跳转到课程正文

MIT 18.01SC · UNIT II / PART A · SESSION 24

线性近似实例

Examples of Linear Approximation

学会切线近似之后,怎样处理两个函数相乘、指数与根号的混合式?更关键的是,近似算完怎样知道误差是否可以接受?

先修:第 23 讲线性近似、乘积求导、指数函数与幂函数5 个教学章节5 道随堂题 · 5 道课后题

01 / BUILDING BLOCKS

一大串指数与根号,可以先看成两个简单函数。

上一讲得到:对很小的 x,eᵏˣ≈1+kx;(1+x)ʳ≈1+rx(其中底数 1+x 必须为正,指数 r 为固定实数)。它们都是在 x=0 处,由函数值与导数推出的一阶近似。

现在本站自编一个例子:F(x)=e²ˣ/√(1+x)(x>−1),想估算 x 接近0时的值。写成乘积更方便:F(x)=e²ˣ(1+x)⁻¹ᐟ²。

e²ˣ≈1+2x(1+x)⁻¹ᐟ²≈1−x/2(1+2x)(1−x/2)=1+(3/2)x−x²丢掉二阶项:F(x)≈1+(3/2)x

为什么能“丢掉” x²?不是说 x²=0,而是这里要求的是一阶近似,且 x 靠近0时 x² 比 |x| 更快缩小。若 x 不小,则不能无视二阶项及两个原始近似自身的误差。

随堂检查 01 · 组合函数的一阶项

在 x=0 附近,e²ˣ/√(1+x) 的线性近似是什么?
查看完整解析

e²ˣ≈1+2x,(1+x)⁻¹ᐟ²≈1−x/2,一阶部分是1+3x/2。

02 / PRODUCT RULE MEETS APPROXIMATION

展开以后,一阶项恰好包含乘积求导法则。

设 f、g 在 a 附近可导,令 h=x−a,记 f₀=f(a)、g₀=g(a)、p=f′(a)、q=g′(a)。两个切线近似分别是 f₀+ph 与 g₀+qh。

(f₀+ph)(g₀+qh)=f₀g₀+(pg₀+f₀q)h+pq h²保留到一阶:f₀g₀+(pg₀+f₀q)h而 (fg)′(a)=f′(a)g(a)+f(a)g′(a)

因此,先乘原函数再线性化,与先对各因子做线性化再取乘积的一阶部分,给出同一条直线。两条完整的线性模型相乘后出现的 pq h² 不是一阶项。

严格地说,若 f(a+h)=f₀+ph+o(h),g(a+h)=g₀+qh+o(h),则它们的乘积也等于 f₀g₀+(pg₀+f₀q)h+o(h)。这个推导同时解释了为什么仍需要可导条件。

随堂检查 02 · 乘积的余项

(2+3h)(4−h) 展开后,相比只保留一阶项,额外留下什么?
查看完整解析

展开:(2+3h)(4−h)=8−2h+12h−3h²=8+10h−3h²;一阶模型8+10h,差为−3h²。

03 / ERROR NEEDS A DENOMINATOR

“差了 0.01”有时很小,有时很大。

设真实值为 y,近似为 L。绝对误差定义为 E=|L−y|;当 y≠0 时,相对误差定义为 R=|L−y|/|y|,百分比误差为100R%。

真实 y=200,估计 L=201绝对误差 E=1相对误差 R=1/200=0.005百分比误差=0.5%

如果真实值是0.02,误差仍为1,相对误差就变成5000%,这说明缺少尺度的单一“误差数字”可能造成误解。若真实值为零,普通相对误差根本没有定义,不可以强行写成0%。

对于相对变化量,还要区分 Δy/y 与绝对误差 |L−y|/|y|:前者带正负,描述变化方向;后者非负,衡量预测偏差。

随堂检查 03 · 相对误差分母

真实值为80,估计值为82,相对误差是多少?
查看完整解析

相对误差=|82−80|/80=2/80=0.025=2.5%。

04 / RELATIVE CHANGE IN A MODEL

把很小的比值当成新的变量,再做一阶近似。

MIT 在本讲使用卫星时钟的相对论表达式说明相对变化。这里仅把物理关系当作给定数学模型,不从相对论推导它。令 r=v/c,v 是速度、c 是光速;满足 0≤r<1。时间比例定义为 Tₘ/T=1/√(1−r²)。

令 z=r²,而不是直接对 r 使用一次项;因为 F(z)=(1−z)⁻¹ᐟ²,在 z=0 时 F(0)=1,F′(0)=1/2,所以:

Tₘ/T=(1−z)⁻¹ᐟ²,z=r²z 很小时:(1−z)⁻¹ᐟ²≈1+z/2(Tₘ−T)/T≈r²/2这是相对变化量,不是时钟的绝对秒差

例如 r=0.1,则预测相对变化量约为0.005,即0.5%。如果要问经过多少秒的绝对差,还需要给定参考时间 T;切勿把无量纲的相对比率误写为秒。

EXPERIMENT · RELATIVE CHANGE查看小速度比下相对变化的线性近似
近似相对变化 r²/20.005000
模型精确相对变化0.005038
绝对差值0.000038

r=0.1 时,近似相对变化0.005,精确模型约0.005038;这两项都不带秒单位。

请用方向键更改滑块。这里限制 r≤0.5 供教学比较,并不把远离0的近似视为精确物理结论。

随堂检查 04 · 正确的近似变量

对 1/√(1−r²) 在 r 很小时的相对变化,正确的一阶近似是什么?
查看完整解析

Tₘ/T≈1+r²/2,因此 (Tₘ−T)/T≈r²/2。

05 / EXACT REMAINDER

不是每个“≈”都只有含糊的感觉。

还可以对 √(1+h) 给出不依赖高级泰勒理论的误差恒等式,条件 h>−1 且 h 接近0。用有理化恒等式 √(1+h)−1=h/[√(1+h)+1]:

√(1+h)−(1+h/2)= h/[√(1+h)+1]−h/2= −h² / {2[√(1+h)+1]²}因此 h≠0 时,切线近似 1+h/2 略偏高

这和复杂函数组合时“忽略 h²”的做法相呼应:更高次项确实影响精度,只是足够接近中心时通常小得多。要做精度承诺,就需要像上面的恒等式、导数界或其它确切的误差估计,而不能只写“≈”不说明范围。

随堂检查 05 · 误差的符号

对 h=0.2,√(1+h) 与切线 1+h/2 谁更大?
查看完整解析

有理化得到真实值减近似=−h²/[2(√(1+h)+1)²]<0,因此线性近似较大。

PRACTICE / ORIGINAL EXERCISES

独立完成,再打开完整推导。

以下题目与 MIT 公开课同类能力目标对齐,但题干、参数、解答均为本站自编,不能视作 MIT 官方原题或官方授权译题。

01 · 组合一阶近似

求 eˣ/√(1+2x) 在 x=0 附近的一阶近似,解释一次项为什么抵消。

展开分步解析

eˣ≈1+x;(1+2x)⁻¹ᐟ²≈1−x;乘积≈(1+x)(1−x)=1−x²,因此一阶近似是1+0·x=1。直接求导也有 F′(0)=1−1=0。

02 · 乘积公式的证明

f(0)=2、f′(0)=3,g(0)=−1、g′(0)=4,求 (fg)(x) 在0处的一阶近似。

展开分步解析

乘积初值−2;乘积导数=3·(−1)+2·4=5。因此 L(x)=−2+5x。若先乘各自切线 (2+3x)(−1+4x)=−2+5x+12x²,保留到一次也得到−2+5x。

03 · 绝对相对误差

用 L=1.05 估计真实 y=1.048,分别求绝对与相对误差,保留到百分比三位小数。

展开分步解析

绝对误差|1.05−1.048|=0.002;相对误差=0.002/1.048≈0.001908397,即约0.191%。

04 · 模型与量纲

已知 r=v/c=0.08,模型 Tₘ/T=(1−r²)⁻¹ᐟ²。求近似相对变化;若 T=1000 s,再求近似时间差。

展开分步解析

相对变化≈r²/2=0.0064/2=0.0032(无量纲,0.32%)。近似绝对时间差≈T·0.0032=3.2 s。真实差可由1000[(1−0.0064)⁻¹ᐟ²−1]计算,略大于3.2s。

05 · 根号余项严格验证

证明 √(1+h)−(1+h/2)=−h²/[2(√(1+h)+1)²](h&gt;−1),并解释 h=0 的情况。

展开分步解析

当h>−1时 √(1+h)+1>0。左端= [√(1+h)−1]−h/2 =h/[√(1+h)+1]−h/2 =h[1−√(1+h)]/[2(√(1+h)+1)] =−h²/[2(√(1+h)+1)²]。h=0两边均为0,故公式同样成立。

CHECK YOUR UNDERSTANDING

你已经能组合一阶近似并用相对误差评价结果;下一讲将把二阶曲率也保留下来。

本讲有 5 道随堂题,做完后再独立完成课后练习。

二次近似的系统精度分析留到后续 Session 25–26;时间膨胀仅作为近似公式的教学模型,不代替物理学推导。

查看一元微积分全部单元与课次 ↗
本讲大学教学依据与核对范围

原始目录:MIT OCW 18.01SC Session 24: Examples of Linear Approximation(保留站长校对的原始标题和网址)。

已核对该课次的 Overview、实际官方讲授配套笔记 PDF、Worked Example 原题及解答,教学主题与计算难度以这些材料为依据。补充原始资料:MIT 讲义 · 复杂指数线性化 ↗ MIT 讲义 · 相对误差 ↗ MIT 配套练习原题 ↗ MIT 配套解答 ↗

本站文字、推导、交互与练习均独立编写,非 MIT 官方中文译课。并未完整观看全部原始视频或核对完整逐字稿;详细审校表保存在站内课程源码的 source-audits 目录。