则,结构清晰。

② 、 里会出现 ,这是正常的,最后会通过代入消掉。

③ 最后必须用原方程化简——本例中把 换成

是关键的一步。**找不到可替换的组合时,说明结果可能还没化到最简,

或者原方程本身没有可利用的整体结构。**

例题 4(计算题:参数方程的一阶与二阶导数)

设 ,。求 与

,并求 处的切线方程。

思路 先算两个一阶导数,再相除得 ;

二阶导要「对 求导后再除以 」。

解

第 1 步:对 求导。

第 2 步:一阶导。

第 3 步:二阶导。 记

。对 求导:

再除以 :

第 4 步:检验。 的符号与 的符号相同:

时开口向上, 时开口向下。

这说明曲线在 两侧凹凸性相反——

对应的点是 ,是拐点。

用消元法验证:由 得 ,

但 有正负两支。取 一支,,于是

求导:

用 表达:,所以

。 与第一步一致。

再求导:

代入 ():。 一致。

第 5 步: 处的切线与法线。

切点:,,即 。

斜率:

切线方程:

法线方程(斜率为 ):

第 6 步:验证切线方程。 代入 : 。

代入法线: 。

结论 ,

;

处切线 ,法线 。

例题 5(反例构造:参数方程二阶导数的错误公式)

有人用

求 , 的二阶导数。请指出错误,

用正确公式算出结果,并说明在什么特殊情况下这个错误公式会「碰巧对」。

思路 正确公式是

解

第 1 步:正确计算。

对 求导:

。

除以 :

验证:由 ()得 ,,

,

。

第 2 步:用错误公式算。

错误公式给出 。

与正确答案 完全不同

(例如 时,正确是 ,错误是 )。

第 3 步:错误的根源。 的定义是

「 对 求导」,

即 。

而 已经写成 的函数,

要对 求导就必须用链式法则:

「先对 求导,再除以 」才是正确操作。

错误公式漏掉了「除以 」这一步,

而是错误地「除以 」。

第 4 步:什么时候错误公式碰巧对? 需要

对一切 成立(其中 )。这是一个很强的条件。

最简单的情形:( 是 的线性函数),

此时 ,,

但错误公式的分母为零——公式直接失效,谈不上「碰巧对」。

另一个情形:(),

此时 ,。正确公式给出

错误公式给出 。令两者相等:

这是一个关于 的微分方程,只有极特殊的 才满足。

所以「碰巧对」是罕见情形,一般情形下错误公式必然给出错解。

结论 正确公式是

本题正确答案是 ,错误公式给出 。

**记忆要点:一阶导公式「相除」,二阶导公式「求导后再相除」——

无论如何都要除以 ,且只除一次。**

例题 6(计算题:对数求导法)

求下列函数的导数:

(1)();

(2)();

(3)()。

思路 三题都是「乘除 + 乘方」结构,对数求导法最省事。

(2)中 的指数含 ,注意求导时别漏。

解

(1)

第 1 步:取对数并展开。

第 2 步:两边求导。

第 3 步:乘 。

第 4 步:整理成一个分式。

括号内通分(公分母 ):

分子

所以

(2)

第 1 步:先化简。

(同底数幂相乘,指数相加。)

第 2 步:这是幂指函数,取对数。

第 3 步:两边求导。

第 4 步:乘 并整理。

(3)

第 1 步:取对数并展开。

第 2 步:两边求导。

第 3 步:乘 。

第 4 步:整理。 括号内通分(公分母 ):

分子

所以

结论

(1)

(2)

(3)

整理结果的建议

对数求导法得到的答案通常是「原函数 × 一个括号」的形式。

是否要把括号通分整理成一个分式,取决于题目要求:

- 若后续要判断 的符号(求单调性),保留括号形式更好(容易看零点);

- 若题目要求「化简到最简分式」,则需通分。

本库建议:两种形式都写出来,考试时以题目要求为准。

例题 7(计算题:幂指函数的多种处理)

求 ()的导数,

并求它在 处的导数值。

思路 两种方法都可以:化成 ,或取对数。

注意在 处 ,代入会简化。

解

第 1 步:化成指数形式。

第 2 步:链式法则。

第 3 步:算内层导数(乘积法则 + 链式法则)。

第 4 步:回代。

第 5 步:用对数求导法核对。

两边乘 ,结果一致。

第 6 步:求 处的值。

所以

第 7 步:几何解释。 在 处切线水平。

这很合理: 在 附近,

当 略小于 时 略小于 ,

而指数 也略小,所以 略小于 ;

当 略大于 时同样 略小于 。

所以 是极大值点,导数为 符合预期。

用二阶导验证:,

,

在 处等于 ,

而 、,所以 ,

确实是极大值点。

结论 ,

且 。

例题 8(综合:隐函数与参数方程的切线问题)

(1)求曲线 (笛卡尔叶形线)在点

处的切线方程;

(2)求曲线 ,(星形线)在

处的切线方程。

思路 (1)用隐函数求导;(2)用参数方程求导公式。

解

(1)

第 1 步:确认点在曲线上。

第 2 步:隐函数求导。 两边对 求导:

两边除以 :

第 3 步:解出 。

第 4 步:代入切点。 :

第 5 步:切线方程。

第 6 步:验证。 叶形线关于直线 对称,

而点 恰好在这条对称轴上,

所以切线应该垂直于 ,即斜率为 。 一致。

(2)

第 1 步:对 求导。

第 2 步:一阶导。

第 3 步:代入 。

切点:

第 4 步:切线方程。

第 5 步:验证。 星形线 关于 对称,

点 在对称轴上,

切线斜率应为 。

用隐函数求导也可验证:

,

,在 处为 。

结论 (1)切线 ;

(2)切线 。

例题 9(反例构造: 不存在但曲线有竖直切线)

设 ,。

(1)在 处 是否存在?

(2)曲线在 对应的点处有切线吗?

(3)这个例子说明了什么?

思路 先算 与

在 处的值,看公式能否使用;再消去 得到显函数,直接判断。

解

(1)

第 1 步:算各阶导数。

在 处:,

。

两者同时为零,公式给出 ,不能直接使用。

第 2 步:用极限处理。 对 ,

当 时趋于 ,当 时趋于 。

所以 不存在(不为有限的数)。

第 3 步:用显函数验证。 由 得 ,于是

在 处, 不存在()。 一致。

(2)有切线,而且是竖直切线。

理由一(用差商):

当 时 ,

对应竖直方向的切线。

理由二(几何): 的图像是一个尖点朝下的曲线

( 时曲线越来越陡,最后立起来)。

在原点的切线是 轴(竖直线 )。

理由三(参数视角):在 附近,

与

都趋于 ,

但前者是 的一阶小量,后者是二阶小量——

所以「竖直方向的速度」相对于「水平方向的速度」趋于无穷,

切线变得竖直。

(3)说明的问题

说法正确与否
「 存在」「曲线有非竖直切线」正确
「曲线有切线」「 存在」错误(竖直切线时导数不存在)
切线竖直需再加
公式失效,须另行分析正确

结论 (1) 不存在

(趋于无穷,不为有限数);

(2)曲线在原点有竖直切线 (即 轴);

(3)这个例子说明:「导数存在」比「有切线」要求更强。

导数存在 有非竖直的切线;

竖直切线的情形下函数不可导(但几何上仍有切线)。

这与 3-1-导数的定义与几何意义 中「不可导的四种形态」是同一件事

(那里列出的第三种形态就是「竖直切线」)。

例题 10(概念辨析:对数求导法能不能随便用)

判断下列说法是否正确。

(1)对 ()可以用对数求导法,得到 ;

(2)对 ()不能取对数,所以无法用对数求导法;

(3)对 用对数求导法时,

必须限制在 的区间上;

(4)只要 恒不为零,就可以对 求导,

且 。

思路 四问都围绕「取对数的定义域前提」。

(1)验证可行性;(2)讨论能否绕开;(3)(4)讨论正确的处理方式。

解

(1)正确。 对 :,取对数得 ,

两边求导得 ,

所以 。

对 : 仍成立,取对数得 ,

求导得 ,同样得 。

注意:虽然可行,但对 用对数求导法是杀鸡用牛刀。

对数求导法的价值在于处理复杂的乘除结构。

(2)不正确。 时不能取 ,但可以:

  • 办法一:对 求导。

由 与

得 ,

所以 。

  • 办法二:把 提出来:,

由常数倍法则 。这是最省事的做法。

  • 办法三:写 ——不行,

在实数范围内无意义。所以不能简单地取指数形式。

结论: 时可以用 ,

但更实用的做法是先把负号提出来。

(3)正确。 是幂指函数,

取对数要求 ,即

。

在这些区间之外(),

在实数范围内本身就没有定义

(负数的非整数次幂一般没有实数值)。

在 的区间上,可以取对数:

(与例题 7 的结果一致。)

补充说明:用 的写法同样要求

(因为 要有意义)。

所以两种方法的前提是同一个,不存在「哪个要求更宽」的问题。

(4)正确。 由 3-2-求导法则与基本公式 中

()

与链式法则,当 且可导时:

  • 时 ,导数为 ;
  • 时 ,由链式法则导数为

。

两种情形都得到 ,所以

结论 (1)正确;(2)不正确(可以用 或提出负号);

(3)正确;(4)正确。

统一的原则:

对数求导法的前提是「取对数的那部分必须为正」。

若原函数会变号,用 ;

若只是整体差一个负号,直接提出负号最省事。

例题 11(综合:三套方法的适用条件辨析)

判断下列说法的真假并说明理由。

(1)若方程 确定隐函数 ,则 一定可导;

(2)若 , 且 ,

则曲线在 对应的点处一定没有切线;

(3) 在参数方程情形下

等于 ;

(4)用对数求导法求得的导数与用其他方法求得的导数一定相同。

思路 (1)需要连续偏导数 + ;(2)竖直切线也是切线;

(3)漏了除以 ;(4)在公共定义域上应当一致。

解

(1)假。 隐函数存在定理要求 有连续偏导数且 。

缺少这些条件时,隐函数可能不可导,甚至可能不存在。

反例一(不连续):方程

即 。它在 处连续但不可导。

(这里 ,但 在 处不连续,

所以定理的「连续偏导数」条件不满足。)

反例二(): 在 处,

前面例题 2 已讨论过:那里无法解出 关于 的函数。

反例三(隐函数存在但不可导):,

即 。这里 ,在 处 ,

定理条件不满足;而事实上 在 处确实不可导(竖直切线)。

(2)假。 只是说明水平速度为零,

切线可能竖直(当 时),而竖直切线也是切线。

例:,,在 处 ,

。

曲线为 (开口向右的抛物线),在原点处切线是 轴(竖直)。

有切线,但 不存在。

(正确的说法): 且 时,

曲线在对应点有竖直切线;

时需另行分析

(可能竖直、可能水平、可能尖点,如摆线)。

(3)假。 正确公式是

必须再除以 。 原式漏掉了这一步

(这是本篇最高频的错误,见例题 5)。

量纲检验:

的量纲是「 单位/( 单位· 单位)」,

而 的量纲是「 单位/ 单位」。

只有再除以「 单位/ 单位」(即 )才能对齐。

(4)真(在公共定义域上)。 导数是函数本身的性质,

不依赖于用什么方法计算。不同的求导方法(隐式、显式、对数)

只要在同一个点都合法,就必然给出同一个数值。

这一点可以用本篇前面的多个例子验证:

  • 例题 3 中,隐函数求导得 ,

用显函数算出同一个值。

  • 例题 4 中,参数方程求导得

,

消去 后算出 ,

两者在 下相同。

  • 例题 8 中,星形线用参数方程求导得 ,

用隐函数求导得 。

验证:

。

但要注意「公共定义域」这个限定:对数求导法要求

(或 ),在 的点处不能用;

参数方程在 处不能用;

隐函数在 处不能用。

方法可能失效,但导数本身(若存在)是唯一的。

结论 (1)假(需要 有连续偏导数且 );

(2)假(竖直切线也是切线);

(3)假(漏了除以 );

(4)真(在公共定义域上,不同方法结果必然一致)。

总结成一句:方法有适用条件,导数值是客观的。

做题时若两种方法结果不一致,一定是某一步算错或

某个方法的前提没满足,而不是「导数本来就有两个值」。

六、应用

6.1 几何:圆锥曲线的切线与法线

圆锥曲线(椭圆、双曲线、抛物线)用隐式或参数式给出时,

切线问题正是本节方法的直接应用。

椭圆:。隐函数求导:

在点 处的切线:

(这条公式可以用上面的斜率推出来,也可以直接用「切线方程的隐式写法」记忆。)

光学性质:椭圆有「从一个焦点发出的光线经椭圆反射后过另一个焦点」的性质。

它的证明需要用到切线的方向——而切线方向正是由 决定的。

这是椭圆在光学与声学中应用(如「耳语廊」)的数学基础。

6.2 物理:隐式的状态方程

热力学中的状态方程常写成隐式:

(如范德瓦尔斯方程)。

由隐函数求导立刻得到

这类「三个变量中哪个是自变量」的问题在热力学里极其重要

(等温过程、等压过程、绝热过程分别固定不同的变量),

而处理它们的数学工具正是隐函数求导

(多元版本见 8-3-多元复合函数与隐函数求导)。

6.3 物理:参数方程与运动学

参数方程 , 本身就是质点运动的轨迹方程。

  • 速度向量:;
  • 速率(速度大小):

(弧微分的基础,见 4-7-曲率与弧微分);

  • 轨迹的切线斜率:;
  • 加速度向量:。

注意区分两组概念:

记号含义
竖直方向的加速度分量(运动学量)
轨迹的凹凸性(几何量,与时间无关)

这两个完全不同! 前者是运动学量,后者是几何量。

本篇例题 5 的错误公式正是把两者混为一谈。

6.4 经济学:隐式的均衡条件

经济学中很多关系是隐式的。例如市场均衡条件

若参数(如税率 )进入模型,均衡价格 就是 的隐函数:

对 求导即可得到 ——

这正是「税负转嫁」问题的数学形式

(税收增加多少,价格上升多少)。

6.5 用 numpy 数值验证参数方程求导

只用 numpy,验证参数方程求导公式。

import numpy as np

# 参数方程:x = t^2+1, y = t^3-t(例题 4)
def X(t): return t**2 + 1
def Y(t): return t**3 - t

t0, h = 2.0, 1e-6
dxdt = (X(t0+h) - X(t0-h)) / (2*h)
dydt = (Y(t0+h) - Y(t0-h)) / (2*h)
print(f"dy/dx 数值 = {dydt/dxdt:.10f}   公式 = {(3*t0**2-1)/(2*t0):.10f}")

# 二阶导:注意要再除以 dx/dt
g  = lambda t: (3*t**2 - 1) / (2*t)      # dy/dx 作为 t 的函数
dg = (g(t0+h) - g(t0-h)) / (2*h)          # d/dt (dy/dx)
print(f"d2y/dx2 数值 = {dg/dxdt:.10f}   公式 = {(3*t0**2+1)/(4*t0**3):.10f}")

# 错误公式(供对照)
d2ydt2 = (Y(t0+h) - 2*Y(t0) + Y(t0-h)) / h**2
d2xdt2 = (X(t0+h) - 2*X(t0) + X(t0-h)) / h**2
print(f"错误公式 d2y/dt2 ÷ d2x/dt2 = {d2ydt2/d2xdt2:.10f}")

输出形如:

dy/dx 数值 = 2.7500000000   公式 = 2.7500000000
d2y/dx2 数值 = 0.1875000000   公式 = 0.1875000000
错误公式 d2y/dt2 ÷ d2x/dt2 = 3.0000000000

读这三行输出:

  1. 一阶导的数值与公式一致()。
  2. 二阶导的数值与正确公式一致()。
  3. 错误公式给出 ,与正确答案 相差 倍——

这直观地展示了「漏除 」的后果。

(上表为按标准双精度浮点行为的形如输出,具体数字随运行环境变化。)

七、易错点

易错点 1:隐函数求导时漏掉

错在哪:由 得 ;

由 得 。

正确是什么:含 的项求导后必须乘 :

;。 为什么: 是 的函数(这是隐函数的定义!),

所以对 求导时, 的部分要用链式法则。

自检办法:在草稿上把 改写成 再求导,

例如把 写成 ,

求导得 ,一目了然。

这是本节第一号失分点,务必练到不再出错。

易错点 2:参数方程的二阶导数直接用

错在哪:写

正确是什么:

为什么: 是

「 对 求导」。

而 已写成 的函数,

对 求导必须用链式法则,从而产生除以 这一步。

量纲检验: 的量纲是「/」;

除以 (/)后才能从「/()」

变回「/」。

数值检验(本篇 6.5 节):错误公式给 ,正确答案是 ——

错了 倍。

易错点 3:隐函数二阶导数算出后忘记代入

错在哪:算出 就停笔,

结果里还留着 。

正确是什么:必须把 代入,得到

(对圆的情形),使结果只含 与 。

为什么:题目要求的是「用 、 表示 」。

保留 相当于答案里藏了一个「未求出的函数」,

无法用来判断符号、求某点的值。而且这样也不便于用原方程化简。

补充:代入后还要用原方程化简。

例如圆的例子中把 换成 ,

答案从 简化成 。

易错点 4:滥用对数求导法(忽略 的前提)

错在哪:对 (它会变号)直接写

并求导,

而不管在哪些区间上 。

正确是什么:三种处理方式——

① 限制在 的区间上(如 );

② 用 (此时

仍成立);

③ 最稳妥:直接用 的恒等式,

这不涉及「对 取对数」,只要 即可。

为什么: 只在正数上有定义。

在 处取 是无意义的操作,整个推导失去合法性。

特别提醒:幂指函数 天然要求 ,

所以讨论幂指函数时必须写出底数为正的区间。

易错点 5: 时仍然套公式

错在哪:对 , 在 处写

,

然后「代入 」得 ,并称「导数为无穷」。

正确是什么: 在该点不存在

(不是「等于无穷」这个数)。

几何上曲线有竖直切线,但按导数的定义,那里不可导。

若

同时成立(如摆线在 处), 是不定式,

必须用取极限或化简的方法单独分析

(摆线给出竖直切线,见 2.4 节)。

为什么:公式

的推导用了反函数求导法则,而那条法则要求分母不为零

(见 3-2-求导法则与基本公式 定理 3.10)。

前提不满足时必须另想办法,不能硬代。

易错点 6:把 与

混为一谈

错在哪:在参数方程问题中,

用 回答「轨迹的凹凸性」的问题。

正确是什么:

是运动学量

(竖直方向的加速度分量),与参数化方式有关;

是几何量

(轨迹的凹凸性),与参数化方式无关。

为什么:同一条曲线可以有无数种参数化,

但凹凸性是曲线本身的几何性质,不应该依赖于参数选择。

例:圆周运动 , 时

(随 变化);

但曲线是圆, 由圆的几何决定。

换一个参数化 ,(同一个圆),

——

加速度变了,但圆没变。

易错点 7:隐函数求导的结果不化简

错在哪:得到 就交卷,

没有用原方程 化简成 。

正确是什么:只要原方程能提供整体替换,就必须替换。

为什么:

① 化简后的结果更简洁,判断符号更容易

( 的符号只取决于 ,

而 还要看 的正负);

② 考试中「未化到最简」通常要扣分;

③ 化简过程本身就是一次自检——如果化简后发现结果很奇怪,

往往说明前面算错了。

注意:不是所有方程都能提供明显的替换。

例如 (叶形线)里,

可替换的整体组合是 ,需要自己识别。

办法:先把结果化到最简,再看原方程里有没有能整体代入的部分。

八、练习题

A 组(隐函数求导)

1. 求下列方程确定的隐函数 的导数

:

(1)();

(2);

(3)()。

2. 设 。求 与

(结果用 、 表示)。

3. 求曲线 在点 处的切线方程与法线方程。

B 组(参数方程求导)

4. 求下列参数方程确定的函数的导数 与

:

(1),();

(2),。

5. 求摆线 ,

在 处的切线方程,

并指出切线斜率的正负与曲线走势的关系。

6. 设 ,。求

与 ,并说明该曲线的形状特征。

C 组(对数求导法与综合)

7. 用对数求导法求下列函数的导数:

(1)

();

(2)();

(3)

()。

8. 判断并说明理由(真的请证明,假的请举反例):

(1)若 , 在 处都有导数且

,则 在 对应的点处存在;

(2)若 在某点存在,则该点处曲线一定有切线;

(3)若曲线在某点有切线,则该点处 一定存在;

(4)若 在 附近确定隐函数 ,

则当 时 在 处可导。

答案在哪

本篇练习的详细解答(出处 / 考点 / 思路 / 分步解 / 答案 / 易错点)见 10-微积分-03-导数与微分;分章导航见 00-总索引。

九、常见问题 FAQ

Q1:隐函数求导时,我怎么知道哪些项要乘 ?

判据只有一条:这一项里含不含 ?含就乘。

具体分类:

项是否含 求导结果
否
是
是(乘积)
部分是
是
是
(常数)否

最可靠的练习办法:在草稿上把 明确写成 ,然后求导,

最后再把 写回 、把 写回 。

练十道题之后就会形成条件反射。

一个容易忽略的情形:像 、、

这样的复合结构,要用链式法则把

「内层的导数」整个算出来,内层导数里自然会包含 。

Q2:为什么参数方程的二阶导数要「再除一次」?

因为二阶导数的定义是「对 再求一次导」,而不是「对 求导」。

把过程拆开看:

第 1 步:。

这个结果是 的函数(因为右边只含 )。

第 2 步:要求

注意:是对 求导,不是对 !

第 3 步:手上只有 的表达式,怎么对 求导?

用链式法则( 是 的函数):

第 4 步:由反函数求导法则,

。代入:

所以「再除一次 」的来源就是第 3 步的链式法则。

一个比喻:「把 的尺子换成 的尺子时,

所有长度都要除以两个尺子的换算比 。」

一阶导除一次;二阶导因为还有一次「对 求导」的动作,

所以还要再除一次。

Q3:什么时候该用对数求导法?有没有判断标准?

三条判断标准(满足任一条就考虑用):

① 是幂指函数。 底数与指数都含 :

、、、。

这类必须用(或等价地写成 )。

② 是多因子连乘除。 比如

。

直接求导要用两次乘积法则加一次商法则,约十行;

取对数后只要三行。

③ 含根号的分式。 比如 。

把根号写成 次幂,取对数后变成 倍的和。

不必用的情况:

  • (一层乘积,乘积法则更快);
  • (指数形式已经是最简单的复合);
  • (一层商,商法则更快)。

一条经验法则:**如果需要连续用三次以上乘积/商法则,

或者遇到幂指函数,就用对数求导法。**

最后提醒:使用前一定要确认

(或改用 、或写成 的形式)。

Q4:隐函数求导得到的 里同时有 和 ,这算不算答案?

算。这是完全标准的形式,而且是隐函数求导的正常结果。

为什么不能只含 ? 因为在隐函数情形下,

与 由方程联系,不是独立变量。

把 写成 与 的表达式,

已经完整地表达了「在曲线上的每一点,切线斜率是多少」。

要算某点处的斜率,只需要把该点的坐标 同时代入:

例如 ,,

在 处 。

注意 必须满足原方程,否则它不在曲线上,

代入得到的数没有几何意义。

如果题目要求「用 表示」,那就需要显式解出 再代入——

但这时隐函数求导的简洁优势就没了(而且往往解不出来)。

所以绝大多数题目接受「含 与 」的答案。

一个特殊情况:如果方程能提供整体替换

(如圆的例子中 ),那就要替换以简化结果

(这是易错点 7 的内容)。

Q5:参数方程里 意味着什么?

意味着曲线在该点的切线竖直(或需要另行分析)。分两种情况:

**情形 A: 但

。**

点只在竖直方向运动(水平速度为零)。

切线竖直, 不存在。

例:, 在 处,

曲线 在原点切线为 轴。

**情形 B:

(两者同时为零)。**

这时速度向量为零——点在该时刻瞬时静止。

公式给出 ,完全失效,必须另想办法。

例:摆线 , 在 处。

用极限算出 ,

所以切线竖直,曲线有尖点。

情形 B 的三种可能结果:竖直切线、水平切线、尖点

(取决于更高阶的项)。必须逐题具体分析,没有统一公式。

处理办法:用参数 把 化简,

再取极限;或者消去 得到显函数,直接用定义判断。

Q6:这三种方法(隐函数、参数方程、对数)能不能混用?

能,而且经常需要混用。这是本节最重要的实战技巧。

例 1(隐函数 + 对数):方程 。

两边对 求导时,左边的 用隐函数求导的思路:

这里「隐函数求导」与「对数求导」是同一件事的两种说法——

本身就是链式法则的产物。

例 2(参数方程 + 对数):,。

求 要用对数求导法:

然后

。

例 3(隐函数 + 参数方程):有时需要先由参数方程解出 ,

代入隐式关系,再求导。

统一的原则:求导的方法由「当前表达式是什么形式」决定。

遇到乘除结构就用对数;遇到 与 混在一起就用隐函数思路;

遇到两个变量都是第三个变量的函数就用参数方程公式。

没有「只能选一种」的限制——哪一步合适就用哪一种。

**Q7:为什么 可以直接当成

「 除以 」来操作?**

作为计算技巧可以,作为严格论证不行。

这与 3-3-链式法则与复合函数求导 里讨论的是同一个问题。

在参数方程公式的推导中,我们写了

这看起来像把 约掉了,但它的严格依据是链式法则。

什么时候这种「约分」直觉特别有用?

① 记参数方程一阶导公式:

(上下同乘 的直觉)。

② 记隐函数的二阶导:

——**注意这里没有 ,所以不能「约分」,

必须老老实实再求一次导**。

③ 记住一阶微分形式不变性

(见 3-6-微分与线性逼近),

这是唯一可以「安全地把 当符号操作」的场合。

结论:

  • 一阶导:莱布尼茨记号可以形式化地当分数用

(有链式法则和反函数法则作保证)。

  • 二阶导:「约分」直觉会失效——

不是

「 除以 」,它是一个整体记号。

这正是参数方程二阶导公式容易记错的原因。

**Q8:题目要求「求 在点 处的值」,

为什么有时要先求 ?**

**因为在隐函数情形下,题目通常只给 ,

需要从原方程解出来。**

例:求 在 处的导数。

第 1 步:先求 。 把 代入原方程:

观察得 是解()。因式分解:

而 的判别式为 ,无实根。

所以 是唯一的实解。

第 2 步:隐函数求导。 两边对 求导:

第 3 步:代入 。

为什么必须先求 ? 因为 的表达式含 ,

不代入 就算不出来。而且要注意:

一个 可能对应多个 (多条分支),

此时每个 对应一个不同的导数值,必须分别计算。

例: 在 处, 两个解,

对应 ——这个例子里恰好都是

(因为 )。

若改问 处,则 ,

——两个不同的值。

所以做题时必须先明确「是哪个分支」,并说明理由

(例如「由题目条件 」或「在第一象限」)。

十、国内教材对照(浙大《微积分》/ 考研大纲)

10.1 术语与记号对照

内容国内(浙大《微积分》苏德矿等编 / 同济版)国外(Banner、MIT 18.01)
隐函数求导隐函数的求导法(也叫「隐函数微分法」)implicit differentiation
隐函数存在定理明确给出定理(含 的条件),但不要求证明implicit function theorem(通常只在一元/多元衔接处提及)
参数方程求导由参数方程所确定的函数的导数;公式记作 parametric differentiation;
参数方程二阶导作为重点,明确给出 并反复训练也讲,但练习量明显少
对数求导法对数求导法,作为独立方法训练三类问题logarithmic differentiation(Banner 第 6 章);幂指函数着墨较少
幂指函数专门讨论,两种方法都要会通常只要求会算,不强调「幂指」这个名称
记号、 表示 、 关于 的函数常用 、 或 、

术语基本一致,差异主要在教学重点:

国内把参数方程的二阶导数作为核心训练点(因为考研常考),

国外教材通常只强调一阶导数。

10.2 国内更强调的内容

(1)隐函数存在定理的完整叙述。 国内教材(尤其数学分析类)

会给出隐函数存在定理的条件与公式

,

并要求理解 的几何意义。

国外教材(Banner)通常只讲操作方法,不讲定理条件。

(2)参数方程二阶导数的高强度训练。 这是国内考试的重点。

「求 」的大题在考研真题中反复出现,

且评分标准明确要求「除以 」这一步。

国内教材会给出大量练习,并反复强调「不要写成

」。

(3)隐函数的二阶导数。 国内教材要求会求隐函数的二阶导数,

并强调「代入一阶导 + 用原方程化简」。

考研大题中经常出现「求隐函数的二阶导数并代入某点求值」。

(4)对数求导法的三大题型。 国内教材明确列出三类应用场景

(幂指函数、多因子乘除、含根号的分式),并配大量练习。

国外教材更多把它当作「处理复杂乘除的工具」,

不强调「必须掌握三类题型」。

(5)参数方程与极坐标的联合考查。 国内教材常把参数方程求导

与极坐标曲线的切线问题结合(极坐标曲线的参数化以 为参数)。

MIT 18.01 也讲极坐标,但把重心放在面积与弧长上。

10.3 考研大纲的定位

考研数学大纲对本节的要求(「一元函数微分学」部分):

  • 会求隐函数的导数(数学一、二、三都要求);
  • 会求由参数方程所确定的函数的导数(数学一、二要求,数学三也涉及);
  • 会用对数求导法求函数的导数;
  • 会求幂指函数的导数。

常考题型:

  1. 隐函数求二阶导数并求某点的值:给出隐式方程,

要求算 并代入给定的点。

这是本节最高频的大题形态,

评分要点是「代入 」与「用原方程化简」两步。

  1. 参数方程求二阶导数:给出 、,

要求算 与

。

错误公式 是选择题的经典陷阱。

  1. 参数方程或隐函数的切线、法线问题:常作为大题的第一问。
  2. 幂指函数求导:选择题、填空题、大题都可能出现。
  3. 对数求导法处理复杂结构:如求

的导数。

国外教材不强调而国内常考的点:

① 隐函数存在定理的条件与几何意义(国外多数教材不考条件);

② 参数方程的二阶导数(国外通常只考一阶);

③ 隐函数的二阶导数及其化简(国外较少出这类计算题);

④ 对数求导法的三类题型分类(国外不这样组织教学)。

10.4 学习建议

  • 以考研为目标:本篇 4.1(隐函数四步流程)、

4.2(参数方程二阶导流程)、4.3(对数求导法四步流程)、

4.4(隐函数二阶导完整算例)必须练熟;

例题 3(隐函数一阶 + 二阶)、例题 4(参数方程一阶 + 二阶 + 切线)、

例题 6(对数求导法三例)是高频题型的标准范例;

第七节的七个易错点,尤其易错点 1、2、3,必须完全掌握。

  • 以理解概念为目标:Banner《普林斯顿微积分读本》第 6 章

§6.4(implicit differentiation)的讲解非常直观;

MIT 18.01SC 的 Session 15「Implicit Differentiation」

与 Session 16「Parametric Equations」配有视频与习题。

注意 MIT 在讲隐函数时更强调「 是 的函数」这一视角,

与国内「两边对 求导」的机械化流程互补。

  • 共同的建议:

① 记牢三张「公式卡」——

隐函数:;

参数方程一阶:

;

参数方程二阶:

② 养成「符号自检」的习惯——用几何意义检验结果

(如圆的二阶导符号应与凹凸性一致)。

③ 凡是用对数求导法,先写出「」的条件。

本篇小结

本篇小结

① 一句话概括

当曲线由方程(隐式)或参数方程给出、无法写成 时,

求导仍然可行:隐函数求导就是「把 看成 的函数,两边同时对 求导」;

参数方程求导就是

「,

而二阶导还要再除以一次 」;

对数求导法则用「取对数把乘除变加减」的办法处理幂指函数与多因子乘除。

② 必须记住的结论

1. 隐函数求导:含 的项求导后必须乘 。

2. 隐函数的一阶导公式:

。

3. 隐函数存在定理的条件: 连续、有连续偏导数、

、。

最后的条件对应「曲线在该点切线不竖直」。

4. 隐函数二阶导的步骤:求 → 对 再求导 → 代入 →

用原方程化简。

5. 参数方程一阶导:

\varphi'(t) \neq 0。 >">

6. 参数方程二阶导:

不是 。

7. 参数方程的切线:

8. 的处理:若

则切线竖直;

若两者同时为零,公式失效(),必须另行分析。

9. 对数求导法:

,

前提 ;适用幂指函数、多因子乘除、含根号的分式。

10. 幂指函数:

,

推荐路线 。

③ 最容易混淆的几组概念

| 概念 A | 概念 B | 关键区别 |

|---|---|---|

| (一阶) | (二阶,参数方程) | 二阶要「对 求导后再除 」 |

| (几何量) | (运动学量) | 前者与参数化无关(曲线的凹凸性);后者随参数化改变 |

| | | 前者切线竖直(导数不存在);后者公式失效,须另作分析 |

| 隐函数求导中的 | 本身 | 是要解出的未知量; 按原方程代入 |

| 求导(要求 ) | 求导(要求 ) | 后者结果仍是 ,适用范围更宽 |

| | 两边直接对 求导 | 同一个方法的两种表述,前者更紧凑 |

| 幂指函数 | 乘积 | 底数指数都含 才是幂指;必须化成 |

| 「曲线有切线」 | 「 存在」 | 竖直切线时前者成立后者不成立 |

| 「方法失效」 | 「导数不存在」 | 公式的前提不满足 ≠ 导数一定不存在 |

| 隐函数二阶导中的「代入 」 | 「代入某个点的坐标」 | 前者是消去 (必做);后者是求具体数值 |

④ 通往后面章节的接口

| 本篇概念 | 在哪里被升级 | 升级成什么 |

|---|---|---|

| 隐函数求导() | 8-3-多元复合函数与隐函数求导 | 多元隐函数、雅可比行列式、方程组情形 |

| 参数方程与弧微分 | 4-7-曲率与弧微分 | 弧微分 、曲率 |

| 参数方程与极坐标曲线 | 6-4-定积分的几何应用 | 极坐标下的面积与弧长 |

| 参数方程的切线方向 | 8-4-方向导数与梯度 | 曲线的切向量与方向导数 |

| 隐函数与切线 | 4-6-函数作图与渐近线 | 用一阶、二阶导数完整刻画曲线 |

| 对数求导法与幂指函数 | 5-2-换元积分法 | 积分中的换元(链式法则的逆用) |

| 参数化与运动学 | 9-3-曲线积分 | 曲线积分中的参数化与定向 |

| 隐式关系与微分方程 | 10-1-微分方程的基本概念 | 隐式解与显式解、通解与特解 |

| 参变量与多元函数 | 8-1-多元函数的概念与极限连续 | 参数曲面、多元函数的参数表示 |

相关笔记

  • 3-3-链式法则与复合函数求导 — 前置篇章。隐函数求导的全部内容都是链式法则的应用

(「含 的项要乘 」就是链式法则),参数方程公式的推导也依赖它。

  • 3-2-求导法则与基本公式 — 前置篇章。参数方程的推导用到了

反函数求导法则

,

对数求导法用到 。

  • 1-5-极坐标与参数方程 — 前置篇章。圆的参数方程、摆线、星形线等

常见参数曲线的来源与图像,是本节应用的基础。

  • 1-3-三角函数与反三角函数 — 前置篇章。半角公式、倍角公式

在化简参数方程求导结果(如摆线的 )时反复使用。

  • 3-4-高阶导数与莱布尼茨公式 — 同章兄弟。隐函数与参数方程的二阶导数

是该篇 4.6 节预告的内容,两篇合起来才算把二阶导数讲完整。

  • 3-1-导数的定义与几何意义 — 同章兄弟。本篇反复引用

「可导 存在非竖直切线」这一结论

(竖直切线、尖点、 的几何意义都靠它)。

  • 3-6-微分与线性逼近 — 同章兄弟。一阶微分形式不变性

让「把 当分数约掉」的直觉有了合法依据。

  • 8-3-多元复合函数与隐函数求导 — 后续章节。本篇的隐函数求导是

多元隐函数理论与雅可比行列式的特例;参数方程求导也推广为多元复合函数的链式法则。

  • 4-7-曲率与弧微分 — 后续章节。参数方程与弧微分结合,

得到曲率公式

。

  • 10-1-微分方程的基本概念 — 后续章节。隐式解、参数式解

是微分方程解的常见形式,本篇的求导技术在那里用于验证解。

参考来源

  • Banner, The Calculus Lifesaver: The Complete Guide to Calculus and Its Applications,

第 6 章「求导法则」§6.4(隐函数求导、对数求导法),

以及关于参数曲线切线的部分。

教材本身,无 URL;frontmatter 记录的出版社页面为

https://www.wiley.com/en-us/The+Calculus+Lifesaver%3A+The+Complete+Guide+to+Calculus+and+Its+Applications-p-9780470181222

  • MIT OpenCourseWare, 18.01SC Single Variable Calculus, Fall 2010,

Unit 1「Differentiation」中的 Session 15「Implicit Differentiation」

与 Session 16「Parametric Equations」(含参数曲线的切线与弧长)。

https://ocw.mit.edu/courses/18-01sc-single-variable-calculus-fall-2010/pages/1.-differentiation/part-b-concepts-of-the-derivative/

  • Eric W. Weisstein, 「Implicit Differentiation」, MathWorld——

隐函数求导的定义、隐函数存在定理与

的标准表述。

https://mathworld.wolfram.com/ImplicitDifferentiation.html

  • 苏德矿、金蒙伟等编《微积分》(高等教育出版社,浙江大学数学系教材),

「隐函数的求导法」与「由参数方程所确定的函数的导数」两节

(含隐函数存在定理与参数方程二阶导数的系统训练);

同济大学数学系《高等数学》上册

「隐函数及由参数方程所确定的函数的导数」一节。

教材本身,无 URL。

  • 教育部考试中心《全国硕士研究生招生考试数学考试大纲》,

「一元函数微分学」中「会求隐函数和由参数方程所确定的函数的导数」

以及「会用对数求导法」的要求。教材本身,无 URL。