Лекция 8.
Численное решение СЛАУ. Прямые методы.
Необходимые сведения из линейной алгебры.
Определение.
Нормой вектора x называется число xr , удовлетворяющее условиям: xr > 0, xr = 0 xr = 0 .
|
αxr |
|
|
|
= |
|
|
|
|
|
α |
|
|
|
|
|
xr |
|
|
|
, где α - скаляр. |
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
xr + yr |
|
|
|
≤ |
|
|
|
|
|
xr |
|
|
|
+ |
|
|
|
yr |
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
Примеры. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
x |
|
|
|
|
|
|
|
1 = ∑ |
|
xi |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑xi |
|
|
2 |
|
|
- Евклидова норма. |
||||||||||||||||||||||||||||||||
|
x |
|
|
|
|
2 |
|
= |
2 |
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
x |
|
|
|
c |
|
= max |
|
xi |
|
- равномерная норма. |
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
Векторное пространство с введенной нормой называют нормированным.
Одновременно оно является метрическим, поскольку можно положить
ρ(xr, yr) = xr− yr .
Определение.
Нормой квадратной матрицыA называется число, обозначаемое A и
удовлетворяющее следующим свойствам:
A > 0, A = 0 A = 0
αA = α A , где A - скаляр.
A + B ≤ A + B .
A B ≤ AB .
Пример.
A c = maxi ∑j Aij
67
Определение. Норма матрицы A согласована с нормой вектора x , если A xr ≤ Axr . Будем требовать выполнения этого свойства.
Задачи линейной алгебры.
-решение системы линейных уравнений
-вычисление определителей и обращения матриц
-вычисление собственных значений и собственных векторов матриц. Задачи линейной алгебры - самые распространенные с точки зрения при-
кладной математики.
Библиотека МИАН (РАН) (Математический Институт АН имени Стеклова): работы вычислительного характера по линейной алгебре:
С1828 по 1974 год, т.е. за 147 лет, 4000 наименований (Статья Гаусса).
С1975 по 1980 - 3000 наименований.
С1981 по 1984 - 4000 наименований.
Наиболее часто встречается первая задача., т.е. решение системы линейных уравнений (ОДУ, ДУ с ЧП).
Пусть требуется найти решение системы:
a |
|
x |
+ a |
|
x |
2 |
+... + a |
|
x |
n |
= f |
|
|
|||||
11 |
1 |
|
12 |
|
|
1n |
|
|
1 |
|
||||||||
a21x1 + a22 x2 |
+... + a2n xn = f2 |
(1) |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
K |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
n1 |
x |
+ a |
n2 |
x |
2 |
+... + a |
nn |
x |
n |
= f |
n |
|
|||||
|
1 |
|
|
|
|
|
|
|
|
|
||||||||
или |
|
r |
|
r |
|
|
|
|
|
|
|
|
|
|
|
|||
Ax |
= f . |
|
|
|
|
|
|
|
|
|
||||||||
Пусть |
= det A ≠ 0 , т.е. решение (1) существует и единственно. |
Известны формулы, дающие в явном виде решение задачи (1). Это формулы Крамера:
x |
= |
i , |
i |
|
|
где |
i - определитель матрицы, которая получается из матрицы A заменой |
столбца с номером i на столбец правых частей системы. Определитель можно вычислить следующим образом:
68
= ∑(−1)[P1,...,Pn ] ap11ap2 2...apnn , где последовательности p1,..., pn - различные
Pn
перестановки натуральных чисел от 1 до n , Pn = n! - число возможных пере-
становок.
[ p1,..., pn ] - число так называемых “беспорядков”, или инверсий, в переста-
новке.
На практике эти формулы неприменимы, т.к. для подсчета каждого определителя надо вычислить n! слагаемых, что нереально при весьма умеренных
n .
Пример.
n =100 ; 100!≥1090 . Если одно слагаемое вычислять 10−6 секунд, что вполне
реально для современных машин, то T =1090 10−6 c = |
1084 |
суток≈ 3 1076 лет! |
|
86400 |
|||
|
|
Фактически же в настоящее время решаются системы с n ≈104 . Существуют 2 группы методов решения системы: прямые и итерацион-
ные.
Определение.
Прямые методы - это методы, позволяющие теоретически (и без ошибок округления) получить точное решение СЛАУ за конечное число арифметических операций.
Определение.
Итерационные методы (или методы последовательных приближений) по-
зволяют вычислить последовательность векторов{xr(n)} , сходящихся при n → ∞
к решению задачи.
Примеры.
Прямые методы: метод Крамера, метод Гаусса, метод прогонки. Итерационные методы: метод простых итераций (МПИ).
69
Метод исключения Гаусса (прямой метод).
Сложность задачи Axr = fr определяется структурой матрицы A .
|
|
|
|
|
0 |
|
|
|
|
|
d1 |
|
|
|
распадается на n уравнений. Решение системы не |
||||||
A = D = |
|
|
O |
|
|
|
||||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
dn |
|
|
|
|||
вызывает затруднений. |
|
|
|
|||||||
|
a |
|
a |
|
K |
0 |
|
|
||
A = A+ = |
|
11 |
12 |
|
|
|
|
|||
|
M |
|
|
O |
|
M . Т.е. в случае, когда A - треугольная матрица, сис- |
||||
|
|
0 |
|
|
L |
|
|
|
|
|
|
|
|
|
|
ann |
|
|
|||
тема также решается просто. aii ≠ 0 , т.к. det A ≠ 0 по условию. |
||||||||||
Тогда |
xn = |
|
fn |
|
; |
далее, xm = |
1 |
( fm,m −am,m xn −am,n−1xn−1 −... −am,m+1xm+1) где |
||
|
|
|
|
|||||||
|
|
|
|
ann |
|
|
am,m |
m = n −1, n − 2,...,2,1.
Существует огромное количество методов. При выборе важно учитывать трудоемкость метода, т.е. количество выполняемых арифметических операций.
Треугольная матрица.
xn - 1 операция; xn−1 - 3 операции; xn−2 - 5 операций и т.д.
n |
+ an |
|
|
|
Всего N = ∑(2m −1) = |
a1 |
n = n2 |
, |
|
|
2 |
|||
m=1 |
|
|
||
|
|
|
||
a1 =1; an = 2n −1. |
|
|
|
|
Схема решения. |
|
|
|
Матрица общего вида:
1)прямой ход → приведение матрицы к треугольному виду.
2)обратный ход → решение системы с треугольной матрицей. Реализация прямого хода:
Пустьa11 ≠ 0 . Иначе всегда можно переставить уравнения, чтобы это усло-
вие выполнялось (т.к. det A ≠ 0 всеai1 ≠ 0 ) .
Умножая первое уравнение на li(1) = − ai1 и складывая полученный резуль-
a11
тат с i - ым уравнением, исключаем из i - того уравнения xi .
70
Проделывая те же действия для i = 2,3,..., n , придем к системе уравнений
следующего вида:
a11x1 + a12 x2 + a13 x3 +... + a1n xn = f1 |
|
|
|
|
|
|
|
|
||||||||||||||||
a |
22 |
(1) x |
2 |
+ a |
|
(1) x |
+... + a |
2n |
(1) x |
n |
= f |
(1) |
|
|
|
|
|
|
|
|
||||
|
|
|
23 |
3 |
|
|
|
|
2 |
, |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
K |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
n2 |
(1) x |
2 |
+ a |
n3 |
(1) x |
+... + a |
nn |
(1) x |
n |
= f |
(1) |
|
|
|
|
|
|
|
|
||||
|
|
|
3 |
|
|
|
|
n |
|
|
|
|
|
|
|
|
||||||||
гдеa (1) |
= a |
|
+l (1) |
a |
; f (1) |
= f |
i |
+l |
(1) f |
; |
i = 2,3,..., n , j = 2,3,...,n . |
|
|
|||||||||||
|
|
ij |
|
ij |
|
i |
ij |
i |
|
|
|
|
i |
|
1 |
|
|
|
|
|
|
|
||
Предположим, что a22 |
(1) ≠ 0 . Если это не так, то достаточно должным обра- |
|||||||||||||||||||||||
зом переставить уравнения для i = 2,3,..., n . |
|
|
|
|
||||||||||||||||||||
Далее, используя коэффициенты |
|
(2) = − |
a |
(1) |
, исключаем x |
|
из всех урав- |
|||||||||||||||||
l |
i2 |
|
2 |
|||||||||||||||||||||
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
a22 |
(1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
нений для i = 3,4,..., n . Аналогичным образом из оставшихся уравнений исклю-
чаются x3 , x4 и так далее. Выполнив (n −1) шагов, получим систему с тре-
угольной матрицей.
Далее последует обратный ход, т.е. решение системы с треугольной мат-
рицей. |
|
|
|
|
|
|||
|
Какова трудоемкость метода? |
|
|
|
||||
|
Для выполнения обратного хода необходимо n2 операций. |
|||||||
|
Из общих соображений получим, что общее число операций n3 , т.к. не- |
|||||||
обходимо найти n |
|
|
|
|
|
|||
|
неизвестных, каждое из которых зависит от n2 элементов матрицы. |
|||||||
|
Аккуратный подсчет прямого хода дает N = |
1 |
n(n −1)(4n +7) |
, при больших n |
||||
|
6 |
|||||||
|
|
|
|
|
|
|
||
N |
2 |
n3 . Это вполне |
|
приемлемая величина |
(при n 103 |
быстродействие |
||
3 |
||||||||
|
|
|
|
|
|
|
||
106 операций/ сек t = |
2 |
109 10−6 ≈1 час) . |
|
|
|
|||
3 |
|
|
|
|||||
|
|
|
|
|
|
|
Т.о. мы рассмотрели простейшую схему исключения (метод исключения Гаусса).
71
Пример.
|
|
−7 |
x |
+ x |
|
=1 |
|
10 |
|
2 |
|||||
|
|
|
1 |
|
|
, |
|
x |
+ 2x |
2 |
= 4 |
|
|||
|
1 |
|
|
|
|
|
Из первого уравнения получаем x1 =10−7 −107 x2 , подставляем во второе:
x2 = 107 − 4 ≈1 , x1 = 0 , что не удовлетворяет второму уравнению системы.
107 − 2
Причины возникновения больших погрешностей:
-деление на малые числа
-появление больших (по величине) промежуточных результатов
-потеря точности при вычитании больших близких друг другу чисел Таким образом, порядок последовательного исключения элементов (тем
более для систем высокого порядка) может сильно сказаться на результатах
расчетов. |
|
|
|
|
|
|
||||
Метод Гаусса с выбором главного элемента. |
|
|
|
|
|
|
||||
Выбор главного элемента по столбцам |
|
|
|
|
|
|
||||
Перед исключением x1 отыскивается max |
|
ai1 |
|
пусть ai 1 = max |
|
ai1 |
|
. |
||
|
|
|
|
|||||||
|
|
|
|
0 |
|
|
|
|
|
|
i |
i |
|||||||||
|
Строка с этим коэффициентом ставится первой в системе.
После этого делаем 1- ый шаг вычисления (делим на максимальное чис-
ло).
Затем, перед исключением x2 из оставшихся уравнений отыскивается
max |
|
a |
(1) |
, снова производится перестановка уравнений и т.д. |
||||
2≤i≤n |
|
|
i2 |
|
|
|
|
|
|
|
|
|
|
|
|
||
Выбор главного элемента по строке |
||||||||
Перед исключением x1 отыскивается max |
|
a1 j |
|
. Пусть при i = j . |
||||
|
|
|||||||
|
|
|
|
j |
|
|
|
|
|
|
|
|
|
|
После этого меняем номера у x1 и x j0 .Тогда максимальный по величине из коэффициентов первого уравнения окажется в позиции a11 , и т.д.
Наиболее надежным является метод исключения с выбором главного элемента по всей матрице на каждом шаге исключения.
Это существенно уменьшает влияние погрешности округлений на результаты расчетов.
72
Замечание.
В прикладных задачах часто встречаются системы уравнений, где нет необходимости находить главный элемент. Это системы с условием диагонального преобладания.
|
aii |
|
> ∑ |
|
aij |
|
i =1,2,3,...,n . |
|
|
|
|
||||
|
|
||||||
|
|
|
j≠i |
|
|
|
|
Можно показать, что условие диагонального преобладания остается справедливым после каждого шага исключения:
aii(k ) > ∑aij (k ) , i = k, k +1,..., n , k =1,2,..., n −1 .
j≠i
Это означает, что перед каждым исключением очередной неизвестный главный элемент будет находится в нужной позиции.
Оценка влияния неустранимой погрешности решения СЛАУ. Источники:
-ошибки округления
-неточность входных данных
Рассмотрим влияние на решение неточности входных данных.
Пусть вместо |
r |
r |
(*) решается система (A + |
r |
r |
|
|||
Ax |
= f |
δA)(x |
+δx)= f +δf (**) |
|
|||||
Здесь δA - матрица возмущений (коэффициентов исходных уравнений) |
|||||||||
r |
|
|
|
|
|
|
|
|
|
δf - возмущения правых частей |
|
|
|
|
|||||
δxr- обусловленный этими возмущениями вектор "ошибок", отличающий |
|||||||||
решение (*) от решения (**) . |
|
|
|
|
|
||||
Перепишем (**) : |
A xr + δA xr + A δxr + δA δxr = f + δf |
|
|
|
|||||
или, вычитая (*) , получим: |
|
|
|
|
|
||||
r |
r |
r |
r |
|
|
|
|
|
|
A δx |
+ δA δx = |
δf − |
δAx . |
|
|
|
|
|
|
Квадратичным |
членом |
малости |
δA δx |
пренебрегаем, |
тогда: |
||||
δxr = A−1(δf −δA xr). |
|
|
|
|
|
|
|
|
Вводя в рассмотрение нормы векторов и согласованные с ними нормы матриц, получим оценку величины погрешности:
|
|
|
|
|
|
|
|
( |
|
|
|
|
|
|
|
)= |
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
r |
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
δf |
|
|
|
|
|
δA |
|
|
|
|
|
|||||||||
r |
|
|
r |
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
||||||||||
δx |
|
= |
A−1(δf |
−δA x) |
|
≤ |
A−1 |
|
δf |
+ |
δA |
|
x |
|
A−1 |
|
|
f |
|
|
|
|
|
+ |
A |
|
|
|
|
|
|
|
|
|
x |
|
|
||
|
|
|
|
|
|
|
f |
|
|
|
|
A |
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
73
Так как |
|
|
|
f |
|
|
|
= |
|
|
|
|
A xr |
|
|
|
|
|
≤ |
|
|
|
|
A |
|
|
|
|
|
|
|
xr |
|
|
|
, получим далее |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|||
|
r |
|
|
A−1 |
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
δf |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
δA |
|
|
|
A−1 |
|
|
|
r |
|
|
|
|
δf |
|
|
|
|
δA |
|
|
|
|||||||
|
δx |
|
≤ |
|
|
|
( |
A |
|
|
|
|
|
x |
|
|
|
f |
|
|
|
+ |
|
A |
|
|
|
x |
|
|
A |
|
|
) = |
|
A |
|
x |
|
( |
|
|
f |
|
+ |
|
|
A |
|
|
) |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В итоге оценка для относительной погрешности решения может быть записана в виде:
|
δxr |
|
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
≤ μA ( |
|
|
|
|
δf |
|
+ |
|
|
|
δA |
|
|
) , гдеμA = |
|
A−1 |
|
|
|
A |
|
. |
|||||
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
f |
|
|
|
|
|
A |
|
|
|
|
|
|
|
|
|
|
|
Определение.
Значение μA называется числом обусловленности матрицы A . Именно эта величина определяет, насколько сильно погрешности входных данных могут повлиять на решение системы Axr = f .
Всегда μA >1. Действительно, 1 = E = A−1 A ≤ A−1 A = μA .
Если μA умеренной величины, μA ~ (1÷10), то ошибки входных данных ска-
зываются на решении сравнительно слабо, и система Axr = f называется хоро-
шо обусловленной.
Если μA велико, μA ≥103 , то система Axr = f называется плохо обусловлен-
ной, решение ее сильно зависит от ошибок в правых частях и коэффициентах.
Замечание.
Более точное представление о хорошей или плохой обусловленности системы должно основываться на требованиях, предъявляемых к решению.
Если, например, погрешность входных данных 106 , а допустимая по-
грешность решения 10−2 , то даже при μA 104 систему можно считать хорошо обусловленной.
Замечание.
Подчеркнем, что данное свойство (обусловленность), выражаемое нера-
|
|
δxr |
|
|
|
r |
|
|
|
|
|
|
|
||
венством |
|
|
≤ μA ( |
|
δf |
|
+ |
|
δA |
|
) , никак не связано с предполагаемым методом ре- |
||||
|
r |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
f |
|
|
|
A |
|
|
|||||
|
|
x |
|
|
|
|
|
|
|
|
|
|
74
шения системы Axr = fr, а является изначальной характеристикой решаемой за-
дачи.
Пример. Рассмотрим систему:
100x1 +99x2 =199,99x1 +98x2 =197
Ее решение x1 = x2 =1 .
Изменим правые части:
100x1 +99x2 =198.9999x1 +98x2 =197.01 .
Решение "возмущенной" задачи x1 ≈ 2.97, x2 ≈ −0.99 .
r
Чтобы сопоставить полученные результаты с оценкой для решения δxrx
через |
|
|
μA , |
|
введем |
|
|
|
согласованные |
|
корни для векторов и матриц |
||||||||||||||
|
xr |
|
i |
|
x |
|
A |
|
i |
∑ |
|
a |
|
. |
|
|
|
|
|
|
|
|
|
||
|
= max |
, |
= max |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
i |
|
|
|
|
j |
|
|
ij |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Тогда для рассмотренного примера: |
|
|
|
|
|
||||||||||||||||||
|
|
r |
|
199 |
r |
−0.01 |
, то есть |
|
f |
|
=199 |
, |
|
δf |
|
= 0.01. |
|||||||||
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
f |
= |
,δf |
= |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
197 |
|
|
0.01 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r
Относительная погрешность δrf ≈ 1 10−4 = 0.005% . Это очень малая величи-
f 2
на.
|
Далее, |
|
=199 , |
det A = −1 , A |
−1 |
|
−98 |
99 |
|
, |
|
−1 |
|
=199 . |
|
|
||||||||||||
|
A |
|
|
|
|
|
A |
|
|
|
||||||||||||||||||
|
|
= |
99 |
−100 |
|
|
|
|
|
|||||||||||||||||||
|
μA = (199)2 =39601≈ 4 104 . |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
Согласно оценке, |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
δxr |
|
|
≤ 4 104 |
|
10 |
−4 |
= 2 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
x |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
что |
|
вполне |
согласуется |
|
с |
результатами |
решения |
систем |
|||||||||||||||||||
(x |
= x |
2 |
|
|
|
=1; x ′ ≈ 2.97, x |
′ ≈ −0.99) |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
1 |
|
|
|
|
|
1 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
75
r
Оценку погрешности δxrx через μA не является завышенной.
Об оценке ошибок округления арифметических операций. (Результаты исследований).
Можно показать, что машинное решение x′ = x + δx линейной системы, вычисленное методом Гаусса, точно удовлетворяет уравнениям с определенным
образом возмущенными коэффициентами:
(A + δA) xr′ = fr
Для нормы матрицы так называемых “эквивалентных возмущений” δA справедлива оценка вида:
δA ≈ n g(a) A p−t .
Здесь n - порядок системы,
p - основание машинной арифметики (особенно p = 2 ),
t - число значащих цифр при выполнении арифметических операций,
|
max |
a |
(k ) |
|
|||
g(a) = max |
i, j |
|
|
i, j |
|
|
, |
|
|
|
|
|
|||
max |
|
ai, j |
|
||||
k |
|
|
|
||||
|
i, j |
|
|
|
|
|
|
|
|
|
|
|
|
|
где k - номер шага на этапе прямого метода исключения ( g(a) - “коэффи-
циент роста”). Отсюда
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
δrx |
|
|
|
|
|
|
≈ μA n g(a) p−t . |
( |
|
|
|
|
|
|
δrx |
|
|
|
|
|
|
≤ μA |
|
|
|
δA |
|
|
при |
|
|
|
δf |
|
|
|
= 0 ). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
A |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
μA ≈1, g(a) ≈1 , то при расчете на 32 - |
||||||||||||
Если, например, n =103 |
уравнений, |
разрядных машинах p = 2,t = 26 нельзя рассчитывать на точность, лучшую чем
|
δxr |
|
|
|
n 2−26 |
n 107 |
(n =103 ) 10−4! |
||
|
|
|
|||||||
|
r |
|
|
|
|
|
|||
|
|
|
|
|
|
||||
|
x |
|
|
|
|
|
|
Если же при этом μA =104 , то происходит полная потеря точности.
Заключение.
Таким образом, плохо обусловленные системы вызывают значительные трудности при их решении.
76
|
|
|
|
|
δxr |
|
|
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
||
Из оценки |
|
|
|
|
|
|
|
≤ μA ( |
|
|
|
δf |
|
|
+ |
|
|
|
δA |
|
|
) |
следует, что их решение сильно зависит от |
||||
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
f |
|
|
|
|
|
|
A |
|
|
|
||||||
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ошибок входных данных, а последняя оценка показывает, что даже при отсутствии ошибок во входных данных может произойти значительная (если не полная) потеря точности на стадии вычислений по методу Гаусса за счет погрешности округлений.
77