重学导数 | 第 1 版
敬 请 期 待
还有这个
by djs. latest update: 2023.09.07
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。函数是方程和不等式的中间产物,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】
- 得到函数,初步化简。(更好地求导?)或者先宏观分析
- 求导,得到(导函数不好处理怎么办?)
- 极值点
- 单调性
- 切线信息
- 利用导数 + 原函数特殊点获得原函数的信息
- 图像直观分析
- 应用于解题(两方面:方程向、不等式向)
- 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。
导数基础
基本求导法则
【初等函数导数表】
原函数 | 导函数 |
---|---|
【求导法则】
- 加减
- 乘法
- 除法
- 复合函数求导
- 其他法则 ???
洛必达法则
- 满足条件即可反复使用
注意事项
- 必须是 或 ,否则会出错。
- 两函数相乘转化为相除。
- (结论) 时,变化快慢分等级:
函数性质观察、代数性质、几何意义
导数背景下代数式处理技巧
【对数单身狗、指数找朋友】
- 对于 ,求导之后式子仍然含有 ,不方便处理,故在将式子初步变形时可以考虑将 孤立,使其作为函数的加减项,求导之后式子就不会含有 。【对数单身狗】
- 对于 ,此时对于导函数找零点、看正负时就不会再有 ,故若整个函数表现为 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】
- :指数乘除变加减
- :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 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)
快速区分极大值极小值
- 如果函数能因式分解一定要因式分解(最优先)
- 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
- 放缩观察
- 二次求导判断零点处切线斜率(优先级较低)
- 隐零点观察
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 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, 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
- 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
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 的端点进行计算。
- 带入特殊点进行计算。如 。
【注意事项】
- 某些点可能带出来的结果是 的形式,这个时候就需要进一步比较 和 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!
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 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 和原函数极值点 的等式。可以利用此方程消元或变换主元为 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。
同构
精妙的解法。
原理
同构,即将目标式 通过变形化为若干个 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。
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 乘除、 加减。即任意一个数都可以写成 。
- 构造 ,乘除变加减( 同理)。
- ,加减变乘除(减法同理)。
- 有幂次,不要被其表面形式骗了。
要么凑 ,要么凑 。
常见同构函数
- (经典指幂对幂,通常是两边 得到的)
含参恒成立问题
一类特殊的题型
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
- 类似情况
- 类似情况
- 值域 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)
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 :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 :同构,能大大函数的分析问题(式子过于复杂时慎用)。
- 优先级 :对原函数进行代数变形后求导,建立参数 与导数零点(原函数极值点) 的方程,消元变换主元为 研究新函数 (往往与上一个方法有异曲同工之妙)。
- 优先级 :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。
方程与零点
函数的零点是方程。
方程相关
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 或 ,很有可能是差值 或比值 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 的形式),考虑单调性。
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 ,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 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 ,然后将所有的 替换成 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。
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
- 分离参数,转化为定函数与水平直线的交点问题(或动直线)
- 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)。
极 值 点 偏 移
大 的 要 来 辣 !
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】
极值点偏移
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。
拆分构造
适用于待证式较简单时,例如:
一般转化为 ,确保 和 两点在原函数的同一单调区间中,转化为 ,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 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 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。
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 中(此时自由度为 ),用特有的方法消元。
- 构造方程组 (含有参数)。
- 通过方程组变换(加减乘除,一般 相关是差值换元,方程组加减; 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。
- 设出最终形式的元(例如差值换元就设 ,比值换元就设 ),将 代换为 值,将消掉的参数带入待证式,确保得到一个新函数 ,进而研究新函数 的性质。
- 需要配合一些不等式使用(构出新函数 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
不等式证明
函数的极值是不等式。你猜他为什么压轴出场?
不等式相关
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。
常规不等式处理流程
今日命题:如何证明一个又 又 的不等式?
【不等式基本处理流程】
拿到一个不等式:
- 多元吗?先消元,自由度高的先主元。
- 首先做基本代数变形,如两边同乘同除,将 或 换元,【指数找朋友、对数单身狗】等等。
- 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。
- 无法直接证明(经过求导 + 基本代数变形),考虑各种放缩。
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:
- 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。
- 函数加减型放缩:图像分析“隔离折线”。
- 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 的点,拐点左右的函数有不一样的凹凸性。
- 以代数式为主体进行观察,使用经典不等式放缩。
常用放缩不等式
可以参考一些附录中的函数图像(章节 )。
【放缩不等式】
- ,则
- ,则
【均值不等式】【柯西不等式】【权方和不等式】
- (取等条件 )
- ...
【对数均值不等式】
【泰勒系列不等式】
- ( 时取等);
- ( 时取等)
【其他不等式】
- 绝对值不等式:
- 琴生不等式:若 为区间 上的下凹函数,,则有 (所有 相等时取等)
特殊题型:构造函数、微分方程
用于解 和 混合的方程或不等式。
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 ,构 。
- 对于 ,构 。
- 对于 ,构 。
- 原函数是函数乘除组合:
- 对于 ,构 。
- 对于 ,构
- 原函数是函数与 的乘除组合:
- 对于 ,构
- 对于 ,构
- 对于 ,构
- 对于 ,构
- 原函数是函数与 的乘除组合:
- 对于 ,构
- 对于 ,构
- 对于 ,构
- 对于 ,构
- 原函数是函数与的乘除组合:
- 对于 ,构
- 对于 ,构
- 对于 ,构
- 对于 ,构
- 对于 ,分类讨论:
- 若 ,构
- 若 ,构
解微分方程
其他题型分类 | 常用技巧
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 时,连加型:把右边看成若干项的和(拆分,如 )
- 连乘型:把右边看成若干项的积,比通项(或者取 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。
三次函数
已知
- 导函数为二次函数
- 对称中心(导函数对称轴):
- 极值点:导函数零点
- 时函数有两个极值点; 时函数单调无极值点; 时正负取决于 的值。
- 切线问题:略
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 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 )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 ,均可作为一个三角形的边长,则
【双参数恒成立问题】
- 题型:已知 或 恒成立,求 等式子的最值
主要方法:
- 几何意义法(优先使用):许多式子都有几何意义,例如:
- 直线和 轴交点横坐标的相反数
- :直线和直线 交点横坐标的相反数
- :直线和 交点纵坐标的 倍
- 注意拐点。
- 代数法:主元大法好
估算体系、泰勒展开
【方法体系】(从常用到偏僻)
- 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))
- 构造函数(同构),导之。
- 如果是式子比较大小,可以考虑赋值投机。
- 尽量将变量化为类似的形式。
- 咕咕咕?
为了尊重 ,我决定将他的 key structure copy 下来:
- 粗比(估算):先按照与 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。
- 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。
- 利用函数:把数字改成 ,利用函数放缩、运算和图像比大小。
- 把比较的对象变形,尽量形式接近然后比较,如 。
- 找桥梁:两个数字关系不好找时,找一个桥梁然后比大小,如 。
- 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。
- 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。
- 利用基本不等式:适用于复杂的三角函数,如 。
- 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 越接近 时越精确)(建议 )(往后的项数越多就越精确)
- (手撕所有 的秘诀)
- (好奇怪诶)
【秘术】帕德逼近
- 若 ,则 。
【常用估算值】
- 见附录
附录
图像信息
【特殊结论】
- 时, 相比 更接近于 轴。同理 相比 更接近于 轴。
- 和 的图像关于 对称。
- 在函数 中,。
【常用函数图像和不等式可视化】
常用估算值
- 注意
- 形如 :尝试 或者
补充说明
【】
- 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,,函数下凹,极值点 ,欲证明 。
- 众所周知根据导数的基本定义 有 ,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 小于右侧的 (或者是相等的 不同的曲线下面积)。
【】
- 常用极值点偏移不等式:
- 对数均值不等式
“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
导数题 管齐下
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 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