凹性与拐点是微积分和数学分析中的关键概念与基础。它们帮助我们深入理解曲线的行为特征以及函数的几何形状。凹性有助于我们理解函数的弯曲方向，即判断它是向上凹还是向下凹；而拐点则确定了凹性发生变化的点，即曲线从向上凹转变为向下凹（或反之）的位置。这些概念在曲线草图绘制、优化问题以及微分方程研究等各种数学应用中都至关重要。
在本文中，我们将深入探讨凹性与拐点的定义、性质及其在实际应用中的意义。
曲线的凹性指的是它的曲率，即它的弯曲方式。如果曲线是向上凹的，它就像杯子一样向上开口；如果是向下凹的，则像皱眉一样向下开口。在数学上，如果二阶导数为正，则曲线向上凹；如果二阶导数为负，则曲线向下凹。本质上，凹性描述了曲线在特定点的形状，表明它是向上弯曲还是向下弯曲。
目录
- 凹性
- 凹性的类型
- 二阶导数判别法
- 一阶导数与二阶导数的关系
- 凹性相关例题
- 拐点
- 区分拐点与极值点
- 识别拐点
- 拐点相关例题
凹性的类型
在数学中，主要有两种类型的凹性：
向上凹 (Concave Upward)
> 如果对于区间 I 中的任意两点 a 和 b，连接 (a,f(a)) 和 (b,f(b)) 的割线位于 f(x) 图像的下方，则称函数 f(x) 在区间 I 上是向上凹的。在数学上，如果对于 I 中的所有 x，都有 f‘‘(x) > 0，其中 f‘‘(x) 表示 f(x) 的二阶导数，则 f(x) 在 I 上向上凹。
如果函数的曲率向上开口，类似于笑脸或朝上的杯子，则称该函数是向上凹的。如果 f(x) 在某个区间上向上凹，那么该区间内所有 x 的二阶导数 f‘‘(x) 都是正数或非负数。在向上凹的函数中，随着我们从左向右移动，斜率会逐渐增加。它们通常有一个最小值点，斜率在此处由负变正，代表了曲线的底部。
示例： f(x)=x2 和 f(x)=ex。
向下凹 (Concave Downward)
> 如果对于区间 I 中的任意两点 a 和 b，连接 (a,f(a)) 和 (b,f(b)) 的割线位于 f(x) 图像的上方，则称函数 f(x) 在区间 I 上是向下凹的。在数学上，如果对于 I 中的所有 x，都有 f‘‘(x) < 0，则 f(x) 在 I 上向下凹。
如果函数的曲率向下开口，类似于哭脸或朝下的杯子，则称该函数是向下凹的。如果 g(x) 在某个区间上向下凹，那么该区间内所有 x 的二阶导数 g‘‘(x) 都是负数或非正数。在向下凹的函数中，随着我们从左向右移动，斜率会逐渐减小。它们通常有一个最大值点，斜率在此处由正变负，代表了曲线的峰值。
示例： g(x)=-x2 和 g(x)=log(x)。
凹性的数学定义
凹性的数学定义指出，对于在区间 I 上定义的函数 f(x)：
> – 如果对于 I 中的所有 x，都有 f‘‘(x) > 0，则 f(x) 在 I 上向上凹。
> – 如果对于 I 中的所有 x，都有 f‘‘(x) < 0，则 f(x) 在 I 上向下凹。
二阶导数判别法
二阶导数判别法是一种确定函数凹性并定位相对极值的方法。根据二阶导数判别法：
> – 如果 f ‘‘(c) > 0，则函数在 x=c 处取得局部最小值。
> – 如果 f ‘‘(c) < 0，则函数在 x=c 处取得局部最大值。
> – 如果 f ‘‘(c) = 0，则该判别法无法得出结论。
凹性的一阶导数与二阶导数关系
一阶导数和二阶导数之间的这种关系突出了一个事实：如果一阶导数在增加，那么切线的斜率也在增加，即呈现向上凹的形状。相反，如果一阶导数在减小，那么切线的斜率也在减小，即呈现向下凹的形状。
> – 如果 f‘(x) 是递增的，那么 f(x) 是向上凹的。
> – 如果 f‘(x) 是递减的，那么 f(x) 是向下凹的。
凹性相关例题
例 1：确定函数 f(x)=x3−6x2+9x+15 向上凹和向下凹的区间。
> 一阶导数： f‘(x)=3×2 -12x + 9
>
> 二阶导数： f"(x)=6x-12
>
> 寻找凹性的临界点：
>
>