微分与线性近似
定义
设函数 在区间内有定义, 与 都在该区间内。若函数的增量
可以写成
其中 是不依赖于 的常数,则称 在点 处可微,并把线性部分
称为 在 处相应于自变量增量 的微分。
这里 表示比 高阶的无穷小,即 与 之差趋于 的速度比 更快。所以 是 的线性主部: 足够小时,。
规定自变量的微分就是它的增量,
由下文可微与可导的充要条件,可微时 ,于是微分通常写成
可微与可导
充要条件
一元函数 在点 处可微的充要条件是 在 处可导,并且此时
证明
若 在 处可微,则 。两边除以 :
所以 存在,且等于 。
反过来,若 存在,令
则 时 ,且
故 在 处可微,且 。
因此求微分归结为求导数再乘以 。下面讨论一元函数;多元函数中偏导数存在与可微是两件不同的事。
几何意义
曲线 在点 处的切线为
当自变量从 变到 时, 是曲线上纵坐标的增量, 是同一切线上纵坐标的增量。两者之差 就是曲线偏离切线的部分。
所以 很小时可以用切线段代替曲线段,即以直代曲:
运算法则
近似计算
近似公式
当 很小时,用 代替 :
令 ,也可写成
这就是用切线代替曲线得到的线性近似。
-
选基点
取 使 与 都容易计算,并且 离 足够近。
-
算增量与微分
令 ,计算 。
-
相加并说明精度
得到 。误差是 , 越小,近似越可靠。
常用近似公式
取 ,当 很小时:
前三个式子是同一个公式的特例: 给出 , 给出 。这一组都可以由 得到,只在 时有效。
误差估计
设 为准确值, 为近似值,则
- 绝对误差:;
- 相对误差:,实际估计时常用 。
用微分近似时,误差 ,所以 足够小时,绝对误差是比 高阶的无穷小。实际测量中常把测量误差当作 ,用 估计函数值的误差。
例子
近似
取 ,,。则 ,,。于是
真实值约为 ,近似值偏大约 ,误差比 小两个数量级以上。
微分与增量的差别:
在 处取 。因为 ,
而实际增量
与 相差约 ,这个差是 。 越小,两者越接近。
用微分估计面积误差
测得圆半径 ,测量误差至多 。面积 ,,所以面积的微分为
这是面积误差的线性估计。相对误差约为
探索
线性近似与真实变化有多接近?
在4附近用微分近似平方根。
正在准备演示…
练习
函数 在 处、 时的微分 。
参考解答
,,所以 。
用微分近似, 。
参考解答
取 、、,得 。
关于一元函数可微与可导的关系,正确的说法是
参考解答
一元函数在一点可微的充要条件是在该点可导,且 。连续只保证函数值贴近极限值,不足以保证可微。