局部线性性与线性化

AP 微积分 BC· AP Calculus BC CED — Contextual Applications of Differentiation· 14 分钟阅读

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。

📘 定义

局部线性性

可导函数的一个性质：当在点 $x = a$ 附近足够小的范围内放大观察函数图像时，图像会近似为直线，与该点的切线无法区分。

例:

函数 $f (x) = x$ 在 $x = 16$ 附近，当放大到 $x = 15.9$ 到 $x = 16.1$ 的小区间观察时，看起来几乎是直的。

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 $a$ 。

📐 例题

求 $f (x) = x$ 在 $a = 16$ 处的线性化，再用它近似计算 $15.9$ 。

1
计算中心点 $a = 16$ 处 $f$ 的精确值：
2
$f(16) = \sqrt{16} = 4$
3
计算 $f (x)$ 的导数并代入中心点求值：
4
$f'(x) = \frac{1}{2\sqrt{x}}, \quad f'(16) = \frac{1}{2(4)} = \frac{1}{8} = 0.125$
5
代入线性化公式：
6
$L(x) = 4 + 0.125(x - 16)$
7
在目标点 $x = 15.9$ 处计算 $L (x)$ 的值：
8
$L(15.9) = 4 + 0.125(15.9 - 16) = 4 - 0.0125 = 3.9875$

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 $Δ x$ 时， $f (x)$ 的近似变化量。根据定义， $d x = Δ x$ （即自变量 $x$ 的实际变化量）。因变量 $y = f (x)$ 的微分记为 $d y$ ，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 $Δ y = f (x + Δ x) - f (x)$ 。当 $Δ x$ 很小时， $d y \approx Δ y$ 。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。

📐 例题

一个正方形的边长测量值为10 cm，最大测量误差为0.05 cm。利用微分近似计算正方形计算面积的最大误差。

1
定义函数：设 $s$ 为边长， $A (s) = s^{2}$ 为面积。测量边长为 $s = 10$ ， $s$ 的最大误差满足 $∣Δ s ∣ = 0.05$ ，因此取 $d s = 0.05$ 。
2
计算面积对边长的导数：
3
$A'(s) = 2s$
4
计算面积的微分，它就是近似最大误差：
5
$dA = A'(s) ds = 2s ds$
6
代入给定数值：
7
$dA = 2(10)(0.05) = 1 \text{ cm}^2$

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 $\frac{d A}{A}$ ，百分比误差是 $100 \cdot \frac{d A}{A}$ ，不是仅 $d A$ 。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。

📐 例题

对于中心点 $a = 16$ 得到的近似 $15.9 \approx 3.9875$ ，求绝对误差的上界。

1
计算 $f (x) = x^{1/2}$ 的二阶导数：
2
$f'(x) = \frac{1}{2}x^{-1/2}, \quad f''(x) = -\frac{1}{4}x^{-3/2} = -\frac{1}{4x^{3/2}}$
3
求 $M$ ，即15.9到16之间所有 $t$ 对应的 $∣ f^{''} (t) ∣$ 的最大值。 $∣ f^{''} (t) ∣ = \frac{1}{4 t ^{3/2}}$ 随 $t$ 增大而减小，因此最大值出现在最小的 $t = 15.9$ 处。
4
找 $M$ 的一个安全上界：由于 $15.9 < 16$ ，因此 $(15.9)^{3/2} < 1 6^{3/2} = 64$ ，所以：
5
$\frac{1}{4(15.9)^{3/2}} < \frac{1}{4(64)} = \frac{1}{256} \approx 0.00391$
6
我们可以安全地取 $M = \frac{1}{256}$ ，代入误差界公式：
7
$|f(15.9) - L(15.9)| \leq \frac{M}{2} |15.9 - 16|^2 = \frac{1/(256)}{2} (0.1)^2 \approx 0.00002$

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

✓ 快速检测

用这些AP风格的题目测试你的理解：

以下哪个是 $(2.01)^{6}$ 在中心点 $a = 2$ 处的正确线性近似？
- A) $64 + 192 (0.01) = 65.92$
- B) $64 + 6 (0.01) = 64.06$
- C) $12 + 64 (0.01) = 12.64$
- D) $64 + 30 (0.01) = 64.3$

6. 常见陷阱

错误做法:

将目标点 $x$ 选作中心点 $a$ ，用未知点作为中心点来近似已知点。

原因:

学生混淆了题目的目标，颠倒了哪个是已知中心点。

正确做法:

始终将 $a$ 设为目标点附近、你能精确求出 $f (a)$ 的点，不要反过来。

错误做法:

在目标点 $x$ 而不是中心点 $a$ 处计算导数 $f^{'} (x)$ 的值。

原因:

学生求出导函数后，在代入公式前不小心代错了点。

正确做法:

求出 $f^{'} (x)$ 后，在处理目标点 $x$ 之前，先代入 $a$ 得到 $f^{'} (a)$ 。

错误做法:

计算误差界的 $M$ 时，直接使用二阶导数本身而不是它的绝对值。

原因:

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。

正确做法:

求 $M$ 时，永远是计算 $∣ f^{''} (t) ∣$ 的最大值，不是 $f^{''} (t)$ 的最大值。

错误做法:

将微分变化写为 $d y = f^{'} (x) Δ y$ ，而不是 $d y = f^{'} (x) d x$ 。

原因:

学生混淆了哪个变量的变化量要乘导数。

正确做法:

记住 $d y = \frac{d y}{d x} d x$ ，因此导数永远乘自变量 $x$ 的变化量。

错误做法:

声称线性近似对任意 $x$ 都准确，哪怕是距离 $a$ 很远的点。

原因:

学生忘记局部线性性是局部性质，只在中心点附近成立。

正确做法:

解释近似结果时，永远要说明它只在 $x$ 非常接近 $a$ 时有效，当 $x$ 远离 $a$ 时误差会增大。

错误做法:

将百分比误差计算为 $100 \cdot d Q$ ，而不是 $100 \cdot \frac{d Q}{Q}$ 。

原因:

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。

正确做法:

当题目要求百分比误差时，一定要先将绝对误差除以该量的总数值，再乘以100。

7. 速查表

类别	公式	注释
Linearization of $f (x)$ at $a$	$L (x) = f (a) + f^{'} (a) (x - a)$	仅在 $x$ 接近 $a$ 时有效； $a$ 是 $f (a)$ 和 $f^{'} (a)$ 都已知的点
Differential of $y = f (x)$	$d y = f^{'} (x) d x$	$d x = Δ x$ （ $x$ 的实际变化量）； $d y \approx Δ y$ （ $y$ 的近似变化量）
Absolute change approximation	$Δ y = f (x + Δ x) - f (x) \approx d y$	仅适用于 $x$ 的微小变化
Absolute error bound	$∣ f (x) - L (x) ∣ \leq \frac{M}{2} ∣ x - a ∣^{2}$	$M = max ∣ f^{''} (t) ∣$ ， $t$ 在 $a$ 和 $x$ 之间
Absolute error	$\approx d Q$	$Q$ = 目标量
Relative error	$\frac{d Q}{Q}$	相对于 $Q$ 总数值的误差
Percentage error	$100 \cdot \frac{d Q}{Q}$	转换为百分比的相对误差
Local Linearity	$f (x) \approx L (x)$ for $x$ near $a$	仅当 $f$ 在 $a$ 处可导时成立

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2022 · MCQ
函数值的线性近似
2021 · FRQ
测量近似的误差

下一步

局部线性性和线性近似是AP微积分BC第4单元下一个核心知识点——欧拉法的基础前提，欧拉法会逐步拓展线性近似来近似求解一阶微分方程。如果不掌握点附近线性近似的工作原理，你将无法正确建立和解释欧拉法的步骤，会丢掉考试中本该拿到的分数。在第4单元之外，线性近似是泰勒多项式和泰勒级数的一阶特例，而泰勒级数是AP微积分BC第10单元占分很高的知识点。本文的所有核心思想（中心点、近似误差、误差界）都可以直接用到高阶近似中，因此掌握本知识点对学习BC后续内容至关重要。