version: 1.2
本文转载自:传送门 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,
\(\LARGE \frac{\pi-3}{0.1}=\frac{3.1-3}{0.1}=\frac{0.1\ldots}{0.1}\approx 1\)
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:
\(\LARGE ln (1+x) \sim x - \frac{x^{2}}{2}+\frac{x^{3}}{3}-\ldots\)
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\(\frac{x-x^{2}}{2}\)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.