局部线性性与线性化 — AP 微积分 BC
1. 局部线性性的核心概念 ★★☆☆☆ ⏱ 3 min
局部线性性是可导函数的一个基本几何性质。若函数$f(x)$在$x=a$处可导，将图像放大足够倍数接近$(a, f(a))$后，$f(x)$的图像会和它在该点的切线几乎无法区分。
这一原理衍生出了线性化（也称为切线近似），这是一种利用切线近似计算$a$附近$x$处$f(x)$值的方法。它简化了复杂非线性函数的计算，也是本课程后续会学到的欧拉法、泰勒多项式等高级近似方法的基础。该知识点占AP微积分BC考试总分的3-6%，会同时出现在选择题和自由作答题部分。
2. 线性化公式与函数近似 ★★☆☆☆ ⏱ 4 min
$f(x)$在$x=a$处的切线经过点$(a, f(a))$，斜率等于$f$在$a$处的导数$f'(a)$。从直线的点斜式出发：$y - f(a) = f'(a)(x - a)$，整理后得到标准线性化公式：
L(x) = f(a) + f'(a)(x - a)
直观理解：$f(a)$是中心点$a$处已知的精确函数值，$f'(a)(x-a)$利用瞬时变化率近似了$f$从$a$到$x$的变化量。$x$越接近$a$，近似结果越准确。一定要选择距离目标$x$很近，且$f(a)$和$f'(a)$都能精确求出的点作为中心点$a$。
Exam tip: 一定要选择距离目标$x$非常近，且$f(a)$是精确易算值的点作为中心点$a$。选择题的干扰项几乎都是针对选错中心点的学生设计的，所以一定要先检查这一步。
3. 微分与变化量的近似 ★★★☆☆ ⏱ 3 min
微分是线性近似的另一种记号，它明确描述了当$x$发生微小变化$\Delta x$时，$f(x)$的近似变化量。根据定义，$dx = \Delta x$（即自变量$x$的实际变化量）。因变量$y = f(x)$的微分记为$dy$，它是切线上$y$的近似变化量，公式为：
dy = f'(x) dx
$y$的实际变化量是$\Delta y = f(x + \Delta x) - f(x)$。当$\Delta x$很小时，$dy \approx \Delta y$。这种记号在估计测量误差和输入微小变化的影响时特别有用，这类问题常出现在AP的实际情境自由作答题中。
Exam tip: 当题目要求相对误差或百分比误差时，记住相对误差是$\frac{dA}{A}$，百分比误差是$100 \cdot \frac{dA}{A}$，不是仅$dA$。这是线性近似自由作答题中最容易丢分的点之一。
4. 线性近似的误差界 ★★★★☆ ⏱ 4 min
线性近似永远不是精确的。对于二阶可导函数，我们可以利用二阶导数得到绝对误差的界，二阶导数衡量了函数偏离切线的弯曲程度。若对于$a$和$x$之间的所有$t$都满足$|f''(t)| \leq M$，则绝对误差满足：
|f(x) - L(x)| \leq \frac{M}{2} |x - a|^2
这就是一阶泰勒近似（即线性化）的余项。$M$越大（曲率越大）意味着误差越大，当$x$越接近$a$，误差会二次方减小。
Exam tip: 当确定$M$的界时，一定要向上取整得到安全值，绝对不要向下取。更大的$M$只要仍然是上界就是正确的，但更小的$M$会低估最大曲率，是错误的，会丢分。
5. 概念检测 ★★★☆☆ ⏱ 3 min
Common Pitfalls
Why: 学生混淆了题目的目标，颠倒了哪个是已知中心点。
Why: 学生求出导函数后，在代入公式前不小心代错了点。
Why: 凹向下函数的二阶导数为负，学生把负号带入$M$，得到毫无意义的负误差界。
Why: 学生混淆了哪个变量的变化量要乘导数。
Why: 学生忘记局部线性性是局部性质，只在中心点附近成立。
Why: 学生混淆了绝对误差和百分比误差，这是AP考试中常见的干扰项设计思路。