线性方程组直接解法的误差分析 |
您所在的位置:网站首页 › 解方程组的解法步骤 › 线性方程组直接解法的误差分析 |
线性方程组的直接解法参考: 线性方程组的直接解法 病态方程组由于计算机舍入误差,在求解方程组 A x = b Ax=b Ax=b时总会有误差,实际上是在求解 ( A + δ A ) ( x + δ x ) = b + δ b (A+\delta A)(x+\delta x)=b+\delta b (A+δA)(x+δx)=b+δb 有时方程组的解对于系数矩阵和右端向量的扰动非常敏感,此时称为病态方程组 矩阵范数一个线性映射 A : X → Y A:X\rightarrow Y A:X→Y称为有界的,是指存在常数 C > 0 , s . t . ∀ x ∈ X , ∣ ∣ A x ∣ ∣ Y ≤ C ∣ ∣ x ∣ ∣ X C>0,s.t. \forall x\in X,||Ax||_Y\le C||x||_X C>0,s.t.∀x∈X,∣∣Ax∣∣Y≤C∣∣x∣∣X,对于有界线性算子 A A A可以定义: ∣ ∣ A ∣ ∣ : = s u p ∣ ∣ x ∣ ∣ X = 1 ∣ ∣ A x ∣ ∣ Y < + ∞ ||A||:=sup_{||x||_X=1}||Ax||_Yr+1 则 b = ∑ j = 1 r ( b , v j ) v j b=\sum_{j=1}^{r}(b,v_j)v_j b=∑j=1r(b,vj)vj 同理, x = ∑ j = 1 n ( x , u j ) u j x=\sum_{j=1}^n(x,u_j)u_j x=∑j=1n(x,uj)uj 则 A x = ∑ j = 1 n ( x , u j ) A u j = ∑ j = 1 r μ j ( x , u j ) v j = ∑ j = 1 r ( b , v j ) v j Ax=\sum_{j=1}^n(x,u_j)Au_j=\sum_{j=1}^r\mu_j(x,u_j)v_j=\sum_{j=1}^{r}(b,v_j)v_j Ax=∑j=1n(x,uj)Auj=∑j=1rμj(x,uj)vj=∑j=1r(b,vj)vj 则 x = ∑ j = 1 r 1 μ j ( b , v j ) u j x=\sum_{j=1}^r\frac{1}{\mu_j}(b,v_j)u_j x=∑j=1rμj1(b,vj)uj 由此可知,当 μ j ≪ 1 \mu_j\ll1 μj≪1时,存在较大的舍入误差 病态条件: c o n d ( A ) 2 = μ 1 μ n ≥ 1 cond(A)_2=\frac{\mu_1}{\mu_n}\ge1 cond(A)2=μnμ1≥1,由 μ 1 ∼ O ( 1 ) \mu_1\sim O(1) μ1∼O(1),则 μ n ≪ 1 \mu_n\ll1 μn≪1。 因此,较大的矩阵条件数可以推出存在远小于1的奇异值,而在求解方程解时由于出现1除以一个远小于1的数这一运算操作,导致了该线性方程组的求解存在较大的舍入误差的现象 吉洪诺夫正则化方法采用近似解:
x
=
∑
j
=
1
r
μ
j
α
+
μ
j
2
(
b
,
v
j
)
u
j
x=\sum_{j=1}^r\frac{\mu_j}{\alpha+\mu_j^2}(b,v_j)u_j
x=∑j=1rα+μj2μj(b,vj)uj 除了吉洪诺夫正则化方法,还有其他的方法,包括在这个式子中 x = ∑ j = 1 r 1 μ j ( b , v j ) u j x=\sum_{j=1}^r\frac{1}{\mu_j}(b,v_j)u_j x=∑j=1rμj1(b,vj)uj直接舍弃小于一定阈值的奇异值对应的项等。 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |