第2次作业复盘 - Unit 3 复合、隐函数与反函数

Reading Guide / 阅读说明

这份复盘同时使用扫描作业和四段 ChatGPT 对话。黑色过程用于判断独立能力，红色补充与聊天提问用于定位断点；AI 多次读错题，因此任何结论都必须回到原扫描件验证。

Current conclusion: 你已经能启动和完成多数单规则求导；当前瓶颈是先确定数学对象，再把 Product / Chain / Implicit / Inverse / Higher-order / Theorem 多层结构正确组合。

Evidence Boundary / 证据边界

• 单独照片：练习册 P47。
• 11 页 PDF：P48-P54、P56-P58 与 FRQ 续写页。
• P55（第35-37题）未包含在扫描中，因此不作判断。
• FRQ 41、42 的最终数学结果全部核对正确。
• ChatGPT 曾把 $x{y}^3$ 误读成 $y^3$，又误判为 $x^3$、$e^y$ 或 $e^2$；这些属于 AI 错误，不能反向算作你的知识缺口。

What Is Now Stable / 已经相对稳定

Direct and composite differentiation

• 多数 Power / Product / Quotient computations 可以独立启动。
• 能写出抽象 Chain Rule：

$$\frac{d}{dx}f(g(x))=f^{\prime }(g(x))g^{\prime }(x).$$

• 能从 table 与 graph 分别读取函数值和 derivative value。
• 能发现 inner derivative，例如 $x^3$、$x^2-1$、$2x$ 等。

FRQ assembly

• 第41题能把 $g(x)=[f(x){]}^3$、$f(3)$ 与 graph of $f^{\prime }$ 组合起来，得到正确 tangent slope $75$。
• 第42(a)(b) 能使用图像、公式和 Chain Rule，结果正确。
• 第42(c)(d) 经反馈后能写出完整的 Product + Chain Rule 与 MVT justification。
• 英文答案已经具备 UBC/AP 可读性；主要问题不再是英语，而是数学结构稳定前容易依赖完整范文。

Main Gaps / 主要缺口

1. Inverse derivative requires a location change (R + M)

反函数求导不是“先对 $f$ 求导，再把目标数字直接塞进去”。固定流程是：

$$f(a)=b⟹(f^{-1}{)}^{\prime }(b)=\frac{1}{f^{\prime }(a)}.$$

必须先回答：哪个 original input $a$ 被 $f$ 送到了目标 output $b$？

作业证据：第11-15题中多次卡在 $f^{-1}(b)$ 的位置寻找。连接 Inverse Function Derivatives 与 Function Composition。

2. $dy/dx$ records dependence; it is not free cancellation (R)

在

$$\frac{d}{dx}(y^n)=n{y}^{n-1}\frac{dy}{dx}$$

中，$dy/dx$ 表示 $y$ 对 $x$ 的变化率。Leibniz notation 可以帮助理解 Chain Rule，但在 algebra 中不能把每次出现的 $dy$ 与 $dx$ 当作普通因子随意删掉。

连接 Implicit Differentiation、Chain Rule 与 06 - Implicit Differentiation, What’s Going On Here。

3. Product Rule and Chain Rule can be nested (M)

第30题原式包含 $x{y}^3$：

$$\frac{d}{dx}(x{y}^3)=y^3+3x{y}^2{y}^{\prime }.$$

第一层看见 product：$x\cdot y^3$；第二层对 $y^3$ 使用 Chain Rule。

第42(c)包含 $g(-2x)h(x)$：

$$m^{\prime }(x)=-2g^{\prime }(-2x)h(x)+g(-2x)h^{\prime }(x).$$

这里 $(-2x{)}^{\prime }=-2$，不是 $-2x$。连接 Product Rule 与 Chain Rule。

4. Isolate $y^{\prime }$ only after differentiating every term (A + M)

隐函数题的安全顺序：

1. 原式两边逐项求导；
2. 展开所有 Product / Chain contributions；
3. 把所有含 $y^{\prime }$ 的项放在一边；
4. factor out $y^{\prime }$；
5. 最后代入具体点。

第16-19、30-34、40题中的主要风险是漏项、符号和过早整理。连接 Implicit Differentiation。

5. Second derivative means differentiating the whole first-derivative relation again (R + M)

第39题中，先由

$$x-y^2=m$$

得到

$$y^{\prime }=\frac{1}{2y}.$$

再求导时，$y$ 仍是 $y(x)$：

$$y^{\prime \prime }=\frac{d}{dx}\left(\frac{1}{2}{y}^{-1}\right)=-\frac{1}{2}{y}^{-2}{y}^{\prime }.$$

连接 Higher-Order Derivatives 与 Second Derivative。

6. Graph identity comes before graph interpretation (R)

• graph of $f$ 有 horizontal tangent at $a$ -> $f^{\prime }(a)=0$。
• graph of $f^{\prime }$ 有 horizontal tangent at $a$ -> $f^{\prime \prime }(a)=0$。
• horizontal tangent 不自动等于 turning point；还要检查左右 increasing/decreasing 是否改变。
• $f$ 的 extrema 要看 $f^{\prime }$ 是否穿过 $x$ 轴，不是只看 $f^{\prime }$ 的最高或最低点。

连接 Derivatives、Higher-Order Derivatives 与 Tangent Line。

7. MVT is a recognition pattern (R + J)

第42(d)的触发结构是：

endpoint function values
+ differentiable / continuous condition
+ asks whether there exists c
+ target is g'(c)
-> calculate endpoint average rate
-> Mean Value Theorem

$$\frac{g(-3)-g(-5)}{-3-(-5)}=\frac{2-10}{2}=-4.$$

因此存在 $c\in (-5,-3)$ 使 $g^{\prime }(c)=-4$。不能只查看表格列出的少数 $g^{\prime }$ values。连接 Mean Value Theorem、Average Rate of Change 与 Secant Line。

Question Evidence Map / 题目证据地图

题目	证据	主要分类	对应节点
2	Product + Chain Rule for logarithmic expression 出现红色纠正	M	Product Rule, Chain Rule, Natural Logarithm
11-15	inverse derivative 多次需要定位 original input	R + M	Inverse Function Derivatives
16-19	implicit terms 中漏 $y^{\prime }$、漏 Product contribution 或整理符号	M + A	Implicit Differentiation
20-25	negative/fractional powers、log、inverse trig derivative retrieval 不稳定	M	Derivative Formulas, Trigonometric Derivatives
30	$x{y}^3$ 同时使用 Product + Chain，AI 还多次误读原式	M + AI	Product Rule, Chain Rule, Implicit Differentiation
31-34, 40	implicit relation 中隔离 $y^{\prime }$	M + A	Implicit Differentiation
38	square-root composition 漏 inner factor $4f^{\prime }(x)$	M	Chain Rule
39	implicit second derivative 没有第一入口	R + M	Higher-Order Derivatives, Second Derivative
41	graph of $f^{\prime }$ + Chain Rule，最终正确	stable with verification	Chain Rule, Tangent Line
42(c)	Product + Chain + table + graph，反馈后正确	M	Product Rule, Chain Rule
42(d)	未主动想到 MVT，反馈后 justification 正确	R + J	Mean Value Theorem

AI Reliability Audit / AI 可靠性审计

这次 AI 造成了额外噪声：

• 把 $x{y}^3$ 看成 $y^3$；
• 随后又猜成 $x^3$、$e^y$ 或其他表达式；
• 在没有确认原式时给出完整长推导；
• 对图像题的对象存在反复误判。

你的正确反应是发现结果不在选项中，并坚持回到原式。以后固定使用：

1. 先把题目关键表达式打成文本；
2. 要求 AI 复述原式；
3. 原式确认后只给 hint 或 rubric；
4. 结果与选项不符时，优先检查读题、符号和代入，不继续扩大错误推导。

FRQ Language / FRQ 英文最短结构

Calculation

By the product rule and the chain rule, …

From the table/graph, …

Therefore, …

Theorem justification

Since $g$ is continuous on $[a,b]$ and differentiable on $(a,b)$, the Mean Value Theorem guarantees that there exists $c\in (a,b)$ such that …

不要写教学式长解释。每句话必须对应公式、data source、theorem condition 或 conclusion。

Rework Queue / 重做清单

Tier A - 必须无提示重做

1. 第15题：inverse derivative location；
2. 第30题：$x{y}^3$ 的 implicit Product + Chain；
3. 第39题：implicit second derivative；
4. 第42(c)：table + graph + Product + Chain；
5. 第42(d)：MVT identification and justification。

Tier B - 公式与符号稳定

• 第2、11-13、16-17、19、21、23、25、31-32、38题。

Passing condition

• Tier A 每题无提示完成；
• 能在动笔前说出最外层结构；
• 能解释为什么使用该 theorem/rule；
• 24 小时后再次正确；
• FRQ 不超过必要长度。

Final Diagnosis / 本次诊断

你不是“练很多仍然完全不会”。扫描显示，单规则计算已经明显超过第一次作业。当前问题是 rule selection and composition：当同一题叠加 inverse location、graph reading、Product + Chain、implicit dependence 或 theorem language 时，第一步不稳定。

因此下一阶段不应继续无限刷同类题，而要训练：

Name the object -> identify the outer structure -> list every changing factor/layer -> choose the rule -> calculate -> justify only what is asked.

中文：先说对象，再看最外层结构，列出所有会变化的因子与层级，然后选规则、计算，最后只补题目要求的 justification。

Connections / 连接

• 00 作业复盘索引
• 第1次作业复盘-Unit 2 导数基础
• 微积分BC第3次正课-可导性链式法则与隐函数求导
• 微积分BC第4次正课-反函数高阶导数与运动应用
• 微积分BC第5次正课-相关变化率线性近似与中值定理
• Function Composition
• Chain Rule
• Product Rule
• Implicit Differentiation
• Inverse Function Derivatives
• Higher-Order Derivatives
• Mean Value Theorem
• Tangent Line
• 04 - Visualizing the Chain Rule and Product Rule
• 06 - Implicit Differentiation, What’s Going On Here