Opakowanie (analiza cyfrowa) – Wikipedia
W analizie cyfrowej dyscyplina matematyki, kondycjonowanie Mierzy zależność od rozwiązania problemu cyfrowego w odniesieniu do danych problemu, w celu kontrolowania ważności roztworu obliczonego w porównaniu z tymi danymi. Rzeczywiście, dane problemu cyfrowego ogólnie zależą od miar eksperymentalnych i dlatego są zniszczone przez błędy.
Najczęściej jest to ilość cyfrowa.
Mówiąc bardziej ogólnie, możemy powiedzieć, że opakowanie związane z problemem jest miarą trudności cyfrowej obliczeń problemu. Mówi się problem z niskim uwarunkowaniem Cóż -Conditioned i jest to problem, którego opakowanie jest wysokie Myditaria .
Lub problem
. Być również zakłóconą zmienną
, z
, gdzie ε jest precyzją maszyny. Więc stan k Problemu jest najmniejsza liczba, taka jak:
Problem P jest dobrze uwarunkowany, jeśli k nie jest zbyt duże w porównaniu do
. W przeciwnym razie problem ten jest słabo uwarunkowany [[[ Pierwszy ] .
Selon N. Higham [[[ 2 ] , wydaje się, że koncepcja opakowania została wprowadzona przez Alan Turinga [[[ 3 ] który na przykład zdefiniował opakowanie dużej kwadratowej matrycy N Ze standardu Frobeniusa przez:
Opakowanie odwracalnej macierzy A Zauważono, że w stosunku do podrzędnego standardu
jest zdefiniowany przez formułę:
- .
Jak zakładamy, że standard jest przedmiotem, opakowanie jest większe niż 1:
Należy zauważyć, że pusta macierz 0 × 0 jest przeciwna i że jej standard wynosi zero niezależnie od wybranego standardu. Jego opakowanie wynosi zatem 0 zgodnie z tą definicją [[[ 4 ] . Niektóre jednak zdefiniuj Cond () 0 × 0 = 1 Ponieważ aplikacja zerowa liniowa ma doskonałą precyzję (a zatem wynik 1), a ta pusta matryca jest tożsamością, wszystkie jednostki mają warunki 1 [[[ 5 ] .
Dla systemu liniowego A X = B , gdzie dane są matrycą A i wektor drugiego członka B , opakowanie daje terminal względnego błędu popełniony w rozwiązaniu X Kiedy dane A Lub B są zakłócone. Możliwe, że ten terminal jest bardzo duży, dzięki czemu błąd, który mógłby wynikać z niego, czyni rozwiązanie cyfrowe nieproporcjonalnie.
Opakowanie zależy od zastosowanego standardu. Dla standardu kosmicznego ℓ 2 , odnotowany ∥⋅∥ 2 , mamy wtedy:
Lub A Max I A min są maksymalnymi i minimalnymi osobliwymi wartościami A . W konsekwencji :
- I A jest więc normalne
Lub L Max I L min to maksymalne i minimalne wartości własne A ; - I A jest jednocześnie jednolite
.
Dla standardu kosmicznego ℓ ∞ , odnotowany ∥⋅∥ ∞ , jeśli A jest nieględźliwą dolną macierzą trójkątną (to znaczy to znaczy ∀ I W A ii ≠ 0 ), WIĘC :
Wzrost błędu wzorce [[[ modyfikator |. Modyfikator i kod ]
W poniższych formułach obliczenia powinny być wykonane z nieskończoną precyzją, to znaczy, że systemy zaburzone są dokładnie rozwiązane.
Rozważamy dwa przypadki, ponieważ jest to drugi członek B lub matryca A co nie jest dokładnie znane.
Przypadek, w którym drugi element zmienia się [[[ modyfikator |. Modyfikator i kod ]
Efektywne obliczenia inwersji systemu A X = B , gdzie macierz A jest dokładnie znany i gdzie wartość drugiego członka B , podobno nie zero, jest zniszczony przez błąd
, spowoduje teoretyczny błąd względny
na rozwiązaniu X Zwiększony przez
- .
Przypadek, w którym macierz zmienia się [[[ modyfikator |. Modyfikator i kod ]
I na matrycy A ulega modyfikacji
, istnieje wzrost błędu w stosunku do obliczeń z dokładną macierzą A podane przez
- .
Przykład słabo uwarunkowanej macierzy [[[ modyfikator |. Modyfikator i kod ]
Albo macierz
- W
i wektor
- .
Rozdzielczość systemu A X = b kobiety
- .
Jeśli zastąpimy drugiego członka B Drugi zaniepokojony członek
- W
rozwiązanie X ‘ odpowiadające będzie
Względne błędy B I X wynoszą odpowiednio 0,004 i 3,4108, co reprezentuje mnożenie przez około 860 błędu względnego.
Ta liczba ma taką samą kolejność, jak opakowanie matrycy A który wynosi 1425 (opakowanie jest przyjmowane w stosunku do standardu matrycy indukowanego przez standard euklidesowy
).
Notatka [[[ modyfikator |. Modyfikator i kod ]
- F. Kwok – Analiza cyfrowa (University of Geneva)
- (W) Nicholas J. Higham W Dokładność i stabilność algorytmów numerycznych , Soc. Ind. Appl. Matematyka, , 688 P. (ISBN 0-89871-355-2 ) W P. 126
- J. Todd W Programowanie w matematyce cyfrowej W tom. 7, Besançon, wydania du cnrs, , 392 P. , 16 × 25 cm (ISBN 978-2-222-01037-1 ) , «On Warunki», P. 141-159
- (W) Carl de Drill, ‘ Puste ćwiczenie » [PDF] (skonsultuję się z )
- Jest to na przykład wybór oprogramowania scilab z wersji 5.3 do 6.0, patrz ‘ Matrice vide (Scilab 5.3.0) » , NA Help.scilab.org W (skonsultuję się z ) I ‘ Matrice vide (Scilab 6.0.1) » , NA Help.scilab.org W (skonsultuję się z ) .
Powiązane artykuły [[[ modyfikator |. Modyfikator i kod ]
Recent Comments