2.13 高阶导数 · 从直觉到证明

一步一步建立直观

先预测，再点“演示本步”核对右图。每一步都重设到指定情形，随后可以自由修改参数。

01先读位置、速度，再读速度的变化

一次导数描述输出对输入的小变化有多敏感，二次导数则描述这种敏感度如何改变。把输入看成时间时，位置、速度、加速度依次出现。右图用指数函数的多项式近似演示逐阶匹配：一次项调整倾斜，二次项开始调整弯曲。

02同一条切线不能规定整条曲线

把观察位置移得更远，低阶多项式与原函数可能迅速分离。两条曲线在一点共享函数值与一阶导数，只保证它们在一阶尺度上接近；二阶导数及更高阶信息可以不同。因此切线相同不是函数相同，更不是远处预测可靠。

03高阶信息增加局部约束

增加阶数，检查读数中的实际误差。这里指数函数在零点的各阶导数都等于一，所以系数写成阶乘分母。一般函数需要分别计算各阶导数，并估计余项。即使已匹配许多阶，仍应同时注明近似中心、使用区间和允许误差。

2.13.1 “正在下降”与“下降得越来越慢”可以同时成立¶

看位置函数的一阶导数，是在问速度；再对速度求导，则是在问加速度。两者的符号回答不同问题。一辆向左运动但正在减速的车，速度为负，加速度却可能为正。函数图像的下降与向上弯曲也可以同时发生。

以 $x^2$ 在负半轴为例，斜率 $2x$ 为负，但随着 $x$ 增加，它越来越接近零。图像仍下降，却下降得越来越慢，二阶导数为正。把“正二阶导数”误读为“函数递增”，就是把变化率与变化率的变化混在一起。

2.13.2 高阶信息用于更细的局部预测¶

只知道一点的值，可以给常数预测；知道一阶导数，可以加直线修正；知道二阶导数，就能预测斜率如何偏离初值，从而加上二次项。泰勒近似会把这套逐层修正系统化。

对 $x^3$ ，二阶导数 $6x$ 在零点两侧变号，所以凹凸改变。对 $x^4$ ，二阶导数 $12x^2$ 在零点为零，却不变号，所以“二阶导数等于零”并不足以判断拐点。需要检查邻域行为，而非只代一个点。

试着画函数、斜率函数和二阶导函数三幅图，并用同一竖线标出一个输入。每幅图的纵坐标分别回答“在哪里、往哪变、变化率怎么变”。把它们分开阅读，才不会在更复杂的近似或动力系统中混淆层次。

与本图相连的定义与证明：2.14 · 在固定区间内控制截断误差。本节的具体条件与形式化范围见下文。

数学表述 2.13.1¶

一阶导数描述变化，二阶导数描述变化率怎样改变。运动中分别对应速度和加速度；函数图像中二阶导数控制局部凹凸。

对 $f(x)=x^3$ ， $f'=3x^2$ ， $f''=6x$ ， $f'''=6$ 。一般 $f''(a)>0$ 意味着附近斜率正在增加，但不保证 $f'(a)>0$ 。

例 2.13.1 把概念用于具体计算

$f(x)=x^2$ 在 $x=-1$ 处仍在下降，因为 $f'=-2$ ，同时向上弯曲，因为 $f''=2$ 。

练习 2.13.1¶

$f(x)=\sin x$ 的四阶导数？

展开解答与检查

答案仍为 $\sin x$ ，每四次循环。

Lean 对照 2.13.1 命题、证明与适用边界

完整计算三次函数的二阶导数为 $6x$ ，同时核实中间的一阶导函数。

Calculus.second_derivative_cubic

theorem second_derivative_cubic (x : ℝ) :
    deriv (deriv (fun t : ℝ => t^3)) x = 6*x := by
  have h : deriv (fun t : ℝ => t^3) = fun t => 3*t^2 := by
    funext t
    simp [deriv_pow]
  rw [h]
  convert ((hasDerivAt_pow 2 x).const_mul 3).deriv using 1
  ring

查看完整定义与上下文 ↗ · 全书证明范围

原课对照观课问题、视频与图示

分别解释函数值、斜率和斜率的变化，寻找下降但向上弯曲的例子。

官方课程与图示 ↗ · 原视频 ↗

点击后连接 YouTube；播放器不可用时可通过上方原链接观看。