数值计算方法-L1.pptVIP

* * * * * * * * * * * * * * * * * * * * * 算法 迭代型算法举例 据此，构造以下求平方根的算法 * 算法 迭代型算法举例 用以上算法求2的平方根，其中x0=2, ε=0.005, Nmax=10. 第一次迭代 * 算法 迭代型算法举例 第二次迭代 * 算法 迭代型算法举例 第三次迭代结果与真实值相比误差约为2.124×10-6 * 1.课程简介 2.算法 3.误差 * 误差 浮点数在计算机中的表示 浮点数的规格化表示形式(normalized scientific notation) 十进制情况 732.5051=0.7325051×103 -0.005612=-0.5612×10-2  * 误差 二进制情况 以单精度浮点数为例进一步分析 * 尾数(mantissa) 指数(exponent) 误差 以单精度浮点数为例进一步分析假定某计算机系统为单精度浮点数分配的32比特具体分布形式如下： * 符号位 指数符号位 指数 尾数 1 1 7 23 误差 以单精度浮点数为例进一步分析 由于尾数q的二进制表示中第1个比特位必为1(为什么？)，所以为q分配的23个比特可以表示q的第2到第24位。 由于|m|≤(1111111)2=27-1=127，而2127≈1038，所以单精度浮点数的变化范围约在10-38-1038之间。 * 误差 以单精度浮点数为例进一步分析 如果某个浮点数可以准确地用上面二进制数的规格化形式表示，则称之为机器数(machine number)。 不是机器数的实数在计算机中会用与之最接近的机器数来表示，二者之间存在误差(error) * 误差 两个概念假设实数x的近似数为x*， 绝对误差(absolute error) |x-x*| 相对误差(relative error) |x-x*|/|x| 在我们前面讨论的单精度浮点数的例子里面，不是机器数的实数在用与之最接近的机器数来表示时，相对误差≤2-24. * 误差 两个概念假设实数x的近似数为x*， 绝对误差(absolute error) |x-x*| 相对误差(relative error) |x-x*|/|x| 在我们前面讨论的单精度浮点数的例子里面，不是机器数的实数在用与之最接近的机器数来表示时，相对误差≤2-24.  * 误差 误差的影响 两个相近的数相减，会导致相对误差很大 良态与病态 * 误差 两个相近的数相减，会导致相对误差很大 假设两个浮点数x和y，如果它们在计算机中对应的机器数分别是fl(x)和fl(y)，记εx=(fl(x)-x)/x和εy=(fl(y)-y)/y，则x-y运算在计算机的实际结果是  * 误差 两个相近的数相减，会导致相对误差很大 所以，如果(x-y)很小就可能导致相对误差很大！  * 误差 良态(well-conditioned)与病态(ill-conditioned) 所谓病态(ill-conditioned) 情况是输入的很小变化会导致输出结果的很大变化。 * 谢谢大家 * * * * * * * * * * * * * * * * 数值计算方法第0讲-导论 电子科技大学 自动化工程学院 彭晓明 * 主要内容 1.课程简介 2.算法 3.误差 * 1.课程简介 2.算法 3.误差 * 课程简介 本课程研究的问题 现实世界中很多问题无法得到其解析解或精确解 举例：钟摆问题 举例：2的平方根 * 课程简介 举例：钟摆问题钟摆在摆动过程中与垂直方向的夹角θ可以描述为(b和ω是两个常数)由于上式中存在sin θ项，所以没有解析解。 * 课程简介 举例：2的平方根(from Wikipedia) * 课程简介 本课程研究的问题 研究数学问题的近似解，并控制近似解与精确解二者之间的误差在合理范围之内，具体包括以下内容 □插值 □数值积分 □常微分方程的解法 □方程求根 □线性方程组的求解 * 课程简介 插值 给出一系列离散点{xi, yi}(i=0-n)， 得到函数y=f(x)的近似形式  * 课程简介 插值 或者，对于不在{xi, yi}(i=0-n)之中的点x，得到对应的y  * 课程简介 数值积分 对于定义在区间[a, b]内的连续函数f(x)，求定积分的近似值。  * 课程简介 数值积分 为什么需要求I(f)的近似值？ 如果能得到f(x)的不定积分F(x)，则I(f) =F(b)-F(a). 但是：并不总能得到F(x) ！ 举例  * 课程简介 常微分方程的解法 什么是“常微分方程”？ 微分方程指