数值分析一-误差与有效数字

---

一、误差的来源与种类

模型误差(Modeling Error)-从实际问题中抽象出数学模型时产生的误差
观测误差(Measurement Error )-通过测量得到模型中参数的值导致输入数据的误差
舍入误差(Roundoff Error)-由于计算机字长有限而在数值运算的每一步所产生的误差
方法误差 or截断误差(Truncation Error )-近似求解时产生的误差,例如泰勒展开式忽略高阶项

二、误差分析

设$x$为精确值,$x^{\ast }$为$x$的近似值

概念	释义	性质
绝对误差	$e^x=x-x^{\ast }$ ,则称$e^x$为近似值的绝对误差，简称误差	当绝对误差为正时，又叫做强近似值；当绝对误差为负时，又叫做弱近似值
绝对误差限	若$|e^x|$不超过某正数${ϵ}^{\ast }$,则称${ϵ}^{\ast }$ 为近似值的绝对误差限，简称误差限	总是正数，且现实中相较绝对误差更加常用
相对误差	$e_r^{\ast }=\frac{e^x}{|x|}$为近似值$x^{\ast }$的相对误差	在实际计算中，由于真值x xx总是不知道的，因此相对误差通常取$e_r^{\ast }=\frac{e^x}{|x^{\ast }|}$
相对误差限	${ϵ}_r^{\ast }=\frac{{ϵ}^x}{|x|}$为近似值$x^{\ast }$的相对误差限	总是正数，且现实中相较相对误差更加常用

三、有效数字

用科学计数法，记$x_A=\pm 10^k\times 0.a_1{a}_2{a}_3\cdots a_n\cdots$(其中$a_1\ne 0$)。若$\left|x-x_A\right|<0.5\times 10^{k-n}$，则称$x_A$为有n位有效数字，精确到$10^{k-n}$。

=>已知 x 有 n 位有效数字，则其相对误差限为*
${ϵ}_r^{\ast }=\left|\frac{{ϵ}^{\ast }}{x^{\ast }}\right|\le \frac{0.5\times 10^{k-n}}{10^k\times 0.a_1{a}_2{a}_3\cdots a_n}\le \frac{1}{2a_1}\times 10^{-n+1}$

=>已知 x 相对误差限,求其有效数字*
已知
$\left|x-x^{\ast }\right|\le {ϵ}_r^{\ast }\times \left|x^{\ast }\right|\le 0.5\times 10^{k-n}$

${ϵ}_r^{\ast }\times \left|x^{\ast }\right|={ϵ}_r^{\ast }\times 0.a_1{a}_2{a}_3\cdots \times 10^k\le {ϵ}_r^{\ast }\times （a_1+1）\times 10^{k-1}\le 0.5\times 10^{k-n}$
则 x* 相对误差限${ϵ}_r^{\ast }$可以写为$\frac{1}{2（a_1+1）}\times 10^{-n+1}$
则有
$x-x^{\ast }\le {ϵ}_r^{\ast }\times \left|x^{\ast }\right|=\frac{1}{2（a_1+1）}\times 10^{-n+1}\times 0.a_1{a}_2{a}_3\cdots \times 10^k<\frac{1}{2（a_1+1）}\times (a_1+1)\times 10^{-n+1}=0.5\times 10^{k-n}$
满足条件，则其有效数字至少为n。

四、算术运算的误差估计

设多元函数$A=f(x_1,x_2,....,x_n)$,其中$x_1^{\ast },x_2^{\ast },....,x_n^{\ast }$为$x_1,x_2,....,x_n$的近似值 $A^{\ast }=f(x_1^{\ast },x_2^{\ast },....,x_n^{\ast })$
考察$A-A^{\ast }$
在点$x=(x_1,x_2,....,x_n)$的泰勒展开式，略去高阶项
则$e(A)=A-A^{\ast }=f(x_1,x_2,....,x_n)-f(x_1^{\ast },x_2^{\ast },....,x_n^{\ast })\approx {\sum }_{j=1}^n\frac{\partial f(x)}{\partial x_j}(x_j-x_j^{\ast })$

五、病态问题和条件数

对于 $y=f(x)$，若用 $x^{\ast }$ 取代$x$，将对$y$ 产生什么影响
$e_r(y)=\frac{f(x)-f(x^{\ast })}{f(x^{\ast })}\approx |\frac{x{f}^{{}^{\prime }}(x)}{f(x)}|\cdot |\frac{x-x^{\ast }}{x}|=|\frac{x{f}^{{}^{\prime }}(x)}{f(x)}|\cdot e_r^{\ast }$

则$C_p=|\frac{x{f}^{{}^{\prime }}(x)}{f(x)}|$即为条件数，自变量相对误差一般不会差太大，如果条件数$C_p$很大，将引起函数值相对误差很大，出现这种问题就是病态问题。