欢迎来到微分的世界！
你好！欢迎来到 H2 数学中最强大的章节之一：微分 (Differentiation)。如果你曾好奇病毒视频扩散的速度有多快、如何将铝罐的成本降至最低，又或是如何算出过山车轨道上某一点的确切斜率，那么你来对地方了。
微分的核心在于变化。具体来说，它告诉我们“瞬时变率”(instantaneous rate of change)。别被这术语吓倒——你可以把它想象成数学曲线的高科技速度计。学完这一章，你就能像专家一样剖析曲线并预测它们的走势！
1. 基础概念：导数告诉了我们什么？
在进行繁复的计算之前，我们先理解这些符号的真正含义。导数，记作 \(f'(x)\) 或 \(\frac{dy}{dx}\)，代表了曲线在任意点上切线的斜率 (gradient)。
一阶导数的图形诠释
- \(f'(x) > 0\)：图形呈递增状态（从左至右向上爬升）。
- \(f'(x) < 0\)：图形呈递减状态（从左至右向下滑落）。
- \(f'(x) = 0\)：图形处于驻点（完全水平，如山峰或谷底）。
二阶导数的图形诠释
二阶导数 \(f''(x)\) 告诉我们图形的凹凸性 (concavity)（即“弯曲程度”）。
- \(f''(x) > 0\)：图形为凹口向上。想象一个笑脸 \(\cup\)。斜率正在增加。
- \(f''(x) < 0\)：图形为凹口向下。想象一个苦脸 \(\cap\)。斜率正在减少。
小贴士： 把 \(f'(x)\) 想成你的速度，把 \(f''(x)\) 想成你的加速度！
重点总结： 一阶导数告诉我们是在向上还是向下走；二阶导数则告诉我们曲线是如何弯曲的。
2. 进阶技巧：隐函数与参数微分
在会考 (O-Level) 时，你大多接触像 \(y = x^2\) 这样的方程式。但在 H2 数学中，方程式会变得复杂一些。我们需要两个新工具。
隐函数微分 (Implicit Differentiation)
有时 \(x\) 和 \(y\) 会纠缠在一起，例如圆的方程式：\(x^2 + y^2 = 25\)。我们很难轻易地将 \(y\) 变成主项。
规则： 对每一项关于 \(x\) 进行微分。每当你对包含 \(y\) 的项进行微分时，只需在后面补上一个 \(\frac{dy}{dx}\)！
例子： 对 \(y^3\) 进行微分，你得到 \(3y^2 \cdot \frac{dy}{dx}\)。
参数微分 (Parametric Differentiation)
有时 \(x\) 和 \(y\) 都是由第三个变量定义的，称为参数 (parameter)（通常是 \(t\) 或 \(\theta\)）。
例子：\(x = 2t^2\)，\(y = 4t\)。
要找出 \(\frac{dy}{dx}\)，我们使用链式法则 (chain rule) 的逻辑：
\[ \frac{dy}{dx} = \frac{dy/dt}{dx/dt} \]
常见错误： 学生经常不小心把分数倒过来。请务必确保 "dt" 项可以“抵消”，让你剩下 \(dy\) 除以 \(dx\)。
你知道吗？ 参数方程式在计算机图形学中被用于绘制平滑曲线和游戏角色的移动路径！
重点总结： 处理 \(x\) 和 \(y\) 混合项时用隐函数微分；当 \(x\) 和 \(y\) 都取决于第三个变量时用参数微分。
3. 驻点及其性质
当斜率为零时，就会出现驻点 (stationary point)：\(f'(x) = 0\)。你需要了解三种类型：
- 局部极大值 (Local Maximum)： “山顶”。
- 局部极小值 (Local Minimum)： “谷底”。
- 水平拐点 (Stationary Point of Inflexion)： 一个“平台”，图形在此处变平，但随后继续沿原方向发展。
检测性质（它是极大值还是极小值？）
方法 A：二阶导数测试（最快！）
1. 找出驻点处的 \(f''(x)\)。
2. 如果 \(f''(x) < 0\)，则为局部极大值（负数 = 苦脸）。
3. 如果 \(f''(x) > 0\)，则为局部极小值（正数 = 笑脸）。
4. 如果 \(f''(x) = 0\)，则测试无效！你必须使用一阶导数测试。
方法 B：一阶导数测试（最可靠！）
在驻点的左侧和右侧各选一个值，检查 \(f'(x)\) 的正负号。
极大值的例子： 斜率应该从 (+) 变为 (0) 再变为 (-)。
重点总结： 驻点发生在 \(f'(x) = 0\) 时。利用“笑脸/苦脸”规则进行二阶导数测试，能让你快速辨别它们。
4. 切线与法线
由于导数给出了切线的斜率 (\(m_T\))，我们可以使用以下公式找到切线方程式：
\(y - y_1 = m_T(x - x_1)\)
法线 (Normal) 是一条与切线在同一点垂直的直线。
秘诀： 法线的斜率 (\(m_N\)) 是切线斜率的负倒数。
\[ m_N = -\frac{1}{m_T} \]
速查表：
- 切线斜率：\(f'(x)\)
- 法线斜率：\(-1 / f'(x)\)
- 两者都通过点 \((x_1, y_1)\)。
5. 应用：关联变率
这就是微积分与现实世界的结合点。如果你知道半径增长的速度，你就能算出面积增加的速度。
逐步流程：
1. 找出已知的变率（例如 \(\frac{dr}{dt} = 2\)）。
2. 找出你想求的变率（例如 \(\frac{dA}{dt}\)）。
3. 写出链接这两个变量的方程式（例如 \(A = \pi r^2\)）。
4. 使用链式法则 (Chain Rule) 将它们链接起来：
\[ \frac{dA}{dt} = \frac{dA}{dr} \times \frac{dr}{dt} \]
比喻： 把链式法则想象成自行车的齿轮系统。你转动齿轮 A，它会带动齿轮 B，最终让车轮转动。
重点总结： 使用链式法则来链接不同的变率。记得写上单位，保持条理清晰！
6. 最优化（极大值与极小值问题）
最优化是关于如何找到做事的“最佳”方式——例如在限制材料的情况下使盒子体积最大化。
解题步骤：
1. 为你想优化的目标写出一个方程式（“目标函数”）。
2. 如果有两个变量，使用题目的其他信息来消去其中一个。
3. 微分并设为 0。
4. 解出变量并务必进行性质测试，以证明它是极大值还是极小值。
如果刚开始觉得很难也不用担心！ 最困难的部分通常是建立初始方程式。多练习将文字题转换为数学表达式吧。
7. 使用绘图计算器 (GC)
你的 GC 是考试时最好的伙伴！你应该知道如何：
1. 定位驻点： 使用 `G-Solv` 或 `Calculate` 菜单在图形上找出极小值或极大值点。
2. 求数值导数： 使用计算器上的 `d/dx` 功能，无需手动微分即可求出特定点的斜率。
3. 检查结果： 绘制导数函数图形，看看它是否与你的手算结果相符。
重要提醒： 即使你使用 GC 找到答案，除非题目明确要求“使用计算器”，否则你必须写出适当的步骤（例如导数表达式）。
总结检查清单
- 我会求隐函数和参数函数的导数吗？
- 我理解 \(f'(x)\) 和 \(f''(x)\) 的区别吗？
- 我能识别驻点并测试它们的性质吗？
- 我记得法线斜率是 \(-1/m\) 吗？
- 我能为关联变率问题设定链式法则吗？
- 我能熟练使用 GC 来验证结果吗？
你一定行的！ 微分是一项会随着你解决每一道题而进步的技能。继续加油练习！