数值分析总复习研讨.ppt

Computation Method;序 言;;在计算机上是否根据数学公式编程就能得到正确结果?;计算机运算速度极快是否就可以不考虑算法的效率?;数值分析研究的对象;计算方法的内容;课 程 特 点;主要方法简介;2. 函数逼近 用简单函数 y(x)近似代替函数 f(x) , 称为函数逼近。两者的差E(x) = f(x) - y(x)叫做逼近的误差或余项。在数值分析中 , 所谓的简单函数, 主要是指可用“四则运算”进行计算的函数，一般是有理函数式；最简单的是多项式。 除了选择逼近函数类外，逼近方法的选择同样重要。 常用的典型方法： ①插值法 ②一致逼近 ③均方逼近;3. 迭代法 重要方法之一。 除了用于求方程的根及方程组的解之外，也是求解微分方程的主要方法。 收敛速度是衡量迭代法的一个重要准则，而迭代一步所用的计算量也常作为一个衡量标准，但二者得到的结果往往是矛盾的。 ;计算机中数的计算特点: 1. 加法先对阶, 后运算, 再舍入 2. 乘法先运算, 再舍入 3. 不在计算机数系中的数做四舍五入处理;1、模型误差 2、观测误差 3、截断误差 4、舍入误差;绝对误差：e = x* – x , x* 是准确数 x是近似数 绝对误差限 ?：| e | = | x* – x | ? ? 常表示为x = x* ? ? 或 x* – ? ? x ? x* + ? 相对误差：er =(x* – x)/x* , x* 是准确数, x是近似数 相对误差限 ?r：| er / x*| = | x* – x |/| x*| ? ?r 相对误差比绝对误差更能反映准确数与近似数的差异 例:考虑 1. x* =10, x =11 e = – 1 er= – 0.1 2. x* =1000, x=1001 e = – 1 er= – 0.001;有 效 数 字 ;四则运算的误差 绝对误差：e = x* – x =?x ? dx 相对误差：er =(x* – x)/x* ? dx/x*= lnx 利用这个关系可以讨论四则运算的误差和函数的误差;问题的敏感性; 描述问题的敏感性，常采用“条件数”这一概念。对不同的问题，条件数的具体定义及计算也不尽一样。作为实例，后面将讨论求解线性方程组问题。 例：多项式p(x)=(x-1)(x-2)…(x-20)=x 20-210x 19 +… 显然，它有20个精确零点1、2、3、…、20。但若其系数有一微小变化，其零点变化如何呢？ 仅考虑 x 19 的系数变化 2 -23 ≈ 10 -7 ，即考察多项式p(x)+ 2 -23x 19 。现用β＝2,t＝90的浮点系统(双精度)求其零点，(结果略)将产生10个复数零点，其中有两个离开实轴的距离超过2.8。 需要指出，这种变化并不是由舍入误差引起，也不是计算公式造成，而是由问题本身对系数的敏感性决定的。求高阶多项式的零点问题往往是病态的。; 对于良态问题，原则上讲可以求得满足精度要求的解。但输入误差不可避免，因而还应保证所使用的算法不会扩展误差在计算结果中的影响，否则计算结果仍不可信。 定义：对于一个由多阶段运算组成的算法，若每经过一个阶段的运算，原有的初值误差或舍入误差的影响不增长，则称这个算法是数值稳定的。 ; e -5. 5≈1.0000 -5.5000+15.125 –27.730+… ＝0.0026363 但精确值为0。其原因是进行了大数相减，损失了有效数字，使舍入误差的影响增强了。而若改为计算 ≈0.0040865，其相对误差仅为0.07%, 基本准确。; 然而，由y n 的表达式， y n0且↓。计算结果不正确。算法不是数值稳定的。 可以改变算法： 显然不会造成误差增长。 由于 ，可见，当n增大 时， y n 趋于 ，可取 算出y 8≈0.0185 ， y 7≈0.0213 ， y 6≈0.0243 ， y 5≈0.0284 ， y 4≈0.0343 ， y 3≈0.0431 ， y 2≈0.0581 ， y 1≈0.0884 ， y 0≈0.18