进阶导数题型

恒成立问题

函数模型

简单的恒成立问题：

f(x)\ge0 在定义域内恒成立 \iff f(x)_{\min}\ge0。
f(x)\le0 在定义域内恒成立 \iff f(x)_{\max}\le0。

对于任何单调函数，最值必在端点处取到：

单调函数 f(x)\ge0 在 [x_1,x_2] 上恒成立等价于 \begin{cases}f(x_1)&\ge0\\ f(x_2)&\ge0\end{cases}。
单调函数 f(x)\le0 在 [x_1,x_2] 上恒成立等价于 \begin{cases}f(x_1)&\le0\\ f(x_2)&\le0\end{cases}。

对任何一个函数 f(x)，若它在区间上是先减后增，则其最大值必在端点处取得，同理可得若函数在区间上先增后减，其最小值必在区间端点处取得：

若 a > 0，则 f(x) = ax^2 + bx + c \le 0 在 [x_1, x_2] 上恒成立等价于 \begin{cases}f(x_1)&\le0\\ f(x_2)&\le0\end{cases}。
若 a < 0，则 f(x) = ax^2 + bx + c \ge 0 在 [x_1, x_2] 上恒成立等价于 \begin{cases}f(x_1)&\ge0\\ f(x_2)&\ge0\end{cases}。

二次函数恒正、恒负的等价条件：

对一切实数 x，ax^2 + bx + c \ge 0 恒成立的条件是：

\begin{cases} a &> 0 \\ \Delta &\le 0 \end{cases}
对一切实数 x，ax^2 + bx + c \le 0 恒成立的条件是：

\begin{cases} a &< 0 \\ \Delta &\le 0 \end{cases}

绝对值函数：

函数 f(x)=|ax+b| 在 [x_1,x_2] 上的最大值必在端点处取到。
对于内部不是一次函数的，可以设处二次函数为 u，利用换元法解决，例如：

已知 t 为常数，函数 y=|x^2-2x-t| 在区间 [0,3] 上的最大值为 2，则 t=？

令 u=x^2-2x\in[-1,3]，则问题转化为求 t 大取值范围使得 |u-t| 在 [-1,3] 上的最大值为 2。

若最大值在 u=-1 取到，解得 t=1；若最大值在 u=3 取到，解得 t=1。故 t=1。

共零点法

对于含参恒成立问题

f(x)g(x)\ge0

容易知道，我们只需要让两个函数处处异号（或为零）即可。

首先验证当 x 趋近于正负无穷是否满足，然后就可以令 f,g 零点重合即可。

参变分离法

参变分离，即为将参数和变量分开，使不等式一边只有参数，另一边只含有变量，可以进行参变分离的一定是显式的。

例题：已知 y = xe^x + x^2 + 2x + a 恰有两个不同的零点，则 a 的取值范围为。

答案：由题意方程 xe^x + x^2 + 2x + a = 0 有两个不同的实根，分离参数 -a = xe^x + x^2 + 2x。令 f(x) = xe^x + x^2 + 2x，则函数 f(x) 的定义域为 \mathbb{R}，求导

f'(x) = (x+1)(e^x + 2)

当 x < -1 时，f'(x) < 0，f(x) 单调递减；当 x > -1 时，f'(x) > 0，f(x) 单调递增，所以函数 f(x) 在 x = -1 处取得极小值：

f(-1) = -\dfrac{1}{e} - 1

从而作出函数 f(x) 的图像，则 -a > -\dfrac{1}{e} - 1 时，函数 y = f(x) 的图像与直线 y = -a 有两个交点，所以

a < \dfrac{1}{e} + 1

例题：已知函数 f(x) = x(\ln x - ax) 有两个极值点，则实数 a 的取值范围为。

答案：函数 f(x) 的定义域为 x > 0，由题意 f'(x) = \ln x - 2ax + 1 有两个零点，分离参数

2a = \dfrac{\ln x + 1}{x}=g(x)

g'(x) = \dfrac{1 - \ln x - 1}{x^2} = \dfrac{-\ln x}{x^2}

当 0 < x < 1 时，g'(x) > 0，g(x) 单调递增；当 x > 1 时，g'(x) < 0，g(x) 单调递减，所以函数 g(x) 在 x = 1 处取得极大值 g(1) = 1。

当 x \to +\infty 时，g(x) \to 0；当 x \to 0 时，g(x) \to -\infty。当 0 < 2a < 1，即 0 < a < \dfrac{1}{2} 时，直线 y = 2a 与 y = g(x) 的图像有两个交点。

我们这一节的内容是恒成立问题，参变分离解决恒成立问题通常更加简单，直接把参数挪到一边，然后对另一边应用函数模型即可。

解决这类问题的方法分为三种，带着参数讨论、参变分离和半分参，下面讲解一下半分参。半分参的技巧性比较强，下面只介绍几种最经典的。

例题

若 f(x) = e^x - ax + 2a > 0 恒成立，求 a 的取值范围。

我们进行化简：

e^x > a(x-2)

我们发现此时如果进行参变分离，就要讨论 x-2 的符号，我们知道我们应当避免讨论自变量的符号，而应当讨论参数的符号（因为这也能帮我们确定参数的取值范围）。

因此我们令 g(x)=e^x，h(x)=a(x-2)。

当 a<0 时，g(x)>h(x) 不恒成立。
当 a=0 时 e^x>0 恒成立。
当 a>0 时：设 g(x) 与 h(x) 相切于点 (x_0,e^{x_0})，此时直线 h(x) 的斜率 a_0 就应当等于曲线在该点的切线斜率

a_0=e^{x_0}

根据斜率，写出：

\dfrac{e^{x_0}}{x_0-2}=e^{x_0}

解得 x_0=3，则 a_0=e^{x_0}=e^3。

综上，a\in [0, e^3)。

在半分参中，通常是一条直线和一条曲线，除非两条曲线是非常经典且简单的形式，这也可以用于预判是否可以使用半分参。

简单变形法

复杂的恒成立问题，优先考虑求导数的零点，如果很难求解，则通过下面两个方法：

与指数相关的恒成立问题，如果很难求导数的零点，则优先考虑将函数变形为 e^xf(x) 或 e^{-x}f(x) 的形式。
与对数相关的恒成立问题，如果很难求导数的零点，则优先考虑将函数变形为 f(x) + \ln g(x) 的形式。其思想精髓是将对数与其他函数分离，达到求导后可以摆脱对数的干扰。除了 f(x) + \ln g(x) 这种形式外，还有一种形式，求导后可以“甩掉”对数。

f(x)(\ln f(x) + C)

求导后的结果是：

f'(x)(\ln f(x) + C + 1)，

其中 C 为常数。显然其导数的零点与对数函数也无关。

因此，与对数函数相关的函数题中，首先考虑将函数变形为 f(x) + \ln g(x) 或 f(x)(\ln f(x) + C) 的形式。
不要一看到指数函数就想变形，因为某些与指数函数相关的问题就不需要变形也能求其极值点。
如果问题是让你求函数 f(x) 的最值、极值或者单调性之类的，则无论如何也不能变形，因为这会导致变形后的问题与原问题不等价。

例如如果要求

e^x+ax^2-x\ge\dfrac{1}{2}x^3+1

在 x\ge0 恒成立，不妨移项得到

e^x\ge\dfrac{1}{2}x^3-ax^2+x+1

再把 e^x 除过去，得到

\left\{\dfrac{\dfrac{1}{2}x^3-ax^2+x+1}{e^x}\right\}_{\max}\le1

恒成立，再用端点效应必要性探路即可解决。

必要性探路

一种解题方法，可应用于一类带参数的恒成立问题。求参数范围时，从满足题意的自变量范围内选择一个数，代入求得一个参数范围，此时这个范围是题意的必要条件。之后再设法证明该必要条件也是题意的充分条件，或者讨论别的点。若充分性也成立，则该范围是题意的充要条件，即为所求的范围。这种方法需从逻辑条件上进行理解，因为先得到的是必要条件，故称为必要探路法。

最常见的必要性探路为端点效应：我们把通过端点来缩小参数取值范围的方法称为端点效应，其思想是通过端点来缩小参数的取值范围。注意，端点效应只是缩小参数的取值范围，也就是说该范围只是恒成立的—个必要条件，而非充分条件。

利用端点效应解题的基本步骤如下：

首先由端点效应初步获得参数的取值范围，这个范围是必要的。
然后利用这个范围来判断函数是否单调。
如果函数单调，则由端点得到的范围就是最终答案；如果函数不单调，则再利用端点确定的范围进一步确定函数的最值。

具体的：

若 f(x) \ge 0 在 [a, b] 上恒成立，则由端点效应可知 \begin{cases}f(a) \ge 0\\ f(b) \ge 0\end{cases}。
若 f(x) > 0 在 [a, b] 上恒成立，则由端点效应可知 \begin{cases}f(a) > 0\\ f(b) > 0\end{cases}。
若 f(x) \ge 0 在 (a, b) 上恒成立，则由端点效应可知 \begin{cases}f(a) \ge 0\\ f(b) \ge 0\end{cases}。
若 f(x) > 0 在 (a, b) 上恒成立，则由端点效应可知 \begin{cases}f(a) \ge 0\\ f(b) \ge 0\end{cases}。

若函数 f(x)g(x) \ge 0 在 (a, b) 上恒成立，则：

若 f(x) 在 (a, b) 恒正（恒负），则 g(x) 在 (a, b) 也恒正（恒负）；
若 \alpha 是 f(x) 的变号零点，则 \alpha 也是 g(x) 的变号零点。

已知 f(x) \ge 0 在 [a, b]（或 (a, b)）上恒成立：

若 f(a) = 0，则 f'(a) \ge 0；
若 f(b) = 0，则 f'(b) \le 0。

如果导数为零，我们求二阶导：

f(x) \ge 0 在 [a, b] 上恒成立，若 f(a) = 0，f'(a) = 0，则 f''(a) \ge 0；若 f(b) = 0，f'(b) = 0，则 f''(b) \le 0。
f(x) \ge 0 在 [a, b] 上恒成立，若 f(a) = 0 且 f'(x) = g(x)h(x)，其中 g(x) \ge 0，则 h(a) \ge 0。

对于一小部分题目，可以直接观察使用端点效应等必要性探路，然后直接尝试证明充分性，可能直接证明。

隐零点问题

考虑不等式组

\begin{cases} f'(x_0) &= 0 &&①\\ f(x_0) &\ge 0 &&②\end{cases}

其中 f'(x_0) 和 f(x_0) 均含有参数 a。

有两种方式处理上面不等式组：

若①中的参数 a 和 x_0 容易分离：
- 首先在①中用零点 x_0 表示参数 a。
- 然后代入②来确定零点 x_0 的取值范围。
- 最后利用获得的零点 x_0 的范围和①确定参数 a 的取值范围。
- 既适合已知恒成立求参数范围的问题，也适用于不等式的证明。
若①不容易分离参数 a 和 x_0，或分离后结构复杂：
- 首先猜测方程组 \begin{cases} f'(x_0) = 0 \\ f(x_0) = 0 \end{cases} 的解 x_0。
- 然后由 f(x_0) \ge 0 和端点效应解出 a 的取值范围（该范围为最终的答案）。
- 最后证明在该范围下 f(x) \ge 0 恒成立。
- 注意这个只适合已知恒成立求参数范围的问题，不适于不等式的证明。

通常来说，我们设 x_0 为函数的零点，列出 f(x_0)=0 和要求的条件，组成方程组解方程即可。

如果函数的导数非常复杂，则考虑变换主元法：

首先由端点效应初步获得参数的取值范围，验证这个范围是否为最终范围；若不是，则判断函数的极值并获取参数的取值范围；
根据主元函数的形式，判断主元函数的单调性，然后求主元函数的最值（此最值应当是一个函数），最后判断该最值函数是否满足题中的不等式。

微分中值定理

罗尔中值定理

如果函数 f(x) 在 [a,b] 上连续，在开区间 (a,b) 可导，若 f(a)=f(b)，则存在 \xi\in(a,b)，使得

f'(\xi)=0

证明：函数 f(x) 在闭区间 [a,b] 一定可以取到最值，如果在开区间 (a,b) 上一点 \xi 取到，那么 \xi 就是极值点，根据费马引理，f'(\xi)=0。如果最值只能在区间端点取到，因为 f(a)=f(b)，所以 f(x) 的最大值和最小值相等，f(x) 为常函数，其导数永远为零。

罗尔中值定理的几何意义是：如果函数两个端点的函数值相等，那么函数图像上至少有一点的切线平行于 x 轴。

达布中值定理

达布中值定理，也成为导数的介值定理，介值定理表明，对于定义在闭区间上的连续函数，任取端点值之间的任意值，在区间内一定存在某个点使得函数在此处取该值；等价地，闭区间上的连续函数可以取到最大值和最小值之间的任意值。

如果函数 f(x) 在 [a,b] 上连续，在开区间 (a,b) 可导，假设 f'(a)<f'(b)，则对于任意 \eta\in(f'(a),f'(b))，都存在 \xi\in(a,b) 使得

f'(\xi)=\eta

在闭区间 [a,b] 上连续

直观含义：函数的图形从 x=a 到 x=b 是一条完整的、没有断裂的曲线。你可以用笔从头到尾把它画出来，而不需要抬起笔。

技术含义：
1. 函数在开区间 (a,b) 内的每一点都连续。
2. 函数在两个端点 a 和 b 也是连续的。
这保证了函数在区间的边界处行为是“可预测的”，没有发生跳跃或丢失。
在开区间 (a,b) 上可导

直观含义：函数的图形在 a 和 b 之间是光滑的，没有尖角或垂直的切线。在每一点，你都可以画出一条唯一的、非垂直的切线。

技术含义：对于 (a,b) 内的每一点 x，导数 f(x) 都存在且是一个有限值。这代表了函数在每一点的瞬时变化率都是明确的。
经典例子：

考虑函数 f(x) = \sqrt{1-x^2}，它的图像是单位圆的上半部分，定义域为 [-1,1]。

它在闭区间 [-1,1] 上是连续的，它在开区间 (-1, 1) 上是可导的。

但是在端点 x=-1 和 x=1 处，切线是垂直的，导数是无穷大，所以它在端点不可导。

这个函数满足“闭区间连续，开区间可导”的条件，因此所有基于这个条件的定理都对它适用。如果我们要求在闭区间 [a,b] 上可导，那么像 f(x) = \sqrt{1-x^2} 这样的函数就会被排除在外，定理的普适性就降低了。

我们只需要函数在内部是光滑的，就可以研究它的变化趋势。我们允许它在端点处变得“不光滑”（例如出现垂直切线）。

当你看到“函数在闭区间 [a,b] 上连续，在开区间 (a,b) 上可导”这个条件时，你的脑海里应该立刻响起警铃：“中值定理要来了！”

拉格朗日中值定理

拉格朗日中值定理是罗尔中值定理的推广：如果函数 f(x) 在 [a,b] 上连续，在开区间 (a,b) 可导，则存在 \xi\in(a,b)，使得：

f'(\xi)=\dfrac{f(b)-f(a)}{b-a}

证明：令直线方程 g(x) 过 (a,f(a)),(b,f(b)) 两点，则函数

g(x)=\dfrac{f(b)-f(a)}{b-a}(x-a)+f(a)

那么，令 F(x)=f(x)-g(x)，对 F(x) 使用罗尔中值定理，即可得到。

拉格朗日中值定理的几何意义是：函数图像上至少有一点的切线平行于函数两个端点的连线。

利用拉格朗日中值定理容易得到两个推论：

如果函数 f(x) 在区间 I 上可导，且对于任意 x\in I 都有 f'(x)=0，则 f(x) 在区间 I 上为常数。
如果函数 f,g 在区间 I 上可导，且对于任意 x\in I 都有 f'(x)=g'(x)，则 f,g 在区间 I 上相差一个常数。

柯西中值定理

柯西中值定理是拉格朗日中值定理的推广：如果函数 f,g 在闭区间 [a,b] 上连续，在开区间 (a,b) 上可导，且对任意 x\in(a,b) 都有 g'(x)\neq0，则存在 \xi\in(a,b)，使得

\dfrac{f'(\xi)}{g'(\xi)}=\dfrac{f(b)-f(a)}{g(b)-g(a)}

拉格朗日中值定理是 g(x)=x 时的特殊情况，证明也类似的设：

g(x)=\dfrac{f(b)-f(a)}{g(b)-g(a)}[g(x)-g(a)]+f(a)

应用罗尔中值定理即可得到。

柯西中值定理的几何意义是：用参数方程

\begin{cases} x&=g(t)\\y&=f(t) \end{cases}

表示的曲线上至少有一点的切线平行于曲线两个端点的连线。

导数与三角函数的深度策略

解决导数 + 三角问题，你的大脑中应该形成如下决策树：

宏观扫视：题目是超越函数混搭（e^x + \sin x）还是纯三角分式？
- 若是混搭 \implies 准备启用多阶求导法或端点必要性探路。
- 若是纯三角分式 \implies 立即寻找化简，利用 \sin^2 x + \cos^2 x = 1 进行代数换元降维。
微观操作（找零点）：
- 当一阶导符号不定时，不要停，继续求导，直到出现 e^x - \text{常数} 或 \cos x + \text{单调递增项} 这种符号极度明朗的结构。
- 逆向回推时，格式必须严密：\exists x_0 \in (a, b)，使得 f''(x_0) = 0，然后列表分析单调性。
高维校验：对于所有求参数取值范围且端点为已知常量（如 x=0）的题，在草稿纸上花 1 分钟用泰勒展开系数或连环求导代入 x=0 的方法找到临界值 a_0。这样在写大题步骤时，你就拥有了上帝视角，可以直接写出当 a \le a_0 时……当 a > a_0 时……。

你老师课件里的精华在于极其扎实的求导基本功和对放缩公式的灵活应用。希望这套超越步骤的高维视点，能帮你把这些散落的知识点串联成一张坚不可摧的逻辑网。下一次再看到 \sin x 和 e^x 放在一起，你的第一反应不应是头疼，而是兴奋地去寻找它们的泰勒阶数差异。

在导数压轴题中，三角函数（\sin x, \cos x）本质上扮演着扰动项或界限控制项的角色。

多阶同构性（求导的轮回）：\sin x 和 \cos x 的导数以 4 为周期循环。这意味着，一阶导数无法判断符号时，我们可以肆无忌惮地求二阶、三阶甚至四阶导，直至超越项（如 e^x, x^2）的符号彻底压制住三角函数的震荡（如课件中 f'''(x) = e^x - \sin x > 0）。
泰勒展开（降维打击）：超越函数在零点附近的本质是多项式。课件中大量引用的 1 - \frac{x^2}{2} \le \cos x \le 1 - \frac{x^2}{2} + \frac{x^4}{24}，其实质是用代数多项式去逼近、替换不可解的三角函数，从而实现非代数问题代数化。

题型突破与全路径方案设计

根据课件内容与历年高考/竞赛命题规律，我将导数与三角的结合归纳为三大核心模型：

混合函数的不等式证明与零点分布

以 2019 全国一卷理 f(x) = \sin x - \ln(1+x) 为例：三角函数与指对数直接加减，区间通常被限制在 (-\frac{\pi}{2}, \frac{\pi}{2}) 或 (0, \pi) 内，要求证明极值点唯一或零点个数。

基准路径：连环求导与隐零点代换。

遇阻即求导：一阶导 f'(x) = \cos x - \frac{1}{x+1}，无法直接判断符号。
升阶寻单调：继续求二阶、三阶，直到符号确定。

f''(x) = -\sin x + \frac{1}{(x+1)^2}，仍不明确。

f'''(x) = -\cos x - \frac{2}{(x+1)^3} < 0 在 (-1, \frac{\pi}{2}) 恒成立。
逆向回溯：既然三阶导恒负，说明二阶导单调递减；配合特殊值 f''(0) = 1 > 0, f''(\frac{\pi}{2}) < 0，存在唯一隐零点 x_0 使得 f''(x_0) = 0。继而推导出一阶导先增后减，结合端点值确定一阶导的隐零点，最终刻画出原函数的走势。

局限性：计算量大，考试时极易在多阶求导中出现符号错误。

高维路径：泰勒级数（麦克劳林）同阶对消。对于 x \to 0 附近的零点与极值问题，直接调用泰勒展开进行阶数分析：

已知 \sin x \approx x - \frac{x^3}{6}，\ln(1+x) \approx x - \frac{x^2}{2} + \frac{x^3}{3}。

f(x) = \sin x - \ln(1+x) \approx \frac{x^2}{2} - \frac{x^3}{2}

此时 f'(x) \approx x - \frac{3}{2}x^2 = x(1 - \frac{3}{2}x)。

在 x \to 0^+ 时，f(x) > 0 且存在一个极大值点位于 x \approx \frac{2}{3} 附近。这种泰勒预研能在你动笔前，让你像开卷考试一样清晰地知道函数的真实图像走势，随后再用基准路径的求导去严格书写，做到心中有数。

含参恒成立问题（参数范围求解）

特征识别：对于任意 x \in D，不等式 f(x, a) \ge 0 恒成立，且当 x = 0（或某特殊点）时，不等式恰好取等号（如课件中 xf(x) \ge \frac{3}{2}x^3 + 2\lambda x^2 + x 取 x=0 时两侧均为 0）。

绝对零误差的必要性探路（端点效应）：这类问题如果直接分离参数，通常会导致导数极度复杂。最优策略是在取等号的临界点挖掘参数的必要条件。

假设目标是 F(x) \ge 0 对 x \ge 0 恒成立，且 F(0) = 0。

一阶指纹：必然要求 F'(0) \ge 0（否则在 0^+ 处函数将递减变为负数）。
二阶指纹：若 F'(0) = 0，则必然要求 F''(0) \ge 0。
三阶指纹：若 F''(0) = 0，则必然要求 F'''(0) \ge 0。

实战推导（提取你的课件灵感）：

课件中 h(x) = e^x - \cos x - x^2 - x \ge 0 对 x \ge 0 恒成立。

我们用端点效应预判：

h(0) = 1 - 1 - 0 - 0 = 0

h'(0) = e^0 + \sin 0 - 2(0) - 1 = 0

h''(0) = e^0 + \cos 0 - 2 = 0

h'''(0) = e^0 - \sin 0 = 1 > 0

因为前两阶导数在 x=0 处均为 0，直到三阶导数为正，这意味着 h(x) 在 x=0 处是高阶接触，且开口向上。所以在充分性证明时，必须且只需从三阶导数 h'''(x) 开始起手，逆向积回去（即课件中先证 h'''(x) > 0，再证 h''(x) \uparrow 等等）。端点效应不仅给出了参数范围，还直接暴露了证明应该从第几阶导数开始写。

纯三角分式的代数化（变量替换降维）

特征识别：函数解析式中不仅包含 x，还包含由 \sin x, \cos x 构成的复杂分式（如课件最后一道题 f(x) = ax - \frac{\sin x}{\cos^3 x}）。

基准推导：直接对 \frac{\sin x}{\cos^3 x} 求导（使用商的导数法则 \frac{u'v - uv'}{v^2}）。

\left( \frac{\sin x}{\cos^3 x} \right)' = \frac{\cos x \cdot \cos^3 x - \sin x \cdot 3\cos^2 x(-\sin x)}{\cos^6 x} = \frac{\cos^2 x + 3\sin^2 x}{\cos^4 x}

此时导函数变为 f'(x) = a - \frac{\cos^2 x + 3\sin^2 x}{\cos^4 x}。面对这种多角杂糅的式子，大部分学生会陷入迷茫。

高维路径：同构齐次化与变元映射

对于纯三角分式，核心思想是消除异类，强制代数化。

观察到分子分母全是偶次项（\cos^2 x, \sin^2 x, \cos^4 x）。
利用 \sin^2 x = 1 - \cos^2 x 统一变量，得到 \frac{3 - 2\cos^2 x}{\cos^4 x}。
灵魂换元：令 t = \cos^2 x。因为 x \in (0, \frac{\pi}{2})，所以 t \in (0, 1)。

此时，原先恶心的三角导函数，瞬间降维成了初中级别的单变量代数函数：

g(t) = a - \frac{3 - 2t}{t^2}

接下来只需研究 y = \frac{3 - 2t}{t^2} = 3\left( \frac{1}{t} \right)^2 - 2\left( \frac{1}{t} \right) 在 t \in (0, 1) 上的值域即可。这种方法避开了三角函数震荡带来的符号分析灾难，是顶级高手的常用伎俩。

精密计算与放缩的边界控制

在三角放缩中，你必须背熟以下几个切线放缩与面积放缩的黄金不等式，它们是构建逻辑链的积木：

绝对壁垒（一阶）：
- 对于 x > 0：\sin x < x < \tan x（几何意义：单位圆的弧长夹在弦与切线之间）。
- 推论：\frac{\sin x}{x} < 1。
二阶/三阶逼近：
- x - \frac{x^3}{6} < \sin x < x (x > 0)
- 1 - \frac{x^2}{2} < \cos x < 1 - \frac{x^2}{2} + \frac{x^4}{24} (x \neq 0)
- \cos x > 1 - \frac{x^2}{2} 在很多需要抵消 x^2 项的题目中是救命稻草（见课件的图 1 与图 18）。

在使用放缩定理（如 \cos x \ge 1 - \frac{x^2}{2}）直接替换掉原式进行证明时，必须检验等号成立的条件是否与原问题匹配。如果题目要求严格大于，而你在某点取了等号，且导数恰好也为 0，那么放缩就是失真的（过放缩），此时必须退回到老老实实的多阶求导法。

导数与不等式的恒成立问题

恒成立问题显式完全分参法

恒成立问题隐式不完全分参法

恒成立问题的同构法解决

导数与双变量问题

双变量问题与极值点偏移做法

双变量问题与中值定理的结合

当遇到形如 |f(x_1)-f(x_2)| < m|g(x_1)-g(x_2)| 的双变量不等式时，柯西中值定理是真正的「降维打击」武器。其核心思想是将双变量差商问题瞬间转化为单变量导数比的最值问题。

题型识别与核心思想

【结构指纹】：

出现 |f(x_1)-f(x_2)| 与 |g(x_1)-g(x_2)| 的双变量结构。
通常通过绝对值或乘积伪装。
g(x) 必须在定义域内严格单调（保证 g'(x) \neq 0）。

本质：用 g 的变化量衡量 f 的变化量，所需的最大比例（常数）是多少？

柯西中值定理的几何本质

定理：若 f, g 在 [a, b] 连续、在 (a, b) 可导，且 g'(x) \neq 0，则存在 c \in (a, b) 使

\frac{f(b)-f(a)}{g(b)-g(a)} = \frac{f'(c)}{g'(c)}

【高维直观】：不要把 f 和 g 看作两个孤立的函数！把它们看作一条参数方程曲线：X = g(t), Y = f(t)。等式左边 \dfrac{f(b)-f(a)}{g(b)-g(a)} 是这条参数曲线在参数为 a 和 b 时的割线斜率 \dfrac{\Delta Y}{\Delta X}；等式右边 \dfrac{f'(c)}{g'(c)} 正是这条参数曲线在参数为 c 时的切线斜率 \dfrac{dY}{dX}。柯西中值定理的本质，就是把两种不同变化率的较量，瞬间坍缩成了单一变量导数比值的最值问题。

标准解题四步法则

脱去绝对值，构造柯西差商

原则：确定单调性，大减小。设 x_1 < x_2。因为 f(x) 严格递减，所以 f(x_1) > f(x_2)。因为 g(x) = \ln x 严格递增，所以 \ln x_1 < \ln x_2。

原不等式化为：f(x_1)-f(x_2) < m(g(x_2)-g(x_1))。同除以 (g(x_2)-g(x_1))（此项大于 0），强行构造出柯西差商：

$ -\frac{f(x_1)-f(x_2)}{g(x_1)-g(x_2)} < m $
召唤柯西，双变量坍缩为单变量

根据柯西中值定理，对任意的 x_1 < x_2，必存在一个 \xi \in (x_1, x_2)，使得：

$ \frac{f(x_1)-f(x_2)}{g(x_1)-g(x_2)} = \frac{f’(\xi)}{g’(\xi)} $

原双变量不等式瞬间坍缩为关于 \xi 的单变量不等式。
单变量求最值

设目标函数 H(x) = \dfrac{f'(x)}{g'(x)}，求 M = \max_{x \in I} |H(x)|。
参数范围确定

为保证不等式恒成立，显然参数 m 必须位于这个最大值之上，即 m \ge M。

严格不等式的处理

为什么严格不等号（<）能推导出闭区间参数（\ge）？这是用中值定理时，99% 的学生（甚至部分老师）会感到心虚的地方。

【核心洞察】：柯西差商的积分本质是

$ \frac{f(x_2)-f(x_1)}{g(x_2)-g(x_1)} = \frac{\int_{x_1}^{{x_2} f’(t) dt}{\int_{x_1}}{x_2} g’(t) dt} = \frac{\int_{x_1}^{{x_2} H(t)g’(t) dt}{\int_{x_1}}{x_2} g’(t) dt} $

如果 g'(t) > 0（比如 g(x) = \ln x 的 1/t > 0），那么柯西差商本质上是目标函数 H(t) 以 g'(t) 为权重的加权平均值！既然 H(t) 的理论最大值是 M，且它只在孤立的一点处取得。那么在任何一个长度大于 0 的区间 [x_1, x_2] 上求加权平均值，因为不能全区间都等于最大值，被其他较小的值一平均，整个积分平均值必定严格小于最大值 M！

进阶技巧——换元视角

令 t = g(x)，设 F(t) = f(g^{-1}(t))，则原不等式转化为标准 Lipschitz 形式：

$ |F(t_1) - F(t_2)| \le m|t_1 - t_2| $

这就是标准意义下的 Lipschitz：m 是 F 在 t 坐标下的 Lipschitz 常数上界。并且 F'(t) = \dfrac{df}{dg} = \dfrac{f'(x)}{g'(x)}。所以最小可行 m 自然就是 m_{\min} = \max_{x \in I} |\dfrac{f'(x)}{g'(x)}|。

例题串讲

例 1：普通 MVT 原型（g(x) = x）

证明对 x_1 \neq x_2 \in [0, \pi/2]，|\sin x_1 - \sin x_2| \le |x_1 - x_2|。

用 MVT：存在 c 使 \dfrac{\sin x_1 - \sin x_2}{x_1 - x_2} = \cos c，所以 \dfrac{|\sin x_1 - \sin x_2|}{|x_1 - x_2|} = |\cos c| \le 1。因此常数最小是 1。

例 2：对数原型（g(x) = \ln x）

若要控制 \dfrac{|f(x_1)-f(x_2)|}{|\ln x_1 - \ln x_2|}，柯西 MVT 直接给 \dfrac{f(x_1)-f(x_2)}{\ln x_1 - \ln x_2} = \dfrac{f'(c)}{1/c} = cf'(c)。所以问题必然转成：求区间上 \max|xf'(x)|。

例 3：反三角原型（g(x) = \arctan x）

若题目是：|f(x_1)-f(x_2)| \le m|\arctan x_1 - \arctan x_2|，x_1, x_2 \in [0, 1]。

柯西 MVT 给出：\dfrac{f(x_1)-f(x_2)}{\arctan x_1 - \arctan x_2} = \dfrac{f'(c)}{1/(1+c^2)} = (1+c^2)f'(c)。于是最小常数就是 m_{\min} = \max_{x \in [0, 1]} |(1+x^2)f'(x)|。

导师认知总结：何时果断拔出柯西中值定理这把剑？请认准以下三大特征指纹：

同构的双变量结构：存在明显的 F(x_1)-F(x_2) 与 G(x_1)-G(x_2) 关联
极化单调性：分母上的函数 G(x) 必须在定义域内严格单调
求导后易于降维：F'(x) 和 G'(x) 的比值是一个能够轻松求出最值的单变量函数

当你掌握了柯西中值定理的加权平均值本质，你就再也不会被不等式能否取等号这种边界陷阱所困扰，实现了从机械算力到高维直觉的真正跨越。

泰勒展开：导数题的“上帝视角“

高中导数证明题的本质矛盾是：你知道要构造辅助函数，但不知道构造哪个。 泰勒展开彻底消解了这个矛盾——它把一切函数的局部行为都还原成了多项式。

命题人往往是在草稿纸上用泰勒公式把多项式和超越函数（e^x, \ln x, \sin x, \cos x）捏合在一起，然后再把尾巴（余项）掐掉或者变形，包装成一道高考题。如果不懂泰勒公式，只能像走迷宫一样盲目求导；而一旦掌握了泰勒的“高维视角“，不仅能瞬间看透命题人的意图，还能精确预判需要求导几次、参数的临界值是多少。

泰勒公式的核心框架

泰勒公式（Taylor’s Theorem）：若 f 在 x = a 处足够光滑，则

f(x) = \underbrace{f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 + \cdots + \frac{f^{(n)}(a)}{n!}(x-a)^n}_{T_n(x)\text{：泰勒多项式}} + \underbrace{\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-a)^{n+1}}_{R_n(x)\text{：拉格朗日余项}}

其中 \xi 严格介于 a 与 x 之间。

泰勒公式赋予三件武器：

泰勒多项式 T_n(x)：告诉你应该构造什么辅助函数——h(x) = f(x) - T_n(x)。
余项的阶数 n+1：告诉你需要求导几次——层层求导的层数。
余项的符号：告诉你不等号的方向——是 > 还是 <。

核心方法论：当你看到类似 “f(x) \geq 某多项式“的不等式时，检查该多项式是否恰好是 f 在某点的泰勒多项式；如果是，余项符号直接决定不等号方向；据此反推高中解法。

放缩武器库：常见函数的泰勒展开

指数函数 e^x

e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots

由于所有系数为正，余项 R_n(x) = \frac{e^\xi}{(n+1)!}x^{n+1}，关键在 x^{n+1} 的符号：

截断阶 n = 1（★）：e^x \geq 1+x，对所有 x 成立（R_1 = \frac{e^\xi}{2}x^2 \geq 0 恒成立）。
截断阶 n = 2：e^x \geq 1+x+\frac{x^2}{2}，仅对 x \geq 0 成立（R_2 = \frac{e^\xi}{6}x^3，需 x \geq 0）。
截断阶 n = 3（★）：e^x \geq 1+x+\frac{x^2}{2}+\frac{x^3}{6}，对所有 x 成立（R_3 = \frac{e^\xi}{24}x^4 \geq 0 恒成立）。

记忆规律：n 为奇数时，余项含 x^{\text{偶数}}，全局成立；n 为偶数时，余项含 x^{\text{奇数}}，仅单侧成立。

对数函数 \ln(1+x)（x > -1）

\ln(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \cdots

系数交替变号！对 x > 0，部分和交替夹逼：

\underbrace{x - \frac{x^2}{2}}_{\text{下界}} < \ln(1+x) < \underbrace{x}_{\text{上界}}

\underbrace{x - \frac{x^2}{2} + \frac{x^3}{3}}_{\text{上界}} > \ln(1+x) > \underbrace{x - \frac{x^2}{2}}_{\text{下界}}

在 x = 1 处展开 \ln x：

截断阶 n = 1（★★★）：\ln x \leq x-1，对所有 x > 0 成立。
截断阶 n = 2：\ln x \geq (x-1) - \frac{(x-1)^2}{2}，对 x \geq 1 成立。
等价形式：\ln x \geq \frac{2(x-1)}{x+1}（Padé 逼近，更精准），对 x > 0 成立。

三角函数（x \in (0, \frac{\pi}{2})）

\sin x: \quad x - \frac{x^3}{6} < \sin x < x

\cos x: \quad 1 - \frac{x^2}{2} < \cos x < 1

规律：每多展一项，上下界交替翻转，精度逐步提高。

最常用放缩速查表

\boxed{e^x \geq 1+x} \qquad \boxed{\ln x \leq x-1} \qquad \boxed{\sin x < x (x>0)} \qquad \boxed{1-\frac{x^2}{2} < \cos x}

这四个不等式是绝大多数高考导数放缩题的原子组件。一切复杂放缩，都是它们的组合、嵌套或升阶。

策略一：定阶定策——求导几次心中有数

设要证 f(x) \geq g(x)，令 h(x) = f(x) - g(x)，在等号成立点 x = a 处展开：

h(a) = 0, \quad h'(a) = 0, \quad h''(a) = 0, \quad \ldots, \quad h^{(k-1)}(a) = 0, \quad h^{(k)}(a) \neq 0

则 k 就是需要求导的次数（即“接触阶数“）。高中证明中，要从 h^{(k)} 的符号出发，逐层回推到 h 的符号。

一句话：泰勒展开帮你数清楚要求几次导，避免“多求“浪费时间，或“少求“误入歧途。

例题：证明 e^x \geq 1 + x + \frac{x^2}{2}（x \geq 0）。

泰勒诊断：

h(x) = e^x - 1 - x - \frac{x^2}{2}

h(0) = 0, \quad h'(0) = e^0 - 1 - 0 = 0, \quad h''(0) = e^0 - 1 = 0, \quad h'''(0) = 1 > 0

诊断结果：接触阶为 3，需要求导 3 次。

高中规范解：

h'''(x) = e^x > 0 (x \geq 0)
\implies h''(x) 在 [0, +\infty) 单调递增，又 h''(0) = 0
\implies h''(x) > 0 (x > 0)
\implies h'(x) 在 [0, +\infty) 单调递增，又 h'(0) = 0
\implies h'(x) > 0 (x > 0)
\implies h(x) 在 [0, +\infty) 单调递增，又 h(0) = 0
\implies h(x) \geq 0 (x \geq 0)

高中的“层层求导法“本质上就是泰勒余项定理的逐步证明过程。泰勒公式告诉你应该从第几阶导数开始写，避免盲目试探。

策略二：逆向工程——从展开式反推构造

这是泰勒视角最强大的能力：面对一个复杂不等式，能“看穿“命题人的出题意图。

例题：证明 (1+x)^2 > e^x(\sin x + \cos x)，x \in (0, \frac{\pi}{2})。

逆向工程过程：设 g(x) = e^x(\sin x + \cos x)，在 x = 0 展开：

g(0) = 1, \quad g'(0) = 2, \quad g''(0) = 2

T_2(x) = 1 + 2x + x^2 = (1+x)^2

命题人的秘密暴露了：右边 (1+x)^2 就是 g(x) 在 x = 0 处的二阶泰勒多项式！

余项：

R_2(x) = \frac{g'''(\xi)}{6}x^3 = \frac{-4e^\xi\sin\xi}{6}x^3

\xi \in (0, x) \subset (0, \frac{\pi}{2}) 时，e^\xi > 0，\sin\xi > 0，x^3 > 0，所以 R_2 < 0。

g(x) = (1+x)^2 + R_2(x) < (1+x)^2

在高考中直接使用泰勒公式超纲，但可以利用这个高维视角迅速确立“必须求导到三阶“的策略，然后用“构造函数 + 连续求导“的方式将它合法化。

策略三：端点效应秒求参数临界值

这是泰勒公式在高考压轴题中最具破坏力的应用。很多“恒成立求参数范围“的题目，参数的临界值就藏在泰勒展开的系数里。

经典例题：已知对任意 x \geq 0，都有 e^x \geq ax + 1 恒成立，求实数 a 的取值范围。

泰勒视角：

把 e^x 展开：1 + x + \frac{1}{2}x^2 + \cdots \geq ax + 1

化简得到：(1-a)x + \frac{1}{2}x^2 + \cdots \geq 0

当 x 趋近于 0（极小正数）时，高次项 \frac{1}{2}x^2 都可以忽略不计，起决定作用的是最低次项的系数。要保证它恒大于等于 0，必须有 1 - a \geq 0，瞬间得到 a \leq 1（必要条件）。

升级例题：已知当 x \geq 0 时，\ln(x+1) \leq x - ax^2 恒成立，求 a 的取值范围。

泰勒视角：

展开 \ln(x+1)：x - \frac{1}{2}x^2 + \frac{1}{3}x^3 - \cdots \leq x - ax^2

化简得到：(a - \frac{1}{2})x^2 + \frac{1}{3}x^3 - \cdots \leq 0

当 x \to 0^+ 时，x^2 是主导项，必须要求其系数 \leq 0。所以 a - \frac{1}{2} \leq 0，瞬间秒得 a \leq \frac{1}{2}。

策略总结：在 x = 0 处相切的恒成立问题，直接用泰勒展开比对系数，常数项对常数项，一次项对一次项，二次项对二次项，一目了然，能省去长达 10 分钟的盲目分类讨论。

策略四：实例——泰勒展开解决极值点偏移

题目：已知 x_0 是函数 f(x) = e^x\sin x - ax 在 (0, \frac{\pi}{2}) 内的极小值点，求证 x_0 > \sqrt{a} - 1。

第一步：提取核心等式。极值点必然是导数为零的点（费马引理）：

f'(x) = e^x(\sin x + \cos x) - a

f'(x_0) = 0 \implies a = e^{x_0}(\sin x_0 + \cos x_0)

题目要求证明 x_0 > \sqrt{a} - 1，变形后等价于证明：

a < (x_0 + 1)^2

将核心等式代入，目标转化为证明一个纯变量的超越不等式：

$e^x(\sin x + \cos x) < x^2 + 2x + 1$，$x \in (0, \frac{\pi}{2})$

第二步：泰勒逆向工程。设 g(x) = e^x(\sin x + \cos x)，在 x = 0 处展开：

g(0) = 1, \quad g'(0) = 2, \quad g''(0) = 2

T_2(x) = 1 + 2x + x^2 = (x+1)^2

右边的多项式 (x+1)^2 恰好就是 g(x) 在 x = 0 处的二阶泰勒多项式——这绝非巧合，而是命题人的设计意图。

余项：R_2(x) = \frac{g'''(\xi)}{6}x^3，其中 g'''(\xi) = -4e^\xi \sin \xi。

因为 x \in (0, \frac{\pi}{2}) 时，\xi \in (0, x) \subset (0, \frac{\pi}{2})，所以 e^\xi > 0，\sin\xi > 0，x^3 > 0。

R_2(x) = \frac{-4e^\xi \sin\xi}{6}x^3 < 0

所以 g(x) = (x+1)^2 + R_2(x) < (x+1)^2，即 a < (x_0 + 1)^2，直接得到 x_0 > \sqrt{a} - 1。

第三步：翻译为高中解法。泰勒公式虽然不能写在答卷上，但它预判了证明路径——必须求导到三阶。高中规范写法：

令 F(x) = (x+1)^2 - e^x(\sin x + \cos x)，需证 F(x) > 0。

F'(x) = 2(x+1) - 2e^x\cos x，F'(0) = 0
F''(x) = 2 - 2e^x(\cos x - \sin x)，F''(0) = 0
F'''(x) = 4e^x\sin x > 0（对 x \in (0, \frac{\pi}{2})）

层层回推：

F'''(x) > 0 \implies F''(x) \uparrow \implies F''(x) > F''(0) = 0

\implies F'(x) \uparrow \implies F'(x) > F'(0) = 0

\implies F(x) \uparrow \implies F(x) > F(0) = 0

高考答卷上呈现的是标准的“层层求导 + 逆推单调性“满分答案，但其背后不过是泰勒公式一层一层穿上多项式的“衣服“而已。

方法论总结：泰勒思维的四步工作流

定位（Locate）：找到等号成立点 x = a（通常是 0 或 1），令 h(x) = f(x) - g(x)，计算 h(a)。
定阶（Order）：逐阶计算 h'(a), h''(a), \ldots，找到第一个不为零的 h^{(k)}(a)，k 就是需要求导的次数。
定向（Direction）：判断 h^{(k)}(a) 的符号，结合 (x-a)^k 的符号（考虑 x 在 a 的哪一侧），确定不等号方向。
翻译（Translate）：用高中语言写出证明——“令 h(x) = \ldots，求导 k 次，逐层回推单调性”。

速查决策表：

遇到 e^x \geq 多项式：识别为 e^x 的泰勒截断，高中翻译为层层求导法。
遇到 \ln x \leq 多项式：识别为 \ln x 的泰勒截断，构造 h(x) 求极值。
遇到 f(x) \geq f(a) + f'(a)(x-a)：一阶泰勒 + 凸性，即切线放缩。
遇到 f(x_1) = f(x_2)，证 x_1+x_2 的范围：中点展开 + 三阶导符号，即对称性 + 凸性分析。
遇到 \sum a_k 的界：逐项 \ln(1+x) \lessgtr x，伸缩求和。

泰勒展开不是用来在试卷上炫技的，它是大脑中的雷达。当其他同学在茫茫题海中试错、分类讨论时，泰勒公式能让你一眼看到终点，告诉你：“向左走（该如何放缩），走三步（求导三次），必定到达目标（得出符号）。” 这才是用高等数学降维打击高中数学的核心奥义。

等式与不等式的同构与导数同构化构造

凹凸性与 Hermite-Hadamard 不等式

函数的凹凸性（Convexity）是导数考察中用于寻找“界限”的核心工具。函数的凹凸性是导数压轴题中用于寻找“界限”的核心几何工具。为了避免国内教材中“凹”与“凸”定义的语义冲突，本文统一采用直观的下凸与上凸进行描述。

下凸函数 (Convex)

若函数 f(x) 的图像呈现“向上开口”的 \cup 型形态（如 y = x^2, y = e^x, y = 1/x），则称其为下凸函数。

几何本质：割线始终在弧线上方，切线始终在弧线下方。
判据：f''(x) > 0。
Jensen 不等式：f\left( \dfrac{x_1 + x_2}{2} \right) \le \dfrac{f(x_1) + f(x_2)}{2}。

上凸函数 (Concave)

若函数 f(x) 的图像呈现“向下开口”的 \cap 型形态（如 y = \ln x, y = \sqrt{x}, y = \sin x），则称其为上凸函数。

几何本质：割线始终在弧线下方，切线始终在弧线上方。
判据：f''(x) < 0。
Jensen 不等式：f\left( \dfrac{x_1 + x_2}{2} \right) \ge \dfrac{f(x_1) + f(x_2)}{2}。

基于凹凸性的切线放缩

切线放缩的核心思想是：**利用线性函数（一次函数）去局部逼近复杂的非线性函数。**这种方法在证明“函数恒大于 \dots”或“存在性证明”中具有极高的实战价值。

设函数 f(x) 在点 x_0 处可导，其切线方程为 y = f(x_0) + f'(x_0)(x - x_0)。

下凸平移性：若 f(x) 是下凸的（f'' > 0），则曲线始终位于切线的上方：

f(x) \ge f(x_0) + f'(x_0)(x - x_0)
上凸限制性：若 f(x) 是上凸的（f'' < 0），则曲线始终位于切线的下方：

f(x) \le f(x_0) + f'(x_0)(x - x_0)

等号成立的充要条件通常为 x = x_0。

常备黄金切线不等式：以下是在压轴题中可以直接调用的“母函数”级缩放。

指数母函数 (下凸)：e^x \ge x + 1。
- 在 x = 0 处取得等号。
- 平移形式：e^{x - 1} \ge x。
对数母函数 (上凸)：\ln x \le x - 1 (x > 0)。
- 在 x = 1 处取得等号。
- 变形形式：\ln(x + 1) \le x。
双曲/指数混合 (下凸)：e^x \ge ex。
- 在 x = 1 处取得等号（非常规切线，常用于参变分离的边界判定）。

找点心法：取等做切。证明 f(x) \ge g(x) 时，若直接求导困难，可遵循以下路径，

观察或猜测一个特殊的 x_0，使得 f(x_0) = g(x_0)。
在 x_0 处做 f(x) 的切线 L(x)。
若能证明 f(x) \ge L(x) \ge g(x)，则利用切线的传递性完成放缩证明。

Hermite-Hadamard 积分不等式

H-H 不等式是连接凹凸性与积分的桥梁，其本质是**“面积三明治”**。对于区间 [a, b]：

下凸引擎 (\cup)：

f\left( \dfrac{a + b}{2} \right) \le \dfrac{1}{b - a} \int_a^b f(x) \d x \le \dfrac{f(a) + f(b)}{2}
上凸引擎 (\cap)：

f\left( \dfrac{a + b}{2} \right) \ge \dfrac{1}{b - a} \int_a^b f(x) \d x \ge \dfrac{f(a) + f(b)}{2}

口诀：中点评估、积分平均、端点评估（梯形）。下凸则递增顺序，上凸则递减顺序。

全量代入与经典不等式

幂函数系列：

二次函数 f(x) = x^2：

\dfrac{(a + b)^2}{4} \le \dfrac{a^2 + ab + b^2}{3} \le \dfrac{a^2 + b^2}{2}
反比例函数 f(x) = 1/x：

\dfrac{2ab}{a + b} \le \dfrac{b - a}{\ln b - \ln a} \le \dfrac{a + b}{2} \implies \mathbf{H \le L \le A}
根号函数 f(x) = \sqrt{x}：

\sqrt{\dfrac{a + b}{2}} \ge \dfrac{2(b\sqrt{b} - a\sqrt{a})}{3(b - a)} \ge \dfrac{\sqrt{a} + \sqrt{b}}{2}

指对函数系列：

指数函数 f(x) = e^x：

e^{\dfrac{a+b}{2}} \le \dfrac{e^b - e^a}{b - a} \le \dfrac{e^a + e^b}{2}

在对数坐标 [\ln a, \ln b] 下：\sqrt{ab} \le \dfrac{b - a}{\ln b - \ln a} \le \dfrac{a + b}{2} \implies \mathbf{G \le L \le A}。
对数函数 f(x) = \ln x：

\dfrac{a + b}{2} \ge \dfrac{1}{e} \left( \dfrac{b^b}{a^a} \right)^{\dfrac{1}{b-a}} \ge \sqrt{ab} \implies \mathbf{A \ge I \ge G}

三角函数系列 (x \in (0, \pi))：

正弦函数 f(x) = \sin x：

\sin\left( \dfrac{a + b}{2} \right) \ge \dfrac{\cos a - \cos b}{b - a} \ge \dfrac{\sin a + \sin b}{2}

深度整合之均值的几何生成与五均值链

五均值大一统链条 (H-G-L-I-A)

\mathbf{H \le G \le L \le I \le A}

各环节均可由不同坐标系下的 H-H 不等式精确生成。
坐标系换元与中点映射
- 线性坐标下：中点 \to 算术均值 A。
- 对数坐标下：中点 \to 几何均值 G。
这解释了为什么 \sqrt{ab} 不直接对应上凸函数，它是对数变换后下凸函数 e^u 的中点。

认知复盘与解题模型

遇到差分商 \dfrac{g(b) - g(a)}{b - a}，第一反应应是：**“这是谁的积分平均？”**通过锁定母函数 f(x) = g'(x) 的凹凸性，配合 H-H 引擎，可实现对复杂结构的瞬间夹逼。

掌握 H-H 引擎，即掌握了不等式生成的元逻辑。这种从几何直观出发的洞察力，是提升数学任督二脉的关键。

切线放缩 (局部逼近)
- e^x \ge x + 1 (于 x=0)
- \ln x \le x - 1 (于 x=1)
- e^x \ge ex (于 x=1)
双曲函数代换 (对称性秒杀)

设 x_1 = ce^v, x_2 = ce^{-v}，将对数均值转换为：

L = c \cdot \dfrac{\sinh v}{v}

原不等式链简化为：1 < \dfrac{\sinh v}{v} < \cosh v。
积分本质直观 (曲边面积)：不涉及复杂求导，仅凭“下凸曲线真实面积小于梯形面积”即可洞穿不等式的底牌。

RainPPR, Bot