切线放缩法在极值问题中如何突破传统求导的局限性？

核心步骤解析

1. 确定切点位置

   • 选择函数图像上某点（通常为极值可疑点），通过导数计算该点切线方程。
   • 若函数复杂（如含指数、对数），优先选择导数易计算的点（如整数点）。

2. 构造切线不等式

   • 根据函数凹凸性，将原函数放缩为切线方程。例如：
     • 凹函数：$f(x)\leqf(a)+f'(a)(x-a)$
     • 凸函数：$f(x)\geqf(a)+f'(a)(x-a)$
   • 通过不等式建立原函数与切线的联系。

3. 结合极值条件分析

   • 将放缩后的切线方程代入极值判定条件（如导数为零）。
   • 例如：若$f(x)\geq\text{切线}$，则原函数极小值点需满足切线方程的极值条件。

4. 验证极值点有效性

   • 检查放缩后的不等式是否在极值点附近严格成立，避免因放缩导致的误差。
   • 通过二阶导数或邻域比较法确认极值类型（极大/极小）。

对比传统方法的优势

关键注意事项

• 切点选择：优先选对称点或对称区间，减少放缩误差。
• 凹凸性判断：错误判断凹凸性会导致不等式方向错误。
• 多点放缩：对复杂函数可叠加多个切线放缩，逐步缩小极值范围。

如何根据函数特性灵活选择切点位置？