文章目录
本篇文章适合个人复习翻阅,不建议新手入门使用
本篇文章的前置知识:数学分析、高等代数
问题的适定性
记数学问题为 f : X → Y f:X\to Y f:X→Y,其中X,Y为赋范线性空间,一般来说 f f f 连续;我们希望我们求解的数学问题是数值稳定的,即微小的扰动不会带来很大的影响,我们称这类问题为适定的数学问题
定义:适定问题
- 适定的问题:在 x x x 上很小的扰动只会导致 f ( x ) f(x) f(x) 很小的改变
- 绝对条件数:
κ ^ ( x ) = lim δ → 0 sup ∣ ∣ δ x ∣ ∣ ≤ δ ∣ ∣ δ f ∣ ∣ ∣ ∣ δ x ∣ ∣ \hat{\kappa}(x)=\lim\limits_{\delta\to 0}\sup\limits_{||\delta x||\leq \delta}\dfrac{||\delta f||}{||\delta x||} κ^(x)=δ→0lim∣∣δx∣∣≤δsup∣∣δx∣∣∣∣δf∣∣简记为
sup δ x ∣ ∣ δ f ∣ ∣ ∣ ∣ δ x ∣ ∣ \sup\limits_{\delta x}\dfrac{||\delta f||}{||\delta x||} δxsup∣∣δx∣∣∣∣δf∣∣ - 绝对意义下的适定性:若 κ ^ ( x ) \hat{\kappa}(x) κ^(x) 较小,则称问题是绝对适定的
- 相对条件数:
κ
(
x
)
=
lim
δ
→
0
sup
∣
∣
δ
x
∣
∣
≤
δ
∣
∣
δ
f
∣
∣
∣
∣
δ
x
∣
∣
/
∣
∣
δ
x
∣
∣
∣
∣
x
∣
∣
\kappa(x)=\lim\limits_{\delta\to 0}\sup\limits_{||\delta x||\leq \delta}\dfrac{||\delta f||}{||\delta x||}/{\dfrac{||\delta x||}{||x||}}
κ(x)=δ→0lim∣∣δx∣∣≤δsup∣∣δx∣∣∣∣δf∣∣/∣∣x∣∣∣∣δx∣∣ 简记为
sup δ x ∣ ∣ δ f ∣ ∣ ∣ ∣ δ x ∣ ∣ / ∣ ∣ δ x ∣ ∣ ∣ ∣ x ∣ ∣ \sup\limits_{\delta x}\dfrac{||\delta f||}{||\delta x||}/{\dfrac{||\delta x||}{||x||}} δxsup∣∣δx∣∣∣∣δf∣∣/∣∣x∣∣∣∣δx∣∣ - 相对意义下的适定性:若 κ ( x ) \kappa(x) κ(x) 较小,则称问题是相对适定的
命题:可微问题的适定性
若
f
f
f 可微,则
κ
^
(
x
)
=
∣
∣
J
(
x
)
∣
∣
,
κ
(
x
)
=
∣
∣
J
(
x
)
∣
∣
∣
∣
f
(
x
)
∣
∣
/
∣
∣
x
∣
∣
\hat{\kappa}(x)=||J(x)||,\kappa (x)=\dfrac{||J(x)||}{||f(x)||/||x||}
κ^(x)=∣∣J(x)∣∣,κ(x)=∣∣f(x)∣∣/∣∣x∣∣∣∣J(x)∣∣其中
J
(
x
)
J(x)
J(x) 为
f
f
f 在
x
x
x 处的Jacobi矩阵
命题:计算矩阵特征值的适定性
一般而言,计算对称阵特征值适定,计算非对称阵不适定
命题:解线性方程组AX=b问题的适定性
设
A
∈
C
m
×
m
A\in\mathrm{C}^{m\times m}
A∈Cm×m 非奇异
- 对于给定
x
x
x 计算
b
b
b 的问题:
κ = ∣ ∣ A ∣ ∣ ∣ ∣ x ∣ ∣ ∣ ∣ b ∣ ∣ ≤ ∣ ∣ A ∣ ∣ ⋅ ∣ ∣ A − 1 ∣ ∣ \kappa=||A||\dfrac{||x||}{||b||}\leq ||A||\cdot||A^{-1}|| κ=∣∣A∣∣∣∣b∣∣∣∣x∣∣≤∣∣A∣∣⋅∣∣A−1∣∣2范数意义下的取等条件: x x x 为 A A A 最小奇异值 σ m \sigma_m σm 对应的右奇异向量的倍数 - 对于给定
b
b
b 计算
x
x
x 问题:
κ = ∣ ∣ A − 1 ∣ ∣ ∣ ∣ b ∣ ∣ ∣ ∣ x ∣ ∣ ≤ ∣ ∣ A ∣ ∣ ⋅ ∣ ∣ A − 1 ∣ ∣ \kappa=||A^{-1}||\dfrac{||b||}{||x||}\leq ||A||\cdot||A^{-1}|| κ=∣∣A−1∣∣∣∣x∣∣∣∣b∣∣≤∣∣A∣∣⋅∣∣A−1∣∣2范数意义下的取等条件: x x x 为 A A A 最大奇异值 σ 1 \sigma_1 σ1 对应的左奇异向量的倍数 - 对于给定 b b b 计算 x x x 问题的关于 A A A 的扰动: κ = ∣ ∣ A ∣ ∣ ⋅ ∣ ∣ A − 1 ∣ ∣ \kappa=||A||\cdot||A^{-1}|| κ=∣∣A∣∣⋅∣∣A−1∣∣
称 κ ( A ) = ∣ ∣ A ∣ ∣ ⋅ ∣ ∣ A − 1 ∣ ∣ \kappa(A)=||A||\cdot||A^{-1}|| κ(A)=∣∣A∣∣⋅∣∣A−1∣∣ 为 A A A 关于范数 ∣ ∣ ⋅ ∣ ∣ ||\cdot|| ∣∣⋅∣∣ 的条件数,若 κ ( A ) \kappa(A) κ(A) 较小,则称 A A A 适定;若 κ = ∣ ∣ A ∣ ∣ \kappa=||A|| κ=∣∣A∣∣ 的较大,则称 A A A 病态;
注:规定若A奇异,则记 κ ( A ) = ∞ \kappa(A)=\infty κ(A)=∞
命题
在2范数意义下,
κ
(
A
)
=
σ
1
σ
m
\kappa(A)=\dfrac{\sigma_1}{\sigma_m}
κ(A)=σmσ1
命题
若A为满秩的长方形方阵,则
κ
(
A
)
=
∣
∣
A
∣
∣
⋅
∣
∣
A
+
∣
∣
\kappa(A)=||A||\cdot||A^+||
κ(A)=∣∣A∣∣⋅∣∣A+∣∣;在2范数意义下,
κ
(
A
)
=
σ
1
σ
m
\kappa(A)=\dfrac{\sigma_1}{\sigma_m}
κ(A)=σmσ1
参考书籍
《数值分析》Timothy Sauer 著,裴玉茹,马赓宇 译
《Numerical Linear Algebra》Lloyd N.Trefethen , David Bau 著