首页 > 其他 > 详细

关于等价无穷小使用条件的问题

时间:2020-04-15 13:58:15      阅读:88      评论:0      收藏:0      [点我收藏+]

version 1.0

本文转载自:点此进入 知乎作者:三川啦啦啦


等价无穷小替换,本质上是一个选择估计值精确度的问题。我下面通过一个非常通俗易懂的例子来说明.
我问
\( \LARGE \frac{\pi-3}{0.1}\approx ? \)
答:约等于1.

什么, \(\pi = 3.1_{\cdots}\) 代入上式,
\( \LARGE \frac{\pi-3}{0.1}=\frac{3.1-3}{0.1}=\frac{0.1_{\cdots}}{0.1}\approx 1 \)

这个时候,我们只需要用到 π 的估计值 3.1就够了.
但是,若问
\( \LARGE \frac{\pi-3.1}{0.0415}\approx ? \)

这个时候,如果我们仍然选择 π 的估计值 3.1代入上式,就会出现灾难性后果:
\( \LARGE \frac{0}{0.0415}\approx 0 \)

这个约等于就跟玩一样,明明约等于 1 才更准确啊!
\( \LARGE \frac{\pi-3.1}{0.0415}=1.002232616621519_{\cdots} \)

导致这个后果的原因是什么呢?
你看,如果我使用 π 稍精确一点估计值3.14(而不是3.1),代入结果
\( \LARGE \frac{\pi-3.1}{0.041}\approx\frac{0.040}{0.041}\approx 1 \)

问题又来了(这是一个关键性问题),

- 为什么在第二种情况,我们选择了π 更精确的估计值3.14,而没有选用3.1?

- 前后两道例题的区别在哪里?

前后两个例子的区别在于——对误差项估计的精确程度要求不同,前一道题对 π 的估计只精确到了十分位(0.1),而后者对 π 的估计精确到了百分位(0.01).
我们会发现分母是一个对精确度要求的明显指标——分母数量级越小,对分子的变化越敏感(想想反比例函数在0点的性态),于是对估值的精度要求变高.

其实等价无穷小的替换,无非也是这种情况,下面仅说明一例.
我们知道
\( \LARGE ln (1+x) \sim x , \vert x \vert < 1 \)

是一对很经典的等价无穷小.

学习了 Taylor公式后,我们知道关于 ln(1+x) 更精确的逼近式:
\( \LARGE ln (1+x) \sim x - \frac{x^{2}}{2}+\frac{x^{3}}{3}-_\cdots \)

对于极限
\( \LARGE \lim\limits_{x\to 0} \frac{ln (1+x)}{x} = \lim\limits_{x\to 0}\frac{x}{x} = 1 \)

这个时候,用 x 当作 ln(1+x) 的“估计值”,已经够用了(注意分母),而若求极限
\( \LARGE \lim\limits_{x\to 0}\frac{ln (1+x)-x}{x^{2}} = \lim\limits_{x\to 0}\frac{x-\frac{x^{2}}{2} - x }{x^{2}} = -\frac{1}{2} \)

这是时候用 x - x2 / 2 作为 ln(1+x) 的“估计值”,显然比用 x 显得更为适宜(注意分母).

注意到了什么规律了吗???

分母是几阶,泰勒就得展到几阶,这就是所谓的上下同阶原理.

关于等价无穷小使用条件的问题

原文:https://www.cnblogs.com/sillycuckoo/p/12703172.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!