当前位置: 首页 > article >正文

有效数字和相对误差限的关系

有效数字和相对误差限的关系

若近似数 x ∗ x^* x具有 n n n位有效数字,则其相对误差限为

ε r ∗ ⩽ 1 2 a 1 × 1 0 − ( n − 1 )   \varepsilon_\mathrm{r}^*\leqslant\frac1{2a_1}\times10^{-(n-1)}\: εr2a11×10(n1)

反之,若 x ∗ x^* x的相对误差限 ε r ∗ ⩽ 1 2 ( a 1 + 1 ) × 1 0 − ( n − 1 ) \varepsilon_\mathrm{r}^*\leqslant\frac1{2(a_1+1)}\times10^{-(n-1)} εr2(a1+1)1×10(n1),则 x ∗ x^* x至少具有 n n n位有效数字。

证明:


a 1 × 1 0 m ⩽ ∣ x ∗ ∣ ⩽ ( a 1 + 1 ) × 1 0 m a_1\times10^m\leqslant|x^*|\leqslant(a_1+1)\times10^m a1×10mx(a1+1)×10m

x ∗ x^* x n n n 位有效数字时,有

ε r ∗ = ∣ x − x ∗ ∣ ∣ x ∗ ∣ ⩽ 0.5 × 1 0 m − n + 1 a 1 × 1 0 m = 1 2 a 1 × 1 0 − n + 1 ; \varepsilon_\mathrm{r}^*=\frac{\mid x-x^*\mid}{\mid x^*\mid}\leqslant\frac{0.5\times10^{m-n+1}}{a_1\times10^m}=\frac1{2a_1}\times10^{-n+1}; εr=xxxa1×10m0.5×10mn+1=2a11×10n+1;

反之,有

∣ x − x ∗ ∣ = ∣ x ∗ ∣ ε r ∗ ⩽ ( a 1 + 1 ) × 1 0 m × 1 2 ( a 1 + 1 ) × 1 0 − n + 1 = 0.5 × 1 0 m − n + 1   , \mid x-x^*\mid=\mid x^*\mid\varepsilon_\mathrm{r}^*\leqslant(a_1+1)\times10^m\times\frac{1}{2(a_1+1)}\times10^{-n+1}=0.5\times10^{m-n+1}\:, xx∣=∣xεr(a1+1)×10m×2(a1+1)1×10n+1=0.5×10mn+1,

x ∗ x^* x n n n 位有效数字,证毕。

以上说明 ,有效位数越多,相对误差限越小。

要使 2 0 \sqrt20 2 0的近似值的相对误差限小于 0.1%,要取几位有效数字?

解:

ε r ∗ ⩽ 1 2 a 1 × 1 0 − ( n − 1 )   \varepsilon_\mathrm{r}^*\leqslant\frac1{2a_1}\times10^{-(n-1)}\: εr2a11×10(n1)

20 = 4.4 ⋅ ⋅ ⋅ \sqrt{20}=4.4\cdotp\cdotp\cdotp 20 =4.4⋅⋅⋅

a 1 = 4 a_1=4 a1=4,故只要取 n = 4 n=4 n=4,就有

ε r ∗ ⩽ 0.125 × 1 0 − 3 < 1 0 − 3 = 0.1 % \varepsilon_{\mathrm{r}}^{*}\leqslant0.125\times10^{-3}<10^{-3}=0.1\% εr0.125×103<103=0.1%

即只要对 20 \sqrt{20} 20 的近似值取四位有效数字,其相对误差限就小于 0.1 % 0.1\% 0.1%,此时

20 ≈ 4.472 \sqrt{20}\approx4.472 20 4.472


http://www.kler.cn/a/500261.html

相关文章:

  • SQL-leetcode-584. 寻找用户推荐人
  • 记录一次电脑被入侵用来挖矿的过程(Trojan、Miner、Hack、turminoob)
  • 【经典神经网络架构解析篇】【1】LeNet网络详解:模型结构解析、优点、实现代码
  • 下载导出Tomcat上的excle文档,浏览器上显示下载
  • 基于mybatis-plus历史背景下的多租户平台改造
  • Kafka消息队列出现消息堆积如何解决
  • 在Django的Serializer的列表数据中剔除指定元素
  • 安装本地测试安装apache-doris
  • Vue Router4
  • 从预训练的BERT中提取Embedding
  • 【计算机网络】lab4 Ipv4(IPV4的研究)
  • k8s helm部署kafka集群(KRaft模式)——筑梦之路
  • OpenAI Swarm的使用过程记录
  • ubuntu/kali安装c-jwt-cracker
  • react的statehook useState Hook详细使用
  • 【YOLO】将多类别YOLO格式txt标签数据区分成单类别标签
  • jQuery CSS 类
  • react全局状态管理——redux和zustand,及其区别
  • docker更换镜像源脚本
  • 单元测试概述入门
  • 附加共享数据库( ATTACH DATABASE)的使用场景
  • 微信小程序用的SSL证书有什么要求吗?
  • 设计模式 行为型 解释器模式(Interpreter Pattern)与 常见技术框架应用 解析
  • 基于高斯混合模型的数据分析及其延伸应用(具体代码分析)
  • 【LevelDB 和 Sqlite】