Xreferat.com » Рефераты по математике » Методы решения некорректно поставленных задач

Методы решения некорректно поставленных задач

(3;2,4)

Пусть i — собственные значения матрицы А. Извест­но, что они непрерывно зависят от А в норме (3; 2,4). Следовательно, собственные значения r+1 , r+2, …,n могут быть сколь угодно малыми при достаточно малом h.

Если они не равны нулю, то


zi*=.

Таким образом, найдутся возмущения системы в пре­делах любой достаточно малой погрешности А и и, для которых некоторые zi* будут принимать любые наперед заданные значения. Это означает, что задача нахожде­ния нормального решения системы (3; 2,2) является неустойчивой.

Ниже дается описание метода нахождения нормального решения системы (3; 2,2), устойчивого к малым (в норме (3; 2,4)) возму­щениям правой части и , основанного на методе регуляризации.


3.3. Метод регуляризации нахождения нормального решения


3.3.1. Пусть z° есть нормальное решение системы

Аz = и. (3; 3,1)

Для простоты будем полагать, что прибли­женной может быть лишь правая часть, а оператор (матрица) А — точный.

Итак, пусть вместо и мы имеем вектор и, || и — и || <=; т. е. вместо системы (3;3,1) имеем систему

(3; 3,2)


Аz = u.



Требуется найти приближение z к нормальному реше­нию системы (3;3,1), т. е. к вектору z° такое, что z z° при 0. Отметим, что векторы u и u (один из них или оба) могут не удовлетворять классическому ус­ловию разрешимости.

Поскольку система (3; 3,1) может быть неразреши­мой, то inf ||Az-u|| = >=0, где inf берется по всем векторам z Rn.

Естественно искать приближения z в классе Q век­торов z, сопоставимых по точности с исходными данны­ми, т. е. таких, что || Az – u ||<=+. Но поскольку вместо вектора u мы имеем вектор u, то мы можем найти лишь

=inf || Az – u ||.

z Rn

Отметим, что из очевидных неравенств

||Az – u ||<=||Az – u || + || u – u || ,

||Az – u ||<= || Az – u || + ||u – u ||

следуют оценки <=+, <=+, приводящие к не­равенству | — | <=. Поэтому будем искать прибли­жение z к нормальному решению z° в классе Q векто­ров z, для которых || Аz — и || <= +2. Отметим, что если имеется информация о разрешимости системы (3;3,1), то = 0 и в качестве класса Q можно брать класс векторов z, для которых || Аz — и|| <= . Класс Q есть класс формально возможных приближенных решений.

Но нельзя в качестве z брать произвольный вектор из класса Q, так как такое «приближение» будет неустойчивым к малым изменениям правой части уравнения (3;3,2). Необходим принцип отбора. Он естественным образом вытекает из постановки задачи. В самом деле согласно определению нормального решения искомое ре­шение z° должно быть псевдорешением с минимальной нормой. Поэтому в качестве приближения к z° естествен­но брать вектор z из Q, минимизирующий функционал

[ z ] = ||z||2 на множестве Q .

Таким образом, задача сводится к минимизации функ­ционала [ z ] = ||z||2 на множестве Q векторов z, для которых выполняется условие || Аz — u || <= +2.

3.3.2. Пусть z — вектор из Q, на котором функционал ||z||2 достигает минимума на множестве Q. Его можно рассматривать как результат применения к правой части u уравнения (3; 3,2) некоторого оператора R1(u,), зависящего от параметра . Справедлива

Теорема 1. Оператор R1(u,) обладает следующи­ми свойствами:

1) он определен для всякого uRm и любого > 0;

2) при 0 z== R1(u,) стремится к нормальному решению z° уравнения Аz=u, т. е. он является регуляризирующим для уравнения Аz=u .

3.3.3. Пусть z — вектор, на котором функционал [ z ] = ||z||2 достигает минимума на множестве Q. Легко ви­деть из наглядных геометрических представлений, что вектор z лежит на границе множества Q, т.е. ||Az - u ||= +2 =1.

Это следует непосредственно также из того, что функционал [ z ] = ||z||2 является сстабилизирующим и квазимонотонным. Стабилизирующий функционал [ z ] называется квазимонотонным , если каков бы ни был элемент z из F1 , не принадлежащий множеству M0 , в любой его окрестности найдется элемент z1 из F1, для которого [ z1 ]<[ z ], т.е. если функционал не имеет локальных минимумов на множестве F1 M0.

Задачу нахождения вектора z можно поставить так: среди векторов z, удовлетворяющих условию ||Az – u ||= +2 , найти вектор z с минимальной нормой, т. е. минимизирующий функционал [ z ]=||z||2.

Последнюю задачу можно решать методом Лагранжа, т. е. в качестве z брать вектор z, минимизирующий функционал

М [z, u] = ||Az - u ||2+||z||2, >0,

с параметром , определяемым по невязке, т. е. из ус­ловия ||Аz— u||=1. При этом параметр определяется однозначно .

3.3.4. Поскольку М [z, u] — квадратичный функционал, то для любых uRm и > 0 существует лишь один минимизирующий его вектор z. В самом деле, допустим,

что существуют два вектора z и z, минимизирующие его. Рассмотрим векторы z, расположенные на прямой (пространства Rn), соединяющей z и z:

z = z + (z - z).

Функционал М [z, u] на элементах этой прямой есть неотрицательная квадратичная функция от . Следова­тельно, она не может достигать наименьшего значения при двух различных значениях : = 0 (z = z) и =1 (z = z).

Компоненты zj вектора z являются решением си­стемы линейных алгебраических уравнений

получающихся из условий минимума функционала М [z, u]:

Здесь


Компоненты zj могут быть определены и с помощью какого-нибудь другого алгоритма минимизации функцио­нала М [z, u].

Вектор z можно рассматривать как результат приме­нения к u некоторого оператора z=R(u, ), завися­щего от параметра .

Покажем, что оператор R0(u, ) является регуляризирующим для системы (3;3,1), т. е. обладает свойствами 1) и 2) определения 2 (см. 3.1.2.). В п. 3.3.2. было сказано, что он определен для всяких uRm и > О и, следовательно, обладает свойством 1). Теперь пока­жем справедливость свойства 2), т. е. существование таких функций = , что векторы z = R0(u, ) сходятся к нормальному решению z° системы (3; 3,1) при 0. Это непосредственно следует из приводимой ниже теоремы 2.

Теорема 2( Тихонова). Пусть z° есть нормальное решение си­стемы Az= u и вместо вектора u мы имеем вектор u такой, что ||u—u||<=. Пусть, далее,  и  — какие-либо непрерывные на [0, 2] и положительные на (02] функции, монотонно стремящиеся к нулю при 0 и такие, что

Тогда для любой .положительной на (0, ] функции  , удовлетворяющей условиям

векторы z = R0(u, ) сходятся к нормальному ре­шению z0 системы Az = u при 0, т. е.

Примечание. Доказательства теорем в данном разделе опущены, т.к. основной теоретической частью работы является раздел «Метод Подбора. Квазирешения». Метод Тихонова описан из-за использования его в численном эксперименте.


ЗАКЛЮЧЕНИЕ


Для реализации численного примера был выбран метод Тихонова решения плохо обусловленных СЛАУ. В качестве исходной была взята СЛАУ Az=u, имеющая в матричной записи вид:

Определитель матрицы коэффициентов этой системы близок к нулю – он равен 0.000125. Попробуем решить эту систему с помощью обратной матрицы:

z=A-1u

Получим z1=316

z2=-990

z3=832

Теперь предположим, что правая часть нам известна приближенно, с погрешностью 0.1 Изменим, к примеру, третий элемент вектора-столбца с 1 на 1.1 :

Попробуем решить новую систему также с помощью обратного оператора. Мы получаем другой результат:

z1=348

z2=-1090

z3=916.

Мы видим, что малому изменению правой части данной системы отвечают весьма значительные изменения решения. Очевидно, эта система – плохо обусловленная, и здесь не может идти речи о нахождении решения близкого к точному с помощью обратного оператора.

Будем искать решение методом Тихонова. В теоретической части было показано, что целесообразно использовать регуляризирующий оператор следующего вида: (E + ATA)z=ATu , где E – единичная матрица, zприближенное нормальное решение, AT – транспонированная исходная матрица, параметр регуляризации,

u -- правая часть, заданная неточно. Эту задачу можно решать стандартными методами, задав предварительно функцию удовлетворяющую условиям теоремы Тихонова. В моем примере это функция =/4Далее будем решать регуляризованную задачу с точностью .001 ,последовательно изменяя значения .

В качестве контр-примера можно подставить в программу любую функцию  , не удовлетворяющую условиям теоремы Тихонова. Любая положительная функция монотонно возрастающая, не обладающая свойством 0 при 0, не будет минимизировать невязку.

Текст программы приведен в приложении 1. Полная распечатка результатов приведена в приложении 2. Здесь же представлены окончательные значения на выходе из программы.


Приближение к нормальному решению

Z(1)= 3.47834819174013E+0002

Z(2)=-1.08948394975175E+0003

Z(3)= 9.15566443137791E+0002


Значение правой части при подстановке прибл. решения

U1(1)= 9.99997717012495E-0001

U1(2)= 1.00000741970775E+0000

U1(3)= 1.09948402394883E+0000


Значение параметра регуляризации:

2.61934474110603E-0010


ПРИЛОЖЕНИЯ


Приложение 1.

Текст программы для реализации метода Тихонова на языке PASCAL


Uses CRT;

type

real=extended;


const

matrixA: array[1..3,1..3] of real = ((-19/20,1/5, 3/5),

(-1 ,0.1, 0.5),

(-0.01 ,0 ,1/200));

One: array [1..3,1..3] of real = ((1,0,0),

(0,1,0),

(0,0,1));

U:array[1..3] of real = (1,1,1.1);


var

i,j,k,q:byte;

A,At,A1,A2,Ar,One1:array[1..3,1..3] of real;

delta,Det,S,alpha:real;

B,Z,U1:array[1..3] of real;

f:text;


Procedure TransA;

begin

for i:=1 to 3 do

for j:=1 to 3 do

At[i,j]:=A[j,i]

end;


Function Koef(par1,par2:byte):real;

var

Sum:byte;

Tmp:real;

begin

Sum:=par1+par2;

Tmp:=1;

for k:=1 to sum do

Tmp:=Tmp*(-1);

Koef:=Tmp;

end;


Function AlAdd(par1,par2:byte):real;

type

element=record

value:real;

flag:boolean;

end;

var

BB:array[1..2,1..2] of real;

AA:array[1..3,1..3] of element;

k,v,w:byte;

N:array[1..4] of real;

P1:real;

begin

for v:=1 to 3 do

for w:=1 to 3 do begin

AA[v,w].value:=A2[v,w];

AA[v,w].flag:=true

end;

for v:=1 to 3 do AA[par1,v].flag:=false;

for v:=1 to 3 do AA[v,par2].flag:=false;

{ for v:=1 to 3 do begin

for w:=1 to 3 do write(AA[i,j].value:2:3,' ');

writeln

end; }

k:=1;

for v:=1 to 3 do

for w:=1 to 3 do

begin

if AA[v,w].flag then

begin

N[k]:=AA[v,w].value;

{ writeln(N[k]);}

k:=k+1

end;

end;

BB[1,1]:=N[1]; BB[1,2]:=N[2];

BB[2,1]:=N[3]; BB[2,2]:=N[4];

{ writeln('alg dop',par1,par2,' ',BB[1,1]*BB[2,2]-BB[1,2]*BB[2,1]);}

AlAdd:=BB[1,1]*BB[2,2]-BB[1,2]*BB[2,1];

end;


Function DetCount:real;

var

S1:real;

z:byte;

begin

S1:=0;

for z:=1 to 3 do S1:=S1+A2[1,z]*Koef(1,z)*AlAdd(1,z);

DetCount:=S1;

end;


Procedure RevMatr;

begin

for i:=1 to 3 do

for j:=1 to 3 do

Ar[j,i]:=Koef(i,j)*AlAdd(i,j)/DetCount;

{ for i:=1 to 3 do begin

for j:=1 to 3 do write(Ar[i,j],' ');

writeln;

end;}

end;


Function AllRight:boolean;

begin

writeln(f,'­Ґўп§Є  Ї® 1-¬г н«-вг',(abs(U[1]-U1[1])));

writeln(f,'­Ґўп§Є  Ї® 2-¬г н«-вг',(abs(U[2]-U1[2])));

writeln(f,'­Ґўп§Є  Ї® 3-¬г н«-вг',(abs(U[3]-U1[3])));

writeln(F);

if (abs(U[1]-U1[1])<0.001) and (abs(U[2]-U1[2])<0.001) and

(abs(U[3]-U1[3])<0.001) then AllRight:=true

else AllRight:=false

end;


Function Pow(par1:real;par2:byte):real;

var

S2:real;

z:byte;

begin

S2:=1;

if par2=0 then begin

Pow:=1;

exit

end

else

for z:=1 to par2 do S2:=S2*par1;

Pow:=S2;

end;


BEGIN

clrscr;

Assign(f,'c:tikh.txt');

Rewrite(f);

for i:=1 to 3 do

for j:=1 to 3 do

A[i,j]:=matrixA[i,j];

TransA;

Det:=0.000125;

{----------------------------}

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: