数值分析(第五版) 第一章知识点总结

仅供大致参考，有许多定义存在不严谨的地方；不同学校的考察重点自然是不同的

第一章 绪论

舍入误差

由于计算机字长是有限的，因此在存储数据时便可能不可避免地丢失部分信息，这便是舍入误差。

---

截断误差

由于计算机必须在有限的时间内得到运行结果，因此无穷的运算过程必须截断为有限的运算过程，由此产生截断误差。

---

绝对误差

记$x^{\ast }$为真值$x$的近似值，那么绝对误差就是这两者的绝对差距，即：$$e^{\ast }=x^{\ast }-x$$

---

相对误差

相对误差的相对指的是其考虑了真值$x$。当然，由于真值$x$实际是未知的，因此有：$$e_r^{\ast }=\frac{e^{\ast }}{x}\approx \frac{e^{\ast }}{x^{\ast }}$$

---

绝对误差限

$|e^{\ast }|$的上限

---

相对误差限

$|e_r^{\ast }|$的上限

---

误差限的计算

记两个近似数$x_1^{\ast }$，$x_2^{\ast }$，其误差限分别为$\epsilon (x_1^{\ast })$，$\epsilon (x_2^{\ast })$。那么对其进行加减乘除运算分别满足如下规律：$$\epsilon \left(x_1^{\ast }\pm x_2^{\ast }\right)=\epsilon \left(x_1^{\ast }\right)+\epsilon \left(x_2^{\ast }\right)$$ $$\epsilon \left(x_1^{\ast }{x}_2^{\ast }\right)\approx \left|x_1^{\ast }\right|\epsilon \left(x_2^{\ast }\right)+\left|x_2^{\ast }\right|\epsilon \left(x_1^{\ast }\right)$$ $$\epsilon \left(x_1^{\ast }/x_2^{\ast }\right)\approx \frac{\left|x_2^{\ast }\right|\epsilon \left(x_2^{\ast }\right)+\left|x_2^{\ast }\right|\left(x_1^{\ast }\right)}{{\left|x_2^{\ast }\right|}^2}$$

---

有效数字

如果$x^{\ast }$的绝对误差限是它的某一数位的半个单位，并且从$x^{\ast }$左起第一个非零数字到该数位共有$n$位，则称这$n$个数字为$x$的有效数字，也称用$x^{\ast }$近似$x$时具有$n$位有效数字。

一般地，凡是由精确值经过四舍五入得到的近似值，其绝对误差限等于该近似值末位的半个单位。

---

秦九韶算法

对于多项式$f(x)=a_n{x}^n+a_{n-1}{x}^{n-1}+\cdots +a_{1}x+a_0$，逐次去提取个$x$出来：$$\begin{array}{c}f(x)=\left(\left(a_n{x}^{n-2}+a_{n-1}{x}^{n-3}+\cdots a_{3}x+a_2\right)x+a_1\right)x+a_0\\ ⋮\\ =\left(\dots \left(\left(a_{n}x+a_{n-1}\right)x+a_{n-2}\right)x+\cdots +a_1\right)x+a_0\end{array}$$ 然后从最里面的括号往外算即可，可以显著减少乘法运算量。

---

例1

设3.1415是$\pi$的近似值，其有效数字位数是多少
解 注意最后一位5不是精确的(四舍五入应为6)，而从3到1一共有4个数字，因此位数为4

---

例2

x=3.100是某个精确值四舍五入得到的近似值，其有效数字位数是多少
解 由于是四舍五入，因此最后一位也是精确的，从3到最后一个0有4个数字，因此位数为4

---

例3

设$x>0$，$x$的相对误差为$\delta$，求$\ln x$的误差。
解 这里的误差应指绝对误差，那么就是求$\ln x-\ln x^{\ast }=\ln \frac{x}{x^{\ast }}$。
现在考虑怎么把这个式子继续给算下去。由于我们相对误差是知道的，也就是有：$$\frac{x-x^{\ast }}{x^{\ast }}=\delta$$ 那么接下来把左边这个式子凑出来就行了，有：$$\ln x-\ln x^{\ast }=\ln \frac{x}{x^{\ast }}=\ln \frac{x-x^{\ast }+x^{\ast }}{x^{\ast }}=\ln (\delta +1)$$ 取极限，有$\ln (\delta +1)\approx \delta$，即$\ln x$的误差的误差仍为$\delta$。

---

例4

求下列各近似值的误差限：$$\text{ (i) }{x}_1^{\ast }+x_2^{\ast }+x_4^{\ast };\text{ (ii) }{x}_1^{\ast }\cdot x_2^{\ast }\cdot x_3^{\ast };\text{ (iii) }{x}_2^{\ast }/x_4^{\ast }$$ 其中$$x_1^{\ast }=1.1021,x_2^{\ast }=0.031,x_3^{\ast }=385.6,x_4^{\ast }=56.430$$
解 考虑代入上文提到的误差限计算公式，有：
$$\begin{array}{rl}{e}^{\ast }\left(x_1^{\ast }+x_2^{\ast }+x_4^{\ast }\right)& ⩽e\left(x_1^{\ast }\right)+e\left(x_2^{\ast }\right)+e\left(x_4^{\ast }\right)\\ & =\frac{1}{2}\times 10^{-4}+\frac{1}{2}\times 10^{-3}+\frac{1}{2}\times 10^{-3}\\ & ⩽1.052\times 10^{-3}\end{array}$$ $$\begin{array}{l}{e}^{\ast }(x_1^{\ast }\cdot x_2^{\ast }\cdot x_3^{\ast })\\ \approx x_2^{\ast }\cdot x_3^{\ast }\left(x_1-x_1^{\ast }\right)+x_1^{\ast }\cdot x_3^{\ast }\cdot \left(x_2-x_2^{\ast }\right)+x_1^{\ast }\cdot x_2^{\ast }\left(x_3-x_3^{\ast }\right)\\ \approx 0.215\end{array}$$ $$\begin{array}{rl}{e}^{\ast }\left(x_2^{\ast }/x_4^{\ast }\right)& ⩽\left|\frac{1}{x_4^{\ast }}\left(x_2-x_2^{\ast }\right)-\frac{x_2^{\ast }}{{\left(x_4^{\ast }\right)}^2}\left(x_4-x_4^{\ast }\right)\right|\\ & =\left|\frac{x_2^{\ast }}{x_4^{\ast }}{e}_r^{\ast }\left(x_2\right)-\frac{x_2^{\ast }}{x_4^{\ast }}{e}_r^{\ast }\left(x_4\right)\right|\\ & ⩽\mid \frac{x_2^{\ast }}{x_4^{\ast }}\mid \left[\left|e_1^{\ast }\left(x_2\right)\right|+e_r^{\ast }\left(x_4\right)\mid \right]\\ & =\frac{0.031}{56.430}\left[\frac{\frac{1}{2}\times 10^{-3}}{0.031}+\frac{\frac{1}{2}\times 10^{-3}}{56.430}\right]\\ & ⩽10^{-5}\end{array}$$

---

例5

设$S=\frac{1}{2}g{t}^2$，假定$g$是准确的，而对$t$的测量有0.1秒的误差，证明当t增大时$S$的绝对误差增大，而相对误差却减小。
解 绝对误差$$e(S)=S-S^{\ast }=gt\left(t-t^{\ast }\right)=gte(t)$$ 相对误差
$$e_r(S)=\frac{S-S^{\ast }}{S}=\frac{gt\left(t-t^{\ast }\right)}{\frac{1}{2}g{t}^2}=\frac{2e(t)}{t}$$由于$e(t)$为定值，因此t增大时绝对误差变大，相对误差变小。

---

例6

用秦九韶算法求多项式$p(x)=3x^5-2x^3+x+7$在$x=3$处的值。
解 根据秦九韶算法，有$p(x)=((3x^2-2)x^2+1)x+7$，代入可得值为685。

---

例7

用迭代法$x_{k+1}=\frac{1}{1+x_k}(k=0,1,\cdots )$求方程$x^2+x-1=0$的正根$x^{\ast }=\frac{-1+\sqrt{5}}{2}$，取$x_0=1$。如果使用加权平均迭代公式：$$x_{k+1}=\omega x_k+(1-\omega )\frac{1}{1+x_k}$$ 验证当$\omega =\frac{7}{25}$时，采用该加权平均公式比迭代法收敛快。
解 所谓收敛快不快看的就是有效数字的位数。那么先看原始的迭代法，有：
$x_0=1，x_1=0.5，x_2=0.667，x_3=0.6，x_4=0.625$。可以看到直到$x_4$的有效数字位数仍只有1；
而对于加权平均迭代法，有$x_0=1，x_1=0.64，x_2=0.618024，x_3=0.618034，x_4=0.618034$。可以看到在$x_3$时有效数字便有5位，收敛更快。