《计算方法》笔记之（四）线性代数方程组之 线性代数方程组解的可靠性

对于线型方程组：
$$Ax=b$$
我们能够使用计算机解出线型方程组，但是这仍然不够。因为不知道这个解是否是正确的。在之前的学习中，我们解出一个方程之后要把答案带入进行检验。

对于一次方程 $ax=b$ 来说，设 $x^{\ast }$ 是 $ax=b$ 的精确解， $\tilde{x}$ 是其计算解，
若 $|b-a\tilde{x}|<\epsilon$,则 $\tilde{x}$ 是 $ax=b$ 的近似解。
证明：
$\tilde{x}$ 是 $ax=b$ 的近似解指的是 $\tilde{x}-x^{\ast }<\epsilon$
$|b-a\tilde{x}|=|a{x}^{\ast }-a\tilde{x}|=|a|\cdot |\tilde{x}-x^{\ast }|<\epsilon$
$|\tilde{x}-x^{\ast }|<\frac{\epsilon }{|a|}$

那下面的说法能否成立呢？
设 $x^{\ast }$ 是 $Ax=b$ 的精确解， $\tilde{x}$ 是其计算解，若 $|b-A\tilde{x}|<\epsilon$,则 $\tilde{x}$ 是 $ax=b$ 的近似解。

1. 残向量

同样为了检验方程组的计算解是否为原方程组的近似解，可以尝试将计算解代入方程组中，假设计算解为 $\tilde{x}$ ，则残向量为： $r=b-A\tilde{x}$ ，我们使用残向量来评价解的误差。

例如：

对于以下线性方程组：
$\left(\begin{array}{cc}1.000& 2.000\\ 0.499& 1.001\end{array}\right)\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)=\left(\begin{array}{c}3.000\\ 1.500\end{array}\right)$
求出的计算解为 $\tilde{x}=(2.000,0.500{)}^T$，该解是否可靠？

准确解是 $x^{\ast }=(1,1{)}^T$ ，但是求出的计算解为 $\tilde{x}=(2.000,0.500{)}^T$ ，残向量为 $r=(0.000,0.0015{)}^T$ ，但是误差向量并不是一个很小的量 $e=x^{\ast }-\tilde{x}=\left(\begin{array}{c}1\\ 1\end{array}\right)-\left(\begin{array}{c}2.0\\ 0.5\end{array}\right)=\left(\begin{array}{c}-1\\ 0.5\end{array}\right)$

故而，残向量很小时，计算解与准确解之间仍会相差很大。 所以不能只根据残向量的大小判断解的可靠性。

2. 误差向量和范数

误差向量

误差向量定义： e = x ∗ − x ~ = ( ε 1 ε 2 ⋮ ε n ) = ( x 1 ∗ − x ~ 1 x 2 ∗ − x ~ 2 ⋮ x n ∗ − x ~ n ) e = {x^*} - \tilde x = \left( {\begin{matrix} { {\varepsilon _1}}\\ { {\varepsilon _2}}\\ \vdots \\ { {\varepsilon _n}} \end{matrix}} \right) = \left( {\begin{matrix} {x_1^* - { {\tilde x}_1}}\\ {x_2^* - { {\tilde x}_2}}\\ \vdots \\ {x_n^* - { {\tilde x}_n}} \end{matrix}} \right) e=x