圆锥曲线与导数的收官

本书怎么读：一章二十五页

全书按「章」前进，每章恰好二十五页。理论章的节奏是：第 1 页溯源（这个概念在人类文明里是怎么长出来的）、第 2–9 页讲义（定义、定理与法则，一条一条立起来）、第 10–13 页研讨（四个思辨问题，像小型读书会）、第 14–17 页例题（例 1–例 4，带完整解答）、第 18 页思想卡（一页只说一个数学思想）、第 19–22 页研究（四页研究任务单：建模、探究、写作、答辩）、第 23–25 页挑战·复盘·迁移。游戏与实践册的节奏是：导入→操作×4→专题×5→研讨×4→项目×5→思想卡→深读×3→复盘→展示。

写法约定（TEX 标准）：分数写成上下两层的 12；绝对值写成 |−3| ＝ 3；未知数用字母 x，方程写作 3x ＋ 5 ＝ 20；不等号 ＞ ＜ ≥ ≤ ≠ 各就各位；平方根写作 √2，平方与立方用小肩数字 x²、a³；点坐标写作 (2, −1)；函数写作 y ＝ 2x − 1；圆周率 π ≈ 3.14。中括号写成 ［　］，比例号 ∶。

导入：收官之战：曲线的全貌

公元前约 200 年，阿波罗尼奥斯（Apollonius of Perga）写下了《圆锥曲线论》八卷。他做了一件极其大胆的事：用一个平面去截一个双圆锥面，把截出来的曲线按形状分成三类，并分别命名为 ἔλλειψις（亏）、παραβολή（齐）、ὑπερβολή（盈）。这三个希腊词的现代译名是椭圆、抛物线、双曲线——而它们的字面意思，恰恰是「差一点」「刚好」「多出来」。

这个命名泄露了古希腊人的思路：他们不是先有方程再画图，而是先有图形，再从图形里量出「亏、齐、盈」。一千八百年后，笛卡尔给出坐标，这三条曲线终于有了统一的代数身份证——二次方程：Ax² ＋ Bxy ＋ Cy² ＋ Dx ＋ Ey ＋ F ＝ 0。到这一刻，「截圆锥」这件事被翻译成了「解方程」。

还有一个漂亮的小证据说明这两条路是通的：1822 年，比利时人丹德林（Dandelin）在圆锥里塞进两个内切球，让它们分别与截面相切于 F₁、F₂。圆锥的母线在球上切出的圆把母线切成两段，两段之和恒等于两个切圆之间的固定长度。于是阿波罗尼奥斯的截线，就是到两个定点距离之和为定值的点集——焦点的秘密被一个初中几何图形揭穿了。这就是本册的思想主线「勾股」的现代版本：形体与代数互相翻译。

中国古代没有走这条路，但走了一条相通的另一条。刘徽在《海岛算经》里用「双表测望」，从一个可测量的量反推出不可测量的量——这是「参数消元」的东方先声；而《九章算术》「勾股」章的弦图，把 (a ＋ b)² ＝ c² ＋ 4 · ab/2 一算，就得到 a² ＋ b² ＝ c²，一个图形暴露出一个恒等式。

为什么高三的收官要从这里开始？因为高考解析几何的压轴题，考的从来不是「您会不会算」，而是您能不能在图形与方程之间来回翻译：图形给的条件 → 方程给的运算 → 结果读回图形。这一章我们把圆锥曲线的全部招式拆开：轨迹怎么定、直线怎么设、点怎么「设而不求」、定点定值怎么找、最值怎么逼。六章之后，您会发现自己站的已经不是「会做题」的位置，而是「看得见结构」的位置。

主线提醒：这一册的九章主轴是「勾股 · 均输」。「勾股」给了我们形与数的对译表，「均输」给了我们「在最省的路上走」的直觉——而解析几何的最值与范围内的运算，正是这两件事的合流。

轨迹方程方法总览

求轨迹方程只有四条路，四条路的名字本身就把方法说清楚了：

四条路的技术要点各不相同，但都要过同一道关：纯粹性与完备性。纯粹性是说「您写出的方程上的每个点都够资格」，完备性是说「够资格的点一个都没漏」。常见的漏与多都很朴素：分母为零的点、判别式为负的区域、参数取不到端点、斜率不存在的竖直线。所以标准答话格式是：「所求轨迹为（椭圆/双曲线/抛物线）……，其方程为……（除去某点 / 其中……）」。漏掉最后那个括号，往往就是要扣的那一分。

建系的三个经验：① 尽量让图形关于坐标轴对称——焦点放轴上，标准方程就没有 xy 项；② 优先把定点、中点、垂足之类「题眼」放在原点；③ 谁在动，就让谁当参数，参数的选择决定了后面消元的难度。

这一页先建立地图，后面三页各走一条路：定义法（含参的检验）、相关点法与参数法（消元的手艺）、然后进入直线与曲线的「联立—韦达—翻译」三部曲。

定义法求轨迹

定义法的动作只有一个：把条件翻译成「到某点的距离」的语言。一旦翻译成功，曲线就自动现身。

三种退化情形要背下来：和为 2c 时轨迹是线段；和为小于 2c 时无轨迹；差为 2c 时为两条射线，差大于 2c 时无轨迹。阅卷时这三句话经常就是得分点。

看一个「中垂线把两段距离换成一段」的典型：O 为原点，圆 x² ＋ y² ＝ 4 上动点 P，定点 A(1, 0)，线段 AP 的中垂线交 OP 于 M。求 M 的轨迹。

关键只在一句话：M 在 AP 的中垂线上，所以 |MA| ＝ |MP|。于是 |MO| ＋ |MA| ＝ |MO| ＋ |MP| ＝ |OP| ＝ 2——和是常数 2，大于 |OA| ＝ 1，所以是椭圆。2a ＝ 2 得 a ＝ 1；2c ＝ 1 得 c ＝ 1/2，于是 b² ＝ a² − c² ＝ 3/4。焦点 O, A 在 x 轴上，故 x² ＋ 4y²3 ＝ 1（即 x²/1 ＋ y²/(3/4) ＝ 1）。

为什么这个方法这么省力？因为它绕开了「设点—列式—化到想吐」的过程：条件里天然藏着一个等式，您只需要把它认出来。所以做题的第一反应应当是：题目里有没有「距离之和 / 之差 / 距离与距离之比」？有，就先试定义法。

离心率的统一说法也在这里埋下伏笔：椭圆、抛物线、双曲线都能写成「到焦点距离 ÷ 到准线距离 ＝ e」。定义法求轨迹时，若条件里出现「到定点距离与到定直线距离之比为常数」，它其实就是一个更一般的定义。

相关点法与参数法

相关点法（也叫代入法、转移法）解决的是「动点不是主角」的场面：真正在已知曲线上跑的是另一点 P，而要求的点 M 是陪跑的。做法是三步：

最简的例子：P 在圆 x² ＋ y² ＝ 1 上，M 满足 OM ＝ 2 OP。则 x₀ ＝ x/2、y₀ ＝ y/2，代入得 (x/2)² ＋ (y/2)² ＝ 1，即 x² ＋ y² ＝ 4。这就是「位似放大」：以原点为中心、比为 2 的位似把圆放大成半径 2 的圆。

参数法则是主动请一个「看不见的人」来帮忙：让 x、y 都写成某个参数 t 的函数，最后把 t 消掉。常用参数有三类：

消参的三种手艺：代入消参（把一个式子解出 t 再代入）、加减消参（两式相加相减，靠平方差凑出定值）、恒等式消参（凑 sin² ＋ cos² ＝ 1 或 sec² − tan² ＝ 1）。例如 x ＝ t ＋ 1/t、y ＝ t − 1/t，两边平方相减即得 x² − y² ＝ 4——两式一减，参数被彻底抹掉。

一个提醒：参数法最后一定要回到「排除点」上。用斜率 k 表示时，k 取不到「竖直线」那一支；这时候要么改用 x ＝ ty ＋ n 的形式（它反而漏掉水平线），要么在答案里单独补上漏掉的情形。这是解析几何最常见的「隐性失分点」。

圆锥曲线中的定点

定点问题的题干里有几个高信号词：「不论……如何变化」「恒过」「必过」。它的标准流程只有三步：设参 → 联立 → 把条件整理成「参数的多项式恒等于零」，然后让各次项系数分别等于零，解出定点坐标。

看一个一手可验的定点：抛物线 y² ＝ 4x 上取两点 A, B，满足 OA ⊥ OB（O 为原点），求证直线 AB 过定点。

用点参数最省力：设 A(t₁², 2t₁)、B(t₂², 2t₂)。垂直条件写成数量积为零：

OA · OB ＝ t₁²t₂² ＋ 4t₁t₂ ＝ t₁t₂(t₁t₂ ＋ 4) ＝ 0

A, B 与原点不重合，所以 t₁t₂ ≠ 0，只能 t₁t₂ ＝ −4。再写直线 AB：斜率 ＝ (2t₂ − 2t₁)/(t₂² − t₁²) ＝ 2/(t₁ ＋ t₂)，方程为

y − 2t₁ ＝ 2t₁ ＋ t₂(x − t₁²)

令 y ＝ 0 求它与 x 轴的交点：−2t₁(t₁ ＋ t₂) ＝ 2(x − t₁²)，即 −t₁² − t₁t₂ ＝ x − t₁²，于是 x ＝ −t₁t₂ ＝ 4。交点恒为 (4, 0)——而它正是这条抛物线的准线与对称轴的交点的镜像位置（焦点为 (1,0)，(4,0) 恰是把焦点关于顶点对称再放大四倍的位置）。

训练要点：定点题的「定点」不是猜出来的，而是算到「参数被约干净」那一刻自己浮出来的。若算到最后参数没约掉，多半是条件用错了（比如把「垂直」写成了「斜率为 −1」）。

定值问题

定值与定点是一对孪生兄弟：定点是「某个坐标是常数」，定值是「某个表达式是常数」。题干里的高信号词是「为定值」「与……无关」「恒有」。

处理套路固定：设参 → 联立 → 韦达 → 把目标量整理成含参表达式 → 化简到参数消失。最后那一步不是「运气」，而是条件本身的结构决定的——如果题目出得对，参数必然会被约掉；约不掉，就是您自己算术出了错。

最经典的一个定值来自「原点处的直角」。设 A, B 是椭圆 x²/4 ＋ y²/3 ＝ 1 上两点，且 OA ⊥ OB，求 1/|OA|² ＋ 1/|OB|² 的值。

先用两个特殊位置试探（这是做定值题最聪明的开局）：取 A(2, 0)，则 B 必须满足 x_B ＝ 0，得 B(0, ±√3)。此时 |OA|² ＝ 4、|OB|² ＝ 3，倒数和 ＝ 1/4 ＋ 1/3 ＝ 7/12。再取 OA 与 x 轴成 45°：A ＝ (√2, √(3/2))，|OA|² ＝ 7/2；由垂直条件 4cos α cos β ＋ 3 sin α sin β ＝ 0 得 tan β ＝ −4/3，于是 cos²β ＝ 9/25、sin²β ＝ 16/25，|OB|² ＝ 4 · 9/25 ＋ 3 · 16/25 ＝ 84/25。倒数和 ＝ 2/7 ＋ 25/84 ＝ 24/84 ＋ 25/84 ＝ 49/84 ＝ 7/12。两次都得到 7/12。

「先取特殊位置探值，再用一般位置证明」，是解定值题的黄金流程：探值给您方向，证明给您分数。特殊位置还能当验算用——算完一般情形回头对一眼，非常省心。

再看一个与焦点有关的定值（下一章导数题里也会以「极值点」的面目出现）：抛物线 y² ＝ 2px 的焦点弦 AB，满足 1/|AF| ＋ 1/|BF| ＝ 2/p。以 p ＝ 2 验证：竖直焦点弦 x ＝ 1 时 |AF| ＝ |BF| ＝ 2，倒数和 ＝ 1，而 2/p ＝ 1 ✓；取斜率 1 的焦点弦，交点横坐标 3 ± 2√2，两个焦半径 4 ± 2√2，倒数和同样为 1 ✓。

最值与范围

最值问题有三大门派，选派对错，工作量差十倍。

参数法的示范：求椭圆 x²/4 ＋ y² ＝ 1 上的点到直线 x ＋ 2y − 10 ＝ 0 的最短距离。设点 P(2cos θ, sin θ)，距离

d ＝ |2cos θ ＋ 2 sin θ − 10|√5 ＝ |2√2 · sin(θ ＋ π/4) − 10|√5

因为 2√2 sin(·) − 10 恒为负，绝对值就是 10 − 2√2 sin(θ ＋ π/4)，它在 sin(θ ＋ π/4) ＝ 1 时取最小：d_min ＝ (10 − 2√2)/√5。此时 θ ＋ π/4 ＝ π/2，P(√2, √2/2)——顺便还得到了取到最值的点，这是高考常要求的第二问。

基本不等式的示范：求椭圆 x²/4 ＋ y²/3 ＝ 1 上一点 P 到两焦点距离之积的最大值。由 |PF₁| ＋ |PF₂| ＝ 2a ＝ 4 与均值不等式

|PF₁| · |PF₂| ≤ (|PF₁| ＋ |PF₂|2)² ＝ a² ＝ 4

等号当且仅当 |PF₁| ＝ |PF₂| ＝ 2，即 P 在短轴端点 (0, ±√3) 处（验证：√(1 ＋ 3) ＝ 2 ✓）。所以最大值 4，达到点是两个短轴端点。注意这个结论对任意椭圆都对：到两焦点距离之积的最大值恒为 a²。

最值题的一条经验：先问「最值在图形上出现在哪里」。若直觉告诉您答案在某个顶点或切点处，那用参数法算出来的 θ 通常就是 0、π/2 这类特殊角；两者一对，答案基本无虞。

探索性与存在性

存在性问题的标准句式是「是否存在……使……成立」。它的作答只有两种合法结局：「存在，此时……」或「不存在，理由如下……」。中间的「算不出来」不是答案，只能算没做完。

第 ③ 步是最容易被忽略、也最容易得分的一步。看一个干净的判别例：椭圆 x²/4 ＋ y²/3 ＝ 1 上是否存在点 P，使 ∠F₁PF₂ ＝ 90°？

换个角度想：使 ∠F₁PF₂ ＝ 90° 的点 P，恰好是「以 F₁F₂ 为直径的圆」上的点（泰勒斯定理）。这个圆是 x² ＋ y² ＝ c² ＝ 1（因为 a ＝ 2、b ＝ √3，c ＝ √(a² − b²) ＝ 1）。于是问题变成：圆 x² ＋ y² ＝ 1 与椭圆 x²/4 ＋ y²/3 ＝ 1 有没有公共点？

由第一式得 y² ＝ 1 − x²，代入第二式：x²/4 ＋ (1 − x²)/3 ＝ 1，两边乘 12 得 3x² ＋ 4 − 4x² ＝ 12，即 −x² ＝ 8，无实数解。所以不存在这样的点 P。

更省力的判别法是记一条结论：椭圆上存在点使 ∠F₁PF₂ ＝ 90°，当且仅当 c ≥ b（即圆 x² ＋ y² ＝ c² 与椭圆有交点）。本题 c ＝ 1 ＜ b ＝ √3，一眼就能否决。反过来，若椭圆是 x²/4 ＋ y²/1 ＝ 1（c ＝ √3 ＞ b ＝ 1），则存在四个这样的点。

另一类存在性是「是否存在两点关于某直线对称」。技巧是设对称点对 A(x₁, y₁)、B(x₂, y₂)，由两条要求联手：AB 的中点在对称轴上（中点条件），AB 垂直于对称轴（斜率条件）。两条式子解出参数，再用「中点在曲线内部」检验——曲线内部的判别可以用「中点代入曲线方程左边小于 1」这种惯用手段。

作答语言的分量：数学里的「存在」是一个确定的命题，不是一种愿望。若您确实证明了不存在，那句「不存在」写得越干脆越好，并把否决的理由写在后面——阅卷人看的就是这句否决。

综合题拆解

圆锥曲线的压轴题，题型千百，骨架只有一套。把它写成流程，您会发现每一步都可以单独练习：

三步法里最容易被跳过的是 ③ 和 ⑥。而它们恰恰是「会做的人也在丢分」的地方：Δ ＞ 0 给了参数范围，很多题的答案本身就是「参数取某一范围」——范围就是答案的一部分。

书写规范也有讲究。阅卷是按步骤给分的，因此关键步骤必须留痕：写出联立后的方程（而不是只写韦达）、写出判别式（而不是只说「有两交点」）、在最后写「由 ③ 的范围知……成立」。这三处留痕，通常就是 12 分与 8 分的区别。

给一道典型三问压轴题的骨架，看它如何被六步吃掉：设椭圆 x²/4 ＋ y²/3 ＝ 1，直线 l 过右焦点 F(1, 0) 交椭圆于 A, B。（1）当 l 垂直于 x 轴时求 |AB|；（2）求 △OAB 面积的最大值；（3）是否存在 l 使 OA ⊥ OB？

设 l: x ＝ ty ＋ 1（一次就避开了「斜率不存在」的讨论），代入 3x² ＋ 4y² ＝ 12 得 (3t² ＋ 4)y² ＋ 6ty − 9 ＝ 0，于是 y₁ ＋ y₂ ＝ −6t/(3t² ＋ 4)、y₁y₂ ＝ −9/(3t² ＋ 4)，判别式恒为正。第（1）问令 t ＝ 0 即得 |AB| ＝ |y₁ − y₂| ＝ 3；第（2）问面积 ＝ ½ · |OF| · |y₁ − y₂| ＝ 6√(t² ＋ 1)/(3t² ＋ 4)，下文用换元求最大；第（3）问把 OA · OB ＝ 0 翻译成 x₁x₂ ＋ y₁y₂ ＝ 0，再借 x ＝ ty ＋ 1 全部换成 y 的式子。三问共用一套联立，这就是「骨架」的威力。

从这一页起，请把「六步骨架」抄在一张卡片上。后面所有的研讨、例题、挑战，都是在给这六步反复上油。

研讨① 轨迹思想的统一

定义法、直接法、相关点法、参数法——四条路看起来各管一摊，其实描述的是同一个动作：把一个「几何条件的解集」翻译成「代数方程的解集」。翻译的手艺不同，语言是同一门。

第一步，看清「谁在动」。定义法里动点自己满足距离条件，条件本身就是方程；相关点法里动点被另一条曲线牵着，于是需要「反解代换」这个中间步骤；参数法里动点被一个外部参数驱动，于是需要「消参」这个收尾动作。三种情形对应三种麻烦，但箭头方向完全一致：条件 → 方程。

第二步，看清「换坐标」的含义。相关点法里的反解代换 x₀ ＝ g(x, y)，本质上是换一组坐标来描述同一个平面——就像解析几何里平移坐标轴把圆心搬到原点。参数法的消参则是把「时间」这个隐变量从描述里删掉，只留下「空间里的形状」，这与物理里从运动方程消去 t 得到轨道曲线是同一件事（开普勒的行星轨道正是这样得到的）。

第三步，看清「漏点」的统一来源。四种方法漏点的地方不同（分母为零、参数取不到端点、斜率不存在），根子相同：您用一个「有条件的变量」代替了全体点。参数是变量的「影分身」，它必然有覆盖不到的角落。所以标准化的收尾动作是：回头看您的参数能不能取遍所有情形，不能的单独补上。

研讨问题：① 用「条件 → 方程」的说法，把直接法与定义法写成同一个句式的两句话。② 相关点法中的反解，如果解不出显式的 x₀ ＝ g(x, y)（例如只能得到隐式关系），还能继续吗？请举例说明。③ 参数法中「消参」与物理里「消去时间」是不是同一件事？请从「信息量」的角度说明为什么消参之后的方程仍在描述全部形状。

数学里有一句老话：方法很多，思想很少。轨迹问题的思想只有一个——把「满足条件」这件事，变成「满足等式」这件事。四法只是这件思想在不同场合的方言。

研讨② 设而不求的进阶

「设而不求」是解析几何最节省的一招：把交点坐标设出来，但永远不解出它的具体值，靠韦达定理把它们的关系打包使用。它的合法性来自一个简单事实：交点都在「联立后的二次方程」上，而二次方程的两根之和、两根之积是由系数直接给出的。

第一步，判断「能不能不求」。看目标量的形状。若目标是对称式——交换 x₁ 与 x₂ 后不变，例如 x₁ ＋ x₂、x₁x₂、x₁² ＋ x₂²、1/x₁ ＋ 1/x₂——那么它一定能写成 S ＝ x₁ ＋ x₂ 与 P ＝ x₁x₂ 的组合，可以一路不求。

第二步，掌握常用转写表。这是全章最该背熟的一张表：

第三步，处理非对称式。若目标里 x₁ 与 x₂ 的地位不同（例如出现 2x₁ ＋ x₂），就要动用方程本身这一条额外信息：因为 x₁、x₂ 都满足联立后的方程，可以把 x₁² 用 x₁ 的一次式替换（降次），从而把非对称式逐步掰回对称式。这就是所谓「非对称式处理」的正规手法。

第四步，用一次完整算例检验手艺。设 A, B 是抛物线 y² ＝ 4x 上两点，且 t₁t₂ ＝ −4（即 OA ⊥ OB）。目标 1/|OA|² ＋ 1/|OB|² 里出现 t₁⁴，看起来不友好；但它关于 t₁, t₂ 是对称的，所以仍可用 S ＝ t₁ ＋ t₂ 与 P ＝ t₁t₂ ＝ −4 表达。这就是「不求」的边界：只要求了就不对称，只有对称的才敢不求。

研讨问题：① 为什么 |AB| ＝ √(1 ＋ k²)·√(S² − 4P)？请从两点距离公式出发推一遍，并说明 √(1 ＋ 1/k²) 版本什么时候用。② 目标 x₁ ＋ 3x₂ 是非对称的，请给出一条把它变成可用 S, P 表达的路径（提示：先利用两根都满足方程把 x₂ 换成 S − x₁，再降次）。③ 若联立后二次项系数含参，什么时候必须先讨论它为零？

「设而不求」这四个字，前半是「设」——需要勇气；后半是「不求」——需要判断力。真正的功夫在判断力上：知道什么该求、什么不必求。

研讨③ 韦达定理的全功率

韦达定理在解析几何里的地位，相当于杠杆在力学里的地位：它让您用「不费力的一段」撬起「很费力的一大段」。设联立后得到的二次方程为

ay² ＋ by ＋ c ＝ 0（a ≠ 0，Δ ＝ b² − 4ac ＞ 0）

则 y₁ ＋ y₂ ＝ −b/a、y₁y₂ ＝ c/a。注意两个前提：二次项系数非零（否则不是二次方程，只有一根）、判别式为正（否则交点不存在或重合）。这两个前提是韦达定理的「使用许可证」，写不出许可证就用不了它。

弦长公式的来源：设直线 x ＝ ty ＋ n 与曲线交于 (x₁, y₁)、(x₂, y₂)，则

|AB| ＝ √((x₁ − x₂)² ＋ (y₁ − y₂)²) ＝ √(t² ＋ 1) · |y₁ − y₂| ＝ √(t² ＋ 1) · √((y₁ ＋ y₂)² − 4y₁y₂)

若直线设成 y ＝ kx ＋ m，同一条式子写成 |AB| ＝ √(1 ＋ k²)·|x₁ − x₂|。两种写法差一个 t 与 1/k，做题时选「与所设直线配套」的那一个，能少一次分母讨论。

三角形面积的三种算法：① 底乘高 ½ · |AB| · d（d 为点到直线距离）；② 铅垂截距法 ½ · |x₁ − x₂| · |y₀|（当三角形有一边竖直或另一点在轴上时极省力）；③ 向量叉积 ½|x₁y₂ − x₂y₁|。上一页那道面积最大值的题，用第 ② 种最省：因为 O 在原点，面积就等于 ½ · |OF| · |y₁ − y₂|。

一个高价值提醒：韦达定理给出的是「两根之和与积」，但题目里真正的几何量往往需要「根的差」。所以 (y₁ − y₂)² ＝ (y₁ ＋ y₂)² − 4y₁y₂ 这一个变形，是本章使用频率最高的一行字。把它写成条件反射，会省下大量时间。

研讨问题：① 为什么 |AB| ＝ √(1 ＋ k²)|x₁ − x₂| 与 |AB| ＝ √(1 ＋ 1/k²)|y₁ − y₂| 是同一个式子？请从 y ＝ kx ＋ m 出发验证。② 面积公式 ③ 中的 ½|x₁y₂ − x₂y₁| 为什么与原点有关？若把原点平移到三角形的一个顶点，公式会简化成什么？③ 请说明为什么「二次项系数为零」的情形必须单独讨论，并给出一个会踩到这个坑的例子。

韦达定理只有两行，但它的用法有二十种。区别「会用」和「用好」的，是能否一眼看出目标量该往 S 与 P 上靠——而这需要把上一页的转写表背成肌肉记忆。

研讨④ 几何直观与代数运算

解析几何是「两条腿走路」的学问：一条腿是几何直观，一条腿是代数运算。走得快不快，取决于您什么时候迈哪条腿。

几何直观负责「定方向」。它回答三个问题：答案大概在哪里（顶点？切点？中点？）、要证的东西有什么对称性、这个条件在图形上到底意味着什么。例如「以 F₁F₂ 为直径的圆」这一句直观翻译，就把「∠F₁PF₂ ＝ 90°」这个角度条件直接换成了一个圆的方程。又例如「椭圆上到直线最远的点，出现在与直线平行的切线的切点处」——这句话把最值问题变成了「求切线」，方向感极强。

代数运算负责「给答案」。它把方向变成数字：联立、韦达、化简。但它从不负责告诉您答案长什么样——如果您上来就联立，很可能算出一个与题目无关的量，白费十分钟。

三种高价值的「直观先行」手法，请务必练熟：

再看一条把几何统一起来的线索：焦点-准线定义。到焦点距离与到相应准线距离之比为常数 e——e ＜ 1 是椭圆，e ＝ 1 是抛物线，e ＞ 1 是双曲线。三种曲线不是三个不同的物种，而是同一个定义里参数 e 的三个区间。这一句统一，比任何单个曲线的公式都重要：它说明「分类」这件事在数学里常常只是「参数的取值范围」。

研讨问题：① 若一道题的答案是「最大面积出现在竖直弦处」，您能从对称性上提前预判吗？请说明理由。② 用焦点-准线定义重写抛物线的定义，并说明为什么抛物线只有一个焦点、一条准线，而椭圆有两个焦点。③ 您更喜欢「先算再看图」还是「先看图再算」？请举一个您自己做题时「直观救场」或「直观误导」的例子。

代数给人确定性，几何给人方向感。真正的高手做题时，脑子里的对话往往是这样的：「大概是个定点……在哪条轴上？——先取两个特殊位置试试。——好，算吧。」

例1 轨迹方程

分析：动圆同时受两个「相切」条件约束，而相切条件可以翻译成「圆心距与半径之和／差的关系」——这正是定义法的入口。

解：设动圆 M 的半径为 r（r ＞ 0），圆心 M(x, y)。

① 与 C₁ 外切（C₁ 半径为 1）：两圆外切时圆心距等于半径之和，即 |MC₁| ＝ r ＋ 1

② 与 C₂ 内切（C₂ 半径为 9）：动圆在 C₂ 内部且内切，此时圆心距等于半径之差，即 |MC₂| ＝ 9 − r

两式相加，r 被消掉：|MC₁| ＋ |MC₂| ＝ 10

这是一个「到两定点距离之和为常数」的条件。两定点为 C₁(−2, 0)、C₂(2, 0)，故 |C₁C₂| ＝ 4。因为 10 ＞ 4，轨迹是以 C₁, C₂ 为焦点的椭圆。

于是 2a ＝ 10 得 a ＝ 5；2c ＝ 4 得 c ＝ 2；b² ＝ a² − c² ＝ 25 − 4 ＝ 21。焦点在 x 轴上、中心在原点，所以

x²25 ＋ y²21 ＝ 1

检验完备性：轨迹上的点是否都真的能作出这样的动圆？取椭圆左顶点 (−5, 0)：|MC₁| ＝ 3，得 r ＝ 2 ＞ 0 ✓；|MC₂| ＝ 7，得 9 − r ＝ 7 ✓。取右顶点 (5, 0)：|MC₁| ＝ 7 得 r ＝ 6，|MC₂| ＝ 3 ＝ 9 − 6 ✓。两端都合法，且 r 在两端之间连续变化，全程 0 ＜ r ＜ 9 均满足。所以轨迹是整条椭圆，不需要挖点。

答案：x²/25 ＋ y²/21 ＝ 1。

例 1 的两个技术点：① 「外切用和、内切用差」——这是圆与圆位置关系的翻译口诀；② 得到「距离之和为常数」后必须检验常数与两定点距离的大小关系，否则可能把线段或空集误判成椭圆。若 |MC₁| ＋ |MC₂| ＝ 4（恰等于 |C₁C₂|），轨迹就退化成线段 C₁C₂，这种题在模拟卷里出现过不止一次。

例2 定点定值

分析：抛物线的点参数形式把「点」变成「一个数」，垂直条件随之变成「两个参数的关系式」——这一类题用点参数最省笔墨。

（1）设 A(t₁², 2t₁)、B(t₂², 2t₂)（因为 y² ＝ 4x 的参数式为 (t², 2t)）。由 OA ⊥ OB 得数量积为零：

t₁²t₂² ＋ 4t₁t₂ ＝ 0 ⟹ t₁t₂(t₁t₂ ＋ 4) ＝ 0

由 A, B 不与原点重合知 t₁ ≠ 0, t₂ ≠ 0，故 t₁t₂ ＝ −4。

直线 AB 的斜率 ＝ (2t₂ − 2t₁)/(t₂² − t₁²) ＝ 2/(t₁ ＋ t₂)（因 t₁ ≠ t₂，否则两点重合），故 AB 的方程为

y − 2t₁ ＝ 2t₁ ＋ t₂(x − t₁²)

令 y ＝ 0：−2t₁(t₁ ＋ t₂) ＝ 2(x − t₁²)，即 −t₁² − t₁t₂ ＝ x − t₁²，所以 x ＝ −t₁t₂ ＝ 4。AB 恒过定点 (4, 0)。

（2）由（1）可设直线 AB 为 x ＝ my ＋ 4（这样设能涵盖竖直线 x ＝ 4）。代入 y² ＝ 4x：

y² − 4my − 16 ＝ 0

判别式 Δ ＝ 16m² ＋ 64 ＞ 0 恒成立，且 y₁ ＋ y₂ ＝ 4m、y₁y₂ ＝ −16。于是

|y₁ − y₂| ＝ √((y₁ ＋ y₂)² − 4y₁y₂) ＝ √(16m² ＋ 64) ＝ 4√(m² ＋ 4)

因为 AB 与 x 轴交于 (4, 0)，把三角形 OAB 沿 x 轴切成两块，面积

S ＝ ½ · 4 · |y₁ − y₂| ＝ 2 · 4√(m² ＋ 4) ＝ 8√(m² ＋ 4) ≥ 8√4 ＝ 16

等号当 m ＝ 0，即 AB 为竖直线 x ＝ 4 时取到（此时 A(4, 4)、B(4, −4)，验证 OA · OB ＝ 16 − 16 ＝ 0 ✓）。面积最小值为 16。

例 2 展示了「定点 → 面积」的通用打法：一旦直线被证明过定点，就把「点到直线的距离」这种麻烦量换成「定点到轴的距离」这种简单量。面积 ＝ 8√(m² ＋ 4) 这一步之所以能这么干净，全靠定点 (4, 0) 在 x 轴上。

例3 最值范围

（1）由椭圆定义 |PF₁| ＋ |PF₂| ＝ 2a ＝ 4。对两个正数用均值不等式：

|PF₁| · |PF₂| ≤ (|PF₁| ＋ |PF₂|2)² ＝ (4/2)² ＝ 4

等号当且仅当 |PF₁| ＝ |PF₂| ＝ 2。此时 P 在短轴端点。验证：a ＝ 2、b ＝ √3、c ＝ 1，取 P(0, √3)，|PF₁| ＝ √((0＋1)² ＋ 3) ＝ 2 ✓，同理 |PF₂| ＝ 2。所以最大值为 4，在 P(0, ±√3) 处取到。

（2）椭圆上的点用参数表示最省事：设 P(2cos θ, sin θ)（因为 a ＝ 2、b ＝ 1）。点 P 到直线的距离为

d ＝ |2cos θ ＋ 2 sin θ − 10|√(1² ＋ 2²) ＝ |2√2 · sin(θ ＋ π/4) − 10|√5

这里用了辅助角公式 2cos θ ＋ 2 sin θ ＝ 2√2 sin(θ ＋ π/4)。因为 2√2 sin(·) ∈ [−2√2, 2√2]，所以 2√2 sin(·) − 10 ＜ 0 恒成立，绝对值可以直接去掉并反号：

d ＝ 10 − 2√2 sin(θ ＋ π/4)√5

要 d 最小，须 sin(θ ＋ π/4) 最大，即 sin(θ ＋ π/4) ＝ 1，此时 θ ＋ π/4 ＝ π/2，θ ＝ π/4。于是

d_min ＝ 10 − 2√2√5

取到最短距离的点是 P(2cos(π/4), sin(π/4)) ＝ (√2, √2/2)。

检验：直线 x ＋ 2y ＝ 10 与椭圆相离——椭圆上 x ＋ 2y 的最大值为 2√2 ＜ 10，故确实相离，最短距离应为正且不大。数值估计：(10 − 2.828)/2.236 ≈ 3.21，与「直线截距 10 而椭圆只到 2√2」的直觉相符 ✓。

例 3 的两种方法正好覆盖最值题的两大门派：（1）是「和定积最大」的代数派，一个不等式解决；（2）是「参数化三角函数」的通用派，虽有一串运算，但对任何椭圆、任何直线都有效，不用灵感。做题时先想第一派，想不通就用第二派兜底。

例4 综合压轴

分析：三问共用一次联立。把直线设成 x ＝ ty ＋ 1（t ＝ 1/k），既含竖直线（t ＝ 0），又不含水平线（y ＝ 0 这条线过焦点但只交椭圆于左右顶点这两个特殊点，需单独看一眼）。

代入 3x² ＋ 4y² ＝ 12：

3(ty ＋ 1)² ＋ 4y² ＝ 12 ⟹ (3t² ＋ 4)y² ＋ 6ty − 9 ＝ 0

判别式 Δ ＝ 36t² ＋ 36(3t² ＋ 4) ＝ 144t² ＋ 144 ＞ 0 恒成立。由韦达定理

y₁ ＋ y₂ ＝ −6t3t² ＋ 4，　y₁y₂ ＝ −93t² ＋ 4

于是 (y₁ − y₂)² ＝ (y₁ ＋ y₂)² − 4y₁y₂ ＝ (36t² ＋ 36(3t² ＋ 4))/(3t² ＋ 4)² ＝ 144(t² ＋ 1)/(3t² ＋ 4)²，所以

|y₁ − y₂| ＝ 12√(t² ＋ 1)3t² ＋ 4

（1）竖直线对应 t ＝ 0，此时 |y₁ − y₂| ＝ 12/4 ＝ 3，故 |AB| ＝ 3。（可直接验证：x ＝ 1 代入椭圆得 y² ＝ 9/4，|AB| ＝ 2 × 3/2 ＝ 3 ✓）

（2）因为 O 在原点、F 在 x 轴上，把 △OAB 沿 OF 切两半：

S ＝ ½·|OF|·|y₁ − y₂| ＝ 6√(t² ＋ 1)3t² ＋ 4

设 u ＝ √(t² ＋ 1) ≥ 1，则 t² ＝ u² − 1，分母 3t² ＋ 4 ＝ 3u² ＋ 1，故

S ＝ 6u3u² ＋ 1

求它在 u ≥ 1 上的最大值。利用 3u² ＋ 1 ≥ 2√(3)u（均值不等式）得 S ≤ 6u/(2√3 u) ＝ √3？——这个界取不到，因为它要求 3u² ＝ 1，与 u ≥ 1 矛盾。这说明必须回到 u ≥ 1 这个区间自身来看：对 f(u) ＝ 6u/(3u² ＋ 1) 求导得 f′(u) ＝ 6(1 − 3u²)/(3u² ＋ 1)² ≤ 0（u ≥ 1），所以 f 在 [1, ＋∞) 上单调递减，最大值在左端点 u ＝ 1 处：

S_max ＝ 6 × 1/(3 ＋ 1) ＝ 3/2

此时 t ＝ 0，即 l 为竖直线 x ＝ 1。面积最大值为 3/2。

（3）把 OA ⊥ OB 翻译为 x₁x₂ ＋ y₁y₂ ＝ 0。由 x ＝ ty ＋ 1 得 x₁x₂ ＝ (ty₁ ＋ 1)(ty₂ ＋ 1) ＝ t²y₁y₂ ＋ t(y₁ ＋ y₂) ＋ 1，故

x₁x₂ ＋ y₁y₂ ＝ (t² ＋ 1)y₁y₂ ＋ t(y₁ ＋ y₂) ＋ 1 ＝ (t² ＋ 1)·−93t² ＋ 4 ＋ t·−6t3t² ＋ 4 ＋ 1

通分整理：分子 ＝ −9(t² ＋ 1) − 6t² ＋ (3t² ＋ 4) ＝ −9t² − 9 − 6t² ＋ 3t² ＋ 4 ＝ −12t² − 5。于是条件化为

−12t² − 5 ＝ 0 ⟹ t² ＝ −5/12

无实数解，故不存在这样的直线 l。（附带结论：由于分子恒为负，本题中 OA · OB 恒小于零，即 ∠AOB 恒为钝角，这也可以从图形上看出。）

例 4 是一道标准的三问压轴：一次联立，三处开花。（2）还留下了一个重要教训——均值不等式给出的界若取不到，就必须改用单调性。这是最容易被「套公式」漏掉的一步，也是本题真正的难点。

研究任务单：圆锥曲线性质库

本章的目标不是再刷一套卷子，而是亲手建立一部《圆锥曲线性质库》——把散落在课本、试卷、错题本里的结论，整理成一部可查、可验、可讲的手册。研究任务单如下：

成果形式：一份不少于 4 页的手写性质库（可配打印小卡片）＋ 一页易错清单。第 22 页答辩时需带实物展示。

研究任务的评价标准只有三条：结论本身对不对、适用范围说得清不清、验算过程写没写。不追求多，追求每条都能当场讲出来。

小组探究：二次曲线的仿射观一瞥

这一页稍稍越出教材，去看一个能把三种圆锥曲线「摆成一家人」的观点：仿射变换。它不需要新工具，只需要一个动作。

第一步，一个动作。对平面上每个点 (x, y)，定义 T(x, y) ＝ (x, (a/b)·y)，也就是「把纵向拉长 a/b 倍」。把椭圆 x²/a² ＋ y²/b² ＝ 1 上的点都做这个变换，会得到什么？

设 (x, y) 在椭圆上，则 (x, y′) ＝ (x, (a/b)y) 满足

x²/a² ＋ [(b/a)y′]²/b² ＝ x²/a² ＋ y′²/a² ＝ 1

也就是 x² ＋ y′² ＝ a²——一个半径 a 的圆。椭圆就是圆的「压扁版」，而 T 就是把圆压成椭圆（或把椭圆拉成圆）的那只手。

第二步，面积会怎么变？纵向拉伸 a/b 倍，任何图形的面积都乘以 a/b。圆的面积是 πa²，所以椭圆的面积是 (b/a)·πa² ＝ πab。这就顺手推出了椭圆面积公式——不用积分。

第三步，用它解释本章的定值结论。第 6 页那条 1/|OA|² ＋ 1/|OB|² ＝ 1/a² ＋ 1/b² 看起来很怪，但换成圆看就不怪了：圆上的「垂直两半径」互相垂直且长度都为 a，倒数和是 2/a²。拉伸之后「垂直」被破坏（变形的角不等于原角），所以那条公式不是圆的简单平移，而是「垂直关系在拉伸下的修正」——修正的量恰好是 1/a² ＋ 1/b² 与 2/a² 之间的差。您能算出这个差吗？

探究问题：① 把椭圆拉成圆之后，「直线」仍然是直线吗？为什么仿射变换可以保持「共线」「平行」「中点」这些性质？② 用仿射观点求「椭圆内接三角形面积的最大值」，验证答案就是「圆内接最大三角形（正三角形）面积 (3√3/4)a²」乘以 b/a，即 (3√3/4)ab。③ 抛物线能不能也看成某个熟悉图形的仿射像？请说明理由（提示：抛物线在仿射变换下仍是抛物线，所以它自己就是「最简代表」）。

仿射观的价值不在于多算一道题，而在于它告诉您：椭圆与圆不是两个对象，而是同一个对象在两个坐标系里的样子。等您学完大学的线性代数，会看到这个「拉伸」其实是一个对角矩阵 diag(1, a/b) 的作用——一个矩阵，就把两种几何连起来了。

研究写作：定点定值小论文

本章最后一篇研究报告，主题限定在「定点与定值」这一族问题。要求用一篇 1500 字左右的小论文，把一个问题讲透——不是讲多，是讲透。

论文结构建议（四段式）：

几个可选的题目（任选其一，也可自拟）：

写作规范：① 所有符号先定义后使用；② 每个结论必须给出推导链，不能只给答案；③ 引用教材或试卷原题时注明来源；④ 结尾写一句「我还没搞清楚的问题」——这一句往往是最好的一句。

数学写作与数学解题最大的区别是：解题对读者负责，写作对未来的自己负责。半年后再看这篇论文，如果它能让您在十分钟内重新理解那个结论，它就合格了。

研究答辩准备与互评

本页是全章研究的收口：把前四页的成果搬到台前，用 8 分钟讲清一件事，再用 4 分钟接受提问。答辩不是考试，它是一次「把知识翻译成语言」的训练——而这正是「勾股」主线的另一面：您不仅要会翻译形与数，还要会翻译给他人听。

答辩的四个环节与时间分配：

互评量表（每人给其他两组打分）：

老师追问的三个常用方向（请提前准备）：① 您这个结论如果换成双曲线，还成立吗？为什么？② 您推导里哪一步最关键？如果那一步的条件削弱一点，结论会变成什么？③ 您举的特殊位置例子，能不能算作证明？如果不能，缺的是什么？

答辩准备的最后一条建议：把您要讲的三步写在三张卡片上，而不是写一整页稿子。稿子会让您念，卡片会让您讲。

挑战：压轴题闯关

本页三道题，难度递增。它们都在考同一套骨架：设参 → 联立 → 韦达 → 翻译目标。请先独立完成，写下关键步骤，再读提示。

三道题都在提醒同一件事：「翻译目标」这一步决定了题目的难度。挑战 2 的目标 1/|PA|² ＋ 1/|PB|² 之所以看起来陌生，只是因为它藏着 y₁² ＋ y₂² 的对称式还没被展开。凡是对称式，就一定可以只用和与积表达——这是本章最重要的护身符。

章评估与错题归档

本章结束时，请用下面四张表给自己做一次「体检」。每张表只填结论，不写过程——体检看指标，复盘看证据。

错题归档的三栏格式（这是本章开始必须建立的纪律）：

本章掌握度自评（请如实勾选）：① 能在 3 分钟内判断出该用四种求轨迹方法中的哪一种；② 能默写弦长公式的两种形式并说明各自的适用条件；③ 能独立完成一道三问压轴的前两问；④ 能说清「均值不等式的界取不到时该怎么办」；⑤ 能在 1 分钟内用特殊位置找出一个定值的候选答案。

复盘不是「再看一遍」，而是「重新组织一次」。把这一章的结论按您自己的逻辑重排，就得到一份只属于您的章节地图——下次复习时，您看的是地图，不是课本。

预习桥：导数收官

圆锥曲线收官了。下一章是这本册子的另一半重心：导数综合——恒成立、零点、隐零点、端点效应、放缩库。它看起来与曲线无关，其实两者的骨架惊人地相似。这一页用四条桥梁把两章接起来。

桥一：『最值』是同一个问题。本章解最值靠「参数化 ＋ 三角函数」或「均值不等式」；下一章解最值靠「求导 ＋ 单调性」。当目标函数的形状复杂到无法一眼看出单调性时，导数就是唯一可靠的武器。本章的那道面积最值题（用单调性判断 6u/(3u² ＋ 1) 在 u ≥ 1 上递减），其实已经是下一章的预演。

桥二：『存在性』与『零点』是同一件事。本章问「是否存在点 P」，下一章问「方程是否有零点」。两者的处理套路一模一样：先假设存在 → 列方程 → 检验是否落在允许范围内。本章您检验的是判别式与位置关系，下一章您检验的是端点符号与单调性。

桥三：『翻译目标』的能力直接迁移。本章要把几何量翻译成 y₁ ＋ y₂ 与 y₁y₂；下一章要把「恒成立」翻译成 g(a) ≥ 0 或「最大值 ≥ 0」。翻译动作相同，只是符号体系换了。

桥四：『设而不求』对应『隐零点』。本章的「设而不求」是设出交点但不解出来，靠韦达绕过；下一章的「隐零点」是设出零点 x₀ 但不解出来，靠 f(x₀) ＝ 0 这个关系式绕过。二者都是「不解而用」的艺术。可以说，隐零点就是导数版的不求之设。

预习任务：① 复习恒成立问题的三种基本处理（分离参数、直接求最值、必要性探路），并各找一道例题；② 复习零点存在性定理的表述与使用前提（连续、异号），并想一想它为什么不能给出零点个数；③ 回忆本章例 4 第（2）问里「均值不等式的界取不到」的教训，尝试用导数单调性重做一遍，看是否更干净；④ 预习常用放缩：e^x ≥ x ＋ 1、ln x ≤ x − 1，并各画出图像确认取等点。

从「形数对译」到「以导为器」，本册的主线从「勾股」走向「均输」——「均输」讲的是分配与优化，而导数的全部工作就是：在无数种走法里，找出最省的那一种。

导入：导数的最后关卡

1629 年，费马在《求极大值与极小值的方法》里写下一段著名的话：设一个量有极大值，那么它在极值前后各「差一点点」的两个值应当相等。用现代语言说，就是极值点处差商趋于零——这是导数思想的第一次露面，比牛顿与莱布尼茨早了半个世纪。费马用这个方法求切线、求极值，甚至用它来解最速降线一类的问题。

1665 年，牛顿因为瘟疫回到乡下，在那著名的「奇迹年」里造出了「流数术」：把变化率当作主角，把曲线看作运动轨迹。1684 年，莱布尼茨在《教师学报》上发表了微分学，把导数写成优雅的 dy/dx，并发明了「微分」与「积分」这对互相逆运算的记号。他们的理论威力惊人，但地基是松的——「无穷小」到底是什么？主教贝克莱嘲讽它是「消失了的量的鬼魂」。

直到 1821 年柯西与后来的魏尔斯特拉斯给出 ε–δ 语言，「趋于零」才变成一句可以严格书写的话。从费马的直觉到柯西的严格，导数走了一百九十年：先有能算的方法，再有说得清的定义——这是数学史上常见的顺序。

中国古算里也有同一思想的东方形态。刘徽注《九章算术》时提出「割之弥细，所失弥少，割之又割，以至于不可割，则与圆合体而无所失矣」。用现代语言说：以直代曲，把圆切成 n 个等腰三角形，取 n → ∞ 的极限，面积误差趋于零。这是极限思想，也是「局部线性化」的最早陈述——而「以直代曲」正是导数的几何含义：曲线在一点附近，看起来像它的切线。

为什么高三的最后一关是导数？因为它是高中唯一一把「研究任意函数」的万能手术刀。圆锥曲线章我们用几何的眼光研究两类特殊曲线（二次曲线）；这一章我们要研究所有函数——它们的单调、极值、零点、不等式关系。当您手里有 f′，您就有了对任何一条曲线「动手术」的能力。

本册的第二条主线是「均输」。「均输」是《九章算术》里处理运输与分配的章，讲的都是「怎样最省」。导数的全部工作也是这一件事：在无数种走法里，找出最省的那一种；而恒成立与零点，就是「最省」的两种问法。

恒成立问题全类型

「恒成立」这三个字的意思是：不等式对区间里的每一个 x 都成立。它和「有解」是两种截然不同的要求，而把这两句话分辨清楚，是本章第一件要紧事。

这两句话的记忆方式很朴素：「任意」要求最差的那个也合格，所以要盯最小值；「存在」只要求有一个合格，只要最好的那个合格就够了，所以盯最大值。

按未知量的位置，恒成立问题可分为四类，各有对口武器：

还有一个极易失分的技术细节：区间是开是闭。若 D ＝ (0, ＋∞)，函数可能取不到最值（只在无穷远处趋近），此时「f(x) ≥ a 恒成立」的含义是「a 不超过 f 的下确界」，而答案的写法要相应调整（常常答成 a ≤ 某个极限值，并注明该值取不到）。

临床经验：考场上遇到恒成立，第一反应应当是「能不能把参数搬到一边去」。能分离，题目就降级成一道普通的最值题；不能分离，才动用分类讨论。顺序反了，时间就没了。

参变分离与最值法

参变分离法是最优先的一招：把不等式整理成「参数与 x 分居两侧」的形式，然后求含 x 那一边的最值。

例（分离型）：若 x² − ax ＋ 1 ≥ 0 对一切 x ∈ [1, 2] 恒成立，求 a 的取值范围。

因为 x ∈ [1, 2] 时 x ＞ 0，两边除以 x 不必讨论符号：

ax ≤ x² ＋ 1 ⟹ a ≤ x ＋ 1x

于是问题变成求 g(x) ＝ x ＋ 1/x 在 [1, 2] 上的最小值。g′(x) ＝ 1 − 1/x² ≥ 0 在 [1, 2] 上成立，故 g 单调递增，最小值在 x ＝ 1 处：g_min ＝ 1 ＋ 1 ＝ 2。所以 a ≤ 2。

例（不可分离型）：若 e^x − 1 − ax ≥ 0 对一切 x ≥ 0 恒成立，求 a 的范围。这里 a 与 x 相乘，分离需除 x（要分 x ＝ 0 讨论），稍嫌麻烦；但用「端点效应」（第 6 页）可以一眼拿下：f(0) ＝ 0，要不等式在 0 右侧成立，必须 f′(0) ＝ 1 − a ≥ 0，即 a ≤ 1；反向验证 a ≤ 1 时确实成立（因为 e^x ≥ 1 ＋ x ≥ 1 ＋ ax）。答案 a ≤ 1。

分离不出时的三条出路：① 换元后再分离（例如令 t ＝ ln x）；② 只分离一部分，把剩下的整块求最值；③ 用必要性探路缩小范围，再用充分性证明（这是压轴题的常规打法）。

分离法有一个隐藏的好处：它把「参数问题」变成「最值问题」，而最值问题是可以交给导数机械处理的。这就是为什么遇到恒成立题，先试分离几乎总是对的。

零点存在性与个数

「零点」就是方程 f(x) ＝ 0 的根，也就是曲线与 x 轴交点的横坐标。这三个说法随时可以互译，做题时选最方便的那一种。

判断个数的三种武器：

例（武器 1）：讨论 f(x) ＝ x³ − 3x ＋ a 的零点个数。

f′(x) ＝ 3x² − 3 ＝ 3(x − 1)(x ＋ 1)，故 x ＝ −1 处取极大值 f(−1) ＝ 2 ＋ a，x ＝ 1 处取极小值 f(1) ＝ a − 2；又 x → −∞ 时 f → −∞，x → ＋∞ 时 f → ＋∞。按极值符号分类：

例（武器 2）：讨论 ln x − x ＋ a ＝ 0 的根的个数（x ＞ 0）。

改写为 a ＝ x − ln x，令 g(x) ＝ x − ln x。g′(x) ＝ 1 − 1/x，在 (0, 1) 上为负、(1, ＋∞) 上为正，故 x ＝ 1 是极小值点，g(1) ＝ 1 就是最小值。又 x → 0⁺ 时 g → ＋∞，x → ＋∞ 时 g → ＋∞。于是水平线 y ＝ a 与曲线 y ＝ g(x) 的交点个数为：a ＞ 1 时 2 个；a ＝ 1 时 1 个；a ＜ 1 时 0 个。

一个必查的细节：武器 1 里所有端点的走向（x → ±∞ 或 x → 0⁺）都必须交代清楚，否则分类表是空的。分类讨论题的分，一半给在「把趋势说清」上。

隐零点与虚设零点

有一类最值题最气人：f′(x) ＝ 0 写出来是个超越方程，解不出精确值。这时不必慌——不求解，只使用。

完整示范：求 f(x) ＝ e^x − ln x（x ＞ 0）的最小值。

f′(x) ＝ e^x − 1/x。令 f′(x) ＝ 0 得 e^x ＝ 1/x，即 x e^x ＝ 1——这是一个解不出初等表达式的方程。

第一步：确认它存在且唯一。令 h(x) ＝ x e^x，则 h′(x) ＝ e^x(x ＋ 1) ＞ 0（x ＞ 0），h 严格递增；h(1/2) ＝ 0.5 · e^1/2 ≈ 0.824 ＜ 1，h(1) ＝ e ≈ 2.718 ＞ 1。故存在唯一的 x₀ ∈ (1/2, 1) 使 h(x₀) ＝ 1。（更精细：h(0.6) ≈ 1.093 ＞ 1，故 x₀ ∈ (0.5, 0.6)，x₀ ≈ 0.567。）

第二步：从关系式提取信息。由 e^x₀ ＝ 1/x₀，两边取对数：x₀ ＝ ln(1/x₀) ＝ −ln x₀。也就是 ln x₀ ＝ −x₀——这个「把对数换成线性」的等式是关键。

第三步：代入最值。f 在 (0, x₀) 上递减、(x₀, ＋∞) 上递增，故最小值在 x₀ 处：

f_min ＝ e^x₀ − ln x₀ ＝ 1x₀ ＋ x₀

第四步：估计范围。由 x₀ ∈ (0.5, 0.6) 得 1/x₀ ∈ (1.6̄, 2)，因此 f_min ∈ (2.167, 2.6)，更精确地 f_min ≈ 0.567 ＋ 1.763 ＝ 2.330。这个结果足以回答「证明最小值为正」或「比较最小值与 2.3 的大小」这类问题。

隐零点法的价值：它把一个「解不出」的困境，转换成一次「代换 + 估计」的操作。要点是绝不硬解 x₀，而是把它当作一个「有性质但无表达式」的符号来用——这与上一章「设而不求」是同一种智慧：不求其值，只用其性。

考场上若发现 f′(x) ＝ 0 解不出，请立刻想到隐零点法三步：存在唯一 → 提取关系 → 整体代换。另外，隐零点法必须写「由零点存在性定理与单调性知 x₀ 存在且唯一」，这一句在整个解答里是采分点。

端点效应

端点效应是压轴题最常用的一把「窄门」：从区间的端点处入手，用必要条件把参数范围大幅缩小，再证充分性。

这一条之所以有用，是因为 f′(0) ≥ 0 通常是一个一次不等式，能直接把参数的范围砍到只剩一个方向；剩下的工作只需要证明这个方向确实可行。

完整示范：若 f(x) ＝ e^x − 1 − ax ≥ 0 对一切 x ≥ 0 恒成立，求 a 的范围。

第一步（必要条件）：f(0) ＝ e⁰ − 1 − 0 ＝ 0，故可用端点效应。由 f′(x) ＝ e^x − a 得 f′(0) ＝ 1 − a ≥ 0，于是

a ≤ 1

第二步（充分性）：当 a ≤ 1 时，对 x ≥ 0 有 ax ≤ x，因此

f(x) ＝ e^x − 1 − ax ≥ e^x − 1 − x ≥ 0

（最后一步用了标准放缩 e^x ≥ 1 ＋ x，等号在 x ＝ 0 处取到。）所以 a ≤ 1 确实充分。

第三步（反验）：当 a ＞ 1 时，f′(0) ＝ 1 − a ＜ 0，由导数定义知在 0 右侧一小段内 f(x) ＜ 0，不恒成立。故 a ≤ 1，且这就是最终答案。

端点效应的三种变形：① 区间是 [1, ＋∞) 时，用 f(1) ≥ 0 与 f′(1) ≥ 0（若 f(1) ＝ 0）；② 若 f(a) ＝ 0 而 f′(a) 也恰好为零，就继续看 f″(a)（这叫「高阶端点效应」，是压轴题的高阶技巧）；③ 若区间两端都有条件（如 [0, 1] 上恒成立），就用两端各截一刀，再验证。

端点效应不是「碰运气」，它是必要条件探路法：先用最省力的条件把范围砍小，再用充分性证明砍剩下的部分全都对。这套「先窄后宽」的思路，在竞赛与压轴题里反复出现。

常用放缩库

导数不等式题的最后一步，常常要用一条「熟悉的放缩」把陌生的式子换掉。下面这十条是本章的军火库，请逐条画图确认取等点——图画过，才记得住取等的位置；记住取等位置，才不会放过头。

来历与用法：①②④⑤⑥都是同一条 ln x ≤ x − 1 的化妆版。把 ln x ≤ x − 1 中的 x 换成 1/x，得 −ln x ≤ 1/x − 1，即 ln x ≥ 1 − 1/x（这就是⑤）。把 e^x ≥ x ＋ 1 中 x 换成 x − 1，得 e^x ≥ e·x（这就是②）。记住两条母式，其余八条可以现场推导。

怎么验证⑦？令 h(x) ＝ (x − 1/x)/2 − ln x（x ≥ 1），则

h′(x) ＝ 1 ＋ 1/x²2 − 1x ＝ x² − 2x ＋ 12x² ＝ (x − 1)²2x² ≥ 0

且 h(1) ＝ 0，故 h(x) ≥ 0，即 ln x ≤ (x − 1/x)/2。这条放缩比④更强（更「贴」），在需要精细估计时非常有用。

怎么用⑨？在 ln x ≤ x − 1 中令 x ＝ 1 ＋ 1/n，得 ln(1 ＋ 1/n) ＜ 1/n；在 ln x ≥ 1 − 1/x 中同样令 x ＝ 1 ＋ 1/n，得 ln(1 ＋ 1/n) ≥ 1 − n/(n ＋ 1) ＝ 1/(n ＋ 1)。⑨ 的用途很广：证明「调和级数发散」，或求数列和的上界（例如 ∑ 1/k ＞ ln(n ＋ 1)）。

放缩有一条铁律：放缩的方向必须与目标方向一致，且取等条件必须能被满足。若您把 e^x ≥ 1 ＋ x 用成了 e^x ＞ 1 ＋ x（严格不等），而题目要求等号能取到，您的解答就作废了。所以「记住取等点」不是背书的细节，是逻辑的一部分。

多变量与双函数

题干里出现两个变量、两个函数时，最容易乱。请用一张「量化表」把它彻底理清：先看「谁被谁管」，再看「要最大还是最小」。

这张表不需要背，只需要想清一句话：「任意」是最挑剔的顾客，要求最差的那个也合格；「存在」是最省事的顾客，只要有一个合格就行。把它套在每一个量词上，四行结论自然浮现。

例：已知 f(x) ＝ x² − a、g(x) ＝ 2x − 3，若对任意 x₁ ∈ [1, 2] 与任意 x₂ ∈ [1, 2] 都有 f(x₁) ≥ g(x₂)，求 a 的范围。

这是 ∀∀ 型，用 f_min ≥ g_max。f 在 [1, 2] 上递增，f_min ＝ f(1) ＝ 1 − a；g 在 [1, 2] 上递增，g_max ＝ g(2) ＝ 1。于是 1 − a ≥ 1，得 a ≤ 0。

把量词换成「存在」会怎样？若条件是「存在 x₁, x₂ 使 f(x₁) ≥ g(x₂)」，则用 f_max ≥ g_min：f_max ＝ 4 − a，g_min ＝ −1，得 4 − a ≥ −1，即 a ≤ 5。同一个函数，量词一换，答案从 a ≤ 0 变成 a ≤ 5——这就是量词的分量。

「双函数」问题还有一类特殊情形：题目要求在某个区间上「f 的图像总在 g 的图像上方」。这仍然可以量化成 min(f − g) ≥ 0，即构造差函数 h ＝ f − g 求最小值。能构造差函数时，一律构造差函数——它把四个量词问题降级成一个最值问题。

最后的建议：多变量题先在草稿纸上把每个量词写成「∀」或「∃」的符号，再逐一对号入座。文字题里最贵的错误，是把「存在」读成了「任意」——那不是粗心，是丢了整道题。

数形结合策略

导数题的最后一招是「看图」。当式子复杂到算不动时，把方程拆成两条熟悉的曲线，用它们的位置关系直接读答案。它不能代替证明，但能替您找到证明的方向和答案的候选。

切线法（最值 ⇄ 相切）是数形结合最有力的一招：「两条曲线相切」的时刻，往往就是参数取到临界值的时刻。

完整示范：直线 y ＝ kx（k ＞ 0）与曲线 y ＝ ln x 有两个交点，求 k 的范围。

几何看法：y ＝ kx 是过原点的直线束；y ＝ ln x 是向左下无限贴近 y 轴、向右缓慢上升的曲线。随着 k 从 0⁺ 增大，直线从「贴着 x 轴」逐渐抬起：先与曲线有两个交点，抬到某一刻相切（只剩一个交点），再抬就一个交点也没有。所以临界值就是相切时的斜率。

求临界斜率：设切点横坐标为 x₀。切线斜率 k ＝ 1/x₀；切线过原点意味着切点处的切线方程在 x ＝ 0 处取值为 0，即

ln x₀ − 1x₀·x₀ ＝ 0 ⟹ ln x₀ ＝ 1 ⟹ x₀ ＝ e

于是 k ＝ 1/e。结论：0 ＜ k ＜ 1/e 时有两个交点；k ＝ 1/e 时相切（一个交点）；k ＞ 1/e 时无交点。

再验一遍（代数法）：方程 ln x ＝ kx 等价于 k ＝ ln x / x。令 φ(x) ＝ ln x/x，φ′(x) ＝ (1 − ln x)/x²，故 x ＝ e 处取最大值 φ(e) ＝ 1/e；又 x → 0⁺ 时 φ → −∞，x → ＋∞ 时 φ → 0⁺。所以水平线 y ＝ k 与 y ＝ φ(x) 有两个交点 ⟺ 0 ＜ k ＜ 1/e ✓ 与几何法完全一致。

数形结合的正确用法：先用图找答案与临界条件，再用导数把临界条件算实、把结论证严。只画图不证明，会丢过程分；只算不画图，会在复杂题里失去方向。两者配合，才是这一章完整的战斗力。

研讨① 分类讨论的艺术

导数题里的分类讨论，几乎全部来自三个源头：参数的符号、导函数零点的个数、零点与定义域端点的相对位置。把这三个源头理清，分类就不会漏。

第一步：先看定义域，再看导函数。定义域决定了讨论的边界。例如 f(x) ＝ x − a ln x 的定义域是 (0, ＋∞)，于是 f′(x) ＝ 1 − a/x ＝ (x − a)/x 的零点 x ＝ a 是否落在定义域内，就完全取决于 a 的符号：a ≤ 0 时 x ＝ a 在定义域外（甚至不存在），a ＞ 0 时它在定义域内。所以第一次分类的分界点必然是 a ＝ 0。

第二步：让导函数的零点与「区间」比大小。若题目限定在 [1, 3] 上讨论，而 f′ 的零点是 x ＝ a，则比较 a 与 1、3 的大小关系就产生了分类：a ≤ 1、1 ＜ a ＜ 3、a ≥ 3 三段。分界点来自「零点恰好落在区间端点上」的那一刻——这是分类的通用原则。

第三步：分类的完整性检查。分类必须「不重不漏」。检查方法很简单：把每一类的边界值代进去看是否只有一种归属，并且是否覆盖了全体。例如 a ≤ 1 与 1 ＜ a ＜ 3 与 a ≥ 3 覆盖全体实数且互不重叠，可用 a ＝ 1、a ＝ 3 两点验证归属唯一。

第四步：把分类写成表格。每行一类，列写「参数范围 / 导函数符号 / 单调性 / 最值 / 结论」。表格式的书写不仅防漏，而且极易被阅卷人读懂，是性价比最高的得分技巧。

研讨问题：① 为什么说「第一次分类的分界点常常藏在定义域里」？请再举一例。② 若 f′ 的零点有两个（例如 x ＝ 1 与 x ＝ a），讨论时除了比大小，还要不要考虑「两零点是否相等」？为什么？③ 请说明「分类讨论」与「先分离参数」之间的关系：什么情况下分离能让您完全避免分类？

分类讨论有一个容易被忽视的美德：它把不会做的题变成会做的题。因为每一类里，参数都成了确定的数，剩下的就只是常规求导。所以不要怕分类，怕的是分不清。

研讨② 放缩的分寸感

放缩是导数不等式证明里最像「手艺」的部分。同一条不等式，有人放完就得到结论，有人放完离结论更远——差别在于分寸。

第一步：明确目标方向。证明 f(x) ≥ g(x) 时，您需要的放缩必须朝「把 f 变小、把 g 变大」的方向走（这叫「证不等式要双向奔赴」）；若证明 f(x) ≤ g(x)，方向反过来。方向搞错，再精巧的放缩也是南辕北辙。

第二步：检查取等条件能不能满足。放缩链条上的每一条都有自己的取等点；只有当所有取等点能被同一个 x 同时满足时，最终的等号才成立。若题目要求证明的是「严格大于」，而您的放缩给出的是「大于等于」，就需要回头检查：是不是某一步放过头了（用了太松的界）。

第三步：放过头了就换更强的界。这就是第 7 页那句话的用处：1/(n ＋ 1) ＜ ln(1 ＋ 1/n) ＜ 1/n 两端一夹，比只用一个界精确得多。再如 ln x ≤ x − 1 太松时，可换 ln x ≤ (x − 1/x)/2（x ≥ 1），甚至换 ln x ≤ x − 1 − (x − 1)²/2 ＋ … 的更高阶形式。

第四步：一题两法的对照。同一个不等式，用「直接求差函数的最值」与「放缩」两种方式各做一遍：前者机械但稳，后者轻快但要分寸。考试时建议先用差函数把结论做实，再用放缩把过程写短——两条路互相验证，正确率最高。

研讨问题：① 若要在 x ＞ 0 上证明 e^x ＞ x²，用 e^x ≥ 1 ＋ x 为什么不够？请说明并给出一个够用的放缩。② 试比较 ln x ≤ x − 1 与 ln x ≤ x/e 在 x ＝ 2 处的松紧（各算出两边数值）。③ 说明为什么「取等条件必须带在解答里写出来」，这是形式要求还是逻辑要求？

放缩的分寸感是可以练的：拿十条放缩，对同一个目标函数各试一遍，看哪一条恰好够用、哪一条太过、哪一条欠一点。练十道题，分寸感就有了。这大概是本章唯一一条「只能靠手感」的技能。

研讨③ 高考导数题源流

把近二十年的高考导数压轴题摆在一起看，会发现它们的「题型库」其实很小——小到只有五六种骨架，其余都是换汤。

源流之一：恒成立求参数范围。最古老的形态是「f(x) ≥ 0 恒成立，求 a 的范围」。2000 年代的题以分离参数为主，2010 年代后大量转向「必要性探路（端点效应）＋ 充分性证明」，因为分离后的函数往往不可积心地复杂（出现 x ln x、e^x/x 之类）。

源流之二：零点（根）的个数讨论。从「讨论 f(x) ＝ 0 的根的个数」出发，演化出「已知有两个零点，求参数范围」「已知有且仅有一个零点，证明某不等式」等形式。它的核心永远是极值符号 + 端点趋势。

源流之三：不等式证明。早期是「证明 ln x ＜ x」这样的单点问题，后来升级为「证明 ∑ 型数列不等式」或「双零点不等式」（例如由两个零点导出关于 x₁x₂ 或 x₁ ＋ x₂ 的结论）。后者的标准手法是极值点偏移：构造对称函数 F(x) ＝ f(x) − f(2x₀ − x)，用单调性把两个零点「挤」到一起。

源流之四：隐零点。它出现的信号很明确：f′ 里有 e^x 又有 ln x，或者 e^x 与多项式混合。解法固定为「设 x₀、提关系、整体代换」。

源流之五：多变量与构造。要求证明关于 x₁ ＋ x₂、x₁x₂ 或 (x₂ − x₁)/x₁ 的不等式，需要构造新函数或做变量替换（如设 t ＝ x₂/x₁ ＞ 1 把双变量降成单变量）。

研讨问题：① 为什么「分离参数」在这十年里用得少了？请从「分离后函数的可处理性」角度说明。② 极值点偏移的对称函数构造为什么是 f(x) − f(2x₀ − x)？请解释 2x₀ − x 这个式子的几何含义（提示：它是 x 关于极值点 x₀ 的对称点）。③ 请从老师给的十道真题中，各标出一个属于「源流之一至之五」的题号，并说明判定依据。

研究题源的意义，不是猜题，而是降低陌生感。当您一眼就能认出「这是一道隐零点题」，您的大脑会自动调入对应的解题程序，而不是从零开始摸索。这就是复习的真正收益。

研讨④ 通性与通法

本章招式很多：分离、分类、隐零点、端点效应、放缩、数形结合。它们看起来是六个不同的技能，其实是同一套「通法」的六种变体。把通法说清，您就不会被招式迷惑。

通法只有一句：把要证的事，翻译成某个函数的最值问题。

具体分三步走，这三步对本章所有题型都通用：

六招如何落位在这三步里？

参变分离是「造函数」的变体：它把参数单独移到一边，于是构造函数不用带参数，第二步就退化为一次普通求导。端点效应是「第二步」的加速器：当极值点位置依赖参数、分类太繁时，先用端点处的必要条件把参数范围砍窄。隐零点是「第二步」的执行细节：极值点解不出时，设成 x₀ 并用其关系式代换。放缩是「第二步」的省力替代：不做完整求导，直接用熟悉的界。数形结合是「第三步」的可视化：把 h 与水平线的交点个数直接读出来，用来预判答案。

所以六招不是六个方法，而是一条流水线上的六个工位。做题时的正确顺序是：先判断「造什么函数最省」（分离还是造差函数），再判断「求最值的哪一部分会卡住」（分类繁、零点解不出、还是式子太复杂），然后才调用对应的那一招。

研讨问题：① 用这三步通法重述第 3 页那两个例子（x² − ax ＋ 1 ≥ 0 与 e^x − 1 − ax ≥ 0），说明它们分别卡在哪一步、用了哪一招绕过。② 为什么说「分离参数」的优点是「让第二步变简单」，而缺点是「可能造出一个很难求导的函数」？请各举一例。③ 若一道题的答案是一个区间（如 0 ＜ a ＜ 1/e），说明这个区间的两个端点分别对应通法里的哪一个「临界条件」。

数学里的「通性通法」不是指某个具体技巧，而是指一条能把绝大多数同类问题都装进去的思路主干。技巧会随题型过时，主干不会。这一章的复习重点，应该是这条主干，而不是六个招式名。

例1 恒成立求参

（1）分离参数：因为 x ∈ [1, 2] 时 x ＞ 0，两边除以 x：

a ≤ x ＋ 1x 对 x ∈ [1, 2] 恒成立 ⟹ a ≤ (1x ＋ x)_min

令 g(x) ＝ x ＋ 1/x，则 g′(x) ＝ 1 − 1/x² ≥ 0 在 [1, 2] 上恒成立，故 g 在 [1, 2] 上单调递增，最小值在左端点

g_min ＝ g(1) ＝ 1 ＋ 1 ＝ 2

所以 a ≤ 2。

验证：取 a ＝ 2，则 x² − 2x ＋ 1 ＝ (x − 1)² ≥ 0 对一切实数成立，自然对 [1,2] 成立 ✓（等号在 x ＝ 1 处取到，落在区间内，说明 a ＝ 2 确实可取）。

（2）分离参数：因为 x ＞ 0，两边除以 x：

a ≤ e^xx 对一切 x ＞ 0 恒成立

令 g(x) ＝ e^x/x（x ＞ 0），则

g′(x) ＝ e^x · x − e^xx² ＝ e^x(x − 1)x²

故 g 在 (0, 1) 上递减、在 (1, ＋∞) 上递增，最小值在 x ＝ 1 处：

g_min ＝ g(1) ＝ e

所以 a ≤ e。

验证：取 a ＝ e，要证 e^x ≥ ex。这正是放缩库第 ② 条：令 h(x) ＝ e^x − ex，h′(x) ＝ e^x − e ＝ 0 得 x ＝ 1，h(1) ＝ 0 是全局最小值 ✓。

例 1 两问是一对很好的对照：（1）分离后的函数是「和倒数」型，靠单调性；（2）分离后的函数是「指数除幂」型，靠 e^x 与 x 的大小之争——而 e^x/x ≥ e 这条结论本身就是一条重要的放缩（等价于 e^x ≥ ex）。把常用放缩记熟，相当于把恒成立题的答案提前算好了一半。

例2 零点个数

（1）先求极值。 f′(x) ＝ 3x² − 3 ＝ 3(x ＋ 1)(x − 1)，故

又 x → −∞ 时 f → −∞；x → ＋∞ 时 f → ＋∞。按极值的符号分类（零点存在的分界点就是「极值等于零」的那一刻）：

（2）分离函数最省力。方程化为 a ＝ x − ln x，令 g(x) ＝ x − ln x（x ＞ 0）：

g′(x) ＝ 1 − 1x ＝ x − 1x

故 g 在 (0, 1) 上递减、(1, ＋∞) 上递增，最小值 g(1) ＝ 1 − 0 ＝ 1。又

x → 0⁺ 时 g → ＋∞（因 −ln x → ＋∞），　x → ＋∞ 时 g → ＋∞

于是水平线 y ＝ a 与曲线 y ＝ g(x) 的交点个数为：

数值验证（a ＝ 3）：解 x − ln x ＝ 3。试探 x ＝ 0.05：0.05 ＋ 2.9957 ＝ 3.046 ＞ 3；x ＝ 0.06：0.06 ＋ 2.8134 ＝ 2.873 ＜ 3 → 小根在 (0.05, 0.06) 内，约为 0.0526。又 x ＝ 4：4 − 1.3863 ＝ 2.614 ＜ 3；x ＝ 5：5 − 1.6094 ＝ 3.391 ＞ 3 → 大根在 (4, 5) 内，约为 4.505。确有两个根，与分类表一致 ✓。

例 2 示范了讨论零点个数的两条标准路径：（1）走「极值符号 + 端点趋势」，答案是一张分段的分类表；（2）走「分离变量 + 水平线交点」，答案是三句判断。后者往往更快，但要写清 x → 0⁺ 与 x → ＋∞ 两个趋势，否则图形不完整、结论不严密。

例3 隐零点应用

（1）f′(x) ＝ e^x − 1/x。方程 e^x ＝ 1/x（即 x e^x ＝ 1）解不出初等表达式，用隐零点法。

第一步：存在唯一。令 h(x) ＝ x e^x（x ＞ 0），h′(x) ＝ e^x(x ＋ 1) ＞ 0，故 h 严格递增。计算两个值：

h(1/2) ＝ 0.5 · √e ≈ 0.824 ＜ 1，　h(1) ＝ e ≈ 2.718 ＞ 1

由零点存在性定理与单调性，存在唯一的 x₀ ∈ (1/2, 1) 使 h(x₀) ＝ 1。细化估计：h(0.6) ＝ 0.6 · e^0.6 ≈ 0.6 × 1.822 ＝ 1.093 ＞ 1，故 x₀ ∈ (0.5, 0.6)，约 0.567。

第二步：提取关系式。由 e^x₀ ＝ 1/x₀ 取对数得 x₀ ＝ −ln x₀，即 ln x₀ ＝ −x₀。

第三步：代入求最小值。f 在 (0, x₀) 上递减、(x₀, ＋∞) 上递增（因为 f′ 递增），故

f_min ＝ f(x₀) ＝ e^x₀ − ln x₀ ＝ 1x₀ ＋ x₀

数值约为 1.763 ＋ 0.567 ＝ 2.330。

（2）要证 f(x) ＞ 2，只需证 f_min ＞ 2，即 x₀ ＋ 1/x₀ ＞ 2。

由均值不等式，对一切 x₀ ＞ 0 有 x₀ ＋ 1/x₀ ≥ 2，等号当且仅当 x₀ ＝ 1。而 x₀ 满足 x₀ e^x₀ ＝ 1，取 x₀ ＝ 1 得 1 · e ＝ e ≠ 1，故 x₀ ≠ 1。于是

f_min ＝ x₀ ＋ 1x₀ ＞ 2

所以 f(x) ≥ f_min ＞ 2，命题得证。∎

更精细的界：由 x₀ ∈ (0.5, 0.6)，1/x₀ ∈ (1.6̄, 2)，于是

2.167 ＜ f_min ＜ 2.6，更精确地 f_min ≈ 2.330

这个界足以处理「比较最小值与 2.3 的大小」「说明最小值小于 2.5」一类的要求。

例 3 是隐零点法的标准范本，请把它抄一遍。三个必写句：①「由 h 单调与零点存在性定理知 x₀ 存在且唯一」；②「由 e^x₀ ＝ 1/x₀ 得 ln x₀ ＝ −x₀」；③「故最小值 ＝ x₀ ＋ 1/x₀ ＞ 2」。缺任何一句，过程分都要掉。

例4 导数压轴

（1）f′(x) ＝ 1 − a/x ＝ (x − a)/x（x ＞ 0）。因为 a ＞ 0：

所以单调递减区间为 (0, a)，递增区间为 (a, ＋∞)，最小值

f_min ＝ f(a) ＝ a − a ln a ＝ a(1 − ln a)

（2）由（1），f(x) ≥ 0 恒成立 ⟺ f_min ≥ 0 ⟺ a(1 − ln a) ≥ 0。因为 a ＞ 0，等价于

1 − ln a ≥ 0 ⟹ ln a ≤ 1 ⟹ 0 ＜ a ≤ e

所以 a 的最大值为 e。

验证：a ＝ e 时 f(x) ＝ x − e ln x，f(e) ＝ e − e ＝ 0，最小值恰为零 ✓。

（3）零点个数由最小值的符号决定（注意两个端点的趋势：x → 0⁺ 时 −a ln x → ＋∞，故 f → ＋∞；x → ＋∞ 时 x 占主导，f → ＋∞）：

数值验证：取 a ＝ 4 ＞ e，解 x ＝ 4 ln x。试 x ＝ 1：左 1，右 0 → 左 ＞ 右。试 x ＝ 2：左 2，右 4 × 0.693 ＝ 2.773 → 左 ＜ 右。故小根在 (1, 2)。试 x ＝ 10：左 10，右 4 × 2.303 ＝ 9.210 → 左 ＞ 右，故大根在 (2, 10)——粗算得 x ≈ 8.6 附近。两个根，与分类表一致 ✓。

例 4 是「一题三问」的标准结构：第（1）问求最小值（基础分），第（2）问用最小值判参数（中档分），第（3）问用最小值符号分类讨论零点（压轴分）。三问共用同一次求导，所以第一问务必算对——它是整道题的地基。

研究任务单：导数题源分析

本章的研究任务是一项「考古」工作：把近十年的高考导数压轴题收集起来，给它们做一份题型谱系图。这件事会让您在考场上认题的瞬间反应快一倍。

成果形式：一张题型谱系图（可用手绘或软件）＋ 一张「认题信号表」＋ 12 道题的题干归档。第 22 页答辩时展示，并现场抽一道题演示「3 秒内判定题型」。

这项研究最有趣的地方，是您会在收集到第八九道题时突然发现：出题人也在用同一套骨架。那一刻您会明白，复习不是背题，而是认识命题的语法。

小组探究：软件辅助探索

这一页做一次「人机协作」的探究：用软件先算出候选答案与临界参数，再用纸笔给出证明。这是现代数学研究的真实工作方式——先数值探索，再严格论证。

探究课题：对函数族 f(x) ＝ x − a ln x（a ＞ 0，x ＞ 0），观察零点个数随 a 的变化，找出分界值。

第一步：机算。用下面这段程序扫描 a 的取值，输出零点个数（程序用二分法求根，无需求导）：

第二步：人证。把机算得到的分界值 a ＝ e 当作「猜想」，用纸笔证明它：由 f_min ＝ a(1 − ln a) 知零点个数由 1 − ln a 的符号决定，故分界值恰为 a ＝ e。∎

第三步：换一个课题自己动手。把 x 换成 e^x − ax，用同样的方法找分界值（机算给出 a ≈ 2.718，猜出分界值后请自行证明：f_min ＝ a(1 − ln a)，结论同样是 a ＞ e 时有两个零点）。

探究问题：① 机算找到的「分界值」为什么必须再用纸笔证明？请从「数值方法只能给出有限个采样点」的角度说明。② 二分法求根需要什么前提？如果函数在区间内变号两次（两个根靠得很近），扫描法会不会漏掉？③ 若 a 的分界值不是漂亮的常数（例如 1/e、e 之外的超越数），机算还能帮您什么？

「机算探索 + 人工证明」是当代数学研究的常态。软件给您候选答案与手感，证明给您确定性。只信软件是懒惰，只靠手算在山里找不到路——两者配合，才是这个时代的做法。

研究写作：题型方法论

本章的研究报告主题是「一类导数压轴题的通用解法」。要求 1500 字左右，重点不在题多，而在于把「通法」写清、写成别人能照着用的说明书。

四段式结构：

写作的三个硬要求：

可选题目：① 「恒成立求参数范围的通用流程」（含分离法与端点效应对比）；② 「用隐零点法求含 e^x 与 ln x 函数最值的固定套路」；③ 「极值点偏移的对称函数构造法」（本章挑战 3 是它的一个实例）。

一个高价值的写作练习：写完论文后，把它交给一位没学过本章的同学，让他只读您的论文去做一道同类真题。他若能独立做出来，您的论文就合格了；他若在某一步卡住，那一步就是您没写清楚的地方——回去补上。

「方法论」这个词听起来很虚，但它有一个非常实在的检验标准：别人能不能照着您写的东西把题做出来。这也正是本章通法研讨的落脚点。

研究答辩准备与互评

本页是全章研究的收口。答辩的题目就是您的研究报告，时间是 8 分钟讲述 ＋ 4 分钟提问。导数题的答辩有一个特殊要求：必须在黑板上把关键推导写完，不能只讲思路。因为「思路」可以说得含糊，「推导」含糊不了。

讲述的四个环节：

互评量表：

老师追问的三个常用方向：① 您的方法里哪一步用了「必要性」？如果那一步只是必要而非充分，您怎么补上充分性？② 如果把函数里的 ln x 换成 log₂x，结论会不会变？为什么？③ 您的隐零点论证里，x₀ 的存在唯一性为什么要单独证明？不证明会出什么问题？

答辩准备的一条实用建议：把您要板书的三步先在草稿纸上完整写一遍，并数清每一步要写多少字。很多同学答辩超时，不是因为讲得多，而是因为板书太长、找位置花时间。写一遍能省下两分钟。

挑战：零点压轴

三道题都围绕「零点」展开，难度递增。它们把本章的隐零点、放缩、极值点偏移三种技法各考一次。

三道题的技法各有代表：挑战 1 是「极值符号定参数」，挑战 2 是「放缩证数列不等式」，挑战 3 是「极值点偏移的对称构造」。它们合起来覆盖了近十年导数压轴题的绝大多数形态。做完这三道，您对「题型谱系」应该有了自己的身体记忆。

章评估与错题归档

导数章的复盘与上一章略有不同：本章的错误很少是「不会」，多半是「不严」。所以复盘的重点要放在「严密性」上。

本章最该建立的纪律：五个「必写」。

自评五问：① 拿到一道恒成立题，我的第一反应是不是先试分离？② 遇到 f′(x) ＝ 0 解不出，我是否立刻想到隐零点法三步？③ 我能不能不看书说出十条放缩与它们的取等点？④ 分类讨论时我是否会漏掉「两零点相等」的临界情形？⑤ 我是否养成了写「五个必写」的肌肉记忆？

导数的严谨性与圆锥曲线的计算量，是高三数学的两道不同门槛。圆锥曲线考您能不能算到底，导数考您能不能想到底。这一章的复盘，请把「想到底」作为唯一标准。

预习桥：概率决策

导数收官了。下一章走向一个完全不同的世界：不确定性。前两章处理的一切都是确定的——曲线的每一点、函数的每一个值都可算可求；但现实中更多的判断是在信息不全的情况下做出的：这个检测阳性的人真有病吗？这款保险该卖多少钱？这场比赛谁更可能赢？

这一页用四条桥梁，把「确定的数学」与「不确定的数学」接起来。

桥一：期望是一种「加权平均」，而最值是它的近亲。本章求函数最小值，是找一个确定的数；下一章求随机变量的期望 E(X) ＝ ∑ x_ip_i，也是找一个「代表性的数」——只不过它是按概率加权的平均。求期望的过程里同样要用到求和技巧（与本章的放缩、数列求和相通）。

桥二：『最值』思想直接变成『最优决策』。本章的最大值/最小值是数学上的最优；下一章的「决策」是在若干方案里选使期望收益最大（或期望损失最小）的那个。「均输」这条主线在这里再次现身：如何分配、如何选择，才能最省或最赚。

桥三：『不等式』变成『风险评估』。本章您会写「对一切 x ＞ 0 恒成立」，这是一种绝对的保证；而下一章您会写「以 95% 的把握……」——这是概率式的保证。当无法给出绝对保证时，科学家给出的是概率保证，这是近四百年来人类认知方式最重要的转变之一。

桥四：『隐零点』的不确定性 vs 概率的不确定性。本章的隐零点 x₀ 虽无表达式，但它是一个确定的实数；下一章的随机变量则是真正不确定的。请体会这两种「不知道」的区别：前者是「解不出来」，后者是「本来就没有定值」。区分这两者，是理解概率论的第一步。

预习任务：① 复习分布列的写法与期望、方差的定义，并说明方差为什么用平方而不是绝对值；② 预习条件概率公式 P(A|B) ＝ P(AB)/P(B)，并试着用它解释「阳性检测的真病概率为什么远低于直觉」；③ 复习二项分布 X ~ B(n, p) 的期望与方差公式，并想一想它们为什么分别是 np 与 np(1 − p)；④ 回忆本章挑战 2 里用 ln x ≤ x − 1 证明 (1 ＋ 1/n)ⁿ ＜ e 的手法——这条结论正是下一章二项分布与「牛顿-泊松逼近」的伏笔。

确定的数学让您算准，概率的数学让您判断准。高三的最后几章，本质上是在教您两件事：如何把已知算到极致的准确，以及如何在未知中做出最好的选择。而这两件事的名字，恰好就是本册的两条主线：勾股与均输。

导入：从计数到决策

概率论诞生于一场赌博。1654 年，法国贵族德·梅雷向帕斯卡请教一个具体问题：两个人约定先赢三局者胜，赌金已下，若中途必须停局，赌金该怎么分？这就是著名的「点数问题」。帕斯卡与费马在几封通信里把它算清了——他们发明的不是某个公式，而是一种全新的想法：「还没发生的事」也可以被衡量。

此前的漫长岁月里，人们用「运气」来解释一切随机现象。但赌博让「运气」有了价格：骰子每一面的可能相等，这就是最早的等可能模型。卡尔达诺在 1564 年写下了《论赌博游戏》，第一次认真计算骰子的各种组合数；惠更斯在 1657 年出版《论赌博中的推理》，给出了期望的定义——「期望值」这个概念的原始形态，就是「公平赌局该收多少钱」。

接下来是三位巨人的接力。1713 年，雅各布·伯努利的《猜度术》证明了大数定律：大量重复试验中，频率会稳定在概率附近——这一条把「概率」从主观期望变成了客观规律。1733 年，棣莫弗发现了正态曲线，它是大量独立因素叠加后的普遍形状。1812 年，拉普拉斯写出《概率的分析理论》，把概率论变成一门成熟的数学。1933 年，柯尔莫哥洛夫用测度论给出了公理化定义，概率论正式成为现代数学的一支。

中国古算虽未发展出概率，却早有「分配」与「试错」的数学。《九章算术》的「衰分」章按比例分配财物，「均输」章按路程与损耗摊派劳役——这些都是在约束下做最优分配的问题，与今日的决策数学同源。而《孙子兵法》里那句「多算胜，少算不胜，而况于无算乎」，几乎是决策论的东方宣言：决策的质量取决于信息的质量与计算的质量。

这一章要干什么？三件事：会数（排列组合与二项式，这是概率的分母）、会算（分布列、期望、方差，这是概率的骨架）、会选（决策树与风险评估，这是概率的用处）。前两件是工具，第三件才是目的——因为数学最终要帮人做决定。

主线提醒：这一章与「均输」主线的联系最直接。「均输」讲的是「怎样摊派最公平、最省力」；决策数学讲的是「怎样选择期望最好、风险最可控」。两者都是「在给定条件下找最优」的艺术，只不过一个的条件是确定的，另一个的条件带着概率。

排列组合综合策略

计数的全部基础是两个原理，理解它们比背任何公式都重要：

由这两个原理，衍生出六种高频模型。请把「使用信号」记牢：

两个必须验算的基本量：

相邻问题：5 人排队，甲乙必须相邻。把甲乙捆成一个「整体」（内部有 2! ＝ 2 种排法），整体与其余 3 人共 4 个对象全排列得 4! ＝ 24，故总数 24 × 2 ＝ 48。验算：5 人全排列 120 种，其中甲乙相邻与不相邻按对称性——不相邻的有 120 − 48 ＝ 72 种，用插空法核验：先排其余 3 人（3! ＝ 6 种），形成 4 个空隙，甲乙插入其中两个（A(4,2) ＝ 12 种，有顺序），得 6 × 12 ＝ 72 ✓ 两法一致。

平均分组：6 人平均分成 3 组、每组 2 人，有多少种分法？先按顺序取：C(6,2) · C(4,2) · C(2,2) ＝ 15 × 6 × 1 ＝ 90。但这 90 种里，3 个组被「编了号」，而分组不计组的顺序，故重复了 3! ＝ 6 次，真正的分法数为

C(6,2) · C(4,2) · C(2,2)3! ＝ 906 ＝ 15

隔板法：把 n 个相同小球放进 k 个不同盒子。（i）每盒至少一个：把 n 个球排成一行，在 n − 1 个空隙里选 k − 1 个放隔板，得 C(n − 1, k − 1)；例如 n ＝ 8, k ＝ 3 时为 C(7,2) ＝ 21。（ii）允许空盒：先把每盒「预放」一个「虚拟球」，总数变成 n ＋ k，再按「至少一个」处理，得 C(n ＋ k − 1, k − 1)；例如 C(10,2) ＝ 45。（iii）每盒至多一个：此时必须是 n ≤ k，从 k 个盒中选 n 个，得 C(k, n)。

计数题最大的敌人不是难，而是「重」与「漏」。经验做法：写出您的分类标准，然后换一种方法算第二遍（例如正算与反算、分类法与插空法各一遍）。两种方法答案一致，才可以相信。

二项式定理深化

三条必背性质：① 对称性 C(n, k) ＝ C(n, n − k)；② 系数和 令 a ＝ b ＝ 1 得 ∑ C(n, k) ＝ 2ⁿ；③ 奇偶项 令 a ＝ 1, b ＝ −1 得 ∑ (−1)^kC(n, k) ＝ 0，即奇数项系数和 ＝ 偶数项系数和 ＝ 2ⁿ⁻¹。

赋值法是二项式问题的万能钥匙。它有四种常见用法：

系数最大项怎么找？设第 k ＋ 1 项的系数最大，则它满足「不小于前一项且不小于后一项」两个不等式，解出 k 的范围即可。对 (1 ＋ x)ⁿ 的二项式系数，结论更简单：

一个高阶技巧：求导得加权和。对 (1 ＋ x)ⁿ ＝ ∑ C(n, k)x^k 两边求导：

n(1 ＋ x)ⁿ⁻¹ ＝ ∑ k C(n, k) x^k−1

令 x ＝ 1 得 ∑ k C(n, k) ＝ n · 2ⁿ⁻¹。取 n ＝ 4 验算：左边 0 ＋ 4 ＋ 12 ＋ 12 ＋ 4 ＝ 32，右边 4 × 2³ ＝ 32 ✓。这条式子用于求「带权重的系数和」，是压轴小题的常客。

再补一条：两边同乘 x 再求导两次、或两边积分，可以得到 ∑ k²C(n,k)、∑ C(n,k)/(k ＋ 1) 这类更复杂的形式。原理只有一条：「求和」可以通过「赋值」或「求导／积分」来制造。

二项式定理在概率里的用途马上就会见到：(p ＋ q)ⁿ ＝ ∑ C(n,k)p^kq^n−k 而 p ＋ q ＝ 1，左边是 1——这正是二项分布「所有概率之和为 1」的证明。所以二项式系数表（杨辉三角）与二项分布的概率表是同一张表。

分布列与数字特征

第二条常被用作「求出未知参数」的条件：若分布列里有待定常数，就用「概率之和为 1」把它解出来。

线性变换的两条性质（高频考点）：

E(aX ＋ b) ＝ a E(X) ＋ b，　D(aX ＋ b) ＝ a² D(X)

注意方差里 b 消失了：整体平移不改变离散程度（把全班成绩都加 10 分，平均分涨 10，但差距不变），而放大 a 倍会让离散程度放大 a 倍标准差、a² 倍方差。

完整示范（摸球模型）：袋中 3 个红球、2 个白球，从中任取 2 个，记 X 为取到的红球数。求分布列、E(X)、D(X)。

总共 C(5,2) ＝ 10 种取法。

检验：1/10 ＋ 6/10 ＋ 3/10 ＝ 1 ✓

E(X) ＝ 0 × 0.1 ＋ 1 × 0.6 ＋ 2 × 0.3 ＝ 1.2

E(X²) ＝ 0² × 0.1 ＋ 1² × 0.6 ＋ 2² × 0.3 ＝ 0.6 ＋ 1.2 ＝ 1.8

D(X) ＝ E(X²) − [E(X)]² ＝ 1.8 − 1.44 ＝ 0.36，　σ ＝ 0.6

两条验算线索：① 期望 1.2 恰等于「抽取数 × 红球比例」＝ 2 × 3/5 ＝ 1.2——这不是巧合，而是超几何分布的一般结论（见下一页）；② 方差 0.36 与公式 n·(M/N)(1 − M/N)·(N − n)/(N − 1) ＝ 2 × 0.6 × 0.4 × 3/4 ＝ 0.36 一致 ✓。会用两条独立途径算出同一个数，才叫真的会算。

「平方」而不是「绝对值」来做离差的平均，是为了让方差有良好的代数性质（可加性、可导性）。代价是量纲变成平方，所以还要开根号得到标准差。方差是工具，标准差是解释。报告里给读者看标准差，计算时用方差。

二项分布与超几何

两个最常用的分布，区别只在一句话：放回还是不放回。

完整示范（二项）：独立投掷均匀硬币 4 次，X 为正面次数，则 X ~ B(4, 1/2)：

检验：概率之和 (1 ＋ 4 ＋ 6 ＋ 4 ＋ 1)/16 ＝ 16/16 ＝ 1 ✓（系数 1, 4, 6, 4, 1 正是杨辉三角第 4 行）；E(X) ＝ np ＝ 4 × 1/2 ＝ 2 ✓（分布关于 2 对称）；D(X) ＝ 4 × 1/2 × 1/2 ＝ 1。

完整示范（超几何）：10 件产品中有 3 件次品，任取 4 件，X 为次品数。总共 C(10,4) ＝ 210 种取法：

检验：1/6 ＋ 1/2 ＋ 3/10 ＋ 1/30 ＝ 5/30 ＋ 15/30 ＋ 9/30 ＋ 1/30 ＝ 1 ✓；E(X) ＝ 0 × 1/6 ＋ 1 × 1/2 ＋ 2 × 3/10 ＋ 3 × 1/30 ＝ 0.5 ＋ 0.6 ＋ 0.1 ＝ 1.2，而公式给 nM/N ＝ 4 × 3/10 ＝ 1.2 ✓。

两者的关系：当 N 很大而 n 相对很小时，「不放回」与「放回」差别微小，此时超几何分布近似于 B(n, M/N)——这就是工厂抽样检验里可以「不管有没有放回」的原因。反之，总体小的时候（例如本题 N ＝ 10），两者差别明显：本题的方差比二项分布的 np(1 − p) ＝ 4 × 0.3 × 0.7 ＝ 0.84 小，因为不放回抽样「抽走一个就少一个」，反而更「稳定」。

辨别技巧：题干里出现「有放回」「每次取后放回」「独立重复」→ 二项；出现「一次抽取若干件」「从……中任取」→ 超几何。若题干没说清，就按「一次性抽取」处理，即超几何。

正态分布应用

正态分布是「大量微小独立因素叠加」的普遍形状：身高、测量误差、零件尺寸、考试成绩都近似服从它。它的概率密度曲线是一条关于 x ＝ μ 对称的钟形曲线，两个参数分别是均值 μ（位置）与标准差 σ（胖瘦）。

解题套路只有三步：

完整示范：某零件的长度 X ~ N(100, 10²)（单位：mm）。（1）求长度落在 (80, 120) 内的概率；（2）合格标准是 |X − 100| ＜ 10，求不合格率；（3）这批零件共 10000 件，估计不合格的件数。

（1）80 ＝ μ − 2σ、120 ＝ μ ＋ 2σ，故

P(80 ＜ X ＜ 120) ＝ P(|X − μ| ＜ 2σ) ≈ 0.9545

（2）合格对应 90 ＜ X ＜ 110（即 |X − μ| ＜ σ），故合格率为 0.6827，不合格率 ＝ 1 − 0.6827 ＝ 0.3173（约 31.7%）。

（3）估计不合格件数 ＝ 10000 × 0.3173 ≈ 3173 件。

再加一问：把合格标准放宽到 |X − 100| ＜ 20 呢？此时合格率 ≈ 0.9545，不合格率降到 0.0455，估计不合格约 455 件——只有原来的 1/7。这解释了为什么工业上提高精度（减小 σ）比放宽标准更值钱：同样的容忍度 kσ 下，σ 减半就意味着不合格率断崖式下降。

正态分布的三个易错点：① 误把 σ 当成方差（题目给 N(100, 10²) 时，σ ＝ 10，不是 100）；② 忘记正态曲线关于 μ 对称，导致「只给右半概率」的题不会算（用 0.5 相减即可）；③ 把「不合格率」与「落在某区间外的概率」混为一谈（前者要看清标准是否对称）。

决策树与期望

前面四页是「算概率」，这一页开始「用概率」。决策的核心工具是一个数：期望。

完整示范：某人有 10 万元可投资。方案 A：存入银行，确定获得 10% 即 1 万元收益（无风险）。方案 B：投入某项目，有 0.3 的概率获利 4 万元，有 0.7 的概率亏损 1 万元。该选哪个？

计算方案 A 的期望收益：E(A) ＝ 1 万元（确定值）。

计算方案 B 的期望收益：

E(B) ＝ 0.3 × 4 ＋ 0.7 × (−1) ＝ 1.2 − 0.7 ＝ 0.5（万元）

因为 E(A) ＝ 1 ＞ E(B) ＝ 0.5，按期望准则应选 A。

再比较风险（方差）：

D(A) ＝ 0，　D(B) ＝ 0.3 × (4 − 0.5)² ＋ 0.7 × (−1 − 0.5)² ＝ 0.3 × 12.25 ＋ 0.7 × 2.25 ＝ 3.675 ＋ 1.575 ＝ 5.25

方案 B 的标准差 σ_B ＝ √5.25 ≈ 2.29 万元，约为其期望值的 4.6 倍——「期望只有 0.5 万，波动却有 2.3 万」，这就是「高风险」的量化含义。

灵敏度分析（决策的灵魂）：方案 B 要赢过 A，需要多大的成功概率 p？解

4p − 1(1 − p) ＝ 1 ⟹ 5p ＝ 2 ⟹ p ＝ 0.4

也就是说，只有当成功概率超过 0.4 时，方案 B 才在期望意义下更优。原来估的 0.3 离临界值 0.4 不远——所以这个决策的关键，不是算期望，而是判断 0.3 这个概率估得准不准。这就是「灵敏度分析」的价值：它告诉您结论对哪个假设最敏感。

决策树的画法：从决策点（方块）出发，每个方案引一条线到机会点（圆圈），从机会点按概率分出若干结果（每条线标概率与损益），最后从右往左回算期望。树的画法强制您把「方案—概率—损益」三层信息写全，是防止拍脑袋决策的最好工具。

期望最大化不是唯一准则：若 A 与 B 期望相同而方差不同，选择取决于决策者的风险态度（风险规避者选方差小的）。这一层内容留到研讨②与研讨④深入。

风险评估

「风险」有两层含义：一是不确定性的大小（用方差／标准差度量），二是发生坏结果的可能（用概率度量）。工程、金融、公共卫生领域都用这两把尺子。

用变异系数比较两个项目：项目甲 E ＝ 100 万、σ ＝ 20 万；项目乙 E ＝ 20 万、σ ＝ 8 万。单看标准差，甲的风险更大（20 ＞ 8）；但

CV_甲 ＝ 20/100 ＝ 0.20，　CV_乙 ＝ 8/20 ＝ 0.40

按相对波动，乙的风险反而是甲的两倍。这解释了一个常见误判：规模大的项目「看起来波动大」，其实相对风险可能更小。

凯利准则（下注多少才合理）：在赔率为 b（押 1 元赢了得 b 元净利）、胜率为 p 的赌局中，使长期增长率最大的下注比例为

f* ＝ bp − (1 − p)b ＝ bp − qb（其中 q ＝ 1 − p）

验算两个例子：① 公平硬币 p ＝ 0.5、赔率 b ＝ 1（一赔一）：f* ＝ (0.5 − 0.5)/1 ＝ 0——不下注，正合情理（期望为零的赌局不该参与）。② 胜率 p ＝ 0.6、赔率 b ＝ 1：f* ＝ (0.6 − 0.4)/1 ＝ 0.2——下注总资金的 20%。注意它不是全押：即使有 60% 的胜率，全押也会因长期连败而破产。「期望为正」不等于「应该全押」，这是风险管理的核心一课。

保险定价（风险分摊）：设某人一年内出险的概率为 0.002，出险平均赔付 50 万元，则保险公司每份保单的期望赔付（纯保费）为

0.002 × 50 ＝ 0.1（万元）＝ 1000 元

实际保费还要加上运营成本与风险附加（通常为纯保费的 20%–40%）。被保险人为什么愿意付 1300 元买一份期望只值 1000 元的保险？因为保险买的不是期望，而是「消除一次灭顶之灾的可能性」——这正是期望准则失效、效用准则登场的地方（见研讨④）。

风险沟通的一条职业习惯：凡报告风险，必同时给出「时间尺度」与「基准率」。例如「本药副作用发生率 0.01%」要补上「即每 1 万人中约 1 人」；「某地犯罪率上升 50%」要问清基准是多少。没有基准的概率是吓人的工具，不是信息。

决策报告写作

决策数学的最后一步是「把计算变成建议」。一份合格的决策报告有固定的骨架，缺一节都会被专业读者打回。

第 ③ 节最容易写成空话，也最要紧。看一个规范的写法对比：

第 ⑤ 节（灵敏度）是决策报告与「算个期望就交差」的分水岭。它的写法有三种：

第 ⑥ 节的写法也有讲究：建议要明确（不要写「各有优劣，请领导决定」），但风险要写实（不要写「无风险」）。规范格式是「推荐方案 X，因为其期望收益最高且在 p ≥ 0.25 的范围内保持最优；主要不确定因素为市场需求，建议先以 30% 资金试投，三个月后按实际数据再评估。」——有推荐、有理由、有前提、有可执行的下一步。

写作训练的建议：拿一道课本概率题，把它改写成一份 800 字决策报告。您会发现「算出来」和「说清楚」之间，隔着一整套写作纪律。而现实中，绝大多数决策失误发生在表达环节，而不是计算环节。

研讨① 计数的完备性

计数题的答案只有一个检验标准：不重不漏。「不重」是每一个被数到的对象只算一次；「不漏」是每一个合格对象都被数到。这两条说起来容易，做起来是本章最容易翻车的地方。

三类典型错误，请逐一警惕。

错误一：分类标准不统一。例如「从 5 男 3 女中选 3 人，至少 1 女」。有人分成「1 女」「2 女」「3 女」三类（正确：C(3,1)C(5,2) ＋ C(3,2)C(5,1) ＋ C(3,3) ＝ 30 ＋ 15 ＋ 1 ＝ 46），也有人写成「先选 1 女，再从剩下 7 人中选 2 人」得 C(3,1)C(7,2) ＝ 63——答案是错的，因为它把「选了 A 女与 B 女」的情形算了两遍。检验方法：反面法 C(8,3) − C(5,3) ＝ 56 − 10 ＝ 46 ✓ 与正确分类一致，说明 63 确实多算了（多出的 17 全是重复计数的部分）。

错误二：把「相同元素」当作「不同元素」。例如「把 8 个相同的球放进 3 个不同盒子」若误用 3⁸，就把球当成了可区分的（每个球独立选盒子），答案大错。区分口诀：球相同看隔板，球不同看分步。

错误三：忽略隐含限制。例如「从 6 人中选 4 人排成一排」，若其中某两人不能相邻就多了一层限制；又如「分给 3 个不同的人」与「分成 3 堆」是两回事（前者是分配，后者是分组，差一个 3!）。读题时把「相同/不同」「有序/无序」「均匀/非均匀」三个词圈出来。

两条通用的验算手段：① 换一种方法算第二遍（分类法 ↔ 反面法 ↔ 插空法）；② 缩小规模手数一遍（把 8 个球改成 3 个球放进 2 个盒子，手数出答案，再与公式对比）。第二条尤其好用：规模小到能数清的公式才是可信的公式。

研讨问题：① 请用「先选 1 女」的错误算法，指出它到底把哪些情形重复计算了、重复了几次（提示：对「恰好 2 女」的情形，重复了 2 次）。② 为什么「平均分组」要除以组数的阶乘，而「不均匀分组」不用？请举例说明。③ 隔板法的使用前提是「相同元素分配到不同盒子」，如果盒子也相同（例如「分成 3 堆」），公式要怎么改？

计数功夫的深浅，不在会不会套公式，而在能不能说清自己的分类标准为什么恰好覆盖了全体。养成「写标准、换算法、缩规模」三个习惯，计数题的失分率会立刻下降到接近零。

研讨② 期望决策的伦理

期望最大化是一个数学准则，但把它直接搬进现实，会遇到一个著名的反例。

圣彼得堡悖论（1738 年，丹尼尔·伯努利）：抛一枚公平硬币，直到第一次出现正面为止。若第一次就出现正面（概率 1/2），您得 2 元；若第二次才出现（概率 1/4），您得 4 元；一般地，第 k 次才出现正面（概率 1/2^k），您得 2^k 元。这个游戏的期望收益是

E ＝ 12 × 2 ＋ 14 × 4 ＋ 18 × 8 ＋ … ＝ 1 ＋ 1 ＋ 1 ＋ … ＝ ＋∞

每一项都等于 1，所以期望是无穷大。按期望最大化准则，您应当愿意付出任意有限的钱来玩这个游戏。但现实中，没有人愿意为它付 100 元——这就是悖论。

伯努利的解答：引入「效用」。他认为人最大化的不是金钱的期望，而是金钱带来的满意程度的期望。若效用函数取 u(x) ＝ ln x（财富的边际效用递减），则

E[u] ＝ ∑ 12^k ln 2^k ＝ ln 2 · ∑ k2^k ＝ ln 2 × 2 ＝ 2 ln 2 ≈ 1.386