计算方法（一）：误差

四种误差的定义

1. 模型误差：

由数学模型（比如公式）产生的误差。

例1： 自由落体运动
$$s=\frac{1}{2}g{t}^2,g\approx 9.8m/s^2$$
产生的计算数据$s(t)$，同物体真实下落的距离$s^{\ast }(t)$产生的模型误差>$s^{\ast }(t)-s(t)$。

2. 观测误差：

由观测得到的观测数据产生的误差。

例2： 给出一个参数$\alpha =(0.0021\pm 0.001)$中，0.001就是观测误差。

3. 截断误差：

模型的准确解与应用数值方法求得的解的差。

例3： 用Taylor公式计算指数
$$e^x=1+x+\frac{x^2}{2!}+\dots +\frac{x^n}{n!}+\dots$$
如果只取前n+1项，得到的阶段误差就是：
$$\sum _{k=0}^{\infty }\frac{x^k}{k!}-\sum _{k=0}^n\frac{x^k}{k!}=\sum _{k=n+1}^{\infty }\frac{x^k}{k!}$$

4. 舍入误差

对于无限小数，计算时只能取有限项位小数引起的误差。

例4： 用3.1415近似代替圆周率$\pi$，得到的就是舍入误差：
$$\begin{gathered} p=3.1415-3.141592\dots \\ =-0.000092\dots \end{gathered}$$

浮点数

1. 浮点数的表示方法

定义 任何一个有限位浮点数均可以表示成
$$x=\pm \omega {\beta }^J=\pm 0.{\alpha }_1{\alpha }_2\dots {\alpha }_t\times {\beta }^J,L\le J\le U$$
其中，$\beta$称为基，代表进制系统，$J$代表阶，是一个整数，$\omega =0.{\alpha }_1{\alpha }_2\dots {\alpha }_t$表示尾数，其中$0\le {\alpha }_i\le \beta ,i=1,2,\dots t$。

规格化浮点数： $x=0.{\alpha }_1{\alpha }_2\dots {\alpha }_t\times {\beta }^J$，其中尾数第一项${\alpha }_1\ne 0$。

例5：

• 十进制浮点数： $x=3.14=0.314\times 10^1$；
• 二进制浮点数： $x=1011.1101=0.10111101\times 2^4$；
• 十六进制浮点数： $x=3A0F.BC1=0.3A0FBC1\times 16^4$

2. 计算机位数与浮点数

一个n位的计算机内浮点数的表示一定是有限的，而且受限于位数。所以对于一个出厂的计算机来说，它内部表示的浮点数的尾数尾数$t$是固定的。

我们用
F = { x : x = 0. α 1 α 2 … α t × β J , L ≤ J ≤ U } \mathcal{F}=\{x:x=0.\alpha_1\alpha_2\ldots\alpha_t\times\beta^J,L\leq J\leq U\} F={ x:x=0.α1​α2​…αt​×βJ,L≤J≤U}
表示