数值分析1——误差.pptVIP

主要内容 误差的来源与分类 误差与有效数字 在近似计算中应注意的几个问题 1.1 模型误差 (Modeling Error) 例2. 已知x =18.496, y=18.493取4位有效数字 计算 x-y 的近似值，并估计其相对误差. 第二步：把两个数对阶相加 两数相加： * 第一章：误差 1. 来源与分类 ( Source Classification ) 模型误差 参数误差(观测误差) 方法误差(截断误差) 舍入误差 用计算机解决实际问题时，首先要建立数学模型，各种实际问题是十分复杂的，而数学模型是对被描述的实际问题进行抽象、简化而得到的，往往忽略了一些次要因素，因而是近似的，我们把数学模型与实际问题之间出现的这种误差称为模型误差。如自由落体公式 忽略了空气阻力。 数学模型中的物理参数的具体数值，一般通过实验测定或观测得到的，因此与真值之间也有误差，这种误差称为参数误差或观测误差。 例如前例中的重力加速度g=9.8米/秒，这个数值是由多次实验而得到的结果实际的值有一定的误差，这时g-9.8就是参数误差。 1.2 参数误差(观测误差，Measurement Error) 1.3 方法误差 (截断误差 Truncation Error） 在数学模型（包括参数值）确定以后，就常要考虑选用某种数值方法具体进行计算，许多数值方法都是近似方法，故求出的结果与准确值之间是有误差的，该误差称为截断误差或方法误差。例如，函数f(x)用Taylor多项式 近似代替，则数值方法的截断误差为： 对于参与计算的数据用计算机做数值计算时，所计算数据的位数可能很多甚至可能有无穷多位，而计算机的字长有限的，因此只能对有限位进行计算，原始数据和计算结果在计算机上表示均用4舍5入或截去的方法进行处理，这种误差称为舍入误差。例如用近似代替π，产生的误差： 即4舍5入产生的误差就是舍入误差。? 1.4 舍入误差(Rounding Error） 1.5 各种误差产生的时机 实际问题 数学模型 数学方法 求解过程 计算结果 模型误差 参数误差 截断误差 舍入误差 舍入误差会产生积累，其他三种误差没有积累。 2. 误差与有效数字 (Error and Significant Digits) 如果x*为x的近似值, 称e*=x-x*为绝对误差。 绝对误差往往是未知的，而只知道它的一个上限，此上限|e*|=|x-x*|记为?*, 称为绝对误差限(accuracy)。 工程上常记为x=x*±?* ，例如 绝对误差 (absolute error) 相对误差 (relative error) 称为近似值x*的相对误差； 的绝对值的上界 称为相对误差限，即 绝对误差限与相对误差限的关系 有效数字 (Significant Digits) 在实际计算中, 经常按四舍五入原则取近似值. 例如: 它们的误差都不会超过末位数字的半个单位, 即 定义1.2.5 设x为准确值,x*为x的近似值，记x*=±0.a1a2…an×10m(其中a1≠0),若|x - x*|≤0.5×10m-n (即an的截取按四舍五入规则)，则称x*有n位有效数字，精确到10m-n。 例如π=3.1415926535897932…，如果取π*=3.1415，问π*有几位有效数字？ 证明：π*=0.31415×101 |π- π*|=0.0000926… ≤0.5×10-3 = 0.5×101-4 所以π有4位有效数字,精确到小数点后第3位。 可以证明π*=3.14159有6位有效数字。 有效数字愈多愈精确 当两个相近的数相减时，会大大的损失有效数字的位数，使得相对误差会变得很大。 3 在近似计算中应注意的几个问题 3.1 做减法要避免两个相近的数相减 解 ：x-y =1.5846-1.5839=0.0007 x，y 的有效数字是5位，而x-y的有效数字却只有1位，这样使得有效数字的位数大大的减少了。 例1: 已知x=1.5846, y=1.5839, 求x-y 而 x-y=18.496-18.493=0.003 其相对误差为 解：取x* =18.50，y* =18.49进行计算得 x*-y*=18.50-18.49=0.01 可以看到相对误差比较大. 例如，当 x 很大时 和 很接近，直接计算 就会大大的损失有效数字，此时应把公式变形，分子、分母同乘一个共轭根式，即 在编程序时，可采取以下措施： 1). 对参加运算的量多保留几位有效数字； 2). 变换计算公式， 这样求出的结果就比较准确。 又例如，当x1 与x2 很