(完整版)北京航空航天大学数值分析课程知识点总结.docxVIP

1.2 误差知识与算法知识 1.2.2 绝对误差、相对误差与有效数字 设 a 是准确值 x 的一个近似值，记 e x a ，称 e 为近似值 a 的绝对误差，简称误差。 如果 |e |的一个上界已知，记为 ，即 | e | ，则称 为近似值 a 的绝对误差限或绝对误差 界，简称误差限或误差界。 记 er e x a ，称 er 为近似值 a 的相对误差。由于 x 未知，实际上总把 e 作为 a 的 x x a e x a e 的上界，即 r 相对误差，并且也记为 er ，相对误差一般用百分比表示。 a a r | a | 称为近似值 a 的相对误差限或相对误差界。 定义 设数 a 是数 x 的近似值。如果 a 的绝对误差限时它的某一位的半个单位，并且从该位 到它的第一位非零数字共有 n 位，则称用 a 近似 x 时具有 n 位有效数字。 1.2.3 函数求值的误差估计 ~ 设 u f (x) 存在足够高阶的导数， a 是 x 的近似值， 则 u f (a) 是 u f (x) 的近似值。 ~ 若 f (a) 0 且 | f (a) | / | f (a) |不很大，则有误差估计 e(u) f (a)e(a) ~ 。 (u) f (a) (a) 若 f (a) f (a) ... f (k 1) (a) 0, f ( k) (a) 0 ，且比值 ~ f ( k) (a) k e(u) k! e( a) 大，则有误差估计 。 f ( k) (a) ~ k (u) (a) k ! ~ n f (a1, a2 ,..., an ) e(a ) e(u) i 1 xi i 对于 n 元函数，有误差估计 ~ n f ( a1 ,a2 ,..., an ) (u) (ai ) i 1 xi  f (k 1) (a) / f (k ) (a) 不很 ；若一阶偏导全为零或很 小，则要使用高阶项。 1.2.4 算法及其计算复杂性 1）要有数值稳定性，即能控制舍入误差的传播。 2）两数相加要防止较小的数加不到较大的数中所引起的严重后果。 3）要尽量避免两个相近的近似值相减，以免严重损失有效数字。 4）除法运算中，要尽量避免除数的绝对值远远小于被除数的绝对值。 1.3 向量范数与矩阵范数 1.3.1 向量范数 定义 定义在 Rn 上的实值函数 ? 称为向量范数，如果对于 Rn 中的任意向量 x 和 y 满足： （1）正定性： x 0 ，当且仅当 x 0 时， x 0 ； 1 （2）齐次性：对任一数 k R ，有 kx k x ； （3）成立三角不等式： x y x y 。 定理 1.1 对 Rn 中的任一向量 x ( x1, x2 ,..., xn )T ，记 n x 1 xi i 1 n x 2 xi2 i 1 x max xi 1 i n 则 ?1， ? 2和 ? 都是向量范数。 定理 1.2 设? 和? 是 Rn 上的任意两种向量范数，则存在与向量 x 无关的常数 m 和 M(0mM) ，使下列关系式成立 m x x M x , x Rn 1.3.2 矩阵范数 定义 定义在 Rn n 上的实值函数 ? 称为矩阵范数，如果对于 Rn n 中的任意矩阵 A 和 B 满 足： （1） A 0 ，当且仅当 A 0 时， A 0 ； （2）对任一数 k R ，有 kA k A ； （3） A B A B； （4） AB A B 。 定义 对于给定的向量范数 ? 和矩阵范数 ? ，如果对于任一个 x Rn 和任一个 A Rn n 满 足 Ax A x ，则称所给的矩阵范数与向量范数是相容的。 定理 1.3 设在 Rn 种给定了一种向量范数，对任一矩阵A Rn n ，令 A = max Ax ，则由 x 1 此定义的 ? 是一种矩阵范数，并且它与所给定的向量范数相容。 定理 1.4 设 A [ aij ] Rn n ，则 2 n A 1 max aij 1 j n i 1 A 2 max ( AT A) n A max aij 1 i n j 1 其中 max ( AT A) 表示矩阵 AT A 的最大特征值 （ AT A 是正定或半正定矩阵， 它的全部特征值 非负）。 n aij2 还有一种常见的矩阵范数 A F i , j ，且与向量范数 ? 2 相容，但是不从属于任何 1 向量范数。单位矩阵 I 的任何一种算子范数 I = max Ix 1。 x 1 定理 1.5 设矩阵 A R n n A 1 I A 的某种范数 为非奇异矩阵， 并且当该范数为算子 ，则 范数时，还有 I A 1 1 成立。