主要用途:它能简化函数,一个合理的近似常可以帮助解决问题
在工程学中,线性近似应用非常广泛,人们只需要关心输入改变量与输出改变量之间的线性关系
证明:
因为导数的定义为:
所以x0处的导数为:
用割线斜率近似切线斜率:
假设有一条曲线 y = f(x),那么它在切点处近似于其切线
相比于线性近似,二阶近似更精确一点
二阶近似只有在线性近似精确度不够时才会用到
泰勒级数?
曲线画图:利用一阶、二阶导数画图
步骤:
1. 标记点(标记不连续的点,无限远端的点,容易求出的点)
2. 求出导数为0的点(驻点)
3. 判断 f' 的正负
4. 判断 f'' 的正负
concave up -- 凸函数(开口向上,以天花板作为标志物来看凸凹),concave down -- 凹函数(开口向下)
极值点:turning point or extremum point,直译为转折点
驻点:critical point,当 f'(x0) = 0 时,我们称 x0 为驻点,f(x0)为驻点值,注意:驻点不一定是极值点,极值点一定是驻点
拐点:f'' 等于 0 的点,拐点两边凸凹函数发生改变
目前,基本上都是使用计算机作图,但无限远端问题,计算机暂时无法搞定,因为计算机屏幕不能无限大
例子
因此
(-1,-2)、(1,2)为驻点;x < 0 时,f'' > 0,为凸函数(开口向上);x > 0 时, f'' < 0,为凹函数(开口向下);(0,0)点为拐点,在该点凸凹函数发生变化
最大值、最小值,生理上可以很容易地从图像上找出来;数理上的步骤是,1. 求出驻点 2. 求出不连续点 3. 比较驻点和不连续点,得出最大值和最小值
举例,容积固定的情况下,使表面积最小:
因此,驻点、最小面积、y为:
更有意义的描述为:
即:底部正方形的宽是高的两倍时,表面积最小;表面积最小时,表面积与体积比为某个常数
Related rates: 通常在相关变率问题中,会使用隐函数微分法
Newton's method 是微积分中最伟大的应用之一,它可以求解任何方程的根。
下图为 y = x^2 - 5 函数使用牛顿法求根(根号5)的过程:
推导过程:
假设函数 f(x) 的根为 r,无法求出 r 的解析解,但可以通过牛顿法求出 r 的数值解
1. 假设 x0 为 r 的初始近似值
x0 点处的切线为:
切线与 x 轴的交点 x1 为:
此时称 x1 为 r 的一次近似值
2. 重复以上过程,可以求出 r 的 n+1 次近似值。一般情况下,3次近似值就已经很接近 r 了。
误差分析:error analysis
使用牛顿法时,需要满足的条件:
1. |f'| 不能太小(一阶导数的模不能太小),|f''| 不能太大(二阶导数的模不能太大)
2. x0 要选在 x 的附近
中值定理 mean value theorem: 中值就是平均值,平均变化率在最大变化率与最小变化率之间
其中,c 在定义域内是不确定的,只知道 a < c < b,也就是说不知道 c 究竟是哪一点,它比较笼统和简单
用处:中值定理可以证明 f‘ > 0 时函数递增等的结论
中值定理与线性近似的对比:
线性近似时,Δx 要趋于0,中值定理不用;中值定理是个平均的概念,线性近似是个极限的概念。