第一章
绪论
本专栏使用的参考数目为 《数值分析》陈欣 曲绍波 刘芳主编,中国工信出版集团电子工业出版社,下述内容可能会引用原文
引言
数值分析也称为计算方法,它研究用计算机求解数学问题的数值方法及其理论,是计算
数学的主体部分. 它涉及科学计算中的常见问题,如函数的插值与逼近、数值积分与数值微分、线性和非线性方程的求解、矩阵特征值问题和微分方程的数值解法等. 数学与科学技术一向有着密切的关系并相互影响,利用科学技术解决实际问题时通常都需要建立数学模型. 但很多数学模型较为复杂,往往不易求出精确解,于是人们讨论问题的简化模型,求其解析解,而过于简化的模型又会导致所求的解不能满足精度要求. 随着计算机科学与技术的飞速发展和计算数学理论的日益成熟,特别是具备超强计算能力的计算机系统的出现,为求解复杂的数学模型提供了强大的硬件保障. 一批适合计算机求解并节省计算量的数值分析方法随之产生,并被广泛使用,成为科学计算的主要方法. 目前,数值分析在科学与工程计算、信息科学、管理科学、生命科学、经济学等领域中有着广泛应用,已经成为与理论分析和科学实验并列的第三种科学研究方法和手段. 用计算机求解数学问题,基本过程如下:
用数值方法解决数学问题就是完成以下工作:如何把数学模型归结为数值问题,如何估计一个给定算法的精度或构造精度更高的算法,如何分析误差在计算过程中的积累和传播,如何使算法较少占用存储量,如何分析算法的优缺点. 应当指出,数值方法的构造和分析是密不可分的,二者缺一不可. 对于给定的数学问题,常常可以构造出多种数值方法. 那么,如何评价这些方法的优劣呢?一般来说,一个好的方法应具有如下特点.
- 针对计算机设计,结构简单,易于编程实现.
- 有可靠的理论分析. 例如,误差分析、稳定性分析等,在理论上应能保证方法的收敛性和数值稳定性.
- 有好的复杂度. 好的时间复杂度能够提高方法的计算速度,节省时间;好的空间复杂度能够节省存储空间.
- 便于设计数值实验. 通过数值实验来验证算法的可行性和有效性.
在学习数值分析课程时,要掌握方法的基本原理和思想,要注意方法处理的技巧及其与计算机的结合,要重视误差分析、收敛性及稳定性的基本理论,达到灵活运用数值分析方法解决实际问题的目的
基本概念
1、误差
绝对误差
定
义
x
∗
为
准
确
值
,
x
为
x
∗
的
一
个
近
似
值
称
定义x^*为准确值,x为x^*的一个近似值称
定义x∗为准确值,x为x∗的一个近似值称
E
(
x
)
=
x
−
x
∗
E(x) = x -x^*
E(x)=x−x∗
为
近
似
值
x
的
绝
对
误
差
(
A
b
s
o
l
u
t
e
E
r
r
o
r
)
,
简
称
为
误
差
。
为近似值x的绝对误差(Absolute Error),简称为误差。
为近似值x的绝对误差(AbsoluteError),简称为误差。
此定义可以分析得到,
E
(
x
)
E(x)
E(x)可正可负,通常情况下,我们的不到精确值
x
∗
x^*
x∗,因而只能根据计算情况估计一个最小误差范围,及最大的
∣
E
(
x
)
∣
|E(x)|
∣E(x)∣,即误差上限
我
们
定
义
我们定义
我们定义
∣
E
(
x
)
∣
=
∣
x
∗
−
x
∣
≤
ε
|E(x)| = |x^*-x| \leq \varepsilon
∣E(x)∣=∣x∗−x∣≤ε
正
数
ε
称
为
近
似
值
x
的
绝
对
误
差
限
正数\varepsilon 称为近似值x的绝对误差限
正数ε称为近似值x的绝对误差限
进
而
我
们
可
以
通
过
x
∗
−
ε
≤
x
≤
x
∗
+
ε
来
给
定
x
的
范
围
进而我们可以通过x^*-\varepsilon \leq x \leq x^*+\varepsilon 来给定x的范围
进而我们可以通过x∗−ε≤x≤x∗+ε来给定x的范围
工
程
上
我
们
一
般
用
x
=
x
∗
±
ε
来
表
示
工程上我们一般用 x =x^*\pm \varepsilon 来表示
工程上我们一般用x=x∗±ε来表示
绝对误差的大小在许多情况下还不能完全刻画一个近似值的精确度. 例如,测量一个人的身高为 170 ± 1 c m 170\pm1 cm 170±1cm,而测量一本书的长度为 20 ± 1 c m 20 \pm1 cm 20±1cm,是否说明两者测量的精确度是一样的呢? 如果考虑被测量数值本身的大小,前者的误差所占比例为 1 170 ≈ 0.59 % \frac{1}{170} \approx 0.59\% 1701≈0.59% ,而后者的误差所占比例为 1 20 ≈ 5 % \frac{1}{20} \approx 5\% 201≈5% ,显然前者测量得更精确. 由此可见,评估近似值的精确度,不仅要看绝对误差的大小,还要考虑数值本身的大小,这就需要引入相对误差的概念.
相对误差
仿照绝对误差的定义方式,我们最终推导出了
∣
E
r
(
x
)
∣
≈
∣
E
(
x
)
x
∣
=
∣
x
−
x
∗
x
∣
≤
=
ε
r
|E_r(x)| \approx |\frac{E(x)}{x}| = |\frac{x-x^*}{x}| \leq = \varepsilon_r
∣Er(x)∣≈∣xE(x)∣=∣xx−x∗∣≤=εr
称正数 ε r \varepsilon_r εr为近似值 x 的相对误差限(Relative Error Bound)
2、有效数字
当一个准确值
x
∗
x^*
x∗ 有小数时,通常按照四舍五入原则得到
x
∗
x^*
x∗的近似值
x
x
x . 例如,无理数
π
=
3.1415926535897932384626
π = 3.1415926535897932384626
π=3.1415926535897932384626,若按照四舍五入原则分别取 2 位和 6 位小数,可得
π
=
3.14
,
π
=
3.141593
\pi =3.14,\pi=3.141593
π=3.14,π=3.141593
不管取几位小数,其绝对值的绝对误差限都不超过末尾数字的半个单位,即
∣
π
−
3.14
∣
≤
1
2
✖
1
0
−
2
,
∣
π
−
3.141593
∣
≤
1
2
✖
1
0
−
6
|\pi - 3.14 |\leq\frac{1}{2}✖10^{-2},|\pi - 3.141593 |\leq\frac{1}{2}✖10^{-6}
∣π−3.14∣≤21✖10−2,∣π−3.141593∣≤21✖10−6
定义
设
x
∗
x^*
x∗ 为准确值,
x
x
x为
x
∗
x^*
x∗ 的一个近似值,如果
x
x
x 的绝对误差限不超过它的某一数位的半个单位,并且从
x
x
x 左起第一个非零数字到该数位共有
n
n
n 位,则称这
n
n
n 个数字为
x
x
x 的有效数字(Significant Figures),也称用
x
x
x 近似
x
∗
x^*
x∗ 时具有
n
n
n 位有效数字.
我们看一个例题理解一下
例题
若下列近似值的绝对误差限都是 0.0005,它们各具有几位有效数字?
(
1
)
a
=
251.234
;
(
2
)
b
=
0.208
;
(
3
)
c
=
0.002
;
(
4
)
d
=
0.00013
(1) a = 251.234 ;(2)b = 0.208 ;(3)c = 0.002 ;(4) d = 0.00013
(1)a=251.234;(2)b=0.208;(3)c=0.002;(4)d=0.00013
解 因为 0.0005 = 1 2 ∗ 1 0 − 3 0.0005 = \frac{1}{2}*10^{-3} 0.0005=21∗10−3 是小数点后第 3 位的半个单位,所以 a 有 6 位有效数字 2,5,1,2,3,4;b 有 3 位有效数字 2,0,8;c 有 1 位有效数字 2; d 没有有效数字。
有效数字还有另一种定义方式
设
x
x
x 是
x
∗
x^*
x∗ 的一个近似值,表示为
x
=
±
1
0
k
×
0.
a
1
a
2
a
3
⋯
a
n
x = \pm 10^k × 0.a_1a_2a_3\cdots a_n
x=±10k×0.a1a2a3⋯an其中每个
a
i
(
i
=
1
,
2
,
…
,
n
)
a_i(i=1,2,\dots,n)
ai(i=1,2,…,n) 均为 0~9 之间的一个数字,且
a
≠
0
a\neq 0
a=0 如果
∣
x
−
x
∗
∣
≤
1
2
×
1
0
k
−
n
|x-x^*|\leq\frac{1}{2}×10^{k-n}
∣x−x∗∣≤21×10k−n则称
x
x
x近似
x
∗
x^*
x∗ 有n 位有效数字