1 牛顿迭代法误差分析
- 设真实解为$x$,真实解与第$n$次迭代后的近似解误差为$E_n=|x-x_n|$
- 则$E_1=|x-x_1|$,且$E_2=|x-x_2|=|x-x_1+\frac{f(x_1)}{f'(x_1)}|$
- 考虑到图示中$(x-x_1)<0$且$f'(x_1)>0$,所以$E_2$相比于$E_1$减小了$\frac{f(x_1)}{f'(x_1)}$
- 粗略来看,$E_2$误
分类目录归档:课程
例:固定绳子两端于点$(0,0)$和点$(a,b)$,并在绳子内任意位置悬挂重物,得到重物的坐标$(x,y)$,求$y$的最小值
求解过程
$$\frac{1}{2}\frac{2x+2yy'}{\sqrt{x^2+y^2}}+\frac{1}{2}\frac{-2(a-x)-2(b-
复习:分析函数极值点关键是找到驻点、边界点和不连续点
例:1根绳,截2段,分别围成正方形,求总面积最大值 $$S=(\frac{x}{4})^2+(\frac{1-x}{4})^2$$
求解过程
- 令$S'=0$,可得$x=\frac{1}{2}$
- 此时$S(x=\frac{1}{2})=\frac{1}{32}$,是最小值
- 此函数的最大值为边界值,即$x=0^+or1^-$的时候最大
- 此时$S=\frac{1}{16}$,
$$\lim_{k \to \infty}a_k=\lim_{k \to \infty}(1+\frac{1}{k})^k=e$$
利用线性近似进行更简单的证明
- $ln(a_k)=k\times ln(1+\frac{1}{k})\approx k\times \frac{1}{k}=1$
二阶近似的性质
- $ln(a_k)=k\times ln(1+\frac{1}{k})\approx k\times (\frac{1}{k}-\frac{1}{2k^2})=1-\frac{1}{2k}$
- $
$$f(x) \approx f(x_0)+f'(x_0)(x-x_0)$$
以$x_0=0$且$x\approx 0$为前提,几种常见的函数线性近似:
- $sin(x) \approx x$
- $cos(x) \approx 1$
- $e^x \approx 1+x$
- $lm(1+x) \approx x$
- $(1+x)^r \a
$$\frac{d}{dr}x^r=rx^{r-1}$$ 其中$r \in$实数
快速证明 $$\frac{d}{dr}x^r=\frac{d}{dr}e^{ln(x^r)}=e^{ln(x^r)}\times r \times \frac{1}{x}=rx^{r-1}$$
股票指数,以FTSE100为例
- FTSE100全称为伦敦金融时报100指数,简称英国富时100指数
- 欧洲三大股票指数包括:30工业股、FT-100、综合
$$\frac{d}{dx}a^x=\lim_{\Delta x\to 0}\frac{a^{x+\Delta x}-a^x}{\Delta x}=a^x\lim_{\Delta x\to 0}\frac{a^{\Delta x}-1}{\Delta x}=M(a)a^x$$
扩展$(x^n)'=nx^{n-1}$为$(x^a)'=ax^{n-1}$
扩展公式的证明:
- 转换$y=x^{\frac{m}{n}}$为$y^n=x^m$
- 由此可得$\frac{d}{dx}y^n=\frac{d}{dx}x^m=mx^{m-1}$
- 借助链式法则可得$\frac{d}{dy}y^n\frac{dy}{dx}=mx^{m-1}$
- 化简可得$\frac{dy}{dx}=\frac{mx^{m-