重学导数 | 第 1 版

敬 请 期 待

https://mathdf.com/der/cn/



tan(nθ)=[(1+itanθ1itanθ)n1(1tanθ+i+i2)i2]1iθ,nR

还有这个

Derivative

by djs. latest update: 2023.09.07

Pre-Part | General Solution

导数只是用来描绘分析函数的工具,所以导数题仍然只是科技下的函数题。函数是方程不等式的中间产物,函数的零点是方程,函数的极值点是不等式。

【一般而言的导数题解题步骤】

  1. 得到函数,初步化简。(更好地求导?)或者先宏观分析
  2. 求导,得到(导函数不好处理怎么办?)
    1. 极值点
    2. 单调性
    3. 切线信息
  3. 利用导数 + 原函数特殊点获得原函数的信息
    • 图像直观分析
  4. 应用于解题(两方面:方程向、不等式向)
  5. 剩下的就是:代数式处理技巧、方法使用技巧细化

导数不能解析函数,他所提供的都是函数的特殊性质,做不到像二次函数那样完全解析出来。所以做题依靠的也是特殊性质。

观察已有函数(死的函数)的性质(图像)是比较重要的,因为这样往往能发现突破点。结合图像,思考要证的结论如何产生,直观理解、直观证明后有助于做题。探路、整体宏观把控函数的性质和走向是发掘函数隐藏性质的重要手段。很多题往往都是先预判再证明,或者说,乱搞出来的。

I 导数基础

1.1 基本求导法则

【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. 其他法则 {[f(x)]g(x)}=[f(x)]g(x)[g(x)lnf(x)+g(x)f(x)f(x)]???

1.2 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

II General Tricks 函数性质观察、代数性质、几何意义

2.1 导数背景下代数式处理技巧

【对数单身狗、指数找朋友】

  • 对于 [f(x)lnx]=f(x)1x+f(x)lnx,求导之后式子仍然含有 lnx,不方便处理,故在将式子初步变形时可以考虑将 lnx 孤立,使其作为函数的加减项,求导之后式子就不会含有 lnx。【对数单身狗】
  • 对于 [f(x)ex]=[f(x)+f(x)]ex,此时对于导函数找零点、看正负时就不会再有 ex,故若整个函数表现为 ex 乘除另一个函数,那么该函数的导数性质就会较好。【指数找朋友】
  • 这些操作的目的在于简化计算,避免多次求导

【指数对数的齐次观察】

  • exey=ex+y:指数乘除变加减
  • lnx+lny=lnxy:对数加减变乘除
  • 剩下的多项式部分就按照一般的齐次化流程操作即可。

【复杂指数取对数】

  • 字面意思,也有复杂对数取指数的。
  • 连乘取 ln 变连加。

【三角函数】

  • 碰到三角函数与指数对数混合,一定要分开(分组,或者画个图),因为三角函数的运算性质与指数对数一点关系没有。
  • 可以适当考虑把三角函数放缩掉(遇到稍微难处理一点的基本都是放缩)。
  • 碰到三角函数一定要精细讨论,不要大意。

多变量对称式:相互分离,构造函数。(还有齐次消元或主元)

2.2 快速区分极大值极小值

  1. 如果函数能因式分解一定要因式分解(最优先)
  2. 观察函数的性质,宏观把控(单调性、图像分析、式子分块)
    • 最常用的方法,一般是丁真法模拟附近函数的走向
  3. 放缩观察
  4. 二次求导判断零点处切线斜率(优先级较低)
  5. 隐零点观察

2.3 函数作图

函数作图是宏观把控函数性质、观察放缩的重要途径。

【函数作图步骤】

  • 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)。

【常用函数的图像信息】

  • 见附录

2.4 必要性探路

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。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】

  • 某些点可能带出来的结果是 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!

2.5 参数处理方向

  • 最不利原则(主元)
    • 本质是贪心。常常表现为主元。在自由度 >1 时使用。
    • 将参数向“最不利”的方向放缩。
  • 分离参数
    • 对式子做变形,将参数分离出来,对剩下的式子作分析。
    • 注意式子过于复杂时慎用。
  • 求导,建立参数 - 极值点方程消元
    • 求导后会得到一个关于参数 a 和原函数极值点 x0 的等式。可以利用此方程消元或变换主元为 x0 进行剩余的研究。
  • 直接求导硬证
    • 伴随繁杂的分类讨论,而且很多函数的极值点求不出来。慎用。
  • 几何意义型
    • 当参数单独出现或作为直线的斜率时,此时参数被赋予了较好的几何意义。结合图像分析。

2.6 同构

精妙的解法。

2.6.1 原理

同构,即将目标式 F(x) 通过变形化为若干个 f(g(x)) 的形式,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。

2.6.2 导数同构背景下的代数式观察

【指幂对幂】

  • 当代数式同时出现指数部分和对数部分时,往往求导会很繁杂,而绝大部分的同构的原式都是指幂混合或对幂混合的。故出现指-幂-对-幂结构且出现相似代数式时可以考虑观察同构。
  • 当只出现指数和对数而缺少幂函数时,可以根据情况考虑补充幂函数。指数对数同时出现时观察是否能够同构。
  • 某一块式子反复出现时考虑同构。

【指对同构】

  • 同构标志之一,常见形式为 ex 乘除、lnx 加减。即任意一个数都可以写成 x=elnx=ln(ex)
  • Aexex+lnA 构造 x+lnA,乘除变加减(exA 同理)。
  • A+lnxln(eAx),加减变乘除(减法同理)。
  • e2x=(ex)2 有幂次,不要被其表面形式骗了。

要么凑 f(g(x))0,要么凑 f(g(x))f(h(x))

2.6.3 常见同构函数

  • xexlnxelnx=xlnx
  • xex=ex+lnxx+lnx
  • ex+xx+lnx(经典指幂对幂,通常是两边 +x 得到的)

III 含参恒成立问题

一类特殊的题型

3.1 多变量含参恒成立问题 - 条件翻译

【恒成立条件翻译】

  • 几何意义型
    • 凹 / 凸函数:二阶导相关
  • x1,x2A,|f(x1)f(x2)|tfmaxfmint 类似情况
  • x1A,x2B,f(x1)g(x2)fmingmin 类似情况
  • x1A,x2B,f(x1)=g(x2) f(x) 值域 g(x) 值域 类似情况
  • 一个细节:告诉最小值是多少 原式大于最小值且能取等。(方便操作)

3.2 单变量恒成立问题方法体系

  • 最先完成:必要性探路、端点效应、基本的不等式代数变形
  • 优先级 A:若端点效应成立(凭感觉和图像),则放缩参数值取等出,转化为不等式证明题。
  • 优先级 A:同构,能大大函数的分析问题(式子过于复杂时慎用)。
  • 优先级 B:对原函数进行代数变形后求导,建立参数 a 与导数零点(原函数极值点)x0 的方程,消元变换主元为 x0 研究新函数 F(x0)(往往与上一个方法有异曲同工之妙)。
  • 优先级 C:对原函数进行代数变形后求导,分类讨论参数的取值,进行求解。

IV  方程与零点

函数的零点是方程。

4.1 方程相关 General Solution

函数和方程是什么关系?函数本质上是动态的单个代数式,函数的零点(或两函数交点)就是方程的根。所以,面对超越函数的不可解式子时,我们可以尝试运用函数的特点(单调性)获得方程的根的一些信息。

方程优于函数的一点就是可以在等号两边自由变换

当你列出变量之间的关系式或方程组时,你应当意识到,你在解方程

总而言之,导数背景下的方程(组)都是走的消元路线,多个元通过复杂的带指数对数的式子相等是没法处理的。

【主要 gs】

  • 挑简单的变量消元,变换问题的主元
  • 可以利用已知的等式,在各元素之间进行等价代换,简化式子的形式(我称之为 形式变换 | 消元)。
  • 方程组之间可以通过互相加减乘除、联立整体变换创造新的方程,是列式消元的重要途径。常用的方程组变换有加减配合、乘除配合等等。
  • 消元完毕留下的元可能不是原来的 x1x2,很有可能是差值 x2x1 或比值 x2x1 等等。
  • 证明方程根相关不等式可能需要配合放缩
  • 注意!一个方程组无法做到消元(仍是超越方程)时尽量做到变量的分离(即 g(k)=f(x) 的形式),考虑单调性

4.2 隐零点相关

得到导函数后,我们需要解出其零点。导函数的零点解不出来也猜不出来怎么办?隐零点即将零点设为 x0,带入原式整体代换使用。本质是将零点的信息隐藏在一个方程中

隐零点属于“方程”范畴的技巧,将一个具体的 x0 的值替换成一个方程使用。注意多变量零点等式(处理含参函数)时的消元作用(隐零点代换)。

【隐零点放缩】

  • 对于一些求不出来的零点,我们可以求出零点大致的范围,然后赋予该零点一定的自由度(同时代换),以此证明一些并不卡死的不等式。
  • 代换方向:超越函数 多项式函数

【隐零点代换】

  • 对于含参的导数求导之后得到的零点的方程,我们可以借助这个方程变换主元,将主元变成根的位置 x0,然后将所有的 a 替换成 x0 求解。属于消元的范畴。(可以发现这样自由度居然是对的)

注意是否可以将问题转化为其他问题从而不需要导数的零点。

4.3 基本零点问题

【定量分析】

  • 如果能解析一个方程零点,那么一定是因式分解 / 求导。
  • 分离参数:转化为定函数与水平直线的交点问题。

【定性分析】

  • 题型:一般是问有几个零点,证明一些基础的零点相关的不等式。
  • 零点存在性定理:用函数单调性判断零点存在
  • 方法体系
    1. 分离参数,转化为定函数与水平直线的交点问题(或动直线)
    2. 分析函数,求导根据单调性画图像,结合特殊点分析,运用单调性和零点存在定理(常常需要分段和放缩)。

4.4 极 值 点 偏 移

大 的 要 来 辣 !

4.4.1 极值点 py 的本质

顾名思义,极值点偏移就是在函数的一段区间内(端点的函数值相等)有一个极值点,在该极值点两侧函数切线斜率变化速率不一样,导致了极值点偏离区间中点。

极值点偏移题型标准形式:给出一个函数(含参),求证一个零点不等式。(类似的还有中点导数等等)

【瞎扯】

  • 见附录【瞎扯环节】

4.4.2 极值点偏移 General Solution

极值点偏移主要有两种方法体系:拆分构造函数;零点方程组代数消元

两种方法的优先级(待定):

  • 函数越复杂,待证式越简单,拆分构造函数越优先。
  • 函数越简单,待证式越复杂,代数消元越优先。

4.4.3 拆分构造

适用于待证式较简单时,例如:

  • x1+x2>A
  • x1x2>B
  • x1+x2>f(a)

一般转化为 x1>f(a)x2,确保 x1f(a)x2 两点在原函数的同一单调区间中,转化为 0=F(x1)>F(f(a)x2),构造新的函数证明不等式(注意单调性,一般是单调的)。

注意不要忽略 f(x1)=0 这类条件,有可能可以利用其等式消去参数。若待证式中有参数 a 出现且式子复杂(主要是那种令人匪夷所思的情况),则需要考虑根据具体情况适当拟合和放缩。

4.4.4 代数消元

4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.4.

指将零点的全部信息包含在方程组 {f(x1)=0f(x2)=0 中(此时自由度为 1),用特有的方法消元。

  1. 构造方程组 {f(x1)=0f(x2)=0(含有参数)。
  2. 通过方程组变换(加减乘除,一般 ex 相关是差值换元,方程组加减;lnx 相关是比值换元,方程组乘除)消去参数的值。若实在不能消去可以考虑分离变量,研究其单调性。
  3. 设出最终形式的元(例如差值换元就设 k=x2x1,比值换元就设 k=x2x1),将 x2 代换为 k 值,将消掉的参数带入待证式,确保得到一个新函数 g(k),进而研究新函数 g(k) 的性质。
  4. 需要配合一些不等式使用(构出新函数 g(k) 的时候其实已经转为不等式问题了)。

【极值点偏移常用不等式】

  • 见附录

V  不等式证明

函数的极值是不等式。你猜他为什么压轴出场?

5.1 不等式相关 General Solution

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(万恶之源)。求解不等式时需要使用多种导数技巧。

注意区分:能直接用导数解析的代数式(利用极值点或单调性),导数不好需要放缩的;需要严格取等的不等式,有放缩余地的不等式。

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。

5.2 常规不等式处理流程

今日命题:如何证明一个又 expln 的不等式?

【不等式基本处理流程】
拿到一个不等式:f(x)g(x)

  1. 多元吗?先消元,自由度高的先主元。
  2. 首先做基本代数变形,如两边同乘同除,将 exlnx 换元,【指数找朋友、对数单身狗】等等。
  3. 观察(其实是宏观掌握函数的性质)。
    • 作出图像观察函数(若图像较简单),配合函数的各种性质分析(前文)。
    • 留意取等处和特殊点的切线。
    • 对计算量小的可以直接求导。如果导数零点方程比较简洁看看能不能用隐零点。
    • 不好画整个图像的,可以抽象处若干“母函数”,将原函数变为这些函数的加减乘除,借以分析原函数。或将原不等式分成几个部分,分别证明。【拆分计算】
    • 使用其他技巧转化代数式,如同构。
  4. 无法直接证明(经过求导 + 基本代数变形),考虑各种放缩

5.3 放缩

真正的万恶之源。

没有固定的方法,全凭函数的具体性质和做题经验。当然有若干固定的模式可以参考。

大体的规律和方法有:

  1. 放缩基本上根据图像宏观把控、取等位置、导数切线斜率构造放缩。
  2. 函数加减型放缩:图像分析“隔离折线”。
  3. 切线放缩、凹凸反转
    • 对于一个不等式类函数,有两类切线比较重要,一是取等点的切线(不能将取等点放缩掉),二是拐点处的切线。
    • 切线放缩很大程度依靠函数的凹凸性。
    • 取等点处的切线一般有较为重要的参考意义。
    • 所谓拐点就是 f(x)=0 的点,拐点左右的函数有不一样的凹凸性。
  4. 以代数式为主体进行观察,使用经典不等式放缩。

5.4 常用放缩不等式

可以参考一些附录中的函数图像(章节 N.1)。

【放缩不等式】

  • a>b>0,a>m>0,则 bmam<ba<b+ma+m
  • a,b,c,d>0,ba<dc,则 ba<b+da+c<dc

【均值不等式】【柯西不等式】【权方和不等式】

  • [1nai1]1ain1nai[1nai2]12(取等条件 a1=a2=...=an
  • ...

【对数均值不等式】

  • x>y>0xy<xylnxlny<x+y2

【泰勒系列不等式】

  1. exx+1x=1 时取等);ex1+x+12x2
    • exi=0xii!
  2. exex
  3. x1lnx11x
  4. 1exlnxxe
  5. 12(x1x)lnx(0<x1),lnx12(x1x)(x1)
  6. xsinx(x0)
  7. tanxxsinx(x[0,π2])
  8. cosx1x22xR,x=0 时取等)
  9. (1+x)a1+ax(x1)

【其他不等式】

  • 绝对值不等式:||a||b|||ab|||a|+|b||
  • 琴生不等式:若 f(x) 为区间 D 上的下凹函数,x1,x2,...,xnD,则有 f(x¯)1ni=1nf(xi)(所有 xi 相等时取等)

VI 特殊题型:构造函数、微分方程

用于解 f(x)f(x) 混合的方程或不等式。

6.1 构造得到某个函数单调性

没啥说的了,直接扔构造表。

  • 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))

6.2 解微分方程

VII 其他题型分类 | 常用技巧

7.1 数列不等式

核心:差分

  • 基本方法:比较通项注意!比较通项时,左边有多少项,右边就只能看成前多少项的和或积。
  • 两边都有 n 时,连加型:把右边看成若干项的和(拆分,如 lnn=ln(n1)+lnnn1
  • 连乘型:把右边看成若干项的积,比通项(或者取 ln 变连加),
  • 在综合题中,注意利用前一问的提示在待证不等式中放缩通项。当右侧为常数时,不能用通法,只能参考前一问不等式放缩。

7.2 三次函数

已知 f(x)=ax3+bx2+cx+d

  • f(x)=3ax3+2bx+c 导函数为二次函数 Δ=4b212ac
  • 对称中心(导函数对称轴):(2b3af(2b3a))
  • 极值点:导函数零点
  • Δ>0 时函数有两个极值点;Δ0 时函数单调无极值点;x 时正负取决于 a 的值。
  • 切线问题:略

7.3 常见导数小题考察内容、切线问题

公切线?

距离的最值问题

  • 标志形如 (ab)2+(cd)2 的式子。
  • 求法:
    • 直线到曲线:切点处最短
    • 圆到曲线:扩大圆的半径至相切,利用此时的公切线求解
    • 反函数之间的距离:即为到对称轴(一般为 y=x)距离只和
    • 任意曲线之间:主元法,但基本不考

【三角形边长问题】

  • 若对 a,v,cDf(a),f(b),f(c)均可作为一个三角形的边长,则 2f(x)min>f(x)max(xD)

双参数恒成立问题

  • 题型:已知 ax+bf(x)ax+bf(x) 恒成立,求 ba,m1b+m2m1a+m2,ma+nb,ab 等式子的最值

主要方法:

  1. 几何意义法(优先使用):许多式子都有几何意义,例如:
    • ba 直线和 x 轴交点横坐标的相反数
    • b3a+2:直线和直线 2x+3 交点横坐标的相反数
    • ma+nb:直线和 x=mn 交点纵坐标的 n
    • 注意拐点。
  2. 代数法:主元大法好

7.4 估算体系、泰勒展开

【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。
  5. 咕咕咕?

为了尊重  ,我决定将他的 key structure copy 下来:

  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。

【秘术】泰勒 & 麦克劳林

  • 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!...

【秘术】帕德逼近

  • x[2,2],则 exx2+6x+12x26x+12

【常用估算值】

  • 见附录 N.2

N 附录

N.1 图像信息

【特殊结论】

  1. x 时,ex 相比 1x 更接近于 x 轴。同理 lnx 相比 1x 更接近于 y 轴。
  2. exlnx 的图像关于 y=x 对称。
  3. 在函数 f(x)=lnxx 中,f(2)=f(4)

【常用函数图像和不等式可视化】

  • xlnx,xlnx,lnxx,xex,xex,exx
  • lnxx1,exx+1
  • lnxx+1<x122lnx<x21
  • xx+1ln(x+1)x
  • {lnx>2(x1)x+1(x>1)lnx<2(x1)x+1(0<x<1)
  • {x1x<2lnx(0<x<1)x1x>2lnx(x>1)

N.2 常用估算值

  • 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

N.3 补充说明

4.4.1

  • 由此可以 yy 出一个比较逆天的解法:
    • 对于一个标准的极值点左偏形式,f(x1)=f(x2),函数下凹,极值点 x0,欲证明 x1+x2>2x0
    • 众所周知根据导数的基本定义 f(x)=f(x+Δx)f(x)Δxf(x2)f(x1)=x1x2f(x)dx即导函数曲线下面积
    • 而一般原函数凹凸性质会比较好,那么我们就可以证明面积相等时左侧的 Δx 小于右侧的 Δx(或者是相等的 Δx 不同的曲线下面积)。

4.4.4

  • 常用极值点偏移不等式:
    • 对数均值不等式 xy<xylnxlny<x+y2
    • 2(xy)x+ylnxlnyxyyx

“探路”

“探路”指引方法体系的使用

三角函数基本没有很好的性质,一般是放缩

xsinx>0

导数题 n 管齐下

posted @   badFlamesへ  阅读(118)  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