线性近似计算法
指示: 使用这个计算器来计算一个给定的函数在你提供的给定点的线性近似值,显示所有的步骤。请在下面的表格框中输入函数和点。
线性近似计算法
这个 线性化计算器 将允许计算线性近似值,也被称为 切线 对于任何给定的有效函数,在一个给定的有效点。
你需要提供一个有效的函数,例如f(x)=x*sin(x),或f(x)=x^2-2x+1,或任何有效的可微调的函数,以及一个函数定义良好的点\(x_0\)。这个点可以是任何有效的数字表达式,比如说1/3。
一旦你提供了一个有效的函数和点,你点击 "计算",所有的计算结果就会为你显示出来。
线性近似或一阶近似是在给定的点\(x_0\)处寻找给定函数的线的近似。当然,对于曲线来说,线性近似将是粗糙的,不过主要的想法是,对于接近\(x_0\)的点来说,近似将是准确的。
线性近似
我们的想法是找到一条通过点\((x_0, f(x_0))\)的直线,它 "勉强接触 "函数\(f(x)\)。勉强接触 "的正式数学定义是由以下概念给出的 切线 ,为此我们需要 计算导数 的函数。
事实上,在点\(x_0\)的线性近似公式取决于导数\(f'(x_0)\),如下所示
\[\displaystyle y = f(x_0) + f'(x_0) (x - x_0) \]这个 线性近似公式 基本上定义了 直线方程 通过点\((x_0, f(x_0))\),这就是为什么被称为 "线性近似",因为它定义了一个与\(f(x)\)在点\(x_0\)重合的线性函数,而且对于接近\(x_0\)的\(x\)值来说,它非常接近\(f(x)\)。
寻找线性近似值的步骤
- 步骤1: 你需要有一个给定的函数f(x)和一个点x0。该函数在x0处必须是可微的
- 第2步: 计算f(x0)和f'(x0),它们是函数f在点x0的函数和导数。
- 第3步: 将线性近似定义为y = f(x_0) + f'(x_0) (x - x_0),这就是上面提出的线性化公式
这条线,\(y = f(x_0) + f'(x_0) (x - x_0)\)代表一阶近似,也被称为局部线性近似。
与切线的联系
正如你现在可能已经怀疑的那样,线性近似与 切线 在给定的点。然后,计算线性近似值与计算切线完全相同
另一个名称是一阶近似,或切线近似,这也是微积分中常用的名称。
微分和线性近似
另一个常见的概念是微分,它与线性逼近的概念紧密相连,它只是它的一个推导。事实上,微分(或有限差分)被定义为\(\Delta y = y - f(x_0)\)。那么,根据一阶近似公式,微分的公式是
\[\displaystyle \Delta y = y - f(x_0) = f'(x_0) (x - x_0) = f'(x_0) \Delta x \]这自然与线性近似公式完全一样,只是术语\(f(x_0\)被传到了左边。
例子。计算一阶近似值。
考虑以下情况:#\(f(x) = x^2 - 2x + 3\),找到它在\(x_0 = 1\)的一阶近似值。
解决方案: 已经提供的函数是\(\displaystyle f(x)=x^2-2x+3\),我们需要找到围绕点x=1的线性近似值。因此,我们首先需要导数。
线性近似 :我们在\(x_0 = 2\)点寻找的线性近似方程由以下公式给出
\[y = y_0 + f'(x_0)(x - x_0) \]注意,根据定义\(\displaystyle y_0 = f(x_0)\),这意味着我们需要在\(x_0 = 2\)点插入函数:
\[y_0 = f(x_0) = f\left(2\right) = 2^2-2\cdot 2+3 = 3\]我们做同样的事情,但现在对于在\(x_0 = 2\)点的导数,所以,然后
\[f'(x_0) = f'\left(2\right) = 2\cdot 2-2 = 2 \]现在有了这个,我们再来看看线性近似公式。
\[y = y_0 + f'(x_0)(x - x_0) \]\[\Rightarrow y = 3+2\left(x-2\right) = 2x-1 \]总结 :我们得出结论,\(\displaystyle f(x)=x^2-2x+3\)在\(x_0 = 2\)处的线性近似值是由:
\[y = 2x-1 \]在图形上。
例子。更多的一阶近似
对于函数:#\(f(x) = x \sin(x)\)和点\(x_0 = 2\),找到相应的一阶近似值。
解决方案: 在这种情况下,我们需要工作的函数是:#\(\displaystyle f(x)=x\sin\left(x\right)\)。
我们现在计算其导数。
线性近似 :线性近似的方程是。
\[y = y_0 + f'(x_0)(x - x_0) \]其中\(\displaystyle y_0 = f(x_0)\),所以接着我们计算:
\[y_0 = f(x_0) = f\left(2\right) = 2\sin\left(2\right)\]对于\(x_0 = 2\)处的导数,我们发现:
\[f'(x_0) = f'\left(2\right) = 2\cos\left(2\right)+\sin\left(2\right) \]现在我们准备把这些放回一阶近似公式中。
\[y = y_0 + f'(x_0)(x - x_0) \]\[\Rightarrow y = 2\sin\left(2\right)+2\cos\left(2\right)+\sin\left(2\right)\left(x-2\right) = 2x\cos\left(2\right)+x\sin\left(2\right)-4\cos\left(2\right) \]总结 :结论是,\(\displaystyle f(x)=x\sin\left(x\right)\)在给定点\(x_0 = 2\)的线性近似计算为:
\[y = 2x\cos\left(2\right)+x\sin\left(2\right)-4\cos\left(2\right) \]从图形上看,我们可以得到以下图示。
例子。线性近似计算
计算\( f(x) = \frac{\sin(x)}{x}\)在\(x = \frac{\pi}{4}\)的一阶近似值。
解决方案: 已经提供了以下函数:#\(\displaystyle f(x)=\frac{\sin\left(x\right)}{x}\),我们需要计算其导数。
该函数已经简化,所以我们可以直接计算其导数。
一阶近似 :给定函数\(\displaystyle f(x)=\frac{\sin\left(x\right)}{x}\)在给定点\(x_0 = \frac{\pi}{4}\)的相应一阶近似方程由以下内容给出:
\[y = y_0 + f'(x_0)(x - x_0) \]插入相应的数值。
\[y_0 = f(x_0) = f\left(\frac{\pi}{4}\right) = \frac{\sin\left(\frac{\pi{}}{4}\right)}{\frac{\pi{}}{4}} = \frac{2\sqrt{2}}{\pi{}}\] \[f'(x_0) = f'\left(\frac{\pi}{4}\right) = \frac{\cos\left(\frac{\pi{}}{4}\right)}{\frac{\pi{}}{4}}-\frac{\sin\left(\frac{\pi{}}{4}\right)}{\left(\frac{\pi{}}{4}\right)^2} = \frac{2\sqrt{2}}{\pi{}}-\frac{8\sqrt{2}}{\pi{}^2} \]因此,现在我们可以把这个放在公式中。
\[y = y_0 + f'(x_0)(x - x_0) \] \[\Rightarrow y = \frac{2\sqrt{2}}{\pi{}}+\frac{2\sqrt{2}}{\pi{}}-\frac{8\sqrt{2}}{\pi{}^2}\left(x-\frac{1}{4}\pi{}\right) = -\frac{1}{2}\sqrt{2}+\frac{2\sqrt{2}x}{\pi{}}+\frac{4\sqrt{2}}{\pi{}}-\frac{8\sqrt{2}x}{\pi{}^2} \]总结 :因此,我们可以得出结论,给定的函数\(\displaystyle f(x)=\frac{\sin\left(x\right)}{x}\)在给定点\(x_0 = \frac{\pi}{4}\)的一阶近似值为
\[y = -\frac{1}{2}\sqrt{2}+\frac{2\sqrt{2}x}{\pi{}}+\frac{4\sqrt{2}}{\pi{}}-\frac{8\sqrt{2}x}{\pi{}^2} \]以下是以图形方式得到的。
更多衍生品计算器
除此以外 线性化计算器 你可以找到很多基于导数做不同事情的软件。微分是微积分,物理学,工程和经济学中的一个重要操作,有广泛的应用。
还有一种方法是对更多的变量进行线性逼近,这是例如,对于一个函数\f(x, y)\),在这种情况下,线性逼近公式变成了\(f(x, y) = f(x_0, y_0) + \frac{\partial f}{\partial x}(x_0, y_0)(x-x_0) + \frac{\partial f}{\partial y}(x_0, y_0)(y-y_0)\),那么在这种情况下,为了找到线性化,我们需要使用 部分导数 .
寻找一个函数的线性化并不是到目前为止你能用导数做的唯一事情。微分是一个相对容易的操作,有简单的规则,如 产品规则 , 商数规则 和 链条规则 这使得衍生品的计算成为一个相对简单的操作。
虽然它应该是简单的,但它是一个好主意,可以使用 衍生品计算器 以获得所有显示的步骤,并明确提到所有的 衍生品规则 用过的。