数值分析(1)误差及误差分析

第一章

有效数

定义:某个数字 x ∗ x^* x可以写成下面的形式
x ∗ = + / − 1 0 m ∗ 0. a 1 a 2 . . . a n . . . a p x^*=+/- 10^m*0.a_1a_2...a_n...a_p x=+/10m0.a1a2...an...ap
如果 n n n是满足
∣ e ∗ ∣ = ∣ x ∗ − x ∣ ≤ 1 / 2 ∗ 1 0 m − n |e^*|=|x^*-x| \leq 1/2 * 10^{m-n} e=xx1/210mn
的最大整数,则称 x ∗ x^* x x x x的具有 n n n位有效数字的近似数,当 n = p n=p n=p的时候,称 x ∗ x^* x为有效数。

有效数的一些结论:

  1. 对某有效数而言,末位数的半个单位是其绝对误差限,即有效数本身反映了近似数的绝对误差限。
  2. 对真值进行四舍五入得到的近似数是有效数
  3. 对近似同一真值的近似数而言,有效数字位数越多,其绝对误差限越小。
  4. 有效数的末尾不能随意添加零
  5. 有效数字位数与介于第一位非零数字和小数点之间的零的个数没有关系
  6. 准确值具有无穷位有效数字

有效数字和相对误差

x ∗ x^* x 由n位有效数字,则
∣ e r ∗ ∣ ≤ 1 2 a 1 ∗ 1 0 1 − n |e^*_r| \leq \frac{1}{2a_1}*10^{1-n} er2a11101n

∣ e r ∗ ∣ ≤ 1 2 ( a 1 + 1 ) ∗ 1 0 1 − n |e^*_r| \leq \frac{1}{2(a_1+1)}*10^{1-n} er2(a1+1)1101n
则x^*至少具有n位有效数字

误差的数值运算

对于函数 y y y

e ( f ∗ ) = f ′ ( x ∗ ) ∗ e ( x ∗ ) e r ( f ∗ ) = x ∗ f ′ ( x ∗ ) f ( x ∗ ) e r ( x ∗ ) e(f^*)=f'(x^*)*e(x^*)\\ e_r(f^*)=\frac{x^*f'(x^*)}{f(x^*)}e_r(x^*) e(f)=f(x)e(x)er(f)=f(x)xf(x)er(x)

绝对误差:
ε ( x 1 ∗ ± x 2 ∗ ) ≈ ε ( x 1 ∗ ) ± ε ( x 2 ∗ ) ε ( x 1 ∗ x 2 ∗ ) ≈ ∣ x 1 ∗ ∣ ε ( x 2 ∗ ) + ∣ x 2 ∗ ∣ ε ( x 1 ∗ ) ε ( x 1 ∗ / x 2 ∗ ) ≈ ∣ x 2 ∗ ∣ ε ( x 1 ∗ ) − ∣ x 1 ∗ ∣ ε ( x 2 ∗ ) ∣ x 2 ∗ ∣ 2 \begin{array}{l}{\varepsilon\left(x_{1}^{*} \pm x_{2}^{*}\right) \approx \varepsilon\left(x_{1}^{*}\right)\pm\varepsilon\left(x_{2}^{*}\right)} \\ {\varepsilon\left(x_{1}^{*} x_{2}^{*}\right) \approx\left|x_{1}^{*}\right| \varepsilon\left(x_{2}^{*}\right)+\left|x_{2}^{*}\right| \varepsilon\left(x_{1}^{*}\right)} \\ {\varepsilon\left(x_{1}^{*} / x_{2}^{*}\right) \approx \frac{\left|x_{2}^{*}\right| \varepsilon\left(x_{1}^{*}\right)-\left|x_{1}^{*}\right| \varepsilon\left(x_{2}^{*}\right)}{\left|x_{2}^{*}\right|^{2}}}\end{array} ε(x1±x2)ε(x1)±ε(x2)ε(x1x2)x1ε(x2)+x2ε(x1)ε(x1/x2)x22x2ε(x1)x1ε(x2)

相对误差:
ε r ( x 1 ∗ ± x 2 ∗ ) ≈ x 1 ∗ ε r ( x 1 ∗ ) ± x 2 ∗ ε r ( x 2 ∗ ) / x 1 ∗ ± x 2 ∗ ε r ( x 1 ∗ x 2 ∗ ) ≈ ε r ( x 1 ∗ ) + ε r ( x 2 ∗ ) ε ( x 1 ∗ / x 2 ∗ ) ≈ ε r ( x 1 ∗ ) − ε r ( x 2 ∗ ) \begin{array}{l}{\varepsilon_r\left(x_{1}^{*} \pm x_{2}^{*}\right)\approx x_1^*\varepsilon_r\left(x_{1}^{*}\right)\pm x_2^*\varepsilon_r\left(x_{2}^{*}\right)}/{x_1^* \pm x_2^*} \\ {\varepsilon_r\left(x_{1}^{*} x_{2}^{*}\right) \approx \varepsilon_r\left(x_{1}^{*}\right)+\varepsilon_r\left(x_{2}^{*}\right)} \\ {\varepsilon\left(x_{1}^{*} / x_{2}^{*}\right) \approx\varepsilon_r\left(x_{1}^{*}\right)- \varepsilon_r\left(x_{2}^{*}\right)}\end{array} εr(x1±x2)x1εr(x1)±x2εr(x2)/x1±x2εr(x1x2)εr(x1)+εr(x2)ε(x1/x2)εr(x1)εr(x2)

条件数

绝对误差下函数值 f ( x ) f(x) f(x)的条件数: C o n d a ( f ) = ∣ f ′ ( x ) ∣ Cond_a(f)=|f'(x)| Conda(f)=f(x)

相对误差下函数值 f ( x ) f(x) f(x)的条件数: C o n d r ( f ) = ∣ x f ′ ( x ) f ( ) x ∣ Cond_r(f)=|x\frac{f'(x)}{f()x}| Condr(f)=xf()xf(x)

  • 3
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

zhao23333

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值