SlideShare a Scribd company logo
対数表
完成への軌跡
ネイピア
メンバー
・鈴木 靖 ・小川 遥也
・堀江 遥斗 ・最上 紗季
・太田 安紀 ・吉田 佳音
指導者
・千田 貴広 ・佐藤 景司
昔の人々が求めた数に興味をもつ
今回の研究を進める
対数
x=log102 とすると 10
x
=2
両辺を (
1
2
)m乗すると
(10
x
)
(
1
2
)m
= 2(
1
2
)m
{10(
1
2
)m
}
x
= 2(
1
2
)m
10(
1
2
)m
, 2(
1
2
)m
について
mが十分大きい自然数のとき
10(
1
2
)m
=1+a ,
2(
1
2
)m
=1+b
ただし0<a<1、0<b<1
mを大きい数にすると
{10(
1
2
)m
}
x
= 2(
1
2
)m
(1+a)x
≒1+b
このときaは十分に小さいので
1+ax ≒ 1+b
x≒
b
(x=log102) 10(
1
2
)m
≓1+a
2
(
1
2
)m
≓1+b
-a
二項定理より
1+xC1a +xC2a +・・・
1 2
log10n
=
10
1
2
×
1
2
×
1
2
×
1
2
×
1
2
×
1
2
……
1
2
×
1
2
n
×
1
2
×
1
2
×
1
2
×
1
2
……
-1
-1
6
6 0 5 1 6
4
2 0 5
1 7 6
2 9 1 6
6 2 9 1 6
0
2 4
2
2
4
4
4 8 6
4
6に最も近い平方数
22
=4
4×44
log102
0.000677
0.002250
=0.300888・・・・・
log103
0.001073
0.002250
=0.476888・・・・・
※参考
log102=0.3010 log103=0.4771
結果
実際の値よりも
若干小さくなった
小数第7位四捨五入
切り捨てする位を上げ
て開平の回数を増やし
て再び手計算してみる
0.297
0.298
0.299
0.3
0.301
10 11 12 13 14 15 16 17
開平の回数
log102
0.474
0.475
0.476
0.477
10 11 12 13 14 15 16 17
開平の回数
log103
14回目で
0.3010に
最も近づ
いた。
13回目で
0.4771に
最も近づ
いた。
0.30065
0.3007
0.30075
0.3008
0.30085
0.3009
0.30095
0.301
10 11 12 13 14 15 16 17
開平の回数
log102
0.4768
0.47685
0.4769
0.47695
0.477
0.47705
10 11 12 13 14 15 16 17
開平の回数
log103
13回目で
0.3010に
最も近づ
いた。
13回目で
0.4771に
最も近づ
いた。
小数第7位四捨五入
log102≒0.300888…
log103≒0.476888…
小数第8位切り捨て
log102≒0.3010676…
log103≒0.4770544…
小数第9位四捨五入
log102≒0.30098538…
log103≒0.47705606…
※参考
log102=0.3010
log103=0.4771
桁数と開平の回数
を増やす
正確な値に近づく
黄色の部分の値を変えること
で、その値に対応した数値を
求めることができる。
結果
それぞれの桁数におい
て最も近づく開平の
回数があり、
それ以上回数を増やす
と、誤差が大きくなった
0.30065
0.3007
0.30075
0.3008
0.30085
0.3009
0.30095
0.301
10 11 12 13 14 15 16 17
(例) log102
y=logx −
x(
1
2)m
-1
10(
1
2)m
-1
m=7
m=9
m=13
結果
それぞれの桁数におい
て最も近づく開閉の
回数があり、
それ以上回数を増やす
と、誤差が大きくなった
0.30065
0.3007
0.30075
0.3008
0.30085
0.3009
0.30095
0.301
10 11 12 13 14 15 16 17
(例) log102
できるだけ効率よ
く、正確な対数表を
作ること
y=logx −
x(
1
2
)m
10(
1
2
)m
m=7
m=9
m=13
4桁まで
→小数第12位切り捨て
で開平17回
(参考文献) 雑誌 Newton
2013年 8月号

More Related Content

What's hot

凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
Tomoki Yoshida
 
パターン認識 第12章 正則化とパス追跡アルゴリズム
パターン認識 第12章 正則化とパス追跡アルゴリズムパターン認識 第12章 正則化とパス追跡アルゴリズム
パターン認識 第12章 正則化とパス追跡アルゴリズムMiyoshi Yuya
 
Overcoming browser cookie churn with clustering in wsdm2012 reading
Overcoming browser cookie churn with clustering in wsdm2012 readingOvercoming browser cookie churn with clustering in wsdm2012 reading
Overcoming browser cookie churn with clustering in wsdm2012 readingybenjo
 
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
Prunus 1350
 
関東第2回r勉強会
関東第2回r勉強会関東第2回r勉強会
関東第2回r勉強会Paweł Rusin
 
コードを書けば複素数がわかる
コードを書けば複素数がわかるコードを書けば複素数がわかる
コードを書けば複素数がわかる
Taketo Sano
 
虚数は作れる!Swift で学ぶ複素数
虚数は作れる!Swift で学ぶ複素数虚数は作れる!Swift で学ぶ複素数
虚数は作れる!Swift で学ぶ複素数Taketo Sano
 
Study session#3
Study session#3Study session#3
Study session#3
恵太 水野
 
Study session#3
Study session#3Study session#3
Study session#3
恵太 水野
 
SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来
Hidekazu Oiwa
 
Rによる富士山関数の描き方
Rによる富士山関数の描き方Rによる富士山関数の描き方
Rによる富士山関数の描き方wada, kazumi
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化Miyoshi Yuya
 
Kmeans vs kmeanspp_20151124
Kmeans vs kmeanspp_20151124Kmeans vs kmeanspp_20151124
Kmeans vs kmeanspp_20151124
博三 太田
 
ナップサックDPを説明してみた
ナップサックDPを説明してみたナップサックDPを説明してみた
ナップサックDPを説明してみた
Koya Fukuda
 
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法nishio
 
第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知
Chika Inoshita
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
Prunus 1350
 
Ml ch7
Ml ch7Ml ch7
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
matsumoring
 

What's hot (20)

凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
 
パターン認識 第12章 正則化とパス追跡アルゴリズム
パターン認識 第12章 正則化とパス追跡アルゴリズムパターン認識 第12章 正則化とパス追跡アルゴリズム
パターン認識 第12章 正則化とパス追跡アルゴリズム
 
Overcoming browser cookie churn with clustering in wsdm2012 reading
Overcoming browser cookie churn with clustering in wsdm2012 readingOvercoming browser cookie churn with clustering in wsdm2012 reading
Overcoming browser cookie churn with clustering in wsdm2012 reading
 
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
 
関東第2回r勉強会
関東第2回r勉強会関東第2回r勉強会
関東第2回r勉強会
 
コードを書けば複素数がわかる
コードを書けば複素数がわかるコードを書けば複素数がわかる
コードを書けば複素数がわかる
 
虚数は作れる!Swift で学ぶ複素数
虚数は作れる!Swift で学ぶ複素数虚数は作れる!Swift で学ぶ複素数
虚数は作れる!Swift で学ぶ複素数
 
Study session#3
Study session#3Study session#3
Study session#3
 
Study session#3
Study session#3Study session#3
Study session#3
 
SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来
 
Rによる富士山関数の描き方
Rによる富士山関数の描き方Rによる富士山関数の描き方
Rによる富士山関数の描き方
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
 
Kmeans vs kmeanspp_20151124
Kmeans vs kmeanspp_20151124Kmeans vs kmeanspp_20151124
Kmeans vs kmeanspp_20151124
 
ナップサックDPを説明してみた
ナップサックDPを説明してみたナップサックDPを説明してみた
ナップサックDPを説明してみた
 
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
 
第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
線形計画法入門
線形計画法入門線形計画法入門
線形計画法入門
 
Ml ch7
Ml ch7Ml ch7
Ml ch7
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
 

Similar to 橫手 数学班スライド

単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
政孝 鍋島
 
単調増加と階乗
単調増加と階乗単調増加と階乗
単調増加と階乗
政孝 鍋島
 
単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
nabeshimamasataka
 
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27) 2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
Akira Asano
 
ディジタル信号処理 課題解説 その4
ディジタル信号処理 課題解説 その4ディジタル信号処理 課題解説 その4
ディジタル信号処理 課題解説 その4noname409
 
代数トポロジー入門
代数トポロジー入門代数トポロジー入門
代数トポロジー入門
Tatsuki SHIMIZU
 
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10) 2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
Akira Asano
 
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8) 2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
Akira Asano
 

Similar to 橫手 数学班スライド (8)

単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
 
単調増加と階乗
単調増加と階乗単調増加と階乗
単調増加と階乗
 
単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
 
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27) 2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
 
ディジタル信号処理 課題解説 その4
ディジタル信号処理 課題解説 その4ディジタル信号処理 課題解説 その4
ディジタル信号処理 課題解説 その4
 
代数トポロジー入門
代数トポロジー入門代数トポロジー入門
代数トポロジー入門
 
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10) 2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
 
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8) 2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
 

橫手 数学班スライド