简介：为什么微分对于图形如此重要？
欢迎来到这个单元！到目前为止，你已经学会如何对 \( y = x^n \) 这类函数进行微分。但我们为什么要这样做呢？在本章中，我们将探讨微分如何像是一台图形的高科技放大镜。它让我们能够找出曲线在任何一点的确切斜率，辨识图形的最高点与最低点，甚至找出刚好“擦过”曲线的直线方程。
如果微积分现在让你觉得有点抽象，别担心——我们将把它拆解成简单、直观的步骤，任何人都能轻松掌握！
1. 递增与递减函数
想象你正沿着一个图形从左向右行走。有时你在走上坡，有时你在走下坡。微分能准确告诉你现在正处于哪种状态！
递增函数 (Increasing Functions)
如果图形随着你向右移动而向上爬升，那么该函数就是递增的。用数学术语来说，这意味着斜率 (gradient) 为正值。
规则： 如果 \( \frac{dy}{dx} > 0 \)，该函数就是递增的。
递减函数 (Decreasing Functions)
如果图形随着你向右移动而向下倾斜，那么该函数就是递减的。这意味着斜率为负值。
规则： 如果 \( \frac{dy}{dx} < 0 \)，该函数就是递减的。
示例：对于曲线 \( y = x^2 \)，其导数为 \( \frac{dy}{dx} = 2x \)。
当 \( x = 3 \) 时，斜率为 \( 6 \)（正值），所以图形是递增的。
当 \( x = -3 \) 时，斜率为 \( -6 \)（负值），所以图形是递减的。
快速回顾：
正斜率 (\( + \)) = 向上走（递增）
负斜率 (\( - \)) = 向下走（递减）
2. 切线与法线
曲线虽然优美，但有时我们希望使用直线来描述它们在某一点的特性。
切线 (Tangent)
切线是一条刚好在特定点触碰曲线，且在该点拥有与曲线完全相同斜率的直线。
法线 (Normal)
法线是一条在同一点与切线垂直（成 90 度角）的直线。可以把它想象成竖立在弯曲山坡上的一根旗杆。
如何求出它们的方程：
1. 微分该函数以得到 \( \frac{dy}{dx} \)。
2. 代入该点的 \( x \) 坐标，求出切线的斜率，我们称之为 \( m \)。
3. 求切线方程：使用直线方程公式 \( y - y_1 = m(x - x_1) \)。
4. 求法线方程：在同一个公式中使用垂直斜率 \( -\frac{1}{m} \)。
常见错误提示： 学生常会忘记在求法线时将斜率“倒数并变号”。切记：负倒数 (Negative Reciprocal)！
3. 平稳点：极大值与极小值
平稳点 (Stationary point) 是图形上斜率刚好为零 (\( \frac{dy}{dx} = 0 \)) 的位置。在此瞬间，图形既不上升也不下降；它是完全平坦的。
在 AS Level 中，你需要掌握两种主要的类型：
- 局部极大值 (Local Maximum)： “山顶”。图形停止递增并开始递减。
- 局部极小值 (Local Minimum)： “谷底”。图形停止递减并开始递增。
类比： 试想将球抛向空中。在最高点时，球在坠落前有一瞬间会停止上升。在那一点，它的速度（即斜率）为零！
关键点： 要找出平稳点，请始终从设定 \( \frac{dy}{dx} = 0 \) 并解出 \( x \) 开始。
4. 二阶导数与点的“性质”
当你找到平稳点后，如何在不画图的情况下判断它是“山峰”（极大值）还是“山谷”（极小值）？我们使用二阶导数 (second derivative)，写作 \( \frac{d^2y}{dx^2} \) 或 \( f''(x) \)。
二阶导数衡量的是斜率本身如何变化。
性质测试：
- 如果 \( \frac{d^2y}{dx^2} > 0 \)：它是极小值。（想象：正值结果 = 笑脸形状 \( \cup \)）
- 如果 \( \frac{d^2y}{dx^2} < 0 \)：它是极大值。（想象：负值结果 = 苦脸形状 \( \cap \)）
如果这让你觉得有点反直觉，别担心！只要记住：正值是极小值 (Min)，负值是极大值 (Max)。 虽然听起来有点反过来，但它每次都适用！
你知道吗？ 在物理学中，二阶导数本质上就是“加速度”。如果你处于轨道的一个极小值点，你的“加速度”正把你往回推，这就是为什么二阶导数为正值的原因！
逐步操作：寻找并辨识平稳点
如果题目要求你“找出平稳点并判断其性质”，请按照以下步骤操作：
- 进行一次微分，找出 \( \frac{dy}{dx} \)。
- 设定 \( \frac{dy}{dx} = 0 \) 并解出 \( x \)。
- 将解出的 \( x \) 值代回原始方程，求出 \( y \) 坐标。
- 再微分一次，找出 \( \frac{d^2y}{dx^2} \)。
- 将 \( x \) 值代入二阶导数中。
- 结论： 如果结果 \( > 0 \)，则是极小值；如果结果 \( < 0 \)，则是极大值。
总结： 微分让我们能够“阅读”图形的行为。\( \frac{dy}{dx} \) 告诉我们斜率（它在递增吗？哪里平坦？），而 \( \frac{d^2y}{dx^2} \) 告诉我们形状（它是山峰还是山谷？）。精通这两个工具是自信地绘制任何曲线的秘诀！