数值计算方法第2章
数值计算1-5章
数值计算1-5章数值计算⽅法第1章绪论1.1数值计算⽅法的研究对象和特点数值计算⽅法也称数值分析，它研究⽤计算机求解各种数学问题的数值⽅法及其理论。
数学学科内容⼗分⼴泛，数值计算⽅法属于计算数学的范畴，这⾥只涉及科学和⼯程计算中常见的数学问题，如函数的插值、逼近、离散数据的拟合、数值积分与数值微分、线性和⾮线性⽅程数值解法和矩阵特征值问题数值解法和微分⽅程数值解法等.由于计算机科学与技术的迅速发展，数值计算⽅法的应⽤已经普遍深⼊到各个科学领域，很多复杂和⼤规模的计算问题都可以在计算机上进⾏计算，新的、有效的数值⽅法不断出现.现在，科学与⼯程中的数值计算已经成为各门⾃然科学和⼯程技术科学研究的⼀种重要⼿段，成为与实验和理论并列的⼀个不可缺少的环节.所以，数值计算⽅法既是⼀个基础性的，同时也是⼀个应⽤性的数学学科分⽀，与其他学科的联系⼗分紧密.⽤数值⽅法求解数学问题⾸先要构造算法，即由运算规则（包括算术运算、逻辑运算和运算顺序）构成的完整的解题过程.同⼀个数学问题可能有多种数值计算⽅法，但不⼀定都有效.评价⼀个算法的好坏主要有两条标准：计算结果的精度和得到结果所付出的代价.我们⾃然应该选择代价⼩⼜能满⾜精度要求的算法.计算代价也称为计算复杂性，包括时间复杂性和空间复杂性.时间复杂性好是指节省时间，主要由运算次数决定.空间复杂性好是指节省存储量，主要由使⽤的数据量决定.⽤计算机求数学问题的数值解不是简单地构造算法，它涉及多⽅⾯的理论问题，例如，算法的收敛性和稳定性等.除理论分析外，⼀个数值⽅法是否有效，最终要通过⼤量的数值实验来检验.数值计算⽅法具有理论性、实⽤性和实践性都很强的特点.作为数值计算⽅法的基础知识，本课程不可能⾯⾯俱到.除构造算法外，各章根据内容⾃⾝的特点，讨论的问题有所侧重.学习时我们⾸先要注意掌握⽅法的基本原理和思想，要注意⽅法处理的技巧及其与计算机的结合，要重视误差分析、收敛性和稳定性的基本理论.其次，要通过例⼦，学习使⽤各种数值⽅法解决实际计算问题，熟悉数值⽅法的计算过程.最后，为了掌握本课程的内容，还应做⼀定数量的理论分析与计算练习.1.2数值计算的误差1.2.1误差的来源应⽤数学⼯具解决实际问题，⾸先，要对被描述的实际问题进⾏抽象、简化，得到实际问题的数学模型.数学模型与实际问题之间会出现的误差，我们称之为模型误差.在数学模型中，通常要包含⼀些由观测数据确定的参数.数学模型中⼀些参数观测结果⼀般不是绝对准确的.我们把观测模型参数值产⽣的误差称为观测误差.例如，设⼀根铝棒在温度t时的实际长度为Lt,在t=0时的实际长度为L0，⽤lt来表⽰铝棒在温度为t时的长度计算值，并建⽴⼀个数学模型l t =L(1+at), a≈0.0000238/℃,其中a是由实验观测得到的常数，a∈[0.0000237,0.0000239],则称Lt -lt为模型误差，a-0.0000238是a 的观测误差.在解实际问题时，数学模型往往很复杂，因⽽不易获得分析解，这就需要建⽴⼀套⾏之有效的近似⽅法和数值⽅法.我们可能⽤容易计算的问题代替不易计算的问题⽽产⽣误差，也可能⽤有限的过程代替⽆限的过程⽽产⽣误差.我们将模型的准确解与⽤数值⽅法求得的准确解之间的误差称为截断误差或⽅法误差.例如，对函数()()35721sin 13!5!7!21!n x x x xn x x n +=-+-+++-+,该式右边有⽆限多项，计算机上⽆法计算.然⽽，根据微积分学中的泰勒（Taylor ）定理，当|x |较⼩时，我们若⽤前3项作为sin x 的近似值，则截断误差的绝对值不超过77!x .⽤计算机做数值计算时，⼀般也不能获得数值计算公式的准确解，需要对原始数据、中间结果和最终结果取有限位数字.我们将计算过程中取有限位数字进⾏运算⽽引起的误差称为舍⼊误差.例如，13=0.33333…,如果我们取⼩数点后4位数字，则13-0.3333=0.000033…就是舍⼊误差.在数值分析中，除了研究数学问题的算法外，还要研究计算结果的误差是否满⾜精度要求，这就是误差估计问题.在数值计算⽅法中，主要讨论的是截断误差和舍⼊误差.1.2.2 误差与有效数字定义1.1 设x 是某实数的精确值，A x 是它的⼀个近似值，则称x -A x 为近似值A x 的绝对误差，或简称误差.Ax x x-称为x A 的相对误差.当x =0时，相对误差没有意义.在实际计算中，精确值x 往往是不知道的，所以通常把AAx x x -作为A x 的相对误差.定义1.2 设x 是某实值的精确值，A x 是它的⼀个近似值，并可对A x 的绝对误差作估计|x -A x |?A ε，则称εA 是A x 的绝对误差界,或简称误差界.称AAx ε是A x 的相对误差界.例 1.1 我们知道π=3.1415926…,若取近似值πA =3.14,则π-πA =0.0015926…,可以估计绝对误差界为0.002，相对误差界为0.0006.例 1.2 测量⼀⽊板长是954 cm,问测量的相对误差界是多⼤？解因为实际问题中所截取的近似数，其绝对误差界⼀般不超过最⼩刻度的半个单位，所以当x =954 cm 时，有A ε=0.5 cm ，其相对误差界为0.50.00052410.053%954AAx ε==< .定义1.3 设A x 是x 的⼀个近似值，将A x 写成12100.,k A i x a a a =±? , (1.1) 它可以是有限或⽆限⼩数的形式，其中i a (i =1,2,…)是0，1，…，9中的⼀个数字，1a ≠0,k 为整数.如果|x －A x |?0.5×10k n -,则称A x 为x 的具有n 位有效数字的近似值.可见，若近似值A x 的误差界是某⼀位的半个单位，该位到A x 的第⼀位⾮零数字共有n 位,则A x 有n 位有效数字.通常在x 的准确值已知的情况下，若要取有限位数的数字作为近似值，就采⽤四舍五⼊的原则，不难验证，采⽤四舍五⼊得到的近似值，其绝对误差界可以取为被保留的最后数位上的半个单位.例如|π－3.14|?0.5×210-, |π－3.142|?0.5×310-.按定义，3.14和3.142分别是具有3位和4位有效数字的近似值.显然，近似值的有效数字位数越多，相对误差界就越⼩，反之也对.下⾯，我们给出相对误差界与有效数字的关系.定理1.1 设x 的近似值A x 有(1.1)式的表达式. (1) 如果A x 有n 位有效数字,则 111×102A nAx x x a --≤; (1.2)(2) 如果()111×1021A nAx x x a --≤+, (1.3)则A x ⾄少具有n 位有效数字.证由(1.1)式可得到()111--?+≤≤?k A k a x a . (1.4)所以，当A x 有n 位有效数字时11110.5101×10,×102k nA nk Ax x x a a ----?≤=即(1.2)式得证.由(1.3)式和(1.4)式有()()nk nk AAA A a a x x x x x x ---?=?+?+≤-=-105.0101211011111,即说明A x 有n 位有效数字，(2)得证.例1.30.1%,应取⼏位有效数字？解由于因此1a =4,设有n 位有效数字，则由(1.2)式，可令11110a -?≤,即410n -?18,得n ?4.故只要对4位有效数字，其相对误差就可⼩于0.1%,4.472.例1.4 已知近似数A x 的相对误差界为0.3%，问A x ⾄少有⼏位有效数字？解设A x 有n 位有效数字，由于A x 的第⼀个有效数1a 没有具体给定，⽽我们知道1a ⼀定是1,2,…,9中的⼀个，由于()12311101000210291A Ax x x --≤<=+,故由(1.3)式知n=2,即A x ⾄少有2位有效数字.1.2.3 函数求值的误差估计对⼀元函数ｆ(x )，⾃变量x 的⼀个近似值为A x ，以ｆ(A x )近似ｆ(x )，其误差界记作ε(ｆ(A x )).若ｆ(x )具有⼆阶连续导数，ｆ′(A x )与ｆ″(A x )的⽐值不太⼤，则可忽略|x -A x |的⼆次项，由Taylor 展开式得到ｆ(A x )的⼀个近似误差界ε(ｆ(A x ))≈|ｆ′(A x )|ε(A x ).对n 元函数ｆ(x 1,x 2,…,x n )，⾃变量x 1,x 2,…,x n 的近似值分别为x 1A ,x 2A ,…,x n A ，则有()()()12121,,,,,,nn A A nA k kA k k Af f x x x f x x x x x x=??-≈- ∑ ,其中()12,,,A A nA k k f f x x x x x A.因此，可以得到函数值的⼀个近似误差界()()()121,,,nAA nA kA k k Af f x x x x x εε=??≈ ∑. 特别地，对ｆ(x 1,x 2)=x 1±x 2有ε(x 1A ±x 2A )=ε(x 1A )+ε(x 2A ).同样，可以得到ε(x 1A x 2A )≈|x 1A |ε(x 2A )+|x 2A |ε(x 1A ),()()12211222A A A A A A A x x x x x x x εεε+??≈，20A x ≠例1.5 设有长为l,宽为d 的某场地.现测得l 的近似值l A =120 m,d 的近似值d A =90 m ，并已知它们的误差界为|l-l A |?0.2 m,|d-d A |?0.2 m.试估计该场地⾯积S=ld 的误差界和相对误差界.解这⾥ε(l A )=0.2,ε(d A )=0.2,并且有2,,10800A A A S S d l S l d mld====.于是有误差界()21200.2900.242A S m ε≈?+?=,相对误差界()()420.39%10800A r A AS S l dεε=≈=.例1.6 设有3个近似数a=2.31, b=1.93, c=2.24,它们都有3位有效数字.试计算p=a+bc 的误差界和相对误差界，并问p 的计算结果能有⼏位有效数字?解 p=2.31+1.93×2.24=6.6332.于是有误差界ε(p)=ε(a)+ε(bc)≈ε(a)+|b|ε(c)+|c|ε(b) =0.005+0.005(1.93+2.24)=0.02585,相对误差界εr (p)=()0.025856.6332p pε≈≈0.39%.因为ε(p)≈0.02585<0.05,所以p=6.6332能有2位有效数字.1.2.4 计算机中数的表⽰任意⼀个⾮零实数⽤(1.1)式表⽰，是规格化的⼗进制科学记数⽅法.在计算机中通常采⽤⼆进制的数系(或其变形的⼗六进制等),并且表⽰成与⼗进制类似的规格化形式，即浮点形式±2m ×0.β1β2…βt ,这⾥整数m 称为阶码，⽤⼆进制表⽰为m=±α1α2…αs , αj =0或1(j=1,2,…,s),s 是阶的位数.⼩数0.β1β2…βt 称为尾数,其中β1=1,βj =0或1(j=2,3,…,t)，t 是尾数部位的位数.s 和t 与具体的机器有关.由于计算机的字长总是有限位的，所以计算机所能表⽰的数系是⼀个特殊的离散集合,此集合的数称为机器数.⽤浮点⽅式表⽰的数有⽐较⼤的取值范围.⼗进制输⼊计算机时转换成⼆进制，并对t 位后⾯的数作舍⼊处理，使得尾数为t 位，因此⼀般都有舍⼊误差.两个⼆进制数作算术运算时，对计算结果也要作类似的舍⼊处理，使得尾数为t 位，从⽽也有舍⼊误差.在实现算法时，计算的最后结果与算法的精确解之间的误差，从根本上说是由机器的舍⼊误差造成的，包括输⼊数据和算术运算的舍⼊误差.因此有必要对计算机中数的浮点表⽰⽅法和舍⼊误差有⼀个初步的了解.有时为了分析某⼀个计算⽅法可能出现的误差现象，为了适应⼈们的习惯，我们会采⽤⼗进制实数系统进⾏误差分析.1.3 数值稳定性和要注意的若⼲原则 1.3.1 数值⽅法的稳定性实际计算时，给定的数据会有误差，数值计算中也会产⽣误差，并且，这些误差在进⼀步的计算中会有误差传播.因此，尽管数值计算中的误差估计⽐较困难，我们还是应该重视计算过程中的误差分析.定义 1.4 对于某个数值计算⽅法，如果输⼊数据的误差在计算过程中迅速增长⽽得不到控制，则称该算法是数值不稳定的，否则是数值稳定的.下⾯举例说明误差传播的现象.例 1.7 计算积分值105nxdx I x =+?, n=0,1,…,6.解由于要计算系列的积分值，我们先推导In 的⼀个递推公式.由1110555n n n n x x I I dx x --++=+?111n xdx n-==,可得下⾯两个递推算法.算法1：115n n I I n-=-,n=1,2, (6)算法2：1115n n I I n -??=-,n=6,5, (1)直接计算可得0ln 6ln 5I =-.如果我们⽤4位数字计算，得I 0的近似值为0I *=0.1823.记n n n E I I *=-,I n *为In 的近似值.对算法1，有15n n E E -=-=…=()5n-E 0.按以上初始值I0的取法有|E 0|?0.5×410-,事实上|E 0|≈0.22×410-.这样，我们得到|E 6|=65|E 0|≈0.34.这个数已经⼤⼤超过了I 6的⼤⼩，所以6I *连⼀位有效数字也没有了，误差掩盖了真值.对算法2,有E k-n =15n ??-E k ,|E 0|=615??|E 6|.如果我们能够给出I 6的⼀个近似值，则可由算法2计算I n (n=5,4,…,0)的近似值.并且，即使E 6较⼤，得到的近似值的误差将较⼩.由于()()11011616551kkk xxI d d x x k k =<<=++??,因此，可取Ik 的⼀个近似值为()()11126151k I k k *=+?? ? ?++??. 对k=6有6I *=0.0262.按0I *=0.1823和6I *=0.0262，分别按算法1和算法2计算，计算结果如表1-1，其中()1n I 为算法1的计算值, ()2n I 为算法2的计算值.易知，对于任何⾃然数n,都有0表1-1n()1nI()2nInI （4位）0 0.1823 0.1823 0.18231 0.0885 0.0884 0.08842 0.0575 0.0580 0.05803 0.0458 0.0431 0.04314 0.0210 0.0344 0.03435 0.0950 0.0281 0.02856-0.3083 0.0262 0.0243当然，数值不稳定的⽅法⼀般在实际计算中不能采⽤.数值不稳定的现象属于误差危害现象.下⾯讨论误差危害现象的其他表现及如何避免问题.1.3.2 避免有效数字的损失在数值计算中，参加运算的数有时数量级相差很⼤，⽽计算机位数有限，如不注意，“⼩数”的作⽤可能消失，即出现“⼤数”吃“⼩数”的现象. 例1.8 ⽤3位⼗进制数字计算x =101+δ1+δ2+…+δ100,其中0.1?δi ?0.4,i =1,2, (100)解在计算机内计算时，要写成浮点数形式，且要对阶.如果是101与δ1相加，对阶时，101=0.101×103,δ1=0.000×103.因此,如果我们⾃左⾄右逐个相加，则所有的δi 都会被舍掉，得x ≈101.但若把所有的δi 先加起来，再与101相加，就有111=101+100×0.1?x ?101+100×0.4=141.可见，计算的次序会产⽣很⼤的影响.这是因为⽤计算机计算时，在运算中要“对阶”，对阶引起了⼤数吃⼩数的现象.⼤数吃⼩数在有些情况下是允许的，但有些情况下则会造成谬误.在数值计算中，两个相近数相减会使有效数字严重损失.例1.9 求实系数⼆次⽅程20ax bx c ++=的根，其中b 2-4ac>0,ab ≠0. 解考虑两种算法. 算法1:1,22x a=算法2:(12b sign b x a--=, 21c x ax =,其中sign 表⽰取数的符号，即()1,0,0,0,1,0.b sign b b b >??==??-对算法1，若ac b 42>>,则是不稳定的，否则是稳定的.这是因为在算法1中分⼦会有相近数相减的情形,会造成有效数字的严重损失,从⽽结果的误差很⼤.算法2不存在这个问题，在任何情况下都是稳定的.因此称算法1是条件稳定的，算法2是⽆条件稳定的.例如，对于⽅程262.10 1.0000x x ++=,⽤4位有效数字计算，结果如下：算法1:x 1=-62.08, x 2=-0.02000. 算法2:x 1=-62.08, x 2=-0.01611.准确解是x 1=-62.083892…,x 2=-0.016107237….这⾥，ac b 42>>,所以算法1不稳定，舍⼊误差对x 2的影响⼤.在进⾏数值计算时，如果遇到两相近数相减的情形，可通过变换计算公式来避免或减少有效数字的损失.例如，如果|x |≈0,有变换公式1cos sin sin 1cos x x xx-=+.如果x 1≈x 2,有变换公式1122lg lg lgx x x x -=.如果x 〉〉1,有变换公式.此外，⽤绝对值很⼩的数作除数时，舍⼊误差会很⼤，可能对计算结果带来严重影响.因此，要避免除数绝对值远远⼩于被除数绝对值的除法运算.如果⽆法改变算法，则采⽤增加有效位数进⾏计算，或在计算上采⽤双精度运算，但这要增加机器计算时间和多占内存单元.1.3.3 减少运算次数在数值计算中，要注意简化计算步骤，减少运算次数，这也是数值分析中所要研究的重要内容.同样⼀个计算问题，如果能减少运算次数，不但可节省计算机的计算时间，还能减少误差的积累.下⾯举例说明简化计算公式的重要性.例1.10 给定x ,计算多项式()110nn n n n P x a x a xa --=+++的值.如果我们先求ak x k ，需要进⾏k 次乘法，再相加，则总共需要()12n n +次乘法和n次加法才能得到⼀个多项式的值.如果我们将多项式写成下⾯的形式()(){}1210n n n n P x x x x a x a a a a --??=+++++?? ,则只需n 次乘法和n 次加法即可得到⼀个多项式的值，这就是著名的秦九韶算法，可描述为1,,1,2,,0,n n k k k u a u u x a k n n +=??=+=--?最后有()0n u P x =.例1.11 计算ln2的值. 解如果利⽤级数()()11ln 11nn n xx n∞+=+=-∑计算ln2，若要精确到误差的绝对值⼩于10-5,要计算10万项求和，计算量很⼤，并且舍⼊误差的积累也⼗分严重.如果改⽤级数()35211ln 213!5!21!n xx x xx x n +??+=+++++ ? ?-+??来计算ln2，取x =1,则只要计算前9项，截断误差便⼩于10-10.1.4 向量和矩阵的范数为了对矩阵计算进⾏数值分析，我们需要对向量和矩阵的“⼤⼩”引进某种度量.在解析⼏何中，向量的⼤⼩和两个向量之差的⼤⼩是⽤“长度”和“距离”的概念来度量的.在实数域中，数的⼤⼩和两个数之间的距离是通过绝对值来度量的.范数是绝对值概念的⾃然推⼴.1.4.1 向量的范数定义1.5 如果向量x ∈n R 的某个实值函数ｆ(x )=‖x ‖满⾜ (1) 正定性：x ?0,且x =0当且仅当x =0；(2) 齐次性：对任意实数α，都有αx =|α|x ； (3) 三⾓不等式：对任意x ,y ∈R n ,都有+x y ?x +y ,则称x 为n R 上的⼀个向量范数.在n R 中，记()12,,,Tn x x x =x ,实际计算中最常⽤的向量范数有： (1) 向量的∞范数1max i i nx ∞≤≤=x；(2) 向量的1范数11nii x ==∑x；(3) 向量的2范数12221in x i ==??∑x.容易验证，向量的∞范数和1范数满⾜定义1.5中的条件.对于2范数，满⾜定义1.5中的条件（1）和（2）是显然的，对于条件（3），利⽤向量内积的Cauchy-Schwarz 不等式可以验证.更⼀般地，有如下向量的p 范数1pipn px i ==??∑x,其中p ∈ [1,+∞).容易验证1ppn∞∞≤≤xxx,由此可得如下定理.定理1.2 lim pp ∞→∞=xx.下⾯，我们利⽤向量范数的连续性来说明向量范数的重要特征.定理1.3 设给定A ∈R n ×n ,x =(x 1,x 2,…,x n )T ∈R n ,则对R n 上每⼀种向量范数，‖A x ‖都是x 1,x 2,…,x n 的n 元连续函数.证设a j 为A 的列向量，将A 写成A =(a 1,a 2,…,a n ). 则由三⾓不等式，对h =(h 1,h 2,…,h n )T ∈R n,有|‖A (x +h )‖-‖A x ‖|?‖A h ‖=‖1ni i h =∑a i ‖1ni i h =∑‖a i ‖M max|h i |,其中M=1ni =∑‖a i ‖.所以，对任意的ε>0,当max|h i |<Mε时，有|‖A (x +h )‖-‖A x ‖|<ε, 这就证明了‖A x ‖的连续性.推论1.1 ‖x ‖是x 的各分量的连续函数. 向量范数的⼀个重要特征是具有等价性.定理 1.4 R n 上的所有向量范数是彼此等价的，即对R n 上的任意两种向量范数‖x ‖s和‖x ‖t ，存在常数c 1,c 2>0,使得对任意x ，有c 1‖x ‖s ?‖x ‖t ?c 2‖x ‖s .证只要就‖x ‖s =‖x ‖∞证明上式成⽴即可，即证明存在常数c 1,c 2>0,对⼀切x ∈R n且x ≠0，有c 1‖x ‖∞?‖x ‖t ?c 2‖x ‖∞.记R n 上的有界闭集D={x :x =(x 1,x 2,…,x n )T ,‖x ‖∞=1}.由定理1.3的推论知，‖x ‖t 是D 上的n 元连续函数，所以在D 上有最⼤值c 2和最⼩值c 1,且x ∈D 时有x ≠0,故有c 2?c 1>0.现考虑x ∈R n ,且x ≠0,则有∞x x ∈D,所以有c 1?‖∞x x ‖t ?c 2, ?x ∈R n ,x ≠0.从⽽对x ≠0有c 1‖x ‖∞?‖x ‖t ?c 2‖x ‖∞.⽽x =0时上式⾃然成⽴，定理得证.由于向量范数之间具有等价性，对于范数的极限性质，我们只需对⼀种范数进⾏讨论，其余范数也都具有相似的结论.⽐如，我们可以⽅便地讨论向量序列的收敛性.定义1.6 设向量序列x (k)=()()()()12,,,Tk k k nx x x ∈R n ,k=1,2,…,若存在x *=()12 ,,,Tn x x x ***∈R n ,使得()lim k iik x x *→∞=, i =1,2,…,n,则称序列{x (k)}收敛于x *,记为()lim k ik *→∞=x x.按定义有)()lim lim 0k k k k **→∞→∞∞=?-=xx xx.⼜因为()()()12k k k c c ***∞∞-≤-≤-xxxxxx,所以有()()lim lim 0k k k k **→∞→∞=?-=xx xx.因此，若向量序列在⼀种范数下收敛，则在其他范数下也收敛.不必强调是在哪种范数意义下收敛.1.4.2矩阵的范数定义1.7 如果矩阵A ∈R n ×n 的某个实值函数ｆ(A )=‖A ‖满⾜ (1) 正定性：‖A ‖?0,且‖A ‖=0当且仅当A =0；(2) 齐次性：对任意实数α，都有‖αA ‖=|α|‖A ‖；(3) 三⾓不等式：对任意A ,B ∈R n ×n ,都有‖A +B ‖?‖A ‖+‖B ‖； (4) 相容性：对任意A ,B ∈R n ×n ,都有‖A B ‖?‖A ‖‖B ‖；则称‖A ‖为Rn ×n上的⼀个矩阵范数.可以验证，对()ij n na ?=A ,12211Fn n a ij i j ?? ?=∑∑ ?==??A是⼀种矩阵范数，称之为Froben i us 范数，简称F 范数.由于矩阵与向量常常同时参与讨论与计算，矩阵范数与向量范数之间需要有⼀种联系. 定义1.8 对于给定的R n 上的⼀种向量范数‖x ‖和R n ×n 上的⼀种矩阵范数‖A ‖，如果满⾜‖A x ‖?‖A ‖‖x ‖,则称矩阵范数‖A ‖与向量范数‖x ‖相容.上⾯的定义1.7是矩阵范数的⼀般定义，下⾯我们通过已给的向量范数来定义与之相容的矩阵范数.定义 1.9 设x ∈R n ,A ∈R n ×n ,对给出的⼀种向量范数v x ,相应地定义⼀个矩阵的⾮负函数m axvvx v≠=A x Ax.称之为由向量范数导出的矩阵范数，也称为算⼦范数或从属范数.由定义可得vvv≤A xAx，1max vvv==xAAx.算⼦范数满⾜矩阵范数⼀般定义中的条件(1)和(2)是显然的，现验证满⾜条件（3）和（4）.对任意的A ,B ∈R n ×n ,有()1maxvvv =+=+xA B x11max max v vvvvvxx==≤+=+Ax BxAB1max vvv==xABABx1max vvvvvv=≤=xABxA.因此，算⼦范数满⾜矩阵范数⼀般定义中的条件(3)和(4).由常⽤的向量范数，可以导出与其相容的矩阵算⼦范数.定理1.5 设A ∈R n ×n ,记()ij n na ?=A ,则(1)11max nij i nj a ∞≤≤==∑A,称之为矩阵A 的⾏范数；(2) 111m ax nij j ni a ≤≤==∑A ，称之为矩阵A 的列范数；(3)2=A称之为矩阵A 的2范数或谱范数，其中，()max TλA A 表⽰T A A的最⼤特征值.证这⾥只对(1)和(3)给出证明，(2)的证明同理可得. 先证明(1):设x =(x 1,x 2,…,x n )T ≠0,不妨设A ≠0，则有1111max max nnij j ij i ni nj j xa x xa ∞∞≤≤≤≤===≤∑∑A .111max max nij xi nj a ∞∞∞=≤≤===∑AAx.设矩阵A 的第p ⾏元素的绝对值之和达到最⼤，即111max nnpj ij i nj j a a ≤≤===∑∑.取向量()12,,,Tn ξξξ= ξ,其中1,0,1,0.a pj j apjξ≥??=?-显然，‖ξ‖∞=1,⽽且1111m ax m axnn∞∞=≤≤===≥==∑∑xAA xA ξ.于是(1)得证.再证明(3):显然，A TA 是对称半正定矩阵，它的全部特征值均⾮负，设为120n λλλ≥≥≥≥ .由实对称矩阵的性质，各特征值对应的特征向量必正交.设对应的标准正交特征向量为12,,,nu u u ,即T i i i λ=A Au u (i =1,2,…,n),(u i ,u j )=δi j (i ,j=1,2,…,n).对向量x ∈R n ,‖x ‖2=1,可由R n 的⼀组基u i (i =1,2,…,n)线性表⽰，即有1niii c ==∑x u ,22211nii c===∑x11nnT Ti ii i i cc λλλ====≤=∑∑A xx A A x .另⼀⽅⾯，取ξ=u 1,显然有‖ξ‖2=1,211112T T Tλλ===A ξξA A ξu u .因此，2221m ax ===xAA x得证.由定理1.5可见，计算⼀个矩阵的⾏范数和列范数是⽐较容易的，⽽矩阵的2范数计算却不⽅便，但由于它有许多好的性质，所以在理论上还是有⽤的.例1.12 设矩阵1234-??=解 {}m ax 3,77∞==A,{}1m ax 4,66==A ,10141420T-??=-A A ()21014det 3041420Tλλλλλ--==-+-I A A ,求得115λ=+215λ=-因此25.46=≈A.定义1.10 设A ∈R n ×n 的特征值为λi (i =1,2,…,n),称()1max i i nρλ≤≤=A为A 的谱半径.谱半径在⼏何上可解释为以原点为圆⼼，能包含A 的全部特征值的圆的半径中最⼩者.例1.13 计算例1.12中矩阵的谱半径.解由A 的特征⽅程()2=--=-I A得12λ=,22λ=所以() 5.372ρ=≈A .定理1.6 设A ∈R n ×n ,则有()ρ≤A A .证设A x =λx ,x ≠0,且|λ|=ρ(A ),必存在向量y ,使x y T 不是零矩阵.于是()TTTTA ρλ==≤A xyxyxyA xy,即得ρ(A )?‖A ‖.例1.14 设矩阵A 与矩阵B 是对称的，求证ρ(A +B )?ρ(A )+ρ(B ).证因T =A A ,于是有()()()222max max 2A A AA ,即‖A ‖2=ρ(A ).同理‖B ‖2=ρ(B ).由于A +B =(A +B )T,因此()()()222ρρρ+=+≤+=+A B A BABA B .定理1.7 如果‖B ‖<1,则I ±B 为⾮奇异矩阵，且()111-±≤-I B B,这⾥的矩阵范数是指矩阵的算⼦范数.证若I ±B 奇异，则存在向量x ≠0,使(I ±B )x =0,故有ρ(B )?1,这与‖B ‖<1⽭盾，所以I ±B ⾮奇异.由于()()11--±=± I B I B I B ,于是得()()11--±≤+±I B I BI B .上的任意两种矩阵范数都是等价的，即对Rn ×n上的任意两种矩阵范数sA和t A ，存在常数c 1,c 2>0,使得12stsc c ≤≤AAA.由矩阵范数的等价性，我们可以⽤矩阵的范数描述矩阵序列的极限性质.定义1.11 设矩阵序列()()()kk n nijn na ??=∈A R,k=1,2,…,若存在()n nij n na **=∈A R,使得()lim k ijijk a a *→∞()lim k k *→∞=AA.可以验证()()lim lim 0k k k k **→∞→∞=?-=AA AA.评注本章介绍了数值计算的研究对象、误差及相关概念、数值计算的稳定性及构造算法的基本原则.考虑到矩阵计算的数值分析，本章还介绍了向量范数和矩阵范数的基本概念和常⽤定理.误差分析问题是数值分析中重要⽽困难的问题.误差的基本概念和误差分析的若⼲原则，对学习本课程是很有必要的.但是，作为⼯程或科学计算的实际问题则要复杂得多，往往要根据不同问题分门别类地进⾏分析.例如，由于舍⼊误差有随机性，有⼈应⽤概率的观点研究误差规律.在⼯程计算中，常⽤⼏种不同办法（包括实验⽅法）进⾏⽐较，以确定计算结果的可靠性.20世纪60年代以来，发展了两种估计误差的理论：⼀种是J.H.W i lk i nson 等⼈针对计算机浮点算法提出了⼀套预先估计的研究误差的⽅法，使矩阵运算的舍⼊误差研究获得了新发展；另⼀种是R .E.Moore 等⼈应⽤区间分析理论估计误差，开创了研究误差的新⽅法. 关于范数⽅⾯，所述内容是为以下各章服务的⼀些初步概念和常⽤的定理，对本书够⽤就可以了.例如只讨论了R n ×n 的范数，⽽没有顾及R n ×m .⼜例如介绍了R n 和R n ×n 上范数的等价性，此性质对有限维空间都是成⽴的，⽽对于C[a,b]则没有这个性质，这些都是赋范线性空间有关的问题，详细讨论这些问题是泛函分析的内容.习题 11.1 已知e=2.71828…,问下列近似值A x 有⼏位有效数字，相对误差界是多少？ (1) x =e, A x =2.7； (2) x =e, A x =2.718； (3) x =e100, A x =0.027； (4) x =e100, A x =0.02718. 1.2 设原始数据的下列近似值每位都是有效数字：1x *=1.1021, 2x *=0.031, 3x *=56.430. 试计算(1) 1x *+2x *+3x *；(2)，并估计它们的相对误差界.1.3 设x 的相对误差界为δ,求n x 的相对误差界.1.4 设x >0，x 的相对误差界为δ，求ln2的绝对误差界.1.5 为了使计算球体体积时的相对误差不超过1%，问测量半径R 时的允许相对误差界是多少？1.6 三⾓函数值取4位有效数字，怎样计算1-cos2°才能保证精度？ 1.7 设0Y =28，按递推公式nY=1n Y --…,计算.若取27.982(5位有效数字)，试问计算Y 100将有多⼤误差?1.8 求解⽅程25610x x ++=，使其根⾄少具有4位有效数字(≈27.982).1.9 正⽅形的边长⼤约为100 cm ，应怎样测量才能使其⾯积的误差不超过21cm ? 1.10 序列{yn}满⾜递推关系1101n n y y -=-,n=1,2,….若y 0 1.41(3位有效数字)，计算到y 10时的误差有多⼤?这个计算过程稳定吗?1.11 对积分11n x n I x edx -=,n=0,1,…,验证101I e-=-,11n n I nI -=-.若取e -1≈0.3679,按递推公式11n n I nI -=-，⽤4位有效数字计算I 0,I 1,…,I 9,并证明这种算法是不稳定的.1.12 反双曲正弦函数为()(ln f x x =+.如何计算ｆ(x )才能避免有效数字的损(1) sin x -siny ； (2) arctan x -arctany ；(3)2； (4)212xe-.1.14 已知三⾓形⾯积1sin 2s ab C=,其中C 为弧度，0π，且测量a,b,C 的误差分别为Δa,Δb,ΔC ，证明⾯积的误差Δs 满⾜s a b C s ab C≤++ .1.15 设P ∈R n ×n 且⾮奇异，⼜设‖x ‖为R n 上的⼀种向量范数，定义p=xP x.试证明‖ｘ‖P 是R n 上的⼀种向量范数.1.16 设A ∈R n ×n 为对称正定矩阵，定义()12,A=xA x x .试证明‖ｘ‖A 为R n 上的⼀种向量范数.1.17 设矩阵0.60.50.10.3??=2F≤≤AA,并说明‖A ‖F 与‖ｘ‖2相容.1.19 设P ∈Rn ×n且⾮奇异，⼜设‖ｘ‖为R n上的⼀种向量范数，定义范数‖ｘ‖P =‖P x ‖.证明对应于‖ｘ‖P 的算⼦范数1 p-=APAP.1.20 设A 为⾮奇异矩阵，求证：11m iny ∞-≠∞∞=A y yA.。
数值计算方法(山东联盟)智慧树知到答案章节测试2023年中国石油大学(华东)
第一章测试1.数值计算方法研究的误差有()A:截断误差;B:观测误差;C: 模型误差；D:舍入误差.答案:AD2.A:只有模型误差、截断误差与观测误差。
B: 只有舍入误差、截断误差与观测误差；C:只有模型误差、观测误差与舍入误差；D:只有模型误差、截断误差与舍入误差；答案:C3.A:4位B:5位C:3位D:2位答案:A4.对于下列表达式，用浮点数运算，精度较高是A:B:C:D:答案:A5.A:B:C:D:答案:B第二章测试1.A:0.5000B:0.6250C:0.5625D:0.6875答案:C2.A:B:C:D:答案:CD3.关于Steffensen(斯蒂芬森)迭代方法，下列命题中正确的是：A:Steffensen迭代法使得收敛的迭代格式加速收敛，发散的迭代格式更快发散。
B:Steffensen迭代法使得某些发散的迭代格式变为收敛。
C:Steffensen迭代法使得任何收敛的迭代格式加速收敛。
D:Steffensen迭代法使得某些收敛的迭代格式加速收敛。
答案:BD4.关于Newton迭代法，下列命题中正确的是：A:求解任一方程的Newton迭代法都是2阶收敛的。
B:Newton迭代格式若收敛，则一定是超线性收敛的。
C:D:Newton迭代格式可能收敛也可能发散。
答案:CD5.A:6B:3C:5D:4答案:A第三章测试1.A:若求解失败，则说明矩阵A奇异。
B:算法的计算量与近似成正比。
C:若A的对角线元素的绝对值都大于1，则求解结果的精度一定较高。
D:只要A非奇异，则求解结果的精度一定较高。
答案:B2.列主元Gauss消去法与Gauss顺序消元法相比，优点是：A:提高了稳定性，减少了误差的影响。
B:方程组的系数矩阵奇异时也可以求解。
C:能求出方程组的精确解。
D:减少了计算量。
答案:A3.A:平方根法与Gauss列主元消去法相比，提高了稳定性，但增加了计算量。
B:只要是对称正定矩阵，就可用平方根法求解。
数值计算方法第2章2-1节
（2）计算
f
(
a
2
b)
。
（3）若
f
(
a
2
b
)
0
，计算停止；若
f
(
a
2
b
)
f
(a)
0
，用
若
f
(
a
2
b)
f
(b)
0
，以
a
2
b
代替
a
。
a
2
b
代替
b
；
（4）反复执行第二步与第三步，直到区间长缩小到允许误差范围
之内，此时区间中点即可作为所求的近似解。
18
证明方程 x3 3x2 6x 1 0 在区间（0，1）内有唯一的实根，并
在[－1,－0.25]，[0.5，1.25]，[1.25，2]各区间内至少有一个实根。
10
2.1.3 区间二分法
定理 函数f(x)在[a,b]上单调连续，且f(a)f(b)<0， 则方程f(x)=0在区间[a,b]上有且仅有一个实根x*。
二分法的基本思想 将有根的区间二分为两个小区间，然后判断根在那 个小区间，舍去无根的小区间，而把有根的小区间 再一分为二，再判断根属于哪个更小的区间，如此 反复 ，直到求出满足精度要求的近似根。
5
有根区间
介值定理 若函数 f (x) 在[a, b] 连续，且
f (a) f (b) 0 ，则方程 f ( x) 0 在(a,b) 内至
少有一个实根。将[a, b] 称为 f (x) 的有根区间。
6
2.1.2 逐步搜索法
假设f(x)在区间[a,b]内有一
个实根x*,若 b – a较小，则可 在(a,b)上任取一点x0作为初始 近似根。
数值计算方法教案
数值计算方法教案第一章：数值计算概述1.1 数值计算的定义与特点引言：介绍数值计算的定义和基本概念数值计算的特点：离散化、近似解、误差分析1.2 数值计算方法分类直接方法：高斯消元法、LU分解法等迭代方法：雅可比迭代、高斯-赛德尔迭代等1.3 数值计算的应用领域科学计算：物理、化学、生物学等领域工程计算：结构分析、流体力学、电路模拟等第二章：误差与稳定性分析2.1 误差的概念与来源绝对误差、相对误差和有效数字误差来源：舍入误差、截断误差等2.2 数值方法的稳定性分析线性稳定性分析：特征值分析、李雅普诺夫方法非线性稳定性分析：李模型、指数稳定性分析2.3 提高数值计算精度的方法改进算法：雅可比法、共轭梯度法等增加计算精度：闰塞法、理查森外推法等第三章：线性方程组的数值解法3.1 高斯消元法算法原理与步骤高斯消元法的优缺点3.2 LU分解法LU分解的步骤与实现LU分解法的应用与优势3.3 迭代法雅可比迭代法与高斯-赛德尔迭代法迭代法的选择与收敛性分析第四章：非线性方程和方程组的数值解法4.1 非线性方程的迭代解法牛顿法、弦截法等收敛性条件与改进方法4.2 非线性方程组的数值解法高斯-赛德尔法、共轭梯度法等方程组解的存在性与唯一性4.3 非线性最小二乘问题的数值解法最小二乘法的原理与方法非线性最小二乘问题的算法实现第五章：插值与逼近方法5.1 插值方法拉格朗日插值、牛顿插值等插值公式的构造与性质5.2 逼近方法最佳逼近问题的定义与方法最小二乘逼近、正交逼近等5.3 数值微积分数值求导与数值积分的方法数值微积分的应用与误差分析第六章：常微分方程的数值解法6.1 初值问题的数值解法欧拉法、改进的欧拉法龙格-库塔法（包括单步和多步法）6.2 边界值问题的数值解法有限差分法、有限元法谱方法与辛普森法6.3 常微分方程组与延迟微分方程的数值解法解耦与耦合方程组的处理方法延迟微分方程的特殊考虑第七章：偏微分方程的数值解法7.1 偏微分方程的弱形式介绍偏微分方程的弱形式应用实例：拉普拉斯方程、波动方程等7.2 有限差分法显式和隐式差分格式稳定性分析与收敛性7.3 有限元法离散化过程与元素形状函数数值求解与误差估计第八章：优化问题的数值方法8.1 优化问题概述引言与基本概念常见优化问题类型8.2 梯度法与共轭梯度法梯度法的基本原理共轭梯度法的实现与特点8.3 序列二次规划法与内点法序列二次规划法的步骤内点法的原理与应用第九章：数值模拟与随机数值方法9.1 蒙特卡洛方法随机数与重要性采样应用实例：黑箱模型、金融衍生品定价等9.2 有限元模拟离散化与求解过程应用实例：结构分析、热传导问题等9.3 分子动力学模拟基本原理与算法应用实例：材料科学、生物物理学等第十章：数值计算软件与应用10.1 常用数值计算软件介绍MATLAB、Python、Mathematica等软件功能与使用方法10.2 数值计算在实际应用中的案例分析工程设计中的数值分析科学研究中的数值模拟10.3 数值计算的展望与挑战高性能计算的发展趋势复杂问题与多尺度模拟的挑战重点解析本教案涵盖了数值计算方法的基本概念、误差分析、线性方程组和非线性方程组的数值解法、插值与逼近方法、常微分方程和偏微分方程的数值解法、优化问题的数值方法、数值模拟与随机数值方法以及数值计算软件与应用等多个方面。
数值计算方法及其应用
数值计算方法及其应用第一章引言数值计算方法是一种基于数学分析和计算机技术的计算方法，是概括了现代计算各个领域的一类方法。
随着计算机技术的不断进步，数值计算方法已经成为了计算机科学中的一个重要领域，涉及到计算机科学、数学、物理、工程等领域。
本文将从数值计算方法的基本概念、数值计算方法算法的分类、数值计算方法的优缺点以及数值计算方法的应用等方面加以探讨。
第二章数值计算方法的基本概念数值计算方法是使用数学方法和数值技术处理各种数学问题的一种方法。
它是一种解决数学问题的有效工具，不同于传统的数学方法，数值计算方法采用的是数值计算机计算技术，使得计算机可以精确计算、预测和模拟各种数学问题，如数值微积分、连续函数数值解、离散方程数值解等。
数值计算方法的核心概念就是数值算法，数值算法是指实现数值计算方法的算法，包括基于数学分析的算法和基于经验数据的算法。
第三章数值计算方法算法的分类数值计算方法算法可以分为以下几类：1.数值微积分算法2.解线性方程组的数值方法3.常微分方程的数值解法4.偏微分方程的数值解法5.数值优化方法6.数值统计算法7.数学模型的数值计算方法第四章数值计算方法的优缺点数值计算方法的优点：1.数值计算方法可以解决非常复杂和高度非线性的数学问题2.数值计算方法无所不能，可做大量的计算3.数值计算方法具有较高的可重复性和可验证性4.数值计算方法可以通过计算机进行高速计算，节省了人力成本和时间成本数值计算方法的缺点：1.数值计算方法的实现程序错误会导致计算结果失真2.数值计算方法对于计算精度的要求很高3.数值计算方法对于计算机硬件和软件的要求也很高第五章数值计算方法的应用数值计算方法已经被广泛应用于各个领域，如：1.科学研究：能够用计算机进行大规模复杂计算，计算机模拟得出科学研究结论，如气象学模拟，生命科学中的反应动力学分析等。
2.工程设计：例如结构力学分析、电路设计、流体力学分析和控制系统等。
3.数据科学：如数据挖掘、计算机视觉、自然语言处理、人脸识别等。
数值计算方法-复习-第二章
5
27
局部收敛性
例2.3.8：对方程x3-x2-1=0在初值x0=1.5附近建立 收敛的迭代格式，并求解，要求精确到小数点 后4位
解：构造迭代公式，写出方程的等价形式
x = 3 x2 +1
迭代格式为
xk+1 = 3 xk 2 +1
ϕ'(x) = 2x
33 (x2 +1)2
例2.3.6：求方程 x3-3x+1=0 在[0, 0.5]内的根， 精确到10-5
24
局部收敛性
定义2.2： 如果存在x* 的某个邻域△: |x-x*| ≤δ，
使迭代过程 xk+1 = ϕ (xk)对于任意初值 x0 ∈△均 收敛，则称迭代过程xk+1 = ϕ (xk)在根x* 附近具
有局部收敛性。
解：设f(x)=xex-1, 则
f(0)=-1<0, f(1)=e-1>0
因此f(x)=0在（0，1）内有根 又 f '(x) = ex + xex = ex (1+ x) > 0
因此方程f(x)=0在(0, ∞)内仅有一根
令ϕ(x) = e−x
在[0,1]上，ϕ
(x)
∈[1 e
,1]
⊂
[0,1]
30
牛顿迭代公式的建立
已知方程f (x) = 0的一个近似根x0，把f (x)在x0
处作泰勒展开
f (x) =
f (x0 ) +
f '(x0 )(x − x0 ) +
f
′′( x0 2!
)
(x
−
x0
数值计算(第二版)第二章
2.1.2 根的隔离方法
例：考察方程
f ( x) x x 1 0
3
利用逐步搜索法确定一个有根区间
解：注意到f (0) < 0, f (+) >0，知f (x)至少有一 个正的实根 设从x = 0出发，取h = 0.5为步长向右进行根的 扫描 x
0 0.5 1.0 1.5
f (x) 的符号 －
有根区间
根的隔离
计算机科学与工程系
8
2.1.1 方程的根
定理1：设函数f (x)在区间[a, b]上连续，如果f (a) f (b) < 0，则方程f (x) = 0在[a, b]内至少 有一实根x* 定理2：设函数f (x)在区间[a, b]上是单调连续 函数，并且f (a) f (b) < 0，则方程f (x) = 0在 [a, b]上有且仅有一实根x*
-
0.0157
0.0078
计算机科学与工程系 21
2.3 迭代法
简单迭代法的原理 迭代法的收敛性 迭代加速法
计算机科学与工程系 22
2.3.1 简单迭代法原理
基本思想
将方程f (x) = 0化为一个等价的方程 x (x ) 从而构成序列
xk 1 ( xk ) k 0, 1, 2,
在区间[1, 1.5]内的实根，要求准确到小数点 后第2位。
解：预先估计一下二分的次数：按误差估计式
1 1 x xk bk 1 ak 1 k 1 (b a) 10 2 2 2 k 6
*
计算机科学与工程系 20
2. 2 二分法
数值计算方法课件
2020/8/1
4
1.1 算法
一、算法的概念 当我们用数值计算方法求解一个比较复杂的数学问题
时，常常要事先拟定一个计算方案，规划一下计算的步骤。 所谓算法，就是指在求解数学问题时，对求解方案和计算 步骤的完整而明确的描述。
描述一个算法可以采用许多方法，最常用的一个方法 是程序流程图。算法也可以用人的自然语言来描述。如果 用计算机能接受的语言来描述算法，就称为程序设计。
1 x ne x1d x
0
x ne x1
1 0
1 n x n1e x1d x
0
1 n 1 x n 1 e x 1 d x 0
2020/8/1
17
或
En 1 nEn1 （ n=2， 3， ...）
这里
1 E1 e 0.3678794412
E1
1 xe x1dx
0
1 xd e x 1 0
如
取
E
的
20
近
似
值
为
零
，
以
它
为
起
始
值
，
则
起
始
误
差
最
大
为
1。 21
此
误
差
在
求
E 1 9时
乘
了
1， 20
因
此
E
1
的9ຫໍສະໝຸດ 误差最大
为
1 20
1。 21
E
的
9
误
差
最
大
，
为
1 10
1 11
时 ， 起 始 误 差 已 减 小 至 2.5 10 8。
1 20
1。 21
- 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)。
0 d i 2 , 1 i 3 , d1 0 , 1 j 2 0
四种排列： d1
1 1 1 1
1 1 4 1 2 3 尾数只能为4个数： (0.100)2 1 2 0 2 0 2 8 5 1 2 3 (0.101)2 1 2 0 2 1 2 8 6 1 2 3 (0.110)2 1 2 1 2 0 2 8 7 1 2 3 (0.111)2 1 2 1 2 1 2 8
定义:设x的一个近似值x*,把x*写成规范化的科学计数 形式x*=±0.a1a2…an…×10k(有限或无限),其中k为 整数,a1,a2,…,an,…是0~9中的一个数字,且a1≠0,如 果有 |x-x*|≤0.5×10k-n , 则称x*为x的具有n位有效数字的近似值。
如： 3.1415926
二 误差分析初步
1 数值计算中的重要公式Taylor公式 设f在含有点x0的某个开区间(a,b)内具有n+1阶导数,则
x (a, b)有 f ' ' ( x0 ) f ( n ) ( x0 ) f ( n 1) ( ) 2 n f ( x) f ( x 0 ) f ' ( x 0 )( x x0 ) ( x x0 ) ... ( x x0 ) ( x x 0 ) n 1 2 n! (n 1)! 其中在x和x 0 之间
2证明：x的相对误差约等于x的相对误差的一半。
解：设x * 为x的近似值，则 e( x * ) ( x * )' | x x* | 1 2 x* 1 | x x* | e( x * ) 2 x * e ( x *) r x* x* | x x* | 1 e( x*) 2 | x* | 2 命题得证 | x x* |
故F中有33个浮点数(加上0)：
j 1 1 4 5 16 3 8 7 16
j0 1 2 5 8 3 4 7 8
j 1 1 5 4 3 2 7 4
j2 2 5 2 3 7 2
三 计算机算术运算规则
1 加减法运算：首先比较加减两数的阶码， 将阶码较小的数的阶码、尾数分别移位至 两数阶吗相同后，尾数相加减。
3 算术运算的误差估计
（x * y*) ( x*) ( y*) ( x * y*) | x* | ( y*) | y* | ( x*) x* | x* | ( y*) | y* | ( x*) ( ) 2
y* | y* |
例3:①设x>0,x的相对误差为δ ,求㏑x的误差. ②设x>0,x的相对误差为2%,求xn的相对误差.
计算机所表示的数的集合(规格化浮点数系)：
F f 0.d1d 2 d t j
阶
0 d i , 1 i t , d1 0 , L j U 0
例如：
F f 0.d1d 2d3 2 j
F ( , t , L, U ) 2, t 3, L 1, U 2
2 乘法运算：阶码相加，尾数相乘，得两倍 字长尾数，对其舍入成规格化的形式，并 冠以乘积符号。
3 除法运算：将被除数的尾数扩大为双倍字 长做除法，最后舍入为规格化形式，并冠 以数符。
四 算法的数值稳定性
数 值 算 法
串行算法：只有一个进程（一个或多个算法元 组成）的算法 适用于串行计算机
并行算法：具有两个或两个以上进程的算法 适用于并行计算机 一个数值问题包括以下几个部分：
x1 r x 2 1r 2 r
计算机的数系结构/* Structure of Number System */
计算机的数系是一个不完整的数系。计算机只能表示 有限个数，即计算机的精度是有限的。 每种计算机内部运算是按固定的有限位数进行的，也 就是按固定位数的有限位浮点数进行运算的。 浮点数系统由四个整数表征：基 ，精度（尾数）位 数 t ，下溢界 L 和上溢界U 称为尾数，j为
* 3.141592 0.3141592 101 1 1 -5 e | * | 0.0000006... 10 101-6 6位 2 2
1 1 2 e | * | 0.0015926... 10 1013 3位 2 2
* 3.14 0.314 101
f 的条件数在某一点是小\大，则称 f 在该点是好条 相对误差条件数 件的 /* well-conditioned */ \坏条件的 /* ill-conditioned */。 /* relative condition number*/
例： 设 x 10 5% ,试求函数 f ( x )
e ( y ) | er ( y ) | f ( x )
e ( x ) | er ( x ) | x
f ( x ) f ( x ) x x x er ( y ) x x f (x ) x ( x ) f ( x ) x f e ( x ) er ( x ) f ( x ) f ( x )
| e ( y) || f ' (x ) | | e (x) |
* * *
即： 产生的误差经过 f 作用后被放大/缩小了 f ( x ) 倍。 x ( x ) f为放大/缩小因子 /* amplification factor */ 或 绝对 故称 条件数 /* absolute condition number */.
3、数学模型与数值算法之间的误差求近似解 —— 方法误差 (截断误差 /* Truncation Error */ ) 4、由于机器字长有限，原始数据和计算过程会产生新的误差 —— 舍入误差 /* Roundoff Error */
2 绝对误差/相对误差
① 绝对误差的定义：设x为正确值，x*为x的一个近 似值，定义e(x*)=x-x*为近似值x*的绝对误差。
一 误差的基本概念
1 误差的概念 一个量的准确值与其近似值之差。
误差的来源与分类 /* Source & Classification */
1、从实际问题中抽象出数学模型 —— 模型误差 /* Modeling Error */
2、通过观测得到模型中某些参数（或物理量）的值 —— 观测误差 /* Measurement Error */
n
x 的相对误差限.
解： 由题设知:近似值为 x 10 ,绝对误差限为 ( x ) 5%
1 1 n 1 n 1 f ( x ) ( x ) x n nx
e( f ) f ( x )e( x ) e( x ) 0.005 er ( f ) f (x ) f (x ) nx n
er ( x*) x x* x
e(x*)可以简写为e
误差可正可负，常常是无限位的 绝对误差还不能完全表示近似值的好坏
②相对误差的定义：在 x≠0（或x* ≠0时）， x x* x x* e ( x*) e 或 ( x*) x* 定义 为近似值x*的相对误 x 差。
r
r
er(x*)可以简写为er
相对误差也可正可负
例1：设近似值5000的绝对误差为1，近似值 5的绝对误差为0.1，则哪个近似值准确度高？
解：
er(5000)=1/5000=0.0002=0.02%
er(5)=0.1/5=0.02=2%
在实际情况中，有些e和er无法直接计算，需 要进行误差估计。
③ 绝对误差界：设x为准确值，x*为x的一个 近似值，如果能对x*的绝对误差做出估计 |e|≤|x-x*|≤ε ,则称ε 为x*的绝对误差界。
课堂练习
1 我们所熟悉的圆周率π =3.1415926„„,问: ① 若取x*=3.14,则该近似值有多少位有效数 字? ②若取x*=3.1416,则该近似值有多少位有效 数字?
答案
1 解: π =0.31415926„„ ×101 ① |e|=|π -x*|=|0.0015926„„| ≤0.002≤0.005=0.5×10-2=0.5×101-3 ∴ x*有3位有效数字 ② |e|=|π -x*|=|-0.0000073„„| ≤0.000008≤0.00005=0.5×101-5 ∴ x*有5位有效数字
如： 3.14159
1 105 ( 3.1415926) 2
④相对误差界：如果能对x*的相对误差做出 | x x* | | e | 或 | e | 估计 ,则称ε r为x* | x| | x* | 的相对误差界。
r r r r
3 有效数字
作业:
已测量得某矩形面积,长a=110m,宽b=8m,若 |a-a*|≤0.1m, |b-b*|≤0.1m,试求其面积 s=ab 的绝对误差界和相对误差界.
算术运算的相对误差
x1 x2 r ( x1 x 2 ) 1r . 2 r x1 x 2 x1 x 2
r ( x1 .x 2 ) 1r 2 r
例2：设x=103×0.7136……,问： ① 若取x*=103×0.714,则x*有多少位有效数 字？ ②若取x*=103×0.715,则x*有多少位有效数字？ ③若取x*=103×0.7131,则x*有多少位有效数 字？
4 截断误差/舍入误差
① 截断误差：也称为方法误差，它是指在构造数值 计算方法时，用有限过程代替无限过程，其计算结 x x x sin(x) x ...... 果所存在的误差。 3! 5! 7!
f (x* )
对于函数 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) Mean Value e*(x) = x* x Theorem