【数值分析_数值逼近】实例体会误差分析的重要性

风落平川

已于 2024-08-31 16:25:20 修改

阅读量416

点赞数 7

文章标签：算法学习学习方法

于 2024-08-30 12:52:05 首次发布

本文链接：https://blog.csdn.net/2301_76172693/article/details/141612185

版权

引言

课本1.2节的例1.1给出了不同方法计算定积分的结果与精确解之间的误差。本文分析课本内容并给出上机代码实现。

理论分析

例1.1 计算积分 $I_{n}=e^{-1}\int_{0}^{1}x^{n}e^{x}dx$ $(n=0,1,2...)$ ，并估计误差.

解分部积分法手算得到 $I_{n}$ 的递推公式

发现 $e^{-1}\int_{0}^{1}x^{n}e^{n}dx$ 就是 $I_{n-1}$ ，得递推公式

$I_{n}=1-nI_{n-1}$

n=0时，有 $I_{0}=e^{-1}\int_{0}^{1}e^{x}dx=1-e^{-1}$ .

若求出 $I_{0}$ 的值，将 $I_{0}$ 代入递推公式，可逐次求出 $I_{1},I_{2},I_{3},...$ 的值. 用Taylor多项式展开部分和计算 $e^{-1}$ 的近似值

$e^{-1}\approx 1+(-1)+\frac{(-1)^{2}}{2!}+...+\frac{(-1)^{k}}{k!}$

取k=7，用四位小数计算，得 $e^{-1}\approx 0.3679$ ， $1-e^{-1}=0.6321$ ，由 $I_{n}=1-nI_{n-1}$ 递推的计算公式为方案A：

$\widetilde{I_{0}}=0.6321$

$\widetilde{I_{n}}=1-n\widetilde{I_{n-1}}$ $(n=1,2,...)$

初值 $I_{0}$ 引起的误差在后续计算过程引起的误差越来越大：

实际计算会发现n大到一定程度时，积分值误差较大，甚至出现负数。

换一种计算方案，由 $\frac{e^{-1}}{n+1}<I_{n}<\frac{1}{n+1}$ ，取n=9，得

$\frac{e^{-1}}{10}<I_{9}<\frac{1}{10}$ ，

粗略取 $I_{9}\approx \frac{1}{2}(\frac{1}{10}+\frac{e^{-1}}{10})=0.0684=I_{9}^{*}$

方案B：

$I_{9}^{*}=0.0864$

$I_{n-1}^{*}=\frac{1}{n}(1-I_{n-1}^{*})$

虽然方案A和方案B用到的递推公式相同，只是前者顺序计算，后者逆序计算，但方案B的误差在计算过程中是逐步缩小的。

代码实现

方案A

function I=SolutionA(N)
%方案A
I=zeros(N+1,1);
I(1)=1-exp(-1);
for n=1:N
    I(n+1)=1-n*I(n);
end

方案B

function I=SolutionB(N)
%方案B
I=zeros(N+1,1);
I(N+1)=(1/(N+1)+(exp(-1))/(N+1))/2;
for n=N:-1:1
    I(n)=(1-I(n+1))/n;
end

利用matlab自带的函数计算积分准确值

function I=SolutionE(N)
%精确解
syms x;
I=zeros(N+1,1);
for n=0:N
    I(n+1)=vpa(exp(-1)*int(x^(n)*exp(x),0,1),4);
end

利用matlab自带的函数得到积分的数值结果

function I=SolutionN(N)
%数值解
I=zeros(N+1,1);
for n=0:N
    I(n+1)=integral(@(x) x.^n.*exp(x),0,1,'AbsTol',1e-12);
end

测试函数：比对我们自己编写的程序与matlab给出的准确解、数值解之间的误差。

function Test(ft,fn,fe,N)
fprintf('输出方案A的结果\n');
format short
L1=ft(N)
fprintf('输出精确解\n');
format short
L1=fe(N)
fprintf('输出数值解\n');
format short
L1=fn(N)
fprintf('比较方案A与精确解的误差\n');
errore=abs(ft(N)-fe(N))
fprintf('比较方案A与数值解的误差\n');
errore=abs(ft(N)-fn(N))

运行结果

>> Test(@SolutionA,@SolutionN,@SolutionE,9)
输出方案的结果

L1 =

    0.6321
    0.3679
    0.2642
    0.2073
    0.1709
    0.1455
    0.1268
    0.1124
    0.1009
    0.0916

输出精确解

L1 =

    0.6321
    0.3679
    0.2642
    0.2073
    0.1709
    0.1455
    0.1268
    0.1124
    0.1009
    0.0916

输出数值解

L1 =

    1.7183
    1.0000
    0.7183
    0.5634
    0.4645
    0.3956
    0.3447
    0.3055
    0.2744
    0.2490

比较方案与精确解的误差

errore =

   1.0e-07 *

    0.0000
    0.0000
    0.0000
    0.0000
    0.0001
    0.0006
    0.0035
    0.0060
    0.2498
    0.4603

比较方案与数值解的误差

errore =

    1.0862
    0.6321
    0.4540
    0.3562
    0.2936
    0.2501
    0.2179
    0.1931
    0.1734
    0.1574

>> Test(@SolutionB,@SolutionN,@SolutionE,9)
输出方案的结果

L1 =

    0.6321
    0.3679
    0.2642
    0.2073
    0.1709
    0.1455
    0.1268
    0.1121
    0.1035
    0.0684

输出精确解

L1 =

    0.6321
    0.3679
    0.2642
    0.2073
    0.1709
    0.1455
    0.1268
    0.1124
    0.1009
    0.0916

输出数值解

L1 =

    1.7183
    1.0000
    0.7183
    0.5634
    0.4645
    0.3956
    0.3447
    0.3055
    0.2744
    0.2490

比较方案与精确解的误差

errore =

    0.0000
    0.0000
    0.0000
    0.0000
    0.0000
    0.0000
    0.0000
    0.0003
    0.0026
    0.0232

比较方案与数值解的误差

errore =

    1.0862
    0.6321
    0.4540
    0.3562
    0.2936
    0.2501
    0.2178
    0.1934
    0.1708
    0.1806

和课本结果不同是因为，课本在每一步计算之后都进行了四舍五入，只保留小数点后四位。我们的程序中，format short的作用是显示5个字长的数字（小数点后4位），不改变实际的小数位数。