6.2.4 数值稳定性

1. 公式
   观察依据

   在黑板上写作“f: $D \to R$”。

2. 声音
   观察依据

   说话人称其为“将定义域中的元素映射到值域中元素的函数”。

f

一个从定义域到值域的严格数学函数映射。

D

1. 公式
   观察依据

   在黑板上写作位于椭圆形状内的“D”。

2. 声音
   观察依据

   说话人称其为“定义域”。

D

函数 f 的定义域。

源材料中未说明。

1. 公式
   观察依据

   在黑板上写作位于椭圆形状内的“R”。

2. 声音
   观察依据

   说话人称其为“值域”。

R

函数 f 的值域。

源材料中未说明。

1. 公式
   观察依据

   写在定义域椭圆 D 内部的黑板上。

2. 声音
   观察依据

   说话人说：‘输入某个值 x’。

x

属于定义域 D 的一个输入值。

D

1. 公式
   观察依据

   写在值域椭圆 R 内部的黑板上。

2. 声音
   观察依据

   说话人说：‘这个值被映射为另一个值……$f(x)$’。

$f(x)$

函数 f 在输入 x 处的确切输出值。

实数集

1. 公式
   观察依据

   写在从 x 指向 R 的第二条箭头上方的黑板上。

2. 声音
   观察依据

   说话人说：‘一个替代函数 f 检查’。

$\check{f}$

在计算机上实现的函数，可能由于误差或缺陷而与精确函数 f 不同。

D

1. 公式
   观察依据

   写在范围椭圆 R 内部、$f(x)$ 下方的黑板上。

2. 声音
   观察依据

   说话人说：“将使用你的实现把它映射到某个其他值。”

$\check{f}(x)$

由实现函数 $\check{f}$ 对输入 x 所产生的输出值。

实数集

1. 公式
   观察依据

   写在定义域椭圆 D 内部、靠近 x 的黑板上。

2. 声音
   观察依据

   说话人说：“对于一个接近 x 的值，我们称它为 x 检查。”

$\check{x}$

定义域 D 中一个接近原始输入 x 的值。

D

1. 公式
   观察依据

   黑板上写作 f: $D \to R$。

f

正在分析的原始数学函数。

D

1. 公式
   观察依据

   黑板上作为 f: $D \to R$ 的一部分写出，并在左侧画作一个大椭圆。

D

函数 f 的定义域。

所有可能输入值的集合

1. 公式
   观察依据

   黑板上作为 f: $D \to R$ 的一部分写出，并在右侧画作一个大椭圆。

R

函数 f 的陪域（或称值域）。

实数集

1. 公式
   观察依据

   写在黑板上定义域椭圆 D 内部。

x

函数 f 的一个确切输入值。

D

1. 声音
   观察依据

   说话人引入主题：“我们现在来到一个非常重要的主题：数值稳定性。”

2. 声音
   观察依据

   说话人给出定义：“数值稳定性是函数实现所具有的一种性质。”

数值稳定性是计算机实现某个数学函数时，其逼近精确函数程度好坏的一种性质。它不同于函数本身的条件数，后者衡量的是精确函数对其输入微小变化的敏感程度。

1. 适用于函数在计算机上的实现。

1. 声音
   观察依据

   主讲人解释道：“如果函数对微小变化非常敏感，即其条件数很差，或者说它是病态的，那么无论你的实现多么优秀，输入的微小变化都可能导致输出的巨大变化。”

条件数指的是数学函数本身对其输入的微小变化所具有的固有敏感性。一个病态函数即使在输入发生极微小变化时，也会导致输出发生巨大变化，因而无论实现质量如何，都难以准确计算。

1. 数学函数自身所具有的固有性质，与实现方式无关。

1. 数值稳定性

1. 声音
   观察依据

   主讲人将数值稳定算法定义为：其计算结果可归因于一个接近原始输入的输入。

若一个算法所计算出的结果，恰好等于真实数学函数在某个略微扰动的输入处的取值，则该算法被视为数值稳定的。这意味着计算过程中引入的误差（例如浮点舍入误差）不会导致输出相对于邻近输入的真实函数行为发生剧烈偏离。

1. 扰动 〔$\tilde{x} - x$〕 必须很小。

1. 声音
   观察依据

   主讲人指出，通过将计算所得结果归因于相近的输入来分析算法是否具备数值稳定性，这种做法称为向后误差分析。

向后误差分析是一种用于评估算法数值稳定性的技术。它不向前考察输入误差如何传播为输出误差，而是反向进行：它提出这样一个问题——若将某个精确输入代入真实的数学函数，恰好能得到所计算出的输出，则该精确输入是什么？若这个‘向后’求得的输入与原始预期输入非常接近，则该算法被视为稳定的。

1. 用于证明或分析算法的数值稳定性。

1. 数值稳定算法的定义

1. 图示
   观察依据

   黑板示意图：两个椭圆分别标为 D 和 R，箭头表示通过函数 f 将 x 映射到 $f(x)$，以及通过函数 $\check{f}$ 将 x 映射到 $\check{f}(x)$。

1. 椭圆 D（定义域）

2. 椭圆 R（值域）

3. 点 x

4. 点 $f(x)$

5. 点 $\check{f}(x)$

6. 箭头 f

7. 箭头 〔$\check{f}$〕

8. 点 〔$\check{x}$〕

1. 讲解者绘制精确函数 f 的初始示意图。

2. 讲解者为实现函数 〔$\check{f}$〕 添加第二根箭头及对应的输出点。

3. 讲解者在定义域中 x 附近添加一个新点 〔$\check{x}$〕。

1. 定义域 D 和值域 R 保持不变。

2. 精确函数 f 及其输出 $f(x)$ 保持不变。

该示意图直观对比了精确的数学函数 f 与其计算机实现 〔$\check{f}$〕。输出 $f(x)$ 与 〔$\check{f}(x)$〕 之间的距离，代表实现过程引入的误差。添加 〔$\check{x}$〕 是为了引出输入扰动如何影响输出的讨论，这与函数的条件数密切相关。

1. 图示
   观察依据

   一张映射示意图，包含两个椭圆形区域，分别标注为 D 和 R。D 内有两点 x 和 〔$\tilde{x}$〕；R 内有两点 〔$f(x)$〕 和 〔$\tilde{f}(x)$〕。箭头显示 f 将 x 映射至 〔$f(x)$〕，另一条箭头表示对应于 〔$f(\tilde{x})$〕 的计算结果 〔$\tilde{f}(x)$〕。

1. 定义域集合 D

2. 陪域集合 R

3. 精确输入 x

4. 扰动输入 〔$\tilde{x}$〕

5. 精确输出 〔$f(x)$〕

6. 计算所得输出 $\tilde{f}(x)$

7. 映射箭头

1. 讲解过程中，说话人指向示意图的不同部分，说明精确输入、扰动输入与计算所得输出等概念。

1. 整个片段中，映射示意图的整体结构保持不变。

该示意图直观呈现了向后误差分析的核心思想：计算所得输出 $\tilde{f}(x)$ 被视为真实函数 f 在某个略微改动的输入 $\tilde{x}$ 处的精确输出 $f(\tilde{x})$。

1. 声音
   观察依据

   讲解者澄清道：‘……无论你的实现多么优秀，你都必然会在过程中产生误差。甚至你在测量输入时，就可能已存在误差。’

误以为高度精确的计算机实现能够对病态函数完美计算输出，而不会产生显著误差。

即使实现完全精确，病态函数也会放大输入数据中已有的微小误差（例如测量误差），从而导致输出出现巨大误差。数值稳定性关注的是实现过程中的误差，而条件数则反映问题本身固有的敏感性。

1. 声音
   观察依据

   主讲人对比了这两个概念：‘……如果其条件数很差……那么无论你的实现多么优秀，输入的微小变化都可能导致输出的巨大变化。’

数值稳定性是算法实现所具有的性质，而条件性则是数学问题本身固有的性质。稳定的算法可最小化实现误差，却无法克服病态问题所引起的输出大幅波动。

1. 声音
   观察依据

   说话人将数值稳定性的定义直接关联到向后误差分析方法。

向后误差分析是用于论证并证明某算法具备数值稳定性这一性质的具体方法论途径。

1. 声音
   观察依据

   主讲人引入主题并给出定义。

1. 数值稳定性

1. 声音
   观察依据

   主讲人解释病态性如何影响输出，且这种影响与实现质量无关。

1. 数值稳定性
2. 函数的条件数
3. s0-cr-stability-cond
4. 混淆实现误差与条件数

1. 声音
   观察依据

   说话人给出数值稳定算法的定义。

1. 数值稳定算法的定义

1. 声音
   观察依据

   说话人引入术语“向后误差分析”。

1. 向后误差分析的概念