使用python进行数值分析

数值分析第一次作业

题目：

已知$e^x$泰勒展开公式为：$e^x=1+x+\frac{x^2}{2!}+\cdots +\frac{x^n}{n!}$;现设计一python函数，计算使用泰勒展开后$e^2$,$e^{-2}$的绝对误差结果。求$e^{-2}$过程中，$e^{-x}$也可以使用$e^{-x}=1/e^x$计算。

解题思路：

要计算绝对误差结果，需要解析值-准确值；使用不同n的泰勒展开公式 ，计算解析解与准确解的差。在这里我们以$e^2$,$e^{-2}$在不同n下不同的三种计算方法误差为纵轴值画曲线图分析误差走向。

Python代码

import numpy as np
import math
import matplotlib.pyplot as plt
#a = np.zeros((1,5));
#print (a);
def v(x,n):
    '''泰勒展开逼近求e^x,需要误差曲线'''
    num=1;
    fun=1;
    fun1=0;
    if x>0:
        for i in range(1,n+1):
            #print(i);
            num=num*i;#阶乘
            #print(x);
            fun=fun+(1/num)*(pow(x,i));
            print(fun);
            print("x>0");
        return fun;
    elif x==0:
        fun2=1;
        print("x=0");
        return fun2;
    else:
        for j in range(1,n+1):
            num=num*j;
            fun=fun+(1/num)*(pow(-x,j));
            #print(fun);
            fun1=1/fun;
            print("x<0");
        return fun1;
def talv(x,n):
    for m in range(1,n+1):
        num=num*m;
        fun4=fun+(1/num)*(pow(-x,m));
    return fun4;
def truev(x):
    fun3=math.exp(x);
    print(fun3);
    return fun3;

def taylorv(x,n):
    num1=1;
    funt=1;
    for i in range(1,n+1):
            #print(i);
            num1=num1*i;#阶乘
            #print(x);
            funt=funt+(1/num1)*(pow(x,i));
            print(funt);
    return funt;
'''e^2taylor展开公式（n为变量）'''
a = np.zeros(20) ;
b = np.arange(1,21);
for i in range(0,20):
    a[i]=v(-2, i+1)-truev(-2);#x取值-2/2；
    print(a);
fig=plt.figure(figsize=(100,460));
plt.rcParams['font.sans-serif']=['SimHei'];
plt.rcParams['axes.unicode_minus'] = False;
plt.plot(b,a, label='weight changes', linewidth=3, color='r', marker='o',
         markerfacecolor='blue', markersize=6);
plt.title(" e^2泰勒展开后取倒数得到e^-2绝对误差与展开项数的关系图",fontsize=14)
plt.xticks(b);
plt.xlabel('n');
plt.ylabel('absolute error');

for x, y in zip(b, a):
    plt.text(x, y, y, ha='center', va='bottom', fontsize=8,rotation=18);
plt.show();


'''e^-2taylor展开公式（n为变量）
c = np.zeros(20) ;
d = np.arange(1,21);
for i in range(0,20):
    c[i]=taylorv(-2, i+1)-truev(-2);#x取值-2
    print(c);
fig=plt.figure(figsize=(100,460));
plt.rcParams['font.sans-serif']=['SimHei'];
plt.rcParams['axes.unicode_minus'] = False;
plt.plot(d,c, label='weight changes', linewidth=3, color='r', marker='o',
         markerfacecolor='blue', markersize=6);
plt.title("e^-2直接泰勒展开后绝对误差与展开项数关系图",fontsize=14)
plt.xticks(d);
plt.xlabel('n');
plt.ylabel('absolute error');

for x, y in zip(d, c):
    plt.text(x, y, y, ha='center', va='bottom', fontsize=8,rotation=-15);
plt.show();
'''

结果与分析

1、$e^2$泰勒展开后绝对误差与展开项数的关系

$e^x=1+x+\frac{x^2}{2!}+\cdots +\frac{x^n}{n!}$。当x固定取2时，绝对误差与泰勒展开项数n的关系如下图所示：

在图1中我们可以看到绝对误差的绝对值随着n的增大在逐渐减小，展开项数越多，泰勒展开得到的值越接近真实值。随着n的增大，接近真实值的速度越来越慢。

2、$e^{-2}$泰勒展开后绝对误差与展开项数的关系

$e^x=1+x+\frac{x^2}{2!}+\cdots +\frac{x^n}{n!}$。当x固定取-2时，绝对误差与泰勒展开项数n的关系如下图所示：

在图2中我们可以看到，n取前几个值时绝对误差变化非常剧烈，并且解析值与真实值差距较大，当n变大后，绝对误差的绝对值变小，解析值逐渐靠近真实值。

3、$e^2$泰勒展开后取倒数得到$e^{-2}绝对误差与展开项数的关系

$e^{-x}=1/e^x=1/(1+x+\frac{x^2}{2!}+\cdots +\frac{x^n}{n!})$。当x固定取-2时，绝对误差与泰勒展开项数n的关系如下图所示：

在图3中我们看到，相较于直接泰勒展开取$e^{-2}$的值，求$e^2$值再取倒数这种方法绝对误差的值更稳定。随着n的增大，绝对误差不断减小，并且n越大，绝对误差收敛于0的速度越慢。

综合比较2，3两种近似$e^{-2}$值的方法，第三种方法更稳定，且绝对误差更小。