电脑计算初探凡有测量即有误差,我们测量物理量的温度、长度、电压等.doc

電腦計算初探 凡有測量即有誤差,我們測量物理量的溫度、長度、電壓等,會有人為誤差、量具愈誤差等。同樣地,誤差也一樣存在電腦計算裡,電腦的記憶體有限,無法存無限小數、循環小數,只能以有限小數來儲存資料,因此儲存上就有誤差,而誤差值也會隨著計算而傳播,另外有關計算的數值方法的近似解也存在誤差,這都影響著計算本身精確度。 此篇文章中,探討電腦誤差值的種類,電腦的效能,解方程法的演算法,有理論的說明也有Matlab/Octave範例的實作,希望透過這樣的解析分享,引起讀者對電腦計算的興趣,也會注意到電腦是有限小數,不同的算法會得到不同的精確度.凡有計算都存在著誤差,如何改善演算法,加快計算,提高精確度,是日趨重要的課題。 電腦的效能 每秒浮點運算次數(flops)[7] flops, 每秒浮點運算次數（亦稱每秒峰值速度）是每秒所執行的浮點運算次數（Floating-point operations per second；FLOPS）的簡稱，被用來估算電腦效能，尤其是在使用到大量浮點運算的科學計算領域中。 浮點運算實際上包括了所有涉及浮點數的運算，在某類應用軟體中常常出現，比較整數運算更用時間。現今大部分的處理器中都有浮點運算器。因此每秒浮點運算次數所量測的實際上就是浮點運算器的執行速度。而最常用來測量每秒浮點運算次數的基準程式（benchmark）之一，就是Linpack。 乘法運算比加法運算費時 Intel公司的中央處理器(Central Process Unit, CPU)最大的特色是利用「加法」為主來進行所有的運算，而乘法則是使用位移(Shift)來進行，即CPU 進行「乘法運算」，就必須使用「數個加法運算」來達成。例如：假設一個乘法運算，要花費10個的加法 運算才能完成，當CPU的工作頻率為1GHz(1G=10億)，則使用這種CPU每秒鐘可以完成10億次「加法運算」，但是每秒鐘只能完成1億次「乘法運 算」，因為要花費10個的加法運算才能完成1個乘法運算。 所以乘法運算所耗費的時間比加法多,而不同的演算法將會產生不的效率與計算誤差。[10] 軟體介紹 為了更能體驗電腦計算的結果,介紹Matlab、Octave這兩個程式語言 來做數值實踐。Matlab/Octave 與數學表示法非常接近,所以使用起來很方便,尤其在矩陣(Matrix)運算與解方程式方面。 MATLAB（矩陣實驗室）是MATrix LABoratory的縮寫，由美國The MathWorks公司出品的商業數學軟體。用於演算法開發、資料視覺化、資料分析以及數值計算的高階技術計算語言和互動式環境。[3][4] Octave 官方首頁,/softwate/octave 可以從官網下載octave程式安裝，就可以直接做以下的實驗。 Matlab/Octave 指令簡介 “%”為 註解符號(comment),其後的文字視為註解。 有“;”則不會將變數顯示在螢幕上。 以下指令為在octave命令下(octave:1 …),單行指令輸入結果。 octave:1 x=0.3333 % 將資料儲存x,並顯示在螢幕上。 x = 0.33330 octave:2 x=0.3333; % 將資料儲存x,但不會顯示在螢幕上。 printf 為輸出格式 printf(formatSpec,a1,a2,...) 具體格式,變數 1,變數2, formatSpec: %d 十進位表示(Decimal notation) %f 固定點浮點數表示(Fix-point notation) %e 指數表示(Exponential notation) \t 跳格(Tab) \n 跳行(Newline) 誤差值[1] 正確值減去誤差值就是誤差(errors)。設 為原始的正確值,其近似值 ,絕對誤差分別為,則 1.絕對誤差(Absolute errors) 2.相對誤差(Relative errors) 例如： 求一數值解,到底以絕對誤差或相對誤差做近似值的精確依據,一般而言,當正確值x很大時,以為精確依據,當x很小時,以為精確依據。 範例1. err1.m x=0.3333 x_hat=0.3330 x_a=abs(x-x_hat) x_r=x_a/abs(x) printf(x_a=%1.9f,\t x_r=%1.9f\n,x_a,x_r); printf(x_a=%e,\t x_r=%e\n,x_a,x_r); err1.m (輸出 output) octave:43 err1 x = 0.33330 x_hat = 0.33300