n=迭代
由于某种原因,这段代码需要更多的迭代才能从其他代码中获得更准确的结果,谁能解释为什么会这样?谢谢。
n,s,x=1000,1,0
for i in range(0,n,2):
x+=s*(1/(1+i))*4
s=-s
print(x)
n=迭代
由于某种原因,这段代码需要更多的迭代才能从其他代码中获得更准确的结果,谁能解释为什么会这样?谢谢。
n,s,x=1000,1,0
for i in range(0,n,2):
x+=s*(1/(1+i))*4
s=-s
print(x)
正如我在评论中提到的,加快此速度的唯一方法是转换序列。这是一个非常简单的方法,与欧拉变换有关(参见roippi 的链接):对于交替序列的总和,创建一个由每对连续部分和的平均值组成的新序列。例如,给定交替序列
a0 -a1 +a2 -a3 +a4 ...
其中所有a
s 都是正数,部分和的序列是:
s0=a0 s1=a0-a1 s2=a0-a1+a2 s3=a0-a1+a2-a3 s4=a0-a1+a2-a3+a4 ...
然后新的派生序列是:
(s0+s1)/2 (s1+s2)/2 (s2+s3)/2 (s3+s4)/2 ...
这通常可以更快地收敛——同样的想法也可以应用于这个序列。也就是说,创建另一个新序列,平均该序列的项。这可以无限期地进行。在这里,我将更上一层楼:
from math import pi
def leibniz():
from itertools import count
s, x = 1.0, 0.0
for i in count(1, 2):
x += 4.0*s/i
s = -s
yield x
def avg(seq):
a = next(seq)
while True:
b = next(seq)
yield (a + b) / 2.0
a = b
base = leibniz()
d1 = avg(base)
d2 = avg(d1)
d3 = avg(d2)
for i in range(20):
x = next(d3)
print("{:.6f} {:8.4%}".format(x, (x - pi)/pi))
输出:
3.161905 0.6466%
3.136508 -0.1619%
3.143434 0.0586%
3.140770 -0.0262%
3.142014 0.0134%
3.141355 -0.0076%
3.141736 0.0046%
3.141501 -0.0029%
3.141654 0.0020%
3.141550 -0.0014%
3.141623 0.0010%
3.141570 -0.0007%
3.141610 0.0005%
3.141580 -0.0004%
3.141603 0.0003%
3.141585 -0.0003%
3.141599 0.0002%
3.141587 -0.0002%
3.141597 0.0001%
3.141589 -0.0001%
因此,仅在 20 个术语之后,我们已经将 pi 提高到大约 6 个有效数字。基本的莱布尼茨序列仍然是正确的大约 2 位数字:
>>> next(base)
3.099944032373808
这是一个巨大的进步。这里的一个关键点是基本莱布尼茨序列的部分和给出了在“太大”和“太小”之间交替的近似值。这就是为什么平均它们更接近真相。同样的(在“太大”和“太小”之间交替)也适用于派生序列,因此平均它们的项也有帮助。
当然,这一切都是徒劳的。严格的理由可能不是你感兴趣的东西;-)
那是因为您使用的是莱布尼茨级数,并且众所周知它会非常(非常)缓慢地收敛。