数学笔记6——线性近似和二阶近似
Posted 我是8位的
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数学笔记6——线性近似和二阶近似相关的知识,希望对你有一定的参考价值。
线性近似
假设一般函数上存在点(x0, f(x0)),当x接近基点x0时,可以使用函数在x0点的切线作为函数的近似线。函数f(x)≈f(x0)+f\'(x0)(x- x0)即称为函数f在x0点的线性近似或切线近似。
f(x) ≈ f(x0) + f\'(x0)(x- x0)
公式来源
导数的定义:
左右两边同时乘以x-x0,并去掉极限符号:
在x≈x0=0时
几何意义
线性近似求解的是近似值,其几何意义是在基点的切线近似于原函数的曲线。
以f(x)=lnx为例,根据公式,在x0=1,lnx≈x-1,曲线和切线如下图所示:
在x0=1点附近,曲线近似于直线,x越接近x0,二者的近似度越高。在讨论近似时,只有指定基点才有意义。这很容易理解,x越远离x0,曲线和直线的差距越大;同时,当基点不同时,切线的斜率也不同。
常用线性近似
x0=0
以下是上述线性近似的几何意义:
sinx≈x
cosx≈1
ex≈x+1
ln(x+1)≈x
(1+x)n≈1+nx,n=2
化繁为简
例1:ln(1.1) = ?
这需要计算器了,但实际工作中往往只需要寻找近似值。
如果设x=0.1,则 ln(1.1) = ln(1+x),当x≈0时,ln(1+x) ≈ x,在此, 我们认为0.1接近于0,ln(1.1) = ln(1+x) ≈ x = 0.1
0.1是否接近于0,这是个及其主观的判断,要视具体问题而定。某些时候,0.1可能距离0很远,另一些时候,10也可能距离0很近。
例2:在x≈0时,
这不需要计算器,直接将代入x=0即可,结果为1。然而这种方法太过简陋,如果判断x=0.1≈0,就需要一个更精确的结果,不能直接将0代入。
还是使用线性近似的思路,首先需要把式子转换成我们认识的写法:
当x≈0时,根据公式f(x) ≈ f\'(0)(x) + f(0),重点是计算f’(0):
对这个长长的式子求导非常麻烦,涉及到多个求导法则,我们希望用简单的方式求解。
对于本例来说,非常幸运,我们已经知道x≈0时 ex≈1+x,xn≈1+nx,代入本例:
当x≈0时,高阶函数3x2/2≈0,随着x→0,3x2/2更快地趋近于0,所以上式可舍弃高阶函数:
通过这两个例子可以看出线性近似的作用——化繁为简。等号左侧的式子是繁,比如ln1.1和,通过线性近似将其转化为简单的式子,0.1和1-7x/2
在转换过程中当然会损失一些精度,但绝大多数时候我们都无需得到精确的解,例如在x=0.0001的时候,原式的计算量相当大,化简后将极大地简化计算,而付出的代价相当少,几乎可以忽略;某些时候甚至根本无法得到精确解,比如无理数的计算。取而代之,我们求得可接受的近似解,通过近似解化繁为简。
化繁为简的思路也贯穿于整个数学,后续我们将看到,在求解复杂问题时,采取的方法几乎都是不断寻找近似、舍弃。
在利用计算机寻找最优解时,几个常用的算法是爬山法、模拟退火算法、遗传算法,这些算法都是采用化繁为简的思路,舍弃全局最优解,寻找可以接受的较好解,故每次得到的结果都会稍有偏差。
二阶近似
公式
几何意义
二阶近似的几何意义是最接近原函数的抛物线,它比线性近似更为精确。
以f(x)=ln(1+x)为例,根据公式,在x0=0,
曲线如下:
ln(1+x)≈x-x2/2
对比线性近似可以看出,二阶近似在基点附近更贴近原函数。
为什么会出现1/2
为什么会出现1/2呢?
二级近似的几何意义是最接近曲线的抛物线,如果原曲线本身就是抛物线,则二阶近似就是原曲线本身。
原函数f(x) = a + bx + cx2
f’(x) = b + 2cx
f’’(x) = 2c
当x = 0时,
f(0) = a, f’(0) = b , f’’(0) = 2c
二阶近似 f(x) ≈ a + bx + 2cx2/2 = a + b + cx2
这就是出现1/2的原因,当然,仅当f(x) = a + bx + cx2时才能如此精确。
常用二阶近似
x0=0
以下是上述线性近似的几何意义:
sinx≈x
cosx≈1-x2/2
ex≈1+x+x2/2
ln(1+x)≈x-x2/2
示例
在x≈0时,e-3x(1+x)-1/2=?
根据ex≈1+x+x2/2 和 (1+x)n≈1+nx+n(n-1) x2/2
e-3x(1+x)-1/2≈(1-3x+(-3x/2)2)(1-x/2+(-1/2)(-3/2)x2/2)
舍弃3阶和4阶函数,e-3x(1+x)-1/2≈1-7x/2+51x2/8
总结
出处:微信公众号 "我是8位的"
本文以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,非商业用途!
扫描二维码关注作者公众号“我是8位的”
以上是关于数学笔记6——线性近似和二阶近似的主要内容,如果未能解决你的问题,请参考以下文章
Python数模笔记-StatsModels 统计回归线性回归