知识点

微分与线性近似

定义

设函数 y=f(x)y=f(x) 在区间内有定义,x0x_0 与 x0+Δxx_0+\Delta x 都在该区间内。若函数的增量

Δy=f(x0+Δx)−f(x0)\Delta y=f(x_0+\Delta x)-f(x_0)

可以写成

Δy=A Δx+o(Δx)(Δx→0),\Delta y=A\,\Delta x+o(\Delta x)\qquad(\Delta x\to0),

其中 AA 是不依赖于 Δx\Delta x 的常数,则称 ff 在点 x0x_0 处可微,并把线性部分

dy=A Δx\mathrm{d}y=A\,\Delta x

称为 ff 在 x0x_0 处相应于自变量增量 Δx\Delta x 的微分。

这里 o(Δx)o(\Delta x) 表示比 Δx\Delta x 高阶的无穷小,即 Δy\Delta y 与 AΔxA\Delta x 之差趋于 00 的速度比 Δx\Delta x 更快。所以 dy\mathrm{d}y 是 Δy\Delta y 的线性主部:∣Δx∣|\Delta x| 足够小时,Δy≈dy\Delta y\approx\mathrm{d}y。

规定自变量的微分就是它的增量,

dx=Δx,\mathrm{d}x=\Delta x,

由下文可微与可导的充要条件,可微时 A=f′(x0)A=f'(x_0),于是微分通常写成

dy=f′(x) dx.\mathrm{d}y=f'(x)\,\mathrm{d}x .

可微与可导

充要条件

一元函数 ff 在点 x0x_0 处可微的充要条件是 ff 在 x0x_0 处可导,并且此时

A=f′(x0),dy=f′(x0) dx.A=f'(x_0),\qquad \mathrm{d}y=f'(x_0)\,\mathrm{d}x .
证明

若 ff 在 x0x_0 处可微,则 Δy=AΔx+o(Δx)\Delta y=A\Delta x+o(\Delta x)。两边除以 Δx\Delta x:

ΔyΔx=A+o(Δx)Δx→A,\frac{\Delta y}{\Delta x} =A+\frac{o(\Delta x)}{\Delta x}\to A,

所以 f′(x0)f'(x_0) 存在,且等于 AA。

反过来,若 f′(x0)f'(x_0) 存在,令

ε=ΔyΔx−f′(x0),\varepsilon=\frac{\Delta y}{\Delta x}-f'(x_0),

则 Δx→0\Delta x\to0 时 ε→0\varepsilon\to0,且

Δy=f′(x0)Δx+εΔx,εΔx=o(Δx),\Delta y=f'(x_0)\Delta x+\varepsilon\Delta x, \qquad \varepsilon\Delta x=o(\Delta x),

故 ff 在 x0x_0 处可微,且 A=f′(x0)A=f'(x_0)。

因此求微分归结为求导数再乘以 dx\mathrm{d}x。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 y=f(x)y=f(x) 在点 (x0,f(x0))(x_0,f(x_0)) 处的切线为

y=f(x0)+f′(x0)(x−x0).y=f(x_0)+f'(x_0)(x-x_0).

当自变量从 x0x_0 变到 x0+Δxx_0+\Delta x 时,Δy\Delta y 是曲线上纵坐标的增量,dy=f′(x0)Δx\mathrm{d}y=f'(x_0)\Delta x 是同一切线上纵坐标的增量。两者之差 o(Δx)o(\Delta x) 就是曲线偏离切线的部分。

所以 Δx\Delta x 很小时可以用切线段代替曲线段,即以直代曲:

f(x0+Δx)≈f(x0)+f′(x0)Δx.f(x_0+\Delta x)\approx f(x_0)+f'(x_0)\Delta x .

运算法则

微分法则与导数法则一致。设 uu、vv 可微,则

d(Cu)=C du,d(u±v)=du±dv,\mathrm{d}(Cu)=C\,\mathrm{d}u,\qquad \mathrm{d}(u\pm v)=\mathrm{d}u\pm\mathrm{d}v,d(uv)=v du+u dv,d(uv)=v du−u dvv2(v≠0).\mathrm{d}(uv)=v\,\mathrm{d}u+u\,\mathrm{d}v,\qquad \mathrm{d}\left(\frac{u}{v}\right) =\frac{v\,\mathrm{d}u-u\,\mathrm{d}v}{v^2}\quad(v\ne0).

以乘积为例,由 d(uv)=(uv)′dx\mathrm{d}(uv)=(uv)'\mathrm{d}x 得

d(uv)=(u′v+uv′)dx=v (u′dx)+u (v′dx)=v du+u dv.\mathrm{d}(uv)=(u'v+uv')\mathrm{d}x =v\,(u'\mathrm{d}x)+u\,(v'\mathrm{d}x) =v\,\mathrm{d}u+u\,\mathrm{d}v .

其余法则可以同样验证。更完整的求导公式见基本求导公式与四则运算法则;复合函数的微分要用链式法则。

近似计算

近似公式

当 ∣Δx∣|\Delta x| 很小时,用 dy\mathrm{d}y 代替 Δy\Delta y:

f(x0+Δx)≈f(x0)+f′(x0)Δx.f(x_0+\Delta x)\approx f(x_0)+f'(x_0)\Delta x .

令 x=x0+Δxx=x_0+\Delta x,也可写成

f(x)≈f(x0)+f′(x0)(x−x0).f(x)\approx f(x_0)+f'(x_0)(x-x_0).

这就是用切线代替曲线得到的线性近似。

  1. 选基点

    取 x0x_0 使 f(x0)f(x_0) 与 f′(x0)f'(x_0) 都容易计算,并且 xx 离 x0x_0 足够近。

  2. 算增量与微分

    令 Δx=x−x0\Delta x=x-x_0,计算 dy=f′(x0)Δx\mathrm{d}y=f'(x_0)\Delta x。

  3. 相加并说明精度

    得到 f(x)≈f(x0)+dyf(x)\approx f(x_0)+\mathrm{d}y。误差是 o(Δx)o(\Delta x),Δx\Delta x 越小,近似越可靠。

常用近似公式

取 x0=0x_0=0,当 ∣x∣|x| 很小时:

(1+x)α≈1+αx,1+x≈1+12x,11+x≈1−x,(1+x)^\alpha\approx1+\alpha x,\qquad \sqrt{1+x}\approx1+\frac12x,\qquad \frac{1}{1+x}\approx1-x,sin⁡x≈x,tan⁡x≈x,ex≈1+x,ln⁡(1+x)≈x.\sin x\approx x,\qquad \tan x\approx x,\qquad e^x\approx1+x,\qquad \ln(1+x)\approx x .

前三个式子是同一个公式的特例:α=12\alpha=\dfrac12 给出 1+x\sqrt{1+x},α=−1\alpha=-1 给出 11+x\dfrac{1}{1+x}。这一组都可以由 f(x)≈f(0)+f′(0)xf(x)\approx f(0)+f'(0)x 得到,只在 x→0x\to0 时有效。

误差估计

设 AA 为准确值,aa 为近似值,则

  • 绝对误差:∣A−a∣|A-a|;
  • 相对误差:∣A−a∣∣A∣\dfrac{|A-a|}{|A|},实际估计时常用 ∣A−a∣∣a∣\dfrac{|A-a|}{|a|}。

用微分近似时,误差 Δy−dy=o(Δx)\Delta y-\mathrm{d}y=o(\Delta x),所以 ∣Δx∣|\Delta x| 足够小时,绝对误差是比 ∣Δx∣|\Delta x| 高阶的无穷小。实际测量中常把测量误差当作 Δx\Delta x,用 dy=f′(x)Δx\mathrm{d}y=f'(x)\Delta x 估计函数值的误差。

例子

近似 1.02\sqrt{1.02}

取 f(x)=xf(x)=\sqrt{x},x0=1x_0=1,Δx=0.02\Delta x=0.02。则 f(1)=1f(1)=1,f′(x)=12xf'(x)=\dfrac{1}{2\sqrt{x}},f′(1)=12f'(1)=\dfrac12。于是

1.02≈1+12⋅0.02=1.01.\sqrt{1.02}\approx1+\frac12\cdot0.02=1.01 .

真实值约为 1.009951.00995,近似值偏大约 0.000050.00005,误差比 Δx\Delta x 小两个数量级以上。

微分与增量的差别:y=ln⁡(1+x)y=\ln(1+x)

在 x=0x=0 处取 Δx=0.01\Delta x=0.01。因为 f′(0)=1f'(0)=1,

dy=f′(0)Δx=0.01.\mathrm{d}y=f'(0)\Delta x=0.01 .

而实际增量

Δy=ln⁡1.01≈0.00995,\Delta y=\ln1.01\approx0.00995,

与 dy\mathrm{d}y 相差约 5×10−55\times10^{-5},这个差是 o(Δx)o(\Delta x)。Δx\Delta x 越小,两者越接近。

用微分估计面积误差

测得圆半径 r=10 cmr=10\ \mathrm{cm},测量误差至多 0.05 cm0.05\ \mathrm{cm}。面积 A=πr2A=\pi r^2,A′(r)=2πrA'(r)=2\pi r,所以面积的微分为

dA=2πr dr=2π⋅10⋅0.05=π≈3.14 (cm2).\mathrm{d}A=2\pi r\,\mathrm{d}r =2\pi\cdot10\cdot0.05 =\pi\approx3.14\ (\mathrm{cm}^2).

这是面积误差的线性估计。相对误差约为

dAA=2πr drπr2=2 drr=1%.\frac{\mathrm{d}A}{A}=\frac{2\pi r\,\mathrm{d}r}{\pi r^2} =\frac{2\,\mathrm{d}r}{r}=1\%.

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…

题集

练习

  1. 函数 y=x3y=x^3 在 x=2x=2 处、Δx=0.01\Delta x=0.01 时的微分 dy=\mathrm{d}y= 。

    参考解答

    y′=3x2y'=3x^2,y′(2)=12y'(2)=12,所以 dy=12⋅0.01=0.12\mathrm{d}y=12\cdot0.01=0.12。

  2. 用微分近似,1.04≈\sqrt{1.04}\approx 。

    参考解答

    取 f(x)=xf(x)=\sqrt{x}、x0=1x_0=1、Δx=0.04\Delta x=0.04,得 1+12⋅0.04=1.021+\dfrac12\cdot0.04=1.02。

  3. 关于一元函数可微与可导的关系,正确的说法是

    选择答案
    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 dy=f′(x)dx\mathrm{d}y=f'(x)\mathrm{d}x。连续只保证函数值贴近极限值,不足以保证可微。