📈 函数与导数汇总主题

📈 函数与导数：核心考点全卷轴

涵盖基本初等函数、三角函数、解三角形及导数综合、数列

---

第 04章：指数与对数

04.00 知识网络

Link to original

---

04.01 指数与对数运算

🟦 指数与对数运算 (Exponents & Logarithms)

知识核心

指数与对数互为逆运算。掌握其运算的核心在于：“指数看加减，对数看拆合”。通过底数的统一和幂次的转换，将复杂的根式或对数式常数化、简单化。

---

一、 指数运算 (Exponential Operations)

1. 根式的性质

• 定义：若 $x^n=a$，则 $x$ 叫做 $a$ 的 $n$ 次方根。
• 核心公式：
  • $(\sqrt[n]{a}{)}^n=a$
  • $\sqrt[n]{a^n}=\{\begin{array}{ll}a,& n\text{ 为奇数}\\ |a|,& n\text{ 为偶数}\end{array}$

2. 分数指数幂与性质 (设 $a>0,b>0$)

• 意义转换：$a^{\frac{m}{n}}=\sqrt[n]{a^m}$ ； $a^{-\frac{m}{n}}=\frac{1}{\sqrt[n]{a^m}}$
• 运算五大律：
  1. $a^m\cdot a^n=a^{m+n}$ （同底数相乘，指数相加）
  2. $(a^m{)}^n=a^{mn}$ （幂的乘方，指数相乘）
  3. $(ab{)}^n=a^n\cdot b^n$ （积的乘方）
  4. $\frac{a^m}{a^n}=a^{m-n}$
  5. $(\frac{b}{a}{)}^n=\frac{b^n}{a^n}$

3. 高阶技巧与常用性质

双重根式平方式

若满足结构：$\sqrt{p\pm 2\sqrt{q}}=\sqrt{(\sqrt{a}{)}^2+(\sqrt{b}{)}^2\pm 2\sqrt{a}\sqrt{b}}$，则可化简为： $\sqrt{p\pm 2\sqrt{q}}=\sqrt{a}\pm \sqrt{b}(a>b)$

• 因式分解扩展：
  • 平方差：$a-b=(\sqrt{a}-\sqrt{b})(\sqrt{a}+\sqrt{b})$
  • 立方和/差：$a\pm b=(a^{\frac{1}{3}}\pm b^{\frac{1}{3}})(a^{\frac{2}{3}}\mp a^{\frac{1}{3}}{b}^{\frac{1}{3}}+b^{\frac{2}{3}})$
• 多重根式指数化：采用由内向外逐步相乘。
  • 例：$\sqrt{a\sqrt{a\sqrt{a}}}=a^{\frac{1}{2}+\frac{1}{4}+\frac{1}{8}}=a^{\frac{7}{8}}$

---

二、 对数运算 (Logarithmic Operations)

1. 定义与互化

$a^x=N⟺x={\log }_{a}N(a>0,a\ne 1,N>0)$

• 恒等式：$a^{{\log }_{a}N}=N$ ； ${\log }_a{a}^b=b$
• 特殊对数：常用对数 $\lg N$ ($base=10$) ；自然对数 $\ln N$ ($base=e\approx 2.718$)

2. 对数运算性质 (拆合规律)

1. 积变和：${\log }_a(M\cdot N)={\log }_{a}M+{\log }_{a}N$
2. 商变差：${\log }_a\frac{M}{N}={\log }_{a}M-{\log }_{a}N$
3. 幂提前：${\log }_a{M}^n=n{\log }_{a}M$

换底公式及其推论 (核心考点)

• 换底：${\log }_{a}N=\frac{{\log }_{c}N}{{\log }_{c}a}$
• 倒数：${\log }_{a}b=\frac{1}{{\log }_{b}a}$
• 幂次比：${\log }_{a^n}{b}^m=\frac{m}{n}{\log }_{a}b$

---

⚠️ 考场避坑与做题技巧

真数范围与绝对值陷阱

注意：${\log }_a{x}^2\ne 2{\log }_{a}x$（除非已知 $x>0$）。 正确写法为：${\log }_a{x}^2=2{\log }_a|x|$。在解不等式时极易漏掉 $x<0$ 的部分。

计算中的“黄金组合”

在对数计算中，务必对 $\lg 2+\lg 5=1$ 保持高度敏感。 遇到 $\lg 5$ 常转化为 $1-\lg 2$ 处理。

---

🚀 综合应用：抽象函数

指数与对数的运算性质是解决抽象函数的核心工具：

• 指数型：若 $f(x)=a^x$，则满足 $f(x+y)=f(x)\cdot f(y)$。
• 对数型：若 $f(x)={\log }_{a}x$，则满足 $f(x\cdot y)=f(x)+f(y)$。

---

Link to original

---

第 05章 ：函数的概念和性质

05.00 知识网络

Link to original

---

05.01 函数的概念

🟦 函数的概念 (Concepts of Function)

知识核心

函数的核心是对应关系。研究函数必须坚持**“定义域优先”**原则。从解析式的变量替换到值域的多样化求法，本质都是在研究自变量 $x$ 与因变量 $y$ 的映射规则。

---

一、 函数及其定义域

1. 函数的本质与判定

• 对应关系：
  • 一到一：每个 $x$ 唯一对应一个 $y$。
  • 多到一：多个 $x$ 可以对应同一个 $y$（如 $y=x^2$）。
• 图形判定 (垂直线检验)：函数图象与任何动直线 $x=m$ 至多只有一个公共点。
• 三要素：定义域、对应关系 $f$、值域。
• 同一函数：只有定义域与对应关系完全相同时，才称为同一函数。

2. 定义域的强制约束

若函数解析式包含以下结构，必须满足：

1. 分式分母：$f(x)=\frac{1}{A}\Rightarrow A\ne 0$
2. 偶次根式：$f(x)=\sqrt[2n]{A}\Rightarrow A\ge 0$
3. 零指数幂：$f(x)=A^0\Rightarrow A\ne 0$
4. 对数式：$f(x)={\log }_{A}B\Rightarrow A>0,A\ne 1,B>0$

3. 抽象函数定义域 (同一法则)

核心原则

1. 定义域永远指 $x$ 的取值范围。
2. 同一对应法则 $f$ 下，括号内整体的取值范围一致。

• 求 $f(g(x))$：已知 $f(x)$ 域为 $(a,b)$，解 $a<g(x)<b$ 即可。
• 求 $f(x)$：已知 $f(g(x))$ 域为 $(a,b)$，求 $g(x)$ 在此区间的值域即为 $f(x)$ 的域。

---

二、 函数解析式的求法

解析式的本质是变量替换：$f(\square )=\dots \square \dots$

方法名称	适用场景	操作要点
代入法	已知 $f(x)$ 求 $f(g(x))$	将 $g(x)$ 作为一个整体代入 $f(x)$
换元/凑配法	已知 $f(g(x))$ 求 $f(x)$	令 $t=g(x)$，注意 $t$ 的范围，最后将 $t$ 换回 $x$
待定系数法	已知函数类型 (如一次、二次)	设出标准式，代入特殊点求参数
方程组法	含有 $f(x)$ 与 $f(-x)$ 或 $f(1/x)$	构造对称方程，联立消元
图象变换法	涉及对称、平移	利用坐标变换公式代入

---

三、 函数的值域与最值 (解题全攻略)

1. 核心方法索引

1. 观察法：简单函数直接判断。
2. 配方法：二次函数必备，务必结合对称轴与区间位置关系。
3. 换元法：
   • 代数换元：如 $\sqrt{ax+b}=t$，注意 $t\ge 0$。
   • 三角换元：如 $\sqrt{R^2-x^2}$ 令 $x=R\sin \theta$。
   • 指数换元：令 $a^x+a^{-x}=t\Rightarrow a^{2x}+a^{-2x}=t^2-2(t\ge 2)$。
4. 图象法：分段函数或带绝对值函数，数形结合最直观。
5. 单调性法：利用导数或基本函数单调性，端点即最值。
6. 均值不等式：针对“对勾”结构，注意“一正二定三相等”。
7. 判别式法：针对分式 $y=\frac{f(x)}{g(x)}$，化为二次方程令 $\Delta \ge 0$。

---

四、 🔥 重要函数模型

1. 对勾函数 $y=ax+\frac{b}{x}$ ($a,b>0$)

• 形状：第一、三象限内的双曲线形状。
• 拐点：$x=\pm \sqrt{b/a}$（极值点）。
• 单调性：在 $(0,\sqrt{b/a}]$ 减，在 $[\sqrt{b/a},+\infty )$ 增（关于原点对称）。
• 值域：$(-\infty ,-2\sqrt{ab}]\cup [2\sqrt{ab},+\infty )$。

2. 飘带函数 $y=ax+\frac{b}{x}$ ($a>0,b<0$)

• 单调性：在 $(-\infty ,0)$ 和 $(0,+\infty )$ 上均单调递增。
• 值域：$\mathbb{R}$。

3. 分式函数系列

• 一次分式 $y=\frac{ax+b}{cx+d}$：通过“分离常数”转化为反比例函数平移。
• 二次分式 $y=\frac{a{x}^2+bx+c}{mx+n}$：通过换元 $t=mx+n$ 转化为对勾函数模型。

---

⚠️ 考场避坑与做题技巧

定义域的“一票否决权”

无论求解析式、值域还是单调性，第一步永远是写出定义域。

• 例如：换元法中，新元 $t$ 的范围直接决定了最终值域的成败。

二次函数的最值判定

必须养成**“画草图、找轴、看区间”**的三步走习惯。 对称轴 $x=-\frac{b}{2a}$ 是否在区间内，是分类讨论的核心。

---

Link to original

---

05.02 函数的四大性质

🟦 函数的四大性质：单调、奇偶、周期、对称 (Properties of Functions)

核心心法

单调性看“趋势”，奇偶性看“对称”，周期性看“重复”，对称性看“平衡”。四大性质常交织出现，解题的关键在于性质间的转化与综合应用。

---

一、 函数的单调性 (Monotonicity)

1. 定义

对于定义域 $I$ 内某个区间 $D$ 上的任意两个自变量 $x_1,x_2$：

• ① 当 $x_1<x_2$ 时，都有 $f(x_1)<f(x_2)$，则称 $f(x)$ 在区间 $D$ 上是增函数；
• ② 当 $x_1<x_2$ 时，都有 $f(x_1)>f(x_2)$，则称 $f(x)$ 在区间 $D$ 上是减函数。

2. 单调性的性质

• 定义域是函数的整体性质，单调性是函数的局部性质。
• 若函数单调区间不止一个时，不能用“$\cup$”书写，需要用“，”或“和”隔开。
• 区间端点包不包括没有严格规定，但要注意端点是否在定义域内。

3. 证明单调性的步骤

1. 取值：在区间 $D$ 上取任意 $x_1,x_2$，设 $x_1<x_2$；
2. 作差变形：计算 $f(x_1)-f(x_2)$，并因式分解或配方，化为易判断符号的形式；
3. 定号：判断 $f(x_1)-f(x_2)$ 的正负；
4. 结论：根据定义，判断函数在区间上的单调性。

4. 单调性定义的变式

设 $x_1,x_2\in [a,b]$，且 $x_1\ne x_2$：

• ① $\frac{f(x_1)-f(x_2)}{x_1-x_2}>0⟺(x_1-x_2)[f(x_1)-f(x_2)]>0⟺f(x)$ 在 $[a,b]$ 上是增函数 $⟺f^{\prime }(x)\ge 0$ 恒成立；
• ② $\frac{f(x_1)-f(x_2)}{x_1-x_2}<0⟺(x_1-x_2)[f(x_1)-f(x_2)]<0⟺f(x)$ 在 $[a,b]$ 上是减函数 $⟺f^{\prime }(x)\le 0$ 恒成立。

5. 快速判断函数单调性

设 $f(x),g(x)$ 具有单调性，常数 $k>0$，常数 $c\in R$：

• ① $\sqrt[n]{f(x)},kf(x),f(x)+c$ 与 $f(x)$ 有相同的单调性（注：$\sqrt[n]{f(x)}$ 当 $n$ 为偶数时，需考虑定义域变化）；
• ② $\frac{k}{f(x)},-kf(x)$ 与 $f(x)$ 有相反的单调性（注：$\frac{k}{f(x)}$ 当存在 $x_0$ 使得 $f(x_0)=0$ 时，单调区间会被分割）；
• ③ 若 $f(x),g(x)$ 都是区间 $D$ 上的增（减）函数，则 $F(x)=f(x)+g(x)$ 在区间 $D$ 上也是增（减）函数；
• ④ 设 $f(x),g(x)$ 都是区间 $D$ 上恒正的增（减）函数，则 $F(x)=f(x)\cdot g(x)$ 在区间 $D$ 上也是增（减）函数。

6. 单调性性质的应用

• ① 若 $f(x)$ 为增函数，则 $f(x_1)<f(x_2)⟺x_1<x_2$；
• ② 若 $f(x)$ 为减函数，则 $f(x_1)<f(x_2)⟺x_1>x_2$。
• 常结合奇偶性解抽象函数不等式，化得具体的不等式（组），应用时还应要求 $x_1,x_2$ 在定义域内。

7. 最大值与最小值

• （1）最大值：设 $y=f(x)$ 的定义域为 $I$，如果 $\exists M\in R$ 满足：
  • ① 对 $\forall x\in I$，都有 $f(x)\le M$；
  • ② $\exists x_0\in I$，使得 $f(x_0)=M$，则称 $M$ 为最大值。
• （2）最小值：设 $y=f(x)$ 的定义域为 $I$，如果 $\exists M\in R$ 满足：
  • ① 对 $\forall x\in I$，都有 $f(x)\ge M$；
  • ② $\exists x_0\in I$，使得 $f(x_0)=M$，则称 $M$ 为最小值。

8. 复合函数单调性 (同增异减)

• 定义：$y=f[g(x)]$。例如：$F(x)=\frac{1}{x^2+x}$ 是 $f(u)=\frac{1}{u}$ 和 $g(x)=x^2+x$ 的复合。
• 法则：
  • 若 $y=f(u)$ 与 $u=g(x)$ 单调性相同，则 $y=f[g(x)]$ 递增；
  • 若 $y=f(u)$ 与 $u=g(x)$ 单调性不同，则 $y=f[g(x)]$ 递减。

$y=f(u)$	$u=g(x)$	$y=f(g(x))$
增	增	增
减	减	增
增	减	减
减	增	减

9. 分段函数单调性

• ① 左段单调性与整体一致；② 右段单调性与整体一致；
• ③ 若整体增（减），则左段函数在端点的函数值 $\le$（$\ge$）右段函数在端点的函数值。

---

二、 函数的奇偶性 (Parity)

1. 奇偶性定义

判断步骤：先看定义域是否关于原点对称，再比较 $f(-x)$ 与 $f(x)$ 的关系。

• ① 偶函数：$f(-x)=f(x)⟺$ 图象关于 $y$ 轴（$x=0$）对称 $⟺$ 轴对称。
• ② 奇函数：$f(-x)=-f(x)⟺$ 图象关于 原点 $(0,0)$ 对称 $⟺$ 中心对称。

2. 常用结论

• ① 四则运算与复合：

组合	$f\pm g$	$f\cdot g$ 或 $f/g$	$f(g(x))$
偶与偶	偶	偶	偶
奇与奇	奇	偶	奇
偶与奇	非奇非偶	奇	偶

• ② 奇函数过原点：定义域若包括 0，则必有 $f(0)=0$。
• ③ 偶函数性质：$f(x)=f(|x|)$，常用于解不等式 $f(x_1)<f(x_2)⟺f(|x_1|)<f(|x_2|)$。
• ④ 既奇又偶：若 $f(x)=0$ 且定义域关于原点对称。
• ⑤ 对称单调性：奇函数在对称区间单调性相同；偶函数在对称区间单调性相反。
• ⑥ 构造奇偶：$f(x)+f(-x)$ 为偶，$f(x)-f(-x)$ 为奇，$f(x)f(-x)$ 为偶。
• ⑦ 分段形式：
  • 奇：$y=\{\begin{array}{l}f(x),x>0\\ -f(-x),x<0\end{array}$ (等价 $y=\frac{|x|}{x}f(|x|)$)
  • 偶：$y=\{\begin{array}{l}f(x),x>0\\ f(-x),x<0\end{array}$ (等价 $y=f(|x|)$)
• ⑧ 多项式：偶函数则奇次项系数为 0；奇函数则偶次项系数为 0。

3. 常用奇偶函数模型

• (1) 奇函数模型：
  • ① $f(x)=m(\frac{a^x+1}{a^x-1})$ 或 $f(x)=m+\frac{2m}{a^x-1}$；
  • ② $f(x)=\pm (a^x-a^{-x})$；
  • ③ $f(x)={\log }_a\frac{x+m}{x-m}$；
  • ④ $f(x)={\log }_a(\sqrt{b^2{x}^2+1}\pm bx)$。
• (2) 偶函数模型：
  • ① $f(x)=\pm (a^x+a^{-x})$；
  • ② $f(x)={\log }_a(a^{mx}+1)-\frac{mx}{2}$；
  • ③ $f(|x|)$ 类型。

4. 奇常函数 $f(x)=g(x)+k$ ($g$ 为奇)

1. $f(a)+f(-a)=2k$
2. $f(x{)}_{\max }+f(x{)}_{\min }=2k$
3. 找 $k$：若 0 在域内，$f(0)=k$。

---

三、 函数的周期性 (Periodicity)

1. 定义

若 $f(x+T)=f(x)$ ($T\ne 0$)，则 $T$ 为周期。最小的正数 $T$ 称为最小正周期。

2. 常用周期结论 (内同看差值)

• ① $f(x+a)=\frac{1}{f(x)}\Rightarrow T=2a$
• ② $f(x+a)=-f(x)\Rightarrow T=2a$
• ③ $f(x+a)=-\frac{1}{f(x)}\Rightarrow T=2a$
• ④ $f(x+a)=f(x-a)\Rightarrow T=2a$
• ⑤ $f(x+a)=\frac{\lambda }{f(x)}\Rightarrow T=2a$
• ⑥ $f(x+a)+f(x-a)=b\Rightarrow T=4a$
• ⑦ $f(x+a)=\frac{1}{1-f(x)}\Rightarrow T=3a$
• ⑧ $f(x+a)=1-\frac{1}{f(x)}\Rightarrow T=3a$
• ⑨ $f(x+a)=\frac{1+f(x)}{1-f(x)}\Rightarrow T=4a$
• ⑩ $f(x+2a)=f(x+a)-f(x)\Rightarrow T=6a$

---

四、 函数的对称性 (Symmetry)

1. 轴对称 (内异相等)

• ① $f(a+x)=f(a-x)⟺$ 图象关于直线 $x=a$ 对称；
• ② $f(a+x)=f(b-x)⟺$ 图象关于直线 $x=\frac{a+b}{2}$ 对称。

2. 中心对称 (内异相反)

• ① $f(a+x)+f(a-x)=0⟺$ 关于点 $(a,0)$ 对称；
• ② $f(a+x)+f(a-x)=2b⟺$ 关于点 $(a,b)$ 对称；
• ③ $f(a+x)+f(b-x)=c⟺$ 关于点 $(\frac{a+b}{2},\frac{c}{2})$ 对称。

3. 关联结论

• 奇偶平移：$f(x+a)$ 奇 $⟺f(x)$ 关于 $(a,0)$ 对称；$f(x+a)$ 偶 $⟺f(x)$ 关于 $x=a$ 对称。
• 和之规律：图象关于 $x=a$ 或 $(a,0)$ 对称，若有 $n$ 个零点，则 $\sum x_i=na$。
• 证明方法：直接证明对应恒等式，或利用平移变换。

---

五、 周期与对称的综合

1. 关于 $(a,0)$、$(b,0)$ 对称 $\Rightarrow T=2|a-b|$。 (推论：奇函数关于 $(a,0)$ 对称 $\Rightarrow T=2a$)
2. 对称轴 $x=a$、$x=b\Rightarrow T=2|a-b|$。 (推论：偶函数关于 $x=a$ 对称 $\Rightarrow T=2a$)
3. 关于 $(a,0)$ 且 $x=b$ 对称 $\Rightarrow T=4|a-b|$。
   • 推论 1：奇函数关于 $x=a$ 对称 $\Rightarrow T=4a$；
   • 推论 2：偶函数关于 $(a,0)$ 对称 $\Rightarrow T=4a$；
   • 推论 3/4：周期为 $T$ 的奇函数关于 $(T/2,0)$ 对称；偶函数关于 $x=T/2$ 对称。

---

六、 类周期函数

1. 阶梯函数 $f(x+T)=f(x)+B$

• $f(x)=f(x-nT)+nB$ ； $f(x)=f(x+nT)-nB$

2. 倍增函数 $f(x+T)=Af(x)$

• $f(x)=A^{n}f(x-nT)$ ； $f(x)=\frac{1}{A^n}f(x+nT)$

3. 倍增阶梯函数 $f(x+T)=Af(x)+B$

• $f(x)=A^{n}f(x-nT)+(A^{n-1}+\cdots +1)B$
• $f(x)=\frac{1}{A^n}f(x+nT)-\frac{(A^{n-1}+\cdots +1)B}{A^n}$

---

⚠️ 考场避坑与做题技巧

单调区间的书写禁忌

在书写单调区间时，若存在多个区间，严禁使用并集符号“$\cup$”。必须用“和”或分号“；”隔开。

• 例：反比例函数 $y=1/x$ 的减区间应写为 $(-\infty ,0)$ 和 $(0,+\infty )$。

分段函数的整体单调性

判定分段函数整体单调时，不仅要求每段内部单调，还需检验连接点处的值域衔接。

• 增函数要求：左段在端点的值 $\le$ 右段在端点的值。

奇函数 $f(0)$ 的杀手锏

若奇函数 $f(x)$ 在 $x=0$ 处有定义，则必有 $f(0)=0$。这常是解解析式中参数的突破口。

---

Link to original

---

第 06 章：幂指对函数的图像与性质

06.00 知识网络

Link to original

---

06.01 幂指对函数图象与性质

🟦 基本初等函数图象与性质 (Elementary Functions)

核心心法

图象是函数的灵魂。 掌握指数、对数、幂函数的核心在于：通过底数/指数的数值特征，快速勾勒图象形态，并利用图象直观解决比较大小、恒成立及单调性问题。

---

一、 指数函数图象 (Exponential Functions)

1. 概念与基本图象

一般地，函数 $y=a^x$（$a>0$ 且 $a\ne 1$）叫做指数函数，定义域为 $\mathbb{R}$。

2. 底数大小与图象位置关系

对于图象 ① $y=a^x$；② $y=b^x$；③ $y=c^x$；④ $y=d^x$：

• 底数排序：$0<b<a<1<d<c$。
• 分布特征：
  • 当 $x\in (0,+\infty )$ 时，底大幂大：$b^x<a^x<d^x<c^x$；
  • 当 $x\in (-\infty ,0)$ 时，底小幂大：$b^x>a^x>d^x>c^x$。

3. 对称性与特殊示例

• 关于 $y$ 轴对称：$y=a^x$ 与 $y=(\frac{1}{a}{)}^x$ 的图象互为镜像。
• 典型对比（以 $y=2^x,y=3^x$ 为例）：
  • $y=3^x$ 与 $y=(\frac{1}{3}{)}^x$ 对称；$y=2^x$ 与 $y=(\frac{1}{2}{)}^x$ 对称。
  • 在 $x>0$ 时：$3^x>2^x>(\frac{1}{2}{)}^x>(\frac{1}{3}{)}^x$。
  • 在 $x<0$ 时：$(\frac{1}{3}{)}^x>(\frac{1}{2}{)}^x>2^x>3^x$。

---

二、 对数函数图象 (Logarithmic Functions)

1. 概念与基本图象

函数 $y={\log }_{a}x$（$a>0$ 且 $a\ne 1$），定义域为 $(0,+\infty )$。

2. 底数变化规律

在第一象限内（同一坐标系）：

• $a>1$ 时：底数 $a$ 越大，图象越靠近 $x$ 轴；
• $0<a<1$ 时：底数 $a$ 越大（越接近 1），图象越远离 $x$ 轴。

3. 特殊函数 $f(x)=\frac{\ln x}{x}$ 的深度性质

基于该函数图象，有以下重要结论：

• 单调性：在 $(0,e)$ 上递增，在 $(e,+\infty )$ 上递减；$x=e$ 时取得最大值 $\frac{1}{e}$。
• 特征点：极大值点左偏，且有 $f(2)=f(4)$。
• 幂的大小比较 ($a^b$ 与 $b^a$)：
  • 当 $e\ge a>b>0$ 时，$a^b>b^a$；
  • 当 $a>b\ge e$ 时，$a^b<b^a$。

---

三、 指对函数拓展性质 (奇偶性与单调性)

1. 与指数函数有关的常用模型

• 奇函数：
  • ① $f(x)=\frac{a^x-a^{-x}}{2}$（常用形式 $\frac{1}{2}[a^x+(-\frac{1}{a^x})]$ 判断单调性）。
  • ② $f(x)=\frac{a^x-1}{a^x+1}$（变形为 $f(x)=1-\frac{2}{a^x+1}$ 判定单调性）。
• 偶函数：
  • ③ $f(x)=a^{|x|}$。

2. 与对数函数有关的常用模型

• 奇函数：
  • ① $f(x)={\log }_a(\sqrt{x^2+1}+x)$：单调性随 $a$ 变化。
  • ② $f(x)={\log }_a\frac{1-x}{1+x}$（变形为 ${\log }_a(\frac{2}{1+x}-1)$ 判定单调性）。
• 偶函数：
  • ③ $f(x)={\log }_a|x|$（注意与 $y=|{\log }_{a}x|$ 图象的区别）。

3. 复合对数函数 $f(x)={\log }_m(a{x}^2+bx+c)$

• 若定义域为 $\mathbb{R}$（真数恒正）：$\{\begin{array}{l}a=b=0,c>0\end{array}$ 或 $\{\begin{array}{l}a>0,\Delta <0\end{array}$。
• 若值域为 $\mathbb{R}$（真数能取遍正实数）：$\{\begin{array}{l}a=0,b\ne 0\end{array}$ 或 $\{\begin{array}{l}a>0,\Delta \ge 0\end{array}$。

---

四、 幂函数图象性质 (Power Functions)

1. 核心定义

函数 $y=x^{\alpha }$。重点掌握 $\alpha =1,2,3,\frac{1}{2},-1$ 时的形态。

2. 图象规律

• 公共点：所有幂函数在 $(0,+\infty )$ 均有定义，且必过点 $(1,1)$。
• $\alpha >0$ 时：图象过原点，在 $[0,+\infty )$ 上递增。
  • $\alpha >1$：图象下凹，变化快；
  • $0<\alpha <1$：图象上凸，变化慢。
• $\alpha <0$ 时：在 $(0,+\infty )$ 上递减，图象无限逼近坐标轴。
• 底数分布：在直线 $x=1$ 右侧，图象从下往上，幂指数由小到大分布。

3. 指数奇偶性的图象分布

指数 $y=x^{\frac{m}{n}}$ 特征	图象分布位置	对称性
分母 $n$ 为偶数	仅第一象限	无
分子 $m$ 为偶数	第一、二象限	关于 $y$ 轴对称
分子、分母均为奇数	第一、三象限	关于原点对称

---

⚠️ 考场避坑与做题技巧

“指对幂”大小比较三步走

1. 找中间值：优先看是否能以 $0,1$ 为界分出档次。
2. 同底/同指转换：若底数不同，尝试利用换底公式或幂的性质统一。
3. 数形结合：画出对应函数的草图，观察在 $x=1$ 左右的分布。

对数定义域的陷阱

处理复合对数函数 $y={\log }_a[f(x)]$ 时，真数 $f(x)>0$ 是永恒的第一前提，不论题目要求单调性还是最值。

---

Link to original

---

08.01 函数图象变换、模型与零点

🟦 函数图象变换、模型与零点综合 (Functions Synthesis)

核心心法

图象是载体，逻辑是灵魂。 掌握函数的变换规律是解决几何问题的关键；通过零点存在性定理与参数分离法，可以将复杂的动态问题转化为静态的数值/值域判定。

---

一、 函数图象变换问题

1. 两个函数图象间的变换及函数关系

• 平移变换：
  • ① $y=f(x)\stackrel{\text{左右平移 }a\text{ 个单位}}{\to }y=f(x\pm a)$； 注意：$y=f(\omega x)\stackrel{\text{左右平移 }\frac{a}{\omega }\text{ 个单位}}{\to }y=f[\omega (x\pm a)]$（左加右减）。
  • ② $y=f(x)\stackrel{\text{上下平移 }b\text{ 个单位}}{\to }y=f(x)\pm b$； $y=f(\omega x)\stackrel{\text{上下平移 }b\text{ 个单位}}{\to }y=f(\omega x)\pm b$（上加下减）。
• 翻折变换：
  • ③ $y=f(x)\stackrel{\text{翻折}}{\to }y=|f(x)|$（下往上翻）；
  • ④ $y=f(x)\stackrel{\text{翻折}}{\to }y=f(|x|)$（偶函数，右左翻）。
• 伸缩变换：
  • ⑤ $y=f(x)\stackrel{\text{伸缩}}{\to }y=f(\frac{1}{\omega }x)$（沿横轴伸缩 $\omega$ 倍）；
  • ⑥ $y=f(x)\stackrel{\text{伸缩}}{\to }y=Af(x)$（沿纵轴伸缩 $A$ 倍）。
• 对称变换：
  • ① $\{\begin{array}{l}y=f(x)\\ y=f(-x)\end{array}$，关于直线 $x=0$（即 $y$ 轴）对称；
  • ② $\{\begin{array}{l}y=f(x)\\ y=-f(x)\end{array}$，关于直线 $y=0$（即 $x$ 轴）对称；
  • ③ $\{\begin{array}{l}y=f(x)\\ y=-f(-x)\end{array}$，关于原点对称；
  • ④ $\{\begin{array}{l}y=f(x)\\ y=f(2a-x)\end{array}$，关于直线 $x=a$ 对称；
  • ⑤ $\{\begin{array}{l}y=f(a+x)\\ y=f(b-x)\end{array}$，关于直线 $x=\frac{b-a}{2}$ 对称；
  • ⑥ $\{\begin{array}{l}y=f(x)\\ y=2b-f(2a-x)\end{array}$，关于点 $(a,b)$ 对称。

2. 特殊图象与性质

• 反比例型函数：$y=\frac{ax+b}{cx+d}(c\ne 0,\frac{a}{c}\ne \frac{b}{d})\stackrel{\text{分子常数化}}{\to }y=\frac{k}{x-x_0}+y_0$
  • 对称中心为点 $(x_0,y_0)$，其中 $x_0=-\frac{d}{c},y_0=\frac{a}{c}$。
  • 定义域：$\{x\mid x\ne x_0\}$；值域：$\{y\mid y\ne y_0\}$。
• 对勾函数及变形：
  • 标准型：$y=x+\frac{k}{x}(k>0)$；
  • 一般形式：$y=\frac{a{x}^2+bx+c}{x}=ax+\frac{c}{x}+b$；
  • 复合形式：$y=\frac{a{x}^2+bx+c}{mx+n}\stackrel{t=mx+n}{\to }y=pt+\frac{q}{t}+r$。
• 含根式函数的图象变形：
  • 例：$f(x)=1+\sqrt{4-(x-3{)}^2}\Rightarrow (x-3{)}^2+(y-1{)}^2=4(y\ge 1)$，其图象为半圆。

3. 凹凸性判断

• 凹的 (向上开) $⟺f^{\prime \prime }(x)\ge 0$（切线斜率递增）；
• 凸的 (向上拱) $⟺f^{\prime \prime }(x)\le 0$（切线斜率递减）。

---

二、 常用函数模型速查

函数类型	表达式
一次函数	$y=ax+b(a\ne 0)$
二次函数	$y=a{x}^2+bx+c(a\ne 0)$
指数函数 / 型	$y=a^x$ 或 $y=k\cdot a^x(a>0,a\ne 1)$
对数函数 / 型	$y={\log }_{a}x$ 或 $y=k\cdot {\log }_{a}x(a>0,a\ne 1)$
幂函数 / 型	$y=x^n$ 或 $y=k\cdot x^n(n\in N^{\ast })$

---

三、 函数增长快慢

在 $x\to +\infty$ 时，不同类型函数的增长速度（阶数）满足： $V(a^x)>V(x^n)>V({\log }_{a}x)(a>1,n>0)$ $V(kx)>V({\log }_{a}x)(k>0)$

---

四、 函数的零点 (Zero Points)

1. 概念与逻辑等价

• 零点概念：使 $f(x)=0$ 的实数 $x$。
• 等价链：方程 $f(x)=0$ 有实根 $⟺$ 函数 $y=f(x)$ 有零点 $⟺$ 图象与 $x$ 轴有交点。
• 注意：零点是数（如 $2$），而不是点（如 $(2,0)$）。
• 交点问题：方程 $f(x)=g(x)$ 的根 $⟺$ 两图象交点的横坐标。
  • 例：方程 $x^2-2^x=0$ 有三个实根：$x_1\in (-1,0),x_2=2,x_3=4$。

2. 零点存在性定理

若 $y=f(x)$ 在 $[a,b]$ 上图象连续，且 $f(a)f(b)<0$，则 $f(x)$ 在 $(a,b)$ 内至少有一个零点。

深度说明

1. 定理只保存在，不保证唯一。若加单调性，则唯一。
2. 只适用“变号零点”，不适用“不变号零点”。
3. 充分大/小值：可借助 $x\to +\infty$ 时的正负来判断端点符号。

3. 二分法步骤

(1) 确定验证 $f(a)f(b)<0$ 的区间；(2) 取中点 $c$；(3) 判定 $f(c)$：

• $f(c)=0\Rightarrow$ 找到零点。
• $f(a)f(c)<0\Rightarrow$ 令 $b=c$。
• $f(c)f(b)<0\Rightarrow$ 令 $a=c$。 (4) 判断精确度：若 $|a-b|<\epsilon$ 则停止。

---

五、 二次方程根的分布 (以 $a>0$ 为例)

分布情况	关键条件 (结论)
两根都小于 $k$	$\Delta \ge 0,f(k)>0,-\frac{b}{2a}<k$
两根都大于 $k$	$\Delta \ge 0,f(k)>0,-\frac{b}{2a}>k$
一根小于 $k$, 一根大于 $k$	$f(k)<0$
两根都在 $(m,n)$ 内	$\Delta \ge 0,f(m)>0,f(n)>0,m<-\frac{b}{2a}<n$
有且仅有一根在 $(m,n)$ 内	$f(m)f(n)<0$

---

六、 恒成立、存在性与分参法

1. 逻辑判定法则

• 单变量：
  • $f(x)<a$ 恒成立 $\Rightarrow f(x{)}_{\max }<a$；
  • $f(x)<a$ 存在性 $\Rightarrow f(x{)}_{\min }<a$。
• 双变量：
  • $\forall x_1,\exists x_2,f(x_1)<g(x_2)\Rightarrow f(x{)}_{\max }<g(x{)}_{\max }$；
  • $\forall x_1,\forall x_2,f(x_1)<g(x_2)\Rightarrow f(x{)}_{\max }<g(x{)}_{\min }$。
• 相等问题：
  • $\exists x_1,\exists x_2,f(x_1)=g(x_2)⟺$ 值域交集 $\ne \varnothing$。

2. 分离参数法 (五个维度)

1. 常规法：$\lambda =g(x)-f(x)$；
2. 倒数法：$\frac{1}{\lambda }=\frac{f(x)}{g(x)}$；
3. 讨论法：$\lambda \ge \frac{f(x)}{g(x)}$ (若除数小于 0，需变号)；
4. 整体法：${\lambda }^2+\lambda =f(x)$；
5. 不完全分离法：$\frac{b}{x}=\ln x+x-x^2$。

3. 一次与二次函数的恒成立

• 一次函数 $f(x)=kx+b$ 在 $[m,n]$ 恒大于 0 $\Rightarrow \{\begin{array}{l}f(m)>0\\ f(n)>0\end{array}$。
• 二次函数 $a{x}^2+bx+c>0$ 在 $\mathbb{R}$ 恒成立 $\Rightarrow \{\begin{array}{l}a=b=0,c>0\end{array}$ 或 $\{\begin{array}{l}a>0,\Delta <0\end{array}$。

---

Link to original

---

第 07 章：三角函数

07.00 知识网络

Link to original

---

07.01 弧度制与扇形度量

🟦 弧度制与扇形度量 (Radian Measure)

知识核心

弧度制实现了“角”与“实数”的统一。通过定义弧长等于半径时的圆心角为 1 弧度，简化了三角函数在微积分及物理计算中的表达。

---

一、 弧度制与角度制互化

1. 基本关系

数学上规定 $180^{\circ }$ 对应的弧度数为 $\pi$： $\pi \text{ rad}=180^{\circ }$

2. 互化公式

• 角度化弧度：
  • $1^{\circ }=\frac{\pi }{180}\mathrm{rad}\approx 0.01745\mathrm{rad}$
• 弧度化角度：
  • $1\mathrm{rad}={\left(\frac{180}{\pi }\right)}^{\circ }\approx 57.30^{\circ }$

---

二、 弧长与扇形面积

设扇形的圆心角为 $\alpha$（单位：$\mathrm{rad}$），半径为 $R$，弧长为 $l$。

1. 弧长公式

$l=\alpha R$

2. 扇形面积公式

• 形式一（类比三角形）：$S=\frac{1}{2}lR$
• 形式二（函数形式）：$S=\frac{1}{2}\alpha R^2(0<\alpha <2\pi )$

---

⚠️ 考场避坑与做题技巧

单位统一陷阱

在使用弧长公式 $l=\alpha R$ 和面积公式 $S=\frac{1}{2}\alpha R^2$ 时，圆心角 $\alpha$ 必须使用弧度制。如果题目给出的是角度（如 $60^{\circ }$），必须先转化为弧度（$\frac{\pi }{3}$）后再代入计算。

扇形周长问题

注意扇形的周长 $C=l+2R=\alpha R+2R$。 考试中常出现“已知周长求面积最大值”的问题，通常在 $l=2R$（即 $\alpha =2\mathrm{rad}$）时面积取得最大值。

---

Link to original

---

07.02 三角函数的定义与诱导公式

🟦 三角函数的定义与诱导公式 (Trigonometric Functions)

知识核心

三角函数是研究周期现象的基础。其定义从单位圆出发，经历了从“线段”到“比值”的抽象。掌握核心在于：“坐标化定义”、**“同角恒等变换”以及“奇变偶不变”**的统一化简法则。

---

一、 任意角的三角函数定义

1. 坐标定义法

设角 $\alpha$ 终边上任意一点 $P$ 的坐标为 $(x,y)$，它到原点的距离为 $r=|OP|=\sqrt{x^2+y^2}$。

• 定义式：
  • $\sin \alpha =\frac{y}{r}=\frac{y}{\sqrt{x^2+y^2}}$
  • $\cos \alpha =\frac{x}{r}=\frac{x}{\sqrt{x^2+y^2}}$
  • $\tan \alpha =\frac{y}{x}(x\ne 0)$
• 坐标表示：点 $P(x,y)$ 可表示为 $P(r\cos \alpha ,r\sin \alpha )$。

2. 定义域与符号口诀

• 定义域/值域：
  • $\sin \alpha ,\cos \alpha$：定义域 $\mathbb{R}$，值域 $[-1,1]$。
  • $\tan \alpha$：定义域 $\{\alpha \mid \alpha \ne \frac{\pi }{2}+k\pi ,k\in \mathbb{Z}\}$，值域 $\mathbb{R}$。
• 符号口诀：“一全正，二正弦，三正切，四余弦。”
  • 逻辑支撑：正弦看 $y$，余弦看 $x$，正切看比值 $y/x$。

3. 三角函数线（单位圆中有向线段）

在单位圆（$r=1$）中：

• 正弦线：$MP$（点 $P$ 的纵坐标 $y$）
• 余弦线：$OM$（点 $P$ 的横坐标 $x$）
• 正切线：$AT$

---

二、 同角三角函数的基本关系式

1. 基础关系

• 平方关系：${\sin }^2\alpha +{\cos }^2\alpha =1$
• 商数关系：$\tan \alpha =\frac{\sin \alpha }{\cos \alpha }$

2. 三角完全平方公式（常用变形）

1. $(\sin \alpha \pm \cos \alpha {)}^2=1\pm 2\sin \alpha \cos \alpha =1\pm \sin 2\alpha$
2. $(\sin \alpha +\cos \alpha {)}^2+(\sin \alpha -\cos \alpha {)}^2=2$

3. 齐次式转化（弦化切技巧）

• ① 一次分式齐次：$\frac{a\sin x+b\cos x}{c\sin x+d\cos x}$，分子分母同除以 $\cos x$ 转化为 $\tan x$。
• ② 二次整式齐次：$a{\sin }^{2}x+b\sin x\cos x+c{\cos }^{2}x$。
  • 大招：分母看作 $1={\sin }^{2}x+{\cos }^{2}x$，整体除以 ${\cos }^{2}x$ 转化为关于 $\tan x$ 的表达式。

---

三、 三角函数的诱导公式

1. 核心口诀：奇变偶不变，符号看象限

深度解读

• “奇、偶”：指 $k\cdot \frac{\pi }{2}\pm \alpha$ 中 $k$ 的奇偶性。
  • $k$ 为奇数：函数名改变（$\sin \leftrightarrow \cos$）。
  • $k$ 为偶数：函数名不变。
• “符号”：观察 $k\cdot \frac{\pi }{2}\pm \alpha$ 整体所在的象限（将 $\alpha$ 视为第一象限锐角），判断原函数在该象限的正负。

2. 常用公式组汇总

• 对称与周期性：
  • $\sin (\pi -\alpha )=\sin \alpha$
  • $\cos (\pi -\alpha )=-\cos \alpha$
  • $\tan (\pi +\alpha )=\tan \alpha$
  • $\sin (-\alpha )=-\sin \alpha ,\cos (-\alpha )=\cos \alpha$
• 与 $\pi /2$ 相关（互余/互补转换）：
  • $\sin (\frac{\pi }{2}\pm \alpha )=\cos \alpha$
  • $\cos (\frac{\pi }{2}+\alpha )=-\sin \alpha$
  • $\sin (\frac{3\pi }{2}\pm \alpha )=-\cos \alpha$

3. 三角转同名问题（高级应用）

• $\sin \alpha =-\cos (\alpha +\frac{\pi }{2})=\cos (\alpha -\frac{\pi }{2})$
• $\cos \alpha =\sin (\alpha +\frac{\pi }{2})=-\sin (\alpha -\frac{\pi }{2})$

---

⚠️ 考场避坑与做题技巧

正切公式的局限性

诱导公式“奇变偶不变”直接针对 $\sin$ 和 $\cos$。对于 $\tan$，建议先化为 $\frac{\sin }{\cos }$ 或记住 $\tan (\frac{\pi }{2}\pm \alpha )=\mp \cot \alpha$。

开方时的正负判定

由 ${\sin }^2\alpha +{\cos }^2\alpha =1$ 求 $\sin \alpha =\pm \sqrt{1-{\cos }^2\alpha }$ 时，必须根据 $\alpha$ 所在的象限确定正负号，不可漏掉负号讨论。

---

Link to original

---

07.03 三角函数的图象与性质

🟦 三角函数的图象与性质核心考点

核心心法

三角函数的性质研究必须遵循“图象先行”原则。通过对基本函数 $y=\sin x,y=\cos x,y=\tan x$ 的深度剖析，掌握复合函数 $y=A\sin (\omega x+\phi )$ 的变换规律、最值求解及综合应用。

---

一、 基础图象性质汇总

（核心维度：定义域、周期性、奇偶性/对称性、单调性、最值/值域）

1. $y=\sin x$

• 定义域：$\mathbb{R}$ | 值域：$[-1,1]$
• 周期性：$T=2\pi$
• 奇偶性：奇函数，图像关于原点对称
• 对称轴：$x=\frac{\pi }{2}+k\pi (k\in \mathbb{Z})$
• 对称中心：$(k\pi ,0)(k\in \mathbb{Z})$
• 单调递增区间：$\left[-\frac{\pi }{2}+2k\pi ,\frac{\pi }{2}+2k\pi \right](k\in \mathbb{Z})$
• 单调递减区间：$\left[\frac{\pi }{2}+2k\pi ,\frac{3\pi }{2}+2k\pi \right](k\in \mathbb{Z})$
• 最值：当 $x=\frac{\pi }{2}+2k\pi$ 时，$y_{\max }=1$；当 $x=-\frac{\pi }{2}+2k\pi$ 时，$y_{\min }=-1$

2. $y=\cos x$

• 定义域：$\mathbb{R}$ | 值域：$[-1,1]$
• 周期性：$T=2\pi$
• 奇偶性：偶函数，图像关于 $y$ 轴对称
• 对称轴：$x=k\pi (k\in \mathbb{Z})$
• 对称中心：$\left(\frac{\pi }{2}+k\pi ,0\right)(k\in \mathbb{Z})$
• 单调递增区间：$\left[-\pi +2k\pi ,2k\pi \right](k\in \mathbb{Z})$
• 单调递减区间：$\left[2k\pi ,\pi +2k\pi \right](k\in \mathbb{Z})$
• 最值：当 $x=2k\pi$ 时，$y_{\max }=1$；当 $x=\pi +2k\pi$ 时，$y_{\min }=-1$

3. $y=\tan x$

• 定义域：$\left\{x\mid x\ne \frac{\pi }{2}+k\pi ,k\in \mathbb{Z}\right\}$ | 值域：$\mathbb{R}$
• 周期性：$T=\pi$
• 奇偶性：奇函数，图像关于原点对称
• 对称中心：$\left(\frac{k\pi }{2},0\right)(k\in \mathbb{Z})$
• 单调递增区间：$\left(-\frac{\pi }{2}+k\pi ,\frac{\pi }{2}+k\pi \right)(k\in \mathbb{Z})$
• 最值：无最大值和最小值

---

二、 周期判断问题

类型	对应关系	周期 $T$
基础三角函数	$\sin x,\cos x\to 2\pi$ ； $\tan x\to \pi$	——
一般复合形式	$y=A\sin (\omega x+\phi )+B$ 等	$T=\frac{2\pi }{\omega }$ (对 $\tan$ 为 $\frac{\pi }{\omega }$)
自变量带绝对值	$\sin	x
整体带绝对值	$	\sin x

---

三、 奇偶性问题

• ① 若 $y=A\sin (\omega x+\phi )+B$ 为奇函数，则 $\phi =k\pi (k\in \mathbb{Z}),B=0$
• ② 若 $y=A\sin (\omega x+\phi )+B$ 为偶函数，则 $\phi =k\pi +\frac{\pi }{2}(k\in \mathbb{Z})$
• ③ 若 $y=A\cos (\omega x+\phi )+B$ 为奇函数，则 $\phi =k\pi +\frac{\pi }{2}(k\in \mathbb{Z}),B=0$
• ④ 若 $y=A\cos (\omega x+\phi )+B$ 为偶函数，则 $\phi =k\pi (k\in \mathbb{Z})$

---

四、 三角函数最值、值域题型及方法

1. $y=A\sin (\omega x+\phi )+B$：利用图象确定。
2. $y=a{\sin }^{2}x+b\sin x+c$：换元转化为二次函数。
3. $y=\frac{a\sin x+b}{m\sin x+n}$：采用分离常数法。
4. $y=a(\sin x\pm \cos x)+b\sin x\cos x$：令 $t=\sin x\pm \cos x$，整体转化为二次函数。
5. $y=a\sin x+b\cos x$：辅助角公式化一。
6. $y=\frac{a\sin x+b}{m\cos x+n}$：几何意义，转化为斜率问题。
7. $y=a{\sin }^{2}x+b\sin x\cos x+c{\cos }^{2}x$：先降次，再用辅助角公式。
8. $y=a{\tan }^{2}x+b\tan x+c$：换元转化为二次函数。
9. $y=a\sin 2x+b\sin x$：确定周期，利用导数研究单调性求极值。

---

五 函数 $y=A\sin (\omega x+\phi )$ 的图象变换

(1) 五点作图法

令 $\omega x+\phi$ 依次取 $0,\frac{\pi }{2},\pi ,\frac{3\pi }{2},2\pi$（五个最值点或零点），求出 $x$ 与 $y$ 后描点作图。

(2) 两种变换顺序对比

核心规则

• 变换 1 (先相位，再周期)：$y=\sin x\stackrel{\text{平移 }|\phi |}{\to }y=\sin (x+\phi )\stackrel{\text{横缩 }\frac{1}{\omega }}{\to }y=\sin (\omega x+\phi )$
• 变换 2 (先周期，再相位)：$y=\sin x\stackrel{\text{横缩 }\frac{1}{\omega }}{\to }y=\sin (\omega x)\stackrel{\text{平移 }\frac{|\phi |}{\omega }}{\to }y=\sin (\omega x+\phi )$
• 说明：变换 2 必须向左/右平移 $\frac{|\phi |}{\omega }$ 个单位。

(3) 物理量含义

• 振幅：$A$ | 周期：$T=\frac{2\pi }{\omega }$ | 频率：$f=\frac{1}{T}=\frac{\omega }{2\pi }$
• 相位：$\omega x+\phi$ | 初相：$\phi$

---

六、 核心结论归纳

1. 对称性深度结论

若 $f(x)=a\sin x+b\cos x$ 关于直线 $x=x_0$ 对称，则：

• ① $f(x_0+x)=f(x_0-x)$；② $f(2x_0)=f(0)$；③ $f(x_0)=\pm \sqrt{a^2+b^2}$；④ $f^{\prime }(x_0)=0$。

2. 常用不等式

• 若 $x\in \left(0,\frac{\pi }{2}\right)$，则 $\sin x<x<\tan x$。
• 若 $x\in \left(0,\frac{\pi }{2}\right)$，则 $1<\sin x+\cos x\le \sqrt{2}$。

3. $y=A\sin (\omega x+\phi )$ 求解注意

• (1) $\omega$ 的正负：若 $\omega <0$，必须先用诱导公式使 $x$ 系数为正。
• (2) $A$ 的符号：$A<0$ 时会反转函数的单调性与最值。

4. 限定区间 $[a,b]$ 上的研究

• 值域：从 $x$ 的范围推导 $\omega x+\phi$ 的范围，再由正弦曲线求 $y$ 的范围。
• 单调性：求出标准单调区间，与 $[a,b]$ 取交集。
• 单调函数判定：若在该区间单调，则区间长度 $b-a\le \frac{T}{2}$。

---

Link to original

---

第 10章：三角恒等变换

10.00 知识网络

Link to original

---

10.01 两角和与差及辅助角公式

🟦 两角和与差及辅助角公式 (Trigonometric Formulas)

知识核心

三角恒等变换的核心在于“化异为同”。通过和差角公式实现角度的拆分与组合，通过辅助角公式实现函数名的统一，从而将复杂的三角表达式转化为单一的简弦波形式。

---

1. 两角和与差公式

(1) 正弦与余弦公式

• ① 差角公式：$\cos (\alpha -\beta )=\cos \alpha \cos \beta +\sin \alpha \sin \beta$
• ② 和角公式：$\cos (\alpha +\beta )=\cos \alpha \cos \beta -\sin \alpha \sin \beta$
• ③ 差角公式：$\sin (\alpha -\beta )=\sin \alpha \cos \beta -\cos \alpha \sin \beta$
• ④ 和角公式：$\sin (\alpha +\beta )=\sin \alpha \cos \beta +\cos \alpha \sin \beta$

(2) 正切公式

• ⑤ 和角公式：$\tan (\alpha +\beta )=\frac{\tan \alpha +\tan \beta }{1-\tan \alpha \tan \beta }$
  • 变形公式：$\tan \alpha +\tan \beta =\tan (\alpha +\beta )(1-\tan \alpha \tan \beta )$
• ⑥ 差角公式：$\tan (\alpha -\beta )=\frac{\tan \alpha -\tan \beta }{1+\tan \alpha \tan \beta }$
  • 变形公式：$\tan \alpha -\tan \beta =\tan (\alpha -\beta )(1+\tan \alpha \tan \beta )$

---

2. 辅助角公式 (Harmonic Addition)

$a\sin x+b\cos x=\sqrt{a^2+b^2}\sin (x+\phi )$

🛠️ 核心操作要点

• ① 辅助角判定：$\phi$ 由以下关系决定：$\tan \phi =\frac{b}{a},\sin \phi =\frac{b}{\sqrt{a^2+b^2}},\cos \phi =\frac{a}{\sqrt{a^2+b^2}}$。
• ② 书写顺序：正弦在前，余弦在后（确保系数 $a,b$ 不会弄反）。
• ③ 象限判断：利用系数算出所填角度的正切、正弦（或余弦），确定 $\phi$ 的确切象限。
• ④ 符号要求：保证振幅 $A>0$，角频率 $\omega >0$。
• ⑤ 非特殊角处理：若括号内不是特殊角，可用抽象的 $\phi$ 代替，并在旁标注其三角函数值备用。

---

3. 万能辅助角公式 (三角形进阶应用)

已知三角形的一个内角 $C$，求 $\sin A+\sin B$ 或 $\sin A+\lambda \sin B$ 的相关结论：

(1) 和差化积形式

$a+b=4R\cos \frac{C}{2}\sin \left(A+\frac{C}{2}\right)$

(2) 带系数 $\lambda$ 的辅助角形式

$a+\lambda b=2R\sqrt{{\lambda }^2+2\lambda \cos C+1}\sin (B+\phi )$

(3) 最值限制

若 $\lambda >0$，则： $a+\lambda b\le 2R\sqrt{{\lambda }^2+2\lambda \cos C+1}$

说明：以上公式常用于三角形内边与角的转化、求最值等题型，其中 $R$ 为三角形外接圆半径。

---

⚠️ 考场避坑与做题技巧

正切公式的分母陷阱

在使用 $\tan (\alpha \pm \beta )$ 公式时，务必保证 $\tan \alpha ,\tan \beta$ 均有意义。如果其中一个角是 $\frac{\pi }{2}$，公式不可直接使用，需回归到 $\sin /\cos$ 处理。

辅助角 $\phi$ 的正负号

处理 $a\sin x-b\cos x$ 时，可以将 $-b$ 作为系数带入公式，即 $\tan \phi =-b/a$。此时注意 $\phi$ 的正负要与 $b$ 的符号保持逻辑一致。

辅助角公式在最值中的应用

辅助角公式的本质是求振幅。看到 $a\sin x+b\cos x$ 结构，应条件反射想到其取值范围是 $[-\sqrt{a^2+b^2},\sqrt{a^2+b^2}]$。

---

Link to original

---

10.02 倍角、降幂与升幂公式

🟦 倍角、降幂与升幂公式 (Double Angle & Power Reduction)

核心心法

“角升幂降，幂升角降”。二倍角公式及其变形是三角函数中频率最高的计算工具。通过角度与次数的相互转化，可以有效简化复杂的三角表达式，是处理求值、化简和单调性问题的利刃。

---

1. 二倍角公式 (Double Angle Formulas)

(1) 正弦二倍角公式

$\sin 2\alpha =2\sin \alpha \cos \alpha$

(2) 余弦二倍角公式 (三位一体)

$\cos 2\alpha ={\cos }^2\alpha -{\sin }^2\alpha =2{\cos }^2\alpha -1=1-2{\sin }^2\alpha$

注：余弦倍角公式有三种形式，在解题时需根据已知条件灵活选择，实现消元或降幂。

(3) 正切二倍角公式

$\tan 2\alpha =\frac{2\tan \alpha }{1-{\tan }^2\alpha }$

---

2. 降幂公式 (Power Reduction Formulas)

用于将二次项转化为一次项，通常在研究函数的周期和最值时使用：

• ① 正弦降幂：${\sin }^2\alpha =\frac{1-\cos 2\alpha }{2}$
• ② 余弦降幂：${\cos }^2\alpha =\frac{1+\cos 2\alpha }{2}$
• ③ 积化倍角：$\sin \alpha \cos \alpha =\frac{1}{2}\sin 2\alpha$

---

3. 升幂公式 (Power Increment Formulas)

常用于配方、消去常数 $1$ 或开方运算：

• ① 减消 1：$1-\cos 2\alpha =2{\sin }^2\alpha$
• ② 加消 1：$1+\cos 2\alpha =2{\cos }^2\alpha$
• ③ 完全平方转化 (加)：$1+\sin 2\alpha =(\sin \alpha +\cos \alpha {)}^2$
• ④ 完全平方转化 (减)：$1-\sin 2\alpha =(\sin \alpha -\cos \alpha {)}^2$

---

⚠️ 考场避坑与做题技巧

“1”的华丽变身

在升幂公式中，关键在于将 $1$ 看作 ${\sin }^2\alpha +{\cos }^2\alpha$。 遇到 $\sqrt{1\pm \sin 2\alpha }$ 结构时，利用公式 ③ 或 ④ 转化为绝对值形式：$|\sin \alpha \pm \cos \alpha |$。

公式的逆向使用

看到 $2{\sin }^2\alpha$ 要能条件反射想到 $1-\cos 2\alpha$。考试中，逆用公式往往比正向使用更能简化运算。

正切公式的定义域

在使用 $\tan 2\alpha$ 公式时，不仅要保证 $2\alpha \ne \frac{\pi }{2}+k\pi$，还要保证 $\alpha \ne \frac{\pi }{2}+k\pi$（即 $\tan \alpha$ 本身要有意义）。

---

Link to original

---

10.03 积和转化与半角公式

🟦 积和转化与半角公式 (Trigonometric Transformation)

核心心法

“积和互转，万能归一切”。积化和差与和差化积是处理三角函数乘积与加减项转化的利器；而万能公式则提供了一种将所有三角函数统一为 $\tan \frac{\alpha }{2}$ 的代数化路径，是解决复杂三角求值问题的底牌。

---

1. 积化和差公式 (Product-to-Sum)

用于将三角函数的乘积形式转化为加减形式，便于积分或求和：

• ① $\sin \alpha \cdot \cos \beta =\frac{1}{2}\left[\sin (\alpha +\beta )+\sin (\alpha -\beta )\right]$
• ② $\cos \alpha \cdot \cos \beta =\frac{1}{2}\left[\cos (\alpha +\beta )+\cos (\alpha -\beta )\right]$
• ③ $\sin \alpha \cdot \sin \beta =\frac{1}{2}\left[\cos (\alpha -\beta )-\cos (\alpha +\beta )\right]$

---

2. 和差化积公式 (Sum-to-Product)

用于将三角函数的加减形式转化为乘积形式，便于约分或判断符号：

• ① $\sin \alpha +\sin \beta =2\sin \frac{\alpha +\beta }{2}\cos \frac{\alpha -\beta }{2}$
• ② $\sin \alpha -\sin \beta =2\cos \frac{\alpha +\beta }{2}\sin \frac{\alpha -\beta }{2}$
• ③ $\cos \alpha +\cos \beta =2\cos \frac{\alpha +\beta }{2}\cos \frac{\frac{\alpha -\beta }{2}}{}$
• ④ $\cos \alpha -\cos \beta =-2\sin \frac{\alpha +\beta }{2}\sin \frac{\alpha -\beta }{2}$

---

3. 万能公式 (Universal Formulas)

通过 $1={\sin }^2\alpha +{\cos }^2\alpha$ 的代换，将二倍角统一为正切形式：

• 正弦二倍角：$\sin 2\alpha =\frac{2\sin \alpha \cos \alpha }{{\sin }^2\alpha +{\cos }^2\alpha }=\frac{2\tan \alpha }{1+{\tan }^2\alpha }$
• 余弦二倍角：$\cos 2\alpha =\frac{{\cos }^2\alpha -{\sin }^2\alpha }{{\sin }^2\alpha +{\cos }^2\alpha }=\frac{1-{\tan }^2\alpha }{1+{\tan }^2\alpha }$
• 半角正切 (有理式直接结论)：$\tan \frac{\alpha }{2}=\frac{\sin \alpha }{1+\cos \alpha }=\frac{1-\cos \alpha }{\sin \alpha }$

---

4. 半角公式 (Half-Angle Formulas)

(1) 无理式形式

注意符号 $\pm$ 需根据 $\frac{\alpha }{2}$ 所在象限决定：

• 半角正弦：$\sin \frac{\alpha }{2}=\pm \sqrt{\frac{1-\cos \alpha }{2}}$
• 半角余弦：$\cos \frac{\alpha }{2}=\pm \sqrt{\frac{1+\cos \alpha }{2}}$
• 半角正切：$\tan \frac{\alpha }{2}=\pm \sqrt{\frac{1-\cos \alpha }{1+\cos \alpha }}$

(2) 有理式形式（半角正切核心）

无需判断符号，直接计算：

• 核心公式：$\tan \frac{\alpha }{2}=\frac{\sin \alpha }{1+\cos \alpha }$，$\tan \frac{\alpha }{2}=\frac{1-\cos \alpha }{\sin \alpha }$
• 推导过程： $\tan \frac{\alpha }{2}=\frac{\sin \frac{\alpha }{2}}{\cos \frac{\alpha }{2}}=\frac{2{\sin }^2\frac{\alpha }{2}}{2\sin \frac{\alpha }{2}\cos \frac{\alpha }{2}}=\frac{1-\cos \alpha }{\sin \alpha }$

---

⚠️ 考场避坑与做题技巧

和差化积的符号细节

在使用 $\cos \alpha -\cos \beta$ 的公式时，系数是 $-2$，且后面两项都是正弦。这是最容易记错符号的地方。

半角公式的象限判定

使用无理式形式的半角公式时，必须先根据 $\alpha$ 的范围确定 $\frac{\alpha }{2}$ 落在哪个象限，从而决定根号前的正负号。建议优先使用有理式形式的正切公式，因为它们不涉及正负号的选择。

万能公式的代数化思想

万能公式将三角问题转化为了关于 $t=\tan \alpha$ 的分式代数问题。在遇到已知 $\tan \alpha$ 求 $\sin 2\alpha ,\cos 2\alpha$ 复合式的值时，这是最高效的路径。

---

Link to original

---

10.04 三角平方差公式

🟦 三角平方差公式 (Trigonometric Difference of Squares)

核心心法

“化平方和差为角度和积”。三角平方差公式是积化和差公式的特殊形式，它能将复杂的平方差项快速转化为两个角和与差的正（余）弦乘积，在三角形恒等变换及化简中极具技巧性。

---

1. 正弦平方差公式

核心公式

${\sin }^2\alpha -{\sin }^2\beta =\sin (\alpha +\beta )\sin (\alpha -\beta )$

【证明】

利用和差角公式展开：

$$\begin{array}{rl}\sin (\alpha +\beta )\sin (\alpha -\beta )& =\left[\sin \alpha \cos \beta +\cos \alpha \sin \beta \right]\times \left[\sin \alpha \cos \beta -\cos \alpha \sin \beta \right]\\ & ={\sin }^2\alpha {\cos }^2\beta -{\cos }^2\alpha {\sin }^2\beta \\ & ={\sin }^2\alpha (1-{\sin }^2\beta )-(1-{\sin }^2\alpha ){\sin }^2\beta \\ & ={\sin }^2\alpha -{\sin }^2\alpha {\sin }^2\beta -{\sin }^2\beta +{\sin }^2\alpha {\sin }^2\beta \\ & ={\sin }^2\alpha -{\sin }^2\beta \end{array}$$

---

2. 余弦平方差公式

核心公式

${\cos }^2\alpha -{\sin }^2\beta =\cos (\alpha +\beta )\cos (\alpha -\beta )$

注意：此处为 余弦平方 减去 正弦平方，结构不对称，需特别记忆。

---

⚠️ 考场避坑与做题技巧

结构记忆陷阱

• 正弦型：${\sin }^2-{\sin }^2\to \sin \cdot \sin$（同名且纯粹）。
• 余弦型：${\cos }^2-{\sin }^2\to \cos \cdot \cos$（异名混合）。 很多同学会误记为 ${\cos }^2\alpha -{\cos }^2\beta =\cos (\alpha +\beta )\cos (\alpha -\beta )$，这是错误的。

在三角形中的应用

在 $△ABC$ 中，若出现 $a^2-b^2$ 结合正弦定理，常转化为 ${\sin }^{2}A-{\sin }^{2}B$，进而利用公式化为 $\sin (A+B)\sin (A-B)=\sin C\sin (A-B)$。这是处理边角关系题目的高阶套路。

---

Link to original

---

10.05 正切恒等式

🟦 正切恒等式 (Tangent Identities)

核心心法

“和积转化”。在特定角度之和为 $\pi$ 或其整数倍的条件下，三个角的正切值呈现出“和等于积”的奇妙特性。这一结论在解决三角形形状判定、解三角形以及复杂三角求值问题中具有极强的化简威力。

---

1. 正切恒等式 (Tangent Sum-Product Identity)

📥 基本结论

当 $A+B+C=k\pi$ 时： $\tan A+\tan B+\tan C=\tan A\cdot \tan B\cdot \tan C$

🔍 证明过程

因为 $\tan (A+B)=\frac{\tan A+\tan B}{1-\tan A\tan B},\tan C=\tan (k\pi -(A+B))=-\tan (A+B)$ 所以 $\tan A+\tan B=\tan (A+B)(1-\tan A\tan B)=-\tan C(1-\tan A\tan B)$ 整理得： $\tan A+\tan B+\tan C=\tan A\cdot \tan B\cdot \tan C$

---

2. 核心推论：三角形内角半角形式

📥 结论内容

当 $A,B,C$ 为三角形内角（即 $A+B+C=\pi$）时： $\tan \frac{A}{2}\tan \frac{B}{2}+\tan \frac{B}{2}\tan \frac{C}{2}+\tan \frac{C}{2}\tan \frac{A}{2}=1$ (注：根据您提供的推论内容，对于半角形式，和等于积的结论同样适用于特定结构)： $\tan \frac{A}{2}+\tan \frac{B}{2}+\tan \frac{C}{2}=\tan \frac{A}{2}\tan \frac{B}{2}\tan \frac{C}{2}$

🔍 证明过程

由 $A+B+C=\pi$，可得： $\frac{A+B}{2}=\frac{\pi }{2}-\frac{C}{2}$ 因此： $\tan \left(\frac{A+B}{2}\right)=\tan \left(\frac{\pi }{2}-\frac{C}{2}\right)=\cot \frac{C}{2}=\frac{1}{\tan \frac{C}{2}}$ 展开左边并整理： $\frac{\tan \frac{A}{2}+\tan \frac{B}{2}}{1-\tan \frac{A}{2}\tan \frac{B}{2}}=\frac{1}{\tan \frac{C}{2}}$ 可得： $\tan \frac{A}{2}+\tan \frac{B}{2}=\tan \frac{A}{2}\tan \frac{B}{2}\tan \frac{C}{2}$ 即： $\tan \frac{A}{2}+\tan \frac{B}{2}+\tan \frac{C}{2}=\tan \frac{A}{2}\tan \frac{B}{2}\tan \frac{C}{2}$

---

⚠️ 考场避坑与做题技巧

定义域限制

使用正切恒等式的前提是 $\tan A,\tan B,\tan C$ 均有意义。若三角形中有一个角为 $90^{\circ }$，则不能直接使用该公式（因为 $\tan 90^{\circ }$ 无意义），需采用其他三角工具。

“和等于积”的逆向应用

如果在题目中看到 $\tan A+\tan B+\tan C=\tan A\tan B\tan C$，应立即条件反射想到 $A+B+C=k\pi$。在三角形背景下，这直接锁定了三个内角的关系。

半角形式的常数特征

在三角形中，$\tan \frac{A}{2}\tan \frac{B}{2}+\tan \frac{B}{2}\tan \frac{C}{2}+\tan \frac{C}{2}\tan \frac{A}{2}=1$ 是一个非常稳定的恒等式。遇到已知两角半角正切求第三角的问题时，这个“两两乘积之和为 1”的结论往往比直接求和更快。

---

Link to original

---

10.06 三倍角公式

🟦 三倍角公式 (Triple Angle Formulas)

核心心法

“三倍角，多项积”。三倍角公式提供了将 $3\theta$ 转化为 $\theta$ 的两种路径：一种是关于 $\sin \theta$ 或 $\cos \theta$ 的三次多项式，另一种是极具对称美感的三角积形式。这些公式在处理高次三角方程和特殊角度化简时非常高效。

---

1. 正弦三倍角公式

📥 核心公式

$\sin 3\theta =3\sin \theta -4{\sin }^3\theta =4\sin \theta \sin \left(\frac{\pi }{3}-\theta \right)\sin \left(\frac{\pi }{3}+\theta \right)$

记忆口诀：三正弦，减四立方。

---

2. 余弦三倍角公式

📥 核心公式

$\cos 3\theta =4{\cos }^3\theta -3\cos \theta =4\cos \theta \cos \left(\frac{\pi }{3}-\theta \right)\cos \left(\frac{\pi }{3}+\theta \right)$

记忆口诀：四立方，减三余弦。

---

3. 正切三倍角公式

📥 核心公式

$\tan 3\theta =\frac{3\tan \theta -{\tan }^3\theta }{1-3{\tan }^2\theta }=\tan \theta \tan \left(\frac{\pi }{3}-\theta \right)\tan \left(\frac{\pi }{3}+\theta \right)$

---

⚠️ 考场避坑与做题技巧

积形式的“特殊角”联想

积形式中的 $\frac{\pi }{3}\pm \theta$（即 $60^{\circ }\pm \theta$）是解题的重要信号。 当你在题目中看到类似 $\sin 20^{\circ }\sin 40^{\circ }\sin 80^{\circ }$ 的连乘积时，应立即联想到三倍角公式的积形式，其中 $\theta =20^{\circ }$。

多项式系数的颠倒

正弦与余弦的三倍角公式系数正好相反：

• $\sin 3\theta$ 是 $3$ 领先，$4{\sin }^3$ 在后；
• $\cos 3\theta$ 是 $4{\cos }^3$ 领先，$3$ 在后。 建议通过特殊值法检查（如令 $\theta =0$ 或 $\frac{\pi }{2}$）来快速验证公式。

在方程中的应用

三倍角公式常用于求解形如 $4x^3-3x=a$ 的三次方程，通过换元 $x=\cos \theta$，方程可转化为 $\cos 3\theta =a$，从而轻松求出实数根。

---

Link to original

---

10.07 常见三角不等式

🟦 常见三角不等式 (Common Trigonometric Inequalities)

核心心法

“数形结合，界限分明”。三角不等式是函数估值、导数证明（放缩法）以及解析几何中处理极值问题的有力工具。掌握这些常用结论，能够帮助我们在无需精确计算的情况下，快速锁定数值的取值范围。

---

1. 常见三角不等式汇总

(1) 单位圆内的弧长与弦长关系

若 $x\in \left(0,\frac{\pi }{2}\right)$，则： $\sin x<x<\tan x$

几何直观：在第一象限单位圆中，正弦线长度 < 弧长 < 正切线长度。

(2) 第一象限和的波动范围

若 $x\in \left(0,\frac{\pi }{2}\right)$，则： $1<\sin x+\cos x\le \sqrt{2}$

• 左侧判定：由于 $\sin x,\cos x\in (0,1)$，且 $(\sin x+\cos x{)}^2=1+\sin 2x>1$。
• 右侧判定：利用辅助角公式 $\sin x+\cos x=\sqrt{2}\sin (x+\frac{\pi }{4})$，当 $x=\frac{\pi }{4}$ 时取得等号。

(3) 绝对值和的底线

对任意实数 $x$，有： $|\sin x|+|\cos x|\ge 1$

• 等号成立条件：当 $x=\frac{k\pi }{2}(k\in \mathbb{Z})$，即角 $x$ 的终边落在坐标轴上时，等号成立。

---

⚠️ 考场避坑与做题技巧

导数放缩的黄金准则

结论 (1) $\sin x<x$ 和 $x<\tan x$ 是高考导数压轴题中极高频的放缩手段。

• 当证明 $f(x)>0$ 遇到三角函数干扰时，常将 $\sin x$ 放缩为 $x$。

注意区间的限制

结论 (1) 和 (2) 的前提必须是 $x$ 为第一象限锐角。如果 $x$ 进入其他象限，正负号的改变会导致不等式方向发生反转或结论失效。

平方关系的隐含应用

结论 (3) 的本质来源于 $(\sin x+\cos x{)}^2=1+\sin 2x$。在处理绝对值问题时，平方法往往是去掉绝对值符号、显现核心常数 “1” 的最简路径。

---

Link to original

---

第 11章：解三角形

11.00 知识网络

Link to original

---

11.01 正弦定理

🟦 正弦定理 (The Law of Sines)

核心心法

“边角等比，圆径归一”。正弦定理揭示了三角形的边长与其对角的正弦值之间的线性比例关系。它是实现“边化角”与“角化边”的桥梁，也是解决解三角形问题中“已知两角一边”或“已知两边一角”的核心工具。

---

1. 正弦定理核心公式

在一个三角形 $△ABC$ 中，若外接圆半径为 $R$，则： $\frac{a}{\sin A}=\frac{b}{\sin B}=\frac{c}{\sin C}=\frac{a+b+c}{\sin A+\sin B+\sin C}=2R$

---

2. 常用变形与应用方向

(1) 求边或求角（基本变形）

• “化边为角”：
  • $a=2R\sin A$
  • $b=2R\sin B$
  • $c=2R\sin C$
• “化角为边”：
  • $\sin A=\frac{a}{2R}$
  • $\sin B=\frac{b}{2R}$
  • $\sin C=\frac{c}{2R}$

(2) 比例关系

• 等比性质：$\sin A:\sin B:\sin C=a:b:c$
• 交叉相乘：$b\sin A=a\sin B$

---

3. 正弦定理的主要作用

正弦定理的主要作用是方程和分式中的边角互化。

关键前提

如果式子是齐次的（即每一项关于边或角正弦的次数相同），则可直接进行“边化角”或“角化边”，否则不可用。

---

⚠️ 考场避坑与做题技巧

“两边一角”的解数讨论

当已知 $a,b,A$ 求 $B$ 时，由于 $\sin B$ 对应两个角（$B$ 或 $\pi -B$），必须结合“大边对大角”或三角形内角和定理来判定解的个数（可能为一解、两解或无解）。

外接圆半径 $R$ 的突破口

题目中一旦出现“外接圆面积”、“外接圆周长”或明确给出 $R$ 时，应第一时间联想正弦定理 $a/\sin A=2R$。这是将几何特征转化为边角数值的关键。

齐次性的陷阱

比如在式子 $a+\sin B=c$ 中，由于项的类型不统一（一边一角），不能直接替换。必须先利用 $a=2R\sin A$ 转化，但在非齐次情况下往往会引入多余变量 $R$，此时应考虑改用余弦定理。

---

Link to original

---

11.02 余弦定理

🟦 余弦定理 (The Law of Cosines)

核心心法

“余弦分式，边平方”。余弦定理是勾股定理在一般三角形中的推广。它建立了三角形三边与其中一个角余弦值之间的代数联系。它是处理“两边及夹角”或“三边”问题的终极武器，在求边长、判定角度性质以及实现“角化边”时具有不可替代的作用。

---

1. 余弦定理核心公式（求边长或建立方程）

在 $△ABC$ 中，已知边长为 $a,b,c$，对应的角为 $A,B,C$：

• ① $a^2=b^2+c^2-2bc\cos A$
• ② $b^2=a^2+c^2-2ac\cos B$
• ③ $c^2=a^2+b^2-2ab\cos C$

---

2. 余弦定理变形公式（求角、或“化角为边”）

通过公式变形，可以直接求出已知三边时角的余弦值：

• ④ $\cos A=\frac{b^2+c^2-a^2}{2bc}$
• ⑤ $\cos B=\frac{a^2+c^2-b^2}{2ac}$
• ⑥ $\cos C=\frac{a^2+b^2-c^2}{2ab}$

---

3. 余弦定理的主要应用场景

1. 求边：已知两边及其夹角，求第三边。
2. 求角：已知三边，求三角形的三个内角。
3. 建立方程：在涉及边长的几何题目中，利用余弦定理构造关于边长的二次方程。
4. 化角为边：在复杂的边角混合式中，利用变形公式将角的余弦值替换为边的代数式。

---

⚠️ 考场避坑与做题技巧

三角形形状的快速判定

利用余弦定理的分式形式，可以快速判定角的性质：

• 若 $b^2+c^2-a^2>0\Rightarrow \cos A>0\Rightarrow A$ 为锐角。
• 若 $b^2+c^2-a^2=0\Rightarrow \cos A=0\Rightarrow A$ 为直角（勾股定理）。
• 若 $b^2+c^2-a^2<0\Rightarrow \cos A<0\Rightarrow A$ 为钝角。

“两边及一角的对边”陷阱

当已知 $a,b$ 和角 $A$ 时，若使用 $a^2=b^2+c^2-2bc\cos A$ 求 $c$，会得到一个关于 $c$ 的一元二次方程。此时必须注意方程根的判别式及实际意义，以确定 $c$ 是否有解或有几解。

计算量的控制

余弦定理涉及平方运算，计算量通常比正弦定理大。如果题目给出的是齐次分式且包含正弦值，优先考虑正弦定理；只有在涉及三边长度或余弦项时，才首选余弦定理。

---

Link to original

---

11.03 解三角形与解的个数判定

🟦 解三角形与解的个数判定 (Solving Triangles)

核心心法

“三要素定形”。解三角形的本质是利用已知元素推导未知元素。掌握解的个数问题的关键，在于深刻理解正弦函数在 $(0,\pi )$ 上的多值性，以及大边对大角的几何约束。

---

一、 唯一确定的三角形

在下列条件下，三角形的形状和大小是唯一的：

• ① 已知三边 ($SSS$)：
  • 方法：直接利用余弦定理求出剩余的三个角。
• ② 已知两边及夹角 ($SAS$)：
  • 方法：利用余弦定理求出第三边，进而用余弦定理（或正弦定理）求出剩余两角。
• ③ 两角及一边 ($ASA$ 或 $AAS$)：
  • 方法：利用内角和先求出第三个角，然后利用正弦定理确定其它两条边。

---

二、 不唯一确定的三角形

1. 已知三个角 ($AAA$)

• 现状：由相似三角形可知，三个角对应相等的三角形有无数多个。
• 结论：利用正弦定理只能求出三边的比例：$a:b:c=\sin A:\sin B:\sin C$。

2. 已知两边及一边的对角 ($SSA$)

这是解三角形中最复杂的情况。比如已知 $a,b,A$，确定的三角形可能有一解、两解或无解。

逻辑根源

当使用正弦定理求 $B$ 时： $\frac{a}{\sin A}=\frac{b}{\sin B}⟹\sin B=\frac{b\sin A}{a}$ 因为 $B\in (0,\pi )$，当 $\sin B=k\in (0,1)$ 时，可能对应两个角（一个锐角，一个钝角），导致三角形不唯一。

---

三、 已知 $a,b,A$ 时解的个数判定

在 $△ABC$ 中，已知 $a,b$ 和 $A$ 时，解的具体情况汇总如下：

角 $A$ 的类型	边长关系	解的个数	几何特征
$A$ 为锐角	$a<b\sin A$	无解	边 $a$ 太短，够不到底边
	$a=b\sin A$	一解	恰好构成直角三角形
	$b\sin A<a<b$	两解	边 $a$ 可以在垂线两侧各构成一个三角形
	$a\ge b$	一解	只有一种情况满足大边对大角
$A$ 为钝角/直角	$a\le b$	无解	钝角所对边必须是最长边
	$a>b$	一解	满足大边对大角

---

⚠️ 考场避坑与做题技巧

“大边对大角”的威力

在判定 $SSA$ 情况时，如果算出两个可能的 $B$ 角（如 $30^{\circ }$ 和 $150^{\circ }$），最快的检验方法是看它们是否满足 $a>b⟺A>B$。如果 $a<b$ 但算出的 $B$ 是钝角，显然不成立。

$\sin B$ 的取值范围

如果计算出 $\sin B>1$，则该三角形直接判定为无解。

数形结合法

考试中如果不确定结论，可以画一个底边未知的辅助图：固定角 $A$ 和边 $b$，以 $C$ 点为圆心、边 $a$ 为半径画圆，观察圆与角 $A$ 另一边的交点个数。

---

Link to original

---

11.04 三角形面积公式

🟦 三角形面积公式 (Area Formulas of Triangles)

核心心法

“多维求积，殊途同归”。三角形面积公式不仅是几何测量的基础，更是联系边、角、外接圆半径、内切圆半径以及向量坐标的纽带。根据已知条件（边、角、坐标或中线）灵活选择公式，是提升解题速度的关键。

---

1. 基础几何与内切圆形式

• 公式 ①： $S=\frac{1}{2}a{h}_a=\frac{1}{2}b{h}_b=\frac{1}{2}c{h}_c=\frac{1}{2}r(a+b+c)$
• $h_a$ 表示 $a$ 边上的高，$r$ 为 $△ABC$ 的内切圆半径。

---

2. 三角函数与外接圆形式

• 公式 ②： $S=\frac{1}{2}ab\sin C=\frac{1}{2}bc\sin A=\frac{1}{2}ac\sin B=\frac{abc}{4R}$
• $R$ 为 $△ABC$ 的外接圆半径。

---

3. 海伦公式 (Heron’s Formula)

• 公式 ③： $S_{△ABC}=\sqrt{p(p-a)(p-b)(p-c)}$
• 其中 $p=\frac{a+b+c}{2}$（半周长）。

🔍 严谨证明过程：

$$\begin{array}{rl}{S}_{△ABC}& =\frac{1}{2}ab\sqrt{1-{\left(\frac{a^2+b^2-c^2}{2ab}\right)}^2}\\ & =\frac{1}{4}\sqrt{(2ab{)}^2-(a^2+b^2-c^2{)}^2}\\ & =\frac{1}{4}\sqrt{(2ab+a^2+b^2-c^2)(2ab-a^2-b^2+c^2)}\\ & =\frac{1}{4}\sqrt{[(a+b{)}^2-c^2][c^2-(a-b{)}^2]}\\ & =\frac{1}{4}\sqrt{(a+b+c)(b+c-a)(c+a-b)(a+b-c)}\\ & =\frac{1}{4}\sqrt{2p\cdot 2(p-a)\cdot 2(p-b)\cdot 2(p-c)}\\ & =\sqrt{p(p-a)(p-b)(p-c)}\end{array}$$

---

4. 向量与坐标形式

• 公式 ④： $S_{△ABC}=\frac{1}{2}|\overrightarrow{AB}||\overrightarrow{AC}|\sin A=\frac{1}{2}\sqrt{(|\overrightarrow{AB}|\cdot |\overrightarrow{AC}|{)}^2-(\overrightarrow{AB}\cdot \overrightarrow{AC}{)}^2}=\frac{1}{2}|x_1{y}_2-x_2{y}_1|$

---

5. 秦九韶“三斜求积”公式

• 公式 ⑤： $S=\sqrt{\frac{1}{4}\left[c^2{a}^2-{\left(\frac{c^2+a^2-b^2}{2}\right)}^2\right]}$

---

6. 边长与正切结合形式

• 公式 ⑥： $S=\frac{1}{2}ab\sin C=\frac{1}{2}\cdot \frac{a^2+b^2-c^2}{2\cos C}\cdot \sin C=\frac{1}{4}(a^2+b^2-c^2)\tan C$

---

⚠️ 考场避坑与做题技巧

公式选择指南

1. 已知三边：首选海伦公式（若边长带根号，考虑用公式 ⑤ 避免 $p$ 过于复杂）。
2. 已知坐标：直接套用公式 ④ 的行列式形式（二阶行列式绝对值的一半）。
3. 已知 $R$ 或 $r$：公式 ① 和 ② 是唯一的突破口。

海伦公式的计算量

虽然海伦公式万能，但如果三角形是等腰或直角三角形，回归公式 ① 的“底乘高”往往计算量更小。

向量面积公式的本质

公式 ④ 中的 $\sqrt{(|\overrightarrow{AB}|\cdot |\overrightarrow{AC}|{)}^2-(\overrightarrow{AB}\cdot \overrightarrow{AC}{)}^2}$ 实际上是向量积（叉积）模长的几何表达，在空间向量求平面面积时同样适用。

---

Link to original

---

11.05 射影定理与内角和性质

🟦 射影定理与内角和性质 (Projection & Interior Angles)

核心心法

“投影还原边长，补角转化函数”。射影定理通过角与边的余弦投影，将一条边拆解为另外两边的分量之和；而内角和定理则是诱导公式在三角形背景下的高频应用，它是实现 $A+B$ 与 $C$ 之间函数转换的唯一逻辑基础。

---

1. 射影定理 (Projection Theorem)

在 $△ABC$ 中，每一条边都可以看作另外两条边在其方向上的投影之和：

• $a=b\cos C+c\cos B$
• $b=c\cos A+a\cos C$
• $c=a\cos B+b\cos A$

---

2. 三角形内角和定理及等价关系

在 $△ABC$ 中，基本等量关系如下：

• 核心基础：$A+B+C=\pi$
• 角度转化：
  • $C=\pi -(A+B)$
  • $\frac{C}{2}=\frac{\pi }{2}-\frac{A+B}{2}$
  • $2C=2\pi -2(A+B)$

---

3. 内角和诱导公式 (常用结论汇总)

利用上述角度等价关系，可推导出以下在解三角形中极高频使用的函数关系：

(1) 全角形式 (和角与补角)

• $\sin (A+B)=\sin C$
• $\cos (A+B)=-\cos C$
• $\sin \frac{A+B}{2}=\cos \frac{C}{2}$
• $\cos \frac{A+B}{2}=\sin \frac{C}{2}$

---

⚠️ 考场避坑与做题技巧

射影定理的逆袭

当题目中出现大量的 $\cos$ 且伴随边长一次项时（如 $b\cos C$），直接使用射影定理往往比使用余弦定理代入分式要简洁得多。它可以迅速实现“角化边”。

符号的陷阱

记住：$\sin$ 在第一、二象限都是正的，所以 $\sin (A+B)$ 恒等于 $\sin C$；但 $\cos$ 在第二象限是负的，所以 $\cos (A+B)=-\cos C$。在处理钝角三角形时，这个负号是丢分的重灾区。

半角公式的奇效

$\sin \frac{A+B}{2}=\cos \frac{C}{2}$ 这一组公式常出现在涉及三角形内心、内切圆半径或恒等式证明中。看到 $\frac{A+B}{2}$，应条件反射地将其转化为关于 $\frac{C}{2}$ 的余弦。

Link to original

---

11.06 中线模型与衍生恒等式

🟦 中线模型与衍生恒等式 (Median Models & Identities)

核心心法

“中线倍长，化积为方”。中线是三角形中最重要的辅助线之一。通过向量的加法法则，可以将中线长度转化为两邻边的线性组合；通过平行四边形的对称性，可以导出中线恒等式与极化恒等式，从而将线段的平方和、数量积与中线模长建立直接联系。

---

1. 中线长度模型 (Vector Form)

在 $△ABC$ 中，已知 $AB=c,AC=b,\angle BAC=\theta$，$AD$ 为 $BC$ 边上的中线：

• 向量表示：$\overrightarrow{AD}=\frac{1}{2}(\overrightarrow{AB}+\overrightarrow{AC})$
• 长度公式： $|\overrightarrow{AD}|=\frac{1}{2}\sqrt{(\overrightarrow{AB}+\overrightarrow{AC}{)}^2}=\frac{1}{2}\sqrt{b^2+c^2+2bc\cos \theta }$

---

2. 推论 1：中线恒等式 (Apponius’s Theorem)

已知 $△ABC$ 的三边长分别为 $a,b,c$，中线 $AD$ 的长可用平行四边形性质（四边平方和等于对角线平方和）解决：

• 核心结论：$2(b^2+c^2)=a^2+(2|\overrightarrow{AD}|{)}^2$
• 长度式：$|\overrightarrow{AD}|=\frac{1}{2}\sqrt{2(b^2+c^2)-a^2}$

🔍 证明过程

利用余弦定理的互补角性质： 设 $AB=c,AC=b,AD=m,BD=CD=n$

$$\{\begin{array}{l}{b}^2=m^2+n^2-2mn\cos \angle ADC\\ c^2=m^2+n^2-2mn\cos (\pi -\angle ADC)\end{array}$$

两式相加（因 $\cos (\pi -\theta )=-\cos \theta$）： $b^2+c^2=2(m^2+n^2)=2(A{D}^2+(\frac{a}{2}{)}^2)$ 整理即得：$2(b^2+c^2)=a^2+4A{D}^2$

---

3. 推论 2：极化恒等式 (Polarization Identity)

已知 $△ABC$ 的三边长分别为 $a,b,c$，$BC$ 边上的中线为 $AD$，则：

• 核心结论：$\overrightarrow{AB}\cdot \overrightarrow{AC}=|\overrightarrow{AD}{|}^2-|\overrightarrow{BD}{|}^2$
• 抽象形式：$\vec{a}\cdot \vec{b}={\left(\frac{\vec{a}+\vec{b}}{2}\right)}^2-{\left(\frac{\vec{a}-\vec{b}}{2}\right)}^2$

🔍 证明过程

$\overrightarrow{AB}\cdot \overrightarrow{AC}=(\overrightarrow{AD}+\overrightarrow{DB})\cdot (\overrightarrow{AD}+\overrightarrow{DC})=(\overrightarrow{AD}+\overrightarrow{DB})\cdot (\overrightarrow{AD}-\overrightarrow{DB})=|\overrightarrow{AD}{|}^2-|\overrightarrow{DB}{|}^2$

---

4. 推论 3：矩形大法 (The Rectangle Property)

$P$ 为矩形 $ABCD$ 外一点，则：

• 核心结论：$P{A}^2+P{C}^2=P{B}^2+P{D}^2$

🔍 证明过程

设矩形中心为 $O$，在 $△PAC$ 和 $△PBD$ 中，分别对中线 $PO$ 使用中线恒等式：

$$\{\begin{array}{l}P{A}^2+P{C}^2=2(P{O}^2+O{A}^2)\\ P{B}^2+P{D}^2=2(P{O}^2+O{D}^2)\end{array}$$

由于矩形对角线相等且互相平分，故 $OA=OD$，从而： $P{A}^2+P{C}^2=P{B}^2+P{D}^2$

---

⚠️ 考场避坑与做题技巧

“看到中点想极化”

只要题目中出现“中点”以及“向量数量积”，首选极化恒等式。它能将两个向量的夹角问题转化为单条线段（中线）的长度变化问题，极大简化运算。

中线恒等式的系数

记住结论时，注意 $2(b^2+c^2)$ 中的系数 $2$。如果是求中线长度，根号内的形式是“两邻边平方和的两倍减去底边的平方”。

矩形大法的广义性

矩形大法对平面内、平面外甚至空间中的任意一点 $P$ 均成立。在三维坐标系中处理点到长方体顶点距离时，这也是一个非常隐蔽的检查工具。

Link to original

---

11.07 角平分线模型

🟦 角平分线模型(Angle Bisector Models)

核心心法

“比例见边，面积定长”。角平分线将对边分割的比例等同于邻边的比例；而通过面积分割法，我们可以推导出角平分线长度的调和平均形式。斯库顿定理则进一步建立了“中、上、下”三部分线段乘积的完美代数关联。

---

1. 推论 1：角平分线定理 (Angle Bisector Theorem)

在 $△ABC$ 中，$AD$ 是 $\angle BAC$ 的平分线，则：

• 核心结论：$\frac{AB}{AC}=\frac{BD}{DC}$

🔍 证明过程

利用面积比的两种表现形式（夹角公式与底高公式）： $\frac{S_{△ABD}}{S_{△ACD}}=\frac{\frac{1}{2}AB\cdot AD\cdot \sin \angle BAD}{\frac{1}{2}AC\cdot AD\cdot \sin \angle CAD}=\frac{\frac{1}{2}BD\cdot h}{\frac{1}{2}CD\cdot h}$ 由于 $\angle BAD=\angle CAD$，消去共同项后即得：$\frac{AB}{AC}=\frac{BD}{DC}$

---

2. 推论 2：角平分线长等式

在 $△ABC$ 中，$AD$ 是 $\angle BAC$ 的平分线，$AB=c,AC=b,\angle BAC=A$，则：

• (1) 长度显式公式：$AD=\frac{2bc}{b+c}\cdot \cos \frac{A}{2}$
• (2) 调和关系式：$\frac{1}{b}+\frac{1}{c}=\frac{2\cos \frac{A}{2}}{AD}$

🔍 证明过程

• 针对 (1)：利用面积加和性 $S_{△ABC}=S_{△ABD}+S_{△ADC}$ $\frac{1}{2}bc\sin A=\frac{1}{2}c\cdot AD\cdot \sin \frac{A}{2}+\frac{1}{2}b\cdot AD\cdot \sin \frac{A}{2}$ $AD=\frac{bc}{b+c}\cdot \frac{\sin A}{\sin \frac{A}{2}}=\frac{bc}{b+c}\cdot \frac{2\sin \frac{A}{2}\cos \frac{A}{2}}{\sin \frac{A}{2}}=\frac{2bc}{b+c}\cdot \cos \frac{A}{2}$
• 针对 (2)：由 (1) 变形得： $\frac{b+c}{bc}=\frac{2\cos \frac{A}{2}}{AD}⟹\frac{1}{b}+\frac{1}{c}=\frac{2\cos \frac{A}{2}}{AD}$

---

3. 推论 3：斯库顿定理 (Stewart’s Theorem Specific Case)

在 $△ABC$ 中，$AD$ 为 $\angle BAC$ 的平分线，则：

• 核心结论：$A{D}^2=AB\cdot AC-BD\cdot DC$
• 记忆口诀：“中方 = 上积 - 下积”（即中间长度的平方等于上方两边乘积减去下方两段乘积）。

---

⚠️ 考场避坑与做题技巧

“调和平均”的直观理解

结论 (2) $\frac{1}{b}+\frac{1}{c}=\dots$ 说明角平分线长度与邻边倒数和有关。在已知两边和夹角（如 $60^{\circ }$ 或 $120^{\circ }$）时，利用此公式求角平分线极其迅速。

斯库顿定理的应用前提

只有当 $AD$ 是角平分线时，“中方=上积-下积”才成立。如果是普通中线或任意分线，需使用广义斯特瓦尔特定理。

向量视角的结合

结合之前学习的向量知识，$D$ 点作为 $BC$ 边上的分点，其向量表示为：$\overrightarrow{AD}=\frac{b}{b+c}\overrightarrow{AB}+\frac{c}{b+c}\overrightarrow{AC}$。这在处理角平分线上的动点问题时非常关键。

Link to original

---

11.08 张角定理

🟦 张角定理 (The Zhang Jiao Theorem)

核心心法

“共角分线，倒数求长”。张角定理是解决三角形内任意分线长度问题的强力工具。它巧妙地将分线长度的倒数与邻边长度及分割角的正弦值建立联系，是处理非特殊分线（非中线、非角平分线）问题的通用法则。

---

1. 定理定义

在 $△ABC$ 中，$D$ 为 $BC$ 边上一点，连接 $AD$。 设 $AD=l,\angle BAD=\alpha ,\angle CAD=\beta$，则有： $\frac{\sin (\alpha +\beta )}{l}=\frac{\sin \alpha }{b}+\frac{\sin \beta }{c}$

---

2. 严谨证明过程

利用面积的加和性质进行推导： 由于 $S_{△ABC}=S_{△ABD}+S_{△ACD}$，根据三角形面积的夹角公式可得： $\frac{1}{2}bc\sin (\alpha +\beta )=\frac{1}{2}cl\sin \alpha +\frac{1}{2}bl\sin \beta$ 方程两边同时除以 $\frac{1}{2}bcl$： $\frac{bc\sin (\alpha +\beta )}{bcl}=\frac{cl\sin \alpha }{bcl}+\frac{bl\sin \beta }{bcl}$ 整理简化后即得： $\frac{\sin (\alpha +\beta )}{l}=\frac{\sin \alpha }{b}+\frac{\sin \beta }{c}$

---

⚠️ 考场避坑与做题技巧

特殊位置的退化

• 当 $AD$ 为角平分线时，$\alpha =\beta =\frac{A}{2}$。代入公式得：$\frac{\sin A}{AD}=\frac{\sin \frac{A}{2}}{b}+\frac{\sin \frac{A}{2}}{c}$。
• 利用 $\sin A=2\sin \frac{A}{2}\cos \frac{A}{2}$ 约简，可直接推导出角平分线长公式：$\frac{2\cos \frac{A}{2}}{AD}=\frac{1}{b}+\frac{1}{c}$。

角度的对应关系

在套用公式时，务必注意 $\sin \alpha$ 对应的是边 $b$（即 $\alpha$ 并不对 $b$），公式左侧分子是两个张角的和的正弦。

在“共点力”问题中的应用

张角定理在物理学的力学平衡问题中（尤其是斜面上力的分解）有着极佳的对应关系，其结构与拉密定理（Lami’s Theorem）有异曲同工之妙。

Link to original

---

11.09 倍角定理

🟦 倍角定理 (The Double Angle Theorem in Triangles)

核心心法

“角倍边方，相似促成”。倍角定理建立了三角形内角之间的二倍关系与三边长度之间的代数恒等式。它是处理“倍角三角形”问题的核心工具，通过构造等腰三角形与相似三角形，可以将角度的倍数关系转化为极其简洁的边长比例式。

---

1. 定理内容

在 $△ABC$ 中，以下关系成立，满足条件的三角形称为**“倍角三角形”**：

• $B=2A⟺b^2=a(a+c)$
• $C=2B⟺c^2=b(b+a)$
• $A=2C⟺a^2=c(c+b)$

---

2. 几何背景与证明 (以 $B=2A$ 为例)

📥 必要性证明：已知 $b^2=a(a+c)$，证明 $B=2A$

证明步骤：

1. 辅助线构造：延长 $CB$ 至点 $D$，使得 $BD=AB=c$。
2. 比例转化：由已知条件 $b^2=a(a+c)$，可得比例式： $\frac{a}{b}=\frac{b}{a+c}$
3. 判定相似：在 $△ACB$ 与 $△DCA$ 中：
   • $\angle C=\angle C$（公共角）
   • $\frac{CB}{CA}=\frac{CA}{CD}$（即 $\frac{a}{b}=\frac{b}{a+c}$） 故 $△ACB\backsim △DCA$。
4. 对应角相等：由相似三角形性质可得：$\angle D=\angle CAB$。
5. 等腰性质应用：又因为 $BD=AB$，在 $△ABD$ 中，外角 $\angle ABC=\angle D+\angle DAB$。由于 $\angle D=\angle DAB$，故： $\angle ABC=2\angle D$
6. 结论导出：代入步骤 4 的结论，得 $\angle ABC=2\angle CAB$，即 $B=2A$。

---

⚠️ 考场避坑与做题技巧

“边化角”的另一种路径

除了几何相似法，利用正弦定理也可以快速证明： $\frac{b}{\sin 2A}=\frac{a}{\sin A}⟹\frac{b}{2\sin A\cos A}=\frac{a}{\sin A}⟹b=2a\cos A$。 结合余弦定理 $\cos A=\frac{b^2+c^2-a^2}{2bc}$，代入即可得到 $b^2=a^2+ac$。

字母对应的严谨性

在套用公式 $b^2=a(a+c)$ 时，务必确认 $b$ 是大角（倍角）的对边，$a$ 是小角的对边，$c$ 是第三边。字母顺序一旦记混，结论将完全失效。

在解析几何中的应用

倍角定理在处理与三角形边长相关的轨迹问题（如点 $A$ 的轨迹）时，可以将复杂的角度约束转化为简单的代数方程，通常指向圆锥曲线的某一部分。

Link to original

---

11.10 托勒密定理

🟦 托勒密定理 (Ptolemy’s Theorem)

核心心法

“对边积之和等于对角线之积”。托勒密定理是圆内接四边形最重要的度量性质之一。它不仅在平面几何中建立了两对对边与对角线的直接代数联系，在三角恒等式的几何证明（如两角和差公式）中也扮演着关键角色。

---

1. 定理内容

(1) 圆内接四边形（等号成立）

若四边形 $ABCD$ 是圆内接四边形，则其相对两边乘积之和等于对角线的乘积： $AB\cdot CD+AD\cdot BC=AC\cdot BD$

(2) 任意四边形（托勒密不等式）

对于平面内任意四个点 $A,B,C,D$，以下不等式恒成立： $AB\cdot CD+AD\cdot BC\ge AC\cdot BD$

• 取等条件：当且仅当 $A,B,C,D$ 四点共圆，且 $A,C$ 与 $B,D$ 分别为对顶点时，等号成立。

---

2. 托勒密定理的常见变形与推论

• (1) 正三角形中的应用： 若点 $P$ 位于正 $△ABC$ 的外接圆弧 $BC$ 上，则根据托勒密定理可得：$PA=PB+PC$。
• (2) 矩形中的应用： 在矩形 $ABCD$ 中，托勒密定理退化为勾股定理：$a^2+b^2=c^2$。
• (3) 构造辅助圆： 在处理涉及 $ax+by=cz$ 形式的几何最值或等式证明题时，构造四点共圆并套用托勒密定理通常是“秒杀”级的解法。

---

⚠️ 考场避坑与做题技巧

两角和差公式的几何源头

托勒密定理实际上可以用来推导 $\sin (\alpha +\beta )$ 等公式。通过构造一个直径为 1 的圆，并将四边形的边长用弦长公式（$2R\sin \theta$）表示，即可直接导出三角恒等式。

顶点的顺序性

在使用不等式 $AB\cdot CD+AD\cdot BC\ge AC\cdot BD$ 时，务必确认 $AC$ 和 $BD$ 是你所设定的“对角线”。如果顶点排列顺序改变，不等式的项也会相应调整。

在解析几何中的隐蔽性

某些复杂的坐标运算题，如果能通过距离公式识别出满足托勒密等式的结构，可以直接判定四点共圆，从而利用圆的性质（如圆周角相等）来寻找突破口。

Link to original

---

第 19 章：数列

19.00 知识网络

Link to original

---

19.01 等差数列全总结

🟦 等差数列全总结 (Arithmetic Progression Guide)

核心心法

“差值为定值，函数现线性”。等差数列是数列学习的基石。其通项公式本质上是定义域为正整数集的一次函数，而前 $n$ 项和公式则是缺常数项的二次函数。掌握“基本量法”（首项 $a_1$ 和公差 $d$）可以解决绝大多数问题，而灵活运用下标性质 $m+n=p+q$ 则能实现“秒杀”计算。

---

1. 等差数列的判定 (Identification)

• ① 定义法：$a_{n+1}-a_n=d$ (常数)
• ② 中项法：$2a_n=a_{n-1}+a_{n+1}$ (针对 $n\ge 2$)
• ③ 函数特征：通项为一次函数 $a_n=kn+b$
• ④ 求和特征：前 $n$ 项和为二次函数 $S_n=A{n}^2+Bn$ (常数项为 0)

---

2. 等差数列通项公式 (General Term)

• ① 基本型：$a_n=a_1+(n-1)d$
• ② 推广型：$a_n=a_m+(n-m)d$ (适用于已知任意项求公差)

---

3. 等差数列前 $n$ 项和公式 (Summation)

• 推导方法：倒序相加法 (基于 $a_1+a_n=a_2+a_{n-1}=\dots$)
• ① 均值型：$S_n=\frac{n(a_1+a_n)}{2}$
• ② 基本量型：$S_n=n{a}_1+\frac{n(n-1)}{2}d$
  • 整理形式：$S_n=\frac{d}{2}{n}^2+(a_1-\frac{d}{2})n$

---

4. 等差数列的核心性质 (Key Properties)

• ① 等差中项：若 $a,A,b$ 成等差数列，则 $A=\frac{a+b}{2}$。
• ② 下标性质：若 $m+n=p+q=2t$，则 $a_m+a_n=a_p+a_q=2a_t$。
• ③ 组合数列：若 $\{a_n\},\{b_n\}$ 为等差数列，则 $c\cdot a_n$、$a_n+a_{n+1}$、$p{a}_n+q{b}_n$ 仍为等差数列；而 $c^{a_n}(c>0,c\ne 1)$ 为等比数列。
• ④ 连续 $m$ 项和：$S_m,S_{2m}-S_m,S_{3m}-S_{2m},\dots$ 仍为等差数列，公差为 $m^{2}d$。
• ⑤ 平均数数列：数列 $\{\frac{S_n}{n}\}$ 是以 $a_1$ 为首项，$\frac{d}{2}$ 为公差的等差数列。
• ⑥ 特殊求和 1：若 $S_n=m,S_m=n(m\ne n)$，则 $S_{m+n}=-(m+n)$。
• ⑦ 特殊求和 2：若 $S_n=S_m(m\ne n)$，则 $S_{m+n}=0$。
• ⑧ 项数比与和的比：$\frac{a_m}{b_m}=\frac{S_{2m-1}}{T_{2m-1}}$ (利用中项性质推导)。
• ⑨ 项数为 $2n$ 时：$S_{\text{偶}}-S_{\text{奇}}=nd$；$\frac{S_{\text{奇}}}{S_{\text{偶}}}=\frac{a_n}{a_{n+1}}$。
• ⑩ 项数为 $2n-1$ 时：$S_{\text{奇}}-S_{\text{偶}}=a_n$ (即中项)；$\frac{S_{\text{奇}}}{S_{\text{偶}}}=\frac{n}{n-1}$。

---

5. 求 $S_n$ 的最值 (Optimization)

利用 $S_n$ 为关于 $n$ 的二次函数图形（开口方向由 $d$ 决定），寻找最接近对称轴的正整数 $n$。

• ① “首正递减” ($a_1>0,d<0$)：前 $n$ 项和最大值是所有非负项之和。
  • 判定：找到满足 $\{\begin{array}{l}{a}_n\ge 0\\ a_{n+1}\le 0\end{array}$ 的 $n$。
• ② “首负递增” ($a_1<0,d>0$)：前 $n$ 项和最小值是所有非正项之和。
  • 判定：找到满足 $\{\begin{array}{l}{a}_n\le 0\\ a_{n+1}\ge 0\end{array}$ 的 $n$。

---

6. 绝对值求和 $T_n=\sum |a_i|$ (Absolute Sum)

• ① 前 $k$ 项非负：$T_n=\{\begin{array}{ll}{S}_n,& n\le k\\ 2S_k-S_n,& n>k\end{array}$
• ② 前 $k$ 项非正：$T_n=\{\begin{array}{ll}-S_n,& n\le k\\ S_n-2S_k,& n>k\end{array}$

---

⚠️ 考场避坑与做题技巧

下标和相等的妙用

在填空选择题中，如果已知 $a_3+a_{11}=10$，不要急着代入 $a_1$ 和 $d$，直接得出 $2a_7=10\Rightarrow a_7=5$，这往往是解题的“题眼”。

$n\in N^{\ast }$ 的限制

$S_n$ 虽然是二次函数，但它的图像是一群孤立的点。求最值时，如果对称轴是 $4.5$，那么 $n=4$ 和 $n=5$ 的求和结果是相等的。

项数比公式的陷阱

注意公式 $\frac{a_m}{b_m}=\frac{S_{2m-1}}{T_{2m-1}}$。如果要求 $\frac{a_5}{b_5}$，必须看前 $2\times 5-1=9$ 项的和之比，而不是第 5 项的和之比。

Link to original

---

19.02 等比数列全总结

🟦 等比数列全总结 (Geometric Progression Guide)

核心心法

“比例为定值，函数现幂律”。等比数列是数列体系的另一大支柱。其通项公式本质上是关于 $n$ 的指数型函数。解决等比数列问题的核心在于锁定首项 $a_1$ 和公比 $q$。由于公式中涉及分母 $1-q$，因此**“公比是否为 1”**是所有求和与判定问题的首要讨论点。

---

1. 等比数列的判定 (Identification)

• ① 定义法：$\frac{a_{n+1}}{a_n}=q$（$q$ 为非零常数）
• ② 中项法：$a_n^2=a_{n-1}{a}_{n+1}\ne 0$
• ③ 通项法：$a_n=p\cdot q^{kn+b}$（$p,q\ne 0$ 且 $q\ne 1$）
• ④ 和式法：$S_n=A(1-q^n)$（$A\ne 0,q\ne 0,1$）

---

2. 等比数列通项公式 (General Term)

• ① 基本型：$a_n=a_1\cdot q^{n-1}$
• ② 推广型：$a_n=a_m\cdot q^{n-m}$

---

3. 等比数列前 $n$ 项和公式 (Summation)

分类讨论预警

公比 $q$ 不明确时，求和必须分 $q=1$ 和 $q\ne 1$ 二种情形！

• ① 当 $q=1$ 时：$S_n=n{a}_1$
• ② 当 $q\ne 1$ 时：$S_n=\frac{a_1(1-q^n)}{1-q}=\frac{a_1-a_{n}q}{1-q}$

🔍 推导方法

1. 乘公比错位相减法（最常用，大题必考推导思路）；
2. 分数等比定理；
3. 递推关系法：利用 $S_{n+1}=a_1+q{S}_n=S_n+q{a}_n$。

---

4. 等比数列的核心性质 (Key Properties)

• ① 等比中项：若 $a,G,b$ 成等比数列，则 $G=\pm \sqrt{ab}$（注意符号）。
• ② 下标性质：若 $m+n=p+q=2t$，则 $a_m{a}_n=a_p{a}_q=a_t^2$。
• ③ 组合关系：若 $m,p,n$ 成等差数列，则 $a_m,a_p,a_n$ 成等比数列。
• ④ 连续 $m$ 项和：$S_m,S_{2m}-S_m,S_{3m}-S_{2m},\dots$ 仍为等比数列，公比为 $q^m$（注意和不为 0）。
• ⑤ 单调性判断：
  • 递增：$\{\begin{array}{l}{a}_1>0\\ q>1\end{array}$ 或 $\{\begin{array}{l}{a}_1<0\\ 0<q<1\end{array}$
  • 递减：$\{\begin{array}{l}{a}_1>0\\ 0<q<1\end{array}$ 或 $\{\begin{array}{l}{a}_1<0\\ q>1\end{array}$
• ⑥ 衍生数列：
  • 若 $\{a_n\}$ 为等比，则 $\{\frac{1}{a_n}\},\{a_n^2\},\{|a_n|\}$ 均为等比数列；
  • $\{{\log }_c{a}_n\}$（若 $a_n>0$）为等差数列。
• ⑦ 项数奇偶比：
  • 项数为 $2n$ 时：$\frac{S_{\text{偶}}}{S_{\text{奇}}}=q$；
  • 项数为 $2n-1$ 时：$\frac{S_{\text{奇}}-a_1}{S_{\text{偶}}}=q$。
• ⑧ 连续 $m$ 项积：$T_m,\frac{T_{2m}}{T_m},\frac{T_{3m}}{T_{2m}},\dots$ 为等比，公比为 $q^{m^2}$。

---

5. 解题技巧与公式化简

• ① “知三求二”：在 $a_1,q,n,a_n,S_n$ 五个量中，已知任意三个可求其余两个。
• ② 比值消元：利用 $a_n/a_m=q^{n-m}$ 快速消去 $a_1$。
• ③ 分段求和模型：
  • $S_{m+n}=S_m+q^m{S}_n$
  • 例：$S_{15}=S_5(1+q^5+q^{10})$

---

6. 常用设项方法 (Setting Terms)

• 等差三数：$a-d,a,a+d$
• 等差四数：$a-3d,a-d,a+d,a+3d$
• 等比三数：$\frac{a}{q},a,aq$

---

⚠️ 考场避坑与做题技巧

“公比不为 1”的陷阱

在证明一个数列是等比数列或使用求和公式前，必须说明 $q\ne 1$。如果是字母参数，必须分情况讨论。

等比中项的符号

若 $a,b$ 同号，等比中项 $G=\pm \sqrt{ab}$。很多题目的陷阱在于漏掉其中的负值。

与等差数列的联动

看到 $\log$ 找等差，看到指数找等比。这种对数与指数的转换是等差与等比数列综合题最常见的考点。

Link to original

---

19.03 数列通项公式求法全攻略

🟦 数列通项公式求法全攻略 (Finding General Terms)

核心心法

“观察结构，对号入座”。数列通项的求解是高中数学的重难点。其核心逻辑在于将未知的、复杂的递推关系，通过累加、累乘、取倒数、取对数或待定系数构造等手段，转化为熟悉的等差或等比数列模型。掌握“不动点法”更是处理分式递推与二阶递推的降维打击。

---

一、 公式法 (Using Summation Formulas)

1. 基本公式：$a_n$ 与 $S_n$ 的关系

$a_n=\{\begin{array}{ll}{S}_1,& n=1\\ S_n-S_{n-1},& n\ge 2\end{array}$

• 直接应用：对于 $F(a_n,S_n)=0$。
  • 若 $S_n=f(a_n)$，利用 $S_n-S_{n-1}$ 消除 $S$，构造关于 $a_n$ 的递推。
  • 若 $a_n=f(S_n)$，利用 $S_n-S_{n-1}=f(S_n)$ 先求 $S_n$。
• 隐藏公式法：将一列式子（如 $a_1+2a_2+\cdots +n{a}_n$）整体看作某个新数列 $\{b_n\}$ 的前 $n$ 项和。

2. 连乘积形式 $T_n$

设 $T_n=a_1\cdot a_2\dots a_n$，则： $a_n=\{\begin{array}{ll}{T}_1,& n=1\\ \frac{T_n}{T_{n-1}},& n\ge 2\end{array}$

---

二、 累加法 (Method of Finite Differences)

• 适用类型：等差型递推 $a_n-a_{n-1}=f(n)$。
• 计算公式：$a_n=a_1+{\sum }_{i=2}^{n}f(i)$。
• 常见 $f(n)$ 处理：一次函数（等差求和）、指数函数（等比求和）、分式（裂项求和）。

---

三、 累乘法 (Method of Finite Products)

• 适用类型：等比型递推 $\frac{a_n}{a_{n-1}}=f(n)$。
• 计算公式：$a_n=a_1\cdot {\prod }_{i=2}^{n}f(i)$。
• 技巧：注意观察规律，中间项通常可以大面积消去。

---

四、 构造法 (Method of Construction)

递推形式	变形策略	目标数列
$a_{n+1}=p{a}_n+q$	$a_{n+1}+t=p(a_n+t)$	等比数列 $\{a_n+t\}$，其中 $t=\frac{q}{p-1}$
$a_{n+1}=p{a}_n+kn+b$	$a_{n+1}+{\lambda }_1(n+1)+{\lambda }_2=A(a_n+{\lambda }_{1}n+{\lambda }_2)$	等比数列 $\{a_n+{\lambda }_{1}n+{\lambda }_2\}$
$a_n=\frac{p{a}_{n-1}}{q{a}_{n-1}+t}$	取倒数：$\frac{1}{a_n}=\frac{t}{p}\cdot \frac{1}{a_{n-1}}+\frac{q}{p}$	转化为 $a_{n+1}=p{a}_n+q$ 型
$a_{n+1}=p{a}_n+r{q}^n$	同除以 $q^{n+1}$ 或 同除以 $p^{n+1}$	转化为等差型或基本构造型
$a_{n+1}=p{a}_n^r$	取对数：$\lg a_{n+1}=r\lg a_n+\lg p$	等比型递推

---

五、 隔项数列求通项 (Alternate Sequences)

• 类型 1 ($a_{n+1}+a_n=f(n)$)：利用 $a_{n+2}-a_n=f(n+1)-f(n)$，奇偶项分别成等差。
• 类型 2 ($a_n{a}_{n+1}=f(n)$)：利用 $\frac{a_{n+2}}{a_n}=\frac{f(n+1)}{f(n)}$，奇偶项分别成等比。

---

六、 不动点法/特征根法 (Fixed Point Method)

1. 分式线性递推 $a_{n+1}=\frac{A{a}_n+B}{C{a}_n+D}$

特征方程：$x=\frac{Ax+B}{Cx+D}⟹C{x}^2+(D-A)x-B=0$。

• 两相异根 $\alpha ,\beta$：构造等比数列 $\left\{\frac{a_n-\alpha }{a_n-\beta }\right\}$。
• 二重根 $\alpha$：构造等差数列 $\left\{\frac{1}{a_n-\alpha }\right\}$。

2. 二阶线性递推 $a_{n+2}=p{a}_{n+1}+q{a}_n$

特征方程：$x^2-px-q=0$。

• 两相异根 $x_1,x_2$：$a_n=c_1{x}_1^n+c_2{x}_2^n$。
• 二重根 $x_1$：$a_n=(c_1+n{c}_2)x_1^n$。

---

⚠️ 考场避坑与做题技巧

待定系数法的本质

构造法的核心在于“强行配凑”。当你发现递推式中混有 $n$ 的一次项时，假设新数列包含 $An+B$，通过比较系数求出 $A,B$，能避免复杂的换元过程。

$n=1$ 的单独讨论

在使用 $a_n=S_n-S_{n-1}$ 或累加/累乘法求出通项后，务必验证 $n=1$ 时公式是否成立。若不成立，需写成分段函数形式。

取倒数的时机

看到分式递推且分子只有一项时，取倒数通常是第一选择；如果分子有多项，则优先考虑“不动点法”。

Link to original

---

19.04 数列求和核心方法与裂项模型

🟦 数列求和核心方法与裂项模型

核心心法

“结构决定方法，裂项在于抵消”。数列求和是高考数学的重难点。除了基础的公式法，错位相减法是等差乘等比的标配，分组求和是组合数列的良方，而裂项相消法则通过将通项拆解为两项之差，实现中间项的“大面积崩塌”，从而瞬间化简。

---

一、 公式法 (Basic Formulas)

若数列符合特定特征，直接套用以下解析式：

1. 等差数列：$S_n=\frac{n(a_1+a_n)}{2}=n{a}_1+\frac{n(n-1)}{2}d$
2. 等比数列：$S_n=\{\begin{array}{ll}n{a}_1,& q=1\\ \frac{a_1(1-q^n)}{1-q},& q\ne 1\end{array}$
3. 平方和：$1^2+2^2+\cdots +n^2=\frac{n(n+1)(2n+1)}{6}$
4. 立方和：$1^3+2^3+\cdots +n^3={\left[\frac{n(n+1)}{2}\right]}^2$

---

二、 倒序相加（乘）法 (Inversion Methods)

• 倒序相加法：适用于 $a_1+a_n=a_2+a_{n-1}$（如等差数列推导）。 $2S_n=(a_1+a_n)\times n⟹S_n=\frac{n(a_1+a_n)}{2}$
• 倒序相乘法：适用于 $a_1{a}_n=a_2{a}_{n-1}$（如求某些等比积或组合数积）。

---

三、 分组求和法 (Grouping Method)

• 适用场景：通项 $c_n=a_n+b_n$，其中 $\{a_n\}$ 和 $\{b_n\}$ 是基本数列（如等差、等比）。
• 例：$a_n=2^n+n$ $S_n=(2^1+2^2+\cdots +2^n)+(1+2+\cdots +n)=(2^{n+1}-2)+\frac{n(n+1)}{2}$

---

四、 错位相减法 (Method of Arithmetico-Geometric Series)

• 适用场景：$a_n=b_n\cdot c_n$，其中 $\{b_n\}$ 为等差，$\{c_n\}$ 为等比。

速求公式（待定系数法）

错位相减结果通常形如：$S_n=(An+B)q^n-B$。 以 $a_n=(2n-1)\cdot 3^n$ 为例，列方程组： $\{\begin{array}{l}{S}_1=(A+B)3^1-B=3\\ S_2=(2A+B)3^2-B=30\end{array}⟹A=3,B=-3$ 得到 $S_n=(3n-3)3^n+3$。（注：大题需写过程，此法用于验算）。

---

五、 奇偶并项法 (Parity Grouping)

• 适用场景：通项含 $(-1{)}^n$ 或项数为奇偶时规律不同。
• 通用技巧：
  • 若 $n$ 为偶数：$S_n=f(n)$；
  • 若 $n$ 为奇数：$S_n=S_{n-1}+a_n$。

---

六、 裂项相消法 (Telescoping Sums)

(1) 积累裂项模型 1：等差/多项式型

• $\frac{1}{n(n+1)}=\frac{1}{n}-\frac{1}{n+1}$
• $\frac{1}{n(n+k)}=\frac{1}{k}(\frac{1}{n}-\frac{1}{n+k})$
• $\frac{1}{4n^2-1}=\frac{1}{2}(\frac{1}{2n-1}-\frac{1}{2n+1})$
• $\frac{1}{n(n+1)(n+2)}=\frac{1}{2}[\frac{1}{n(n+1)}-\frac{1}{(n+1)(n+2)}]$
• $\frac{2n+1}{n^2(n+1{)}^2}=\frac{1}{n^2}-\frac{1}{(n+1{)}^2}$
• $n(n+1)=\frac{1}{3}[n(n+1)(n+2)-(n-1)n(n+1)]$

(2) 积累裂项模型 2：根式型

• $\frac{1}{\sqrt{n+1}+\sqrt{n}}=\sqrt{n+1}-\sqrt{n}$
• $\frac{1}{\sqrt{n+k}+\sqrt{n}}=\frac{1}{k}(\sqrt{n+k}-\sqrt{n})$
• $\frac{1}{(n+1)\sqrt{n}+n\sqrt{n+1}}=\frac{1}{\sqrt{n}}-\frac{1}{\sqrt{n+1}}$

(3) 积累裂项模型 3：指数型

• $\frac{2^n}{(2^{n+1}-1)(2^n-1)}=\frac{1}{2^n-1}-\frac{1}{2^{n+1}-1}$
• $\frac{n+2}{n(n+1)\cdot 2^n}=\frac{1}{n\cdot 2^{n-1}}-\frac{1}{(n+1)\cdot 2^n}$
• $\frac{(2n+1)\cdot (-1{)}^n}{n(n+1)}=\frac{(-1{)}^n}{n}-\frac{(-1{)}^{n+1}}{n+1}$
• 错位裂项：$n\cdot 3^{n-1}=\frac{1}{4}(2n-1)3^n-\frac{1}{4}(2n-3)3^{n-1}$

(4) 积累裂项模型 4：三角函数型

• $\frac{1}{\cos \alpha \cos \beta }=\frac{1}{\sin (\alpha -\beta )}(\tan \alpha -\tan \beta )$
• $\tan \alpha \tan \beta =\frac{1}{\tan (\alpha -\beta )}(\tan \alpha -\tan \beta )-1$

(5) 积累裂项模型 5：阶乘型

• $\frac{n}{(n+1)!}=\frac{1}{n!}-\frac{1}{(n+1)!}$
• $\frac{n+2}{(n+2)!}=\frac{1}{(n+1)!}+\frac{1}{(n+2)!}$ (变体)

---

⚠️ 考场避坑与做题技巧

裂项后的“残余项”

裂项相消后，并不总是只剩下第一项和最后一项。如果裂项跨度为 $k$（如 $\frac{1}{n(n+2)}$），则前面会剩下 $k$ 项，后面也会对应剩下 $k$ 项。务必多写两步以核实。

错位相减的计算细节

错位相减最容易在最后一步出错。注意式子末尾那个“孤零零”的 $-a_n{q}^{n+1}$ 项以及公比 $q-1$ 的符号处理。

裂项相消的范围判定

裂项相消求和后的结果通常趋于一个常数（如 $\frac{1}{n(n+1)}$ 之和小于 1）。这种性质常用于证明数列不等式。

Link to original

---

19.05 数列放缩法路径选择与常用模型

🟦 数列放缩法路径选择与常用模型

核心心法

“目标导向，裂项为王”。数列不等式的放缩并非盲目尝试，而是为了最终能够实现“裂项相消”或构造出“等比数列”。放缩的力度是关键：缩得太小证不出，缩得太大过不去。掌握括号内外、根式、指数以及二项式定理的常用放缩路径，能帮助你在复杂的不等式证明中迅速定位“放缩中介”。

---

1. 放缩路径的选择

(1) 括号内放缩 (Scaling Inside the Term)

通过微调分母的结构，构造出相邻项之差。

• ① 基础分式型： $\frac{1}{n}-\frac{1}{n+1}=\frac{1}{n(n+1)}<\frac{1}{n^2}<\frac{1}{n(n-1)}=\frac{1}{n-1}-\frac{1}{n}(n\ge 2)$
• ② 指数分式型： $\frac{2^n}{(2^n-1{)}^2}<\frac{2^n}{(2^n-1)(2^n-2)}=\frac{1}{2^{n-1}-1}-\frac{1}{2^n-1}(n\ge 2)$
• ③ 推广形式： $\frac{a^n}{(a^n-1{)}^2}<\frac{1}{a-1}\left(\frac{1}{a^{n-1}-1}-\frac{1}{a^n-1}\right)(a,n\ge 2)$

(2) 括号外放缩 (Scaling Outside the Term)

利用系数调整或根式有理化进行整体放缩。

• ① 平方倒数放缩：$\frac{1}{n^2}=\frac{4}{4n^2}<\frac{4}{4n^2-1}=2\left(\frac{1}{2n-1}-\frac{1}{2n+1}\right)$
• ② 奇数平方放缩：$\frac{1}{(2n-1{)}^2}<\frac{1}{4n(n-1)}=\frac{1}{4}\left(\frac{1}{n-1}-\frac{1}{n}\right)(n\ge 2)$
• ③ 根式放缩 (基础)：$2(\sqrt{n+1}-\sqrt{n})<\frac{2}{\sqrt{n}}<2(\sqrt{n}-\sqrt{n-1})$
• ④ 根式放缩 (跳项)：$\frac{1}{\sqrt{n}}<\sqrt{n}-\sqrt{n-2}(n\ge 2)$
• ⑤ 根式放缩 (跳项对称)：$\frac{1}{\sqrt{n}}<\sqrt{n+1}-\sqrt{n-1}$
• ⑥ 指数级差放缩 (底数为2)：$\frac{1}{2^n-1}<\frac{2}{2^n-1}-\frac{2}{2^{n+1}-1}$
• ⑦ 指数级差放缩 (底数为3)：$\frac{1}{3^n-1}<\frac{3}{2}\left(\frac{1}{3^n-1}-\frac{1}{3^{n+1}-1}\right)$
• ⑧ 常用近似放缩：
  • $\frac{1}{3^n-1}<\frac{1}{3^n-3^{n-1}}=\frac{1}{2\cdot 3^{n-1}}(n\ge 2)$
  • $\frac{1}{a^n-b}\le \frac{1}{a^{n-1}(a-b)}(a>b\ge 1)$

---

2. 二项式定理放缩 (Binomial Theorem Scaling)

利用二项式展开的前几项进行快速不等关系锁定。

• ① 构造裂项中介： 由 $2^n-1=(1+1{)}^n-1>C_n^1+C_n^2=\frac{n(n+1)}{2}(n\ge 3)$ 得：$\frac{1}{2^n-1}<\frac{2}{n(n+1)}=2\left(\frac{1}{n}-\frac{1}{n+1}\right)$
• ② 线性界限判定： $2^n>2n+1(n\ge 3)$ 证明：$2^n=(1+1{)}^n=C_n^0+C_n^1+\cdots +C_n^n>1+n+n=2n+1$

---

3. 糖水不等式 (Syrup Inequality)

• 定义：
  • 加糖更甜：若 $b>a>0,m>0$，则 $\frac{a+m}{b+m}>\frac{a}{b}$
  • 减糖更苦：若 $b>a>m>0$，则 $\frac{a-m}{b-m}<\frac{a}{b}$
• 实例应用： $\frac{1}{3^n-1}<\frac{1+1}{3^n-1+1}=\frac{2}{3^n}(n\ge 1)$

---

⚠️ 考场避坑与做题技巧

放缩的“回头看”原则

在完成放缩后，一定要代入 $n=1$ 或 $n=2$ 的项检查一下。如果你放缩后的第一项就已经比题目要求的总和还要大了，那么这个放缩路径就是失败的（放缩过头）。

注意 $n$ 的取值范围

许多放缩公式（如分母包含 $n-1$ 或 $n-2$ 的情况）只有在 $n$ 达到一定数值时才成立。在证明时，往往需要将前 1 或 2 项单独拿出来计算，从第 3 项开始使用放缩法。

根式放缩的本质

根式放缩 $\frac{1}{\sqrt{n}}$ 的目的是为了抵消中间的根号。常用的技巧是利用共轭根式：$\frac{1}{\sqrt{n}}=\frac{2}{2\sqrt{n}}<\frac{2}{\sqrt{n}+\sqrt{n-1}}=2(\sqrt{n}-\sqrt{n-1})$。

Link to original

---

19.06 斐波那契数列全总结

🟦 斐波那契数列全总结 (Fibonacci Sequence Guide)

核心心法

“自然之律，递归之美”。斐波那契数列不仅是数学竞赛的常客，更是自然界生长规律的写照。其核心逻辑在于“前二之和为后项”，由此衍生出的通项公式（比内公式）蕴含了黄金分割比。掌握其裂项相消的技巧，是解决斐波那契求和问题的金钥匙。

---

1. 定义与递推公式

• 数列特征：1, 1, 2, 3, 5, 8, 13, 21, 34, …
• 规律：前两项为 1，从第三项起，每一项为前两项之和。
• 递推公式： $\{\begin{array}{l}{a}_1=a_2=1\\ a_{n+2}=a_{n+1}+a_n\end{array}$

---

2. 通项公式 (比内公式)

$a_n=\frac{1}{\sqrt{5}}\left[{\left(\frac{1+\sqrt{5}}{2}\right)}^n-{\left(\frac{1-\sqrt{5}}{2}\right)}^n\right]$

🔍 推导过程（构造等比数列法）

1. 构造辅助递推式：设 $a_{n+2}+p{a}_{n+1}=q(a_{n+1}+p{a}_n)$。 由特征方程解得 $q,p$ 的关系，得到公比 $q=\frac{1\pm \sqrt{5}}{2}$。
2. 构造等比数列：
   • 得到式 (1)：$a_{n+1}+\frac{-1+\sqrt{5}}{2}{a}_n={\left(\frac{1+\sqrt{5}}{2}\right)}^n$
   • 得到式 (2)：$a_{n+1}+\frac{-1-\sqrt{5}}{2}{a}_n={\left(\frac{1-\sqrt{5}}{2}\right)}^n$
3. 两式相减：消去 $a_{n+1}$，整理即得通项公式。

---

3. 斐波那契数列性质整理 (基础篇)

• 性质 1：奇偶项和公式
  • ① 奇数项和：${\sum }_{i=1}^n{a}_{2i-1}=a_{2n}$
  • ② 偶数项和：${\sum }_{i=1}^n{a}_{2i}=a_{2n+1}-1$
• 性质 2：前 $n$ 项和公式
  • $S_n={\sum }_{i=1}^n{a}_i=a_{n+2}-1$
  • 证明：利用 $a_i=a_{i+2}-a_{i+1}$ 裂项相消。
• 性质 3：三倍项递推
  • $3a_n=a_{n-2}+a_{n+2}$
• 性质 4：平方和公式
  • ${\sum }_{i=1}^n{a}_i^2=a_n{a}_{n+1}$
  • 证明：利用 $a_i^2=a_i(a_{i+1}-a_{i-1})$ 裂项相消。
• 性质 5：卡西尼性质 (Cassini’s Identity)
  • $a_{n+1}{a}_{n-1}-a_n^2=(-1{)}^n(n\ge 2)$

---

4. 斐波那契数列性质 (进阶篇)

性质 6：平方关系簇

1. 连续两项平方和：$a_n^2+a_{n+1}^2=a_{2n+1}$
2. 连续两项平方差：$a_{n+1}^2-a_{n-1}^2=a_{2n}(n\ge 2)$
3. 连续三项平方关系：$a_{n+1}^2+a_n^2-a_{n-1}^2=a_{2n}+a_n^2$ (此处注：通常考察与 $a_{3n}$ 的关联需根据特定系数判定)。

性质 7：下标为 $3k$ 的项和

$a_3+a_6+\cdots +a_{3n}=\frac{1}{2}(a_{3n+2}-1)$

性质 8：相邻两项乘积之和

${\sum }_{i=1}^n{a}_i{a}_{i+1}=\{\begin{array}{ll}{a}_{n+1}^2,& n\text{ 为奇数}\\ a_n{a}_{n+2},& n\text{ 为偶数}\end{array}$

• 证明核心：将 $a_k{a}_{k+1}$ 裂项为 $a_k(a_{k+2}-a_k)$，展开后中间项抵消。

---

⚠️ 考场避坑与做题技巧

黄金分割比的关系

随着 $n\to \infty$，$\frac{a_{n+1}}{a_n}\to \frac{1+\sqrt{5}}{2}\approx 1.618$。在处理极限问题或估算题目时，可以直接利用这个结论。

求和公式的下标

斐波那契的前 $n$ 项和公式是 $a_{n+2}-1$。很多学生容易记成 $a_{n+1}-1$，请务必通过 $S_1=a_3-1=2-1=1$ 进行快速验证。

裂项相消的通用模板

斐波那契的大多数性质证明都离不开 $a_n=a_{n+2}-a_{n+1}$ 或 $a_n=a_{n+1}-a_{n-1}$。当你看到乘积或平方求和时，第一时间尝试这种代换。

Link to original

---

第 20 章：导数及其应用 (压轴重点)

---

策略

导数是高考的灵魂，重点在于分类讨论的逻辑完整性。

20.00 知识网络

Link to original

---

---

20.01 导数定义与几何意义

🟦 导数定义与几何意义 (Derivatives)

核心心法

“由割变切，由均变瞬”。导数的本质是函数在某一点处的局部线性化。理解“在点”与“过点”的区别，是解决所有切线问题的基础；掌握极限变式的处理技巧，是理解导数定义深度逻辑的关键。

---

1. 导数的定义 (The Derivative Definition)

(1) 平均变化率

• 定义式：$\frac{\Delta y}{\Delta x}=\frac{f(x_2)-f(x_1)}{x_2-x_1}=\frac{f(x_1+\Delta x)-f(x_1)}{\Delta x}$
• 意义：
  • 几何意义：曲线割线的斜率。
  • 物理意义：物体的平均速度。

(2) 瞬时变化率（导数）

• 定义式：$f^{\prime }(x_0)={\lim }_{\Delta x\to 0}\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}$
• 意义：
  • 几何意义：曲线切线的斜率。
  • 物理意义：物体的瞬时速度。

(3) 常见导数极限变式

① ${\lim }_{\Delta x\to 0}\frac{f(x_0+m\Delta x)-f(x_0)}{\Delta x}=m{f}^{\prime }(x_0)$ ② ${\lim }_{h\to 0}\frac{f(x_0+ah)-f(x_0+bh)}{ch}=\frac{a-b}{c}{f}^{\prime }(x_0)$ ③ ${\lim }_{x\to x_0}\frac{f(x)-f(x_0)}{x-x_0}=f^{\prime }(x_0)$

---

2. 导数的几何意义与切线方程

(1) 核心定义

函数 $y=f(x)$ 在 $x=x_0$ 处的导数 $f^{\prime }(x_0)$，就是曲线在点 $P(x_0,f(x_0))$ 处切线的斜率 $k$。

• 切线方程：$y-y_0=f^{\prime }(x_0)(x-x_0)$

(2) 三类切线问题处理思路

A. “在某点”的切线 (At a point)

• 已知点 $P(x_0,y_0)$ 是切点。
• 核心条件：$\{\begin{array}{l}{y}_0=f(x_0)\\ k=f^{\prime }(x_0)\end{array}$
• 结果：只有唯一一条切线。

B. “过某点”的切线 (Through a point)

• 已知点 $P(x_0,y_0)$ 不一定是切点。
• 思路：
  1. 设切点坐标为 $Q(x_1,f(x_1))$。
  2. 表示斜率 $k=f^{\prime }(x_1)$。
  3. 利用点斜式写出方程并代入点 $P$：$y_0-f(x_1)=f^{\prime }(x_1)(x_0-x_1)$。
  4. 解出 $x_1$（$x_1$ 有几个解，切线就有几条）。

C. 公切线问题 (Common Tangent)

• 已知直线同时与 $f(x)$ 和 $g(x)$ 相切。
• 思路：
  1. 设两个切点分别为 $(x_1,f(x_1))$ 和 $(x_2,g(x_2))$。
  2. 分别列出两条切线方程的斜截式。
  3. 联立条件（斜率相等、截距相等）： $\{\begin{array}{l}{f}^{\prime }(x_1)=g^{\prime }(x_2)\\ f(x_1)-x_1{f}^{\prime }(x_1)=g(x_2)-x_2{g}^{\prime }(x_2)\end{array}$

---

3. 切线求参技巧

• ① 斜率定坐标：若已知切线斜率 $k$，通过方程 $f^{\prime }(x_0)=k$ 可反求切点横坐标 $x_0$。
• ② 两点定斜率：若 $f(x)$ 在点 $P$ 处的切线过点 $Q$，则 $f^{\prime }(x_0)=k_{PQ}$。
• ③ 二次判别式：若涉及直线与二次曲线相切，可以直接利用 $\Delta =0$ 进行快速判定。

---

⚠️ 考场避坑与做题技巧

“在点”与“过点”的用词陷阱

审题时一定要圈出这两个字。“在点 $x=1$ 处的切线”意味着 $(1,f(1))$ 是切点；“过点 $(1,2)$ 的切线”意味着 $(1,2)$ 可能在曲线外，必须通过设切点来求解。

隐函数的导数意义

即使方程不是显函数（如圆或椭圆），其导数的几何意义依然是切线斜率。但在高中阶段，遇到二次曲线相切，判别式法往往比导数法更直接有效。

极限公式中的系数处理

处理 ${\lim }_{h\to 0}$ 类变式时，口诀是“括号内自变量系数之差比分母系数”。如变式 ② 中的 $\frac{a-b}{c}$，这是快速转化导数定义值的捷径。

Link to original

---

20.02 基本初等函数导数公式与运算法则

🟦 基本初等函数导数公式与运算法则

核心心法

“公式是基石，法则是灵魂”。导数计算是整个微积分的底层逻辑。熟练记忆 8 类基本初等函数的求导公式是第一步，而灵活运用积、商法则以及复合函数“由外向内”的链式法则，则是解决复杂函数求导问题的关键。

---

1. 基本初等函数导数公式表

函数类型	函数表达式 $f(x)$	导数表达式 $f^{\prime }(x)$	备注
常数函数	$C$	$0$	$(C{)}^{\prime }=0$
幂函数	$x^{\alpha }$	$\alpha x^{\alpha -1}$	特例：$(x{)}^{\prime }=1,(\sqrt{x}{)}^{\prime }=\frac{1}{2\sqrt{x}}$
正弦函数	$\sin x$	$\cos x$	$(\sin x{)}^{\prime }=\cos x$
余弦函数	$\cos x$	$-\sin x$	$(\cos x{)}^{\prime }=-\sin x$
指数函数	$a^x$	$a^x\ln a$	特例：$(e^x{)}^{\prime }=e^x$
对数函数	${\log }_{a}x$	$\frac{1}{x\ln a}$	特例：$(\ln x{)}^{\prime }=\frac{1}{x}$

---

2. 导数的运算法则 (Rules of Differentiation)

设 $f(x),g(x)$ 均为可导函数：

• ① 和差法则：$[f(x)\pm g(x){]}^{\prime }=f^{\prime }(x)\pm g^{\prime }(x)$
• ② 积法则：$[f(x)\cdot g(x){]}^{\prime }=f^{\prime }(x)g(x)+f(x)g^{\prime }(x)$
  • 推论：$[cf(x){]}^{\prime }=c{f}^{\prime }(x)$ （常数倍法则）
• ③ 商法则：${\left[\frac{f(x)}{g(x)}\right]}^{\prime }=\frac{f^{\prime }(x)g(x)-f(x)g^{\prime }(x)}{g^2(x)}(g(x)\ne 0)$

---

3. 复合函数求导法则 (The Chain Rule)

对于复合函数 $y=f(g(x))$，设中间变量 $u=g(x)$，则 $y=f(u)$。其导数关系为： $y_x^{\prime }=y_u^{\prime }\cdot u_x^{\prime }$

口诀：由外向内，层层剥开

求导时先对外部函数 $f(u)$ 求导，再乘以内部函数 $g(x)$ 的导数，最后将所有的中间变量 $u$ 替换回自变量 $x$ 的表达式。

示例解析： 求 $f(x)=\ln (x^2+2x+3)$ 的导数：

1. 设 $y=\ln u$，$u=x^2+2x+3$。
2. $y_u^{\prime }=\frac{1}{u}$，$u_x^{\prime }=2x+2$。
3. $f^{\prime }(x)=\frac{1}{u}\cdot (2x+2)=\frac{2x+2}{x^2+2x+3}$。

---

⚠️ 考场避坑与做题技巧

公式不能直接套用变量

公式表中的 $x$ 是独立自变量。如果遇到 $\ln |x|$ 或 $\sin (2x)$，必须使用复合函数求导法则，不能直接写成 $1/|x|$ 或 $\cos (2x)$。 注：$(\ln |x|{)}^{\prime }=\frac{1}{x}$ 是一个特殊的常用结论。

商法则的分子符号

在使用 ${\left[\frac{f}{g}\right]}^{\prime }$ 时，分子是 “上导下不导 减 去下导上不导”。很多学生容易把减号前后的顺序写反，导致结果正负颠倒。

化简优先原则

在对复杂对数函数（如 $\ln \sqrt{\frac{x+1}{x-1}}$）求导前，先利用对数性质将其化为 $\frac{1}{2}[\ln (x+1)-\ln (x-1)]$，再进行求导，计算量会减小 80%。

Link to original

---

20.03 导数研究单调性与极值最值

🟦 导数研究单调性与极值最值 (Monotonicity & Extremum)

核心心法

“导数定增减，变号出极值”。导函数 $f^{\prime }(x)$ 的正负是决定原函数 $f(x)$ 升降的唯一准则。在处理复杂函数时，通过通分、因式分解或求二阶导来锁定导数的零点和正负区间；在研究极值时，关注导数在零点两侧是否“穿轴变号”；而最值则是极值与区间端点的全局博弈。

---

一、 导数研究单调性

1. 函数单调性与导数值的关系

在某个区间 $(a,b)$ 内：

• $f^{\prime }(x)>0$ $⟹f(x)$ 在该区间内单调递增。
• $f^{\prime }(x)<0$ $⟹f(x)$ 在该区间内单调递减。
• $f^{\prime }(x)=0$ $⟹f(x)$ 在该区间内为常数函数。

2. 求单调区间的注意事项

• 表示方法：多个单调区间用逗号隔开，严禁用“$\cup$”。
• 充要性：若 $f(x)$ 增，则 $f^{\prime }(x)\ge 0$；若 $f(x)$ 减，则 $f^{\prime }(x)\le 0$。
• 变化率特征：$\frac{f(x_1)-f(x_2)}{x_1-x_2}>0⟺f^{\prime }(x)\ge 0$。

3. 讨论单调性的“八步逻辑”

对于含参或复杂函数，遵循以下路径：

1. 定义域先行：注意断点。
2. 通分因式分解：提取定号部分（恒正/负），保留变号部分。
3. 求根做图：观察导函数与 $x$ 轴位置关系。
4. 正负难断看零点：观察 $f^{\prime }(x)=0$ 的解。
5. 复杂求二阶：若一阶导单调性不明，求 $f^{\prime \prime }(x)$。
6. 借助二阶定区间：由 $f^{\prime \prime }(x)$ 正负定 $f^{\prime }(x)$ 增减，进而定 $f^{\prime }(x)$ 符号。

---

二、 导数研究极值

1. 极值的定义与判定

• 极小值：$f^{\prime }(a)=0$，左侧 $f^{\prime }(x)<0$（减），右侧 $f^{\prime }(x)>0$（增）。
• 极大值：$f^{\prime }(b)=0$，左侧 $f^{\prime }(x)>0$（增），右侧 $f^{\prime }(x)<0$（减）。

必要不充分条件

$f^{\prime }(x_0)=0$ 是 $x_0$ 为极值点的必要不充分条件。若导数在零点两侧符号不改变（如 $y=x^3$ 在 $x=0$），则该点不是极值点。

2. 列表分析五步法

1. 确定定义域。
2. 求导并因式分解。
3. 解方程 $f^{\prime }(x)=0$。
4. 列表/数轴标注：分析 $f^{\prime }(x)$ 在各区间符号。
5. 确定极值。

---

三、 闭区间上的最值

1. 核心理论

如果在闭区间 $[a,b]$ 上函数图象连续，则必有最大值和最小值。

2. 求法步骤

1. 求出 $(a,b)$ 内的所有极值。
2. 将极值与端点值 $f(a),f(b)$ 进行比较。
3. 最大者为最大值，最小者为最小值。

3. 特殊结论

• 单峰性：若区间内只有一个极值点，则该极值点必为最值点。
• 对称性：若 $f(x)$ 关于 $x=a$ 对称且连续，则 $f^{\prime }(a)=0$。

---

⚠️ 考场避坑与做题技巧

“穿针引线”法在导数中的应用

将导函数分解为 $(x-x_1)(x-x_2)\dots$ 后，利用类似解高次不等式的技巧判断正负，但要注意偶次重根（不穿轴，符号不变）的情况。

端点处的导数

导数定义在开区间 $(a,b)$ 内研究单调性。在讨论极值时，端点绝对不可能成为极值点，但端点可以成为最值点。

含参讨论的分点选择

含参讨论单调性时，分类讨论的标准通常是：

1. 参数导致导函数判别式 $\Delta$ 的符号变化。
2. 导函数根的大小关系（如 $x_1<x_2$ 还是 $x_1>x_2$）。
3. 根是否落在定义域范围内。

Link to original

---

20.04 三次函数性质全总结

🟦 三次函数性质全总结 (Cubic Functions)

核心心法

“导数定形态，中心显对称”。三次函数 $f(x)=a{x}^3+b{x}^2+cx+d$ ($a\ne 0$) 是高中导数大题的高频载体。其图像形态完全由其导函数的判别式 $\Delta =4b^2-12ac$（化简为 $b^2-3ac$）决定。理解极值积与根的个数的关系，以及对称中心的坐标公式，是解决三次函数综合问题的捷径。

---

1. 定义域、值域与单调性 (Monotonicity)

三次函数 $f(x)=a{x}^3+b{x}^2+cx+d$ 的导函数为 $f^{\prime }(x)=3a{x}^2+2bx+c$，其判别式 ${\Delta }^{\prime }=(2b{)}^2-4(3a)c=4(b^2-3ac)$。

系数 $a$	判别式 $\Delta =b^2-3ac$	单调性与图像特征
$a>0$	$\Delta >0$	图像先增、再减、再增，有两个极值点。
$a>0$	$\Delta \le 0$	函数在 $\mathbb{R}$ 上单调递增。
$a<0$	$\Delta >0$	图像先减、再增、再减，有两个极值点。
$a<0$	$\Delta \le 0$	函数在 $\mathbb{R}$ 上单调递减。

• 范围特征：定义域为 $\mathbb{R}$，值域为 $\mathbb{R}$，函数整体无最大值或最小值。

---

2. 三次方程 $f(x)=0$ 的实根个数 (Roots)

当 $\Delta =b^2-3ac>0$ 时，导函数 $f^{\prime }(x)=0$ 有两个实根 $x_1,x_2$，对应原函数的两个极值点。方程 $f(x)=0$ 的根的个数由极值的乘积判定：

• ① $f(x_1)\cdot f(x_2)>0$：极值点同号，原方程有且只有一个实根。
• ② $f(x_1)\cdot f(x_2)=0$：其中一个极值点在 $x$ 轴上，原方程有两个实数根。
• ③ $f(x_1)\cdot f(x_2)<0$：极值点异号，原方程有三个实数根。

---

3. 对称性与导数性质 (Symmetry)

(1) 中心对称性

三次函数是中心对称曲线，其对称中心（拐点）的横坐标是导函数对称轴的横坐标。

• 对称中心坐标： $\left(-\frac{b}{3a},f\left(-\frac{b}{3a}\right)\right)$
• 性质：对称中心处的一阶导数取得极值（最大或最小），且二阶导数 $f^{\prime \prime }(-\frac{b}{3a})=0$。

(2) 奇偶性与导数的转换

• 奇函数的导数是偶函数。
• 偶函数的导数是奇函数。
• 周期函数的导数仍是周期函数。

---

⚠️ 考场避坑与做题技巧

对称中心的应用

如果题目提到三次函数关于点 $(x_0,y_0)$ 对称，直接利用 $x_0=-\frac{b}{3a}$ 可以极大地简化解析式中的系数关系。

$\Delta =0$ 的临界状态

当 $\Delta =b^2-3ac=0$ 时，函数虽然在 $\mathbb{R}$ 上单调，但在 $x=-\frac{b}{3a}$ 处导数值为 $0$，即图像在该点有一个“平台”但并不产生极值。

极值积判定的前提

使用 $f(x_1)\cdot f(x_2)$ 判定根的个数，前提必须是 $\Delta >0$。如果 $\Delta \le 0$，函数单调，则方程 $f(x)=0$ 恒有且只有一个实根。

Link to original

---

20.05 导数大题中的“六大核心函数”图像与性质

🟦 导数大题中的“六大核心函数”图像与性质

核心心法

“母函数定框架，导函数定细节”。在处理复杂的复合函数前，必须对这六个基础函数的图像了如指掌。它们不仅是构造不等式的素材，更是单调性讨论时“变号部分”的参考系。

---

1. 指数型函数 $f(x)=x{e}^x$ (极小值型)

• 导函数：$f^{\prime }(x)=(x+1)e^x$
• 极值点：$x=-1$ 是极小值点，极小值为 $f(-1)=-1/e\approx -0.368$。
• 单调性：在 $(-\infty ,-1)$ 递减，在 $(-1,+\infty )$ 递增。
• 零点：$(0,0)$。
• 特殊限制：当 $x\to -\infty$ 时，$f(x)\to 0$（从下方趋近 $x$ 轴）。

---

2. 指数型函数 $f(x)=\frac{e^x}{x}$ (漏斗型)

• 定义域：$\{x\mid x\ne 0\}$
• 导函数：$f^{\prime }(x)=\frac{(x-1)e^x}{x^2}$
• 极值点：$x=1$ 是极小值点，极小值为 $f(1)=e$。
• 单调性：
  • $x\in (-\infty ,0)\cup (0,1)$ 时递减；
  • $x\in (1,+\infty )$ 时递增。
• 渐近线：垂直渐近线 $x=0$，水平渐近线（左侧）$y=0$。

---

3. 对数型函数 $f(x)=x\ln x$ (零点/极小型)

• 定义域：$(0,+\infty )$
• 导函数：$f^{\prime }(x)=1+\ln x$
• 极值点：$x=1/e$ 是极小值点，极小值为 $f(1/e)=-1/e$。
• 单调性：在 $(0,1/e)$ 递减，在 $(1/e,+\infty )$ 递增。
• 零点：$(1,0)$。
• 端点行为：当 $x\to 0^{+}$ 时，$f(x)\to 0$。

---

4. 对数型函数 $f(x)=\frac{\ln x}{x}$ (最大值型 - 极高频)

• 定义域：$(0,+\infty )$
• 导函数：$f^{\prime }(x)=\frac{1-\ln x}{x^2}$
• 极值点：$x=e$ 是极大值点，极大值为 $f(e)=1/e$。
• 单调性：在 $(0,e)$ 递增，在 $(e,+\infty )$ 递减。
• 零点：$(1,0)$。
• 渐近线：当 $x\to +\infty$ 时，$f(x)\to 0$（$x$ 轴是水平渐近线）。

---

5. 组合型函数 $f(x)=e^x-x$ (恒正型)

• 导函数：$f^{\prime }(x)=e^x-1$
• 极值点：$x=0$ 是极小值点，极小值为 $f(0)=1$。
• 单调性：在 $(-\infty ,0)$ 递减，在 $(0,+\infty )$ 递增。
• 重要不等式基础：$e^x\ge x+1$（当且仅当 $x=0$ 时取等号）。

---

6. 组合型函数 $f(x)=x-\ln x$ (恒正型)

• 定义域：$(0,+\infty )$
• 导函数：$f^{\prime }(x)=1-1/x=\frac{x-1}{x}$
• 极值点：$x=1$ 是极小值点，极小值为 $f(1)=1$。
• 单调性：在 $(0,1)$ 递减，在 $(1,+\infty )$ 递增。
• 重要不等式基础：$x\ge \ln x+1$ 或 $x>\ln x$。

---

💡 深度拓展：六大函数的“同构”关系

在导数压轴题中，这些函数经常以变式形式出现：

1. 同构映射：
   • $x{e}^x=a⟺x+\ln x=\ln a$
   • $\frac{e^x}{x}=a⟺e^x-ax=0$
2. 比较大小（指对跨界）：
   • 比较 $e^{\pi }$ 与 ${\pi }^e$：等价于考察 $f(x)=\frac{\ln x}{x}$ 的单调性。由于 $e<\pi$ 且 $f(x)$ 在 $(e,+\infty )$ 递减，故 $f(e)>f(\pi )⟹\frac{1}{e}>\frac{\ln \pi }{\pi }⟹\pi >e\ln \pi ⟹e^{\pi }>{\pi }^e$。
3. 零点个数讨论：
   • $x{e}^x=a$：当 $a\in (-1/e,0)$ 时，有两个零点。
   • $\frac{\ln x}{x}=a$：当 $a\in (0,1/e)$ 时，有两个零点。

---

⚠️ 考场避坑与做题技巧

快速作图

进考场前，在草稿纸上默画出 $\frac{\ln x}{x}$ 和 $x{e}^x$ 的草图。它们能帮你快速判断极值点左侧和右侧的趋势，避免符号讨论错误。

极限位置的符号

注意 $f(x)=x{e}^x$ 在 $x\to -\infty$ 时是负数趋近 0，而 $f(x)=\frac{\ln x}{x}$ 在 $x\to +\infty$ 时是正数趋近 0。这在讨论零点存在的区间时至关重要。

二阶求导的信号

如果题目的变号部分含有上述函数的复合（如 $e^x-a{x}^2$），一阶导数往往难以直接看出口径，此时应立即通过二阶导数利用上述基础函数的单调性进行“降维”讨论。

Link to original

---

20.06 导数构造函数逆向还原专题

🟦 导数构造函数逆向还原专题

核心心法

“见和设积，见差设商，指数对数找对仗”。导数构造的核心在于识别“乘法法则”与“除法法则”的逆运算。通过将杂乱的导数不等式还原为某个母函数的导数，利用该母函数的单调性，即可实现不等式的跨界转化与比较。

---

1. 五大核心还原定理 (Reverse Theorems)

定理 1：与 $xf(x)$、$\frac{f(x)}{x}$ 相关

• 和型：$x{f}^{\prime }(x)+f(x)>0⟺[xf(x){]}^{\prime }>0⟹y=xf(x)$ 递增。
• 差型：$x{f}^{\prime }(x)-f(x)>0⟺{\left[\frac{f(x)}{x}\right]}^{\prime }>0⟹y=\frac{f(x)}{x}$ 递增。

定理 2：与 $x^{n}f(x)$、$\frac{f(x)}{x^n}$ 相关 ($x>0$)

• 和型：$x{f}^{\prime }(x)+nf(x)>0⟺[x^{n}f(x){]}^{\prime }>0⟹y=x^{n}f(x)$ 递增。
• 差型：$x{f}^{\prime }(x)-nf(x)>0⟺{\left[\frac{f(x)}{x^n}\right]}^{\prime }>0⟹y=\frac{f(x)}{x^n}$ 递增。

定理 3：与 $e^{x}f(x)$、$\frac{f(x)}{e^x}$ 相关

• 和型：$f^{\prime }(x)+f(x)>0⟺[e^{x}f(x){]}^{\prime }>0⟹y=e^{x}f(x)$ 递增。
• 差型：$f^{\prime }(x)-f(x)>0⟺{\left[\frac{f(x)}{e^x}\right]}^{\prime }>0⟹y=\frac{f(x)}{e^x}$ 递增。

定理 4：含常数项 $a$ 的指数型还原

• 和型：$f^{\prime }(x)+f(x)>a⟺[e^x(f(x)-a){]}^{\prime }>0⟹y=e^x(f(x)-a)$ 递增。
• 差型：$f^{\prime }(x)-f(x)>a⟺{\left[\frac{f(x)+a}{e^x}\right]}^{\prime }>0⟹y=\frac{f(x)+a}{e^x}$ 递增。

定理 5：与三角函数相关的还原

• $\sin x$ 和型：$\sin x{f}^{\prime }(x)+\cos xf(x)>0⟺[\sin xf(x){]}^{\prime }>0$
• $\sin x$ 差型：$\sin x{f}^{\prime }(x)-\cos xf(x)>0⟺{\left[\frac{f(x)}{\sin x}\right]}^{\prime }>0$
• $\cos x$ 和型：$\cos x{f}^{\prime }(x)-\sin xf(x)>0⟺[\cos xf(x){]}^{\prime }>0$
• $\cos x$ 差型：$\cos x{f}^{\prime }(x)+\sin xf(x)>0⟺{\left[\frac{f(x)}{\cos x}\right]}^{\prime }>0$

---

2. 构造函数速查表 (18 类常用模型)

序号	导数不等式特征	构造母函数 $F(x)$
1	$f^{\prime }(x)\pm g^{\prime }(x)\gtrless 0$	$f(x)\pm g(x)$
2	$f^{\prime }(x)\gtrless k$ ($k\ne 0$)	$f(x)-kx$
3	$f^{\prime }(x)g(x)+f(x)g^{\prime }(x)\gtrless 0$	$f(x)g(x)$
4	$x{f}^{\prime }(x)+f(x)\gtrless 0$	$xf(x)$
5	$f^{\prime }(x)\ln x+\frac{f(x)}{x}\gtrless 0$	$f(x)\ln x$
6	$f^{\prime }(x)g(x)-f(x)g^{\prime }(x)\gtrless 0$	$\frac{f(x)}{g(x)}$
7	$x{f}^{\prime }(x)-f(x)\gtrless 0$	$\frac{f(x)}{x}$
8	$f^{\prime }(x)+f(x)\gtrless 0$	$e^{x}f(x)$
9	$f^{\prime }(x)+\ln a\cdot f(x)\gtrless 0$	$a^{x}f(x)$
10	$f^{\prime }(x)-f(x)\gtrless 0$	$\frac{f(x)}{e^x}$
11	$n{f}^{\prime }(x)+f(x)\gtrless 0$	$e^{\frac{x}{n}}f(x)$
12	$n{f}^{\prime }(x)-f(x)\gtrless 0$	$\frac{f(x)}{e^{\frac{x}{n}}}$
13	$f^{\prime }(x)+nf(x)\gtrless 0$	$e^{nx}f(x)$
14	$f^{\prime }(x)-nf(x)\gtrless 0$	$\frac{f(x)}{e^{nx}}$
15	$f^{\prime }(x)+2xf(x)\gtrless 0$	$e^{x^2}f(x)$
16	$f^{\prime }(x)\tan x+f(x)\gtrless 0$	$\sin xf(x)$
17	$f^{\prime }(x)\tan x-f(x)\gtrless 0$	$\cos xf(x)$
18	$\frac{f^{\prime }(x)}{f(x)}\gtrless 0$	$\ln f(x)$

---

⚠️ 考场避坑与做题技巧

观察系数是关键

如果发现 $f(x)$ 前面有系数 $n$，通常考虑 $x^n$（在乘除法则中）或 $e^{nx}$（在指数还原中）。如果出现 $\tan x$ 或 $1/x$，则是三角函数或对数还原的强烈信号。

定义域的约束

对于 $F(x)=\frac{f(x)}{x^n}$ 或 $F(x)=\frac{f(x)}{\sin x}$，必须确保分母在给定区间内不为 0。同时注意 $x^n$ 的 $n$ 为奇偶时对函数性质的影响。

“同一性”原则

还原的目的不仅仅是看单调性，通常是为了比较大小。例如已知 $F(x)$ 增且 $x_1>x_2$，则 $F(x_1)>F(x_2)$。将原本无法比较的 $f(x_1)$ 与 $f(x_2)$ 放入 $F(x)$ 的框架内统一处理。

Link to original

---

20.07 导数同构技巧与变形模板

🟦 导数同构技巧与变形模板全书

核心心法

“移项对仗，结构统一，指对互化”。同构法的本质是找出一个“母函数” $f(t)$，使得原不等式能变形为 $f(t_1)\gtrless f(t_2)$ 的形式。通过研究母函数的单调性，将复杂的代数比较转化为自变量 $t_1,t_2$ 的大小比较。这是解决指对跨界不等式、双变量偏移问题的终极杀手锏。

---

一、 基础变形方式 (Basic Identities)

指对互化是同构的逻辑起点：

• ① 指数内化对数：$x{e}^x=e^{x+\ln x}$
• ② 商型化差：$\frac{e^x}{x}=e^{x-\ln x}$
• ③ 倒数商型：$\frac{x}{e^x}=e^{\ln x-x}$
• ④ 积型化和：$x+\ln x=\ln (x{e}^x)$
• ⑤ 差型化商：$x-\ln x=\ln \frac{e^x}{x}$

---

二、 积、商、和差型同构模板

1. 积型

目标同构于：$f(x)=x{e}^x$、$f(x)=x\ln x$ 或 $f(x)=x+\ln x$。 例：$a{e}^a\le b\ln b$

• 路径 A：$a\cdot e^a\le \ln b\cdot e^{\ln b}⟹f(x)=x{e}^x$
• 路径 B：$e^a\cdot \ln e^a\le b\cdot \ln b⟹f(x)=x\ln x$
• 路径 C (取对数)：$a+\ln a\le \ln b+\ln (\ln b)⟹f(x)=x+\ln x$

2. 商型

目标同构于：$f(x)=\frac{e^x}{x}$、$f(x)=\frac{x}{\ln x}$ 或 $f(x)=x-\ln x$。 例：$\frac{e^a}{a}<\frac{b}{\ln b}$

• 路径 A：$\frac{e^a}{a}<\frac{e^{\ln b}}{\ln b}⟹f(x)=\frac{e^x}{x}$
• 路径 B：$\frac{a}{\ln e^a}<\frac{b}{\ln b}⟹f(x)=\frac{x}{\ln x}$
• 路径 C (取对数)：$a-\ln a<\ln b-\ln (\ln b)⟹f(x)=x-\ln x$

3. 和差型

目标同构于：$f(x)=e^x\pm x$ 或 $f(x)=x\pm \ln x$。 例：$e^a\pm a>b\pm \ln b$

• 路径 A：$e^a\pm a>e^{\ln b}\pm \ln b⟹f(x)=e^x\pm x$
• 路径 B：$e^a\pm \ln e^a>b\pm \ln b⟹f(x)=x\pm \ln x$

---

三、 高阶配凑变形同构 (Advanced Matching)

对于系数不统一的情况，通过两边同时加减或乘除实现结构对称：

• ① 补全 $x$ 项：$a{e}^{ax}>\ln x⟹ax{e}^{ax}>x\ln x(f(t)=t{e}^t)$
• ② 构造 $x-1$ 链：$e^x>a\ln (ax-a)-a$ $⟹\frac{1}{a}{e}^x>\ln [a(x-1)]-1⟹e^{x-\ln a}+(x-\ln a)>\ln (x-1)+(x-1)$ 母函数为：$f(t)=e^t+t$。
• ③ 指对幂混合：$a^x>{\log }_{a}x⟹(x\ln a)e^{x\ln a}>x\ln x(f(t)=t{e}^t)$
• ④ 指对组合消元：$x+\frac{1}{e^x}\ge x^a-\ln x^a$ $⟹\frac{1}{e^x}-\ln \frac{1}{e^x}\ge x^a-\ln x^a⟹f(t)=t-\ln t$

---

四、 地位同等同构 (Double Variable Isomorphism)

处理双变量不等式（如平均值不等式背景或极值点偏移）时，将变量拆分到等号两端：

1. 线性斜率型

对于 $\frac{f(x_1)-f(x_2)}{x_1-x_2}>k(x_1<x_2)$：

• 变形：$f(x_1)-k{x}_1<f(x_2)-k{x}_2$
• 构造：$g(x)=f(x)-kx$ 为增函数。

2. 反比例权重型

对于 $\frac{f(x_1)-f(x_2)}{x_1-x_2}<\frac{k}{x_1{x}_2}(x_1<x_2)$：

• 变形：$f(x_1)+\frac{k}{x_1}>f(x_2)+\frac{k}{x_2}$
• 构造：$g(x)=f(x)+\frac{k}{x}$ 为减函数。

---

⚠️ 考场避坑与做题技巧

观察“对仗”位置

看到 $x{e}^x$ 就要找 $\ln x+x$；看到 $\frac{e^x}{x}$ 就要找 $x-\ln x$。这些组合通常是题目暗示你使用同构的信号灯。

定义域与取等条件

在对 $b\ln b$ 进行同构处理时，必须确保 $\ln b$ 在母函数的定义域内。同时，在证明不等式时，务必标注等号成立的条件。

同构法的“最后一步”

成功同构出 $f(t_1)>f(t_2)$ 后，必须先通过求导证明母函数 $f(t)$ 的单调性，才能脱去 $f$ 符号得到 $t_1>t_2$。如果没有这一步，同构是不完整的。

Link to original

---

20.08 导数压轴题：隐零点代换与估计

🟦 导数压轴题：隐零点代换与估计

核心心法

“设而不求，代而化之”。隐零点的精髓在于：虽然我们无法写出零点 $x_0$ 的具体数值，但我们可以通过“零点方程” $f^{\prime }(x_0)=0$ 建立参数、对数、指数与 $x_0$ 之间的等量关系。通过整体代换，将原本复杂的函数最值问题转化为一个关于 $x_0$ 的简单函数问题。

---

1. 隐零点处理的三大标准步骤

第 1 步：判定与定位 (Existence & Location)

• 动作：利用零点存在性定理（或二阶导单调性）判定导函数零点的存在性。
• 产出：列出零点方程 $f^{\prime }(x_0)=0$，并利用二分法或函数性质锁定 $x_0$ 的范围（如 $x_0\in (1,2)$）。

第 2 步：分析符号与最值 (Extremum Analysis)

• 动作：以 $x_0$ 为界点，说明 $f^{\prime }(x)$ 的正负分布，确定 $f(x)$ 的单调性。
• 产出：得到 $f(x)$ 的最值表达式 $f(x_0)$。

第 3 步：整体代换与化简 (Substitution & Simplification)

• 核心目标：将 $f^{\prime }(x_0)=0$ 进行变形，整体代入 $f(x_0)$ 中。
• 具体手段：
  • ① 消除指数项：若 $e^{x_0}-a=0$，则 $e^{x_0}=a$。
  • ② 消除对数项：若 $\ln x_0+x_0-a=0$，则 $\ln x_0=a-x_0$。
  • ③ 消除参数项：将参数 $a$ 用包含 $x_0$ 的表达式表示，代入原式使其“纯净化”。

---

2. 深度拓展：隐零点的四大代换模型

模型 A：指数型代换

若 $f^{\prime }(x_0)=e^{x_0}-\frac{a}{x_0}=0$，则 $e^{x_0}=\frac{a}{x_0}$。 代入 $f(x_0)=e^{x_0}-a\ln x_0$： $f(x_0)=\frac{a}{x_0}-a\ln x_0=a\left(\frac{1}{x_0}-\ln x_0\right)$ 此时只需研究 $g(x)=\frac{1}{x}-\ln x$ 在 $x_0$ 范围内的取值即可。

模型 B：对数型代换 (对数单峰)

若 $f^{\prime }(x_0)=\ln x_0+a{x}_0+b=0$，则 $\ln x_0=-a{x}_0-b$。 代入含有 $\ln x$ 的原函数，可将超越函数转化为多项式函数。

模型 C：参数消元型 (最常用)

若 $f^{\prime }(x_0,a)=0$ 能解出 $a=g(x_0)$： 代入 $f(x_0,a)$ 得到 $h(x_0)=f(x_0,g(x_0))$。 结论：原函数的最值问题完全等价于新函数 $h(x_0)$ 的值域问题。

模型 D：双零点对称代换

针对极值点偏移问题，构造 $F(x)=f(x)-f(2x_0-x)$，通过隐零点 $x_0$ 判定其单调性，从而证明 $x_1+x_2>2x_0$。

---

3. 隐零点的“范围估计”技巧

当我们需要证明 $f(x_0)>k$ 但代换后解析式仍较复杂时：

1. 不等式放缩：利用 $x-1\ge \ln x$ 或 $e^x\ge x+1$ 对化简后的 $h(x_0)$ 进行二次放缩。
2. 取值范围缩窄：如果 $x_0\in (1,e)$，尝试代入 $x=2$ 或 $x=\sqrt{e}$ 等特殊点，利用 $f^{\prime }(\text{端点})$ 的正负号缩窄隐零点的存在区间。

---

⚠️ 考场避坑与做题技巧

“设而不求”的格式分

在大题中，即便你无法处理后面的代换，也要先写下：“由零点存在性定理知，存在唯一 $x_0\in (a,b)$ 使得 $f^{\prime }(x_0)=0$”。这一步通常价值 2-3 分。

二次求导的陷阱

隐零点问题往往伴随着二阶导。若 $f^{\prime }(x)$ 不单调，需要通过 $f^{\prime \prime }(x)$ 来确定 $f^{\prime }(x)$ 的变号区间。务必理清“谁是谁的导数”。

同构与隐零点的结合

有些隐零点方程 $f^{\prime }(x_0)=0$ 可以通过同构法直接解出具体数值（如 $x_0+\ln x_0=a+\ln a⟹x_0=a$）。在盲目进行隐零点估计前，先看一眼方程是否能同构化简。

Link to original

---

20.09 微分中值定理与高阶导数应用

🟦 微分中值定理与高阶导数应用

核心心法

“中值定区间，泰勒化繁简”。中值定理建立了函数值增量与导数之间的桥梁；泰勒公式则是将复杂超越函数多项式化的“降维打击”工具；而二阶导数揭示的凹凸性与拐点，则是从动态斜率的角度深度刻画函数形态的终极指标。

---

一、 微分中值定理 (Mean Value Theorems)

1. 罗尔中值定理 (Rolle’s Theorem)

• 条件：$[a,b]$ 连续，$(a,b)$ 可导，且 $f(a)=f(b)$。
• 结论：至少存在一点 $\epsilon \in (a,b)$，使得 $f^{\prime }(\epsilon )=0$。

2. 拉格朗日中值定理 (Lagrange’s MVT)

• 条件：$[a,b]$ 连续，$(a,b)$ 可导。
• 结论：至少存在一点 $\epsilon \in (a,b)$，使得： $\frac{f(b)-f(a)}{b-a}=f^{\prime }(\epsilon )$
• 几何意义：区间内至少存在一点的切线斜率等于两端点连线（割线）的斜率。

3. 柯西中值定理 (Cauchy’s MVT)

• 条件：$f(x),F(x)$ 满足中值定理条件，且 $F^{\prime }(x)\ne 0$。
• 结论：至少存在一点 $\epsilon \in (a,b)$，使得： $\frac{f(b)-f(a)}{F(b)-F(a)}=\frac{f^{\prime }(\epsilon )}{F^{\prime }(\epsilon )}$

---

二、 泰勒公式与麦克劳林展开 (Taylor’s Formula)

1. 一般形式 (泰勒展开)

$f(x)=f(x_0)+f^{\prime }(x_0)(x-x_0)+\frac{f^{\prime \prime }(x_0)}{2!}(x-x_0{)}^2+\cdots +\frac{f^{(n)}(x_0)}{n!}(x-x_0{)}^n+o((x-x_0{)}^n)$

2. 常用麦克劳林展开式 ($x_0=0$)

• ① 指数函数：$e^x=1+x+\frac{x^2}{2!}+\cdots +\frac{x^n}{n!}+o(x^n)$
• ② 几何级数：$\frac{1}{1-x}=1+x+x^2+\dots$
• ③ 对数函数：$\ln (1+x)=x-\frac{x^2}{2}+\frac{x^3}{3}-\dots$
• ④ 正弦函数：$\sin x=x-\frac{x^3}{3!}+\frac{x^5}{5!}-\dots$
• ⑤ 余弦函数：$\cos x=1-\frac{x^2}{2!}+\frac{x^4}{4!}-\dots$
• ⑥ 正切函数：$\tan x=x+\frac{1}{3}{x}^3+\frac{2}{15}{x}^5+\dots$

---

三、 洛必达法则 (L’Hospital’s Rule)

• 适用场景：$\frac{0}{0}$ 型或 $\frac{\infty }{\infty }$ 型不定式极限。
• 法则内容：若 ${\lim }_{x\to a}\frac{f(x)}{g(x)}$ 属于不定式，且导数比极限存在，则： ${\lim }_{x\to a}\frac{f(x)}{g(x)}={\lim }_{x\to a}\frac{f^{\prime }(x)}{g^{\prime }(x)}$

洛必达使用前提

必须确保分子分母同时趋于 0 或无穷。在使用一次洛必达后若仍是不定式，可继续求导，直至得出极限。

---

四、 凹凸性与拐点 (Concavity & Inflection Points)

1. 凹凸性定义与判定

• 下凸 (凹)：$f(\frac{x_1+x_2}{2})<\frac{f(x_1)+f(x_2)}{2}$ $⟺$ $f^{\prime \prime }(x)>0$。
• 上凸 (凸)：$f(\frac{x_1+x_2}{2})>\frac{f(x_1)+f(x_2)}{2}$ $⟺$ $f^{\prime \prime }(x)<0$。

2. 拐点 (Inflection Point)

• 定义：函数凹凸性发生改变的点 $(x_0,f(x_0))$。
• 判定：
  • 必要性：若是拐点，则 $f^{\prime \prime }(x_0)=0$。
  • 充分性：若是 $f^{\prime \prime }(x)$ 的变号零点，则必为拐点。
• 性质：拐点处的切线必穿过函数图像（如 $y=x^3$ 在原点处）。

---

⚠️ 考场避坑与做题技巧

泰勒展开的“取项”原则

在证明不等式（如 $e^x\ge 1+x$）时，本质上是取了泰勒展开的前两项。如果需要更高精度的放缩，可以尝试取到 $\frac{x^2}{2}$ 项。

二阶导数的几何直观

$f^{\prime \prime }(x)>0$ 意味着 $f^{\prime }(x)$ 在递增，即切线的斜率在不断变大，图像表现为“向上开口”的趋势。

拐点不是极值点

极值点关注一阶导变号，拐点关注二阶导变号。一个点可以既是极值点又是拐点吗？不可以。因为极值点两侧导数异号，而拐点两侧二阶导异号。

Link to original

---

20.10 导数常用放缩模型与深度拓展

🟦 导数常用放缩模型与深度拓展

核心心法

“泰勒为源，切线为本”。绝大多数导数放缩公式本质上是函数在某点处的泰勒展开或切线放缩。在证明不等式时，选择合适的放缩精度（取到一次项还是二次项）是成败的关键。

---

1. 指数函数常用放缩 (Exponential Scaling)

• ① 基础切线放缩： $e^x\ge x+1$ （当且仅当 $x=0$ 时取等号）
• ② 二阶泰勒放缩 (精度更高)： $e^x\ge 1+x+\frac{1}{2}{x}^2$ （当 $x\ge 0$ 时成立）
• ③ 指数与幂函数结合： $e^x\ge ex$ （当 $x=1$ 时取等号，对应切线 $y=ex$）
• ④ 常见变式： $e^{x-1}\ge x$ 或 $x\ge 1+\ln x$

---

2. 对数函数常用放缩 (Logarithmic Scaling)

• ① 基础切线放缩： $\ln x\le x-1$ （当且仅当 $x=1$ 时取等号）
• ② 进阶双边放缩： $\frac{x-1}{x}\le \ln x\le x-1$ （$x>0$）
• ③ 常用高阶放缩： $\ln x\le 2(\sqrt{x}-1)$ （$x>0$）
• ④ 对数平均值不等式相关 (极高频)： $\ln x\le \frac{x^2-1}{2x}$ 或 $\ln x\ge \frac{2(x-1)}{x+1}$

---

3. 三角函数常用放缩 (Trigonometric Scaling)

• ① 正弦函数多级放缩： $x-\frac{x^3}{6}\le \sin x\le x$ （$x\ge 0$）
• ② 余弦函数二阶放缩： $1-\frac{x^2}{2}\le \cos x$ （$x\ge 0$）
• ③ 综合链式不等式： $\sin x\le x\le \tan x$ （$0\le x<\frac{\pi }{2}$）
• ④ 进阶变式： $\sin x\ge x\cos x$ （$x\in [0,\frac{\pi }{2}]$）

---

🚀 深度拓展：放缩的结构化模型

1. 指对跨界同构模型

利用 $e^x\ge x+1$ 与 $\ln x\le x-1$ 的对称性，常用于解决形如 $e^x-a\ln x$ 的最值估计：

• $e^x-\ln x\ge (x+1)-(x-1)=2$

2. 泰勒展开的系统化

上述放缩多为麦克劳林级数的前 $n$ 项：

• $e^x=1+x+\frac{x^2}{2!}+\frac{x^3}{3!}+\dots$
• $\sin x=x-\frac{x^3}{3!}+\frac{x^5}{5!}-\dots$
• $\ln (1+x)=x-\frac{x^2}{2}+\frac{x^3}{3}-\dots$ 技巧：若 $x\to 0$ 时需要极高精度，尝试保留更多项。

3. 对数偏导放缩 (Pade 逼近相关)

在处理极值点偏移问题时，常使用： $\ln \frac{x_1}{x_2}>\frac{2(x_1-x_2)}{x_1+x_2}$ 这是基于函数 $f(t)=\ln t-\frac{2(t-1)}{t+1}$ 的单调性。

---

⚠️ 考场避坑与做题技巧

放缩的“适度”原则

“能用一次不消二次”。如果 $e^x\ge x+1$ 就能证出来的题，千万不要用 $1+x+\frac{1}{2}{x}^2$，否则会引入不必要的高次项，导致后续求导极其复杂。

端点效应与取等条件

在使用放缩证明不等式 $f(x)>g(x)$ 时，必须确保 $f(x)$ 和 $g(x)$ 在某个端点处相等，且放缩后的函数在区间内严格大于目标。

先找“零”再放缩

绝大多数放缩都是在 $x=0$ 或 $x=1$ 附近进行的。如果题目给出的区间是 $(2,+\infty )$，通常需要通过变量代换（如令 $t=x-2$）将区间移至原点附近再行放缩。

Link to original

---

20.11 导数压轴题：对数单身狗与指数找基友

🟦 导数压轴题：对数单身狗与指数找基友

核心心法

“指对分离，化繁为简”。当函数解析式中同时出现多项式与 $e^x$ 或 $\ln x$ 时，直接求导往往会陷入死循环。通过“让对数独立”和“给指数配对”的构造思想，我们可以将原本复杂的变号判定转化为简单函数的单调性讨论。

---

一、 对数单身狗 (Logarithmic Separation)

1. 核心思想

“乘除变加减，孤立对数项”。 若函数 $f(x)$ 中含有 $\ln x$，多次求导后项数会指数级增加。此时应通过变形，将 $\ln x$ 项孤立（使其前面不含变量或只含常数），从而使求导后的式子中不再含有 $\ln x$，达到“降维”目的。

2. 处理技巧

• 模型：若有 $f^{\prime }(x)=g(x)\ln x+h(x)$。
• 动作：通过除以 $g(x)$（需保证非零），构造新函数 $\phi (x)=\ln x+\frac{h(x)}{g(x)}$。
• 效果：对 $\phi (x)$ 再次求导得 ${\phi }^{\prime }(x)=\frac{1}{x}+{\left[\frac{h(x)}{g(x)}\right]}^{\prime }$，此时 $\ln x$ 消失，只需讨论多项式的正负。

---

二、 指数找基友 (Exponential Pairing)

1. 核心思想

“加减变乘除，构造除法链”。 $e^x$ 的导数还是 $e^x$，这在加减运算中会导致 $e^x$ 项始终无法消除。通过构造“商”的形式，利用商的导数法则，可以将 $e^x$ 锁定在分母上作为正项因子，而分子部分则变成“导数与原函数之差”。

2. 处理技巧

• 模型：涉及 $e^x$ 与 $f(x)$ 的复合。
• 动作：构造 $G(x)=\frac{f(x)}{e^x}$ 或 $G(x)=f(x)e^{-x}$。
• 求导：$G^{\prime }(x)=\frac{f^{\prime }(x)-f(x)}{e^x}$。
• 效果：$e^x$ 恒大于 0，单调性完全由分子的 $f^{\prime }(x)-f(x)$ 决定。这在处理形如 $e^x>x^2+ax+b$ 的恒成立问题时极度高效。

---

🚀 深度拓展：变形模板与实战模型

1. “对数单身狗”的常见变式

针对含有 $\ln x$ 的不等式证明，常用以下构造路径：

• 路径 A：$\frac{f(x)}{\ln x}=g(x)$ （适用于对数在分母）
• 路径 B：$f(x)-\ln x=g(x)$ （适用于和差分离）
• 路径 C：$\ln x=\frac{h(x)}{k(x)}$ （隐零点代换的前奏）

2. “指数找基友”的进阶配对

不仅仅是 $e^x$，针对不同的指数底数，配对方式如下：

• 底数为 $a$：构造 $\frac{f(x)}{a^x}$ $⟹$ 分子出现 $f^{\prime }(x)-f(x)\ln a$。
• 复合型指数：若出现 $e^{2x}$，构造 $\frac{f(x)}{e^{2x}}$ $⟹$ 分子出现 $f^{\prime }(x)-2f(x)$。
• 幂指结合：若出现 $x^n{e}^x$，构造 $\frac{f(x)}{x^n{e}^x}$，可同时解决指数与幂函数的纠缠。

3. “指对双开”综合模型

当式中同时含有 $e^x$ 和 $\ln x$：

1. 先用“对数单身狗”将 $\ln x$ 转化为 $1/x$。
2. 再观察剩余部分是否满足“指数找基友”的结构。
3. 终极目标：将所有超越项转化为有理分式进行判定。

---

⚠️ 考场避坑与做题技巧

什么时候该用“单身狗”？

当你对原函数求导一次后，发现 $\ln x$ 前面还拖着一长串关于 $x$ 的函数，且二阶导数无法直接看号时，果断采用分离法，让 $\ln x$ 变单身。

注意定义域的“雷区”

进行“指数找基友”构造商式时，如果分母可能为 0（如构造 $\frac{f(x)}{x-1}$），必须在定义域内分区间讨论，防止出现分母为 0 的非法计算。

“基友”的选择决定运算量

并不是所有的 $e^x$ 都要除掉。如果原式是 $f^{\prime }(x)+f(x)>0$，应该构造 $f(x)e^x$（找积型基友）；只有当原式是 $f^{\prime }(x)-f(x)>0$ 时，才构造 $\frac{f(x)}{e^x}$（找商型基友）。

Link to original

---

Transclude of 20.12-极值点偏移

---

20.13 对数平均与指数平均不等式专题

🟦 对数平均与指数平均不等式专题

核心心法

“均值之间有层次，代换构造显神功”。对数平均不等式 $L(a,b)$ 是介于几何平均 $\sqrt{ab}$ 与算术平均 $\frac{a+b}{2}$ 之间的一个关键桥梁。在处理导数双变量问题时，通过比值代换或对称化构造，可以将原本抽象的变量关系转化为具体的函数单调性问题。

---

一、 对数平均不等式 (Logarithmic Mean, $L(a,b)$)

1. 定义与基本关系

对于两个正数 $a,b$，对数平均定义为： $L(a,b)=\{\begin{array}{ll}\frac{a-b}{\ln a-\ln b},& a\ne b\\ a,& a=b\end{array}$ 核心不等式链： $\sqrt{ab}\le L(a,b)\le \frac{a+b}{2}$ 即：几何平均 $\le$ 对数平均 $\le$ 算术平均。

---

2. 三种常见证明方法 (以 $a\ne b$ 为例)

法 1：对称化构造 (与极值点偏移挂钩)

令 $k=\frac{a-b}{\ln a-\ln b}$，构造函数 $f(x)=k\ln x-x$。

• 逻辑：由 $f(a)=f(b)$ 且 $f(x)$ 为单峰函数，利用极值点偏移的常规流程证明 $\sqrt{ab}<k<\frac{a+b}{2}$。

法 2：比值代换 (化双变量为单变量)

不妨设 $a>b$，令 $t=\frac{a}{b}>1$。

• 转化：原不等式等价于证明 $\sqrt{t}<\frac{t-1}{\ln t}<\frac{t+1}{2}$。
• 整理：即证 $\frac{2(t-1)}{t+1}<\ln t<\sqrt{t}-\frac{1}{\sqrt{t}}$，通过构造单变量函数即可秒杀。

法 3：主元法 (直接求导)

不妨设 $a>b$，证明左边时构造 $f(a)=\ln a-\ln b-\sqrt{\frac{a}{b}}+\sqrt{\frac{b}{a}}$。

• 导数分析：$f^{\prime }(a)=-\frac{(\sqrt{a}-\sqrt{b}{)}^2}{2a\sqrt{ab}}<0$，由单调性得 $f(a)<f(b)=0$。

---

二、 指数平均不等式 (Exponential Mean, $E(a,b)$)

1. 定义与基本关系

设 $a=e^m,b=e^n$，指数平均定义为： $E(a,b)=\{\begin{array}{ll}\frac{e^m-e^n}{m-n},& m\ne n\\ e^m,& m=n\end{array}$ 核心不等式链： $e^{\frac{m+n}{2}}\le \frac{e^m-e^n}{m-n}\le \frac{e^m+e^n}{2}$

---

2. 证明思路

证法一：由对数平均不等式直接推导

在 $L(a,b)$ 的链条中，直接令 $a=e^m,b=e^n$，代入 $\ln a=m,\ln b=n$ 即可瞬间得证。

证法二：直接构造函数证明 (双边突破)

• 左边证明：需证 $e^t-e^{-t}>2t$。构造 $g(t)=e^t-e^{-t}-2t$，求导得 $g^{\prime }(t)=e^t+e^{-t}-2\ge 0$。
• 右边证明：需证 $t>2\cdot \frac{e^t-1}{e^t+1}$。构造 $f(t)=t-2\cdot \frac{e^t-1}{e^t+1}$，求导得 $f^{\prime }(t)=\frac{(e^t-1{)}^2}{(e^t+1{)}^2}>0$。

---

⚠️ 考场避坑与做题技巧

对数平均值的“秒杀”信号

当你在导数压轴题中看到 $x_1,x_2$ 满足 $f(x_1)=f(x_2)$ 且涉及 $\frac{x_1-x_2}{\ln x_1-\ln x_2}$ 结构时，对数平均不等式就是最强的提示。

注意变量的取值范围

使用比值代换 $t=a/b$ 时，务必明确 $t>1$ 的限制，并在构造函数时检查端点值（通常是 $t=1$ 处）的连续性和极限。

指数平均的几何本质

$\frac{e^m-e^n}{m-n}$ 实际上是函数 $f(x)=e^x$ 图像上两点连线的斜率。根据拉格朗日中值定理，它等于某点 $\xi \in (n,m)$ 的导数 $e^{\xi }$。该不等式链本质上是对这个中值 $\xi$ 的范围估计。

Link to original