计算方法课件10月24-2011
计算方法第一章数值计算方法.ppt

x1
a22b1
a12b2 D
S4 输出计算的结果 x1, x2
x2
a11b2
a21b1 D
开始
输入
a11, a12 , a21, a22 ,b1,b2
D=a11a22-a12a21
Yes D=0
No
x1 (b1a22 b2a12 ) / D x2 (b2a11 b1a21) / D
输出无解信息
…
…
第一章计算方法与误差
本章内容
§1 引言 §2 误差的来源及分类 §3 误差的度量 §4 误差的传播 §5 减少运算误差的原则
小结
第一章计算方法与误差
要求掌握的内容
概念 包括有效数字、绝对误差、绝对误差限、 相对误差、相对误差限等
误差 截断误差、舍入误差的详细内容,误差种 类等
分析运算误差的方法和减少运算误差的若 干原则
常用的两种复杂性有:计算时间复杂性和空间复杂性。
二、算法的优劣
➢ 计算量小 例:用行列式解法求解线性方程组:
n阶方程组,要计算n + 1个n阶行列式的值,
总共需要做n! (n - 1) (n + 1) 次乘法运算。
n=20 需要运 算多少次?
n=100?
计算量大小是衡量算法优劣的一项重要标准。
在估计计算量时,我们将区分主次抓住计算过程中费时较多的 环节。比如,由于加减操作的机器时间比乘除少得多,对和式
例:求解二元一次联立方程组
aa1211xx11
a12 x2 a22 x2
b1 b2
用行列式解法:首先判别
D a11a22 a21a12
是否为零,存在两种可能:
(1)如果 D 0,则令计算机计算
《计算方法》PPT课件

就可以得到一个递推公式
uk uk1x ank ,
k=1,2, …,n (1.3)
这样的计算过程只需要计算n次乘法和n次加法。 这种算法和上一种算法相比,不仅逻辑结构简单, 而且计算也明显地减少了。多项式求值的这种算法 称为秦九韶算法(计算框图见图1.2)。
2020/12/7
.
10
1.2 误差的来源及其基本概念
5
2020/. 12/7
5.
⒊得不到准确解时,设法得到近似解
例:求 x a, a 已0知数。
由数学中的极限理论可知,
当lim n
xn
x时(,极限存在)
有:lim n
xn1
lim
n
1 2
( xn
a xn
)
即x 1 ( x a )
2
x
于是 x2 a, a 0, x a
又∵n只能有限,∴x是近似值。
2020/12/7
.
6
在计算方法中,我们还将讨论: ⒋解的特性(近似程度,敛散性) ⒌各种方法的优缺点(速度,存储量) ⒍各种方法的实用范围(收敛范围)
7
2020/. 12/7
7.
⑵ 一个好的方法应具有如下特点:
第一,面向计算机,要根据计算机特点提供实际可行的 有效算法,即算法只能包括加、减、乘、除运算和逻辑运 算,是计算机能直接处理的。
计算方法
1
1.1 计算方法研究的对象和特点
计算方法实际上就是计算机上使用的数值计算方法,所 以这门课程又称为数值计算方法或数值分析。它是专门研究 求解各种数学问题的数值计算方法。现在,由于大多数科学 计算都比较复杂,人工计算无法完成;而计算机科学的迅速 发展和广泛应用提供了解决这些复杂问题的新途径。
计算方法PPT课件第五章 插值与拟合

因此
li (x)
(x x0 )(x x1 ) (xi x0 )(xi x1 )
(x ( xi
xi1 )(x xi1 ) ( x xi1 )( xi xi1 ) ( xi
xn ) xn
)
n x x j . j0 xi x j ji
5.2.2 拉格朗日插值多项式
设用试验或观测方法得到函数 的如下函数y 值f表(x)
xi x0 , x1, , xn
yi y 0 , y1 , , y n
(5.11)
其中:yi f (xi )(i 0,1,..., n).我们用插值基函数li (x)(i 0, 1,..., n)的线性组合来构造满足式(5.11)的插值多项式,令
2020年1月26日星期日
主讲 韩光朋
17
(2) 将x 2.5代入,得L2 (2.5) 1.2625,因此
f (2.5) L2 (2.5) 1.2625.
(3)
f
(x)
ln(1
x), 求出f
''' ( x)
2 (1 x)3
,
从而max f ''' ( x) 1 .
1 x3
Rn (x)
f (n1) ( )
(n 1)!
n1
(
x)
,
(5.6)
其中: (a,b)且依赖于x,而x [a,b].
证明(见P111)略
2020年1月26日星期日
主讲 韩光朋
9
在实际插值问题中,由 于一般不知道,且实
际插值中f (x)一般较复杂或者未知, 因此用余项公 式(5.6)求误差是较困难的, 只能对其进行估计。 若
计算方法课件第一章

计算结果相当好,见P5表1-2 问题:两个递推公式都对,为何会出现上面这两种截然 不同的现象?
误差分析
例5中对于算法一中的迭代公式进行稳定性分析
I n 1 nI n1 (n 1, 2, , 9) 记 I ( n) 的误差为 n I ( n) I n
则迭代格式
I n 1 nI n1
计算得 I1 0.3679,, I 8 0.7280, I 9 7.552
In
1 ( n 1)e
1 1 n x e 0 x e dx
1 1 1 1 n I 8 0.7280, 0 x n edx e 0 x dx I n e
其解析解(精确解)为 y( x ) e
x2
•为什么要求数值解?
x
0
e dt
t2
而实际中只需知道 y(1), y(1.5) 等近似值。这些近似值 就是数值解。
•如何构造方法(主要思想) 1. 2. 3. 4. 迭代法 以直线代替曲线(非线性问题线性化) 化整为零(离散化) 外推法(加速)
•构造什么样的方法 实用的好的算法有三个标准: 快 ——— 计算步骤少,收敛速度快 准 ——— 数值稳定性好,计算结果可靠性高 省 ——— 节省计算机内存(大型稀疏矩阵问题)
算法的稳定性会是一个非常重要的话题。 n n 0 ( 1) 误差没有增大,算法稳定
n!
稳定性的定义
若一个算法的结果受初始误差影响较小或运算过 • 算法一是数值不稳定的 程中舍入误差不增长,则称此算法为数值稳定的。否 则,是不稳定的。 • 算法二是数值稳定的 具体图示如下 准确初值 准确解 数值稳定性指的是方法,与问题无关; 稳定 近似初值 近似解 数值不稳定的算法是不能用的; 不稳定 不能说方法正确,程序正确,结果就正确。
计算方法课件

1.2.5 数据误差的影响
f ( x1, x2 ) * f ( x1, x2 ) * f ( x , x ) f ( x1, x2 ) ( x1 x1 ) ( x2 x2 ) x1 x2
* 1 * 2
f ( x1, x2 ) * f ( x1, x2 ) * e( y) y y ( x1 x1 ) ( x2 x2 ) x1 x2
10
1.2.2 绝对误差与绝对误差限
绝对误差
设x是准确值x*的近似值,称e是近似值x的绝 * 对误差。简称误差。e x x 绝对误差限
通常准确值x*未知,故绝对误差很难得到。但可以估 计出|e|不超过某个正数,称为绝对误差限。简称误 差限。 *
e x x
x x
er
x
*
x*
13
1.2.3 相对误差与相对误差限
实际计算中真值x*通常难以求得,因此通常用下式作 为相对误差。 e x* x
er
相对误差限
x
x
计算相对误差与计算绝对误差具有相同的困难,因此 通常只考虑相对误差限r 。
er r
或
er r
相对误差和相对误差限是无量纲的,但绝对误
解
s v t
s e( v ) e( ) t
x1 x1 1 e( ) e( x1 ) 2 e( x2 ) x2 0 x2 x2 x2
26
1.2.5 数据误差的影响
1 s e(v) e( s ) 2 e(t ) 绝对误差限 t t 1 s | e(v ) || e( s ) 2 e(t ) | t t
9
1.2.1 误差的来源
计算方法课件_易大义主编

计算方法——09计11、61
5/47
教材
《计算方法》,
易大义等,
浙江大学出版社, 2002年第2版
计算方法——09计11、61
6/47
主要参考书
1.《数值分析引论》,
易大义 陈道琦,
浙江大学出版社, 1998年第1版
计算方法——09计11、61
7/47
主要参考书
简化,抽象问题后建立的数学模型与实际问
2.
观测误差 /* Measurement Error */ 流、温度等)
观测和实验得到的参量(物理量为电压、电
计算方法——09计11、61
21/47
§1.2 误差的种类及其来源
3.
截断误差(方法误差)/*Truncation Error*/ 求和,只能取前面有限项求和来近似代 替)。这种计算方法本身出现的误差,所 以也称为方法误差。如 3 5 x x si n x x ......, 3! 5!
有限过程代替无限过程的误差(无穷级数
右端是截断误差。
x x si n x ( x ) ...... 3! 5!
计算方法——09计11、61
22/47
3
5
§1.2 误差的种类及其来源
4.
舍入误差 /* Roundoff Error */
计算机字长有限,一般实数不能精确存储,于 是产生舍入误差。 例如:在 10 位十进制数限制下:
e( x ) 称 er ( x ) 为 x * 的相对误差。 x * e( x ) 实用中,常用 表示 x 的相对误差。 x 称 er ( x ) 为 x * 的相对误差限。
计算方法课件

※ 特点:简单、直观,编程容易且收敛性总能得到保证。但收敛速度
较慢,且只能用于求实函数的实根,不能求偶数重根及复根。
§2.2
迭代法
思想:首先给出方程的根的一个粗糙的初始值,然后反复使用某一个 公式校正这个初始值,使之逐步精确化,直到满足预先给出的精度 要求为止。具体方法如下: (1) f ( x) 0 化为下列等价形式:
设其跟为 xk 1 , 即
f ( xk ) f ( xk )( xk 1 xk ) 0
则有
f ( xk ) xk 1 xk f ( xk )
(f ( xk ) 0)
牛顿迭代法的几何意义:
y
P ( 0 x0 ,f (x0 ))
P ( 1 x1,f ( x1 ))
y f ( x0 ) f ( x0 )( x x0 )
2.4
弦截法:
弦 截 法(割线法)
xk 1
几何意义:P23
f ( xk )( xk xk 1 ) xk , f ( xk ) f ( xk 1 )
(k 1,2, )
一般,弦截法的收敛速度(收敛的阶为1.618)比牛顿迭代法慢,但优点是无 需计算导数,每步只需计算一次函数值。
x g ( x)
(2) 构造迭代公式
x k 1 g ( x k ),
(k 0,1,2,)
在有根区间【a,b】上取一点 x 0 (初始近似根)作为方程的近似值,代 入上面公式右端,求得 x1 g ( x 0 ) ,在把 x 1 作为预测值,得到
x 2 g ( x1 ), 如此反复进行下去,得到一个近似根的序列
1. 要避免相近两数相减 2. 要防止“大数吃掉小数” 3. 避免用绝对值很小的数除数 4. 注意简化计算步骤,减少运算次数 5. 注意控制递推公式中误差的传播
数学计算方法课件

数学计算方法课件第1篇:数学计算方法课件第一课时教学目标:1、理解小数乘以整数的计算方法及算理。
2、培养学生的迁移类推能力。
3、引导学生探索知识间的联系,渗透转化思想。
教学重点:小数乘法的算理及计算方法教学难点:确定积的小数点位置的方法一、复习导入师:不知道大家对前面的知识学得怎么样,老师想考考大家,请快速算出以下题目的得数,并且说一说在计算的时候要注意什么生1:25x6=1503x12=36生2:计算的时候要注意数位对齐生补充:千万不要忘记进位,不要忘记写末尾的零师:同学们说的真不错!师,对于整数以及整数乘法大家都学得不错,那么谁能说一说下面三组整数与小数的区别与联系?生:把0.1扩大10倍就成了115是1.5的10倍把0.15扩大100倍就是15师:要把小数变成整数,只要将它扩大10倍或者100倍或者1000倍(学生试一试)师:那如果要把一个整数变成一个小数该怎么办呢?生:缩小到它的1/101/1001/1000师:请同学们试一试把353缩小到它的1/10是多少?那缩小到它的1/1oo1/1000呢?二、探究新知师:小明去买风筝,售货员出示的价格如下,要买3个3号风筝,小明应付多少钱呢?生:(上前板演)35x3=105(元)风筝太贵了师:真不好意,看错价格了,正确的价格如下:请同学们重新思考并计算生:我用的是加法计算3.5元+3.5元+3.5元=10.5元师:同学们说说他刚刚说的这种算法行不行?好不好?生:是可以这样计算,但是不太方便,要是买25个呢?太麻烦了。
生:我的办法比较好,把3.5元看作是3元5角,然后分别乘以3,得出10.5元不过我自认为也有一点麻烦生:也可以把3.5元看作是35角,计算的结果是105角,也就是10元5角师:同学们说得都不错,第几种办法比较简便呢?生:最后一种师:现在请同学们把表格完成,任意指定风筝的数量,再自己计算总价,你认为刚刚哪种办法比较好,就用那种办法。
最好用最后一种师:那以后在计算钱的时候,可以把钱换成整数,再进行计算,那如果不是钱,不能进行换算该怎么办呢?如题:0.72x5=师:可以想想我们刚刚复习过的整数乘以整数以及整数与小数的联系的知识进行思考生:(板演)将0.72扩大到100倍变成72再乘以5,再将得出的结果缩小到它的1/100点上小数点后,再把末尾的0去掉生:我认为就是直接用整数乘法计算,再加小数点师小结:对了,对于小数乘法,我们按照整数乘法的计算方法进行计算,只是在最后加一个重要步骤,就是加上小数点,大家有什么要提醒的吗?生:计算过程中不要加小数点生:根据小数的基本*质,末尾的0要去掉生:一定要先点上小数点再去0师:对于,如何加小数点,老师也也有一点看法,两个因数里面有几位小数,那么结果就有几位小数。
计算方法ppt

再按消元公式计算 ai(j(3) i,j=3,…,n)。
然后每一步类似的都在右下角方阵中的第一列中选
主元,再经行对调, 将主元素换到右下脚方阵中左上
角的位置。再按下一步计算 ai(jk() i,j=k,…,n)
直至将方程组化成上三角方程组,再进行回代就可 求得解。
21
全主元消去法
a11 a12 a1n b1
+
a (1) 1n
xn
+
...
+
a(2) 2n
xn
=
b(1) 1
=
b(2) 2
a(2) 32
x2
+
...
+
a(2) 3n
xn
=
b(2) 3
......
a(2) n2
xn
+ ... +
a(2) nn
xn
=
b(2) n
A(2) x = b(2)
其中 a(2) ij
=
a (1) ij
− li1a1(1j)
右端列向量视为方程组A的第n+1列,直接对矩阵A
(指现在的n行,n+1列的增广矩阵)进行行初等变换,
将其变换为上三角形矩阵,从而回代求解得到方程组
的解。
15
Gauss消去法(续)
Remark2:可以统计出,如果A为n阶方阵,则Gauss顺
序消去法消去过程所需的乘除运算次数为
∑n−1 (n − k + (n − k)(n − k +1)) = n3
(3.1)
2
引言(续)
其矩阵表示形式为: AX = b
a11 a12 a1n
x1
计算方法PPT

数 学 系 University of Science and Technology of China
第0章 绪论
计算方法的作用 计算方法的内容 误差 一些例子
DEPARTMENT OF MATHEMATICS
数 学 系 University of Science and Technology of China
学习的目的、要求
会套用、修改、创建公式 编制程序完成计算
课程评分方法 (Grading Policies)
总分 (100) = 平时作业(20)+上机作业(10)+期末 (70)
DEPARTMENT OF MATHEMATICS
数 学 系 University of Science and Technology of China
x 50.25 x 55.81
DEPARTMENT OF MATHEMATICS
数 学 系 University of Science and Technology of China
例:蝴蝶效应 —— 纽约的一只蝴蝶翅膀一拍,风和日丽的北 京就刮起台风来了?!
NY
BJ
以上是一个病态问题
/* ill-posed problem*/
内容 : 一次作业一个附件,并在内容中写出运行结果
DEPARTMENT OF MATHEMATICS
数 学 系 University of Science and Technology of China
内容
1、数值逼近-数学分析中的数值求解,如微分、积分、
b
a
f ( x)dx F (b) F (a)
DEPARTMENT OF MATHEMATICS
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
如抛物线 y=a+b+cx2 令 z1=x, z2=x2 得一两个自变量的线性方程 得一两个自变量的线性方程 y=a+bz1+cz2 用多变量数据拟合的方法很容易求解。 用多变量数据拟合的方法很容易求解。
将非线性变量替换为线性, 将非线性变量替换为线性,然后针对新变量 的线性关系做最小二乘拟合的优势与 优势与弊端: 弊端: 优势: 优势:计算简单; 计算简单; 弊端: 弊端:However, the approximation obtained in this
i =1 i =1 k =0 N N m 2
为使误差平方和最小, 为使误差平方和最小,对 α j 求偏导数并令导数值为0:
2∑ ωi ( yi − ∑ α k Pk ( xi )) Pj ( xi ) = 0,
i =1 k =0 N m
j = 0,1,..., m
令
c jk = ∑ ωi Pj ( xi ) Pk ( xi ), c j = ∑ ωi yi Pj ( xi )
L0 ( x ) = 1 L1 ( x ) = − x + 1 L2 ( x ) = x 2 − 4 x + 2 L3 ( x ) = − x 3 + 9 x 2 − 18 x + 6 ...
Pk ( x) = ak x k + ak −1 x k −1 + ... + a1 x + a0
为k次多项式
加权最小二乘法: 加权最小二乘法:计算误差平方和时, 计算误差平方和时,根据各个数据点 的精度不同, 的精度不同,给每个误差的平方以权数ωi>0. >0 假定有N组实验数据( 组实验数据(xi,yi) (weight) 每个数据点的误差: 每个数据点的误差:ei = yi − ∑ α k Pk ( xi ), i = 1, 2,..., N
具体形式为: 具体形式为: P0 ( x ) = 1
P 1 ( x) = x 1 P2 ( x ) = (3 x 2 − 1) 2 1 P3 ( x ) = (5 x 3 − 3x ) 2 ...
勒让德多项式的性质: 勒让德多项式的性质:
(1) 正交性: 正交性: m≠n 0, 1 (Pn , Pm ) = ∫ Pn ( x )Pm ( x ) dx = 2 −1 , m=n 2n + 1 (2) 满足递推公式: 满足递推公式:
(正交多项式:orthogonal polynomial)
一. 正交多项式拟合: 正交多项式拟合: 问题的提出
多项式拟合的一般情形: 多项式拟合的一般情形:
y* = α 0 P0 ( x) + α1 P 1 ( x ) + ... + α m P m ( x) = ∑ α k P k ( x)
k =0 m
kx =
π
(sin kx ,cos jx ) = 0 (1,sin jx ) = (1,cos jx ) = 0
π
−
∫π sin
π
−
∫π cos
2
kx = 0 ,
−π
∫ sin
kx =
−π
∫ cos
kx = π > 0 , (sin kx ,sin kx ) = (cos kx ,cos kx ) = π
因为: : 因为π ∫ sin kx sin jxd x = 0 , ( j ≠ k ) (sin kx,sin jx ) = 0
−π
π
−
∫π co s kx co s
π
− π
jxd x = 0 , ( j ≠ k )
(cos kx ,cos jx ) = 0
∫π sin
2
kx cos jxdx = 0 ,
2 ω ( x ) P j ( x )dx = 1 ∫a b
则为规格化正交多项式。 规格化正交多项式。
3. 常用正交多项式
• • • Legendre 勒让德多项式 Laguerre 拉盖尔多项式 Chebyshev 切比雪夫多项式
(1)Legendre 勒让德多项式
Legrendre多项式: 多项式:在区间[-1, 1]上,权函数=1, 由{1, x, …, xn,…}正交化得到的多项式。 正交化得到的多项式。 简单表达式: 简单表达式:
5.5.多项式数据拟合: 多项式数据拟合: 方法1:直接用最小二乘法, 直接用最小二乘法, 方法2:转换为多变量线性关系做多变量直线拟合的方法。 转换为多变量线性关系做多变量直线拟合的方法。 设函数y=f(x)在n个互异点的观测数据为 xi yi 用n次多项式拟合 y=anxn+an-1xn-1+…+a1x+a0, 做变量替换: 做变量替换:z1=x, z2=x2, z3=x3, …, zn=xn y=an zn+an-1 zn-1+…+a1z+a0, 变为线性关系 然后用多变量数据拟合的方法来处理。 然后用多变量数据拟合的方法来处理。 x1 y1 x2 ….. xn y2 ….. yn
∫
b
a
ω ( x ) f ( x ) g ( x )dx = 0
则称 f(x) 与 g(x) 在 [a, b] 上 带权 ω(x) 正交。 正交。 正交函数族: 正交函数族:若函数族 ϕ0(x), ϕ1(x), …, ϕn(x)∈C[a, b] 满足
j≠k 0, (ϕ j , ϕ k ) = ∫ ω ( x )ϕ j ( x )ϕ k ( x )dx = a ck ≠ 0, j = k
i =1 i =1
N
N
得正规方程组∑ck=0mjkα k − c j = 0, j = 0,1,..., m
正规方程组
∑c
k =0
m
jk
α k − c j = 0, j = 0,1,..., m
若Pk(x) (k=0,1,…,m)满足: 满足:
N c jk = ∑ ωi Pj ( xi ) Pk ( xi ) = 0 j ≠ k i =1 N c = ω y P ( x ) > 0 j , k = 0,1,..., m ∑ j i i j i i =1
的Pk(x)称为关于权数 ωi 的正交多项式族。 的正交多项式族。
二. 正交多项式族
1. 正交函数族
(orthogonal set of functions)
正交: 正交:设 f(x), g(x) ∈ C[a, b],ω(x) 是 [a, b] 上的权函数, 上的权函数,
若 ( f , g) =
N c jk = ∑ ωi Pj ( xi ) Pk ( xi ) i =1 N c = ω y P ( x ) j , k = 0,1,..., m ∑ j i i j i i =1
则正规方程组化简为: 则正规方程组化简为:
∑c
k =0
m
jk
α k − c j = 0, j = 0,1,..., m
1 dn 2 n P0 ( x ) = 1, Pn ( x ) = n ( x − 1) 2 n ! dx n
因为 d
n
x∈ [-1, 1],n = 1, 2, …
所以 Pn ( x ) =
dx
2 n ( x − 1) = 2n(2n − 1)⋯ ( n + 1) n
1 n n −1 2 n (2 n − 1) ⋯ ( n + 1) x + a x + ... + a0 n −1 n 2 ( n !)
( n + 1)Pn+1 ( x ) = (2n + 1) x Pn ( x ) − nPn−1 ( x )
(2)Laguerre 拉盖尔多项式
n d Ln ( x ) = e x n ( x n e − x ) x∈ [0, ∞],n = 0, 1, 2, … dx
表达式: 表达式:
具体表达式: 具体表达式:
Today’s Plan
2010-10-24
上节课重点回顾: 上节课重点回顾:
多变量拟合, 多变量拟合,多项式拟合, 多项式拟合,非线性拟合
今日新内容: 今日新内容:
非线性拟合, 非线性拟合,正交多项式
1
上节课(2010-10-17)重点回顾
谢谢李妮娜同学 带领大家做回顾总结!
2
单变量线性拟合 线性拟合 数据拟合: 数据拟合: 最小二乘法 非线性拟合 非多项式拟合 多变量线性拟合 多项式拟合
4 . (非多项式的) 非多项式的)非线性数据拟合
解决途径: 首先确定为何种非线性关系 然后将非线性关系转换为线性关系. (1)确定为何种非线性关系
• 根据专业知识和经验来确定经验曲线 的近似公式. • 画散点图,根据散点图的分布形状及 特点来选择适当的曲线.
(2). 将非线性关系转换为线性关系. A. 指数上不含有未知变量: 指数上不含有未知变量: • 通过变量替换将非线性方程转换为线性方程, 转为直线数据拟合问题. B. 指数上含有未知变量: 指数上含有未知变量: • 方程两边取对数, 方程两边取对数,然后变量替换转换为 线性拟合问题。 线性拟合问题。
c jjα j − c j = 0
解为: 解为:
αj =
cj c jj
满足条件
N c jk = ∑ ωi Pj ( xi ) Pk ( xi ) = 0 j ≠ k i =1 N c = ω y P ( x ) > 0 j , k = 0,1,..., m ∑ jk i i j i i =1
B) 若指数上含有待确定的参数a或b,如: 幂函数: y= a xb 指数函数: 指数函数:y = a ebx 则通常会对近似方程两边取对数: 则通常会对近似方程两边取对数: 幂函数: lny = lna +b lnx 指数函数: 指数函数:lny= lna +bx 然后做变量替换转换成线性关系: 然后做变量替换转换成线性关系: lny= lna +bx lny = lnb +b lnx y’=ln y,x’=ln x A=lna y’=A+bx’ y’=ln y, A=lna y’=A+bx