Главная » Просмотр файлов » 1611688890-f641c9ec8276824e4686da772eb56520

1611688890-f641c9ec8276824e4686da772eb56520 (826652), страница 51

Файл №826652 1611688890-f641c9ec8276824e4686da772eb56520 (Шарый Курс вычислительных методов) 51 страница1611688890-f641c9ec8276824e4686da772eb56520 (826652) страница 512021-01-26СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 51)

Рассмотрим, к примеру,3123. Численные методы линейной алгебрырешение системы линейных алгебраических уравнений Ax = b методом Гаусса в его матричной интерпретации. Обнуление поддиагональных элементов первого столбца матрицы A — это умножение исходнойСЛАУ слева на матрицу E1 , имеющую вид (3.62), так что мы получаемсистему(E1 A) x = E1 b(3.80)с матрицей E1 A, число обусловленности которой оценивается какcond(E1 A) ≤ cond(E1 ) cond(A).Перестановка строк или столбцов матрицы, выполняемая для поискаведущего элемента, может незначительно изменить эту оценку в сторону увеличения, так как матрицы перестановок ортогональны и имеют небольшие числа обусловленности.

Далее мы обнуляем поддиагональные элементы второго, третьего и т. д. столбцов матрицы системы(3.80), умножая её слева на матрицы E2 , E3 , . . . , En−1 вида (3.63). Врезультате получаем верхнюю треугольную систему линейных уравненийU x = y,в которой U = En−1 . . . E2 E1 A, y = En−1 . . . E2 E1 b, и число обусловленности матрицы U оценивается сверху какcond(U ) ≤ cond(A) · cond(E1 ) · cond(E2 ) · . .

. · cond(En−1 ).(3.81)Если Ej отлична от единичной матрицы, то cond(Ej ) > 1, причёмнесмотря на специальный вид матриц Ej правая и левая части неравенства (3.81) могут отличаться не очень сильно (см. примеры ниже).Как следствие, обусловленность матриц, в которые матрица A исходной СЛАУ преобразуется на промежуточных шагах прямого хода метода Гаусса, а также обусловленность итоговой верхней треугольнойматрицы U могут быть существенно хуже, чем у матрицы A.Пример 3.7.1 Для 2 × 2-матрицы (3.14)1 2A=3 4число обусловленности равно cond2 (A) = 14.93. Выполнение для неёпреобразований прямого хода метода Гаусса приводит к матрице1 2,Ã =0 −23.7.

Методы на основе ортогональных преобразований313число обусловленности которой cond2 (Ã) = 4.27, т. е. уменьшается.С другой стороны, для матрицы (3.15)B=1−324,число обусловленности cond2 (B) = 2.62. Преобразования метода Гауссапревращают её в матрицуB̃ =1 20 10,для которой число обусловленности уже равно cond2 (B̃) = 10.4, т. е.существенно возрастает.Аналогичные изменения претерпевают числа обусловленности матриц A и B относительно других норм. Числовые данные этого примерачитатель может воспроизвести с помощью систем компьютерной математики, таких как Scilab, Matlab и им аналогичных, где есть встроенная функция cond для расчёта числа обусловленности матрицы. Фактически, ухудшение обусловленности и, как следствие, всё бо́льшая чувствительность решения к погрешностям в данных — это дополнительная плата за приведение матрицы (и всей СЛАУ) к удобному длярешения виду.

Можно ли уменьшить эту плату? И если да, то как?Хорошей идеей является привлечение для матричных преобразований ортогональных матриц, которые имеют наименьшую возможнуюобусловленность в спектральной норме (и небольшие числа обусловленности в других нормах). Умножение на такие матрицы, по крайнеймере, не будет ухудшать обусловленность получающихся систем линейных уравнений и устойчивость их решений к ошибкам вычислений.По-видимому, с точки зрения устойчивости наилучшим инструментом численного решения систем линейных алгебраических уравненийна цифровых ЭВМ с конечной точностью представления данных является сингулярное разложение матрицы системы. При этом двумя ортогональными преобразованиями эта матрица приводится к диагональному виду.

Соответствующую технологию мы обсуждали в §3.4б. Нонахождение сингулярного разложения матрицы — задача более сложная и трудоёмкая, чем рассматриваемые нами прямые методы решенияСЛАУ.3143.7б3. Численные методы линейной алгебрыQR-разложение матрицОпределение 3.7.1 Для матрицы A представление A = QR в видепроизведения ортогональной матрицы Q и правой треугольной матрицы R называется QR-разложением.По поводу этого определения следует пояснить, что правая треугольная матрица — это то же самое, что верхняя треугольная матрица, которую мы условились обозначать U .

Другая терминология обусловлена здесь историческими причинами, и частичное её оправданиесостоит в том, что QR-разложение матрицы действительно «совсемдругое», нежели LU-разложение. Впрочем, в математической литературе можно встретить тексты, где LU-разложение матрицы называется«LR-разложением» (от английских слов left-right), т. е. разложением на«левую и правую треугольные матрицы».QR-разложение матриц часто определяют также для общих прямоугольных матриц, не обязательно квадратных. Если A — это m × nматрица, то представление A = QR может трактоваться как произведение ортогональной m × m-матрицы Q на трапецеидальную m × nматрицу R или же как произведение m × n-матрицы Q с ортогональными строками (столбцами) на правую треугольную n × n-матрицу R.На практике встречаются оба вида разложений.Теорема 3.7.1 QR-разложение существует для любой квадратнойматрицы.Доказательство.

Если A — неособенная матрица, то, как было показано при доказательстве Теоремы 3.6.4, A⊤A — симметричная положительно определённая матрица. Следовательно, существует её разложение ХолесскогоA⊤A = R⊤R,где R — правая (верхняя) треугольная матрица. При этом R, очевидно,неособенна. Тогда матрица Q := AR−1 ортогональна, посколькуQ⊤ Q = AR−1⊤= (R−1 )⊤AR−1 = (R−1 )⊤ A⊤A R−1R⊤ R R−1 = (R−1 )⊤ R⊤ RR−1 = I.Следовательно, в целом A = QR, где определённые выше сомножителиQ и R удовлетворяют условиям теоремы.3.7.

Методы на основе ортогональных преобразований315Рассмотрим теперь случай особенной матрицы A. Известно, чтолюбую особенную матрицу можно приблизить последовательностьюнеособенных. Например, это можно сделать с помощью матриц Ak =A + k1 I, начиная с достаточно больших натуральных номеров k. Приэтом собственные значения Ak суть λ(Ak ) = λ(A) + k1 , и если величина1k меньше расстояния от нуля до ближайшего ненулевого собственногозначения матрицы A, то Ak неособенна.В силу уже доказанного для всех матриц из последовательности{Ak } существуют QR-разложения:Ak = Qk Rk ,где все Qk ортогональны, а Rk — правые треугольные матрицы. В качестве ортогонального разложения для A можно было бы взять пределы матриц Qk и Rk , если таковые существуют.

Но сходятся ли куданибудь последовательности этих матриц при k → ∞, когда Ak → A?Ответ на это вопрос может быть отрицательным, а потому приходитсядействовать более тонко, выделяя из {Ak } подходящую подпоследовательность.Множество ортогональных матриц компактно, поскольку являетсязамкнутым (прообраз единичной матрицы I при непрерывном отображении X 7→ X ⊤ X) и ограничено (kXk2 ≤ 1). Поэтому из последовательности ортогональных матриц {Qk } можно выбрать сходящуюсяподпоследовательность {Qkl }∞l=1 . Ей соответствуют подпоследовательности {Akl } и {Rkl }, причём первая из них также сходится, как подпоследовательность сходящейся последовательности {Ak }.Обозначим Q := liml→∞ Qkl , и это также ортогональная матрица.Тогда⊤⊤lim Q⊤kl Akl = lim Qkl · lim Akl = Q A = Rl→∞l→∞l→∞— правой треугольной матрице, поскольку все Q⊤kl Akl были правымитреугольными матрицами Rkl .

Таким образом, в целом снова A = QRс ортогональной Q и правой треугольной R, как и требовалось.Если известно QR-разложение матрицы A, то решение исходнойСЛАУ, равносильной(QR)x = bсводится к решению треугольной системы линейных алгебраическихуравненийRx = Q⊤ b.(3.82)3163. Численные методы линейной алгебрыНиже в §3.15 и §3.18г мы встретимся и с другими важными применениями QR-разложения матриц — при численном решении линейнойзадачи наименьших квадратов и проблемы собственных значений.Для неособенных матриц доказательство Теоремы 3.7.1 носит конструктивный характер, но оно опирается на разложение Холесскогоматрицы A⊤A. По этой причине нахождение с его помощью QR-разложения — это окольный путь, чреватый многими опасностями. В частности, приближённый характер вычислений на цифровых ЭВМ будетприводить к тому, что ортогональная матрица в получающемся QRразложении не вполне ортогональна. На практике основным инструментом получения QR-разложения является техника, использующаятак называемые матрицы отражения и матрицы вращения, описаниюкоторых посвящены следующие разделы книги.3.7вОртогональные матрицы отраженияОпределение 3.7.2 Для вектора u ∈ Rn с единичной евклидовой нормой, kuk2 = 1, матрица H = H(u) = I − 2uu⊤ называется матрицейотражения или матрицей Хаусхолдера.

Вектор u называется порождающим или вектором Хаусхолдера для матрицы отражения H(u).Предложение 3.7.1 Матрицы отражения являются симметричными ортогональными матрицами. Кроме того, для матрицы H(u)порождающий вектор u является собственным вектором,отвечающим собственному значению (−1), т. е. H(u) · u = −u;любой вектор v, ортогональный порождающему вектору u,является собственным вектором, отвечающим собственномузначению 1, т.

Характеристики

Тип файла
PDF-файл
Размер
3,27 Mb
Тип материала
Высшее учебное заведение

Список файлов книги

Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6508
Авторов
на СтудИзбе
302
Средний доход
с одного платного файла
Обучение Подробнее