十七世纪的常用对数表是怎么算出来的
十七世纪的常用对数表是怎么算出来的
前不久,在网上看到了金泽长街小牛先生的博文《回到十七世纪,让我来编算一本常用对数表》,受益匪浅。在我上中学时,也曾对数学用表中的对数和三角函数值是怎么算出来的感到好奇,但始终不得其解。中学时学的是四位对数表,后来也见到过八位对数表和十位对数表,但看不懂,不会用。读过小牛先生的文章后,不仅知道了对数表是怎么算出来的,也豁然明白八位对数表是怎么回事了。受小牛先生博文启发,我也想到了一种更为简单精确的计算常用对数表的方法,不用手算开高次方,只需加减乘除开平方,就可以编制出常用对数表,这里介绍出来,与大家分享。
第一步、计算第一组基础对数
这组基础的对数值是:1/2, 1/4, 1/8, 1/16, 1/32, 1/64, 1/128, 1/256, 1/512, 1/1024, 1/2048, 1/4096, 1/8192共13个。
计算的方法很简单,就是不断开平方。在常用对数里,10的对数是1,把10开平方就得到对数1/2的真数值,即√10,把计算结果再开平方就得到对数1/4的真数值,把计算结果再开平方就得到对数1/8的真数值,把计算结果结果再开平方就得到对数1/16的真数值,......一直进行下去,等开到1/8192就可以了。有这13个基础对数值,算8位对数表就够了,如果想要更精确的对数表,可以再多算几个基础对数,这里就不讨论了。
开平方是简单的运算,列竖式就可以开出来,开12位有效数字一般不会超过半小时,计算这13个基础对数一个人几小时就可以完成。有了这组基础对数,就可以通过把若干个基础对数相加的方式,计算出从1/8192,2/8192,3/8192,......8191/8192的任何一个对数,这8191个对数在0.0000~1.0000之间均匀分布。
第二步、计算第二组基础对数
这第二组基础的对数值是:0.5, 0.1, 0.05, 0.01, 0.005, 0.001, 0.0005, 0.0001共八个。
0.5即1/2,在第一组基础对数中就有;0.1=819.2/8192,介于819/8192与820/8192之间,其中
819/8192=512/8192+256/8192+32/8192+16/8192+2/8192+1/8192
=1/16+1/32+1/256+1/512+1/4096+1/8192
对数相加,真数需相乘,将式中这6个基础对数对应的真数值相乘就可以得到819/8192的真数值。
820/8192=512/8192+256/8192+32/8192+16/8192+4/8192
=1/16+1/32+1/256+1/512+1/2048
将式中这5个基础对数对应的真数值相乘就可以得到820/8192的真数值。
819/8192与820/8192之间的间距仅有1/8192,非常小,可以近似当成直线处理,在算出对数819/8192和820/8192的真数值后,通过“线性内插法”就可以算出对数819.2/8192即0.1对应的真数值。如担心多次相乘以及做线性内插时导致误差积累增大,可以把对数0.1的真数值累乘计算5次方,看与0.5的真数值能否对得上,如有误差,用开方公式做修正,消除误差。由于这样的计算本身已经很精确,误差修正的工作不会太费事。
得到对数0.1的真数值后,将之开平方就得到对数0.05的真数值。
然后,0.01=81.92/8192,分别计算出对数81/8192和82/8192的真数值,再用“线性内插法”计算出对数0.01的真数值,当然,也要做误差修正。
同样的方法,可以计算出对数0.005, 0.001, 0.0005, 0.0001的真数值。
在算出这一组8个基础对数之后,就可以计算编制反对数表了。
第三步、计算编制反对数表
用对数做乘、除、乘方、开方运算得到的对数值,最终都要通过查反对数表才能得到真数,所以,反对数表是迟早必须要编的,而反对数表在计算方法上没有障碍,所以应该首先计算编制。有反对数表之后,再计算对数表就容易多了。
有了对数0.5和0.1对应的真数值,就可以计算出从0.1,0.2,0.3,...0.9这9个对数对应的真数值了,这9个对数构成的反对数表可以叫一级反对数表。计算的方法很简单,就是对数相加,真数相乘,比如0.6的对数,对数0.6=0.5+0.1,所对应的真数就是
3.162277660168*1.258925411794=3.98107170553...
有了对数0.05和0.01对应的真数值以及一级反对数表,很容易就可以计算出从0.01,0.02,0.03,...0.99这99个对数对应的真数值,这99个对数构成的反对数表可以叫二级反对数表。计算的方法与前面相同,即对数相加,真数相乘。
有了对数0.005和0.001对应的真数值以及二级反对数表,就可以计算出从0.001,0.002,0.003,...0.999这999个对数对应的真数值,这999个对数构成的反对数表可以叫三级反对数表。计算的方法与前面相同。
有了对数0.0005和0.0001对应的真数值,就可以计算出从0.0001,0.0002,0.0003,...0.9999这9999个对数对应的真数值了,这9999个对数构成的反对数表可以叫四级反对数表。有四级反对数表应该就够了。要计算编制包含99999个对数的五级反对数表不是做不到,而是有没有必要,值不值得做。
编制时要先完成一级反对数表,然后再扩充到二级反对数表、三级反对数表、四级反对数表,不要用很小的对数累乘得到大的对数,以避免误差累积增大。
这样计算出的反对数表非常齐整,而且精确度有充分保证。
扩充计算对数表只用两数相乘,不用除法。我觉得乘法比除法简单,工作量小。比如两个有10位有效数字的数相乘,会得到一个大约有20位的数字,但我们只要10位有效数字,后面的那些位数都要舍去,既然不需要,为什么要乘出来?所以在列竖式相乘时,那些注定不会加到前12位的数字,主要是乘数的后几位与被乘数的后几位相乘的数字,根本就别乘,直接画0补位,只要前12位,多出的两位用于四舍五入,故而乘法可以减少计算量。
在编制反对数表过程中已经可以多找人手分摊工作量了。以前在书上看到过去有“制表工人”一说,应该是指专门从事计算制表的工作人员,如果是职业熟练工人,那应该会掌握很多计算技巧,计算速度也会快过常人,以我估计的计算量,如果有几十人同时工作,两三周做出反对数表应该没问题。
第四步,计算给定真数的对数值,编制常用对数表
在有了反对数表之后,再计算编制常用对数表就好办了,而且精确度有保证。方法就是“线性内插法”。以求2的对数为例,在反对数表里可以查到,对数0.3010对应的真数是1.9998618696,对数0.3011对应的真数是2.0003224078,那就在0.3010和0.3011之间做线性内插,求2的对数值,由于1.9998618696与2.0003224078的间距非常微小,所以得到的2的对数值也必是非常精准的。
从1.001~9.999之间的所有数都可以用这种“线性内插”法算出,用这8999个数就可以编制出一个完整的常用对数表,而且精度极佳,只不过要计算8999个数据,计算量颇大。
如果先算出那些质数(即素数)的对数,合数的对数由其质因子的对数相加而得到,计算量就可以大幅减少。
10000以内的质数仅有1229个,而且那些较大的质数,其对数可以用两对数平均值算出,例如8663是个素数,在算出8662和8664这两个数的对数后,8663的对数就是8662和8664这两个数的对数的平均值。平均值计算实际也是“线性内插”,但要简单得多,真正需要用比较麻烦的“线性内插”计算的质数只有几百个,合数的对数由其约数的对数相加得到,这种制表方法计算量要少一些,但精度也要稍逊一些。总的来说,编制对数表要比反对数表计算量要少一些。
编制八位常用对数表和反对数表,计算量巨大,个人很难独力完成,如果有几十个人分工合作,一两个月制出常用对数表和反对数表,应该不算什么大问题。
计算编制常用对数表的工作也一样可以找多人分担,以加快速度。
对数函数不是直线函数,做线性内插必会有误差,误差大小决定于插值区间大小,区间越小,误差也越小。若想要更精确的对数表,我认为应该多增加算几个基础对数,尽量减小插值区间。第二组基础对数值必须进行检验,消除误差。
上面就是我对常用对数表计算方法的思考。时隔几百年,十七世纪的常用对数表究竟是不是这样算出来的,有没有更好的方法就不知道了。以我的看法,本文叙述的方法已经足够简单精确了,没有技术障碍,若组织好了,即便是一些中学生也能完成这样的计算编制工作。
十七世纪的常用对数表是怎么算出来的相关推荐
- *约瑟夫问题。这是十七世纪的法国数学家加斯帕在《数目的游戏问题》中讲的一个故事:15个基督教徒和15个异教徒在海上遇险,必须将一半的人投入海中,其余的人才能幸免于难,于是想了个办法:30个人围成一个圆
*约瑟夫问题.这是十七世纪的法国数学家加斯帕在<数目的游戏问题>中讲的一个故事:15个基督教徒和15个异教徒在海上遇险,必须将一半的人投入海中,其余的人才能幸免于难,于是想了个办法:30个 ...
- tableau可视化数据分析60讲(十七)-tableau常用可视化视图(凹凸图甘特图直方图)
前言 凹凸图用于使用Measure值之一来比较两个尺寸.它们对于探索时间维度或地方维度或与分析相关的其他维度的值的变化非常有用.. 关于tableau的高级部分内容,大家可自行订阅专栏 tableau ...
- (二十七)RecyclerView 常用封装、修复及优化
版权声明:本文为博主原创文章,未经博主允许不得转载. 本文纯个人学习笔记,由于水平有限,难免有所出错,有发现的可以交流一下. 一.RecycleView 的分割线 RecycleView 的分割线需要 ...
- predict函数 R_学习|R语言做机器学习的常用函数总结
预测函数:predict() type="prob"判别该量度的昆虫归类为A.B和C的概率:type="response":判别该量度的昆虫的类别: 预测分类的 ...
- 你在 或者不在 需要逻辑回归来算 | 协和八
目录 逻辑回归模型模型的目的是预测概率 为什么线性回归模型不适合预测二元变量? 到底什么是逻辑回归模型? 统计方法的最终目的,是帮助我们定量地理解一组因素(自变量)如何影响我们关心的现象(因变量).与 ...
- 第十六讲:完美主义身心健康 第十七讲:身心健康:运动与冥想 第十八讲:睡眠,触摸和爱情的重要性
(注:此为课程第十六课,更新于2017年6月29日) 早上好! 我们今天要把完美主义讲完,然后开始讲精神肉体(Mind and Body).这个学期对我来说挺不错的,基本上没有什么东西让我后悔做过.不 ...
- 计算器算贝塞尔公式_浅谈计算器的普及与中学数学教科书的关系
[作者声明] 本文所有文字均为作者原创,所有图片均为作者本人亲自截图或制作. 版权所有,仅供阅读欣赏,未经作者允许,禁止任何单位或个人以任何形式对本文的文字或图片进行包括但不限于复制.转载.引用.抄袭 ...
- 重点:机器学习总结之各算法常用包和函数
基本操作常用函数及包 预测函数:predict() type="prob"判别该量度的昆虫归类为A.B和C的概率:type="response":判别该量度的昆 ...
- 用计算机KADIO算方差,KADIO计算器怎样算方差
满意答案 akcek502375 2013.06.18 采纳率:45% 等级:12 已帮助:4113人 1. 因为f(x)在x 2.如上所述,f(x)在[a,b]可导就一定有f(x)在[a,b] ...
- 详解几种飞控的姿态解算算法
姿态解算是飞控的一个基础.重要部分,估计出来的姿态会发布给姿态控制器,控制飞行平稳,是飞行稳定的最重要保障.有关姿态解算的基础知识,这里笔者不会细细描述,有关这方面的资料,网上已经有很多.主要是先掌握 ...
最新文章
- ios与html数据交互,iOS iOS与html进行交互
- matlab greythresh,Matlab-图形算法和图像处理指南
- 经营为什么需要哲学(学习总结)
- linux的oracle最低配置,Oracle Linux的系统配置和限制
- Hive Shell 常用命令
- python读取图像数据流_浅谈TensorFlow中读取图像数据的三种方式
- Linux memcache操作命令
- 深入了解前端开发中的高度、宽度问题
- 如何设置PPT演示文稿的倒计时器
- java实现 猜数字游戏
- 重庆涪陵创新计算机职业学校文艺表演,涪陵信息技术学校2017年元旦文艺汇演...
- Encountered a duplicated sql alias [NAME] during auto-discovery of a native-sql query
- 离散复习资料之一(Warshall算法)
- numpy 处理txt的简单样例
- MathorCup大数据挑战赛第一届A题-移动通信基站流量预测赛题解析
- hacker vip教程
- CSS实现图片文字排版02
- mysql创建数据表列子,MySQL 创建数据库及简单增删改查
- EXE4J生成的exe文件自动请求管理员权限(UAC)
- 浅谈 React Fiber