5.7.5 Applications of Differentials (微分的应用)

运用微分方法估算实际问题中的变化量，包括测量误差传播、敏感性分析和近似计算

定义

微分的应用是指利用微分（导数的线性近似）来解决实际问题中的变化量估算、误差分析和近似计算。微分 \(dy\) 定义为 \(dy = f'(x) \cdot dx\)，其中 \(dx\) 是自变量的微小变化量，\(dy\) 是因变量的相应线性近似变化量。在实际应用中，当 \(\Delta x\) 很小时，可用 \(dy\) 近似 \(\Delta y = f(x + \Delta x) - f(x)\)。微分应用主要包括三个方面：(1) 测量误差传播分析——通过微分估算测量误差如何影响最终结果；(2) 敏感性分析——研究因变量对自变量变化的敏感程度，通常用相对误差比 \(\frac{dy/y}{dx/x}\) 表示；(3) 近似计算——利用线性近似快速计算函数值或解决实际问题。

核心公式

• \(dy = f'(x) \cdot dx\)
• \(\Delta y \approx dy = f'(x) \cdot dx\)（当 \(dx\) 充分小时）
• \(f(x + dx) \approx f(x) + f'(x) \cdot dx\)（线性近似公式）
• \(\text{相对误差} = \frac{dy}{y} = \frac{f'(x) \cdot dx}{f(x)}\)
• \(\text{百分比误差} = \left|\frac{dy}{y}\right| \times 100\%\)

易错点

• ⚠️ ["混淆 \(dy\) 和 \(\Delta y\) 的含义：\(dy\) 是线性近似值，\(\Delta y\) 是实际变化量，两者仅在 \(dx\) 很小时才接近。学生常错误地认为它们相等，导致精度问题。", "在相对误差计算中忽视绝对值或符号：学生在计算 \(\\frac{dy}{y}\) 时常忘记取绝对值，或在涉及负数时处理不当，导致误差分析结论错误。", "误用微分公式的条件：学生未能认识到微分近似仅在 \(dx\) 充分小的条件下有效，对较大的 \(\\Delta x\) 值仍然使用微分近似，导致误差过大。", "在实际问题中错误识别自变量和因变量：学生在建立微分关系式时，常混淆哪个量是 \(x\)、哪个是 \(y\)，导致建立的微分方程不符合题意。"]