高等数学 / 系统课时
微分与局部线性化
微分与局部线性化
微分把函数在某一点附近的非线性变化,近似成一条容易计算的直线。本课将从函数增量出发,说明微分与导数的关系,并通过切线近似快速估算邻近位置的函数值。
学习目标
- 理解微分是函数增量的线性主部
- 掌握局部线性化公式及其计算步骤
- 能判断切线近似何时可靠、何时误差较大
从函数增量到微分
设 在内点 可导。自变量从 变到 ,真实增量为
可导性保证这个增量可写为
余项 也常记为 。取 ,微分 就是增量中的线性主部。
局部线性化的几何含义
函数在 附近可以用该点的切线代替。切线对应的仿射函数称为函数在 处的局部线性化:
当 接近 时,。切线经过 ,斜率为 ,有符号的位移是 。

用切线近似估算函数值
估算 时,可以选择容易计算的基准点 。令 ,则:
由于 ,局部线性化给出:
实际值四舍五入到小数点后六位是 ,近似值偏高,误差约为 。
给误差定量上界
若从 到 的区间内二阶导数连续且 ,一阶泰勒近似的误差满足 。对平方根,,在 上可取 ,误差上界为 。
python
import math
base = 4.0
step = 0.1
approximation = math.sqrt(base) + step / (2 * math.sqrt(base))
actual = math.sqrt(base + step)
error = abs(approximation - actual)
bound = step**2 / 64
print(f"近似值={approximation:.6f} 实际值={actual:.6f}")
print(f"误差={error:.8f} 上界={bound:.8f}")
assert approximation >= actual
assert error <= bound预期输出如下。
text
近似值=2.025000 实际值=2.024846
误差=0.00015433 上界=0.00015625没有可用的二阶导数界时,可导性仍给出 ,但不能直接套用上面的平方误差界。若 ,微分为零,函数的真实增量仍可能非零。例如 在 处的微分为零,真实增量为 。需要判断这类点的局部形状时,可以进一步检查高阶项。
按自己的节奏,确认真正理解。