操作顺序，数值算法

我读过

（1）条件恶劣的操作应在条件良好的操作之前进行。

举例来说，由于减法不适用于乘法，而减法不适用于条件，因此应将计算为。 $xz-yz$ $(x-y)z$

但是，对这两种算法的一阶误差分析表明，它们的相差仅三倍（*），而且我不明白为什么有人可以将其概括为语句（1），也无法直观地理解操作顺序。您认为陈述（1）是被接受的规则，您对此有其他解释吗？

*：更具体地说，第一个版本的相对误差由

eps + 3 \frac{| x | + | y |}{| x | - | y |} eps

$\text{eps}+3\frac{|x|+|y|}{|x|-|y|}\text{eps}$ 而第二版本的相对误差由

3 eps + \frac{| x | + | y |}{| x | - | y |} eps

$3\text{eps}+\frac{|x|+|y|}{|x|-|y|}\text{eps}$

其中是机器精度。 $\text{eps}$

该分析基于以下假设：第个中间结果乘以（由于舍入误差），其中是由界定的iid随机变量。“一阶”表示忽略诸如的高阶术语。 $i$ $(1+\varepsilon_i)$ $\varepsilon_i$ $\text{eps}$ $\epsilon_i\epsilon_jx$

stability floating-point

— 巴纳纳赫
source

你在哪里读的？

— David Ketcheson

在我的演讲笔记中

— Bananach 2015年

让我们用（我懒于尝试获得除法运算符的带圆圈版本），分别是精确乘法（），加法（）和减法（）的浮点类似物。我们假设（IEEE-754）对于它们全部其中是由于四舍五入而导致相对误差上限的机器epsilon。我们还将使用以下容易证明的引理（假设所有，并且不太大）： $\otimes,\oplus,\ominus$ $\times$ $+$ $-$

[x \oplus y] = (x + y) (1 + δ_{\oplus}), | δ_{\oplus} | \leq ϵ_{m a c h},

$[x\oplus y]=(x+ y)(1+\delta_\oplus),\quad |\delta_\oplus|\le\epsilon_\mathrm{mach},$

ϵ_{m a c h}

$\epsilon_\mathrm{mach}$

| δ_{i} | \leq ϵ_{m a c h}

$|\delta_i|\le\epsilon_\mathrm{mach}$

m

$m$

\prod_{i = 1}^{m} (1 + δ_{i}) = 1 + θ (m), | θ (m) | \leq \frac{m ϵ_{m a c h}}{1 - m ϵ_{m a c h}}

$\prod\limits_{i=1}^{m}(1+\delta_i)=1+\theta(m),\quad |\theta(m)|\le\frac{m\epsilon_\mathrm{mach}}{1-m\epsilon_\mathrm{mach}}$

让我们定义对实数运算的真函数为 $f$ $x,y,z$

f (x, y, z) = (x \times z) - (y \times z)

$f(x,y,z)=(x\times z)-(y\times z)$

和在符合IEEE的浮点算法中的两个版本的函数实现，分别为和，它们对浮点表示形式进行操作，如下所示： $\tilde{f_1}$ $\tilde{f_2}$ $\tilde{x}=x(1+\delta_x),\tilde{y},\tilde{z}$

\tilde{f_{1}} (\tilde{x}, \tilde{y}, \tilde{z}) = (\tilde{x} \otimes \tilde{z}) ⊖ (\tilde{y} \otimes \tilde{z}),

$\tilde{f_1}(\tilde{x},\tilde{y},\tilde{z})=(\tilde{x}\otimes\tilde{z})\ominus(\tilde{y}\otimes\tilde{z}),$

\tilde{f_{2}} (\tilde{x}, \tilde{y}, \tilde{z}) = (\tilde{x} ⊖ \tilde{y}) \otimes \tilde{z} .

$\tilde{f_2}(\tilde{x},\tilde{y},\tilde{z})=(\tilde{x}\ominus\tilde{y})\otimes\tilde{z}.$

错误分析： $\tilde{f_1}$

\begin{aligned} \tilde{f_{1}} & = (\underset{(\tilde{x} \otimes \tilde{z})}{\underset{⏟}{(x (1 + δ_{x}) \times z (1 + δ_{z})) (1 + δ_{\otimes_{x z}})}} - \underset{(\tilde{y} \otimes \tilde{z})}{\underset{⏟}{(y (1 + δ_{y}) \times z (1 + δ_{z})) (1 + δ_{\otimes_{y z}})}}) (1 + δ_{⊖}) \\ = x z (1 + δ_{x}) (1 + δ_{z}) (1 + δ_{\otimes_{x z}}) (1 + δ_{⊖}) - y z (1 + δ_{y}) (1 + δ_{z}) (1 + δ_{\otimes_{y z}}) (1 + δ_{⊖}) \\ = x z (1 + θ_{x z, 1}) - y z (1 + θ_{y z, 1}) . \end{aligned}

$\begin{aligned} \tilde{f_1}&=\Big(\underbrace{\big(x(1+\delta_x)\times z(1+\delta_z)\big)\big(1+\delta_{\otimes_{xz}}\big)}_{(\tilde{x}\otimes\tilde{z})}-\underbrace{\big(y(1+\delta_y)\times z(1+\delta_z)\big)\big(1+\delta_{\otimes_{yz}}\big)}_{(\tilde{y}\otimes\tilde{z})}\Big)\Big(1+\delta_{\ominus}\Big)\\ &=xz(1+\delta_x)(1+\delta_z)(1+\delta_{\otimes_{xz}})(1+\delta_\ominus)-yz(1+\delta_y)(1+\delta_z)(1+\delta_{\otimes_{yz}})(1+\delta_\ominus)\\ &=xz(1+\theta_{xz,1})-yz(1+\theta_{yz,1}). \end{aligned}$ 在这里，。

| θ_{x z, 1} |, | θ_{y z, 1} | \leq \frac{4 ϵ_{m a c h}}{1 - 4 ϵ_{m a c h}}

$|\theta_{xz,1}|,|\theta_{yz,1}|\le\frac{4\epsilon_\mathrm{mach}}{1-4\epsilon_\mathrm{mach}}$

类似地，对于在这里，。 $\tilde{f_2}$

\begin{aligned} \tilde{f_{2}} & = (((x (1 + δ_{x}) - y (1 + δ_{y}) (1 + δ_{⊖_{x y}})) \times (z (1 + δ_{z}))) (1 + δ_{\otimes}) \\ = x z (1 + δ_{x}) (1 + δ_{z}) (1 + δ_{⊖_{x y}}) (1 + δ_{\otimes}) - y z (1 + δ_{y}) (1 + δ_{z}) (1 + δ_{⊖_{x y}}) (1 + δ_{\otimes}) \\ = x z (1 + θ_{x, 2}) - y z (1 + θ_{y, 2}) . \end{aligned}

$\begin{aligned} \tilde{f_2}&=\Bigg(\Big(\big( x(1+\delta_x)-y(1+\delta_y \big)\big(1+\delta_{\ominus_{xy}}\big)\Big)\times \Big(z(1+\delta_z)\Big)\Bigg)\Bigg(1+\delta_{\otimes}\Bigg)\\ &=xz(1+\delta_x)(1+\delta_z)(1+\delta_{\ominus_{xy}})(1+\delta_\otimes)-yz(1+\delta_y)(1+\delta_z)(1+\delta_{\ominus_{xy}})(1+\delta_\otimes)\\ &=xz(1+\theta_{x,2})-yz(1+\theta_{y,2}). \end{aligned}$

| θ_{x, 2} |, | θ_{y, 2} | \leq \frac{4 ϵ_{m a c h}}{1 - 4 ϵ_{m a c h}}

$|\theta_{x,2}|,|\theta_{y,2}|\le\frac{4\epsilon_\mathrm{mach}}{1-4\epsilon_\mathrm{mach}}$

因此，对于和我们得到了相同类型的表达式，因此，从数值的角度来看，我不明白为什么一个实现比另一个实现更可取（除了与相比，仅执行2个浮点运算。 $\tilde{f_1}$ $\tilde{f_2}$ $\tilde{f_2}$ $\tilde{f_1}$

计算相对误差将表明，问题出在以下事实：和可能非常接近（抵消）。 $x$ $y$

\begin{aligned} \frac{| \tilde{f_{1}} - f |}{| f |} & = \frac{| x z + x z θ_{x z, 1} - y z - y z θ_{y z, 1} - (x z - y z) |}{| x z - y z |} = \frac{| x θ_{x z, 1} - y θ_{y z, 1} |}{| x - y |} \\ \leq \frac{| x | + | y |}{| x - y |} \frac{4 ϵ_{m a c h}}{1 - 4 ϵ_{m a c h}}, \end{aligned}

$\begin{aligned} \frac{|\tilde{f_1}-f|}{|f|}&=\frac{|xz+xz\theta_{xz,1}-yz-yz\theta_{yz,1}-(xz-yz)|}{|xz-yz|}=\frac{|x\theta_{xz,1}-y\theta_{yz,1}|}{|x-y|}\\ &\le\frac{|x|+|y|}{|x-y|}\frac{4\epsilon_\mathrm{mach}}{1-4\epsilon_\mathrm{mach}}, \end{aligned}$

\begin{aligned} \frac{| \tilde{f_{2}} - f |}{| f |} & = \frac{| x z + x z θ_{x, 2} - y z - y z θ_{y, 2} - (x z - y z) |}{| x z - y z |} = \frac{| x θ_{x, 2} - y θ_{y, 2} |}{| x - y |} \\ \leq \frac{| x | + | y |}{| x - y |} \frac{4 ϵ_{m a c h}}{1 - 4 ϵ_{m a c h}} . \end{aligned}

$\begin{aligned} \frac{|\tilde{f_2}-f|}{|f|}&=\frac{|xz+xz\theta_{x,2}-yz-yz\theta_{y,2}-(xz-yz)|}{|xz-yz|}=\frac{|x\theta_{x,2}-y\theta_{y,2}|}{|x-y|}\\ &\le\frac{|x|+|y|}{|x-y|}\frac{4\epsilon_\mathrm{mach}}{1-4\epsilon_\mathrm{mach}}. \end{aligned}$

之间的细微差别可能会使两个数值实现之一略微变好或变差，具体取决于。但是，我怀疑这可能有任何意义。该结果完全有意义，因为无论如何，如果必须使用浮点算术计算和的值足够接近（对于您使用的精度如果使用，则没有定标可以显着帮助您：你已经遇到麻烦了。 $\theta$ $x,y,z$ $(x-y)$ $x$ $y$

注意：以上所有讨论均假设没有上溢或下溢，即，是所有正常浮点数的集合。 $x,y,z,f(x,y,z)\in\mathbb F_0$ $\mathbb F_0$

— 安东·门绍夫
source