数值分析---误差

数值计算方法-误差

误差的来源与分类

1.模型误差
数学模型，即表示计算的公式或方程，本身就是近似的，就不就不精确，这种情况导致的误差，就叫模型误差。
2.观测误差
对物理世界中的参数进行观测时产生的误差，比如测定温度，长度，电压，无论用多么精密的工具，肯定都会存在误差。
3.截断误差（方法误差）
当数学模型不能得到精确解时，常要用数值方法求出它的近似解，近似解与精准解之间的误差，即为截断误差。可微函数f(x)用在x=0附近的值可以用泰勒展开式

近似公式代替，那么此刻的截断误差为

4.舍入误差
由于计算机字长有限和浮点数表示方法的问题，计算机会按照舍入原则对超出其表示精度的数据舍入，导致结果的不精确。
例如

模型误差和截断误差的区别
根据前面所说，这两种误差都是公式上存在误差。
实际上泰勒公式本身这个模型是精确的，只是我们实际计算的数值方法是近似的，这就是二者区别。数学模型是精确的情况下，为了能够计算（无穷多项是计算不出来的），我们会使用带有截断误差的近似数值方法。

不言而喻在数值分析和计算方法这门课中，我们主要研究后面两种，即截断误差和舍入误差。

误差与有效数字

$$设x为精准值，x^{\ast }为x的近似值，则称e^{\ast }=x^{\ast }-x为近似值的绝对误差，简称误差。$$
$$|e^{\ast }|<\epsilon$$$$则称\epsilon 为近似值x的绝对误差限或者绝对误差界，简称误差限、误差界,它总是正数$$

当然误差限不能完全表示近似值的好坏。（例如x=10±1，与y=1000±5）所以，除了考虑误差大小之外，还应该考虑x本身的大小。

相对误差为$$e_r^{\ast }=\frac{e}{x^{\ast }}=\frac{x^{\ast }-x}{x^{\ast }}$$

$$同时，相对误差绝对值的上界|e_r|\le {\epsilon }_r=\frac{\epsilon }{|x|}称\epsilon 为相对误差限或相对误差界$$
相对误差也可正可负，它的绝对值上限称为相对误差限

$$当精确值x有多位数时，常常使用四舍五入的原则得到x的前几位近似值x^{\ast }$$
$$例如x=\pi =3.14159265....$$
$$取三位x_3^{\ast },{\epsilon }_3^{\ast }<=0.002$$

有效数字

$$设数x是x^{\ast }的近似值，如果x的绝对误差限是它的某一数位的半个单位，并且从x左起第一个非零数字到该位共有n位，那么就称这n个数字为x的有效数字，也称用x近似x^{\ast }时具有n位有效数字。$$
$$则x^{\ast }=\pm 10^m\ast (a_1+a_2\ast 10^{-1}+...+a_n\ast 10^{-(n-1)})其中a_i是0到9中的一个数字，a_1!=0，且$$
$$|x-x^{\ast }|<=\frac{1}{2}\ast 10^{m-n+1}$$

注意相对误差与相对误差限是无量纲的，而绝对误差与误差限是有量纲。

定理一
$$设近似数x^{\ast }表示为x^{\ast }=\pm 10^m\ast (a_1+a_2\ast 10^{-1}+...+a_l\ast 10^{-(l-1)})$$
$$若x^{\ast }有n位有效数字，则其相对误差限{\epsilon }_r^{\ast }<=\frac{1}{(2a_1)}\ast 10^{-(n-1)}$$
$$反之，若x^{\ast }其相对误差限{\epsilon }_r^{\ast }<=\frac{1}{(2a_1)}\ast 10^{-(n-1)},则x^{\ast }至少具有n位有效数字$$