简单迭代法

合集下载

简单迭代法解方程例题

简单迭代法解方程例题

简单迭代法解方程例题
简单迭代法是一种求解方程的数值方法,它通过逐步逼近的方式求得方程的近似解。

本文将介绍一个具体的例题,并使用简单迭代法来解决。

假设我们要解如下方程:
x = e^(-x)
我们的目标是找到方程的解x。

首先,我们可以将方程改写成迭代格式:
x_{n+1} = e^(-x_n)
其中,x_n表示第n次迭代的近似解,x_{n+1}表示下一次迭代的近似解。

现在,我们需要选择一个初始值x_0作为起始点。

通常情况下,可以选择一个离方程解比较接近的初始值,这样可以加快收敛速度。

在本例中,我们选择x_0 = 0作为初始值。

接下来,我们按照迭代格式进行迭代计算,直到满足收敛条件。

在本例中,我们可以选择迭代次数达到一定的值,或者判断两次迭代之间的差值是否小于一个给定的容差。

具体的迭代计算如下:
x_1 = e^(-x_0)
x_2 = e^(-x_1)
...
x_n = e^(-x_{n-1})
在每一次迭代中,我们将得到一个新的近似解x_n。

我们可以继续进行迭代计算,直到满足收敛条件。

需要注意的是,简单迭代法并不保证能够得到方程的解。

有些方程可能不满足迭代过程的收敛条件,或者方程可能有多个解,而简单迭代法只能找到其中一个解。

总而言之,简单迭代法是一种简单但有效的数值方法,可以用于求解一些方程的近似解。

通过选择合适的初始值和收敛条件,我们可以得到方程的一个近似解。

然而,需要注意的是并不是所有方程都适合使用简单迭代法进行求解,有些方程可能需要使用其他更复杂的方法。

c语言迭代法自洽计算简单举例

c语言迭代法自洽计算简单举例

c语言迭代法自洽计算简单举例迭代法是一种常用的数值计算方法,特别适用于需要反复迭代求解的问题。

在C语言中,我们可以通过循环来实现迭代计算。

下面我将列举10个简单的例子,来说明如何使用C语言迭代法进行自洽计算。

1. 求解平方根:假设我们需要计算一个数的平方根,可以使用迭代法来逼近平方根的值。

我们可以从一个初始值开始,通过不断迭代计算来逼近平方根的真实值。

2. 求解方程的根:对于一元方程 f(x) = 0,我们可以使用迭代法来求解方程的根。

通过不断迭代计算,我们可以逼近方程的根的值。

3. 计算圆周率:圆周率是一个无理数,它的值可以使用迭代法进行计算。

通过不断迭代计算,我们可以逼近圆周率的真实值。

4. 计算斐波那契数列:斐波那契数列是一个经典的数列,可以使用迭代法来计算。

通过不断迭代计算,我们可以得到斐波那契数列的前n个数。

5. 计算阶乘:阶乘是一个常见的数学运算,可以使用迭代法来计算。

通过不断迭代计算,我们可以得到给定数的阶乘值。

6. 求解最大公约数:最大公约数是两个数的公共因子中最大的一个,可以使用迭代法来求解。

通过不断迭代计算,我们可以得到两个数的最大公约数。

7. 求解矩阵乘法:矩阵乘法是一种常见的数学运算,可以使用迭代法来计算。

通过不断迭代计算,我们可以得到两个矩阵的乘积。

8. 求解线性方程组:线性方程组是一组线性方程的集合,可以使用迭代法来求解。

通过不断迭代计算,我们可以得到线性方程组的解。

9. 进行排序算法:排序算法是一种常见的算法,可以使用迭代法来实现。

通过不断迭代计算,我们可以将一组数据按照一定的规则进行排序。

10. 进行图像处理:图像处理是一种常见的应用领域,可以使用迭代法来实现。

通过不断迭代计算,我们可以对图像进行增强、滤波等操作。

以上是我列举的10个使用C语言迭代法进行自洽计算的简单例子。

通过这些例子,我们可以看到迭代法在数值计算中的广泛应用。

希望这些例子能够帮助你更好地理解和应用迭代法。

有限差分法-3

有限差分法-3

一、差分方程
下式为一维非稳定流的差分方程:
T Hi,k1 Hi1,k1 T 1 Hi,k Hi1,k
x
x
T
Hi1,k 1 x
Hi,k 1
T
1
Hi1,k x
Hi,k
S
x
Hi,k1 t
Hi,k
利用水量均衡原理,可得二维流的差分方程:
沿x方向流入量和流出量之差为:
T Hi, j,k 1 Hi1, j,k1 T 1 Hi, j,k Hi1, j,k
h2m,k 1
h m 1 1,k 1
h m 1 2,k 1
2
x
2
x
x
t
h m 1 1,k 1
h1,k
K
hm 1,k 1
hm 2,k 1
h m 1 1,k 1
h m 1 2,k 1
K
hm 2,k 1
h3m,k 1
h m 1 2,k 1
h m 1 3,k 1
x
2
x
2
x
t
h m 1 2,k 1
F3
A H m1 1 0,k 1
A H m1 2 1,k 1
A H m1 3 2,k 1
C1H
m 2,k
1
C2
H
m 3,k
1
C3
H
m 4,k
1
H m1 n1,k 1
Fn1
A H m1 n1 n2,k 1
Cn
1H
m n,k
1
简单迭代法也叫同步迭代法。
高斯-塞德尔迭代法也叫异步迭代法。
3、超松弛迭代法
2
x
x
t
hi,k 1 hi,k

解x=g(x)的简单迭代法

解x=g(x)的简单迭代法

若等号成立,则表示a是根或者b是根,[a,b]上已有根存在了, 若等号成立,则表示a是根或者b是根,[a,b]上已有根存在了,对于 上已有根存在了 一般情况,由根的存在定理 由根的存在定理, 一般情况 由根的存在定理, h( x) = 0在 [a , b] 上至少存在一个根 x*, 即x = g(x) 在[a,b]上至少存在一个根 x*, 即 h( x* ) = g( x* ) − x* = 0. [a,b]上至少存在一个根 * * * * * 设 [a,b]上另一根 上另一根, 下证唯一性, y 为 x = g(x)在[a,b]上另一根,则 y = g( y ),x = g(x ), 下证唯一性, y* − x* = g( y* ) − g( x* ) ≤ L y* − x*, ∴ y * = x *。 从而 20 由条件(1)知 { xk } 适定的,另外 适定的, 由条件(1)知
定理3 (压缩不动点定理或压缩映象定理) 若迭代函数g(x)满足 定理3 压缩不动点定理或压缩映象定理) 若迭代函数g(x)满足 g(x) (1) g( x ) ∈ [a , b], ∀x ∈ [a , b] (3.3) ( 2)∃0 < L < 1, 使∀x′, x′′ ∈[a, b] 有g( x′) − g( x′′) ≤ L x′ − x′′ (3.4)
k →∞
k ←∞
即 x * 是 ( 3 . 2 )的解 。g(x)把定义域的每个 映成了 把定义域的每个x 把定义域的每个 映成了g(x),因此 ( 3 .2 ) , 的不动点。 的解也称 g ( x ) 的不动点。 也可理解成: 是映射, 也可理解成:g(x ) 是映射,若 x* 满足 x* = g( x* ), 则 x * 称为 g ( x )的不动点。 的不动点。 适定是收敛必要条件 即不适定则一定不收敛 必要条件, 适定则一定不收敛。 注: 适定是收敛必要条件,即不适定则一定不收敛。

简单迭代法求方程的根matlab

简单迭代法求方程的根matlab

简单迭代法求方程的根1. 引言简单迭代法是一种常用的求解非线性方程根的方法。

它基于方程的连续性和局部斜率连续的性质,通过迭代逼近方程的根。

在本文中,我们将详细介绍简单迭代法的原理和步骤,并使用MATLAB编写代码来解决方程求根问题。

2. 简单迭代法原理简单迭代法的基本思想是,将非线性方程转化为迭代形式,通过不断迭代逼近方程的根。

其原理基于不动点定理,即给定一个函数f(x),若存在一个不动点x∗,满足x∗=f(x∗),则迭代过程x k+1=f(x k)中的序列x k将收敛到x∗。

对于求解方程f(x)=0的问题,我们可以将其转化为x=g(x)的形式,其中g(x)= x−f(x),且f′(x)不等于0。

这样,我们可以通过迭代逼近x=g(x)的根,从而得f′(x)到原方程的解。

3. 简单迭代法步骤简单迭代法的步骤如下:3.1 选择初始点选择一个合适的初始点x0作为迭代的起点。

3.2 迭代计算根据迭代公式x k+1=g(x k),计算序列x k的下一个值。

3.3 判断终止条件根据预设的终止条件,判断是否满足终止条件。

常用的终止条件包括: - 迭代次数达到预设的最大值。

- 迭代过程中下一个值与当前值之差小于预设的精度。

3.4 输出结果当满足终止条件时,输出最终的逼近根的值。

4. 简单迭代法在MATLAB中的实现以下是简单迭代法在MATLAB中的实现代码:function root = simple_iter_method(f, g, x0, max_iter, precision) % f: 原方程% g: 迭代函数% x0: 初始点% max_iter: 最大迭代次数% precision: 精度x = x0;iter = 0;while iter < max_iterx_next = feval(g, x); % 使用feval函数计算迭代值if abs(x_next - x) < precisionroot = x_next;return;endx = x_next;iter = iter + 1;enderror('达到最大迭代次数,未找到合适的解');end5. 示例与应用5.1 示例:求解方程x2−3x+2=0。

4.2简单迭代法

4.2简单迭代法

( x) L 1对 x[a, b] 成立。
则① 方程x=φ(x)在[a,b]上有唯一根x*; ② 任取 x0[a, b],由 xk+1 = φ(xk) 得到的序列 x k k 0 收敛于x*。并且有误差估计式: ③ x * x k
L xk xk ห้องสมุดไป่ตู้ 1 L
显然 ( x)在[1, 2]上单调增加。
而(1) 3 2 1,( 2) 3 3 2
即 ( x ) [(1), ( 2)] [1,2], 所以( x )满足条件(I)。

2 1 1 3 | ' ( x ) || ( x 1) | 3 L 1 3 3 4
③ ③
L x * xk xk xk 1 1 L
k ? ④ | x*x | L | x x | k 0 ? 1 L 1
x * xk L | x * xk 1 | L | ( x * xk ) ( xk xk 1 ) |
L x * xk xk xk 1 1 L
3 x2 2 x1 1 3
3 x3 2 x2 1 55
显然迭代法发散

(2) 如果将原方程化为等价方程 仍取初值
x0 0
x
3
x 1 2
迭代格式
xk 1
3
xk 1 2
x1 3 x2 3
依此类推,得
1 x0 1 3 0.7937 2 2 x1 1 3 1.7937 0.9644 2 2
( k = 1, 2, … )
可用 | xk xk 1 | 来控制迭代过程
Lk | x1 x0 | ④ | x * xk | 1 L

数值分析2 迭代法

数值分析2 迭代法

§2简单迭代法——不动点迭代(iterate)迭代法是数值计算中的一类典型方法,被用于数值计算的各方面中。

一、简单迭代法设方程f(x)=0 (3)在[a,b]区间内有一个根*x ,把(3)式写成一个等价的隐式方程x=g(x) (4)方程的根*x 代入(4)中,则有)(**=x g x (5)称*x 为g的不动点(在映射g下,象保持不变的点),方程求根的问题就转化为求(5)式的不动点的问题。

由于方程(4)是隐式的,无法直接得出它的根。

可采用一种逐步显式化的过程来逐次逼近,即从某个[a,b]内的猜测值0x 出发,将其代入(4)式右端,可求得)(01x g x =再以1x 为猜测值,进一步得到)(12x g x =重复上述过程,用递推关系——简单迭代公式求得序列}{k x 。

如果当k →∞时*→x x k ,}{k x 就是逼近不动点的近似解序列,称为迭代序列。

称(6)式为迭代格式,g(x)为迭代函数,而用迭代格式(6)求得方程不动点的方法,称为简单迭代法,当*∞→=x x k k lim 时,称为迭代收敛。

构造迭代函数g(x)的方法:(1)=x a x x -+2,或更一般地,对某个)(,02a x c x x c -+=≠;(2)x a x /=; (3))(21xa x x +=。

取a=3,0x =2及根*x =1.732051,给出三种情形的数值计算结果见表表 032=-x 的迭代例子问题:如何构造g(x),才能使迭代序列}{k x 一定收敛于不动点?误差怎样估计?通常通过对迭代序列}{k x 的收敛性进行分析,找出g(x)应满足的条件,从而建立一个一般理论,可解决上述问题。

二、迭代法的收敛性设迭代格式为),2,1,0()(1 ==+k x g x k k而且序列}{k x 收敛于不动点*x ,即∞→→-*k x x k (0时)因而有)3,2,1(1 =-≤-*-*k xx x x k k (7)由于),(),)((11*-*-*∈-'=-x x x x g x x k k k ξξ当g(x)满足中值定理条件时有),(),)((11*-*-*∈-'=-x x x x g x x k k k ξξ (8)注意到(8)式中只要1)(<<'L g ξ时,(7)式成立.经过上述分析知道,迭代序列的收敛性与g(x)的构造相关,只要再保证迭代值全落在[a,b]内,便得:假定迭代函数g(x)满足条件(1) 映内性:对任意x ∈[a,b]时,有a ≤g(x) ≤b ;(2) 压缩性:g(x)在[a,b]上可导,且存在正数L<1,使对任意 x ∈[a,b],有L x g <')( (9)则迭代格式)(1k k x g x =+对于任意初值0x ∈[a,b]均收敛于方程x=g(x)的根,并有误差估计式011x x LL x x kk --≤-*(10)证明 :收敛性是显然的。

简单迭代法matlab例题程序

简单迭代法matlab例题程序

一、引言在数学建模和计算机编程中,简单迭代法是一种常用的求解方程近似解的方法。

其原理是通过不断迭代计算,逼近实际的解。

在Matlab 编程中,简单迭代法也是一种常见的应用。

本文将介绍简单迭代法的原理,并给出在Matlab中实现简单迭代法的例题程序。

二、简单迭代法原理1. 简单迭代法的基本思想是将需要求解的方程转化为迭代形式,即 x = g(x),然后通过不断迭代计算得到方程的近似解。

2. 简单迭代法的收敛条件是 |g'(x)| < 1,即迭代函数的导数的绝对值小于1时,迭代过程才能收敛。

3. 简单迭代法的收敛速度取决于迭代函数的选择,通常可以通过调整迭代函数来提高收敛速度。

三、Matlab中的简单迭代法实现在Matlab中,可以通过编写脚本文件来实现简单迭代法。

下面给出一个简单的例题:求解方程 x^2 - 3x + 2 = 0 的近似解。

4. 以下是Matlab中实现简单迭代法的脚本文件示例:```matlab定义迭代函数g = (x) 3*x - x^2;设置迭代初值和迭代次数x0 = 0.5;N = 100;迭代计算for k = 1:Nx = g(x0);fprintf('第d次迭代,近似解为:.10f\n', k, x);if abs(x - x0) < 1e-8 判断迭代是否收敛break;endx0 = x;end```5. 通过运行上述脚本文件,即可得到方程 x^2 - 3x + 2 = 0 的近似解。

四、实例分析通过上述例题程序的运行结果可以看出,简单迭代法在Matlab中的实现比较简单直观。

但是需要注意的是,迭代函数的选择和迭代初值的设定对最终的近似解都会产生影响,需要经过一定的调试和优化。

五、总结简单迭代法是一种常用的求解方程近似解的方法,在Matlab编程中也有着广泛的应用。

通过本文的介绍和示例程序,相信读者已经对简单迭代法在Matlab中的实现有了更深入的了解。

  1. 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. 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. 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)。

计算方法二③
9/32
计算方法二③
二、简单迭代法的几何解释
10/32
求方程x=(x) 的根在几何上就是求y=(x) 与y=x的
交点P*的横坐标。
y
y=x
给出一个估计值x0,在曲线
y=(x) 上得到以x0为横坐标 的点P0,P0的纵坐标为(x0)
=x1,过P0引x轴的平行线与 直线y=x交于一点Q1,过Q1 再作y轴的平行线与曲线
定义 如果迭代误差 ek=(x*-xk),当k→∞时,有
lim
k
| |
ek 1 | ek |p

C
(C≠0,且为常数)
则称迭代过程是p阶收敛的。
特别地,当p=1,称为线性收敛;p>1时称为超线性收 敛;p=2时称为平方收敛。
计算方法二③
22/32
定理:对于迭代过程xk+1= (xk) ,如果(p)(x) 在所求根x* 的邻近连续,并且’(x*)= ’’(x*) =...= (p-1)(x*) =0,(#)
xk
)

(a)
a即是(x)的不动点。 即:x*=a
定义:如果{xk}收敛,则称迭代公式xk+1=(xk)是收敛
的;否则称迭代公式是发散的。
一般地,我们称(x)为方程f(x)=0的迭代函数,上
述求根的方法,称为简单迭代法。
迭代函数(x)的构造方法是多种多样的。
计算方法二③
5/32
例1 用迭代法求方程x3-x-1=0在x=1. 5附近的根。 解:先将原方程改写为如下两种等价形式:
定理2.2(局部收敛定理) 设(x)在x= (x)的根x*邻近 有连续的一阶导数, 且| ’(x*)|<1,
则迭代公式xk+1=(xk)具有局部收敛性。(证明略)
注:根据’(x)的连续性条件| ’(x*)|<1可用| ’(x0)|<1 来近似代替。 (∵x*不知道,∴验证| ’(x*)|<1很困难)
简单迭代法收敛速度较慢,迭代次数多,因此常 用于理论研究中,实际用于求根的迭代法是另一种迭 代法——Newton迭代法,它采用另一种迭代格式, 具 有较快的收敛速度,由牛顿迭代法还可以得到其他的 迭代格式。
计算方法二③
一、简单迭代法原理
3/32
• 简单迭代法又称逐次逼近法.
• 基本思想:是构造不动点方程,以求得近似根。
收敛,则点列P1,P2,…将 越来越逼近所求交点P*.
计算方法二③
11/32
三、迭代公式的收敛性与误差估计
迭代公式可能收敛,也可能发散,那么
(1)当迭代函数(x)满足什么条件时,相应的迭代公式 xk+1=(xk)才收敛?
(2)当迭代收敛时,迭代值的误差如何估计? 我们也不能无穷迭代下去,只能迭代有限次,所以需 要估计迭代值的误差,以便适时终止迭代。
即:只要前后两次迭代值的差值足够小,就 可使近似值xk达到任意的精度要求。
特别地,当L≤1/2时,有不等式|x*-xk|≤|xk-xk-1|,此 时,只要|xk-xk-1| <ε,就可以终止迭代,求出满 足精度要求的近似根xk。
计算方法二③
17/32
注2:定理2.1的条件(2)不好验证,故不易使用, |(x) - (y)|≤L|x-y| (0<L<1)
据此反复递推有:| xk-x*|≤Lk|x0-x*|
故当 k→ ∞ 时,迭代值xk→x*(∵0<L<1)
计算方法二③
3)误差估计式
15/32
|xk+1-xk|=| xk+1-x* +x*- xk |
≥ |x*- xk|- | xk+1-x*|= |x*- xk|- | (xk) - ( x*)|
迭代格式有多种,如何选择迭代函数才能保证迭 代法的数列收敛?有如下定理:
计算方法二③
定理2.1:假定迭代函数(x) 满足下列条件: 12/32
1、对任意x∈[a,b] ,有 (x) ∈[a,b]
2、存在正数 L<1,使对任意x,y∈[a,b] 有
|(x) - (y)|≤L|x-y|
则(x)在[a,b]上存在唯一的不动点x*,且对于任意初值
1/32
学习和了解科学计算的桥梁
计算方法二③
2/32
§2.3 简单迭代法
迭代法是求解非线性方程近似根最常用的一种方 法。简单迭代法又是其它迭代法的基础。
迭代法的关键是确定迭代函数(x),即 用直接的 方法将原方程f(x)=0变为等价的方程x= (x ) (即隐含 的求出x), 从而确定迭代函数(x),然后进行迭代,求 出方程的近似根。
y=(x) 相交于一点P1,x1即
为P1点的横坐标,按图中箭 头所示继续做下去,在曲线
y=(x)
Q1 P0
P*
P1
(x0)=x1
(x1)=x2
0 x*x2 x1
x0 x
恰好为按公式xk+1=(xk)
所确定的迭代值。若迭代
y=(x) 上得到点列P1,P2,…,
其横坐标分别为x1,x2,…,
一般用 |(x) | L 1 x [a,b]
由中值定理可以证明上述结论: |(x) - (y)|=| ’(ξ)| |x-y|
只要 |(x) | L 1 x [a,b]
就有: |(x) - (y)|≤L|x-y| (0<L<1)
故只要 |(x) | L 1 x [a,b]
... 发散
简单迭代法的思想
7/32
•由方程f(x)=0变换为等价方程 x=(x) (#)
x*是方程f(x)=0的根
x*是方程x=(x)的根
x*为(x) 的不动点
即:x*= (x*)
先取一个估计值x0(初始值),若(x0) =x0,则 x*=x0(可能性很小)一般(x0) ≠x0, 记 x1=(x0) ,
即由方程f(x)=0变换为等价方程 x=(x) (#)
这样原方程的根必满足:x*= (x*) ,即(x) 作用在x*
上,其值不发生变化,因此我们也称x*为(x) 的不动 点, (#)也称为不动点方程。要求方程f(x)=0的根就转 化为求(x) 的不动点了。具体作法如下:
先取一个估计值x0来试探,若(x0) =x0,则x*=x0(可能性很 小)一般(x0) ≠x0, 记 x1=(x0) ,若x1=(x1) , 则x*=x1
4 0.5601 10 0.5669 16 0.5671
5 0.5712 11 0.5673 17 0.5671
计6算方法0二.56③49 12 0.5672 18 0.5671
20/32
四、迭代法的计算步骤 1)准备:确定迭代函数(x) 及初始值x0,为保证迭代 收敛,(x)须满足: |’(x)|<1,或 ’(x0)<1; 2)迭代:按迭代公式xk+1=(xk)计算出xk(k=1,2,…);
若x1≠(x1),记 x2=(x1),再用x2继续试探……如此反 复计计算算方,即法形二③成一迭代公式 xk+1=(xk)(k=0,1,2,…)
4/32
当{xk}收敛于a,而(x)是连续函数时,那么a
就是所求方程的根x* 。这是因为
a

lim
k
xk 1

lim
k

(
xk
)

(lim k
x0∈[a,b],由迭代公式 xk+1= (xk) 产生的数列{xk}都收
敛于x*,并有如下的误差估计式:
x* xk
L 1 L
xk xk 1
x* xk
计算方法二③
Lk 1 L
x1 x0
13/32
证明:1)先证不动点的存在性 作f(x)=x- (x)
则条件2知f(x)在[a,b]上连续,由条件1知 :
由(*)反复递推得: |xk+1-xk|≤Lk|x1-x0| 代入上述误差估
计式,得:
x* xk
Lk 1 L
x1 x0
计算方法二③
16/32
注1:定理2.1给出了一个收敛的迭代数列{xk}的误差 估计式。利用它,在给定精度ε>0后,只要计算到
L 1 L
|
xk

xk 1
|

就有:|x*-xk|<ε
3)判断:若|xk-xk-1|< ε,则终止迭代,取x*≈xk;否
则,转2)继续迭代。
注:迭代法的优点:
作业:
1、算法逻辑结构简单;
P34 4、5
2、在计算中,初始值的误差或中间值的误差都不影响 最终计算结果。(迭代时可以自动修正)
计算方法二③
21/32
五、收敛速度与迭代公式的加速 (1)收敛速度 一种迭代法具有实用价值,不但要肯定它是收敛的, 还要求它收敛的比较快。所谓迭代过程的收敛速度, 是指在接近收敛时迭代误差的下降速度。
0
x0=1.50000
1
x1=1.35721
2
x2=1.33086
3
x3=1.32588
4
x4=1.32494
5
x5=1.32476
6
x6=1.32473
7
x7=1.32472
8
x8=1.32472
x*=1.32472 收敛
计方法二③
6/32
xk+1=2(xk) =xk3-1
1.50000 2.37500 12.3976
计算方法二③
例 求方程x=e-x在0. 5附近的一个根,要求精度ε=1190/3-52 解:过x=0.5以h=0.1为步长搜索一次,可发现所求根在
区间[0.5,0.6]内, (e - 0. 5)= 0.6065 (e - 0. 6)=0.5488
相关文档
最新文档