数值分析（科学与工程计算、计算方法）-CSDN博客

本文链接：https://blog.csdn.net/qq_35379989/article/details/100712410

一、引论

1.1 数值分析研究对象与特点

（1）数值分析定义：研究在计算机上解决问题的理论和数值方法。（计算机只能进行加减乘除四则运算和简单的函数计算，需要转换复杂函数）

（2）计算机解决实际问题的步骤：建立数学模型、选择数值方法、编写程序、上机计算

1.2 数值计算的误差

（1）用计算机进行实际问题的数值计算，往往求得的是近似解，都存在误差

上图为计算机解决科学与工程计算问题的过程，这其中会产生以下四方面的误差

模型误差：由实际问题形成数学模型时，忽略一些次要因素对问题进行简化所带来的误差

观测误差：建模和具体运算过程中所用的数据往往是通过观察和测量得到的，由于精度限制数据一般为近似值，即存在观测误差

截断误差：如泰勒展开计算时将后边部分进行截断，产生了截断误差

舍入误差：由于计算机的字长有限，只能对有限位数进行运算，超过的位数按一定规则舍入，产生“舍入误差”

（模型误差、观测误差不是数值分析讨论的内容，计算方法主要研究截断误差和舍入误差对计算结果的影响）

（2）误差的基本理论

误差是不可避免的，既要允许误差，又要控制误差。

误差经过传播与积累，小的误差可能产生严重的后果，犹如蝴蝶效应

例如，计算

，则初始误差

但在后面误差会迅速积累

若误差逐步递减，这样的算法称为稳定的算法。

1.3 绝对误差与相对误差

定义1 设x为准确值， $x^{*}$ 为 $x$ 的一个近似值，称 $e$ ( $x^{*}$ )= $x^{*}$ - $x$ 为近似值 $x^{*}$ 的绝对误差，简称误差，可简记为 $E$ 。

因为准确值 $x$ 往往是未知甚至是无法知道的，因此 $e$ ( $x^{*}$ )= $x^{*}$ - $x$ 往往也无法求出，而只能知道 $e$ ( $x^{*}$ )= $x^{*}$ - $x$ 的某个上界，即

$\varepsilon$ ( $x^{*}$ )称为 $x^{*}$ 的绝对误差限或误差限。显然，准确值 $x$ 的范围为 $x$ = $x^{*}$ $\pm \varepsilon$

（ $e^{*}$ 理论上是唯一确定的，可能取正，也可能取负。 $\varepsilon ^{*}$ >0不唯一， $\varepsilon ^{*}$ 越小越具有参考意义）

误差限的大小不能完全表示近似值的好坏。

对于 $x$ =15 $\pm$ 2 $x^{*}$ =15 $\varepsilon$ ( $x^{*}$ )=2 和 y=1000 $\pm$ 5 $y^{*}$ =1000 $\varepsilon$ ( $y^{*}$ )=5 ,虽然y的误差限大，但y的值却更精确。

定义2 设 $x$ 为准确值， $x^{*}$ 为 $x$ 的一个近似值，称

为近似值 $x^{*}$ 的相对误差，可简记为 $E_{r}^{}$ .

为近似值 $x^{*}$ 的相对误差限。

计算相对误差限，即计算 $\varepsilon _{r}=\frac{\varepsilon }{\left | x \right |}$ ，这其中， $\varepsilon$ 为绝对误差线，真值 $x$ 往往未知，因此可进行一下替换：

分别为代替相对误差和代替相对误差限，即在代替相对误差中用近似值 $x^{*}$ 来取代真值，在代替相对误差限中用近似值绝对值取代真值绝对值。

能够代替的条件为 $e_{r}^{*}=\frac{e^{*}}{x^{*}}$ 较小，这是因为是 $e_{r}^{*}$ 的平方集，所以可以忽略不计。

例： $x^{*}$ =15 $\varepsilon$ ( $x^{*}$ )=2，可得其代替后的相对误差限为： $\varepsilon _{r}^{*}$ ( $x^{*}$ )=2/15=13.33%

$y^{*}$ =1000 $\varepsilon$ ( $y^{*}$ )=5，可得其代替后的相对误差限为： $\varepsilon _{r}^{*}$ ( $y^{*}$ )=5/1000=0.5%

1.4 有效数字

定义前，先计算一个有关 $\pi$ 绝对误差的例子，从而理解有效数字

$\pi$ =3.1415926... $\left | \pi ^{*}-\pi \right |< \varepsilon$ ，分别取小数点后3/5、7位数字的近似值，求绝对误差

可见，经四舍五入取近似值，其绝对误差限将不超过其末尾数字的半个单位

定义：若 $x^{*}$ 为 $x$ 的近似值，其绝对误差的绝对值不超过某一位数字的半个单位，而该位数字到 $x^{*}$ 的第一位非零数字共有 $n$ 位，则称用 $x^{*}$ 近似 $x$ 时具有 $n$ 位有效数字，简称 $x^{*}$ 有 $n$ 位有效数字。

例：对于 $\pi$ =3.1415926...

$\pi ^{*}$ =3.14 有4位有效数字（0.0015926<0.5 $\times$ 0.01） $\pi ^{*}$ =3.14159 有6位有效数字（0.0000026<0.5 $\times$ $10^{-5}$ ）

$\pi ^{*}$ =3.1415只有4位有效数字（0.0000926>0.5 $\times$ $10^{-4}$ ）

$x$ 的近似值 $x^{*}$ 可表示成以下形式：

，其中 $a_{i}$ 是0到0中的一个数字

（0.2300有4位有效数字。而00023只有2位有效数字，12300如果写成0.123 $\times$ $10^{5}$ 则只有3位有效数字，数字末尾的0不能随意省去）

定理1. 若 $x^{*}$ 作为 $x$ 的近似值的表达式为，则

（1）若 $x^{*}$ 有n位有效数字，则其相对误差 $E_{r}^{*}$ 瞒足

可知，有效位数越多，相对误差限越小。

（2）相反，若 $x^{*}$ 的相对误差瞒足

则 $x^{*}$ 至少有 $n$ 为有效数字

1.5 数值运算的误差估计（一元函数）

数值运算中，参加运算的数若有误差，那么一定会影响到计算结果的准确性。