基本概念
截断误差
s i n ( x ) = x − x 3 3 ! + x 5 5 ! − x 7 7 ! + . . . sin(x) = x - \frac{x^3}{3!}+\frac{x^5}{5!}-\frac{x^7}{7!}+... sin(x)=x−3!x3+5!x5−7!x7+...
若取 s i n ( x ) ≈ x − x 3 3 ! + x 5 5 ! − x 7 7 ! + . . . + ( − 1 ) n − 1 x 2 n − 1 ( 2 n − 1 ) ! sin(x) \approx x - \frac{x^3}{3!}+\frac{x^5}{5!}-\frac{x^7}{7!}+...+(-1)^{n-1}\frac{x^{2n-1}}{(2n-1)!} sin(x)≈x−3!x3+5!x5−7!x7+...+(−1)n−1(2n−1)!x2n−1,由于截断了无穷级数自第n项起的后段而产生的截断误差。
舍入误差
把一个浮点数在计算机中表示,可能引起的误差,这样的误差叫舍入误差。
收敛性:研究截断误差是否趋近于0。
稳定性:研究原始数据,在逐步计算过程中是否可控。
绝对误差
若 x ∗ x^* x∗为 x x x的近似值,则 e ( x ∗ ) = x ∗ − x e(x^{*})=x^{*}-x e(x∗)=x∗−x为 x ∗ x^* x∗的绝对误差。
若 ∣ e ( x ∗ ) ∣ = ∣ x ∗ − x ∣ ≤ ϵ |e(x^*)|=|x^*-x| \leq \epsilon ∣e(x∗)∣=∣x∗−x∣≤ϵ,称 ϵ \epsilon ϵ为 x ∗ x^* x∗的绝对误差限。
相对误差
e r ( x ∗ ) = x ∗ − x x ∗ e_{r}(x^{*})=\frac{x^{*}-x}{x^{*}} er(x∗)=x∗x∗−x
同理, ϵ r ( x ∗ ) = ∣ ϵ ( x ∗ ) ∣ ∣ x ∗ ∣ \epsilon_{r}(x^{*})=\frac{|\epsilon(x^{*})|}{|x^{*}|} ϵr(x∗)=∣x∗∣∣ϵ(x∗)∣为相对误差限。
误差的传播
利用Taylor公式,可得
e ( y ∗ ) = y ∗ − y ≈ ∑ i = 1 n f i ( x 1 ∗ , x 2 ∗ , ⋯ , x n ∗ ) e ( x i ∗ ) e(y^*)=y^*-y \approx \sum_{i=1}^{n} f_{i}\left(x_{1}^{*}, x_{2}^{*}, \cdots, x_{n}^{*}\right) e\left(x_{i}^{*}\right) e(y∗)=y∗−y≈i=1∑nfi(x1∗,x2∗,⋯,xn∗)e(xi∗)
即函数值的绝对误差近似等于自变量绝对误差的线性组合,其组合系数为相应的偏导数。
对于一元函数,有
e ( y ∗ ) ≈ f ′ ( x ∗ ) e ( x ∗ ) , e\left(y^{*}\right) \approx f^{\prime}\left(x^{*}\right) e\left(x^{*}\right), e(y∗)≈f′(x∗)e(x∗),
e r ( y ∗ ) ≈ f ′ ( x ∗ ) x ∗ y ∗ e r ( x ∗ ) e_{r}\left(y^{*}\right) \approx f^{\prime}\left(x^{*}\right) \frac{x^{*}}{y^{*}} e_{r}\left(x^{*}\right) er(y∗)≈f′(x∗)y∗x∗er(x∗)