二階導數

歡迎來到二階導函數！

大家好！準備好提升你的微積分技能了嗎？在本章中，我們將探索二階導函數。如果說一階導函數告訴我們事物變化的速度（例如速度），那麼二階導函數則告訴我們「這個變化」的變化速度（例如加速度！）。

如果這聽起來有點抽象，不用擔心。我們會用簡單的例子來解釋。理解二階導函數是一項超能力，它能讓你掌握曲線的真實形狀，輕鬆找出極大值和極小值點，以及更多用途。讓我們開始吧！

什麼是二階導函數？ (基礎知識)

快速回顧：一階導函數

在我們深入二階導函數之前，讓我們先回顧一下一階導函數的作用。

對於一個函數 \(y = f(x)\)，一階導函數寫作 \(f'(x)\) 或 \(\frac{dy}{dx}\)。
它告訴我們函數在任何一點的變化率。
從幾何角度看，它給出了曲線在那一點的切線斜率。

認識二階導函數

這個概念其實非常簡單：二階導函數就是一階導函數的導函數。你只需要微分兩次！

如果一階導函數 \(f'(x)\) 告訴你曲線的斜率，那麼二階導函數則告訴你斜率是如何變化的。斜率是變得更陡峭？還是更平緩？這些資訊揭示了曲線的形狀。

你必須知道的符號

就像一階導函數一樣，二階導函數也有幾種寫法。香港中學文憑試（HKDSE）課程要求你認識所有這些寫法：

如果你從 \(f(x)\) 開始，二階導函數是 \(f''(x)\)（我們讀作「f double prime of x」或「f 兩撇 x」）。
如果你從 \(y\) 開始，二階導函數是 \(y''\)（我們讀作「y double prime」或「y 兩撇」）。
萊布尼茲符號是 \(\frac{d^2y}{dx^2}\)（我們讀作「d squared y by dx squared」）。

如何計算二階導函數

這是最簡單的部分！這是一個簡單的兩步過程。

步驟一：找出函數的一階導函數 \(f'(x)\)。
步驟二：對步驟一的結果再微分一次。就這麼簡單！

例子示範

讓我們找出 \(f(x) = 4x^3 - 5x^2 + 7x - 10\) 的二階導函數。

1. 找出第一階導函數 \(f'(x)\)。
運用冪法則，我們得到：
\(f'(x) = 12x^2 - 10x + 7\)

2. 對 \(f'(x)\) 微分以得到 \(f''(x)\)。
現在我們對這個新函數微分：
\(f''(x) = 24x - 10\)

這就是我們的答案！\(4x^3 - 5x^2 + 7x - 10\) 的二階導函數是 \(24x - 10\)。

重點總結

二階導函數，寫作 \(f''(x)\) 或 \(\frac{d^2y}{dx^2}\)，是透過對函數微分兩次而得到的。它衡量了斜率的變化率。

凹凸性的故事

什麼是凹凸性？

凹凸性形容曲線彎曲的方式。想像它像一個碗。

向上凹（Concave Up）：曲線開口向上，像一個杯子或笑臉 🙂。它可以「盛水」。
向下凹（Concave Down）：曲線開口向下，像一頂帽子或愁眉苦臉 😟。它會「潑水」。

二階導函數與凹凸性的關係

這是最重要的應用！二階導函數的正負號會告訴你圖像的凹凸性。

如果在某區間內 \(f''(x) > 0\)，則圖像在該區間內向上凹。
記憶小貼士：正數是「加」，讓你開心地笑 🙂。

如果在某區間內 \(f''(x) < 0\)，則圖像在該區間內向下凹。
記憶小貼士：負數是「減」，讓你愁眉苦臉 😟。

拐點：凹凸性改變的地方

拐點是曲線上凹凸性改變的地方（從向上凹變為向下凹，或從向下凹變為向上凹）。這是曲線「情緒」轉變的點！

如何找出拐點：

1. 找出二階導函數 \(f''(x)\)。
2. 找出 \(f''(x) = 0\)（或 \(f''(x)\) 沒有定義的地方）的 x 值。這些是你的潛在拐點。
3. 檢查這些 x 值兩側 \(f''(x)\) 的正負號。如果正負號（+/-）改變了，那麼你就找到了拐點！

例子示範

找出函數 \(f(x) = x^3 - 6x^2\) 的拐點。

1. 找出 \(f''(x)\)。
\(f'(x) = 3x^2 - 12x\)
\(f''(x) = 6x - 12\)

2. 解 \(f''(x) = 0\)。
\(6x - 12 = 0\)
\(6x = 12\)
\(x = 2\)

3. 測試 \(x = 2\) 附近 \(f''(x)\) 的正負號。
讓我們測試左側的一點，例如 \(x = 1\)：\(f''(1) = 6(1) - 12 = -6\)（負數，所以向下凹）。
讓我們測試右側的一點，例如 \(x = 3\)：\(f''(3) = 6(3) - 12 = 6\)（正數，所以向上凹）。

由於在 \(x = 2\) 處凹凸性改變，所以那裡是一個拐點。為了得到完整的坐標，計算 \(f(2) = (2)^3 - 6(2)^2 = 8 - 24 = -16\)。
拐點是 \((2, -16)\)。

重點總結

\(f''(x)\) 的正負號告訴你形狀：\(f''(x) > 0\) 表示向上凹（🙂），而 \(f''(x) < 0\) 表示向下凹（😟）。拐點是凹凸性改變的地方。

二階導函數判別法 (找出極大值和極小值)

快速回顧：駐點

請記住，駐點是斜率為零的地方，所以 \(f'(x) = 0\)。這些點可以是局部極大值、局部極小值，或兩者都不是。一階導函數判別法可以幫助我們判斷這一點，但二階導函數判別法通常是更快的捷徑！

判別法解釋

二階導函數判別法利用凹凸性來判斷駐點的類型。想一想：

局部極小值點看起來像山谷的底部，這是一個向上凹的形狀。
局部極大值點看起來像山頂，這是一個向下凹的形狀。

這引導我們得出一個簡單的判別法。

逐步指南：使用二階導函數判別法

1. 透過解 \(f'(x) = 0\) 找出所有駐點。我們稱其中一個解為 \(x = c\)。
2. 找出二階導函數 \(f''(x)\)。
3. 將你的駐點 \(c\) 代入二階導函數，求出 \(f''(c)\)。
4. 檢查結果的正負號：
- 如果 \(f''(c) > 0\)（向上凹 🙂），則 \((c, f(c))\) 是一個局部極小值。
- 如果 \(f''(c) < 0\)（向下凹 😟），則 \((c, f(c))\) 是一個局部極大值。
- 如果 \(f''(c) = 0\)，判別法失效。它什麼都沒告訴我們！你必須回到並使用一階導函數判別法（檢查 \(f'(x)\) 的正負號）。

常見錯誤提醒

錯誤一：將判別法應用於非駐點。你必須先確認 \(f'(c) = 0\)！
錯誤二：假設 \(f''(c) = 0\) 就意味著它是拐點。它可能是，但為了找出極大/極小值，這只表示判別法失效，你需要使用其他方法。

重點總結

對於駐點 \(x = c\)，檢查 \(f''(c)\) 的正負號。正數 \(\implies\) 極小值。負數 \(\implies\) 極大值。零 \(\implies\) 判別失效。

在梯形法則中的應用

你知道嗎？

二階導函數可以告訴你使用梯形法則計算的估計值是過高還是過低！這是香港中學文憑試的常見考題。

凹凸性與梯形

想像畫一條曲線，然後在它下方畫一個梯形。梯形的頂部是連接曲線上兩點的直線。

如果曲線是向上凹的（像一個碗），那麼直線會在曲線之上。這表示梯形的面積會比曲線下方的實際面積大。
如果曲線是向下凹的（像一頂帽子），那麼直線會在曲線之下。這表示梯形的面積會比曲線下方的實際面積小。

過高/過低估計的法則

這為我們提供了一個非常簡單的法則，適用於你進行積分的區間：

如果在整個區間內 \(f''(x) > 0\)（向上凹），則梯形法則會產生過高估計（overestimate）。
如果在整個區間內 \(f''(x) < 0\)（向下凹），則梯形法則會產生過低估計（underestimate）。

逐步指南

例子：對於 \(\int_1^3 \frac{1}{x} \, dx\)，梯形法則的估計是過高估計還是過低估計？

1. 設 \(f(x) = \frac{1}{x} = x^{-1}\)。

2. 找出二階導函數 \(f''(x)\)。
\(f'(x) = -1x^{-2} = -\frac{1}{x^2}\)
\(f''(x) = (-1)(-2)x^{-3} = \frac{2}{x^3}\)

3. 檢查 \(f''(x)\) 在區間 \([1, 3]\) 上的正負號。
對於介於 \(1\) 和 \(3\) 之間的任何 \(x\)，\(x\) 都是正數。因此，\(x^3\) 是正數，而 \(f''(x) = \frac{2}{x^3}\) 也會是正數。
所以，在該區間內 \(f''(x) > 0\)。

4. 套用法則。
由於該函數在該區間內是向上凹的，所以梯形法則會產生一個過高估計。

重點總結

要判斷梯形法則的結果是過高估計還是過低估計，只需檢查區間內 \(f''(x)\) 的正負號。向上凹（\(f'' > 0\)）\(\implies\) 過高估計。向下凹（\(f'' < 0\)）\(\implies\) 過低估計。

本章總結與檢查清單

堅持到這裡，你做得太棒了！二階導函數為我們理解函數及其圖像增添了豐富的新層次。

我們學到了什麼：

二階導函數是一階導函數的導函數。
\(f''(x)\) 的正負號決定了凹凸性：正數表示向上凹（🙂），負數表示向下凹（😟）。
拐點是凹凸性改變的地方，通常在 \(f''(x) = 0\) 處。
二階導函數判別法有助於判斷駐點的類型：在 \(x=c\)（其中 \(f'(c)=0\)）處，如果 \(f''(c) > 0\) 則是極小值，如果 \(f''(c) < 0\) 則是極大值。
對於梯形法則，向上凹（\(f'' > 0\)）會導致過高估計，向下凹（\(f'' < 0\)）會導致過低估計。

繼續練習，很快使用二階導函數就會像你的第二天性一樣自然。你一定做得到！