Calculus

🚀 微積分：變化的數學（應用與詮釋 AI）

歡迎來到微積分這個精彩的世界！別擔心，雖然聽起來有點嚇人，但微積分其實就是在研究「事物如何變化」。在「數學：應用與詮釋」(Mathematics: Applications and Interpretation, AI) 這門課中，我們較少著重於抽象的證明，而是更專注於如何利用這些強大的工具來模擬和理解現實世界中的現象——從預測疾病傳播到優化商業利潤，無所不包。

如果你已經能熟練地使用 GDC（圖形顯示計算機）來求根、計算面積和分析圖像，那你已經成功了一半！

---

第一部分：核心概念 —— 變化率

1.1 平均變化率 vs. 瞬時變化率

想像一下你開車行駛了 100 公里，花了 2 小時。你的平均變化率（平均速度）是 50 km/h。但你這段時間全程都維持 50 km/h 嗎？這不太可能！你肯定有時加速、有時減速。

微積分讓我們能夠計算瞬時變化率——也就是你經過特定路標那一瞬間的精確速度。

• 平均變化率 (Average Rate of Change)： 在一段時間區間內計算。這其實就是經過兩點 \((x_1, y_1)\) 和 \((x_2, y_2)\) 的割線斜率公式：
  $$ \text{平均變化率} = \frac{y_2 - y_1}{x_2 - x_1} $$
• 瞬時變化率 (Instantaneous Rate of Change)： 在單一點上計算。這就是該點切線 (tangent line) 的斜率。我們透過微分 (differentiation) 來求得。

重點總結： 微分就是透過將區間縮小到極致（趨近於零），從「平均變化」（割線）過渡到「瞬時變化」（切線）的過程。

---

第二部分：微分（求斜率）

微分（或尋找導數 derivative）會給我們一個公式 \(f'(x)\)，讓我們能算出原函數 \(f(x)\) 上任意一點的瞬時斜率。

2.1 符號與基本規則

我們有幾種不同的方式來標示導數：

• 若函數為 \(y = f(x)\)，其導數可記作 \(f'(x)\) 或 \(\frac{dy}{dx}\)。
• 對 \(x\) 進行微分的操作記作 \(\frac{d}{dx}\)。

雖然 AI 學生在處理複雜微分時通常會使用 GDC，但了解這些基本規則有助於你理解函數的底層結構：

1. 冪法則 (Power Rule) —— 最重要的規則：
若 \(f(x) = ax^n\)，則 \(f'(x) = n a x^{n-1}\)。
（把次方拿下來相乘，然後次方減 1。）

例子： 若 \(y = 4x^3\)，則 \(\frac{dy}{dx} = 4 \times 3 x^{3-1} = 12x^2\)。

2. 標準函數的導數（AI 重點）：

• 指數函數： 若 \(f(x) = e^{kx}\)，則 \(f'(x) = k e^{kx}\)。
• 自然對數： 若 \(f(x) = \ln(ax)\)，則 \(f'(x) = \frac{1}{x}\)。（沒錯，\(a\) 會消失！）
• 常數： 若 \(f(x) = c\)（任何常數），則 \(f'(x) = 0\)。（水平線的斜率為零。）

💡 技術提示： 對於需要使用連鎖律 (Chain Rule)、乘法法則 (Product Rule) 或除法法則 (Quotient Rule) 的函數（特別是 HL 學生），除非題目明確要求手算，否則請務必依賴你的 GDC 微分功能。

2.2 導數的應用

微積分在 AI 課程中真正的威力在於它的應用：

A. 求切線與法線

導數 \(f'(a)\) 給出了在 \(x=a\) 處切線的斜率。

• 切線斜率： \(m_{tan} = f'(a)\)
• 法線斜率： 法線與切線垂直，其斜率為切線斜率的負倒數：\(m_{norm} = -\frac{1}{f'(a)}\)。

B. 運動學（運動模型）

在物理學和模型建立中，微分連結了位置、速度和加速度。

• 設 \(s(t)\) 為時間 \(t\) 時的位置（或位移）。
• 速度是位置的變化率：\(v(t) = s'(t)\)。
• 加速度是速度的變化率：\(a(t) = v'(t) = s''(t)\)（這是二階導數）。

C. 優化問題（求極大值與極小值）

這對 AI 課程來說非常關鍵。優化用於尋找最大利潤、最小成本或最大體積。

1. 求導函數： 先算出 \(f'(x)\)。
2. 令 \(f'(x) = 0\)： 解這個方程式可得到駐點 (stationary points) 的 \(x\) 值（此處斜率為零）。*這裡請善用你的 GDC 解方程/求根功能！*
3. 檢查端點/背景限制： 對於現實問題，務必檢查定義域邊界的值（例如：若 \(0 \le x \le 5\)）。
4. 驗證極大/極小值： 使用二階導數判別法 (second derivative test) 或分析圖像：
   • 若 \(f''(x) > 0\)，則該點為極小值（凹口向上，形狀像碗 ∪）。
   • 若 \(f''(x) < 0\)，則該點為極大值（凹口向下，形狀像山丘 ∩）。

---

第三部分：積分（求累積量）

積分是微分的逆過程。它主要有兩個用途：

1. 透過導數還原出原始函數（不定積分 Indefinite Integral）。
2. 計算曲線下的面積（定積分 Definite Integral）。

3.1 不定積分（反導數）

當我們對 \(f(x)\) 積分時，我們找到的是它的反導數 \(F(x)\)。

符號： \(\int f(x) \, dx = F(x) + C\)

積分常數 (\(+ C\))：
微分時，任何常數都會消失（\(\frac{d}{dx}(x^2+5) = 2x\)；\(\frac{d}{dx}(x^2-10) = 2x\)）。因為我們無法得知原始的常數是多少，所以在進行不定積分時，必須加上 \(+ C\)。我們通常會利用初始條件（例如：「當 \(x=1, y=5\)」）來算出 \(C\) 的值。

反冪法則：
若 \(f(x) = ax^n\)，則 \(\int f(x) \, dx = \frac{a x^{n+1}}{n+1} + C\)（前提是 \(n \neq -1\)）。
（次方加 1，然後除以新的次方。）

例子： \(\int 6x^2 \, dx = \frac{6x^3}{3} + C = 2x^3 + C\)。

標準函數的反積分：

• \(\int e^{kx} \, dx = \frac{1}{k} e^{kx} + C\)
• \(\int \frac{1}{x} \, dx = \ln|x| + C\)（這是 \(n=-1\) 時的特殊情況）

3.2 定積分（面積與累積）

當我們計算兩個定義邊界 \(a\) 和 \(b\) 之間的積分時，我們使用定積分。

符號： \(\int_a^b f(x) \, dx\)

微積分基本定理：
$$ \int_a^b f(x) \, dx = [F(x)]_a^b = F(b) - F(a) $$ （其中 \(F(x)\) 是 \(f(x)\) 的反導數）。

你知道嗎？ 當計算定積分時，積分常數 \(+ C\) 會自動抵消掉（\((F(b)+C) - (F(a)+C) = F(b) - F(a)\)）。這就是為什麼定積分不需要加 \(C\) 的原因！

3.3 定積分的應用

A. 曲線下方的面積

定積分計算的是函數 \(f(x)\) 與 \(x\) 軸之間，從 \(x=a\) 到 \(x=b\) 的淨有向面積 (net signed area)。

• 若曲線在 \(x\) 軸上方，面積為正。
• 若曲線在 \(x\) 軸下方，積分結果為負。
• 若要計算總面積（忽略負值），你必須在 \(x\)-截距處分割積分，並將軸下方的部分取絕對值。

B. 兩曲線之間的面積

若在區間 \([a, b]\) 內，\(f(x)\) 是上方函數，\(g(x)\) 是下方函數： $$ \text{面積} = \int_a^b (f(x) - g(x)) \, dx $$

C. 運動學（逆過程）

積分讓我們能順著運動學鏈往上推：

• \(\int a(t) \, dt = v(t) + C\)（從加速度求速度）。
• \(\int v(t) \, dt = s(t) + C\)（從速度求位置/位移）。
• 位移： \(\int_{t_1}^{t_2} v(t) \, dt\)（位置的淨變化）。
• 總行駛距離： \(\int_{t_1}^{t_2} |v(t)| \, dt\)（必須取速度的絕對值，將向後移動的距離計為正數）。

D. 旋轉體體積（HL 特定單元）

（僅針對 HL 學生與進階應用）若曲線 \(y=f(x)\) 繞 \(x\) 軸旋轉，所產生的體積 \(V\) 為： $$ V = \pi \int_a^b (f(x))^2 \, dx $$