拉格朗日中值定理怎么用-拉氏定理实用技巧

拉格朗日中值定理啊，这玩意儿用起来比背公式还好办，就是有时候认定它像个戴着墨镜的老头，一直一副“你看这函数呢”的样子。 刚 знаком 初识它的时候，总认定它就是个死板的定理，就是求导等于函数差商。但在实际出题目，要么自己琢磨数学题的时候，你会发现它更像是一种直觉的放大器，一个能在函数行为最剧烈的地方（就是那个切点）给你答案的“裁判”。
举个例子，假设我们要研究一个函数 $f(x)$，它长得像 $x^2$。在 $x=0$ 处，我们想看看它的切线方程。用公式直接算导数，一阶导数就是 $2x$，在 $x=0$ 时就是 $0$，切线方程就是 $y=0$。
这时候函数值也是 $0$，彻底吻合。但这只是巧合，函数实际上是个抛物线，开口向上，顶点本来就在原点。拉格朗日定理能干嘛呢？它告诉你，在 $x=0$ 到 $x=1$ 这一整段区间里，函数值的变化量 $Delta f$ 一定等于导数在某一点 $xi$ 的值乘以长度 $Delta x$。
也就是说，$Delta f = f(1)-f(0) = f'(xi) cdot Delta x$。代入数值算，$(1)^2 - 0^2 = 1$，而 $f'(xi) = 2xi$。
故此 $1 = 2xi$，解得 $xi = 0.5$。
这个 $xi=0.5$ 就是那个神奇的点，它彻底不是区间的端点，也不是那个让二阶导数出现奇点的特殊点，它就在正中间，也就是函数图象上那个最“尴尬”、最像直线的地方。
你看，定理把那个隐形的“平均变化率”变成了一件具体的东西，就是我们熟悉的导数值。 大量人认定这个定理最头疼的应用场景就是“证明一个命中的函数”。
这时候别急着套公式，得换种思路。
比如要证 $f(x) = x^2$ 在 $[0,1]$ 上知足拉格朗日中值定理。直接代入求导得 $2x$，然后让 $2xi = 1^2 - 0^2 = 1$，解出 $xi=0.5$。证毕。但这忒好办了，仿佛我们只是在做算术题，没用到函数本身的“灵魂”。
这时候能够把函数想象成一段旅程，$Delta f$ 是位移，$f'(xi)$ 是那个瞬间的速度。定理就像说：“不管你的动作有多曲折，只要速度一直是正的，你的总位移就等于你在某个瞬间的速度乘以工夫。” 再深入点，特别是涉及到不等式的时候，拉格朗日中值定理简直就是化整为零的神器。有些同学一看到 $f(b) - f(a)$ 这种形式，第一反应就是构造函数 $g(x) = f(x) - Ax^2$，然后求导令导数为零，那样做别看通用，但有时候好办死守公式。拉格朗日定理的优势在于它准你“偷”一个导数去凑结论。
比如你要证 $int_0^1 f(x) dx le M$，其中 $M$ 是 $f(x)$ 的最大值。
这时候直接积分忒费事。你能够构造一个辅助函数，要么利用定理去处理边界值。
比如证明 ${1/n}$ 序列的极限是 0。
这题要是用常规法，你得算前 $n$ 项和，除以 $n$，再取极限，运算量庞大。用拉格朗日定理的话，思路就好办多了。寻思函数 $f(x) = 1/x$。在区间 $(1/n, 1/1]$ 上求导，导数是 $-1/x^2$。根据定理，存有 $xi_n in (1/n, 1)$ 使得 -$(1/xi_n)^2 = 1/n - 1/1$。整理一下，$1/xi_n^2 = 1 - 1/n$，故此 $(1/xi_n)^2 = (n-1)/n$。左边正是 $xi_n^2$ 的倒数。出于 $1/n < 1/xi_n < 1$（显然成立），故此 $xi_n > n$。
这就说明对于 $1/n$ 挺大的情况，函数图像上那个“切点” $xi_n$ 一下子跑了挺远，远得都快超过 $n$ 了。
这个推论别看看起来有点跳跃，但在处理无穷级数要么求极限的某些特殊技巧时，它能帮你避开那些繁琐的代数变形，直接把难题简化掉。 不过啊，也不能只靠拉格朗日定理，有时候它也会让你困惑。
比如函数在区间内可导，但区间是开区间 $(a,b)$ 的话，定理里的 $xi$ 点就缩成了一个空洞的点，不在这个区间上，这确实是个难题。
这时候你得先补个闭区间，要么换一种构造方式。
可是在大局部实用场景里，只要保证端点存有且连续，闭区间定理就能完美覆盖题目给出的范围。 再说说它和牛顿法的区别。
牛顿法是用切线去逼近，像开车绕着山跑，路径是折线；拉格朗日中值定理是找一条平滑的线，既不过弯也不超弯，横穿区间时平均速度是那个“切点”的速度。
这有点像看地图，牛顿法是看脚下的路，拉格朗日中值定理是看整条河流的流向。 最终总结一下，拉格朗日中值定理在解题时，本质上是个“找点”工具。当你被要求证明某个函数在区间内单调，要么知足不等式约束时，它供给的就是那个让不等式成立的“关键位置”。想象你拿着一把尺子量一段绳子，拉格朗日中值定理就告诉你，这段绳子的拉伸程度（函数值之差）是由绳子在某个特定位置的紧绷程度（导数值）拍板的。它不关心你是如何拉那会儿的，它只关心哪个位置最紧。
故此，别把它当成公式来死记硬背，把它当成一个描述函数“内在逻辑”的透镜。当你看到这个 $Delta f = f'(xi) Delta x$ 时，不妨在心里把 $xi$ 框起来，把它当成一个独立的变量来处理，看看能不能把它推到结论的后面去。
只要你能娴熟地在区间里找个“哥们儿”，这道题一般就迎刃而解了。