Το λειτουργικό συνεχιζόμενο κλάσμα (FCF) της εκθετικής τάξης ορίζεται από a_ (cf) (x; b) = α ^ (x + b / (a ^ (x + b / a ^ , a> 0. Κατά τη ρύθμιση a = e = 2.718281828 .., πώς αποδεικνύετε ότι e_ (cf) (0.1; 1) = 1.880789470, σχεδόν;

Το λειτουργικό συνεχιζόμενο κλάσμα (FCF) της εκθετικής τάξης ορίζεται από a_ (cf) (x; b) = α ^ (x + b / (a ^ (x + b / a ^ , a> 0. Κατά τη ρύθμιση a = e = 2.718281828 .., πώς αποδεικνύετε ότι e_ (cf) (0.1; 1) = 1.880789470, σχεδόν;
Anonim

Απάντηση:

Βλέπε εξήγηση …

Εξήγηση:

Αφήνω # t = a_ (cf) (x; b) #

Επειτα:

(x + b / a ^ (x + …))) = a ^ (x) = a (x) + b / (a_ (cf) (χ · b))) = a ^ (χ + b / t) #

Με άλλα λόγια, # t # είναι ένα σταθερό σημείο της χαρτογράφησης:

# F_ (a, b, χ) (t) = α ^ (χ + β / τό) #

Σημειώστε ότι από μόνη της, # t # ως σταθερό σημείο # F (t) # δεν αρκεί για να αποδειχθεί αυτό # t = a_ (cf) (x; b) #. Μπορεί να υπάρχουν ασταθή και σταθερά σταθερά σημεία.

Για παράδειγμα, #2016^(1/2016)# είναι σταθερό σημείο # x -> x ^ x #, αλλά δεν είναι λύση του # x ^ (x ^ (x ^ (x ^ …))) = 2016 # (Δεν υπάρχει λύση).

Ωστόσο, ας το εξετάσουμε # a = e #, # x = 0,1 #, #b = 1.0 # και # t = 1.880789470 #

Επειτα:

# F_ (a, b, x) (t) = e ^ (0,1 + 1 / 1,880789470) #

# ~~ e ^ (0,1 + 0,5316916199) #

# = e ^ 0.6316916199 #

# ~ ~ 1.880789471 ~~ t #

Έτσι αυτή η αξία του # t # είναι πολύ κοντά σε ένα σταθερό σημείο # F_ (α, β, χ) #

Για να αποδείξετε ότι είναι σταθερό, εξετάστε το παράγωγο κοντά # t #.

= d / (ds) F_ (e, 1,0,1) (s) = d / (ds) e ^ (0,1 + 1 / s)

Έτσι βρίσκουμε:

(1, 1, 1) (t) = -1 / t ^ 2 e ^ (0,1 + 1 / t) = -1 / t ^

Δεδομένου ότι αυτό είναι αρνητικό και έχει απόλυτη τιμή μικρότερη από #1#, το σταθερό σημείο στο # t # είναι σταθερό.

Επίσης, σημειώστε ότι για κάθε μη μηδενική πραγματική τιμή του #μικρό# έχουμε:

(1, 1, 1) (s) = -1 / s ^ 2 e ^ (0,1 + 1 / s) <0 #

Αυτό είναι # F_ (e, 1,0,1) (s) # μειώνεται αυστηρά μονοτονικά.

Ως εκ τούτου # t # είναι το μοναδικό σταθερό σταθερό σημείο.

Απάντηση:

Συναρπαστική συμπεριφορά.

Εξήγηση:

Με # a = e # και # x = x_0 # η επανάληψη ακολουθεί ως

#y_ {k + 1} = e ^ {x_0 + b / y_k} # και επίσης

#y_k = e ^ {x_0 + b / y_ {k-1}} #

Ας διερευνήσουμε τους όρους για συρρίκνωση του χειριστή επανάληψης.

Αφαίρεση και των δύο πλευρών

############################################################################################ #

αλλά στην πρώτη προσέγγιση

(e) (b / y_ {k-1})) (y_k-y_ {k-1} {k-1}) + 0 ((y_ {k-1}) ^ 2) #

ή

(e-1)} / (y_ {k-1}) ^ 2 (β / γ) y_k-y_ {κ-1}) #

Για να έχουμε μια συστολή που χρειαζόμαστε

#abs (y_ {k + 1} -y_k) <abs (y_k-y_ {k-1}) #

Αυτό επιτυγχάνεται εάν

#abs (e ^ {x_0} b (e ^ {b / y_ {k-1}}) / (y_ {k-1}. Υποθέτω # b> 0 # και # k = 1 # έχουμε.

# x_0 + β / γ_0 <2 log_e (y_0 / b) #

Έτσι δίνεται # x_0 # και #σι# αυτή η σχέση μας επιτρέπει να βρούμε την αρχική επανάληψη υπό συστολική συμπεριφορά.