第1章 2.数值运算的误差估计及注意事项.pptVIP

数值运算的误差估计及注意事项 邹昌文 本讲重点 误差的传播与积累 数值运算的误差估计 误差定性分析 避免误差的危害 和、差、积、商的误差 数值计算中需注意的问题 避免相近两数相减 防止大数“吃掉“小数引起失真 避免大数除以小数 计算复杂性 * 误差的传播与积累 / Spread Accumulation / 例：蝴蝶效应 —— 纽约的一只蝴蝶翅膀一拍，风和日丽的北京就刮起台风来了？！ NY BJ 以上是一个病态问题 / ill-posed problem/ 关于本身是病态的问题，我们暂时还是留给数学家去头痛吧，当然，我们将会做一个数值实验来感受一下的！ 例：计算 ? 公式一： 注意此公式精确成立 记为 则初始误差 ? ?? ? ! ! ! What happened?! 考察第n步的误差 我们有责任改变。 造成这种情况的是不稳定的算法 / unstable algorithm / 迅速积累，误差呈递增走势。 可见初始的小扰动 ? 公式二： 注意此公式与公式一 在理论上等价。 方法：先估计一个IN ,再反推要求的In ( n N )。 可取 取 考察反推一步的误差： 以此类推，对 n N 有： 误差逐步递减, 这样的算法称为稳定的算法 / stable algorithm / 在我们今后的讨论中，误差将不可回避， 算法的稳定性会是一个非常重要的话题。 函数的误差估计 /Error Estimation for Functions/ 问题：对于 y = f (x)，若用 x* 取代 x，将对y 产生什么影响？ 分析：ε*(y) = f (x*) ? f (x) ε *(x) = x* ? x Mean Value Theorem = f ’(? )(x* ? x) x* 与 x 非常接近时，可认为 f ’(? ) ? f ’(x*) ，则有： | ε *(y)| ? | f ’(x*)|·| ε *(x)| 即：x*产生的误差经过 f 作用后被放大/缩小了| f ’(x*)|倍。故称| f ’(x*)|为放大因子 / amplification factor / 或 绝对条件数 / absolute condition number /. 相对误差条件数 / relative condition number/ f 的条件数在某一点是小\大，则称 f 在该点是好条件的 / well-conditioned / \坏条件的 / ill-conditioned /。 注：关于多元函数 的讨论，请参阅教材第4页。 例:计算 y = ln x。若 x ? 20，则取 x 的几位有效数字可保证 y 的相对误差 0.1% ? 解：设截取 n 位有效数字后得 x* ? x，则 估计 x 和 y 的相对误差上限满足近似关系 不知道怎么办啊？ x 可能是20.#，也可能是19.#，取最坏情况，即a1 = 1。 ? n ? 4 例：计算 ，取 4 位有效，即 , 则相对误差 *