导数 II

Derivatives II

by djs. latest update: 2024.03.24

梅军一怒振九渊,三千七百二十面,天下寒士俱欢颜!

Pre-Part | Theory

书接上回

微积分理论:微分(导数、变化率)与积分互为逆运算。

在高中数学中,由于有了导数的存在,我们得以接触更复杂的超越函数,因此高中导数就是与超越函数斗智斗勇的过程。

我一言不发。

I 导数基础理解

1.1 导数表

【初等函数导数表】

原函数 导函数
y=c y=0
y=xa y=axa1
y=ax y=axlna
y=logax y=1xlna
y=sinx y=cosx
y=cosx y=sinx
y=ex y=ex
y=lnx y=1x
y=x y=x2x
y=xlnx y=1+lnx
y=xex y=(x+1)ex

【求导法则】

  1. 加减 [f(x)+g(x)]=f(x)+g(x)
  2. 乘法 [f(x)g(x)]=f(x)g(x)+f(x)g(x)
  3. 除法 [f(x)g(x)]=g(x)f(x)f(x)g(x)g2(x)
  4. 复合函数求导 [f(g(x))]=f(g(x))g(x)
  5. 其他 (fg)=[eglnf]

【洛必达法则】

  • limx0f(x)g(x)=limx0f(x)g(x)
  • limxf(x)g(x)=limxf(x)g(x)
  • limxaf(x)g(x)=limxaf(x)g(x)
  • 满足条件即可反复使用
  • 注意事项
    • 必须是 00,否则会出错。
    • 两函数相乘转化为相除。
    • (结论)x 时,变化快慢分等级:ex>xa>lnx
    • 在书写过程时小心点,防止洛不达。

1.2 高中导数

微积分理论:微分(导数、变化率)与积分互为逆运算。

在高中数学中,由于有了导数的存在,我们得以接触更复杂的超越函数,因此高中导数就是与超越函数斗智斗勇的过程。

【微积分基本公式】

  • 对于单元导数,记 dx 为变量 x 趋近于 0 的变化量,对此就有了对函数变化率的刻画:对于 y=f(x),记 f(x)=dydx,即 df(x)=f(x)dx
  • 积分是微分的逆运算,对于 f(x) 而言,我们称 f(x) 为其原函数之一(有常数的差别)。对式子 df(x)=f(x)dx,在左右两边同时积分,就可以得到牛顿-莱布尼茨公式:LRf(x)dx=f(x)|LR,由此便衍生出了曲线下面积这一重要概念。从几何的角度出发,原函数 f(x) 在一段区间上的变化量 Δf(x) 就是其导数 f(x) 在相同区间上的曲线下面积。
  • 高中似乎对微分方程没啥要求(除了构造函数那一块),但有必要了解一点。

【高中导数能干什么?】

  • 对于函数 f(x),其导函数 f(x) 代表原函数每一处的变化率,也是函数图像每一处的切线。对于 f(x)=0 处我们称之为极值点,函数的最值在此处产生。同时极值点也是解析函数最值的关键。对于其余 f(x)>0f(x)<0 处,我们考虑充分利用函数单调性的性质。换言之,我们能构建一种通用的解析函数的模型,即函数在极值点之间来回增减。当然,当 f(x) 恒大于或小于 0 时,原函数表现出更特殊的性质。

【极值点】

  • 极值点即方程 f(x)=0 的解,分可解和不可解两种。
    • 若一个 f(x)=0 的根 x0 是可以用代数方法解出的,那么存在两种情况。一是该 x0 来自于幂函数的根(非超越解,基本可解)。二是超越函数取某些特殊值时其刚好能与幂函数相抵消,造成 f(x0)=0。无论如何,若能解出 x0 的具体值,那么对解题而言便是极大的帮助。因为此时我们能够算出 x0f(x0) 的具体值,进而对函数信息有更精确的把控。
    • 反观那些不可解的根,鉴于我们无法解出其具体值,故该根所有的信息只保存在了原始方程 f(x0)=0 中,其信息无法得到充分的利用,故也无法完全解析出 f(x0) 的值(少数能同构的情况除外)。
  • 在高中数学中,题目不可能会要求学生强行解析一个解不出来的超越方程的根(反过来说,若一定要求某个函数的最小值,那么无论多复杂的函数其极值点或端点的值一定可解),只会要求学生对其进行范围的探究(以不等式的形式)。由此衍生出隐零点的模式,即利用方程 f(x0)=0 进行反复的代换简化原函数。

II 基本技巧

2.1 超越函数代数技巧集合

【超越函数技巧集合】

  1. 函数单调性:f(x)>0,则 m<nf(m)<f(n)
  2. 同构:整个式子化为诸如 f(g(x))f(g(x))<f(h(x)) 的形式。
  3. 特殊消元方法:主要针对双变量,如 t=x2x1, t=x2x1 以及特殊方程组的消元方法。
    • 需要某种特殊的代数结构。
  4. 函数分组:针对 f(x)g(x) 的形式,在等号 / 不等号两边同加减 / 乘除 / 取指数、对数的变形方法。进行分组的目的是将相性好(如导函数性质好、有经典性质或放缩、容易一起研究)的函数分在一起研究。如 ex 乘除、lnx 加减、三角函数丢一块
  5. 隐零点:充分利用方程 f(x0)=0 所包含的信息,反复代换。
  6. 图像:宏观把控函数的走势,关注特殊位置的值(x=0,1,e,...)、单调性、极值点、切线、拐点等等。
  7. 参数 / 多元的处理:主元(挑简单的)/ 消元(直接消元、特殊消元)/ 放缩(单元放缩、多元不等式)/ 同构 / 探路。
  8. 探路:作用是获得一个界限,用于充分探究有关函数的性质。
  9. 放缩:分图像 / 代数两方面:
    • 参考图像:能把握放缩的尺度,关注取等条件,实现切线 / 拐点放缩,以及函数拟合。
    • 代数性质:从式子本身为出发点思考,将超越函数放缩为多项式函数,根据具体的情景优化函数的性质。值得注意的是,放缩要有意识地对式子进行化简,尽量得到简单的不等式,或实现消元的功效。
  10. 取点:即对方程 / 不等式的一边进行放缩得到新的不等式(通常更简单)
    • 继续配合函数单调性,可以实现对原函数零点的放缩(新的不等式能通过导代数方法解出)。
    • 也有基于代数和几何两个方面,如切割线放缩。

2.2 函数作图

函数作图是宏观把控函数性质的重要途径。

【函数作图】

  • 基本:定义域、零点(如果能看出来)、大致判断单调性和增长趋势(分出数量级的差别),为的是建立直观感受。
  • 基本:特殊点的值(如 0,1,e 等等)、无穷远出的值、要用洛必达法则计算的点的值;其他一些特殊性质(对称性、周期性等)。
  • 求导后:具体单调性、极值点、函数具体走向;特殊位置的切线。
  • 进阶:利用二阶导研究函数凹凸性以及拐点。
    • 二阶导决定原函数导数的性质,f(x)>0 等价于原函数下凹。拐点即函数凹凸性发生变化的临界点,即 f(x)=0
    • 拐点处的切线是一种特殊的切线(一段原函数在切线下面另一端却在上面)。

2.3 探路

对于某些问题(如恒成立),我们可以带入特殊点的值进行探路计算,解出题目的一个必要条件,作为参数分类的标准或进行后续放缩处理。某些点带入后往往就是最终答案。端点效应一般跟函数单调性和凹凸性有很大的关系,对单调性较好的函数使用必要性探路可能效果会更好。

【洛必达探路】

  • 计算需要使用洛必达法则的点的取值。常配合分离参数使用,使用洛必达算出来的值很可能是正确答案。

【特殊点探路 - 端点效应】

  • 带入函数定义域 [a,b] 的端点进行计算。
  • 带入特殊点进行计算。如 0,1,e

【注意事项】

  • 如果带出来是 f(x0)g(x0)00 的形式,这个时候就需要进一步比较 f(x0)g(x0) 的大小(可以反复比较下去)。
    • 其实也就是分离参数后的洛必达探路。

警惕必要性探路失效。

2.4 同构

同构,即将目标式 F(x) 通过变形化为若干个 f(g(x)) 的形式(或 f(g(x))<f(h(x))),达到大大简化问题的效果。同构与直接展开代数式相反,是代数式逆向构造代数式的过程,糅合了构造思想,难度较大,故熟练掌握同构需要经验的积累。

【常见的同构】

  • 指数与对数同时出现,如 xex=ex+lnx, x+2lnx=ln(x2ex)。可能需要自行补充(加减、乘除)幂函数部分。
  • 代数式有复合函数的痕迹,可将其作为同构的信号,如 exaln(ax1)+10
  • 过于逆天的式子(反而使人第一时间想到同构),如 x4e2mx[(m+1)x2xlnx+1]xemx+10

【其他方面的应用】

  • 鉴于同构与复合函数有一定关联,倘若某些不等式隐零点的方程带入原函数往往能够消干净,那么不妨考虑其能否同构。也有先同构再探路的阴间操作(如带入 x0+lnx0=1)。

III 恒成立问题

3.1 传统恒成立问题概述

  • 恒成立问题,即给定 f(x,a)0,求参数的范围类型的问题,是一类较为基础题型。

【传统的恒成立解法】

  1. 分离参数:若 f(x,a) 是关于 a 的一次函数(或关于 a 可解),可以做到将 a 完全分离到不等式的一侧(g(a)h(x)),那么就只用研究右侧 h(x) 的范围。
    • 小 trick:在普通的恒成立问题中,若能做到分离参数,那么分离出来的函数 h(x) 的极值点一定是可解析的(至少函数在极值点的值是可解的,极值点方面顶多加同构)。
  2. 隐零点:求导,建立 f(x)=0 的关于 x0a(参数)的不等式进行下一步研究(消元或简化式子)。
  3. 直接求导讨论:用的很少。

【若干变式】

  • 函数中的参数有范围或是整数的情形:所研究的函数的极值点可能不可解,可以估出范围转化为不等式证明(相当于进行探路获取范围)。

3.2 船新解法

当恒成立问题 f(x,a)0 中的函数关于参数 a 无法分离,且极值点方程 f(x)=0 性质不好时,剩下除开乱搞的还有两招:探路、同构。

【必要性探路】

  • 所谓必要性探路,即找必要条件再证充分条件。我们在研究函数时可以带入一些特殊的值(端点值、需要使用洛必达的点的值、常见值 0,1,e,...)。
  • 必要性探路是否适用,取决于函数的性质是否适合使用探路。使用探路时需要考虑整个函数极值点、单调性、走势等等因素。
  • 当探路的结果为 00 时,转而比较导函数的大小,可反复使用。

【同构】

  • 如果 f(x,a)0 中关于参数的分布十分杂乱,难以分离,且整体式子疑似同构,就可以尝试将同构作为首要思路。如 x4e2mx[(m+1)x2xlnx+1]xemx+10

IV 函数不等式、放缩

4.1 单元函数处理方法体系

【gs】

  • 函数和不等式是什么关系?函数本质上是将单个代数式放在动态的环境中研究,那么自然地,函数的极值点就对应到不等式的最值。而导数作为研究函数的工具,加你个原函数的极值点转为导函数的零点,从而可以获得函数的一些性质,处理超越函数。求解不等式时需要使用多种导数技巧。凡是能解析的就解析,不能解析的就转化或放缩。
  • 导数背景下的不等式证明主要走的是消元路线,直接运用不等式的很少。
  • 对于一个放缩不等式,其在面向数据做题方面最有用的是其贴合紧密的部分。

求导解析、隐零点、放缩。

现有一函数不等式。名之曰 f(x)0

  1. 求导解析
    1. f(x)=0 可解:解出极值点的值,精确描绘函数走向。
    2. 导函数恒大于 / 小于 0。(多注意一点,导函数没有零点)
  2. 隐零点:建立 f(x0)=0 的方程,用于研究极值点 x0 以及 f(x0) 的性质。亦可研究 x0 的大致范围。
  3. 两边变形 / 分组:改变两边函数的性质,或做一些基本的换元、【对数单身狗、指数找朋友】、加减乘除单项式变形等等(乘除单项式变形的目的是调节次数,便于构造低次数的过度函数,如直线)。主打一个便于求导或能凑出常见放缩式。
  4. 函数图像分析
    • 函数图像的职能是对一个表达式在 x 不同时的各种取值进行遍历。对图像的分析能对放缩的尺度有更好的把控。
  5. 同构
  6. 放缩
  7. 分段:将定义域分为不同的若干段对每一段不同的性质进行讨论。

4.2 多元函数及参数的处理

直接消元;特殊消元;放缩消元

  1. 直接消元
    • 若对于一个方程 f(x,a)=0 其中有很好的控制关系(单向或双向),那么直接消元为 a=g(x) 即可转化为单元表达式。
  2. 特殊消元
    • 若两个变量之间的控制关系复杂难以解析或根本解析不了(如二次关系或超越控制关系),那么对于特定的具有某些特征的方程(组),我们可以尝试一些特殊的消元方法:
    • 韦达,无需多言。
    • 黄金 n 角:(x1+x2),x1x2,x12+x22,x1x2
    • 比值 / 差值消元:取决于方程组消去参数后是否有好的控制关系。
  3. 大型不等式
    • 直接运用多元不等式进行放缩。
  4. 放缩
    • 使用带有消元性质的放缩或取点。

【超越控制关系如何破解】

  1. 函数单调性 x1x2f(x1)f(x2)
  2. 特殊消元(比值差值、韦达、黄金 n 角)
  3. 放缩:将不可解变为可解

4.3 放缩及其衍生用法

什么是放缩?

放缩的方向。取等条件、切线。放缩起消元作用。

【单元函数放缩】

  1. 参考几何图像
    • 把握放缩的尺度,尽量做到小尺度的放缩(在放缩式拟合点附近)。关注取等出、特殊切线,构造过渡函数(尤其切割线放缩)。
    • 积累常见的不等式及其图像,在图像中分析不等式的使用。
    • 函数拟合:使用曲线而非直线对原函数进行拟合。
    • 曲线下面积:对导函数和原函数进行分析。
  2. 参考代数性质
    • 有些放缩可以消去式子中某些原有的部分,需要根据常见放缩式找到突破口。
    • 函数放缩配合函数单调性转化使用(取点)时,为了让代数式可解以获得更简单的不等式,需要考虑放缩后式子的代数性质。一般将超越函数放缩为多项式函数。

【放缩衍生用法】

  1. 不等式放缩:使用对数均值不等式对多个变量进行整体放缩。
  2. 取点:配合函数单调性性质对函数的零点 / 极值点进行放缩。

4.4 经典放缩不等式

【指数系】

  • 根基:
    • exx+1x0 时近似)
    • exexx1 时近似)
  • 泰勒展开:ex12x2+x+1,ex16x3+12x2+x+1,...x0 时近似)
  • 替换:
    • xxnexenxnnn
    • xx12exe(x+12)
    • xxex1x1,x(,1)(反比例函数在 x0 处拟合)
  • 放缩为二次函数:
    • exx2+1(x0)
    • ex12x2+x+1(x0)x0 近似)
    • exex+(x1)2(x0)(很贴近的放缩,x1 时近似)
    • exe4(x1)2(x0)
  • 反比例函数拟合:
    • ex1x1(x<1)
    • (2x)ex2+x(x0)
  • ex±ex 系列:
    • ex+exx2+2
    • exex2x+13x3

【对数系】

  • 根基:
    • lnxx1x1 时近似)
    • lnxxexe 时近似)
  • 替换:
    • x1x11xlnxx1x2x
  • 泰勒展开:ln(x+1)x12x2(x0)x0 时近似)
  • 常见放缩
    • lnxx1x12(x1x)(x1)x(0,1) 时不等号反向,x1 时近似)
    • lnx2(x1)(x+1)(x1)x1 时不等号反向,x1 时近似)
    • 有一系列更逆天的,但很少用到。

【其他不等式】

  • xlnx+1e>xex1e
  • xexx+lnx+1(同构)
  • (ex1)ln(x+1)x2(同构)

【大型不等式】

  • 均值不等式
    • F(m)=(n1i=1naim)1mF(0)(i=1nai)1n
    • F(m) 关于 m 单调递增。
  • 对数平均不等式
    • ab<ablnalnb<a+b2
  • 琴生不等式

【常见函数】

  • y=xlnx
  • y=xex
  • y=xex
  • y=lnxx

【函数拟合】

  • 函数在极值点 x=x0 处的二次函数拟合:y=f(x0)+12f(x0)(xx0)2(结合导函数理解)

【三角函数放缩】

  • 1sinx1; 1cosx1(三角函数有界性)
  • xsinx(x0)x0 时近似)
  • sinxx16x3(x0)x<0 时不等号反向,x[π2,π2] 时近似)
  • cosx112x2x0 时近似)
  • cosxx2πx2(x0)xπ2 时近似)
  • xtanxx0 时近似)

【取点放缩式参考】

  • lnx<x
  • 1x<lnx<x
  • ex>x
  • ex>x2(x>0)
  • ex>16x3
  • e<1x(x<0)

V 方程、零点问题

【gs】

  • 超越方程就是要另辟蹊径,使用特殊的方法处理。

5.1 取点

【原理】

  • f(x) 在区间 I 内单调递增,且存在一个零点 x0。已知该零点无法通过代数方法解出(超越方程),那么我们为了研究该零点的性质,证明其存在(找到上下界 + 零点存在定理)或将其放缩,可以将对零点值的放缩转化为对函数的放缩。
  • 对函数 f(x) 在区间 I 上放缩,得到 g(x)>f(x)>h(x)。则我们可以得到不等式:
    • g(x0)>0, h(x0)<0(两个不等式)
    • g(x1)=0x1<x0(通过放缩找到函数 g(x) 使其零点可以通过代数方法解出)
    • h(x2)=0x2>x0(通过放缩找到函数 h(x) 使其零点可以通过代数方法解出)
  • 当然,取点也不是只能依靠放缩,也可以直接 intuitive thinking.

【技巧】

  • 由于取点与放缩紧密联系(可以看作是将 f(x0)=0 放缩为 f(x0)=0<g(x0) 再解出不等式 0<g(x0)),所以少不了关于放缩的 gs。
  • 在面对零点证明问题时,为了让放缩后的函数的零点可解,我们不用过度关注放缩前后函数的贴合与否(只要在单调区间内即可),而是更多关注放缩后函数的代数性质,关注其零点是否可解。故使用的不等式更多偏向简化代数性质。
    • ex(en)nxn
    • lnx1nexn
  • 在面对零点不等式问题时,我们仍然要像普通放缩一样考虑放缩的尺度。

5.2 零点个数问题

【概述】

  • 研究函数零点个数是一类比较基础的导数题。方法相对单一。
    1. 求导并求出极值点,完全解析函数的走势。
    2. 分离参数,变为函数与水平直线相交问题。
    3. 做好取点工作(取的点不一定要是极值点)。对于 xx0 但不能取(需洛必达)的点,考虑使用放缩取点。
    4. 分离为 f(x)=g(x) 的方程,绘制图像观察函数走势。

5.3 极值点偏移——零点不等式

5.3.1 方法论

【原理】

  • 基础的极值点偏移问题形如 x1+x22x0(其中 x1,x2 为零点,x0 为极值点)。由于函数在 x0 两侧增长速率不一样,函数位列极值点左右两侧的零点到极值点的距离有所区别,就造成了 x1+x22x0 的现象。
  • 由基础的极值点偏移而衍生出来的是一大堆有关零点的不等式。

【方法总论】

  • 对极值点偏移问题进行分析,我们发现方程 f(x1,a)=0 为超越方程,参数与零点之间存在的是超越控制关系,无法做到完全解析出来(可能存在 x1a 的单向解析)。这意味着常规多项式背景下的代数体系对超越控制关系不起作用。在极值点偏移问题中,能够跨过超越关系建立变量不等关系的方法分基本的三类:
    1. 函数单调性
    2. 特殊消元
    3. 放缩

【函数单调性】

  • 相对通法。适用于待证式较为简单,原函数较为复杂的情形。
  • 将待证不等式变形,结合函数单调性性质套用 x1<x2f(x1)<f(x2) 的性质,转而证明函数不等式。对于该种不等式,由于其一般由两个函数 f(...) 组成,可以考虑优先求导(导函数性质好,一般恒大于 / 小于 0)而不是一上来就放缩。有时要证过于复杂的式子,慎用。
  • 注意充分利用原函数的信息,对于参数可以考虑代换消去(参数一般走消元路线)。
  • 对于 x1+x22x0x0 为极值点)的情形,在极值点出构造 y=f(x0)+f(x0)2(xx0)2 以辅助证明。
  • 若要证的不是函数的极值点,有时可以考虑通过对函数适当的变换将待证项变为新函数的极值点。

【特殊消元】

  • 通过特殊的消元手段将超越关系的多元消元为单元表达式。如韦达定理(黄金 N 角)、比值代换、差值代换。适用于待证式较为复杂,原函数较为简单的情形。
  • 完全消元体系:设 t=x2:x1(对数)或 t=x2x1(指数),将 x2 消为 x1t,尝试利用方程组将 x1 完全代换为 t。典型可以消元的有 ex=ax,lnx=xa,lnx=ax 等等。
  • 《韦达,无需多言》:对于二次函数关系控制的两根 黄金 N 角(注意考虑指对的性质)
  • 套用对数平均不等式:x1x2<x2x1lnx2lnx1<x1+x22
  • 遇到非齐次的情况:尝试放缩,调整次数 / 消元,应当谨慎。

【放缩】

  • 到处都能用,可以用于待证式正式展开证明之前的放缩,也可用于对零点进行放缩(取点)。主要处理过于不规则的不等式。在放缩时同样需要注意取等条件等等放缩需注意的诸多因素。(先进行等价转换,简化不等式)。若遇到不属于极值点偏移的式子优先考虑放缩。
  • 具体过程:
    1. 初步观察:以图像为运筹(面向数据),观察超越函数控制关系的运作,特别注意取等点、极值点,函数的左 / 右倾以及各种值在极限临界处的变化率情况。
    2. 初步调整不等式:
      • 利用已知不等式放缩:如 x2>x1,则 x2x2>2x1 | x2>x1,则 x1+2x23>x1+x22
      • 大型不等式 / 经典不等式:使用对数不等式长链进行初步放缩。
      • 换元:t1a;指对方程变换。
    3. 放缩、取点
      • 切割线放缩:寻找切割线放缩,尤其适用于 x2x1 型。
      • 对式放缩(超越 多项式)变为可解不等式(放缩注意事项:在何处拟合)

5.3.2 模板题

  1. ex=ax
  2. lnx=ax
    • 代数消元适用于证明 x1x2 式,对加和型慎用。
  3. lnx=xa
    • x1+x2[a+1,4a+23]
  4. ex=x+a

VI 其他问题

6.1 三角函数技巧

6.2 数列不等式

6.3 三次函数

f(x)=ax3+bx2+cx+d

  • f(x)=3ax2+2bx+c

6.4 构造原函数(微分方程)问题

6.4.1 构造表

  • 原函数是函数的和差组合:
    • 对于 f(x)>g(x),构 h(x)=f(x)g(x)
    • 对于 f(x)>a,构 h(x)=f(x)ax+b
    • 对于 af(x)+bg(x)>0,构 h(x)=af(x)+bg(x)
  • 原函数是函数乘除组合:
    • 对于 f(x)g(x)+f(x)g(x)>0(<0),构 h(x)=f(x)g(x)
    • 对于 f(x)g(x)f(x)g(x)>0(<0),构 h(x)=f(x)g(x)
  • 原函数是函数与 x 的乘除组合:
    • 对于 xf(x)+f(x)>0(<0),构 h(x)=xf(x)
    • 对于 xf(x)+kf(x)>0(<0),构 h(x)=xnf(x)
    • 对于 xf(x)f(x)>0(<0),构 h(x)=f(x)x
    • 对于 xf(x)kf(x)>0(<0),构 h(x)=f(x)xn
  • 原函数是函数与 ex 的乘除组合:
    • 对于 f(x)+f(x)>0(<0),构 h(x)=f(x)ex
    • 对于 f(x)+kf(x)>0(<0),构 h(x)=f(x)enx
    • 对于 f(x)f(x)>0(<0),构 h(x)=f(x)ex
    • 对于 f(x)kf(x)>0(<0),构 h(x)=f(x)enx
  • 原函数是函数与 sinx(cosx) 的乘除组合:
    • 对于 f(x)sinx+f(x)cosx>0(<0),构 h(x)=f(x)cosx
    • 对于 f(x)sinxf(x)cosx>0(<0),构 h(x)=f(x)cosx
    • 对于 f(x)cosx+f(x)sinx>0(<0),构 h(x)=f(x)sinx
    • 对于 f(x)cosxf(x)sinx>0(<0),构 h(x)=sinxf(x)
  • 对于 f(x)f(x)>0(<0),分类讨论:
    • f(x)>0,构 h(x)=lnf(x)
    • f(x)<0,构 h(x)=ln(f(x))

6.4.2 微分方程初步

【概念】

  • 微分方程即同时含有 yy 的方程,在物理中常见。

VII 估值体系

7.1 估算方法

核心:除了直接使用估值方法算出具体值,仍然主打一个放缩。

【方法体系】(从常用到偏僻)

  1. 粗算:利用估算值计算(变量差距较大,或者有明显能够分出大小的性质(例如一个大于 1,一个小于 1))
  2. 构造函数(同构),导之。
  3. 如果是式子比较大小,可以考虑赋值投机。
  4. 尽量将变量化为类似的形式。
  1. 粗比(估算):先按照与 0,1 或其他数的大小关系分类,此法非常适合关系疏远的数的比较。
  2. 利用单调性:形式特别类似的式子,构造函数利用单调性比较大小。
  3. 利用函数:把数字改成 x,利用函数放缩、运算和图像比大小。
  4. 把比较的对象变形,尽量形式接近然后比较,如 20.5,30.4
  5. 找桥梁:两个数字关系不好找时,找一个桥梁然后比大小,如 0.80.9,0.90.8
  6. 作差法比大小:此法适用于式子比大小,使用时要注意利用函数的性质。
  7. 几何意义:此法适用于有几何意义的式子或零点之间比大小。
  8. 利用基本不等式:适用于复杂的三角函数,如 sinx<x<tanx
  9. 举例子投机:适用于含有字母的式子比大小。

【常用估值手段】

  • 常用公式:(下面这些 x 越接近 0 时越精确)(建议 |x|0.1)(往后的项数越多就越精确)
  • ex=i=0xii!x+12x2+16x3+...
  • ln(x+1)=i=1(1)i1×xiix12x2+13x314x4+...(手撕所有 log 的秘诀)
  • x+1=1+12x18x2+116x3(好奇怪诶)
  • sinx=i=0(1)i(2i+1)!x2i+1xx33!+x55!...
  • cosx=i=0(1)i(2i)!x2i1x22!+x44!...
  • 帕德逼近:若 x[2,2],则 exx2+6x+12x26x+12

7.2 常见估算值

  • e=2.718281828
  • ln2=0.6930.7
  • ln3=1.0981.1
  • ln5=1.6091.6
  • ln10=2.302
  • e2=7.389
  • e3=20.085
  • e1=0.367
  • 注意 logax=lnxlna
  • π=3.1415926535
  • π2=9.869
  • π1=0.318
  • 形如 0.20.1:尝试 (0.20.1)10 或者 ln(0.20.1)=0.1ln0.2
  • sin1=0.841,cos1=0.540

VIII 函数客观题

posted @   badFlamesへ  阅读(77)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 无需6万激活码!GitHub神秘组织3小时极速复刻Manus,手把手教你使用OpenManus搭建本
· C#/.NET/.NET Core优秀项目和框架2025年2月简报
· Manus爆火,是硬核还是营销?
· 一文读懂知识蒸馏
· 终于写完轮子一部分:tcp代理 了,记录一下
点击右上角即可分享
微信分享提示