当前位置:课程学习>>第六章>>知识讲解>>文本学习>>知识点九

知识点九:病态方程组和迭代改善法



6.9 病态方程组和迭代改善法

6.9.1 病态方程组

考虑线性方程组

                   (6.9.1)

假设为非奇异矩阵, 为方程组的解。在应用问题归结为求解方程组时,其系数矩阵可能有某些观测误差,或者是计算的结果,从而包含有舍入误差。下面我们研究数据的误差对方程组解 的影响。

例20 设有方程组

其解为,现考虑常数项有微小的误差,即,其中,得到一个扰动方程组

其解为

此例说明,方程组常数项分量只有微小变化(1/100),而方程组的解有较大的变化。也就是说这个方程组的解对于问题的数据b很灵敏。这样的方程组就是病态方程组。

下面我们找出能用来刻画方程组病态性质的量,为此,考察(或b)微小误差对解的影响。

首先考察常数项b的微小误差对解的影响。设是精确的,b是有误差的(或扰动),显然,方程组的解与有差别,记为,即有

即  

于是 

                     (6.9.2)

另一方面,由,则有

或   

                       (6.9.3)

由(6.9.2)式及(6.9.3)式即得:

定理17 (扰动对解的影响)

(1)为精确解,为非奇异矩阵;

(2)且设

则有

                  (6.9.4)

式(6.9.4)说明,当有一相对误差时,引起解的变化。式(6.9.4)给出了引起解相对误差的一个上界,且引起的解的相对误差可能是常数项相对误差的倍。因此,引起的解的相对误差的大小与数大小有关。

下面考察扰动对的影响。

有微小误差(扰动),即是精确的,记的解为,即

由于上式即

              (6.9.5)

,则由定理9,为非奇异矩阵且有

            (6.9.6)

由式(6.9.5)

利用式(6.9.6),则

             (6.9.7)

定理18 (扰动对解的影响)

(1)设,其中为非奇异矩阵,为精确解;

(2)设,且设

的微小误差引起解的相对误差有估计式(6.9.7),且式(6.9.7)说明,如果数越大,的微小相对误差可能引起的解的相对误差就愈大,因而数的大小刻画了方程组的解对问题数据(或)的灵敏程度。

定义8 (矩阵的条件数)

为非奇异矩阵,称

为矩阵的条件数(其中或1或2)。

定义9(病态方程组)

,其中为非奇异矩阵,如果(相对大的条件数)称为病态方程组,如果相对的小,称为良态方程组。的条件数愈大,方程组病态愈严重。

要注意,方程组的病态性质,是方程组本身的特性。对于病态的方程组用一般的计算方法不容易求得较精确的解。且方程组病态愈严重,求解愈困难。

显然,对任何非奇异矩阵,都有

例21 设,试计算 。

解  

且  

所以 

方程组为病态方程组。

定理19(事后误差估计)

(1)设为非奇异矩阵,且是精确解,

(2)设的一个近似解,剩余向量,则有误差估计

证明  利用再取范数,即可得证。

由定理19可知,近似解的精度不仅依赖于剩余向量的大小,且还依赖于的条件数。如果是病态方程组,即使有很小的剩余向量,也不能保证是高精度的近似解。

6.9.2 迭代改善法

设有方程组,其中为非奇异阵,且若方程组不过分病态,又设用高斯消去法(或部分选主元消去法)求得计算解(精度不高),我们希望获得方程组高精度的解,一般可采用下述的迭代改善法,用来改善的精度。

为用高斯法求得计算解,计算剩余向量

                     (6.9.8)

求解  

                      (6.9.9)

且计算 

                    (6.9.10)

显然,如果计算没有误差,则是方程组的精确解。

实际上

但实际计算时,由于有舍入误差,因此我们得到是一个近似解(要求用双精度计算)。

重复上述过程(6.9.8)~(6.9.10),就求得,即可求得方程组的一个近似解序列。当不是过分病态时,通常很快收敛到方程组的解;当过分病态时,可能不收敛于

例22 用迭代改善法解

解 方程组精确解

且有

于是 

因此,方程组为病态方程组。

(1)用高斯消去法解(用具有舍入的四位浮点数进行计算)且实现分解,即

(2)计算

求解,或求解

(3)计算

(4)计算

迭代改善法:设为非奇异阵且方程组不是过分病态。

用数组保存元素,用数组保存三角矩阵,用记录行交换信息,用存放,用数组存放

(1)用高斯消去法(或列主元消去法)计算近似解且实现分解()。 

(2)对于

 ①计算(双精度);

 ②求解(或);(解两个三角形方程组)

 ③计算

可以用 控制迭代。

 

进入知识归纳