数值分析课件
数值分析全册完整课件
解： 将 ex2 作Taylor展开后再积分
1 eБайду номын сангаас x2 dx
1
(1
x2
x4
x6
x8
... ) dx
0
0
2 ! 3! 4!
1 1 1 1 1 1 1 1 ... 3 2! 5 3! 7 4! 9
S4
R4
取 1 e
x
2
dx
0
S4
,
则
R4
1 1 4! 9
1 1 5! 11
...
值班军官对连长: 根据营长的命令，明晚8点哈雷彗星将 在操场上空出现。如果下雨的话，就让士兵穿着野战服列 队前往礼堂，这一罕见的现象将在那里出现。
连长对排长: 根据营长的命令，明晚8点，非凡的哈雷彗 星将身穿野战服在礼堂中出现。如果操场上下雨，营长将 下达另一个命令，这种命令每隔76年才会出现一次。
1.由实际问题应用有关知识和数学理论建立模型， -----应用数学任务
2.由数学模型提出求解的数值计算方法直到编程出结果， -----计算数学任务
计算方法是计算数学的一个主要部分，研究的即是后半 部分，将理论与计算相结合。
特点:
面向计算机，提供切实可行的算法； 有可靠的理论分析，能达到精度要求，保证近
计算方法
数值分析全册完整课件
教材和参考书
教材：
数值分析，电子科技大学应用数学学院，钟尔杰， 黄廷祝主编，高等教育出版社
参考书：
数值方法（MATLAB版）（第三版），John H. Mathews,Kurtis D. Fink 著，电子工业出版社；
数值分析（第四版），李庆扬，王能超，易大义编，清华 大学出版社；
数值分析课件
第3章线性方程组的解法本章探讨大型线性方程组运算机求解的经常使用数值方式的构造和原理，要紧介绍在运算机上有效快速地求解线性方程组的有关知识和方式.重点论述Jacobi迭代法、Seidel迭代法、Guass消元法及LU分解法的原理、构造、收敛性等内容。
实际案例问题的描述与大体概念解线性方程组问题在线性代数中已有很优美的行列式解法，但对大型的线性方程组（阶数n>40）的求解问题利用价值并非大，因为其计算量太大。
实际问题中常常碰到自变量个数n都专门大的线性方程组求解问题，这些线性方程组要借助运算机的帮忙才能求出解。
n 个变元12,,,n x x x ⋯的线性方程组的一样形式为11112211211222221122n n n n m m mn n ma x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ （）式中，a ij 称为系数，b i 称为右端项，它们都是已知的常数。
若是有***1122,,,n nx x x x x x ===使方程组（）成立，那么称值***12,,,nx x x为线性方程组的（）的一组解。
本章在不作专门说明的情形下，要紧讨论m=n 的线性方程组11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩的求解问题，且假设它有唯一解。
线性方程组的矩阵表示Ax b =式中A称为系数矩阵，b称为右端项。
数值分析中，线性方程组的数值解法要紧分为直接法和迭代法两大类。
直接法是用有限次计算就能够求出线性方程组“准确解”的方式（不考虑舍入误差）；迭代法是由线性方程组构造出迭代计算公式，然后以一个猜想的向量作为迭代计算的初始向量慢慢迭代计算，来取得知足精度要求的近似解。
迭代法是一种逐次逼近的方式。
数值分析学习课件
对任意 u ≠ 0 ∈ R n +1 ，必有 Φ u ≠ 0 。 则 u T B u = u T Φ T Φ u =|| Φ u || 2 > 0 2 若不然， 若不然，则 存在唯一解 ⇒ B为正定阵，则非奇异，所以法方程组存在唯一解。 为正定阵，则非奇异，所以法方程组存在唯一 n +1 存在一个 u ≠ 0 ∈ R 使得 Φ u = 0 … 即
则 (ϕ i , ϕ j ) =
∫
1 0
x i x j dx =
1 i + j+1
Hilbert阵！ 阵
若能取函数族Φ={ ϕ0(x), ϕ1(x), … , ϕn(x), … }， ， 两两（ 使得任意一对ϕi(x)和ϕj(x)两两（带权）正交， 和 两两 带权）正交， 改进： 改进： 对角阵！ 就化为对角阵 则 B 就化为对角阵！ (ϕ k , y ) 这时直接可算出a 这时直接可算出 k = (ϕ k , ϕ k ) 正交多项式的构造： 正交多项式的构造： 多项式的构造 取为k 多项式，为简单起见， 将正交函数族中的ϕk 取为 阶多项式，为简单起见，可取 ϕk 的首项系数为 1 。
①
总体上尽可能小 尽可能小。 这时没必要取 P(xi) = yi , 而要使 P(xi) − yi 总体上尽可能小。 常见做法： 常见做法：
m
不可导， 不可导，求解困难
太复杂
使 max | P ( x i ) − y i | 最小 /* minimax problem */ 1≤ i ≤ m 使 ∑ | P ( x i ) − y i | 最小 使 ∑ | P ( x ) − y | 最小 /* Least-Squares method */ 定义 最佳平方逼近：即连续型 逼近，在 || f ||2 = 最佳平方逼近：即连续型L-S逼近 平方逼近 逼近，
数值分析课件
辛普森方法
一种基于矩形法思想的数值积分方法 ，适用于计算定积分。
自适应辛普森方法
一种基于辛普森方法和梯形法的自适 应数值积分方法，能够根据函数性质 自动选择合适的积分策略。
常微分方程的数值求解
01
欧拉方法
一种基于常微分方程初值 问题的数值求解方法，通 过逐步逼近的方式求解近 似解。
02
龙格-库塔方法
定积分是函数在区间上积分和的极限；不定积分是函数在 某个区间上的原函数。
02
应用领域
积分广泛应用于物理、工程、经济等领域，如求曲线下面 积、求解变速直线运动位移等。
03
数值计算方法
使用数值积分方法（如梯形法、辛普森法等）来近似计算 定积分和不定积分的值。这些方法将积分区间划分为若干 个小段，并使用已知的函数值和导数值来近似计算每个小 段的积分值，最后求和得到积分的近似值。
一种基于常微分方程初值 问题的数值求解方法，通 过构造龙格-库塔曲线来 逼近解。
03
阿达姆斯-图灵 方法
一种基于常微分方程初值 问题的数值求解方法，通 过构造阿达姆斯-图灵曲 线来逼近解。
04
自适应步长控制 方法
一种基于欧拉方法和龙格 -库塔方法的自适应步长 控制方法，能够根据误差 自动调整步长。
偏微分方程的数值求解
高斯消元法的步骤
1. 将方程组按照行进行排列，并将每个方程中的未知数 按照列排列。
2. 对于每个方程，选取一个未知数作为主元，并将其余 的未知数用主元表示。
3. 将主元所在的行与其他行进行交换，使得主元位于对 角线上。
4. 将主元所在的列中位于主元下方的元素消为0，从而得 到一个阶梯形矩阵。
线性方程组的解法
数值分析是一种工具，它可以帮助我 们更好地理解和解决实际问题，同时 也可以帮助我们更好地理解和应用数 学理论。
数值分析学习课件
§2.正交多项式
性质3. n次多项式 P (x)有n个互异实根，且全部(a, b)内。 n 性质4.设 P (x)的n个实根为x1 , x2 ,..., xn P + 1 (x) 的n+1 ，n n 个实根为 x1 , x2 ,..., xn1 ，则有
a x1 x1 x 2 x2 ...
{ j(x) = e kj x , ki kj } 对应指数多项式 /* exponential
polynomial */
§1.函数逼近的基本概念
定义 权函数：
①
离散型 /*discrete type */
根据一系列离散点 ( xi , yi ) (i 1, ... , n) 拟合时，在每一误
Pk(x)
kl kl
由 P0 1, P1 x 有递推 (k 1) Pk 1 (2k 1) xP kPk 1 k
k
0
1
2 3
P0 ( x) 1 P ( x) x 1
P2 ( x ) =
4
1 P3 ( x ) = (5 x3 - 3x) 2 1 P4 ( x ) = (35 x 4 - 30 x 2 + 3) 8
第三章
函数逼近
/* Approximation Theory */
第一讲
§1.函数逼近的基本概念
§2.正交多项式
§1.函数逼近的基本概念
已知 x1 … xm ; y1 … ym, 求一个简单易算的近 m 似函数 P(x) f(x) 使得 | P ( xi ) yi |2 最小。
i 1
已知 [a, b]上定义的 f(x)，求一个简单易算的 b 近似函数 P(x) 使得 a [ P( x) f ( x)]2 dx 最小。
数值分析ppt
例如：建立积分
1 xn
In
dx 0 x5
n 0,1, , 20
的递推关系式，研究它的误差传递。
解：由
In 5In1
1
xn
5xn1 dx
0 x5
1 xn1dx 1
0
n
和
I0
1 1 dx ln 6 ln 5 0 x5
可建立递推公式
1 In 5In1 n
n 1, 2, , 20
VIP专享文档下载特权自VIP生效起每月发放一次， 每次发放的特权有效期为1个月，发放数量由您购买 的VIP类型决定。
每月专享9次VIP专享文档下载特权， 自VIP生效起每月发放一次，持续有 效不清零。自动续费，前往我的账号 -我的设置随时取消。
服务特 权
共享文档下载特权
VIP用户有效期内可使用共享文档下载特权下载任意下载券标价的文档（不含付费文档和VIP专享文档），每下载一篇共享文
在四中误差中，模型误差和观测误差是客 观存在的，截断误差和舍入误差是由计算方法和 计算工具引起的，我们在研究数学问题的数值解 法时，主要是分析讨论计算方法的截断误差和舍 入误差。
例如 在计算机上计算级数
sin x x 1 x3 1 x5 1 x7 3! 5! 7!
取前三项计算 sin x 的近似值
e*( y) y*
( f )* x1
x1* y*
er*
(
x1)
(
f x2
)*
x2* y*
er*(x2 )
（2）
利用（1）、（2）两式，可以得到两数 和、差、积、商的绝对误差与相对误差传播 的估计式.
e* (x1 x2 ) e* (x1) e*(x2 )
数值分析-第一章ppt课件
数及其图形作出判断. 整理版课件
6
由分部积分法可得:
Ine101xndex
n=1,2,4,6, 8,10,15
e 1 x n ex|1 0 e 1 0 1 nn 1 x ex dx
1 nn 1 I (n 1 ,2 , ).
如果取 I0 = 1–e–1 = 0.63212056 (八位有效数字).
x1,2b
b24ac 2a
直接进行计算则得: x1=109, x2=0. 其中的x2=0明பைடு நூலகம்失真, 这也是由于舍入误差造成的.
整理版课件
8
§1 误差的来源
实际 问题
建立数 学模型
确定计 算方法
编程 上机
由抽象简 化产生的 模型误差 及参数的 观测误差
由计算方 法本身产 生的截断 误差或称 方法误差
er(x* )e(x x* )x xx*
同样, 由于精确值 x 经常是未知的, 所以, 需要另
外的近似表达形式. 我们注意如下公式的推导,
当
|
e ( x*) x*
|
较小时,
有
e(x* )e(x* )e(x*x )* (x)
x x*
xx*
[x*[ee((xx**))2]x] *1[e(exx(**x*)]2)
整理版课件
18
乘法相关的误差公式： 设 f (x1, x2)= x1 x2 . e ( x 1 x 2 ) x 2 e ( x 1 ) x 1 e ( x 2 ) e r ( x 1 x 2 ) e r ( x 1 ) e r ( x 2 ) |e ( x 1 x 2 ) | |e ( x 1 ) | |e ( x 2 ) | |e r ( x 1 x 2 ) | |e r ( x 1 ) | |e r ( x 2 ) |
数值分析全册完整课件
算法基本结构：顺序，分支，循环
算法描述：程序或流程图
常采用的处理方法：
构造性方法 离散化方法 递推化方法 迭代法 近似替代方法 以直代曲法 化整为零的处理方法 外推法
数学基础：
微积分的若干定理： 罗尔定理和微分中值定理； 介值定理及推论； 泰勒公式（一元、二元）； 积分中值定理；
设y=f(x)为一元函数，自变量准确值x*，对应函数准确 值y*=f(x*)，x误差为e(x)，误差限为ε(x)，函数近似值 误差e(y)，误差限为ε(y)。则（可由Taylor公式推得）
( y) | f '(x) | (x)
r
(
y)
|
xf |f
'(x) (x) |
|
r
(
x)
对于多元函数 z f (x1, x2 ,, xn )
定义1.1 设x*为某一数据的准确值，x为x*的一个近 似值，称e(x)=x-x*(近似值－准确值)为近似值x的绝对 误差，简称误差。
e(x) 可正可负，当e(x) >0时近似值偏大，叫强近似值；当e(x) <0时近似值偏小，叫弱近似值。
由于x*通常无法确定，只能估计其绝对误差值 不超过某整数ε(x)，即
设准确值
z* f (x1*, x2*,, xn* )
由多元函数Taylor公式，可得误差估计：
n
(z)
k 1
f xk
(xk )
相对误差限为：
r (z)
n k 1
xk
f xk
r (xk )
z
2. 算术运算的误差估计：
《数值分析教程》课件
一种适用于大规模计算的数值方法
详细描述
谱方法适用于大规模计算，通过将问题分解为较小的子问 题并利用多线程或分布式计算等技术进行并行计算，可以 有效地处理大规模的计算任务。
感谢您的观看
THANKS
具有简单、稳定和可靠的优点。
05
数值积分与微分
牛顿-莱布尼兹公式
要点一
总结词
牛顿-莱布尼兹公式是数值积分中的基本公式，用于计算定 积分。
要点二
详细描述
牛顿-莱布尼兹公式基于定积分的定义，通过选取一系列小 区间上的近似值，将定积分转化为一系列小矩形面积之和 ，从而实现了数值积分。
复化求积公式
总结词
算机实现各种算法，为各个领域的科学研究和技术开发提供了强有力的支持。
数值分析的应用领域
总结词
数值分析的应用领域非常广泛，包括科学计算、工程 、经济、金融、生物医学等。
详细描述
数值分析的应用领域非常广泛，几乎涵盖了所有的科学 和工程领域。在科学计算方面，数值分析用于模拟和预 测各种自然现象，如气候变化、生态系统和地球科学等 。在工程领域，数值分析用于解决各种复杂的工程问题 ，如航空航天、机械、土木和电子工程等。在经济和金 融领域，数值分析用于进行统计分析、预测和优化等。 在生物医学领域，数值分析用于图像处理、疾病诊断和 治疗等。总之，数值分析已经成为各个领域中不可或缺 的重要工具。
03
线性方程组的数值解法
高斯消去法
总结词
高斯消去法是一种直接求解线性方程组的方法，通过一系列 行变换将系数矩阵变为上三角矩阵，然后求解上三角方程组 得到解。
详细描述
高斯消去法的基本思想是将系数矩阵通过行变换化为上三角 矩阵，然后通过回带求解得到方程组的解。该方法具有较高 的稳定性和精度，适用于中小规模线性方程组的求解。
中科院数值分析课件
中科院数值分析课件目录1. 内容概括 (3)1.1 数值分析概述 (3)1.2 数值分析的重要性 (4)1.3 数值分析的常用方法 (5)2. 线性方程组的数值解法 (7)2.1 直接法 (8)2.1.1 高斯消元法 (9)2.1.2 齐次线性方程组的解 (10)2.1.3 非齐次线性方程组的解 (10)2.2 迭代法 (11)2.2.1 消元迭代法 (12)2.2.2 迭代加速方法 (12)3. 矩阵特征值与特征向量的计算 (14)3.1 特征值和特征向量的基本概念 (15)3.2 实对称矩阵的特征值与特征向量 (15)3.3 不可对角化矩阵的特征值与特征向量 (16)4. 线性方程组的求解 (18)4.1 稳定性分析 (19)4.2 误差分析 (20)4.3 稳定算法的选择与应用 (21)5. 矩阵运算的数值稳定性 (22)5.1 矩阵运算的数值误差 (24)5.2 矩阵运算的稳定性 (25)5.3 稳定性分析的方法 (26)6. 插值方法 (27)6.1 插值问题的基本概念 (29)6.2 插值多项式的构造 (30)6.2.1 线性插值 (31)6.2.2 二次插值 (31)6.2.3 高次插值 (32)6.3 插值误差分析 (33)7. 数值微分与数值积分 (33)7.1 数值微分 (35)7.1.1 有限差分法 (35)7.1.2 傅里叶级数法 (37)7.2 数值积分 (38)7.2.1 牛顿科特斯公式 (39)7.2.2 高斯积分法 (40)8. 常微分方程的数值解法 (40)8.1 基本概念 (41)8.2 常微分方程的初值问题 (42)8.2.1 一阶常微分方程的初值问题 (43)8.2.2 高阶常微分方程的初值问题 (44)8.3 常微分方程的边值问题 (44)9. 数值方法的应用 (45)9.1 科学计算中的应用 (46)9.2 工程计算中的应用 (48)9.3 经济计算中的应用 (49)10. 总结与展望 (50)10.1 数值分析的发展趋势 (51)10.2 数值分析的未来应用前景 (53)1. 内容概括本课件旨在为研究生和高年级本科生提供数值分析领域的最新知识与技术。
数值分析原理课件第一章
第一章 绪 论本章以误差为主线，介绍了计算方法课程的特点，并概略描述了与算法相关的基本概念，如收敛性、稳定性，其次给出了误差的度量方法以及误差的传播规律，最后，结合数值实验指出了算法设计时应注意的问题．§1.1 引 言计算方法以科学与工程等领域所建立的数学模型为求解对象，目的是在有限的时间段内利用有限的计算工具计算出模型的有效解答。
由于科学与工程问题的多样性和复杂性，所建立的数学模型也是各种各样的、复杂的. 复杂性表现在如下几个方面：求解系统的规模很大，多种因素之间的非线性耦合，海量的数据处理等等，这样就使得在其它课程中学到的分析求解方法因计算量庞大而不能得到计算结果，且更多的复杂数学模型没有分析求解方法． 这门课程则是针对从各种各样的数学模型中抽象出或转化出的典型问题，介绍有效的串行求解算法，它们包括(1)非线性方程的近似求解方法；(2)线性代数方程组的求解方法；(3)函数的插值近似和数据的拟合近似；(4)积分和微分的近似计算方法；(5)常微分方程初值问题的数值解法；(6)优化问题的近似解法；等等从如上内容可以看出，计算方法的显著特点之一是“近似”． 之所以要进行近似计算，这与我们使用的工具、追求的目标、以及参与计算的数据来源等因素有关．计算机只能处理有限数据，只能区分、存储有限信息，而实数包含有无穷多个数据，这样，当把原始数据、中间数据、以及最终计算结果用机器数表示时就不可避免的引入了误差，称之为舍入误差．我们需要在有限的时间段内得到运算结果，就需要将无穷的计算过程截断，从而产生截断误差． 如的计算是无穷过程，当用作为的 +++=!21!111e !1!21!111n e n ++++= e 近似时，则需要进行有限过程的计算，但产生了截断误差．e e n - 当用计算机计算时，因为舍入误差的存在，我们也只能得到的近似值，也就是n e n e *e 说最终用近似，该近似值既包含有舍入误差，也包含有截断误差．*e e 当参与计算的原始数据是从仪器中观测得来时，也不可避免得有观测误差．由于这些误差的大量存在，我们得到的只能是近似结果，进而对这些结果的“可靠性”进行分析就是必须的，它成为计算方法的第二个显著特点． 可靠性分析包括原问题的适定性和算法的收敛性、稳定性．所谓适定性问题是指解存在、惟一，且解对原始数据具有连续依赖性的问题． 对于非适定问题的求解，通常需要作特殊的预处理，然后才能做数值计算． 在这里，如无特殊说明，都是对适定的问题进行求解．对于给定的算法，若有限步内得不到精确解，则需研究其收敛性． 收敛性是研究当允许计算时间越来越长时，是否能够得到越来越可靠的结果，也就是研究截断误差是否能够趋于零．对于给定的算法，稳定性分析是指随着计算过程的逐步向前推进，研究观测误差、舍入对于同一类模型问题的求解算法可能不止一种，常希望从中选出高效可靠的求解算法． 如我国南宋时期著名的数学家秦九韶就提出求n 次多项式值0111a x a x a x a n n nn ++++-- 的如下快速算法；n a s =； k n a t -=t sx s +=),,2,1(n k =它通过n 次乘法和n 次加法就计算出了任意n 次多项式的值． 再如幂函数可以通过如下64x 快速算法计算出其值；x s =；循环6次s s s ⋅=如上算法仅用了6次乘法运算，就得到运算结果．算法最终需要在计算机上运行相应程序，才能得到结果，这样就要关注算法的时间复杂度(计算机运行程序所需时间的度量)、空间复杂度(程序、数据对存储空间需求的度量)和逻辑复杂度(关联程序的开发周期、可维护性以及可扩展性)． 事实上，每一种算法都有自己的局限性和优点，仅仅理论分析是很不够的，大量的实际计算也非常重要，结合理论分析以及相当的数值算例结果才有可能选择出适合自己关心问题的有效求解算法． 也正因如此，只有理论分析结合实际计算才能真正把握准算法．§1.2 误差的度量与传播一、误差的度量误差的度量方式有绝对误差、相对误差和有效数字．定义1.1 用作为量的近似，则称为近似值的绝对误差．*x x )(:**x e x x =-*x 由于量x 的真值通常未知，所以绝对误差不能依据定义求得，但根据测量工具或计算情况，可以估计出绝对误差绝对值的一个较小上界，即有ε (1.1)ε≤-=x x x e **)(称正数为近似值的绝对误差限，简称误差． 这样得到不等式ε*x εε+≤≤-**x x x 工程中常用ε±=*x x 表示近似值的精度或真值x 所在的范围．*x 误差是有量纲的，所以仅误差数值的大小不足以刻划近似的准确程度． 如量 (1.2)m m cm s μ50001230000005.023.15.0123±=±=±=为此，我们需要引入相对误差定义1.2 用作为量的近似，称为近似值的相对误差． 当0*≠x x )(:**x e xxx r =-*x 是x 的较好近似时，也可以用如下公式计算相对误差*x (1.3)***)(xx x x e r -= 显然，相对误差是一个无量纲量，它不随使用单位变化． 如式(1.2)中的量s 的近似，无论使用何种单位，它的相对误差都是同一个值．同样地，因为量x 的真值未知，我们需要引入近似值的相对误差限，它是相*x )(*x r ε对误差绝对值的较小上界． 结合式(1.1)和(1.3)，相对误差限可通过绝对误差限除以近似*x 值的绝对值得到，即(1.4)***)()(xx x r εε=为给出近似数的一种表示法，使之既能表示其大小，又能体现其精确程度，需引入有效数字以及有效数的概念．定义1.3 设量的近似值有如下标准形式x *x p n ma a a a x 21*.010⨯±= (1.5)()pm p n m n m m a a a a ----⨯++⨯++⨯+⨯±101010102211 ＝其中且，m 为近似值的量级． 如果使不等式}9,,1,0{}{1 ⊂=pi i a 01≠a (1.6)n m x x -⨯≤-1021*成立的最大整数为n ，则称近似值具有n 位有效数字，它们分别是、、… 和 ． *x 1a 2a n a 特别地，如果有，即最后一位数字也是有效数字，则称是有效数．p n =*x 从定义可以看出，近似数是有效数的充分必要条件是末位数字所在位置的单位一半是绝对误差限． 利用该定义也可以证明，对真值进行“四舍五入”得到的是有效数． 对于有效数，有效数字的位数等于从第一位非零数字开始算起，该近似数具有的位数． 注意，不能给有效数的末位之后随意添加零，否则就改变了它的精度．例1.1 设量，其近似值，，． 试回答这三个近π=x 141.3*1=x 142.3*2=x 722*3=x 似值分别有几位有效数字，它们是有效数吗？解 这三个近似值的量级，因为有1=m 312*110211021005.000059.0--⨯=⨯=≤=- x x 413*2102110210005.00004.0--⨯=⨯=≤=- x x571428571428.3*3=x 312*310211021005.0001.0--⨯=⨯=≤=- x x 所以和都有3位有效数字，但不是有效数． 具有4位有效数字，是有效数．*1x *3x *2x 二、误差的传播这里仅介绍初值误差传播，即假设自变量带有误差，函数值的计算不引入新的误差． 对于函数有近似值，利用在点处),,,(21n x x x f y =),,,(**2*1*n x x x f y =),,,(**2*1n x x x 的泰勒公式(Taylor Formula)，可以得到 )(),,,()(*1**2*1**i i ni n i x x x x xf y y y e -≈-=∑=(1.7))(),,,(*1**2*1i ni n i x e x x xf ∑== 其中，是的近似值，是的绝对误差． 式(1.7)表明函ii x f f ∂∂=:*i x i x )(*i x e *i x ),,2,1(n i =数值的绝对误差近似等于自变量绝对误差的线性组合，组合系数为相应的偏导数值． 从式(1.7)也可以推得如下函数值的相对误差传播近似计算公式 (1.8))(),,,()(***1**2*1*i r i ni ni r x e yx x x x f y e ∑=≈对于一元函数，从式(1.7)和(1.8)可得到如下初值误差传播近似计算公式)(x f y = (1.9))()()(***x e x f y e '≈ (1.10))()()(*****x e yx x f y e r r '≈式(1.9)表明，当导数值的绝对值很大时，即使自变量的绝对误差比较小，函数值的绝对误差也可能很大．例1.2 试建立函数的绝对误差(限)、相对误差n n x x x x x x f y +++== 2121),,,(的近似传播公式，以及时的相对误差限传播公式．{}ni i x 1*0=> 解 由公式(1.7)和(1.8)可分别推得和的绝对误差、相对误差传播公式如下(1.11)∑∑==≈ni i ini nix e x e x x xf y e 1**1**2*1*)()(),,,()(＝ (1.12)∑∑==≈ni i r i i r i ni ni r x e yx x e y x x x x f y e 1******1**2*1*)()(),,,()(＝ 进而有∑∑∑===≤≤≈ni i n i ini ix x e xe y e 1*1*1**)()()()(ε于是有和的绝对误差限近似传播公式 ∑=≈ni ixy 1**)()(εε当时，由式(1.3)推得相对误差限的近似传播公式{}ni i x 1*=>)(max )(max )(max )()()(*11***11***11****1**i r ni ni i ir n i ni i i r n i ni i r i ni ir x yx x yx x x y x yxy εεεεεε≤≤=≤≤=≤≤====≤=≈∑∑∑∑ 例1.3使用足够长且最小刻度为1mm 的尺子，量得某桌面长的近似值3.1304*=a mm ，宽的近似值mm (数据的最后一位均为估计值)． 试求桌子面积近似值的绝8.704*=b 对误差限和相对误差限．解 长和宽的近似值的最后一位都是估计位，尺子的最小刻度是毫米，故有误差限 mm ，mm 5.0)(*=a ε5.0)(*=b ε面积，由式(1.7)得到近似值的绝对误差近似为ab S =***b a S = )()()(*****b e a a e b S e +≈进而有绝对误差限 mm 255.10045.03.13045.08.704)()()(*****=⨯+⨯=+≈b a a b S εεε相对误差限 %11.00011.08.7043.130455.1004)()(***=≈⨯=≈S S S r εε§1.3 数值实验与算法性能比较本节通过几个简单算例说明解决同一个问题可以有不同的算法，但算法的性能并不完全相同，他们各自有自己的适用范围，并进而指出算法设计时应该注意的事项． 算例1.1 表达式，在计算过程中保留7位有效数字，研究对不同)1(1111+=+-x x x x 的x ，两种计算公式的计算精度的差异．说明1：Matlab 软件采用IEEE 规定的双精度浮点系统，即64位浮点系统，其中尾数占52位，阶码占10位，尾数以及阶码的符号各占1位． 机器数的相对误差限(机器精度)eps=2－52≈2.220446×10－16，能够表示的数的绝对值在区间(2.2250739×10－308，1.797693×10308)内，该区间内的数能够近似表达，但有舍入误差，能够保留至少15位有效数字． 其原理可参阅参考文献[2, 4]．分析算法1： 和算法2： 的误差时，精确解用双精111)(1+-=x x x y )1(1)(2+=x x x y 度的计算结果代替． 我们选取点集中的点作为x ，比较两种方法误差的差异．301}{=i i π 从图1.1可以看出，当x 不是很大时，两种算法的精度相当，但当x 很大时算法2的精度明显高于算法1． 这是因为，当x 很大时，和是相近数，用算法1进行计算时出x 111+x 现相近数相减，相同的有效数字相减后变成零，于是有效数字位数急剧减少，自然相对误差增大． 这一事实也可以从误差传播公式(1.12)分析出． 鉴于此，算法设计时，应该避免相近数相减．在图1.2中我们给出了当x 接近时，两种算法的精度比较，其中变量x 依次取为1-． 从图中可以看出两种方法的相对误差基本上都为，因而二者的精度相当．{}3011=--i iπ710-图1.1 算例1.1中两种算法的相对误差图（）+∞→x图1.2 算例1.1中两种算法的精度比较)1(-→x 算例1.2 试用不同位数的浮点数系统求解如下线性方程组⎩⎨⎧=+=+2321200001.02121x x x x 说明2：浮点数系统中的加减法在运算时，首先按较大的阶对齐，其次对尾数实施相应的加减法运算，最后规范化存入计算机．算法1 首先用第一个方程乘以适当的系数加至第二个方程，使得第二个方程的的系1x 数为零，这时可解出；其次将带入第一个方程，进而求得(在第三章中称该方法为高2x 2x 1x 斯消元法)． 当用4位和7位尾数的浮点运算实现该算法，分别记之为算法1a 和算法1b ． 算法 2 首先交换两个方程的位置，其次按算法1计算未知数 (第三章中称其为选主元的高斯消元法)． 当用4位和7位尾数的浮点运算实现该算法，分别记之为算法2a 和算法2b ．方程组的精确解为， ，用不同的算法计算出的...25000187.01=x ...49999874.02=x 结果见表1.1．表1.1 对算例1.2用不同算法的计算结果比较算例1.2*1x )(*1x r ε*2x )(*2x r ε算法1a 0.00000.10×1010.50000.25×10－7算法2a 0.25000.75×10－70.50000.25×10－7算法1b 0.26000000.40×10－10.49999870.10×10－6算法2b0.25000200.50×10－80.50000000.25×10－7对于算例1.2，表中的数据表明，当用4位尾数计算时，算法1给出错误的结果，算法2则给出解很好的近似． 这是因为在实现算法1时，需要给第一个方程乘以加00001.0/2－至第二个方程，从而削去第二个方程中的系数，但在计算的系数时需做如下运算1x 2x(1.13)661610000003.0104.0103.0104.03200001.02⨯⨯⨯⨯=+⨯＋＝－＋－－对上式用4位尾数进行计算，其结果为． 因为舍入误差，给相对较大的数加以6104.0⨯－相对较小的数时，出现大数“吃掉”小数的现象． 计算右端项时，需做如下运算(1.14)661610000002.0102.0102.0102.02100001.02⨯⨯⨯⨯=+⨯＋＝－＋－－同样出现了大数吃小数现象，其结果为． 这样，得到的变形方程组6102.0⨯－⎩⎨⎧⨯-=⨯-⨯=⨯+⨯62612114102.0104.0101.0102.0101.0x x x 中没有原方程组中第二个方程的信息，因而其解远偏离于原方程组的解． 该算法中之所以出现较大数的原因是因为运算，因而算法设计中尽可能避免用绝对值较大的数00001.0/2－除以绝对值较小的数． 其实当分子的量级远远大于分母的量级时，除法运算还会导致溢出，计算机终止运行．虽从单纯的一步计算来看，大数吃掉小数，只是精度有所损失，但多次的大数吃小数，累计起来可能带来巨大的误差，甚至导致错误． 例如在算法1a 中出现了两次大数吃小数现象，带来严重的后果． 因而尽可能避免大数吃小数的出现在算法设计中也是非常必要的． 当用较多的尾数位数进行计算，舍入误差减小，算法1和2的结果都有所改善，算法1的改进幅度更大些．算例1.3 计算积分有递推公式，已知⎰+=1055dx x x I n ),2,1(511 =-=-n I nI n n ． 采用IEEE 双精度浮点数，分别用如下两种算法计算的近似值．56ln 0=I 30I算法1 取的近似值为，按递推公式计算0I 6793950.18232155*0=I *1*51--=n n I nI *30I 算法2 因为，取的近似值为)139(5156)139(611039103939+⨯=<<=+⨯⎰⎰dx x I dx x 39I ，按递推公式计算3333330.004583332001240121*39≈⎪⎭⎫ ⎝⎛+=I ⎪⎭⎫ ⎝⎛-=-**1151n n I n I *30I 算法1和算法2 的计算结果见表1.2． 误差绝对值的对数图见图1.3．表1.2 算例1.3的计算结果算法1算法2n *nI n n I I -*n *nI nn I I -*18.8392e-002 1.9429e-01639 4.5833e-0033.9959e-0042 5.8039e-0029.8532e-016384.2115e-0037.9919e-0053 4.3139e-002 4.9197e-01537 4.4209e-003 1.5984e-0054 3.4306e-002 2.4605e-01436 4.5212e-003 3.1967e-0065 2.8468e-002 1.2304e-01335 4.6513e-003 6.3935e-0076 2.4325e-002 6.1520e-01334 4.7840e-003 1.2787e-007………33 4.9255e-003 2.5574e-00825 1.1740e+001 1.1734e+00132 5.0755e-003 5.1148e-00926-5.8664e+001 5.8670e+00131 5.2349e-003 1.0230e-00927 2.9336e+002 2.9335e+002 305.4046e-003 2.0459e-01028-1.4667e+003 1.4668e+003 297.3338e+0037.3338e+003 30-3.6669e+004 3.6669e+004图1.3 算例1.3用不同算法计算结果的误差绝对值的对数图从表1.2中的计算结果可以看出，算法1随着计算过程的推进，绝对误差几乎不断地以5的倍数增长，即有0*02*221*1*555I I I I I I I I n n n n n n n -≈≈-≈-≈----- 成立． 对于逐步向前推进的算法，若随着过程的进行，相对误差在不断增长，导致产生不可靠的结果，这种算法称之为数值不稳定的算法． 对于算法1绝对误差按5的幂次增长，但真值的绝对值却在不断变小且小于1，相对误差增长的速度快于5的幂次，导致产生错误的结果，因而算法1数值不稳定，不能使用． 而算法2随着计算过程的推进，绝对误差几乎不断地缩小为上一步的1/5，即有m m n m n n n n n n n I I I I I I I I 5/5/5/*22*21*1*++++++-≈≈-≈-≈- 成立． 绝对误差不断变小，真值的绝对值随着过程向前推进却在变大，这样相对误差也越来越小，这样的方法称之为数值稳定的算法． 算法1和算法2的误差对数示意图见图1.3． 这个算例告诉我们应该选用数值稳定的算法．知识结构图⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧⎪⎩⎪⎨⎧⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧⎩⎨⎧⎪⎩⎪⎨⎧⎩⎨⎧算法设计要点数值方法的稳定性数值方法的收敛性算法多元函数一元函数传播有效数字相对误差（限）绝对误差（限）度量截断误差舍入误差误差的产生误差误差与算法习题一1 已知有效数，，． 试给出各个近似值的绝对误105.3*1-=x 4*210125.0⨯=x 010.0*3=x 差限和相对误差限，并指出它们各有几位有效数字．2 证明当近似值是x 的较好近似时，计算相对误差的计算公式和相差一个*x x x x -***xxx -和同阶的无穷小量．2*⎪⎪⎭⎫⎝⎛-x x x 3 设x 的近似值具有如式(1.5)的表示形式，试证明*x 1)若具有n 位有效数字，则相对误差；*x n r a x e -⨯≤11*1021)(2)若相对误差，则至少具有n 位有效数字．n r a x e -⨯+≤11*10)1(21)(*x 4 试建立二元算术运算的绝对误差限传播近似计算公式．5 试建立如下表达式的相对误差限近似传播公式，并针对第1题中数据，求下列各近似值的相对误差限．1) ； 2) ； 3) *3*2*1*1x x x y +=3*2*2x y =*3*2*3/x x y =6若例题1.3中使用的尺子长度是80mm ，最小刻度为1mm ，量得某桌面长的近似值mm ，宽的近似值mm ． 试估计桌子长度、宽度的绝对误差限，并3.1304*=a 8.704*=b 求用该近似数据计算出的桌子面积的绝对误差限和相对误差限．7 改变如下计算公式，使其计算结果更为精确．1) 且0,cos 1≠-x xx1<<x 2)1,1ln )1ln()1(ln 1>>--++=⎰+N N N N N xdx N N3) 1,133>>-+x x x 8 (数值试验)试通过分析和数值试验两种手段，比较如下三种计算近似值算法的可靠性．1-e 算法1 ；∑=--≈mn nn e 01!)1( 算法2 ；101!1-=-⎪⎭⎫ ⎝⎛≈∑m n n e算法3 ；101)!(1-=-⎪⎪⎭⎫ ⎝⎛-≈∑m n n m e9 (数值试验)设某应用问题归结为如下递推计算公式 ，，72.280=y 251-=-n n y y,2,1=n 在计算时取为具有5位有效数字的有效数． 试分析近似计算公式的2*c **1*5c y y n n -=-绝对误差传播以及相对误差传播情况，并通过数值实验验证 (准确值可以用IEEE 双精度浮点运算结果代替)，该算法可靠可用吗？。
《数值分析》》课件
遗传算法
模拟生物进化过程的搜索算法，通过优胜略汰 的方式找到最优解。
模拟退火法
模拟金属退火过程的搜索算法，通过随机性和 温度控制来逼近最优解。
粒子群优化
模拟粒子群行为的算法，通过粒子之间的合作 和个体经验找到最优解。
截断误差
使用有限项进行级数展开时未考虑所有无穷项导致的误差。
舍入误差
由于数学运算符的近似计算和截取，导致了计算结果与真实结果之间的差距。
插值和拟合方法
插值和拟合方法是数值分析中常用的技术，用于根据已知数据点推导出未知数据点的值或找到拟合曲线或曲面。
插值方法
利用已知数据点之间的关系推导出处于数据点之间 位置的值。
2 物理学
求解量子力学方程、天体力学模拟和粒子物 理实验结果分析。
3 金融
风险评估、期权定价和投资组合优化。
4 医学
数值模拟手术、疾病预测和药物研发。
数值分析的历史和趋势
数值分析起源于古代文明对数学问题的解决方案。如今，随着计算机技术进步，数值分析在各个领域的 应用呈指数级增长。
1
古代
古埃及的巴比伦人使用分段直线插值法求解方程。
《数值分析》PPT课件
本课程介绍《数值分析》的学习目标，定义和应用领域。深入探讨数值分析 的历史、发展和误差分析。了解插值和拟合方法，数值微积分和数值积分。
数值分析的应用价值
数值分析在工程、物理学、金融等领域扮演着重要角色。通过数值模拟和优化算法，我们能够解决复杂问题并 做出准确的预测。
1 工程
计算结构力学、流体力学和电磁场分析，优 化设计和仿真。
2
20世纪
计算机的发明使数值分析成为可能，并发展了更高精度和快速的算法。
数值分析课件第一章
Pn ( x) an x n an1x n1 a1x a0 .
秦九韶算法：
S n an , S k xS k 1 ak , (k n-1,,0) P ( x) S . n 0
例： x 3.1415926 , 取三位 取五位 1 * * x3 3.14, | e3 | 0.0015926 0.005 10 2 , 2 1 * * x5 3.1416 | e5 | 0.0000073 0.00005 10 4 . , 2
I 0 1 e1.
* I 9 0.0684, I 0 0.6321, ( A) I n 1 nI n1, n 1,2,. ( B) * * I n1 1 (1 I n ), n 9,8,,1. n 1 1 e1 ( I 9 ( ) 0.0684) 2 10 10
* *
§3 误差定性分析、避免误差危害
一、算法的数值稳定性
定义3 一个算法若输入数据有 误差, 而在计算过程中舍入 误差不增长, 则称此算法是数值稳定 的, 否则是不稳定的.
例5
1 1 n x 计算I n e x e dx, n 0,1,, 0
并估计误差.
I n 1 nI n1 , n 1,2,,
数值分析
数学学院 李胜坤
第1章
一、什么是数值分析
引论
§1 数值分析的研究对象与特点
数值分析是计算数学的一个主要部分,计算数学是数 学科学的一个分支,它研究用计算机求解各种数学问题 的数值计算方法及其理论与软件实现. 步骤：实际问题→数学模型→数值计算方法 →程序设计→上机计算求出结果
数值分析课件-第02章插值法
目录
• 插值法基本概念与原理 • 拉格朗日插值法 • 牛顿插值法 • 分段插值法 • 样条插值法 • 多元函数插值法简介
01 插值法基本概念与原理
插值法定义及作用
插值法定义
插值法是一种数学方法，用于通过已知的一系列数据点，构造一个新的函数， 使得该函数在已知点上取值与给定数据点相符，并可以用来估计未知点的函数 值。
06 多元函数插值法简介
二元函数插值基本概念和方法
插值定义
通过已知离散数据点构造一个连 续函数，使得该函数在已知点处
取值与给定数据相符。
插值方法分类
根据构造插值函数的方式不同， 可分为多项式插值、分段插值、
样条插值等。
二元函数插值
针对二元函数，在平面上给定一 组离散点，构造一个二元函数通 过这些点，并满足一定的光滑性
差商性质分析
分析差商的性质，如差商 的对称性、差商的差分表 示等，以便更好地理解和 应用差商。
差商与导数关系
探讨差商与原函数导数之 间的关系，以及如何利用 差商近似计算导数。
牛顿插值法优缺点比较
构造简单
牛顿插值多项式构造过程相对简 单，易于理解和实现。
差商可重用
对于新增的插值节点，只需计算 新增节点处的差商，原有差商可 重用，节省了计算量。
要求。
多元函数插值方法举例
多项式插值
分段插值
样条插值
利用多项式作为插值函数，通 过已知点构造多项式，使得多 项式在已知点处取值与给定数 据相符。该方法简单直观，但 高阶多项式可能导致Runge现 象。
将整个定义域划分为若干个子 区间，在每个子区间上分别构 造插值函数。该方法可以避免 高阶多项式插值的Runge现象 ，但可能导致分段点处的不连 续性。
数值分析全套课件
Ln n si n
ˆ L2n (4L2n Ln ) / 3
n L error 192 3.1414524 1.4e-004 384 3.1415576 3.5e-005 3.1415926 4.6e-010
3/16
通信卫星覆盖地球面积
将地球考虑成一 个球体, 设R为地 球半径,h为卫星 高度,D为覆盖面 在切痕平面上的 投影(积分区域)
( x1 x2 ) | x1 | ( x2 ) | x2 | ( x1 )
15/16
例3.二次方程 x2 – 16 x + 1 = 0, 取
求 x1 8 63 使具有4位有效数
63 7.937
解:直接计算 x1≈8 – 7.937 = 0.063
( x1 ) (8) (7.937) 0.0005
5/16
误差的有关概念
假设某一数据的准确值为 x*,其近似值 为 x，则称
e(x)= x - x*
为 x 的绝对误差 而称
e( x) x x er ( x ) , x x
*
( x 0)
为 x 的相对误差
6/16
如果存在一个适当小的正数ε
，使得
e( x) x x
计算出的x1 具有两位有效数
1 0.062747 修改算法 x1 8 63 15.937 4位有效数 (15.937) 0.0005 ( x1 ) 0.000005 2 2 (15.937) (15.937)
16/16
1
参考文献
[1]李庆扬 关治 白峰杉, 数值计算原理(清华) [2]蔡大用 白峰杉, 现代科学计算 [3]蔡大用, 数值分析与实验学习指导 [4]孙志忠,计算方法典型例题分析 [5]车刚明等, 数值分析典型题解析(西北工大) [6]David Kincaid,数值分析(第三版) [7] John H. Mathews,数值方法(MATLAB版)
数值分析第一章PPT课件
= f ’( )(x* x)
x* 与 x 非常接近时，可认为 f ’( ) f ’(x*) ，则有：
|e*(y)| | f ’(x*)|·|e*(x)|
即：x*产生的误差经过 f 作用后被放大/缩小了| f ’(x*)| 倍。故称| f ’(x*)|为放大因子 /* amplification factor */ 或 绝对条件数 /* absolute condition number */.
r* (x ) ln x * r* (y )
11 0n1lnx*0.1% 2a1
n4
.
10
1.3 避免误差危害的若干原则
算法的数值稳定性
用一个算法进行计算，如果初始数据误差在计算中 传播使计算结果的误差增长很快，这个算法就是数值不 稳定的.
.
11
1.3 避免误差危害的若干原则
病态问题与条件数
Cp
x f (x) f (x)
x nxn1 xn
n,
它表示相对误差可能放大 n倍.
如 n10，有 f(1 ) 1 ,f(1 .0)2 1 .2，4 若取 x 1, x*1.02, 自变量相对误差为 2% ，函数值相对误差为 24%， 这时问题可以认为是病态的.
一般情况下,条件数
Cp
10就认为是病态，
εr*21 a11 0n10.0 0% 1
已知 a1 = 3，则从以上不等式可解得 n > 6 log6，即
n 6，应取 * = 3.14159。
.
8
1.2 数值计算的误差
问题：对于y = f (x)，若用x* 取代x，将对y 产生什么影响？
分析：e*(y) = f (x*) f (x)
e*(x) = x* x
《数值分析》ppt课件
7.
er
a b
er
(a)
er
(b)
30
例4
ε(p)
设有三个近似数
p ≈ 6.6332
≈0.02585
a=2.31,b=1.93,c=2.24
它们都有三位有效数字，试计算p=a+bc，e ( p)和e r ( p) 并问：p的计算结果能有几位有效数字？
2位
例5
设f (x, y) cos y , x 1.30 0.005, y 0.871 0.0005. x
er
e x
x x x
.
由于精确值 x 未知, 实际上总把
e x
作为x*的
相对误差，并且仍记为er , 即
er
e x
.
❖定义 近似值 x* 的相对误差上限(界) (relative accuracy)
εr
|
ε x
|.
注:相对误差一般用百分比表示.
17
例1 用最小刻度为毫米的卡尺测量直杆甲和直杆
注:理论上讲,e 是唯一确定的, 可能取正, 也可能取负.
e > 0 不唯一，当然 e 越小越具有参考价值。
15
提问：绝对误差限的大小能否完全地 表示近似值的好坏？ 例如：有两个量
x 10 1 , y 1000 5
思考
问：谁的近似程度要好一些？
16
❖定义 近似值 x* 的相对误差 (relative error)
a 2.18
e r(b) e (b) 0.00005 0.0024%
b 2.1200
19
➢有效数字 ( significant digits)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
? 例如
y ? 5x ? 6 ? sin x8, 0 ? x ? 10?6
是实际问题的解，而若数学模型的解是 y ? 5x ? 6, 0 ? x ? 10?6 ,
由此产生的误差叫作模型误差。
?观测误差
? 数学模型中包含某些变量，如时间、长度、电压 等，它们一般是通过观测来获得。由于观测得到 的数据与实际数据之间有误差，这种误差叫 观测 误差。
§1.2 误差知识与算法知识
1.2.1 误差的来源与分类
在工程技术的计算中，估计计算结 果的精确度是十分重要的工作，而影响 精确度的是各种各样的误差。误差的来 源是复杂的，但主要有以下四种：
? 从实际问题中抽象出数学模型
—— 模型误差 ( Modeling Error )
? 通过测量得到模型中参数的值
1、采用“构造性”方法； 2、采用“离散化”方法； 3、采用“递推化”方法； 4、采用“近似代替”方法等等。
? 研究内容
? 线性方程组的数值解 ? 矩阵特征值与特征向量计算 ? 非线性方程的数值解 ? 数值逼近 ? 数值积分 ? 常微、偏微的数值解
? 研究方法
? 理论分析 ? 算法分析 ? 误差分析 ? 收敛性分析 ? 收敛速度
dx ?
? 取
1
e
?
x
2
dx
0
?
S4
,
S4
R4 ( Remainder )
则
R4
?
1 ?
4!
19由? 留51!下? 1部11 ?分?
称为截断误差
( Truncation Error ).
( included terms )
这里
R4
?
1 ? 1引?起0 .005
4! 9
由截去部分
11 1
( excluded terms )
提问：数值分析是做什么用的？
实际问题
构造数 学模型
上机计算 求出结果
程序设计
选择数值 计算方法
?任务：数值分析的任务是提供在计算 机上实际可行的，有可靠理论分析、 计算复杂性好的各种数值计算方法。 ?特点：数值分析是与计算机及其它科 学有密切关系的数学课程，因此它即 具有纯数学的高度抽象性与严密科学 性的特点，同时又具有应用广泛性与 数值试验的高度技术性，除此之外， 它还有以下几个基本特点：
?截断误差
? 求解数学模型所用的数值计算方法，如果是一种 近似的方法，只能得到模型的近似解，由此产生 的误差称为 截断误差 或方法误差。
?舍入误差
? 由于计算机的字长有限，参加运算的数据及其 运算结果在计算机中存放会产生误差。这种误 差叫舍入误差或计算误差。
? 例如 在 16 位微机上计算，单精度实数存放仅有 7 位有效数字。在其上运算，会有 1 ? 3 ? 0.333 333 3, (1.000 002) 2 ? 1.000 004 ? 0, 后者的准确结果是 4 ? 10?12。
(Error and Significant Digits ) ? 定义 绝对误差 (absolute error)
e ? x ? x?
其中 x 为精确值， x* 为 x 的近似值。 |e|的上
界记为 e , 称为绝对误差限 (accuracy) ,工程上常记
为 x = x* ± e .
? 例如： 1 e ? x 2 dx ? 0.743 ? 0.006 0
—— 观测误差 ( Measurement Error )
? 求近似解 —— 方法误差 (截断误差 ( Truncation Error ) )
? 机器字长有限 —— 舍入误差 ( Roundoff Error )
?模型误差
? 处理实际问题时，要建立数学模型，通常模型只 是近似的。由此产生的 数学模型解 与实际问题的 解 之间的误差叫 模型误差 。
数值分析
理学院
刘秀娟
第1章 绪论
§1.1 数值分析的研究对象
提问：数值分析是做什么用的？
? 数值分析是近代数学的一个重要分支，它是研究 各种数学问题的 数值解法，包括方法的构造和求 解过程的理论分析。
? 在电子计算机成为数值计算的主要工具之后，则 要求研究适合于计算机使用的数值计算方法，为 了更好地说明数值分析的研究对象，我们考察用 计算机解决科学计算问题时经历的几个过程：
乙，分别读出长度为 a=312mm 和 b=24mm ，
问：e(a)，e(b)，e r(a)，er(b)各是多少？两直杆的
实际长度 x 和 y 在什么范围内？
解： e (a) ? e (b) ? 0.5m m , e r(a) ? e (a) ? 0.5 ? 0.16%,
a 312
e r(b) ? e (b) ? 0.5 ? 2.08%,
S4 ? 1?
? 3
10
?
42
? 1 ? 0 .333
? 0 .1 ? 0 .024
? 引0 .起743
| 舍入误差 ( Roundoff Error ) | ? 0.00x
2
dx
的总体误差
0
? 0.005 ? 0 .001 ? 0 .006
1.2.2 绝对误差、相对误差与有效数字
注:理论上讲,e 是唯一确定的, 可能取正, 也可能取负.
e > 0 不唯一，当然 e 越小越具有参考价值。
提问：绝对误差限的大小能否完全地 表示近似值的好坏？
? 例如： 有两个量
x ? 10 ? 1 , y ? 1000 ? 5
思考
问：谁的近似程度要好一些？
?定义 近似值 x* 的相对误差 (relative error)
er
?
e x
?
x ? x? . x
?由于精确值 x 未知, 实际上总把
e x?
作为 x *的
相对误差，并且仍记为 er , 即
er ?
e x? .
?定义 近似值 x* 的相对误差上限 (界) (relative accuracy)
εr
?
|
ε x?
|.
注: 相对误差一般用百分比表示 .
例1 用最小刻度为毫米的卡尺测量直杆甲和直杆
? 例 :近似计算 1 e ? x 2 dx = 0.747… … 0
? 解法之?01 一e ? 大：x 2 d家x将一1??e1/??起xe01?2作(猜113?T?？?axy212l!o??r01展125xe4!??开?x321后!dx3?x!6再71? 积?x?4!分481!?1? ?19
) ?
b 24 311 .5m m ? x ? 312 .5m m, 23.5m m ? y ? 24.5m m