数值分析中的误差传播理论

数值计算中的误差估计与分析在数值计算中，误差是无法避免的。

无论是数值积分、求根、线性方程组求解还是常微分方程求解，我们都需要对误差进行估计与分析，以保证结果的可靠性。

1.舍入误差：计算机中数字的存储精度是有限的，常用的浮点数表示法只能表示有限位数的小数。

当进行计算时，由于舍入操作会使结果产生一定的误差。

舍入误差是由于浮点数计算机表示能力造成的，它依赖于计算机所采用的机器数系统。

2.截断误差：在数值计算方法中，我们通常会使用有限项的级数展开式或多项式插值来近似解析解。

但由于展开或插值时的截断限制，会导致结果与真实结果之间的误差。

3.近似误差：数值计算方法本身就是在对问题进行近似求解，所以解的精确性受到近似精度的限制。

比如，对于数值积分来说，选择积分点的个数、插值多项式的次数都会影响结果的准确性。

4.舍入误差传播：在多步计算的过程中，每一步的舍入误差都会传播到下一步计算中，进而影响最终结果。

舍入误差的传播是一个累积效应，有时即使每一步舍入误差非常小，但在多步计算的累加下，也会导致结果产生很大的误差。

二、误差估计方法1.精度估计：对于一些数值方法，可以通过理论分析推导出误差的范围。

例如，对于数值积分，可以通过误差估计公式进行分析。

这种方法需要对问题进行数学建模，并具备一定的数学推导能力。

2.实验估计：对于一些复杂问题，很难通过理论分析得到精确的误差范围。

此时可以通过实验的方式来估计误差。

实验方法可以是计算机模拟实验，也可以是通过比较数值方法与解析解的差异来估计误差。

3.改进方法：除了估计误差大小，我们还可以通过改进数值方法来减小误差。

比如，可以采用更高阶的数值积分公式、使用更精确的数值微分方法等。

这些改进方法在一定程度上可以提高数值计算的准确性，并减小误差。

三、误差分析策略1.迭代策略：很多数值方法都是通过迭代来逐步逼近真实解的。

在迭代过程中，我们可以通过观察迭代序列的变化情况来判断结果是否趋近真实解，以及误差的变化是否在可接受范围内。

* r
(
x1
)和
* r
(
x2
)经过传播后增大或缩小的倍数。
第3页/共14页
例：用电表测得一个电阻两端的电压和流过的电流
范围分别为V 220 2(伏特)，I 10 0.1(安培)，求
这个电阻的阻值R,并估算其绝对误差和相对误差。
解：由欧姆定律，有R V ，可求出 R 的近似值， I
R* 220 2（2 欧姆），可以计算出 R* 的绝对误差：
10
(R)
R V
*
(V
)
R I
*
(I )
1 I*
(V
)
V* (I * )2
(I )
令V * 220(伏特), (v) 2(伏特),I * 10(安培)， (I ) 0.1(安培)，把它们代入上式即可估计出 R* 的绝对误差：
(R)
1 I*
(V )
V* (I * )2
式可知，这时
* r
(
x1
x2
)
可能会很大，说明计算结果的
有效数字严重丢失，计算精度很低。因此在实际计算中，
应尽可能设法避开相近数的相减。当实在无法避免时，
可用变换计算公式的办法来解决。
第8页/共14页
例如：当要求计算 3.01 3，结果精确到第五位数 字时，至少取到 3.01 1.7349352和 3 1.7320508， 这样 3.01 3 2.8844103才能达到具有五位有效 数字的要求。
(x1)
x1* (x2* )2
(x2 )
x1* x2*
[
* r
(
x1
)
* r
(
x2
)]

（避免绝对值很大的数为乘数）
x1 1 x1 e e x ex 2 （避免 x2 为很小的数为除数） 1 2 x x x2 2 2
er x1 x2 x1 x2 er x1 er x 2 x1 x2 x1 x2
er x1 x2
这里，主要介绍计算机中浮点数的表示形式及 表示范围（4个参数）：
x s p
其中， s =±0.a1a2a3………at 称为尾数∈[-1,1],
s 中的正负号用一位数字区分；
β为基数，如取2、10、8、16； p为阶数，有上限U和下限L, 由计算机存储字节长度决定。
1.4 误差危害的防止 （1）使用数值稳定的计算公式
数值稳定是指计算过程中舍入误差对计算影响不大的算法， 若第n+1步的误差en+1 与第n步的误差en满足
en 1 1 en
，则称该计算公式是绝对稳定的
例：建立积分In=

1
0
xn dx x5
（n=0,1.........,20）
递推关系式，并分析误差传播影响。
解： I +5I
n
n-1=
x 5x 0 x 5 dx
1 n n -1

1
0
x n-1dx
x n
n
1

0
1 n
I 0=
1 0 x 5dx
1
ln x 5
1 0
=ln6-ln5
1 In -5In -1 n ∴递推式： I 0 ln6 - ln5
2
x1 x 2
2
e x1 e x 2

误差传播分析和容错效果误差传播分析是在各种科学研究和实际应用中常用的一种分析方法。

它用于研究在测量、计算或实验过程中产生的误差如何传播到最终结果，并评估这些误差对结果的影响。

误差传播分析的目的是帮助我们理解和控制误差，从而提高数据的可靠性和研究结果的准确性。

误差传播分析的基本原理是根据误差的数学性质和统计规律，通过对误差的传播规律进行建模和计算。

在实际应用中，误差往往是由多个环节的测量、计算或实验引起的。

因此，误差传播分析需要考虑不同环节的误差来源和传播方式。

首先，我们需要识别和量化每个环节中的误差来源。

这些误差来源可以分为系统误差和随机误差。

系统误差是由系统的固有性质或外部条件引起的，它们可能导致测量值的偏倚或偏离真实值。

随机误差是由各种不确定因素引起的，它们在多次测量或实验中会导致结果的变动。

然后，我们需要确定误差的传播方式。

误差可以通过线性传播或非线性传播的方式进行传播。

线性传播是指误差在不同环节之间按照线性关系进行传播。

非线性传播是指误差在不同环节之间按照非线性关系进行传播。

为了进行误差传播分析，我们可以使用数学模型和统计方法。

数学模型可以帮助我们建立误差的传播关系，并进行误差的计算和预测。

统计方法可以帮助我们评估误差的大小和不确定性，并进行误差的分布分析。

误差传播分析的结果通常以误差边界（error bounds）或置信区间（confidence interval）的形式呈现。

误差边界是指误差的上、下限，它给出了误差的范围。

置信区间是指给定置信水平下误差的范围，它可以帮助我们评估误差的可靠性。

容错效果是指在误差传播过程中，系统的容错性能。

容错效果的好坏会影响最终结果的准确性和可靠性。

如果系统具有较好的容错效果，那么即使系统中存在一定误差，最终结果仍然可以保持较高的准确性。

如果系统的容错效果较差，那么即使系统中的误差很小，最终结果可能会变得不可靠。

在实际应用中，对误差传播分析和容错效果的研究非常重要。