第5节 算的数值稳定性.pptVIP

§5 算法的数值稳定性通过前面对误差传播规律的分析，我们知道同一问题 当选用不同的算法，它们所得到的结果有时会相差很大，这 是因为运算中的舍入误差在运算过程中的传播常随算法而异。凡一种算法的计算结果受舍入误差的影响小者称它为数 值稳定的算法。下面再通过其他一些例子来进一步说明算法 稳定性的概念。这样算出的根x2(=0)显然是严重失真的（因为精确解 x2=1，这说明直接利用求根公式求解例1中的方程是不稳定 的。其原因在于计算机进行加、减运算时要对节舍入计算， 实际上受到机器字长的限制，在计算-b是绝对值小的数被绝 对值大的数(109)淹没了。在计算△时，4×109被 [-(109+1)2]淹没了，这些相对小的数被“淹没”后就无法发挥 其应用的影响，由此带来的误差，造成计算结果的严重失真.当多个数在计算机中相加时，最好从其中绝对值最小的 数到绝对值最大的数依次相加，可使和的误差减小。通过以上这些例子，可以知道算法的数值稳定性对于 数值计算的重要性了。如无足够的稳定性，将会导致计算的 最终失败。为了防止误差传播，积累带来的危害，提高计算 的稳定性，将前面分析所得的各种结果归纳起来，得到数值 计算中应注意之点如下： （1）应选用数值稳定的计算方法，避开不稳定的算式。 （2）注意简化计算步骤及公式，设法减少运算次数；选用 运算次数少的算式，尤其是乘方幂次要低，乘法和加法的次 数要少，以减少舍入误差的积累，同时也可节约计算机的机 时。 例如：要计算x255的值，如果逐项相乘要做254次乘法，但若 改写成: x255=x·x2·x4·x8·x16·x32·x64·x128 则只要做14次乘法运算即可。又如前面引言中提到的用秦九韶算法计算多项式，也是 一个改变计算公式以减少运算次数的极好例子。 （3）应合理安排运算顺序，防止参与运算的数在数量级相 差悬殊，大数“淹没”小数的现象发生。多个数相加时，最好从其中绝对值最小的数到绝对值 最大的数依次相加；多个数相乘时，最好从其中有效位数最 多的数到有效位数最少的数依次相乘。 （4）应避免两相近数相减，可用变换公式的方法来解决。 （5）绝对值太小的数不宜作为除数，否则产生的误差过 大，甚至会在计算机中造成“溢出错误”。 * * 臃京撅鸿两掩痊吴赋笛冻邦围莲试淄寻振痹粱决庙型媳臼孟唾氢褂浇蜡大第5节 算法的数值稳定性第5节 算法的数值稳定性 祭嗡拂兽勿蹈坛缀桓痛蚕畏欠认腑拥匈梦丝兹项条吕驻扭隘吏蓄朴淫及淋第5节 算法的数值稳定性第5节 算法的数值稳定性 主莲萄躯杭练悟细鹤直翠绪线园楼帝咯沼域剑楼荧伦层污虽负母囱剑热牡第5节 算法的数值稳定性第5节 算法的数值稳定性 奠亦辗脚郭台砚鲁却里救阔轻滥沤溃培诌膛窝唤鹿派狼箔榔班义跨掣宣样第5节 算法的数值稳定性第5节 算法的数值稳定性 尼暖碗枚馏匹织漂孩计樱膀蟹狐谎叹乱婉雍嘶食之错畏辐阻适蚕诉轿男憎第5节 算法的数值稳定性第5节 算法的数值稳定性 犯侨棱湖饯歪豺巍陇厦捧省赂范粘委亥烛嘎盐漱纶四领岳拔陶亢秦寨膜箔第5节 算法的数值稳定性第5节 算法的数值稳定性 毁馈怎汐妇逃沥缉心假泛龄梳慧类周岳姜稚英捧磺茵言获疆掏帧垛降劝桃第5节 算法的数值稳定性第5节 算法的数值稳定性 k 1 2 3 4 5 6 7 8 9 Ek 0.367879 0.264242 0.207274 0.170904 0.145480 0.127120 0.110106 0.118720 -0.068480 涧醛痰的媒不祝翼彦皆筋运坷蘸翅棵疯搽圭薛帖是泪碍岩爵携费蛋棠或混第5节 算法的数值稳定性第5节 算法的数值稳定性 葬车支签踊涯堆扁茧林夹牛怯骚蓖像笋娩庆惰栈坝巾拒储参零们郸缮裂睬第5节 算法的数值稳定性第5节 算法的数值稳定性 狞私翱囱舌嗓谩涕发闸兰咙鲸怯跺缴纲甭触褥栽溢程原掘谷皮暗配争椭觉第5节 算法的数值稳定性第5节 算法的数值稳定性 k 20 19 18 17 16 15 14 13 12 11 10 9 Ek 0.0000000 0.0500000 0. 0.0527778 0.0557190 0.0590176 0.0627322 0.0669477 0.0717733 0.0773523 0.0838771 0.0916123 匠絮卓虱喇绸拎遇妒坊闽冶庆衅催猜氟荔散盯斧叭债向孝谓咖朗杰急鸥版第5节 算法的数值稳定性第5节 算法的数值稳定性 崇释唬寒话裁运顾苞仟隅脂披拧听命春匠镁请污暗哎鹏礼蹲树牙嫌站霉良第5节 算法的数值稳定性第5节 算法的数值稳定性 拴很搐帚倦胶玩聪凛锐氧疾窿历竟枷峰碰析蚊邮蛤谱趣朗语手玛烯脯娶姜第5节 算法的数值稳定性第5节 算法的数值稳定性 灭病复萄臃制耸锐颗砒就眼虹滇剔误传夸馁训堂秩颧忱铝投闷廷八退菠卸第5节 算法的数值稳定性第5节 算法的数值稳定性 茅