第一章 數(shù)值計算方法 緒論_第1頁
第一章 數(shù)值計算方法 緒論_第2頁
第一章 數(shù)值計算方法 緒論_第3頁
第一章 數(shù)值計算方法 緒論_第4頁
第一章 數(shù)值計算方法 緒論_第5頁
已閱讀5頁,還剩20頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

中國石油大學(華東)理學院制作:劉新海數(shù)值計算與實驗NumericalCalculationAndExperiment教材

(TextBook)

數(shù)值計算方法(第二版)

李維國、同登科主編

(中國石油大學出版社,2009年)參考書目

(Reference)

數(shù)值計算方法(上、下冊)

林成森編著(科學出版社1998年)

Principleof

NumericalAnalysis

數(shù)值分析原理封建湖、車剛明、聶玉峰編著(科學出版社,2001年)

提問:數(shù)值計算方法是做什么用的?研究對象:數(shù)值問題——有限個輸入數(shù)據(問題的自變量、原始數(shù)據)與有限個輸出數(shù)據(待求解數(shù)據)之間函數(shù)關系的一個明確無歧義的描述。如一階微分方程初值問題求函數(shù)解析表達式數(shù)學問題求函數(shù)在某些點的近似函數(shù)值數(shù)值問題程序設計上機計算設計高效、可靠的數(shù)值方法數(shù)值問題求解近似結果輸出重點討論數(shù)值問題的來源:實際問題建立數(shù)學模型數(shù)值問題數(shù)值方法的設計原則收斂性:方法的可行性穩(wěn)定性:初始數(shù)據等產生的誤差對結果的影響便于編程實現(xiàn):邏輯復雜度要小計算量要?。簳r間復雜度要小,運行時間要短存貯量要盡量?。嚎臻g復雜度要小可靠性分析計算復雜性誤差估計:運算結果不能產生太大的偏差且能夠控制誤差§1

誤差

/*Error*/一、誤差的來源與分類

/*Source&Classification*/

1、從實際問題中抽象出數(shù)學模型

——模型誤差

/*ModelingError*/

2、通過觀測得到模型中某些參數(shù)(或物理量)的值

——觀測誤差

/*MeasurementError*/

3、數(shù)學模型與數(shù)值算法之間的誤差求近似解

——方法誤差

(截斷誤差

/*TruncationError*/)

4、由于機器字長有限,原始數(shù)據和計算過程會產生新的誤差

——舍入誤差

/*RoundoffError*/二、誤差分析的基本概念

/*BasicConcepts*/

設為真值(精確值),為的一個近似值稱為近似值的絕對誤差,簡稱誤差。注:誤差可正可負,常常是無限位的絕對誤差限/*accuracy*/——絕對值的上界如:絕對誤差還不能完全表示近似值的好壞(絕對誤差/*absoluteerror*/)近似值的誤差與準確值的比值:稱為近似值的相對誤差,記作注:實際計算時,相對誤差通常取因為(相對誤差/*relativeerror*/)相對誤差也可正可負(有效數(shù)字/*SignificantDigits*/)相對誤差限——相對誤差的絕對值的上界/*relativeaccuracy*/如:3位6位若近似值與準確值的誤差絕對值不超過某一位的半個單位,該位到的第一位非零數(shù)字共有位,則稱有位有效數(shù)字有效數(shù)字(另外一種定義形式)用科學計數(shù)法,記其中,若(即的截取按四舍五入規(guī)則),則稱為有位有效數(shù)字,精確到。例1:問:有幾位有效數(shù)字?請證明你的結論。證明:有位有效數(shù)字,精確到小數(shù)點后第位。43規(guī)格化形式注:(1)數(shù)字末尾的0不可隨意省去?。?)若的每一位都是有效數(shù)字,則稱是有效數(shù)特別,經“四舍五入”得到的數(shù)均為有效數(shù)

一個算法如果輸入數(shù)據有擾動(即誤差),而計算過程中舍入誤差不增長,則稱此算法是數(shù)值穩(wěn)定的,否則此算法就稱為不穩(wěn)定的。(數(shù)值穩(wěn)定性/*NumericalStability*/)

對數(shù)學問題本身如果輸入數(shù)據有微小擾動,引起輸出數(shù)據(即問題真解)的很大擾動,這就是病態(tài)問題。(病態(tài)問題/*ill-posedproblem*/)

它是數(shù)學問題本身性質所決定的,與算法無關,也就是說對病態(tài)問題,用任何算法(或方法)直接計算都將產生不穩(wěn)定性。

三、數(shù)值算法及穩(wěn)定性

/*NumericalAlgorithmandStability*/此公式精確成立記為則初始誤差Whathappened?!例2計算

公式一:考察第n步的誤差我們有責任改變。造成這種情況的是不穩(wěn)定的算法

/*unstablealgorithm*/迅速積累,誤差快速遞增。初始的小擾動

公式二:注意此公式與公式一在理論上等價。方法:先估計一個IN

,再反推要求的In(n<<N)。可取取考察反推一步的誤差:以此類推,對n<N

有:誤差逐步遞減,這樣的算法稱為穩(wěn)定的算法

/*stablealgorithm*/

在我們今后的討論中,誤差將不可回避,算法的穩(wěn)定性將會是一個非常重要的話題。例3:蝴蝶效應

——紐約的一只蝴蝶翅膀一拍,風和日麗的北京就刮起臺風來了?!紐約北京這是一個病態(tài)問題蝴蝶效應§2誤差分析的方法和原則

/*ErrorAnalysis*/一、誤差分析的方法1、向前誤差分析法:利用誤差限,隨著計算過程逐步向前進行分析,直至估計出最后的結果。注:兩個近似數(shù),四則運算得到的誤差限分別為(1)(2)對于函數(shù)y=f(x),若用x*取代x,將對y產生什么影響?分析:e*(y)=f(x*)f(x)e*(x)=x*xMeanValueTheoremx*

與x非常接近時,可認為,則有:即:產生的誤差經過作用后被放大/縮小了

倍。故稱

為放大/縮小因子

/*amplificationfactor*/

絕對條件數(shù)

/*absoluteconditionnumber*/.相對誤差條件數(shù)

/*relativeconditionnumber*/

f的條件數(shù)在某一點是小\大,則稱

f在該點是好條件的

/*well-conditioned*/

\壞條件的

/*ill-conditioned*/。注:關于多元函數(shù)

可類似討論,理論工具:Taylor公式(教材第7頁)例4設,試求函數(shù)的相對誤差限.解:由題設知:近似值為,絕對誤差限為

2、向后誤差分析法:把舍入誤差的累積與導出的已知量的某種攝動(微小誤差)等價起來,

即令利用攝動理論,由的界估計出最后的舍入誤差界。3、區(qū)間分析法:把參加運算的數(shù)都看成區(qū)間量,根據區(qū)間運算規(guī)則求得最后結果的近似值和誤差限。4、概率分析法:利用概率統(tǒng)計方法,將數(shù)據和運算中的舍入誤差視為適合某種分布的隨機變量,然后確定計算結果的誤差分布。 二、幾點注意事項

/*Remarks*/1、

避免相近二數(shù)相減例:a1=0.12345,a2=0.12346,各有5位有效數(shù)字。而a2

a1=0.00001,只剩下1位有效數(shù)字。

幾種經驗性避免方法:當|x|<<1時:2、

避免小分母:分母小會造成浮點溢出

/*overflow*/3、避免大數(shù)吃小數(shù)例:用單精度計算的根。精確解為算法1:利用求根公式在計算機內,109存為0.11010,1存為0.1101。做加法時,兩加數(shù)的指數(shù)先向大指數(shù)對齊,再將浮點部分相加。即1的指數(shù)部分須變?yōu)?010,則:1=0.00000000011010,取單精度時就成為:

109+1=0.100000001010+0.000000001010=0.100000001010大數(shù)吃小數(shù)算法2:先解出再利用注:求和時從小到大相加,可使和的誤差減小。例:按從小到大、以及從大到小的順序分別計算1+2+3+…+40+1094、

先化簡再計算,減少步驟,避免誤差積累。一般來說

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論