1.2 数值计算的误差 （初稿）

1.2.1 误差来源与分类

近似解 与 精确解 之间的误差称为 截断误差 或 方法误差。
eg：
可微函数 f(x) 用泰勒 (Taylor) 多项式
$P_n(x)=f(0)+\frac{f^{\prime }(0)}{1!}x+\frac{f^{\prime \prime }(0)}{2!}{x}^2+\cdots +\frac{f^{(n)}(0)}{n!}{x}^n$

近似代替，则数值方法的截断误差是
$R_n\left(x\right)=f\left(x\right)-P_n\left(x\right)=\frac{f^{\left(n+1\right)}\left(\xi \right)}{\left(n+1\right)!}{x}^{n+1},\xi \text{ 在 0 与 }x\text{ 之间}.$

由于计算机的字长 （一次能够处理的二进制数字的位数）有限，原始数据在计算机上表示时会产生误差，这种误差称为舍入误差。
eg：
用3.14159近似代替π，产生的误差
R = π - 3.14159 = 0.0000026•••
就是舍入误差。

1.2.2 误差与有效数字

定义1 设x为准确值，x*为x的一个近似值，e*=x*-x为近似值的绝对误差，简称误差。
注意：是 近似值 减去 准确值 ！（近-准）。

ε* (其中ε读作伊普西隆)，ε*叫做近似值的误差限，它总是正数。

对于一般情形，$\left|x^{\star }-x\right|\le {\epsilon }^{\star }$，即
$x^{\star }-{\epsilon }^{\star }\le x⩽x^{\star }+{\epsilon }^{\star }$ , 这个不等式有时也表示为x = x* ± ε* .

误差限的大小还不能完全表示近似值的好坏，除考虑误差的大小外，还应考虑准确值x本身的大小。我们把近似值的误差e*与准确值x的比值 $\frac{e^{\star }}{x}=\frac{x^{\star }-x}{x}$ 称为近似值x*的相对误差，记作 $e_r^{\star }$。

相对误差可正可负，相对误差的绝对值上界叫做相对误差限，记作ε_r*，即${\epsilon }_r^{\ast }=\frac{{\epsilon }^{\ast }}{|x^{\ast }|}$。

相对误差限=误差限/近似值的绝对值

定义2 若近似值x*的误差限是某一位的半个单位，该位到x*的第一位非零数字共有n位，就说x*有n位有效数字，它可以表示为
$$x^{\ast }=\pm 10^m\times \left(a_1+a_2\times 10^{-1}+\cdots +a_n\times 10^{-\left(n-1\right)}\right),(2.1)$$

$$\text{其中}{a}_i(i=1,2,\cdots ,n)\text{是0到9中的一个数字},a_1\ne 0,m\text{ 为整数,且}$$

$$\mid x-x^{\ast }\mid ⩽\frac{1}{2}\times 10^{m-n+1},(2.2)$$