数值分析误差.pptVIP

* 3、防止大数吃掉小数。 计算机在进行运算时，首先要把参加运算的数对 阶，即把两数都写成绝对值小于1而阶码相同的数。 如 ，必须改写成 如果计算机只能表示8位小数，则算 出 ，大数“吃”了小数。 这种情况有时允许，有时不允许。 * 例如: 被大数吃掉了。 如按 , 就没有被吃掉。 这也是构造算法时要注意的问题。 * 例:一元二次方程x2－(109+1)x+109=0其精确解为 x1=109, x2=1。 如用求根公式: 和8位的计算机求解,有 及 ;则 的值与精确解差别很大。若用 因此,算法的选用很重要。 * 4、简化计算步骤,减少运算次数。 例:计算 的值 如果逐个相乘要用254次乘法。 若 只需14次乘法。 例: 计算多项式的值: 如若按 有 次乘法运算,计算 共需 次乘法和n次加法运算。 如写成 , 用递推算法: 最终 ,共需n次乘法和n次加法运算。 * 例：计算 的近似值，要求误差小于 。 方法1：用级数 的前n项部分和来计算。 ，若 ，则需 。 即要取前十万项求和，计算量大，舍入误差 积累，将使有效数字丢失。 * 方法2：用级数 来计算。 当 时 ，有 取前5项之和作近似值，产生的截断误差为 此算法有效。 * §5 Matlab简介： 1.矩阵基本运算： 注意：Matlab基本数据类型是矩阵。 矩阵的行列及对角线等各种操作。 * 2. 循环结构： for语句： a = zeros(100,1); for i = 1:100 %循环次数 a(i) = i^2+1;%每次循环的操作 end * while语句： a = zeros(200,1); i = 1; while if a(i) = i^2+1; else a(i) = i^3+1; end i = i+1; end * 3.脚本文件和函数文件： 如函数文件： function [y,i,j] = minimum_value_of_matrix(A) y = min(min(A)); [i,j] = find(A==y); 脚本文件： clear all A = [1,2,3;4,5,6;0,8,9]; a = minimum_value_of_matrix(A); * * * * * 主要内容: 1. 数值逼近：插值 数值逼近 数值微分和数值积分 2. 数值代数： 解线性方程组的直接解法 解线性方程组的间接方法 求矩阵特征值与特征向量 3.方程求解：非线性方程的数值解法 常微分方程的数值解法 偏微分方程的数值解法 * 特点： 1. 面向计算机（以离散为特征） 四则运算、逻辑运算 一些简单的函数计算 近似计算 2. 有可靠的理论分析 （收敛性、稳定性、误差分析） 3. 要有好的计算复杂性（时间、空间） 4. 要有数值试验（有效性） * 设计算法所要考虑的问题: 1.计算速度 例如,求解一个20阶线性方程组，用消 元法需3000次乘法运算；而用克莱姆法则要进行 次运算，如用每秒1亿次乘法运算的计算机要30万年。 2.存储量 大型问题有必要考虑。 3.数值稳定性 在大量计算中，误差不可避免，能否控制误差与算法有关。 * * 模型误差: 在建立数学模型过程