函数的凹凸性是描述函数图像弯曲方向（注：曲率是描述曲线的弯曲程度）的重要性质，在微积分、优化理论等领域有广泛应用。

一、凹凸性的定义（以一元函数为例）

设函数 \( f(x) \) 在区间 \( I \) 上有定义，若对于区间 \( I \) 内任意两点 \( x_1, x_2 \) 和任意 \( \lambda \in (0, 1) \)，满足以下条件：

1. 凸函数（Convex Function）：\(f(\lambda x_1 + (1-\lambda)x_2) \leq \lambda f(x_1) + (1-\lambda)f(x_2)\)

几何意义：函数图像上任意两点的连线（弦）始终在函数图像上方，即图像“向下凸”（如 \( f(x) = x^2 \) 在 \( \mathbb{R} \) 上是凸函数）。

2. 凹函数（Concave Function）：\(f(\lambda x_1 + (1-\lambda)x_2) \geq \lambda f(x_1) + (1-\lambda)f(x_2)\)

几何意义：函数图像上任意两点的连线始终在函数图像下方，即图像“向上凸”（如 \( f(x) = \sqrt{x} \) 在 \( (0, +\infty) \) 上是凹函数）。

二、严格凹凸性与特殊情况

严格凸函数：若上述不等式中“\(\leq\)”改为“\(<\)”，则称 \( f(x) \) 为严格凸函数。

严格凹函数：若“\(\geq\)”改为“\(>\)”，则称 \( f(x) \) 为严格凹函数。

线性函数：若 \( f(\lambda x_1 + (1-\lambda)x_2) = \lambda f(x_1) + (1-\lambda)f(x_2) \)，则函数为线性函数，既是凸函数也是凹函数。

三、凹凸性的判别方法

1. 一阶导数判别法（适用于可导函数）

若 \( f'(x) \) 在区间 \( I \) 上单调递增，则 \( f(x) \) 是凸函数；

若 \( f'(x) \) 在区间 \( I \) 上单调递减，则 \( f(x) \) 是凹函数。

2. 二阶导数判别法（适用于二阶可导函数）

若对任意 \( x \in I \)，有 \( f''(x) \geq 0 \)，则 \( f(x) \) 是凸函数；若 \( f''(x) > 0 \)，则 \( f(x) \) 是严格凸函数。

若对任意 \( x \in I \)，有 \( f''(x) \leq 0 \)，则 \( f(x) \) 是凹函数；若  \( f''(x) < 0 \)，则 \( f(x) \) 是严格凹函数。

3. 例子说明

函数 \( f(x) = x^2 \)，其二阶导数 \( f''(x) = 2 > 0 \)，故为严格凸函数；

函数 \( f(x) = -\ln x \)（\( x > 0 \)），其二阶导数 \( f''(x) = \frac{1}{x^2} > 0 \)，故为严格凸函数；

函数 \( f(x) = \sin x \) 在区间 \( (0, \pi) \) 上，\( f''(x) = -\sin x < 0 \)，故为严格凹函数。

四、多元函数的凹凸性（以二元函数为例）

设函数 \( f(x, y) \) 在凸集 \( D \subseteq \mathbb{R}^2 \) 上有定义，若对于任意 \( (x_1, y_1), (x_2, y_2) \in D \) 和 \( \lambda \in (0, 1) \)，满足：

凸函数：\( f(\lambda x_1 + (1-\lambda)x_2, \lambda y_1 + (1-\lambda)y_2) \leq \lambda f(x_1, y_1) + (1-\lambda)f(x_2, y_2) \)；

凹函数：\( f(\lambda x_1 + (1-\lambda)x_2, \lambda y_1 + (1-\lambda)y_2) \geq \lambda f(x_1, y_1) + (1-\lambda)f(x_2, y_2) \)。

判别方法（二阶可导）：通过海森矩阵（Hessian Matrix） 判断：

若海森矩阵在 \( D \) 上半正定，则 \( f \) 是凸函数；若海森矩阵正定，则 \( f \) 是严格凸函数。

若海森矩阵在 \( D \) 上半负定，则 \( f \) 是凹函数；若海森矩阵负定，则 \( f \) 是严格凹函数。

五、凹凸性的应用

优化理论：凸函数的局部最小值即为全局最小值，是优化问题中的重要性质；

经济学：用于描述效用函数、生产函数的特性；

概率论：（琴生）詹森不等式（Jensen's Inequality）基于函数凹凸性，如 \( E[\ln X] \leq \ln(E[X]) \)（\( \ln x \) 为凹函数）。

通过凹凸性的定义和判别，可深入分析函数图像的形态及性质，为数学分析和实际问题求解提供理论支持。

六、求解凹凸区间的核心步骤

1. 确定函数定义域

先明确函数 \( f(x) \) 的定义域，确保后续计算在有效区间内进行。

2. 计算二阶导数 \( f''(x) \)

若函数一阶可导，先求一阶导数 \( f'(x) \)，再对其求导得到二阶导数 \( f''(x) \)。

3. 寻找二阶导数的临界点（分界点）

（1）令 \( f''(x) = 0 \)，求解方程的根；

（2）同时找出 \( f''(x) \) 不存在的点（如分段函数的分段点、分母为零的点等）。

4. 划分区间并判断凹凸性

用临界点将定义域划分为若干子区间；在每个子区间内选取测试点，代入 \( f''(x) \) 计算符号：

若 \( f''(x) > 0 \)，则区间为凸区间（函数图像向下凸）；

若 \( f''(x) < 0 \)，则区间为凹区间（函数图像向上凸）。

5. 总结结果

明确每个区间对应的凹凸性，注意区间端点的处理（若函数在端点有定义，可包含端点；若二阶导数在端点无定义，则用开区间）。

七、示例：求 \( f(x) = x^3 - 3x^2 + 1 \) 的凹凸区间

1. 定义域：\( f(x) \) 为多项式函数，定义域为 \( (-\infty, +\infty) \)。

2. 计算二阶导数：一阶导数：\( f'(x) = 3x^2 - 6x \)；二阶导数：\( f''(x) = 6x - 6 \)。

3. 找临界点：（1）令 \( f''(x) = 0 \)，即：\(6x - 6 = 0 \quad \Rightarrow \quad x = 1\)。（2）\( f''(x) \) 处处存在，无不可导点。

4. 划分区间并判断：临界点 \( x = 1 \) 将定义域分为 \( (-\infty, 1) \) 和 \( (1, +\infty) \)。取测试点：

（1）在 \( (-\infty, 1) \) 中取 \( x = 0 \)，则 \( f''(0) = -6 < 0 \)，故为凹区间；

（2）在 \( (1, +\infty) \) 中取 \( x = 2 \)，则 \( f''(2) = 6 > 0 \)，故为凸区间。

5. 结果：凹区间：\( (-\infty, 1) \)；凸区间：\( (1, +\infty) \)。

八、含不可导点的示例：求 \( f(x) = x^{2/3} \) 的凹凸区间

1. 定义域：\( x \in (-\infty, +\infty) \)（注意 \( x = 0 \) 处导数是否存在）。

2. 计算二阶导数：一阶导数：\( f'(x) = \frac{2}{3}x^{-1/3} \)；二阶导数：\( f''(x) = -\frac{2}{9}x^{-4/3} = -\frac{2}{9x^{4/3}} \)。

3. 找临界点：（1）令 \( f''(x) = 0 \)：方程 \( -\frac{2}{9x^{4/3}} = 0 \) 无解；（2）不可导点：\( x = 0 \) 时，\( f''(x) \) 分母为零，不存在。

4. 划分区间并判断：区间分为 \( (-\infty, 0) \) 和 \( (0, +\infty) \)。取测试点：

（1）\( x = -1 \) 时，\( f''(-1) = -\frac{2}{9} < 0 \)；

（2）\( x = 1 \) 时，\( f''(1) = -\frac{2}{9} < 0 \)；

故两个区间内 \( f''(x) < 0 \)，均为凹区间。

5. 结果：凹区间：\( (-\infty, 0) \) 和 \( (0, +\infty) \)（\( x = 0 \) 处连续，可合并为 \( (-\infty, +\infty) \)）。

九、分段函数示例：求 \( f(x) = \begin{cases} x^2, & x \leq 0 \\ -x^2, & x > 0 \end{cases} \) 的凹凸区间

1. 定义域：\( (-\infty, +\infty) \)。

2. 计算二阶导数（分段求导）：当 \( x < 0 \) 时，\( f''(x) = 2 > 0 \)；当 \( x > 0 \) 时，\( f''(x) = -2 < 0 \)；

在 \( x = 0 \) 处，需判断二阶导数是否存在：左二阶导数：\( \lim_{x \to 0^-} f''(x) = 2 \)；右二阶导数：\( \lim_{x \to 0^+} f''(x) = -2 \)，左右不等，故 \( f''(0) \) 不存在。

3. 临界点与区间划分：不可导点 \( x = 0 \)，分为 \( (-\infty, 0) \) 和 \( (0, +\infty) \)。

4. 判断凹凸性：\( (-\infty, 0) \) 内 \( f''(x) > 0 \)，为凸区间；\( (0, +\infty) \) 内 \( f''(x) < 0 \)，为凹区间。

5. 结果：凸区间：\( (-\infty, 0] \)（含端点 \( x = 0 \)，因函数在该点连续）；凹区间：\( (0, +\infty) \)。

十、注意事项

1. 临界点的完整性

除了 \( f''(x) = 0 \) 的点，务必检查 \( f''(x) \) 不存在的点，否则可能遗漏区间分界点。

2. 区间端点处理

若函数在端点有定义且连续，凹凸区间可包含端点（如闭区间）；若端点处二阶导数无定义或函数不连续，则用开区间。

3. 与拐点的联系

凹凸区间的分界点可能是拐点（函数凹凸性改变的点），但需满足该点两侧凹凸性相反且函数在该点连续。例如，第一个示例中 \( x = 1 \) 是拐点。

4. 高阶导数的情况

若函数二阶不可导，可通过一阶导数的单调性判断凹凸性（一阶导数递增为凸，递减为凹），但二阶导数法更直接高效。

通过以上步骤，可系统地求解函数的凹凸区间，关键在于准确计算二阶导数、找到所有临界点，并通过测试点判断符号。实际应用中需结合函数特性灵活处理，尤其注意分段函数、不可导点等特殊情形。

数学基础 : 小学数学、初中数学、高中数学、高等数学

• 高中数学 18 成对数据的统计分析
• 高等数学：映射与函数的定义
• 高等数学：函数的有界性的判定方法
• 高等数学：函数的单调性、奇偶性、周期性
• 高等数学：反函数：定义、性质、存在条件
• 高等数学：复合函数：定义域、值域、求导、单调性
• 高等数学：求函数的三要素：定义域、值域、解析式
• 高等数学：双曲函数与反双曲函数
• 高等数学：数列极限的定义、收敛数列的性质
• 高等数学：函数极限的定义、函数极限性质
• 高等数学：无穷小 \(\lim_{x\to x_{0}}f(x)=0\) 与 无穷大 \(\lim_{x \to x_0}f(x)=\infty\)
• 高等数学：极限存在准则、极限运算法则
• 重要极限：\(\lim_{x \to 0}\frac{\sin x}{x}=1\) 与 \(\lim_{n\to\infty}(1 + \frac{1}{n})^{n}=e\)
• 高等数学：函数的连续性、间断点
• 高等数学：连续函数的和、差、积、商的连续性
• 高等数学：初等函数、反函数、复合函数的连续性
• 高等数学：闭区间 [a, b] 上连续函数的性质
• 高等数学：函数导数的定义、可导性与连续性
• 高等数学：求导法则、隐函数、对数、高阶、参数方程求导
• 高等数学：导数的应用：相关变化率
• 高等数学：函数的微分、运算法则、近似值应用
• 高等数学：罗尔定理、拉格朗日、柯西中值定理
• 高等数学：用洛必达法则求0/0型极限
• 高等数学：泰勒公式、麦克劳林公式
• 高等数学：函数的单调性、凹凸性、拐点、极值、最值
• 高等数学：函数的凹凸性、凹凸区间的求法
• 高等数学：函数图形的描绘、函数的渐近线
• 高等数学：弧微分、曲率、曲率圆、渐屈线、渐伸线、摆线
• 高等数学：求方程的近似解：二分法、切线法、割线法
• 不定积分：不定积分的定义、几何意义、计算方法
• 不定积分：基本积分表、直接积分法
• 不定积分：换元积分法、分部积分法
• 高等数学：定积分的概念、性质
• 高等数学：微积分基本公式-牛顿-莱布尼茨公式
• 高等数学：定积分的计算方法、换元法、分部积分法
• 高等数学：反常积分、无穷限、无界函数反常积分的审敛法、Γ函数
• 高等数学：微分方程的基本概念