数值计算方法 第一章 数值计算中的误差 笔记
数值计算中的误差
(1)误差的基本概念
误差的基本概念
实际问题的精确解与数值计算所得的近似解之间的差别称为误差
误差来源
(1)模型误差
实际问题与数学模型之差
(2)观测误差
观测所的
(3)截断误差
近似导致
(4)舍入误差
机器字长限制
(2)绝对误差与相对误差与有效数字
绝对误差
e(x*)=x-x*
绝对误差限
|e(x*)|=x-x*
x*-ε⩽\varepsilon\leqslantε⩽x⩽\leqslant⩽x*+ε\varepsilonε
x=x*±ε\plusmn\varepsilon±ε
用毫米刻度尺的米尺测量一长度为x,如读出的长度为x*=765mm,qi绝对误差限为0.5mm
准确值x: 764.5mm⩽\leqslant⩽x$\leqslant765.5mmx765.5mm\\ x765.5mmx∈\isin∈[764.5mm,765.5mm]
x=765$\plusmn$0.5mm
相对误差
因为准确值x总是未知,所以一般取相对误差为:
er(x∗)=e(x∗)x∗e_r(x^*)=\frac{e(x^*)}{x^*}er(x∗)=x∗e(x∗)
相对误差限(限->取模)
|er(x∗)e_r(x^*)er(x∗)|=|e(x∗)x∗\frac{e(x^*)}{x^*}x∗e(x∗)|⩽\leqslant⩽εr\varepsilon_rεr
两种误差限的关系
εr\varepsilon_rεr=ε∣x∗∣\frac{\varepsilon}{|x^*|}∣x∗∣ε
ε\varepsilonε=|x^*|ε\varepsilonε
2≈1.414\sqrt2\approx1.4142≈1.414 (1.41421356237310)
是经过四舍五入得到的近似值,则
绝对误差限ε\varepsilonε=12∗10−3\frac{1}{2}*10^{-3}21∗10−3
相对误差限εr=0.5∗10−31.414≈0.035\varepsilon_r=\frac{0.5*10^{-3}}{1.414}\approx0.035εr=1.4140.5∗10−3≈0.035%
有效数字
2=1.41421356\sqrt2=1.414213562=1.41421356
(∣x−x∗∣⩽12∗10−3)(|x-x^*|\leqslant\frac{1}{2}*10^{-3})(∣x−x∗∣⩽21∗10−3) x∗=1.414x^*=1.414x∗=1.414—有效数字4个
(∣x−x∗∣⩽12∗10−7)(|x-x*|\leqslant\frac{1}{2}*10^{-7})(∣x−x∗∣⩽21∗10−7) x∗=1.4142136x^*=1.4142136x∗=1.4142136—有效数字8个
x=0.005800±\plusmn±12∗10−6\frac{1}{2}*10^{-6}21∗10−6表示近似值
x∗=0.005800x^*=0.005800x∗=0.005800准确到小数点后6位,有4位有效数字
2\sqrt22=1.41421356237310……
x∗=1.414213x^*=1.414213x∗=1.414213作为2\sqrt22d的近似值,有几位有效数字?∣e(x∗)∣=∣x−x∗∣=0.0000005623…|e(x^*)|=|x-x^*|=0.0000005623…∣e(x∗)∣=∣x−x∗∣=0.0000005623…<12∗10−5\frac{1}{2}*10^{-5}21∗10−5
准确到小数点后5为,有6位有效数字
为使2\sqrt22的近似值的相对误差线小于0.1%,至少要取几位有效数字?
(用绝对误差限和有效数字的关系)
ε=εr∗∣x∣<20∗10−3=0.4…∗10−2\varepsilon=\varepsilon_r*|x|<\sqrt{20}*10^{-3}=0.4…*10^{-2}ε=εr∗∣x∣<20∗10−3=0.4…∗10−2
0.5∗10−3<0.4…∗10−20.5*10^{-3}<0.4…*10^{-2}0.5∗10−3<0.4…∗10−2
需要准确到小数点后第3位,有4位有效数字
x表示成规范模式*
定理一:若x的近似值x*=±0.a1a2an∗10m(a1/=0)\plusmn0.a_1a_2a_n*10^m(a_1\mathrlap{\,/}{=}0)±0.a1a2an∗10m(a1/=0)有n位有效数字,则12a1\frac{1}{2a_1}2a11为其相对误差限。
反之,若x∗x^*x∗的相对误差限εr\varepsilon_rεr满足εr⩽12(a1+1)∗10−n+1\varepsilon_r\leqslant\frac{1}{2(a_1+1)}*10^{-n+1}εr⩽2(a1+1)1∗10−n+1,则x至少有n位有效数字
实际上,使用的时候,通过绝对误差限中转
(3)数值计算中误差的传播
基本运算中的误差传播
用微分表示误差
Δy≈dy=f′(x)dx\Delta{y}\approx{dy}=f\prime(x)dxΔy≈dy=f′(x)dx
绝对误差的传播
y=f(x),则e(y∗)=f(x)−f(x∗)≈df(x∗)=f′(x∗)e(x∗)y=f(x),则e(y^*)=f(x)-f(x^*)\approx{df(x^*)}=f\prime(x^*)e(x^*)y=f(x),则e(y∗)=f(x)−f(x∗)≈df(x∗)=f′(x∗)e(x∗)
ε(y∗)⩽∣f′(x∗)∣ε(x∗)\varepsilon(y^*)\leqslant|f\prime(x^*)|\varepsilon(x^*)ε(y∗)⩽∣f′(x∗)∣ε(x∗)
y=f(x1,x2,…,xn),fy=f(x_1,x_2,…,x_n),fy=f(x1,x2,…,xn),f在点(x1∗,x2∗,…,xn∗)(x_1^*,x_2^*,…,x_n^*)(x1∗,x2∗,…,xn∗)处可微,xi∗x_i^*xi∗为xix_ixi的近似值,则
相对误差的传播
(4)和差积商的误差公式
即和,差的绝对误差限不超过各数的绝对误差限之和
积,商的相对误差限不超过各数的相对误差限之和
(5)算法的数值稳定性
稳定性:在算法的计算过程中,舍入误差在计算过程中不增长,则称算法是数值稳定的,否则称算法是数值不稳定的
(6)数值计算中应注意的问题
- 避免两个相近的数相减
避免大数吃小数的现象
改变顺序,先对小的部分操作,就有可能最后不会被吃掉避免除数的绝对值远小于被除数的绝对值
当|y|<<|x|时,舍入误差可能增大很多要简化计算,减少运算次数,提高效率
秦九韶算法选用数值稳定性好的算法
数值计算方法 第一章 数值计算中的误差 笔记相关推荐
- sqlite数值长度超过7位出错_数值计算方法 第一章 绪论
一.数值计算方法概览 1.研究对象:数值问题--有限个输入数据(问题的自变量.原始数据)与有限个输出数据(待求解数据)之间函数关系的一个明确无歧义的描述. 例如,求解微分方程的符号解即可看做无限输出, ...
- 计算机中的数制与编码教程,第一章计算机中的数据和编码教程.doc
第一章计算机中的数据和编码教程 第一章 计算机中的数据和编码 1.1计算机中的数制 1.2计算机中数的表示 1.3计算机中的编码 1.1 计算机中的数制之进位计数制 进位制: 按照进位的方法进行计数的 ...
- 最小类型的微型计算机是什么,第一章-微型计算机中的数据类型.ppt
第一章-微型计算机中的数据类型 第一章 微型计算机中的数据类型 第一章 微型计算机中的数据类型 1.1 常用数据类型 带符号整数.无符号整数. BCD数(包括压缩的和非压缩 的二–十进制码). 字符串 ...
- 第一章 SQL中使用的符号
文章目录 第一章 SQL中使用的符号 符号表 第一章 SQL中使用的符号 SQL中用作运算符等的字符表 符号表 每个符号的名称后跟其ASCII十进制代码值. 符号 名称和用法 [space] or [ ...
- 第一章 计算机网络 4 性能指标 [计算机网络笔记]
第一章 计算机网络 4 性能指标 本笔记参考书目: 计算机网络(第8版)谢希仁 2021王道计算机网络视频公开课 本节重点: 数据率/带宽/吞吐量 时延/时延带宽积/RTT/利用率 转载请注明文章来源 ...
- Educoder–Java高级特性(第一章)- IO流【笔记+参考代码】
Educoder–Java高级特性(第一章)- IO流[笔记+参考代码] 第一关 1.下列关于字节和字符的说法正确的是(BC) A.字节 = 字符 + 编码 B.字符 = 字节 + 编码 C.字节 = ...
- 在计算机领域中不常用到的数值是,第一章计算机应用基础..doc
第一章 计算机应用基础 一.选择题 1. 世界上第一台电子计算机是在_____年诞生的. A.1927 B. 1946 C.1936 D. 1952 2. _____ 不属于逻辑运算. A.非运算 B ...
- 第一章 天行健,君子以自强不息 ——第一章 程序点滴之读书笔记之一
"本书首先会试图告诉你什么是程序员?为什么要做这样的程序员(员 笔者加)?正确的入门方法是什么?程序员只有在理解了以上内容的基础上,才能进一步更快地提高自身技能,这时候再开始程序的设计.其实 ...
- 同济高等数学第一章之经典错误知识点笔记
第一章经典错误及笔记 1.函数 1.复合函数 2.反函数 3.初等函数 2.极限 1.数列的极限 1.定义 2.数列的有界性: 3.数列的保号性: 2.函数的极限 1.定义 2.函数的有界性: 3.函 ...
最新文章
- Xamarin环境搭建
- 素数定理π(n)~n/lnn弱化版证明
- 为备考二级C语言做的代码练习---辅导资料《C语言经典编程282例》--(1)
- Executors框架——5种常用的线程池介绍及区别
- mysql有没有num_mysql_num_rows()函数
- java8(2)函数式接口
- 创建动态链接库时设置导出函数的方法
- 数据库无响应(hang住)故障处理思路和方法
- 计算机二级vb语言题库百度云,全国计算机二级考试VB语言考试试题
- 服务器有些系统更新不能卸载,微软 Win10 更新 KB4577586 发布:永久删除 Adobe Flash Player,补丁无法卸载...
- 如何用python做比分网_使用python对历届世界杯进行数据分析
- 嵌入式实操----基于RT1170 首板硬件之CAN BUS TJA1043显示调试(十八)
- 在IE浏览器访问网址时显示证书错误,导航已阻止
- 7-12 求和:m+mm+mmm+mmmm+ ... +mmm……mmm(n个m)
- win10系统做T3服务器,win10如何安装用友t3_win10安装用友t3教程
- 腾讯 纸牌游戏 (排序)
- java 知网 语义 相似度,基于知网语义相似度的中文文本分类研究 论文笔记
- Pr 中英文版本切换批处理文件
- 推荐系统中的双塔模型
- c语言课程设计雪花飞舞,雪花飞舞--c语言课程设计.doc
热门文章
- jquery动画效果 animate() 自定义动画 stop() 停止运行动画 fadeIn()/fadeOut()/fadeTo() 淡入淡出
- 语音技术,应用的变迁
- vue 显示验证码 图片流
- python高职教师2019培训
- HTML期末大作业 : 一个简单的音乐网站设计与实现(HTML+CSS)
- 监控宝 mysql_监控宝服务性能监控配置(完整版)
- Oracle约束条件(详细)
- phpexcel-常用命令
- 文本相似度php,分析php计算文本字符串相似度函数similar_text()的原理
- 逻辑斯蒂回归原理及其概率计算