发现几乎与高精度运算整数
算法寻找整数关系[1],如PSLQ算法,需要高精度运算产生精确的结果。输入算法的精度越高,信心程度越大的算法可以找到一个整数关系不仅仅是一个数字工件。PSLQ算法可以遇到误报,例如那些由于几乎整数。
这个例子展示了如何找到几乎整数,或数字非常接近整数,使用可变精度运算符号数学工具箱™。这个示例搜索几乎整数(或near-integers)的形式 或 的整数 。
首先,考虑的一个著名例子几乎整数[2]这是实数 。创建这个实数作为一个精确的符号数字。
r = exp(π* sqrt(信谊(163)))
r =
评估这个数可变精度算法使用vpa
。默认情况下,vpa
计算值32位有效数字。
vpa(右)
ans =
你可以改变有效数字的数量用更高的精度数字
。评估相同数量40位有效数字。
数字(40)vpa(右)
ans =
这个数字非常接近一个整数。找到这个实数之间的区别及其最近的整数。使用vpa
评估这个结果到40位有效数字。
博士= vpa(圆(r) - r)
博士=
接下来,寻找几乎整数的形式 的整数 。创建这些数字是准确的符号数字。
一个= exp(π* sqrt(信谊(1:200)));
有效数字的数量设置为数字的整数部分的数量 + 20小数点。
d = log10 (());数字(装天花板(d) + 20)
评估这一系列的数字之间的差异和他们最近的整数。发现几乎整数的舍入误差小于0.0001。显示的结果准确的符号形式。
B = vpa(圆(一)——);A_nearint = (abs (B) < 0.0001)”
A_nearint =
评估几乎整数的精度至少20个小数点。
A_nearint = vpa (A_nearint)
A_nearint =
绘制柱状图的差异来显示他们的分布。分布有许多的差异出现接近于零,在表单 几乎是一个整数。
柱状图(双(B), 40)
接下来,寻找几乎整数的形式 的整数 。创建这些数字是准确的符号数字。
一个= exp(信谊(π)* 1:200);
有效数字的数量设置为数字的整数部分的数量 + 20小数点。
d = log10 (());数字(装天花板(d) + 20)
评估这一系列的数字之间的差异和他们最近的整数。发现几乎整数的舍入误差小于0.0001。结果是空的信谊
数组,这意味着几乎没有满足这个条件的整数。
B = vpa(圆(一)——);A_nearint = (abs (B) < 0.0001)
A_nearint =空信谊:1-by-0
绘制柱状图的差异。直方图相对均匀分布并显示表单 几乎没有出现的许多整数。对于这个特定的例子中,几乎没有整数的舍入误差小于0.0001。
柱状图(双(B), 40)
最后,恢复默认32位有效数字的精度进行进一步的计算。
数字(32)
引用
[1]“整数关系的算法。“在维基百科,2022年4月9日。https://en.wikipedia.org/w/index.php?title=Integer_relation_algorithm&oldid=1081697113。
[2]“几乎整数。“在维基百科上,12月4日,2021年。https://en.wikipedia.org/w/index.php?title=Almost_integer&oldid=1058543590。