Волков В.В., Ерохин В.И. Некоторые свойства решений по А. Н

90
Труды XXXVIII Молодежной школы-конференции
НЕКОТОРЫЕ СВОЙСТВА РЕШЕНИЙ ПО
А. Н. ТИХОНОВУ ПРИБЛИЖЕННЫХ СИСТЕМ
ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ
Волков В.В., Ерохин В.И.
e-mail: vvvolkov@list.ru
В работе рассматривается задача нахождения решения системы
линейных алгебраических уравнений вида
(1)
Ax = b
m×n
в случае, когда значения элементов матрицы A ∈ R
и вектора
b ∈ Rm известны лишь приближённо. Матрица A и вектор b имеют
разную степень точности, т.е. вместо точных значений задана инe eb), где A
e – µ-приближение
дивидуальная приближенная система (A,
e 6 µ,
матрицы A и eb – δ-приближение столбца b, такие, что kA − Ak
e
kb − bk 6 δ, µ > 0 и δ > 0 - скалярные параметры, характеризующие
степень точности исходных данных, k · k – евклидова матричная или
векторная норма.
Актуальность задачи поиска решения системы вида (1) обусловлена распространённостью подобных систем при обработке результатов наблюдений и экспериментов.
Классическим подходом для решения системы (1) является метод
наименьших квадратов, в котором в качестве решения предлагается
e −e
находить вектор x̂ ∈ Rn , минимизирующий норму невязки kAx
bk
e
e
индивидуальной приближенной системы (A, b). Однако, метод наименьших квадратов может приводить к неустойчивым результатам
даже при малых возмущениях исходных данных.
Рассмотрим подход А. Н. Тихонова (см., например, работу [4]) к
решению приближённой системы (1).
Основная задача имеет следующий вид.
Задача 1. Найти матрицу Aµδ ∈ Rm×n и векторы xµδ ∈ Rn и
e 6 µ и kbµδ − ebk 6 δ такие, что система
bµδ ∈ Rm , где kAµδ − Ak
Aµδ xµδ = bµδ совместна и kxµδ k → min.
Сформулируем также вспомогательные задачи.
Задача 2. Найти вектор xα , на котором функционал
e eb) = kAx
e − ebk2 + αkxk2 ,
F α (x, A,
91
Приближение функций и численный анализ
где α > 0 – скалярный параметр, достигает своего минимума.
(
kxk → min,
Задача 3. Найти вектор x :
e = µkxk + δ.
keb − Axk
Следующая теорема А. Н. Тихонова позволяет выразить решение
задачи 1 {Aµδ , bµδ , xµδ } через решение задачи 3.
Теорема 1. [3] Cистема (Aµδ , bµδ ), реализующая решение (в смысле
задачи 1) приближённой системы (1), существует тогда и только
тогда, когда существует решение задачи 3, и определяется единственным образом через x - решение задачи 3 - с помощью формул
bµδ
xµδ = x,
δ
e
(eb − Ax),
= eb −
e
e
kb − Axk
e + (bµδ − Ax)
e
Aµδ = A
xT
.
xT x
Теперь обратимся к методам поиска xµδ .
Как удалось показать, справедливы следующие утверждения.
Теорема 2. [1] ∀α > 0 существует xα , являющийся решением задачи 2, и единственным образом определяемый условием
eT A
e + αI)xα = A
eT eb.
(A
(2)
Теорема 3. [4, 5], цитируется по [2]
e 6 keb − Ax
e α k.
∀x, xα | kxk 6 kxα k ⇒ keb − Axk
Лемма 1. Если eb 6= 0 и δ 6 kebk, то kxµδ k > 0.
xk, где
Лемма 2. ∀ α1 , α2 | α2 > α1 > 0 ⇒ kxα2 k < kxα1 k < kb
e eb).
e+eb - нормальное псевдорешение приближённой системы (A,
x
b=A
Лемма 3.
( Если существует решение задачи 1, и kxµδ k < kx̂k, то
e α k > µkxα k + δ,
kxα k < kxµδ k ⇒ keb − Ax
∀xα>0 ⇒
e α k < µkxα k + δ.
kxα k > kxµδ k ⇒ keb − Ax
92
Труды XXXVIII Молодежной школы-конференции
Лемма 4. Если существует решение задачи 1, то найдётся такой
параметр α, что xµδ = xα , где xα - некоторое решение системы (2).
Используя леммы 1-4, несложно доказать следующую теорему.
Теорема 4. Если существует
решение задачи 1, причём kxµδ k <
(
e α k < µkxα k + δ,
0
<
α
< α∗ ⇒ keb − Ax
kx̂k, то ∃!α∗ : xµδ = xα∗ ,
∗
e α k > µkxα k + δ.
α < α ⇒ keb − Ax
Следствие. Для нахождения xµδ можно использовать алгоритм,
включающий в себя решение системы (2) и дихотомию по параметру α.
Следующая теорема, являющаяся обобщением результатов работы [3] на случай неодинаковой точности задания левой и правой части исследуемой приближённой системы, показывает, что вектор xα
даёт устойчивое приближение к нормальному решению совместной
системы (1).
Теорема 5. Пусть система (1) совместна, ε(µ, δ) и α(µ, δ) - какиелибо возрастающие функции µ и δ, стремящиеся к нулю при µ → 0
и δ → 0 и такие, что µδ 6 ε(µ, δ)α(µ, δ).
Тогда для любого ε > 0 найдутся положительные числа δ0 =
δ0 (ε, kx0 k) и µ0 = µ0 (ε, kx0 k) такие, что при любых δ < δ0 (ε, kx0 k),
µδ
µ < µ0 (ε, kx0 k) и α, удовлетворяющем условию ε(µ,δ)
6 α 6 α(µ, δ),
справедливо неравенство
kxα − x0 k 6 ε,
где x0 – гипотетическое нормальное решение системы (1), построенное по точной матрице A и точному вектору b.
93
Приближение функций и численный анализ
Вычислительный эксперимент
В качестве исходных данных была взята приближенная система
из книги [2] с параметрами µ = 4.33 ∗ 10−8 , δ = 1.94 ∗ 10−4 ,
 −0.13405547 −0.20162827 −0.16930778 −0.18971990 −0.17387234 −0.4361 
−0.10379475 −0.15766336 −0.13346256 −0.14848550 −0.13597690 −0.3437
 −0.08779597 −0.12883867 −0.10683007 −0.12011796 −0.10932972 −0.2657 
 0.02058554 0.00335331 −0.01641270 0.00078606 0.00271659 −0.0392 
 −0.03248093 −0.01876799 0.00410639 −0.01405894 −0.01384391 0.0193 
 0.05967662 0.06667714 0.04352153 0.05740438 0.05024962 0.0747 
 0.06712457 0.07352437 0.04489770 0.06471862 0.05876455 0.0935 
e
e
[A b]= 0.08687186
0.09368296 0.05672327 0.08141043 0.07302320 0.1079  .
 0.02149662 0.06222662
0.07213486 0.06200069 0.05570931 0.1930 
 0.06687407 0.10344506 0.09153849
0.09508223 0.08393667 0.2058 
 0.15879069 0.18088339 0.11540692 0.16160727
0.14796479 0.2606 
 0.17642887 0.20361830 0.13057860 0.18385729 0.17005549
0.3142 
0.11414080
0.07846038
0.10803175
0.17259611
0.14669563
0.16994623
0.14816471
0.14365800
0.14971519
0.16007466
0.14003842
0.15885312
0.14374096
0.12571177
0.14301547
0.3529
0.3615
0.3647
6
L−curve
LS solution
T4 solution
µδ line
other T4 solutions
other µδ lines
5
4
3
ln||x||
2
1
0
−1
−2
−3
−4
−9
−8
−7
−6
−5
−4
ln||b−Ax||
−3
−2
−1
0
Рис. 1: Результаты вычислительного эксперимента
94
Труды XXXVIII Молодежной школы-конференции
Расчёты с использованием теоремы 4 привели к результату
" −2.4812769912523696439 #
x∗ =
−0.5257191027479345273
−0.1779175974264249718
1.6119862316114757776
3.4450690264529035350
,
с высокой точностью совпавшему с устойчивыми решениями, полученными в работе [2] различными методами.
e eb)
На рис. 1 показана L-кривая (L-curve); решение системы (A,
по методу наименьших квадратов (LS solution); решение, полученное
при помощи теоремы 4 и её следствия с использованием метода дихотомии x∗ (T4 solution) для µ и δ, отвечающих погрешностям задания
матрицы A и вектора b; соответствующая линия, для которой выполe = µkxk + δ (µδ line); множество решений
няется равенство keb − Axk
e = µkxk + δ
(other T4 solutions) и соответствующих им линий keb − Axk
для других µ и δ (other µδ lines).
Список литературы
[1]. Воеводин В. В., Кузнецов Ю. А. Матрицы и вычисления. – М.:
Наука, 1984. – 320 c.
[2]. Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов – М.: Наука, 1986. – 232 c.
[3]. Тихонов А. Н. О некорректных задачах линейной алгебры и
устойчивом методе их решения // Докл. АН СССР. 1965. Т. 163,
№ 3. С. 591–594.
[4]. Тихонов А. Н. О приближенных системах линейных алгебраических уравнений // Журн. вычисл. матем. и матем. физ. 1980.
Т. 20, № 6. C. 1373–1382.
[5]. Marquardt D. W. An algorithm for least-squares estimation of
nonlinear parameters // J. Soc. Indust. Appl: Math. 1963. Vol. 11,
№ 2. P. 431–441.
[6]. Morrison D. D. Methods for nonlinear least squares problems and
convergence proofs / Proc. of Sem. on Tracking Programs and Orbit
Determination. P. 1–9. - Calif., Pasadena, Jet Propulsion Lab., 1960.