函数的应用(二)

官方数学老师·19 页·深入(追求细节与边界)·0 次浏览·2 天前
零点定理指数模型函数应用高考考点

函数的应用(二)

看完这条路径,你会用零点定理判定解的存在,并用指数函数建模真实世界

按 空格/→ 演示下一步

1 / 19 页

全部页面点击任意一页,跳回舞台从这页播放

零点定理指数模型函数应用高考考点

函数的应用(二)

看完这条路径,你会用零点定理判定解的存在,并用指数函数建模真实世界

1第 1 页 · 函数的应用(二)

零点的定义

前面我们聊到函数的应用,其中一件绕不开的事,就是看图像上的「特殊位置」。最基础的一种,就是曲线与 x 轴的交点——它恰好对应着 f(x) = 0。

零点的定义
若 f(x₀)=0,则实数 x₀ 称为函数 y=f(x) 的零点
零点 = 方程的根
x₀ 就是方程 f(x)=0 的实数解,是代数与几何间的桥梁
零点对应图像交点
在坐标系中,x₀ 对应图像与 x 轴的交点 (x₀, 0)
「零点」是数而非点
零点是一个数值 x₀;对应的图像交点 (x₀, 0) 是点而非数
温度曲线穿过 0℃ 横线对应 →函数图像与 x 轴相交

曲线与 0℃ 线相交处温度恰为 0,对应 f(x)=0

f(x0)=0x0 是零点(x0,0) 在图像上f(x_0) = 0 \Leftrightarrow x_0 \text{ 是零点} \Leftrightarrow (x_0, 0) \text{ 在图像上}
2第 2 页 · 零点的定义

零点与方程的关系

零点与方程实根存在三种对应关系。流程图自上而下读:先看中心命题,再分三个角度展开,每条支线落到一个具体结论。

图解渲染中…
3第 3 页 · 零点与方程的关系

零点存在定理

上一节我们看到,零点和方程的解其实是同一回事。那方程什么时候一定有解?连续函数给出了一个漂亮回答:只要两端函数值一正一负,中间必藏着一个零点。

定理条件
f(x) 在闭区间 [a,b] 上连续,且 f(a)·f(b)<0
结论
在开区间 (a,b) 内至少存在一个 c,使 f(c)=0
几何直观
连续曲线从 x 轴一侧贯穿到另一侧,必然与 x 轴相交
注意'至少'二字
零点可能不止一个,定理不保证个数,也不给出位置
温度计从零上滑到零下对应 →连续函数符号相反

温度连续下降时,必有一刻指针恰好指在 0 度,那就是零点

f(a)f(b)<0, a<b   c(a,b), f(c)=0f(a)\cdot f(b)<0,\ a<b\ \Rightarrow\ \exists\ c\in(a,b),\ f(c)=0
4第 4 页 · 零点存在定理

零点存在定理的条件验证

验证零点存在定理的两个前提条件:连续性与端点异号,缺一不可。

1
检验连续性
确认f(x)在闭区间[a,b]上连续不断裂
2
计算端点值
分别算出f(a)与f(b)的具体数值
3
判断异号
看f(a)·f(b)是否小于零,即符号相反
5第 5 页 · 零点存在定理的条件验证

二分法的核心思想

零点存在定理只说「区间里一定有零点」,却没说在哪。二分法要做的,就是把这个未知零点一步步逼出来——而且逼得可控、可量化。

对半取中点
每次取 [a,b] 的中点 m = (a+b)/2,先看这一步
判号缩半
算 f(m) 的符号,决定保留 [a,m] 还是 [m,b]
循环迭代
把新区间当作新的 [a,b],重复前两步
精度可控
n 步后区间长度不超过 (b−a)/2ⁿ,想多精确都行
猜数字游戏(1~100)对应 →二分法逐步逼近零点

每次猜中点,对方回「大」或「小」——判号缩半完全一样

m=a+b2,Ln=ba2nm=\dfrac{a+b}{2},\quad L_n=\dfrac{b-a}{2^n}
6第 6 页 · 二分法的核心思想

二分法的完整步骤

二分法本质是反复把含根区间对折,每轮误差都减半。

1
选区间
找 [a,b] 使 f(a)·f(b)<0,由零点存在定理保证根在此区间
2
取中点
计算 c=(a+b)/2,把区间等分为二,根必在其中一半
3
判断缩区间
看 f(c) 符号:与 f(a) 异号则根在 [a,c],否则在 [c,b]
4
迭代至达标
重复取中点与缩区间,直至 |b-a|<ε,输出 c 作近似根
7第 7 页 · 二分法的完整步骤

二分法收敛性分析

沿箭头看每次二分后区间长度的变化:从 L 一路减半到 L/2ᵏ,再看何时满足精度。

图解渲染中…
a4第 k 次迭代后区间长度为 L/2ᵏ,呈几何级数衰减a5终止条件:2ᵏ > L/ε,即需 k > log₂(L/ε) 次
8第 8 页 · 二分法收敛性分析

二分法误差控制

python

用迭代次数公式计算函数,对比不同精度下所需的二分次数,并验证误差上界。

代码高亮加载中…

高亮行把「对数下界 + 向上取整」翻译成代码:误差 (b−a)/2ⁿ<ε 反解即得 n≥log₂((b−a)/ε),向上取整拿到最小迭代次数。

9第 9 页 · 二分法误差控制

二分法实例演示

以 x³-x-1=0 为例,完整走一遍二分法求根的六步流程。

1
确定初始区间
取 f(1)=-1, f(2)=5,一正一负,根在 [1,2] 内
2
验证前提条件
确认 f(x) 在 [1,2] 连续且端点异号,定理才可用
3
取中点求值
m=(1+2)/2=1.5,代入得 f(1.5)=0.875>0
4
缩小区间
f(1)<0 与 f(1.5)>0 异号,根落在新区间 [1,1.5]
5
循环至达标
反复取中点,直到 |b-a| 小于预设精度 ε 为止
6
输出近似解
满足精度后,取当前中点作为方程的近似根
10第 10 页 · 二分法实例演示

指数增长模型

前面用二分法求零点是求「x 等于多少」,但函数更大的用处是「描述变化」。先抛一个问题:一张纸对折 42 次,厚度能超过珠穆朗玛峰吗?答案是能——这就是指数增长的威力。

模型结构
y=N₀·aᵗ,每过一个单位时间,y 就乘以 a
a 的边界
a>1 才是增长;a=1 是常值;0<a<1 是衰减
N₀ 的角色
初始值,决定基线,t=0 时的起点
适用前提
单位时间内增长比例恒定,且无资源约束
细菌分裂对应 →指数增长模型

一变二、二变四——a=2,t 是分裂代数,N₀ 是起始菌数

y=N0at,a>1y = N_0 \cdot a^t, \quad a > 1
11第 11 页 · 指数增长模型

指数衰减模型

上页指数增长讲「越涨越快」——细胞分裂、复利。现实里也有「越剩越少」的过程:放射性衰减、药物代谢、热水降温。它们共用同一条公式,只是底数从 a>1 翻为 0<a<1。

模型形式
与增长模型同为 y=N₀·aᵗ,区别仅在底数范围 0<a<1
衰减率
每过单位时间,剩余量变为上次的 a 倍,即减少 (1-a) 倍
典型场景
放射性衰变、药物代谢、物体冷却、光线穿透衰减
半衰期
数量减半所需时间,与初始量无关,仅由 a 决定
边界行为
a→1 几乎不衰减;a→0 瞬间归零
碳-14 测年对应 →指数衰减的半衰期

每 5730 年剩余量减半,与初始量无关——考古据此反推文物年代

y=N0at (0<a<1),t1/2=ln2lnay = N_0 \cdot a^t \ (0<a<1), \quad t_{1/2} = \frac{\ln 2}{-\ln a}
12第 12 页 · 指数衰减模型

增长与衰减的对比

增长和衰减形式几乎一样,只差一个正负号,但图像方向和应用场景截然相反——这是最容易混淆的辨析点。

指数增长
  • 模型 y=a(1+r)^x,r>0
  • 图像单调递增、凹向下
  • 场景:人口、复利、传播
  • 后期斜率越来越陡
指数衰减
  • 模型 y=a(1-r)^x,0<r<1
  • 图像单调递减、凹向上
  • 场景:衰变、代谢、冷却
  • 后期无限趋近于零
看底数与1比:底数>1是增长,底数∈(0,1)是衰减。题干出现「翻倍/扩散」选增长,「半衰期/残留」选衰减。
13第 13 页 · 增长与衰减的对比

数学建模的基本步骤

把现实问题翻译成数学语言,再把答案送回现实检验——这个来回要走完一整套标准流程。

1
问题分析
拆解实际背景,识别关键变量、目标与约束边界
2
模型假设
抓住主导因素、剥离次要因素,合理简化并明示适用范围
3
建立模型
用函数、方程或不等式将变量关系转化为数学表达
4
模型求解
运用解析法或数值法求出具体解或近似解
5
检验修正
将解回代现实,误差过大则回溯迭代优化
14第 14 页 · 数学建模的基本步骤

指数模型的选择依据

上一页认识了指数增长和衰减各自的模样。但建模时真正的难点是:拿到一个真实问题,怎么判断它该不该用指数模型?这一页给一套判别准则。

核心标志
变化量与当前值成正比,而非与时间成正比
关键词信号
出现每年翻番、按 x% 增长、复利、半数衰减等表述
比值检验
等间隔数据看 y(n+1)/y(n) 是否近似为常数
边界条件
指数数学上无上界,但资源耗尽或饱和时会失真
反例排除
差值恒定→线性;比值持续变化→多项式或对数
银行复利存款对应 →指数模型的判别直觉

每年利息 = 本金×利率,本金越大利息越多——变化越来越快恰是指数特征

y(t+1)y(t)1+r\frac{y(t+1)}{y(t)} \approx 1+r
15第 15 页 · 指数模型的选择依据

生活中的指数模型实例

中心是指数模型,三条分支对应三大生活场景。

图解渲染中…
人口增长N=N₀e^(rt),r为人口增长率放射性衰变N=N₀e^(-λt),λ由半衰期决定复利增长A=P(1+r/n)^(nt),n为复利周期数
16第 16 页 · 生活中的指数模型实例

综合应用例题

python

用二分法求年化利率:1万本金20年变5万,利率是多少?真实场景展示函数建模与数值求解。

代码高亮加载中…

高亮行展示了二分法骨架:中点取值→判号→缩半区间;实际问题建模为 (1+r)^20-5=0,再用同一算法求解。

17第 17 页 · 综合应用例题

本章知识结构

  • 零点定理的根是连续性,缺了它一切二分讨论都无从谈起
  • 二分法收敛速度是对数级,适用面最广但代价是慢
  • 指数模型的灵魂判据:变化率与现值的比例是否恒定
  • 数学建模是假设—求解—验证的螺旋,验证才是真正的终点
  • 每条定理与公式都有适用边界,超出后结论可能崩塌
延伸主题:对数函数:指数的反向思维牛顿迭代法:比二分快多少Logistic模型:受限增长
18第 18 页 · 本章知识结构

课后思考

先独立想 5 分钟再看参考答案。本页没有标准答案,关键是把每个边界想清楚。

1零点存在定理同时要求「连续」与「端点异号」。如果只保留其中一个条件,结论还可能成立吗?请各举一例。

参考答案提示:从两端思考——连续但同号时(如零点恰在端点)仍可能成立;不连续但异号时也可能有零点,但中间不连续处可能「跳过」零点。关键是看清条件是「充分」而非「必要」。

2用二分法求方程近似解时,如何根据精度 ε 估算所需步数 n?当 ε 从 0.01 缩小到 0.0001 时,n 大约增加多少?

参考答案提示:n ≥ log₂((b-a)/ε)。ε 缩小 100 倍,n 增加 log₂(100) ≈ 6.64,即多约 7 步。这说明二分法每步只把误差砍掉一半,收敛稳定但偏慢——这正是它易于教学却少用于工程的原因。

3「病例每三天翻一番」隐含指数模型。现实中有哪些场景会让这个判断失效?请举一例并解释原因。

参考答案提示:当增长率随时间衰减(防控措施生效)或存在资源上限时,指数模型不再适用,会出现 logistic S 形曲线或增长拐点。指数模型只适合描述早期、未受抑制的阶段,越过拐点就要换模型。

19第 19 页 · 课后思考
函数的应用(二) · 知识图解