数值代数及方程数值解：预备知识——问题的适定性

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 $f:X\to Y$，其中X，Y为赋范线性空间，一般来说 $f$ 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

1. 适定的问题：在 $x$ 上很小的扰动只会导致 $f(x)$ 很小的改变
2. 绝对条件数：
   $$\hat{\kappa }(x)=\underset{\delta \to 0}{\lim }\underset{||\delta x||\le \delta }{\sup }\frac{||\delta f||}{||\delta x||}$$简记为
   $$\underset{\delta x}{\sup }\frac{||\delta f||}{||\delta x||}$$
3. 绝对意义下的适定性：若 $\hat{\kappa }(x)$ 较小，则称问题是绝对适定的
4. 相对条件数：$$\kappa (x)=\underset{\delta \to 0}{\lim }\underset{||\delta x||\le \delta }{\sup }\frac{||\delta f||}{||\delta x||}/\frac{||\delta x||}{||x||}$$ 简记为
   $$\underset{\delta x}{\sup }\frac{||\delta f||}{||\delta x||}/\frac{||\delta x||}{||x||}$$
5. 相对意义下的适定性：若 $\kappa (x)$ 较小，则称问题是相对适定的

命题：可微问题的适定性
若 $f$ 可微，则
$$\hat{\kappa }(x)=||J(x)||,\kappa (x)=\frac{||J(x)||}{||f(x)||/||x||}$$其中 $J(x)$ 为 $f$ 在 $x$ 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 $A\in {\mathrm{C}}^{m\times m}$ 非奇异

1. 对于给定 $x$ 计算 $b$ 的问题：
   $$\kappa =||A||\frac{||x||}{||b||}\le ||A||\cdot ||A^{-1}||$$2范数意义下的取等条件：$x$ 为 $A$ 最小奇异值 ${\sigma }_m$ 对应的右奇异向量的倍数
2. 对于给定 $b$ 计算 $x$ 问题：
   $$\kappa =||A^{-1}||\frac{||b||}{||x||}\le ||A||\cdot ||A^{-1}||$$2范数意义下的取等条件：$x$ 为 $A$ 最大奇异值 ${\sigma }_1$ 对应的左奇异向量的倍数
3. 对于给定 $b$ 计算 $x$ 问题的关于$A$ 的扰动：$$\kappa =||A||\cdot ||A^{-1}||$$

称 $\kappa (A)=||A||\cdot ||A^{-1}||$ 为 $A$ 关于范数 $||\cdot ||$ 的条件数，若 $\kappa (A)$ 较小，则称 $A$ 适定；若 $\kappa =||A||$ 的较大，则称 $A$ 病态;

注：规定若A奇异，则记$\kappa (A)=\infty$

命题
在2范数意义下，$\kappa (A)=\frac{{\sigma }_1}{{\sigma }_m}$

命题
若A为满秩的长方形方阵，则$\kappa (A)=||A||\cdot ||A^{+}||$；在2范数意义下，$\kappa (A)=\frac{{\sigma }_1}{{\sigma }_m}$

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